ビジュアル分析で解き明かす脳神経ネットワークダイナミクス

脳全体の神経活動を観測できる脳イメージング技術の発達に伴い、膨大な神経情報データの中から重要な情報処理原理やネットワーク構造を見出すための解析手法がますます重要となっています。解析結果を瞬時に解釈が可能な画像で与え、対話形式のインターフェースによって脳構造・脳活動に関する様々な解析を容易に試みることが可能なビジュアル分析（visual analytics）は、脳研究を推し進めるための強力な分析手段となります。

複数の脳活動計測法による視知覚メカニズムの解明

脳は、膨大な数の神経細胞が相互に接続してネットワークを構成し、神経発火活動を信号としてダイナミックにやりとりすることにより高度な情報処理を実現しています。大脳皮質は複数の部位（領野）に区分され、同じ領野内の神経細胞は似た活動特性を示すことが知られています。近年、脳組織を傷つけずに脳内の神経線維束や神経活動を計測する方法が発達しています。例えば磁気共鳴画像法（MRI）をベースにした手法であるDiffusion MRI、確率論的トラクトグラフィ―では、神経線維束を検出することによって脳内の神経ネットワークを視覚化することが可能となっています。また機能的磁気共鳴画像法（fMRI）では神経活動に伴う血管中の血液流量・酸素代謝変化を測定することにより、高い空間解像度で脳内の神経活動レベルを可視化できるようになっています。

脳における情報処理のダイナミクスを解き明かすためには、神経ネットワークにおいて神経情報の伝わる方向を同定し、ある領野の神経活動が他の領野の神経活動に与える影響（i.e. 因果関係）を明らかにする必要があります。しかしながら、MRIによる計測法では神経線維方向（神経情報の伝わる向き）の同定が不可能であり、fMRI計測法では時間解像度が低いため（秒オーダー）、異なる領野間で神経活動ダイナミクスを比較するのが困難です。そこで、私はMRI・fMRIによる計測法に加えて、高時間分解能をもつ脳磁図（MEG）や脳波（EEG）等の計測法を用いることにより、脳神経活動ダイナミクスを明らかにする研究を行ってきました。

視知覚情報処理に関わる神経活動ダイナミクスを調べるために、視知覚タスクを用いたfMRIおよびMEG実験を行い（図１）、両手法のデータを扱う統合解析を提案しました。私が提案した手法では、fMRIデータから神経活動が生じている脳部位を同定し、MEGデータから神経活動を求める際に解に空間的制約条件を課し、それらの制約のもと一般化最小二乗法のスキームを適用することによって対象部位の神経活動を高い時間精度（ミリ秒オーダー）で再構成することが可能です。さらに領野間の結合性を明らかにするためには、いくつかの結合解析手法からより良いものを選択し、必要な情報を補いながら多角的に分析する必要があります。

 

 

 

図1　視知覚タスク、及びfMRIとMEGデータを用いた統合解析．(a) 運動透明視刺激の動き方向を識別する視知覚タスク、(b) MEGシステム、(c) 高い時間分解能で推定された局所脳部位における神経活動ダイナミクス

 

複数の脳計測法に対応した統合的ビジュアル分析手法の研究開発

対話形式の扱いやすいインターフェースを有し、グラフィカルな解析方法・結果の表示によって容易な理解を実現するビジュアル分析（visual analytics）は、複雑で膨大なデータの中から有用な情報を探すための優れた手法です。これまでに、fMRIデータを対象としたビジュアル分析手法が開発され、解析で焦点をあてるべき脳部位（関心領域、ROI）などの決定に利用されていました。しかしながら、MRI、fMRI、MEGなどの複数の計測法から得られた脳データを統合的に解析できるビジュアル分析手法の研究は途上段階にあります。そこで、脳情報処理のダイナミクスを明らかにするため、複数の計測法から得られた脳データを相補的に活用できる新しいビジュアル分析の研究開発を進めています。

例えば、多変量自己回帰モデルに基づくGranger Causalityや信号発生モデルに基づくDynamical Causal Modeling、最近提案された手法では非線形状態空間再構成法に基づくConvergent Cross Mappingなど、MEGやEEG等の時系列データから結合関係を調べる手法が複数提案されています。脳の領野間の結合性を調べるためには、これらの手法の選択だけでなく、解析に必要な情報（ROIの情報や事前のパラメータ等）を決める必要があります。また、各結合解析手法は排他的なものでなく、場合によっては組み合わせて詳細に調べることも考えられます。これらの要求に答えるために、MEGの結合解析をベースとして、必要な情報の付与のためにfMRI等の他の脳計測データを用いるビジュアル分析環境の開発をします(図2(b))。図2(c)は開発中のDynamical Causal Modelingによる結合解析ビジュアル分析例です。グラフドローイング手法を新たに用いることで、結合解析結果のモデル間の比較を容易にしました。今後は複数解析手法を同一プラットフォームで扱えるものに拡張することが望まれます。

 

 

 

 

 

 

 

 

 

 

図２ 統合的ビジュアル分析．(a) 統合的ビジュアル分析のコンセプト、(b) 統合的ビジュアル分で利用されるfMRI・MEGのデータ例、(c) (b)に対する結合解析の分析例

 

将来的には、提案している統合的ビジュアル分析手法を、医療現場における診断支援等に応用したいと考えています。行動や認知機能の低下を伴う疾患は、脳神経活動のダイナミクス特性の変化として顕現している可能性があり、統合的ビジュアル分析手法を用いた疾患の早期発見により、医療やリハビリテーション向上に貢献できると考えています。

 

研究室HP

http://www.viz.media.kyoto-u.ac.jp/

主要論文