Sensory Noise Traits Predict Illusion Susceptibility and Multisensory Mismatch Negativity

技術要約：感覚ノイズ特性が錯覚感受性とマルチセンソリー・ミスマッチ・ネガティビティを予測する

問題の所在
視覚・聴覚（AV）錯覚に対する感受性の個人差は十分に文書化されているが、その計算論的な起源は依然として不明である。標準的なAV錯覚パラダイムでは、通常、単一の行動指標によって感受性を測定するが、これは「感覚の精度（ノイズ）」と「因果推論（信号を結合させる傾向）」という2つの異なる構成要素を混同してしまう。その結果、同様の外在的な錯覚率であっても、感覚の信頼性と結合傾向の異なる潜在的な組み合わせから生じている可能性がある。さらに、これらの潜在的な計算論的特性が、マルチセンソリー処理の神経学的シグネチャーであるミスマッチ・ネガティビティ（MMN：予測誤差信号の精密さで重み付けされた成分と解釈される事象関連電位の一種）を予測できるかどうかは分かっていない。

方法論
本研究では、行動タスクと受動的なEEGオドボール・パラダイムを含む2段階の実験デザインを採用した。

1. 参加者： 行動実験には28名の健康な成人が含まれた。このうち、ベイズ因果推論（BCI）モデリングには26名が保持され、そのうちのサブセットとなる15名がEEGセッションを完了した。
2. 双方向的視覚・聴覚ラビット・タスク： 参加者は、ビープ音とフラッシュのシーケンスによって中間的なフラッシュが錯覚として生成されたり、あるいは実在するフラッシュが抑制されたりするタスクを行った。このタスクは「双方向的」であり、聴覚信号が視覚的知覚を捉えたり、あるいはその逆が生じたりすることを可能にした。決定的なことに、聴覚信号の信頼性は、音量を変化させること（聴覚閾値より0–40 dB高いレベル）およびホワイトノイズを導入することによって操作された。この設計により、感覚ノイズと因果推論の分離が可能となった。
3. 計算論的モデリング： 知覚報告は、ベイズ因果推論（BCI）フレームワークを用いてモデル化された。4つのモデルファミリー（分離、強制融合、古典的BCI、および事後予測的BCI）が比較された。パレート・スムースド・インポータンス・サンプリング・リーブワンアウト・クロスバリデーション（PSIS-LOO）に基づき、事後予測的BCIモデルが最適な適合を示した。このモデルは、各参加者について以下の4つの潜在的特性を推定した：
   • 聴覚ノイズ ($\sigma_a$)
   • 視覚ノイズ ($\sigma_v$)
   • 音量に対する聴覚ノイズの感度 ($\sigma_{a,level}$)
   • 共通原因の事前分布 ($p_{common}$)
4. EEGパラダイム： 受動的なオドボール・パラダイムを用いてMMN反応を記録した。条件には、単一モダリティの聴覚、単一モダリティの視覚、および一致する視覚・聴覚（AV）のオドボールが含まれた。EEGデータは64チャンネルのキャップを用いて記録され、空間特異性を向上させるために電流源密度（CSD）に変換され、前頭中央部（聴覚）および後頭部（視覚）の関心領域（ROI）におけるMMN振幅について分析された。
5. 分析： BCI由来の潜在的特性と、(a) 行動的な錯覚強度指標、および (b) EEGサブサンプルにおけるMMN振幅との間の相関を算出した。多重比較補正（BH-FDR）が適用された。

主な結果

• モデル選択： 事後予測的BCIモデルは、セグメンテーション、強制融合、および古典的BCIモデルよりも、行動報告の予測において有意に優れた性能を示し、ラビット錯覚における事後予測的因果推論の使用を検証した。
• 行動的相関： 行動サンプル（$N=26$）において、潜在的特性は錯覚感受性を強固に予測した：
  • 高い聴覚ノイズ ($\sigma_a$) は、より大きな聴覚錯覚の強度と相関した。
  • 高い視覚ノイズ ($\sigma_v$) は、より大きな視覚錯覚の強度と相関した。
  • より強い共通原因の事前分布 ($p_{common}$) は、より大きな総錯覚強度と相関した。
  • 音量感度は、より弱く、強固さに欠ける関連性を示した。
• 神経学的相関（EEG）： EEGサブサンプル（$N=15$）において、特定のクロスパラダイム的な関連が見出された：
  • 聴覚ノイズ ($\sigma_a$) は、一致する視覚・聴覚条件（AVOC）における後頭部MMN振幅を正に予測した。 MMNは負の電位であるため、高い聴覚ノイズは、より「負ではない（弱い）」後頭部のミスマッチ反応と関連していた。
  • この関連は、視覚的成分のマルチセンソリー反応に特異的であった。聴覚ノイズと前頭中央部AV_MFC、あるいは単一モダリティの聴覚MMNや単一モダリティの視覚MMNとの間には、有意な相関は見られなかった。
  • 視覚ノザ ($\sigma_v$) は、これに匹敵するMMNとの関連を示さなかった。
  • この知見は、異なるEEG参照スキーム（FCz、平均、マストイド、およびCSD）においても頑健であり、非パラメトリックな置換検定によって確認された。

主要な貢献

1. 計算論的分解： 本研究は、双方向的なラビット・タスクと事後予測的BCIモデルを用いることで、AV錯覚の感受性における感覚ノザと因果推論を分離することに成功し、記述的な錯覚率を超えて、解釈可能な潜在的特性へと移行した。
2. クロスパラダイム予測： 行動から得られた感覚ノイズ特性（具体的には聴覚ノイズ）が、全く異なる受動的タスクにおける神経マーカー（MMN）を予測できることを示した。これは、これらの特性がマルチセンソリー処理における安定した個人の差異を捉えていることを示唆している。
3. 神経メカニズムの特異性： 知見は、聴覚の精度と神経ミスマッチ処理との関連が、一般的な神経応答性の低下や単一モダリティの効果ではなく、マルチセンソリー反応の視覚的（後頭部）成分に特異的であることを明らかにした。

意義と主張
著者らは、これらの知見が、マルチセンソリー知覚における個人差はランダムなものではなく、感覚の精度と結合傾向の安定した特性的な変動を反映しているという計算論的アプローチを支持していると主張している。具体的には、本研究は、聴覚の精度がマルチセンソリー・ミスマッチ処理における個人の変動に寄与していることを示唆している。

予測符号化の枠組みにおいて、著者らは結果を次のように解釈している。もし聴覚入力が視覚・聴覚イベントに関する予測の確立に寄与しているならば、聴覚の精度が低下（ノイズが増大）すると、視覚的皮質で利用可能なクロスモーダルな予測信号が弱まり、結果として偏差的な視覚・聴覚イベントに対する後頭部のミスマッチ反応が弱まる。

論文は、これらの結果が臨床的な有用性を確立したり、厳密なメカニズム的因果関係を証明したりするものではないことを認めつつも、控えめに結論付けている。しかし、錯覚の感受性を潜在的な特性へと分解する戦略は、行動を神経学的シグネチャーに関連付けるための原理的な方法を提供すると強調している。著者らは、EEGのサンプルサイズが限定的であることや独立した再現の必要性といった限界を指摘しているが、感覚ノーズという計算論的に定義された特性を神経学的指標に関連付ける枠組みを提供している点を強調している。