Predicting Somatosensory Awareness from Intracranially Informed Scalp EEG
本研究は、頭蓋内の弁蓋島活動を予測することにより、意識的な体性感覚知覚に対する非侵襲的な頭皮脳波マーカーを導出する機械学習アプローチを提示しており、既存のマーカーと比較して、個人レベルの一貫性とデータセットおよび脳状態を越えた汎用性において優れた性能を示すものである。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは査読を受けていないプレプリントのAI生成解説です。医学的助言ではありません。この内容に基づいて健康上の判断をしないでください。 免責事項の全文を読む
私たちが何かを感じるときに何が起きているのかを理解するために、科学者たちはしばしば脳の電気信号に注目します。神経が刺激されると、脳は頭皮から測定可能な予測可能な電気的波形を生み出します。数十年にわたり、研究者たちはこれらの信号における特定のパターン、すなわち「体性感覚覚醒陰性（Somatosensory Awareness Negativity）」を利用して、人が意識的に触覚を感じたかどうかを推測してきました。このパターンは、刺激から約0.1秒後に電気電圧が低下する現象として現れます。しかし、この手法には重大な欠陥があります。この電圧の低下の形状、タイミング、大きさは個人間で大きく異なるのです。ある人にとっては明らかな意識の兆候に見えるものが、別の人にとっては単なるランダムなノイズに見えることがあり、特に患者が言葉を発したり動いたりして伝えることができない場合、その信号を使って特定の人物が感覚を自覚しているかを判断することは困難になります。
この課題は、昏睡状態や深い睡眠状態にあるような、覚醒していても意思疎通ができない患者を扱う際に極めて重要になります。このようなケースでは、医師は「今のを感じましたか？」と尋ねることができず、意識の有無を判断するために脳スキャンのみに頼らざるを得ません。ミラノ大学などの研究者による新しい研究は、潜在的な解決策を提示しています。高度な機械学習と、頭皮および脳の深部からの同時記録を組み合わせることで、彼らは人が意識的に触覚を感じているかどうかを推定する新しい方法を開発しました。彼らの手法は、頭皮上の信号から特定の形状を探すのではなく、頭皮のデータを用いて、意識的な感覚に関連していることが知られている脳内の特定の持続的な電気活動を予測します。
研究者たちはまず、てんかんのモニタリングのために侵襲的な処置を受けている少人数の患者グループを用いて研究を開始しました。これらの患者には、脳の深部に電極が配置されるとともに、頭皮には高密度のセンサーキャップが装着されていました。患者が起きている間に、チームは手首の正中神経に軽い電気パルスを与えました。患者がパルスの感覚を報告できたため、研究者たちは脳信号と比較するための完璧な「正解（グラウンド・トゥルース）」を得ることができました。彼らはコンピュータモデルを使用して、頭皮の電気活動と、意識的な感覚に関連する脳の深部領域である島回部（operculo-insular region）で発生する特定の持続的な電気反応との関係を学習させました。モデルは、頭皮からの乱雑で複雑な信号を取り込み、それが脳の深部で何が起きているかの予測へと翻訳するように訓練されました。
モデルの訓練が終わると、チームは全く新しい健康なボランティアのグループに対してテストを行いました。これらの参加者は同様の神経刺激を受け、各パルスを感じたか否かを報告しました。研究者たちは、訓練されたモデルを、設定を変更することなくこれらの新しい参加者の頭皮記録に適用しました。その結果、参加者が刺激を感じたと報告したとき、モデルは脳深部における強力で持続的な電気反応を予測しました。参加者が刺激を感じなかったとき、予測される反応は弱かったか、あるいは存在しませんでした。決定的なことに、この手法は開発セットにおけるすべての個人に対して一貫して機能しました。個人の脳の形状や信号のタイミングの自然な変動により、多くの個人において識別が困難であった従来の手法とは異なり、この新しいアプローチは、すべての参加者において「感じたもの」と「感じなかったもの」を明確に分離することに成功しました。しかし、著者らは、決定閾値が同じデータセットを用いて導出され評価されたため、この完全な分離は、新しい集団における感度や特異性の偏りのない推定値ではなく、開発セットにおけるモデルの性能を反映しているものであると注記しています。
このツールがどれほど堅牢であるかをテストするため、研究者たちは全く同じモデルと決定ルールを、覚醒状態または非常に深い睡眠状態にある第三のグループに適用しました。この実験では、誰も自分が何を感じたかを報告していません。唯一の違いは、彼らの意識の状態でした。モデルは、覚醒しているか睡眠しているかの違いを判別するように訓練されていなかったにもかかわらず、全参加者の状態を正確に特定しました。被験者が覚醒しているとき、モデルは意識的な覚醒信号の存在を予測しました。深い睡眠状態にあるとき、その信号は消失しました。これは、モデルが「起きている人が感覚を報告している」データのみを用いて訓練されていたにもかかわらず起こりました。同じ数学的ルールが、意識のある覚醒した脳と深く眠っている脳を区別できたという事実は、この手法が感覚の処理における根本的な生物学的差異を捉えていることを示唆しています。ただし、研究者らは、この結果を、手法の知覚分類能力に関する独立した検証として解釈すべきではないと警告しています。なぜなら、深い睡眠中にも意識的な思考は起こり得、参加者が実際に何を経験したかを裏付ける試行ごとの報告は利用できなかったからです。
また、本研究では、頭皮上の特定の電圧低下を探すという従来の手法と、この新しいアプローチを直接比較しました。従来の手法は、グループ全体として見た場合には「感じた刺激」と「感じなかった刺激」の差を示しましたが、個々のレベルでは明確な答えを提供できませんでした。ある人の脳波は意識があるように見え、別の人の脳波は（同じ刺激を感じていると報告しているにもかかわらず）意識がないように見えることもありました。研究者が「頭皮推定トニシティ（Scalp Estimated Tonicity）」と呼ぶこの新手法は、開発セットのあらゆる個人に対して明確かつ一貫した答えを提供しました。この手法は、覚醒および睡眠のテストにおける全参加者、そして知覚のテストにおける全参加者の意識状態を正しく特定し、完全な分離を達成しました。
この研究は、意識の謎を解明したと主張するものでも、このツールがすぐにすべての病院で使用できることを示唆するものでもありません。研究は比較的少数の人々を対象に行われ、モデルは、使用されたコンタクト（接触部位）が健康な脳組織から選ばれているものの、てんかん患者のデータを用いて訓練されました。研究者らは、このツールが昏睡状態や植物状態などの患者において、意識を信頼性高く検知できるかどうかを確認するために、コミュニケーションが不可能な患者を用いた臨床現場でのさらなるテストが必要であると認めています。しかし、結果は明確な進むべき道を示しています。機械学習を用いて、頭皮から見えるものと脳の深部で起きていることの間の溝を埋めることにより、研究者たちは、従来の手法よりもはるかに信頼性の高い非侵襲的なツールを作り上げました。それは、脳の内部で行われている感覚に関する対話に耳を傾ける方法を提供し、自らの声を上げられない人々に、潜在的に声を与えるものとなるでしょう。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。