科学者は、楽しい音楽やソフトな音楽に合わせて、移動酔いを半分以上削減し、旅行中の吐き気に脳ベースのシンプルなソリューションを提供できることを発見しました。
勉強： EEG分析に基づいた動き酔いに対するさまざまな音楽タイプの緩和効果に関する研究。画像クレジット：Estrada Anton/Shutterstock.com
で発表された最近の研究 人間の神経科学のフロンティア 運動酔いに対するさまざまな種類の音楽の影響を調べました。科学者たちは、特定の種類の音楽、特に楽しい音楽とソフトな音楽を聴くことで、運動酔いの症状を効果的に緩和し、旅行体験を改善できることを発見しました。
乗り物酔い：評価と介入
自律運転技術の進歩により、運転の利便性と安全性が向上しています。しかし、最近の研究では、特に乗客の間での運動酔いの発生率の増加も記録されています。
混合モードの操作中、つまり、手動と支援運転を交互に行うと、乗客は頻繁に運動酔いを経験します。これは、車両の動きが回転や加速など、目が見ているものと一致しないようにし、バランスとビジョンの不一致につながるときに起こります。
現在、乗り物酔いは、主観的および客観的な測定の両方で評価されています。主観的な測定では、人は、乗り物酔いに関するアンケート（MSQ）、Misery Scale（MISC）、シミュレーター病に関するアンケート（SSQ）などの関連するアンケートに記入するように求められます。
研究者は、運動酔いを緩和するための薬理学的管理戦略と感覚介入を開発しました。運動酔いは、前庭臓器および前庭神経節におけるコリン作動性M1、M2、およびM5受容体サブタイプの発現と関連しています。この研究を考慮して、M1およびM5受容体サブタイプをブロックする抗運動病薬（例、スコポラミン）が開発されました。
嗅覚または触覚に基づく介入の有効性、特に聴覚刺激（音楽ジャンルなど）と運転環境における動き酔いとの関連性を評価した研究は多くありません。
研究について
現在の研究は、研究のギャップに対処し、運動酔いに対するさまざまな音楽ジャンルの影響を評価することを目的としています。運動酔った認識モデルは、脳波シグナルに基づいて構築されました。これにより、Joyful、Siverring、Sad、Softなどの4種類の音楽の微分調節効果の系統的評価が、乗り物酔いに関するものです。
運動酔いの症状を誘発するために、実際の道路実験の代わりに運転シミュレーション実験が設計されました。脳波（EEG）データが参加者から収集されました。運転シミュレータは、リアルモーション環境と同様の視覚的先進の競合効果を誘導しました。
このソフトウェアにより、ユーザーは、さまざまな道路の複雑さ、周囲の地形、長さで10の道路を選択できました。これらのすべての道路は、完了するために5分以上の移動時間を必要としました。この道路スクリーニング段階では、MISC、KSS、およびLIKERTスケールが参加者の乗り物酔いを評価しました。
この最初のスクリーニングには、40人のボランティア（22人の男性と18人の女性）が登録されました。これらから、メインの音楽救済実験のために、乗り物酔いに対する中程度の感受性を持つ30人の参加者が選択されました。
メイン実験の各参加者は、6つの音楽タイプ（Joyful、Sad、Sirring、Soft）、1つの自然回復コントロールグループ、1つのベースライングループの6つの条件のいずれかにさらされました。乗り物酔いが3つ以上に達したとき、それは乗り物酔いの成功した誘導と見なされました。
5つの脳領域の多次元特徴は、EEG信号、周波数ドメインの特徴、および瞬時ドメイン統計的特徴から抽出されました。これらの機能は、運動酔い状態における脳活動の時間的および空間的ダイナミクスを包括的に特徴づけることができます。最適な分類予測モデルは、動き酔いの状態を認識する際に、従来の機械学習方法と深い学習モデルのパフォーマンスを比較することにより開発されました。このモデルには、BPニューラルネットワーク（BPNN）、プレーンベイズ（NB）、K最近隣接（KNN）、サポートベクターマシン（SVM）、およびロジスティック回帰（LR）が含まれていました。
調査結果
5つのモデルの平均精度、リコール、および精度スコアは、後頭葉面積の最大値を達成しました。この発見は、この領域のEEGシグナルが乗り物酔いと密接に関連していることを示唆しています。
予測精度に基づいて、現在の研究では、後頭葉面積における居住者運動酔い認識のBPNNモデルを選択しました。 1980年のトレーニングの反復後、BPNNモデルはテストセットで85.6％の最高精度を達成しました。さらなる変調分析のために、完成した運動酔い認識モデルは、後頭葉面積で訓練されたEEG機能を使用してBPNNアルゴリズムによって分類されました。
各音楽（変調グループ）と自然回復（コントロールグループ）の運動酔いに対する介入の効果が評価されました。参加者の主観的救済スコアと、EEGデータに基づく客観的な救済スコアの間に相関関係が見つかりました。自然な回復と比較して、主観的なスコアは、柔らかくて楽しい音楽がそれぞれ57.3％と56.7％の運動酔い症状を効果的に緩和できることを示しました。
SAD音楽は自然な回復（43.3％）よりも緩和効果（40％）が低いことに注意する必要がありますが、音楽を攪拌することは緩やかな効果を示しました。
結論
現在の研究は、EEG信号分析と機械学習戦略を使用して、効果的な運動酔い認識モデルを開発しました。柔らかくて楽しい音楽は、乗り物酔いの症状を大幅に緩和しましたが、悲しい音楽は悪化し、音楽をかき混ぜることは、使用される尺度に応じてさまざまな影響を及ぼしました。
著者らは、比較的小さなサンプルサイズ、実際の運転ではなくシミュレーターの使用、参加者の年齢範囲を含む制限に注目しました。彼らは、将来の研究がこれらの結果をより大きなグループと現実世界の駆動環境で検証しなければならないことを強調した。
1757075674
#プレイリストが動き酔いを減らすための鍵になる理由
2025-09-05 12:08:00