Interpretable task-evoked and resting-state EEG signatures of threat-focused and self-focused processing in high social anxiety

脳の2つのモード：社交不安に関する物語

あなたの脳が、超高性能なスマートフォンであると想像してみてください。それには主に2つの動作モードがあります。1つ目は「タスクモード」で、数学の問題を解いたり、この研究のように人の顔を見て感情を推測したりといった、何かを能動的に行っている状態です。2つ目は「レストモード（休息モード）」で、ただ静かに目を閉じ、思考を漂わせている状態です。科学者たちは、一部の人にとって、このスマートフォンが不具合のあるループに陥ってしまうことを古くから知っています。具体的には、社交不安が高い人々は、世界が自分を注視しているように感じ、他人が自分をどう思うかについて考えることに多くの時間を費やす傾向があります。

これを理解するために、研究者たちは脳の電気信号、すなわちEEG（脳波）に注目します。これらの信号を、スマートフォンの画面を点灯させる小さな電気の火花のようなものだと考えてください。顔を見たとき、脳はそれを認識するための特定の火花を送ります。休息しているとき、脳は異なる種類のバックグラウンドノイズとともにハミングしています。この研究が投げかける大きな問いは、「タスクモード」と「レストモード」の両方の間の電気的な火花を観察することで、「単に内気な脳」と「高不安モードに陥った脳」の違いを見分けることができるか？という点です。これら2つのスナップショットを組み合わせることで、研究者たちは、単に本人の主観的な感覚を聞くことを超えた、社交不安の明確な「指紋（特徴）」を見つけ出したいと考えました。

研究：脳の電気的な火花に耳を傾ける

この研究において、オルドス理工大学と北京師範大学の研究チームは、大学生の脳を深く掘り下げることに決めました。彼らはまず、1,000人以上の学生をスクリーニングし、2つのグループを選び出しました。高社交不安を示す32名の学生と、対照群となる健康な36名の学生です。公平な比較を行うために、不安を感じている学生たちが単に抑うつによって落ち込んでいるのではなく、特に社交的な場面に対して不安を感じていることを確認しました。

その後、学生たちは64個のセンサーが付いた特殊なキャップを装着しました。まず、「タスク」として、喜びや負の感情を示す顔の短いビデオを視聴し、その感情を推測させました。これは、素早い反応が求められる「彼らは何を考えているのか？」というゲームのようなものです。次に、5分間静かに目を閉じて座り、「レスト状態（安静時状態）」を記録し、思考を漂わせました。

彼らが発見したもの：グリッチ（不具合）のある脳

結果として、高社交不安を持つ学生の脳は、健康なグループとは少し異なるオペレーティングシステムで作動していることが明らかになりました。

1. 「タスクモード」のグリッチ：遅いスタートと過剰反応
高社交不安の学生が顔を見たとき、彼らの脳はパーティーを開始するのが少し遅れていました。顔を認識するために通常非常に素早く発生する電気信号（N170、P200、N200と呼ばれます）が、発火するまでに時間を要したのです。それはまるで、ビデオを再生する前にバッファリングが発生しているような状態でした。しかし、一度脳が「負の顔（怒っている、あるいは悲しんでいる顔など）」を処理すると、脳はオーバードライブ状態に入りました。後の信号（P3a）や、脳の「シータ波」（「おい、これに注意しろ！」と脳が叫んでいるようなもの）は、健康なグループよりもはるかに強くなりました。

本質的に、不安を感じている脳は顔に気づくのが遅いのですが、一度それが「負の顔」であると認識すると、凝視することを止められなくなります。それは、焦点が合うまでに時間がかかるものの、一度怪しい影を見つけると、他のすべてを遮断してまで猛烈にズームしてしまうセキュリティカメラのようなものです。

2. 「レストモード」のグリッチ：心配のループに陥る
学生が目を閉じて休息しているとき、その違いはさらに顕著でした。不安グループの脳は、「自己中心的」なモードに陥っている兆候を示しました。

• マイクロステート（微小状態）： 通常、自分自身について考えることに関連する脳の電気的パターン（マイクロステートC）が、より長く、より頻繁に発生しました。一方で、外部の世界に注意を向けることに関連するパターン（マイクロステートD）は減少しました。
• アルファ波： 外部のノイズを遮断して内面に集中するためのシールドのような役割を果たす脳の「アルファ波」が、はるかに強くなっていました。これは、彼らの脳が内面的な悩み（心配事）に集中するために、積極的に外界をブロックしていることを示唆しています。
• 複雑性： 脳の電気信号は、豊かで多様なメロディというよりも、ループに陥った曲のように、複雑さが低く、反復的でした。
• ネットワーク： 自己制御を助ける脳の異なる部位間の接続が弱まっていました。

3. 勝利の方程式：データの融合
研究者たちは、データに基づいて社交不安を予測するために、コンピュータプログラム（機械学習）を使用しました。

• 「タスク」のデータのみを使用した場合、コンピュータの予測精度はそこそこでした。
• 「レスト」のデータのみを使用した場合、より精度が高まりました。
• しかし、これら両方のデータを**融合（フューザー）**させたとき、コンピュータは超名探偵となりました。コンピュータは約83%の確率で高不安グループを正しく特定し、非常に高い精度スコア（AUC 92.67%）を記録しました。

「何が」起きているのかという「理由」

コンピュータがどのようにしてこれらの推測を行ったのかを理解するために、研究者たちは、どの脳信号が最も重要であったかを拡大鏡のように示すツールである「SHAP」を使用しました。すると、コンピュータは単にランダムに推測していたのではなく、理論が予測していた通りの要素を見ていたことが分かりました。

• 安静時のアルファパワー： この「内面的集中」の信号の高レベルな数値は、大きな手がかりでした。
• マイクロステートC： 脳が「自己への悩み」モードに留まる時間が長いほど、その学生は社交不安を持っている可能性が高まりました。
• P200潜時（レイテンシ）： 顔を認識する際の遅延も、重要な指標でした。
• N170振幅： 初期の顔認識信号の強さも重要な要素でした。

これが意味すること（および意味しないこと）

この研究は、高い社交不安は単一の現象ではなく、2つの問題の混合体であることを示唆しています。第一に、脳が社会的脅威を迅速に処理することにおいて非効率であること。第二に、何も起きていないときでも、自己中心的な悩みのループに陥ってしまうことです。 「タスク」と「レスト」の両方のデータを組み合わせることで、研究者たちはどちらか一方だけを見るよりも、はるかに鮮明な全体像を見出すことができました。

しかし、著者らは、これがまだ魔法の治療法や最終的な診断ツールではないことに注意を促しています。この研究は、高い不安を感じているものの、必ずしも疾患として診断されているわけではない大学生を対象に行われました。コンピュータモデルが現実世界で機能するかどうかを確認するためには、診断された社交不安障害を持つ人々を含む、より大規模なグループでテストする必要があります。また、この研究は脳の電気信号のみを見ているため、扁桃体（恐怖の中心）のような脳の構造の深部を直接見ることはできません。

要約すると、もしあなたが社交不安の高い人の脳を理解したいのであれば、彼らが世界に対してどのように反応するかと、一人でいるときにどのように振る舞うかの両方に耳を傾ける必要がある、ということをこの論文は示唆しています。これは、非常に主観的な感覚を、より客観的な方法で理解するための第一歩なのです。