深層学習によるヒト視覚皮質の神経活動制御：人工視覚の新たな可能性

視覚プロステシスは、失われた視覚機能を回復する有望な手段ですが、現在のシステムは粗く、不安定な知覚しか誘発できず、手動による電極ごとの較正に依存しています。この根本的な課題は、電気刺激が人間の視覚皮質において非線形で状態依存性の集団反応を引き起こすことにあります。従来の「1 対 1 マッピング」戦略は、刺激と知覚の間に安定した線形関係があると仮定していますが、実際には神経ネットワークの非線形ダイナミクスや皮質の状態変化により、光幻視（電気刺激による知覚）の大きさ、明るさ、形状、色が日によって大きく変動します。

この変動性は、刺激パラメータそのものよりも、誘発された神経集団応答が知覚に直接関連している可能性を示唆しています。しかし、ヒトにおいてこの関係を定量的に評価し、予測可能な制御を行うための手法は確立されていませんでした。

本研究では、双方向性のコルティカルインプラントを用いて、深層学習フレームワークにより、ヒト視覚皮質の刺激誘発集団活動を因果的に制御することに成功しました。訓練データに基づいた「順方向ネットワーク」により、刺激パラメータと皮質状態から単一試行の神経応答を高精度に予測できることを実証しました。さらに、このモデルを用いた「逆方向ネットワーク」と「勾配ベースの最適化」の 2 つの制御戦略により、従来の手法よりも低い電流で、意図した神経応答をより正確に再現し、より一貫性のある知覚を誘発できることを示しました。

重要な発見として、誘発される神経応答は、低次元の多様体（manifold）上に存在し、この幾何学的構造が制御の限界を決定づけていることがわかりました。また、記録された神経集団活動は、刺激パラメータ単独よりも、被験者の報告する知覚（検出、明るさ、色）を大幅に正確に予測できることも示されました。

研究は、視覚皮質に Utah Electrode Array (UEA) を埋め込まれた全盲の被験者（N=1）を対象に行われました。4 ヶ月間にわたり 26 日間にわたって、96 チャンネルの電極から刺激誘発活動と自発活動の両方を記録し、大規模なデータセットを構築しました。

• 深層学習順方向モデルの構築：刺激パターンと事前の皮質状態（ベースライン活動）を入力とし、刺激後の神経応答（ΔMUAe）を予測するモデルを訓練。
• 制御戦略の実装：1) 勾配降下法による刺激パラメータの最適化、2) 学習された逆方向ネットワークによるリアルタイムの刺激合成。
• 生体内評価：最適化された刺激パターンを適用し、被験者の光幻視検出率、明るさ、色の報告と比較評価。
• 低次元多様体の解析：誘発応答が低次元構造に制約されていることを確認し、これが制御精度の限界要因であることを示唆。

本研究の結果は、神経プロステシス分野だけでなく、神経疾患の病態理解や治療法開発にも重要な示唆を与えます。神経回路の非線形性と状態依存性を考慮したモデル化の重要性が再確認され、将来的には、アルツハイマー病やパーキンソン病などの神経変性疾患における深部脳刺激（DBS）や、脊髄損傷に対する機能回復治療においても、同様の深層学習ベースの閉ループ制御が応用できる可能性があります。

また、刺激パラメータではなく、実際の神経集団応答を指標として最適化を行うアプローチは、神経薬理学的な介入や遺伝子治療の効果評価においても、より機能的なアウトカムを捉えるための新たな指標となり得ます。

本研究で用いられた双方向性インプラント技術や深層学習モデルの概念は、前臨床モデル 開発においても応用可能です。特に、神経疾患モデル動物における 脳インプラント や 神経活動記録 を用いた、より精密な機能評価プロトコルの確立が期待されます。

Cyagen では、神経変性疾患や視覚障害に関連する 遺伝子編集マウスモデル や、特定の神経回路を標的とした AAV ベクター を用いた遺伝子治療研究を支援しています。本研究のような高度な神経制御技術を、動物モデルを用いた前臨床段階で検証し、その安全性と有効性を評価するための CRO サービス や、より複雑な神経回路を再現する ヒト化マウス の利用が、将来的な臨床応用への道筋を拓くと考えられます。

本論文は、深層学習を用いることで、ヒト視覚皮質の複雑で非線形な神経応答を予測・制御可能であることを初めて実証しました。これは、人工視覚の質と安定性を飛躍的に向上させるための基盤技術であり、双方向性神経インターフェースの新たなパラダイムを示しています。今後は、このフレームワークをより広範な神経回路や疾患モデルに適用し、臨床的な視覚回復に向けた具体的な進展が期待されます。