1774002071
2026-03-20 10:09:00
人工知能に基づくシステムは、脳の画像データに基づいて患者ごとに脳の仮想モデルを構築し、このモデル上で精神疾患に使用されるさまざまな介入をシミュレートできるため、実際に治療が適用される前に、その人がその治療に対してどのような反応を示すかを事前に推定することができます。
日本の国立精神・神経医療研究センターの研究者らによる研究では、脳領域間の接続に基づいてパーソナライズされた脳の仮想モデルを構築できる AI システムについて説明されています。
研究は雑誌に掲載されました BME フロンティアそして、個人の神経生物学的特性が複雑な認知機能や感情機能にどのような影響を与えるかをシミュレートすることにより、精神科ケアを個別化するための新しいアプローチを提案しています。
個別化精神医学は長い間、脳構造の特殊性から出発して、感情処理や認知制御などのいくつかの機能領域において、行動および神経レベルで人がどのように反応するかを予測できるモデルの開発を追求してきました。
しかし、既存の方法では、「コネクトーム」（標準的な脳画像処理を通じて得られる、安静時に異なる脳領域がどのように相互に通信するかを示すマップ）を相関付けるのが困難である。各人は独自のコネクトームを持っており、静的な状態と複数のタスクに関わる動的な動作を反映しており、臨床での有用性が制限されています。
この制限を克服するために、研究チームは 2 つのコンポーネントで構成される新しいアーキテクチャを設計しました。ハイパーエセシスは、各個人の静止状態の機能コネクトームを使用して、マスターリカレントニューラルネットワークのカスタムパラメーターを生成します。
次に、このメイン ネットワークは、感情プロセスと認知プロセスの両方を調査するタスクにおける行動の選択、反応時間、および BOLD (血中酸素レベル依存) シグナルを参加者ごとにシミュレートします。
新しい AI ベースのモデルは、脳画像から始めて、各人の脳の機能を再現しようとします。
基本的な考え方は、治療が実際に適用される前に、さまざまな介入を仮想的にテストし、各個人がどのように反応するかを観察することです。
データは AI システムに供給され、最初のステップで各人の脳の仮想モデルを構築し、次のステップでこのモデルを使用して、脳が情報を処理する方法と、人がさまざまな認知的および感情的タスクにどのように反応するかをシミュレートします。
その結果、個人ごとに異なる脳の「デジタルツイン」が生まれます。
システムの開発と検証のために、研究者らは Transdiagnostic Connectome プロジェクトのデータを使用しました。このプロジェクトには 18 歳から 68 歳までの 228 人の参加者が含まれています。このうち 139 人がさまざまな精神医学的診断を受けており、89 人は健康な人でした。すべての参加者は、機能的磁気共鳴 (fMRI) スキャン中に 2 つのタスクを実行しました。
最初のタスクである感情顔テストでは、恐怖や怒りの表情を認識することで、脅威となる感情的刺激に対する反応を評価しました。これにより、感情の処理に関与する領域である扁桃体の活動を測定できるようになりました。
2 番目のタスクでは、参加者に、異なる色を表す単語が書かれたインクの色を識別するよう求め、認知制御と処理速度を評価しました (ストループ テスト)。
各参加者のデータは 2 つのセットに分割されました。モデルは最初のセットでトレーニングされ、2 番目のセットでテストされたため、モデルは以前に使用されていない新しいデータで評価されました。
Emotional Faces テストでは、モデルは平均 94% の精度で参加者の行動を予測しました。より難しいストループ テストでは、精度は 90% でした。
反応時間と脳活動のパターンの予測は、感情処理中の扁桃体の活性化の増加など、実際の測定結果と一致しました。
精度を検証した後、研究者らはモデルを使用して仮想実験を実行し、モデルのパラメーターを数学的に調整して、感情的反応性の低下と認知処理速度の向上という 2 種類の変化をシミュレートしました。
感情的な反応性については、扁桃体の近くの大脳辺縁系領域と頭頂葉および側頭葉のネットワーク間の接続をシミュレートした変化が行われました。処理速度については、前頭前野、頭頂葉、運動皮質、皮質下領域間の接続が分析されました。
参加者のほとんどは、対象となる機能に測定可能な変化を示しました。しかし、答えは大きく異なりました。大幅な改善が見られたものもあれば、最小限の変更があったものもあれば、ほとんど変化が見られなかったものも少数ありました。このばらつきは、臨床現場で観察された差異を反映しており、精神科治療の効果は人によって異なります。
脳の接続の初期パターンがシミュレーションで引き起こされた変化のタイプに近い参加者はより強い反応を示し、脳の接続の組織化が特定の介入から人がどれだけ利益を受けるかに影響を与える可能性があることを示唆しています。
ただし、この研究では特定の薬や治療法の効果は評価されていません。
現在、モデルが脳の変化をシミュレートできる詳細度と精度のレベルと、実際にこれらの変化を達成する医療技術の実際の能力との間にはギャップがあります。
経頭蓋磁気刺激などの技術では、必要な精度で脳領域間の個々の接続をターゲットにすることはできません。著者らは、脳のネットワークに広範な影響を与える重要な領域をターゲットにすることで、実際の効果をシミュレーションした効果に近づけることができると示唆している。
著者らは、結果は仮想シミュレーションから得られたものであり、システムはまだ臨床条件でテストされていないと指摘している。
このモデルは、新しい人の行動よりも同じ人の行動を予測する方が良い結果をもたらしました。新しい参加者の場合、反応時間の推定精度が低下しました。これは、データセットの現在のサイズに起因する制限です。今後、より大きなバッチと時間をかけて収集されたデータを使用した研究により、モデルのパフォーマンスが向上する可能性があります。
診断や治療の選択のガイドとしての使用は検証されておらず、現時点では医療現場で使用できるツールではありません。
この研究にはまた、研究者らによって強調されたいくつかの制限もあり、その中には、サンプルのサイズが比較的小さいこと、2種類の認知タスクのみについての評価、および結果に影響を与える可能性がある脳を機能領域に区切る特定の方法が使用されていることなどが挙げられる。
このモデルは、脳領域内の細胞レベルまたは分子レベルで行われるプロセスを統合せずに、脳領域間の接続レベルで動作するため、特定の薬物または遺伝的要因の影響をシミュレートする能力が制限されます。
サンプルサイズと評価されるタスクの数が限られていることがこの研究の限界ではあるが、感覚情報や行動結果から柔軟に学習できる「デジタルツイン」タイプの AI モデルの能力により、現実のダイナミクスをモデル化する展望が開かれる。分子分析などのより詳細なレベルの分析とより広範なデータセットを統合する将来の研究により、薬理学的介入のシミュレーションが可能になる可能性があります。[リアルレストゥディウルイ容量モデルルイドアイデヒント「ゲームアンデジタル」デアインヴァシャフレキシビルディングイン情報シスイセンゾリアレシディンレズルタルテーレコンポルタメンタルデシデ視点ペントルモデル既読アミシィディンヴィアエリアレアルセルセタリヴィトアレケアインテグレーションアニベルリマイファインデアナリザプレカムセレ分子セツリデデートマイエクスチンス耳アパーミットシミュレーションエアインターベンションイロルファームコロジー[rialestudiuluicapacitateamodeluluideAIdetip„geamăndigital”deaînvăţaflexibildininformaţiisenzorialeşidinrezultatelecomportamentaledeschideperspectivepentrumodelareadinamiciidinviaţarealăCercetăriviitoarecarevorintegranivelurimaifinedeanalizăprecumcelemoleculareşiseturidedatemaiextinsearputeapermitesimulareaintervenţiilorfarmacologice
この種の研究は、生物学的メカニズムに基づいた個別化された精神医学への重要な一歩を示し、病理学的プロセスを理解し、各患者に適応した治療法を開発するための有用なプラットフォームを提供します。
#パーソナライズされたデジタル脳 #人工知能に基づくモデルは精神科の治療を導く可能性がある