Evaluating State-Transition Models in Short Resting-State fMRI with Continuous-Dynamics Controls

人間の脳は静止した機械ではありません。それは、膨大なニューロンのネットワークが明滅しながら絶え間なくリズムを刻んで対話する、生きて変化し続ける風景なのです。科学者たちは長い間、この対話をマッピングしようと試みてきました。特に、脳が特定のタスクに集中していない休息時の状態についてです。この研究における一般的な手法の一つは、脳を、家の中の異なる部屋を行き来する旅行者のように捉えるものでした。それぞれの部屋は特定の活動パターンを表しており、その間の移動は、脳がいかにして自らを組織化しているかを明らかにすると考えられてきました。このアプローチは、脳が一つの状態から別の状態へと跳躍した瞬間を推測する統計ツールに依存しており、これらの変化を突然の、離散的なイベントとして扱います。しかし、この手法は脳が「ジャンプ」することを前提としていますが、実際には、神経活動の流れはもっと川のように、滑らかで連続的であり、真に停止することなどないのかもしれません。もし脳の真の性質が流れる川であるのに、私たちがそれを一連の踏み石として記述しようとするならば、そこにはらから存在しないパターンを見出してしまう可能性があるのです。

ある研究チームは、これらの見かけ上のジャンプが実在するものなのか、それともデータの見方によって生じた錯覚なのかを検証するために、調査に乗り出しました。彼らは、脳が次に何をするかを予測する2つの異なる方法を比較しました。第一の方法は、「部屋」を想定するもので、脳が現在どの「状態」にあるかを決定することで次の瞬間を予測しようとします。第二の方法は、対照実験として用いられたもので、単に脳の活動の直近の履歴を参照し、突然のジャンプが存在することを仮定せずに、その滑らかで連続的な流れに基づいて未来を予測します。どちらの手法が優れているかを判断するために、彼らは数千件のコンピュータ・シミュレーションを作成しました。一部のシミュレーションでは、脳の活動が真に状態間を跳躍するようにプログラムしました。また別のシミュレーションでは、回転する車輪や押し寄せる波のように、滑らかで連続的な曲線を描くようにプログラムしました。その後、これらの中の「偽の脳」に対して両方の予測手法を用いて次の瞬間の活動を予測させ、どちらが正解を導き出したかを確認しました。

条件が安定しているとき、結果は明白でした。シミュレートされた脳が真に状態間を跳的している場合、「部屋を飛び回る」手法の方が通常、優れた予測因子となりました。一方で、シミュレートされた脳が滑らかに動いている場合、連続的な流れを仮定した手法の方がはるかに正確でした。このことは、理論上、これら2つの手法を用いれば、脳が「跳ぶ」のか「流れる」のかを見分けることができることを示唆しています。しかし、研究者たちは、これらの結論がいかに脆弱であるかを確認するために、ある仕掛けを加えました。彼らは基礎となる脳活動は全く同じに保ったまま、テスト段階でのデータの平滑化（スムージング）の方法を変更しました。これは、ノイズを除去するために実際の脳スキャンで行われる処理を模したものです。驚くべきことに、データの扱い方というこの小さな変化によって、「部屋を飛び回る」手法が突如として勝者のように見えるようになったのです。脳は依然として滑らかで連続的な曲線を描いていたにもかかわらず、ジャンプを仮定する手法が、脳が実際にジャンプし始めたからではなく、データの測定方法が変わったという理由だけで、滑らかなデータをより良く予測できるようになったのです。

研究者たちは、この比較を、正常な認知機能を持つ人、軽度の記憶障害を持つ人、そして認知症の人を含む270人の実際の脳スキャンに適用しました。彼らはこれらのスキャンから得られたデータを両方の予測モデルに投入し、どちらが次の瞬間の脳活動をより良く予測できるかを検証しました。その結果、圧倒的多数のケースにおいて、滑らかで連続的な流れを仮定したモデルの方が優れた予測因子となりました。信頼できる長さを持つ184件の記録のうち160件において、このモデルは「部屋を飛び回る」モデルよりも優れた性能を示し、さらに短い記録においても同様の結果が得られました。このことは、本研究の対象者にとって、安静時の脳活動は、一連の離散的な停止ではなく、連続的なストリーム（流れ）に近いものであることを示唆しています。さらに、研究者が「部屋を飛び回る」モデルに対して、滑らかで連続的なシミュレーションの中でジャンプを見つけ出すよう強制したところ、モデルは実際にジャンプを見つけ出しました。それは、あたかも脳が一つの状態から別の状態へと移動しているかのような「好ましい移動方向」を特定したのですが、実際にはそのような状態は存在していませんでした。これは、このモデルが、完全に滑らかなプロセスから離散的な遷移という物語を捏造できてしまうことを証明しています。

この研究は、スキャンの中で脳が「状態を切り替える」のが見えたとしても、それが自動的に脳が実際に切り替わったことを意味するわけではない、と結論付けています。見かけ上のジャンプは、データを分析するために使用された数学的ツールの副産物であったり、あるいは分析前に信号がフィルタリングされ平滑化された結果であったりする可能性があります。研究者たちは、テスト中に使用されるフィルターを変更することで結果が逆転し、連続的なプロセスが離散的なものに見えるようになることを発見しました。これは、脳に明確な状態が全く存在しないことを証明するものではありませんが、モデルがそれらを見出したからといって、その存在を前提にしてはならないことを示しています。脳活動の真の性質を理解するためには、科学者は自らの知見を、連続的な流れを仮定するモデルと比較し、データの測定方法が変わってもその結論が維持されることを確認しなければなりません。シミュレーションと現実世界のスキャンの両方からの証拠は、脳の安静時の活動はしばしば連続的な変動のダンスであり、それを一連の突然のジャンプとして解釈することには、これまで考えられていたよりもはるかに慎重な判断が必要であることを示唆しています。