ヒトの多様な脳内情報表現の可視化と解読に成功 NICT CiNet：脳活動から「かわいい」「親しい」などの知覚結果を高精度で把握

NICTに属するCiNetのグループは、認知機能と脳活動の関係を説明する定量的な情報表現モデルを構築することで、ヒトの多様な認知機能をつかさどる脳内情報表現の可視化と解読に成功した。これにより、脳内認知情報表現のより総合的な理解や個人の発達や加齢などに対応した、認知機能の比較定量手法の開発が期待される。

[＠IT]

　国立研究開発法人情報通信研究機構（NICT）脳情報通信融合研究センター（以下、CiNet）のグループは、fMRI実験により認知機能と脳活動の関係を説明する定量的な情報表現モデルを構築。ヒトの多様な認知機能をつかさどる脳内情報表現の可視化と解読に成功した。

おわびと訂正（2020年3月13日）

掲載当初、「国立研究開発法人情報通信研究機構（NICT）と脳情報通信融合研究センター（以下、CiNet）のグループ」と記載をしておりましたが、「国立研究開発法人情報通信研究機構（NICT）脳情報通信融合研究センター（以下、CiNet）のグループ」の誤りでした。これに伴って、タイトル、リード文も訂正をしました。

　fMRI実験とは、神経活動に伴う血流変化を測定する手法（fMRI）を用いた実験のこと。被験者を傷つけることなく、脳活動を調べることができる。CiNetの中井智也研究員と西本伸志主任研究員は、視聴覚や記憶、想起、論理判断などを含む認知課題群を用意し、6人の被験者が3日間にわたりMRI装置の中で、差異判断や名前記憶といった103種類の課題を実施（図参照）。課題遂行中の脳活動についてfMRIを用い記録、解析することで、認知機能と脳活動の関係を説明する2種類の情報表現モデルを構築した。

　第1のモデルは、課題の各特徴量を1か0で離散的に表現した課題種類モデル。これを用いることで、103種類の課題それぞれに対する大脳各領域の寄与度を示すデータの抽出が可能になる。得られたデータに対し、主成分分析を実施することで、103種類の課題の関係性を示す認知情報表現空間を可視化した（図1参照）。

図1　主成分分析に基づいた脳内における認知情報表現空間の2次元表現

　主成分分析とは、データの分散を最もよく説明できるような軸を取る分析のこと。データを少ない次元で表現する分析手法で、今回の研究では多変量線形回帰によって得られた、課題に対する大脳皮質の寄与度を示すデータに対して適用した。

脳活動から高精度で知覚内容を把握

　また、大脳を約2ミリ角に分割した各領域において、その領域の寄与が大きい認知表現を図1と同じ色で表すことにより、動画判定や画像評価などの認知表現と、脳領域の関係を示す、全脳認知情報表現マップを可視化した（図2のA参照）。このように可視化されたマップからは、後頭葉の視覚野（展開図中心付近にある緑色の視覚関連課題に相当）などの大局的な機能構造の他、従来の研究では明らかにされていなかった認知機能の細かな機能構造も観察できる（図2のB-D参照）。

図2　（A）大脳の認知情報表現マップ（左右大脳のインフレート図および展開図）（B-D）左半球中側頭回（B）、左半球前頭前野（C）および右半球上側頭回（D）の2ミリ角領域における認知機能の構造

　第2のモデルは、課題種類モデルによって得られた各課題に対する大脳各部位の寄与度を示すデータと、過去の研究で作成されたデータベースを照合することにより、課題を高次元（715次元）の認知因子の空間で表現した認知因子モデルだ。このモデルでは、認知課題を高次元の連続空間で表現することで、新規の認知課題に関する予測を可能にする。

　これにより、被験者が実施した課題を、脳活動から高い精度でデコーディング（解読、図3参照）することなどに成功した（図4参照）。

図3　知覚意味内容のデコーディング技術の例　左は被験者が見た画像、右は画像を見た被験者の脳活動を測定して得られた脳情報をデコーディングして知覚している意味内容を単語の形式で推定したもの（Nishida and Nishimoto 2018 NeuroImage）。

図4　（A）脳活動から遂行中の認知課題を推定するデコーディングの概念図（B）デコーディングの推定精度

　この研究の成果により、脳内認知情報表現のより総合的な理解や、個人の発達、加齢や個性に対応した認知機能の比較定量手法の開発などの応用につながることが期待される。