「動かしたい意思」を汲み取るAIロボットで上肢運動機能改善、世界初 順天堂大ら

2023年9月5日（火） 脳卒中患者のリハビリテーションにおけるデジタルソリューションについては、 下肢リハビリの分野で日本企業のロボットが世界進出を果たしているが、 課題とされている上肢についても、日本から注目すべき研究成果が発表された。 動かそうとする際の脳の生体信号を読み取りAIで解析、 自分の意図に合わせた動きをさせるようにすることで効果が確認できた。 ●週2回、10回のトレーニングで効果確認 研究成果を発表したのは、順天堂大学大学院医学研究科リハビリテーション医学 藤原俊之教授、メルティンMMI（東京都）らの研究グループ。 脳卒中で麻痺などの後遺症が残る患者のうち、 手の麻痺が実用レベルまで回復するのは15～20%にとどまると言われている。 近年、ロボットがリハビリテーション分野でも応用されるようになってきたが、 上肢に関しては多くは患者の意図に関係なく決まった動作を繰り返し練習するものであったり、 患者の動きをアシストするものであったため、重度な手の麻痺は回復が困難とされてきた。 研究グループは、自分では思うように手を動かせない重度の麻痺がある患者においても 「患者の意図を生体電気信号からAIが判別し、麻痺した手を思い通りに動かすAIロボット」を開発し、 脳卒中後の手の麻痺のリハビリテーションに用い、その効果を無作為化比較試験で検証した。 AIロボットは、麻痺した前腕に3対の電極を置き、脳から手に送られる電気信号のパターンをAIが解析することにより、 重度な麻痺で手が動かない患者においても、患者が「指を伸ばそう」としているのか、「曲げよう」としているのか、 それとも力を入れないように「リラックスさせよう」としているのかを読み取り、患者の意図に合わせて麻痺した手を動かす。 本研究には、脳卒中発症後2か月以上経過した後に手の麻痺が残存している患者20名が参加。 参加者は、無作為にAIロボット群と他動ロボット群に割り付けられ、 AIロボット群では1回40分のAIロボットを使用して、自分の意図に合わせて指の曲げ伸ばしを行い、 物を掴んだり、移動させる麻痺手のトレーニングを週2回、計10回行った。 他動ロボット群では、他動的に指の曲げ伸ばしを行う麻痺手のトレーニングを同様の回数を行った。 終了後、AIロボット群ではトレーニング後に上肢運動機能の改善を認め、 その効果はリハビリテーション終了4週後にも維持されていたこと確認された。 日常生活での麻痺手の使用頻度においても、改善を認めた。 研究グループでは、この研究成果は「患者の意図を生体電気信号からAIが判別し、麻痺した手を思い通りに動かすAIロボット」を用いた 脳卒中リハビリテーション治療の効果を示した世界初の研究であり、 これまで回復が困難であるとされていた脳卒中後の麻痺手の回復を可能とする新しいリハビリテーション治療として期待できる」。 論文リンク：New artificial Intelligence-Integrated Electromyography-Driven Robot Hand for Upper Extremity Rehabilitation of Patients With Stroke: A Randomized Controlled Trial（Neurorehabilitation and Neural Repair） https://medicalai.m3.com/news/230905-news-medittech

脳インプラントで毎分78語を変換、アバターで表情も再現

2023年9月12日（火） 脳活動を発話に変換する新たな研究成果が発表された。 発話に使う唇や舌の筋肉を制御する脳内信号を脳インプラントで捕捉し、その信号をAIで言葉に変換する。 「私の人工音声はどうかしら？」と、 コンピューターの画面に映し出された女性が緑色をした目を少し見開いて尋ねる。 映像は明らかにコンピューター処理されており、音声もたどたどしいが、それでも画期的な瞬間だ。 この映像は、18年前に脳卒中で発話能力を喪失した女性のデジタルアバターだ。 脳インプラントと人工知能（AI）アルゴリズムを取り込んだ実験の一環として、 現在この女性は、本人の声を複製した音声で語り、アバターを通じて限られた範囲の表情を伝えることもできる。 8月23日にネイチャー（Nature）誌に掲載された、2つの別々の研究チームによる2本の論文は、 この分野がいかに急速に進歩しているかを示している。 いずれもまだ概念実証に過ぎず、このテクノロジーが広く一般に提供されるようになるまでに、 非常に長い道のりがまだ待ち構えている。 どちらの研究も、明瞭に発話する能力を喪失した女性を対象にしており、 一人は脳幹卒中、もう一人は進行性の神経変性疾患であるALSが原因で話せなくなった。 参加者は、それぞれ別のタイプの記録装置を脳に埋め込んでおり、 2人とも1分間に60語から70語ほどのスピードでなんとか話す。 通常の発話スピードのほぼ半分だが、以前の報告時に比べて4倍以上速い。 カリフォルニア大学サンフランシスコ校の脳外科医エドワード・チャンが率いるチームは、 表情を作り出す微小な動きを制御する脳信号を捉えることで、 被験者の発話行為をほぼリアルタイムで表現するアバターの作成にも成功した。 2本の論文は「非常にエレガントで厳密な脳の科学と工学を象徴するもの」。 カナダ・バンクーバーにあるブリティッシュコロンビア大学の脳神経倫理学者であるジュディ・イレス教授 （同教授はどちらの研究にも関与していない）。 表情を表すことができるアバターが追加された点を、イレス教授は特に評価した。 「コミュニケーションは、人と人の間の単なる言葉のやりとりではありません。 声の調子、表情、強勢、文脈を通じて伝えられる言葉やメッセージ。 こうした人間性の要素を実際に基礎科学、工学、ニューロテクノロジーに持ち込もうとしたのは、 創造的でとても思慮深いことだと思います」。 チャン医師率いる研究チームは、この問題に10年以上取り組んできた。 2021年、同チームは脳幹卒中を患った人の脳活動を捉え、その信号を書き言葉での単語や文に変換できることを示した。 変換スピードはゆっくりしたものだった。 最新の論文で、研究チームはインプラントをクレジットカードほどに大きくして、 電極数を2倍にし、当時とは別の患者であるアンの脳の信号を捉えた。 アンは、20年近く前に脳卒中を発症して発話能力を喪失した。 インプラントは思考を捉えるのではない。 代わりに、発話を可能にするすべての筋肉の動きに当たる、唇、舌、顎、喉頭の筋肉の動きを制御する電気信号を捉える。 「『P』や『B』の音を出すには、上下の唇を寄せ集める必要があります。 その結果、唇の制御に関係する特定の一部の電極が活性化されます」と、 チャン医師の研究室の大学院生で論文の著者に名を連ねるアレクサンダー・シルバ。 頭皮に装着したポートを通じて、これらの信号はコンピューターに伝送され、 AIアルゴリズムが信号を復号し、言語モデルが提供する自動修正機能が正確度を向上させる。 このテクノロジーにより、チームはアンの脳活動を毎分78語のペースで書き言葉に変換した。 語彙は1024語、エラー率は23%だった。 チャン医師の研究チームは、他のどのチームよりも早く、脳の信号を話すという行為にまで復号した。 捉えられた筋肉の信号を利用することで、参加者はアバターを通じて、嬉しい、悲しい、驚いた、という3つの感情を、 それぞれ3段階の強度で表現できた。 「話すという行為は、言葉を伝達するだけではなく、私が誰であるかについても伝達します。 人間の声や表情は、その人のアイデンティティの一部なのです」とチャン医師。 この臨床試験の参加者であるアンは、カウンセラーになることを希望しており、 これは「私にとって、たいへんな挑戦です」と研究チームに語っている。 アンはこの種のアバターを使用すると、カウンセラーを受ける人の気持ちが落ち着くのではないかと考えている。 アンが話す声を再現するために、チームは本人の結婚式の映像に記録されていた音声を使用した。 これにより、アバターは彼女のような感じがいっそう高まった。 スタンフォード大学の研究者が率いる別の研究チームが最初に結果を発表したのは、 1月に査読前論文（プレプリント）としてだった。 パット・ベネットというALS患者の参加者に対して、研究者ははるかに小型のインプラントを4個埋め込んだ。 それぞれのインプラントはアスピリン錠剤ほどの大きさで、一つひとつのニューロンの信号を記録できる。 25回に及ぶセッションを通して、ベネットは音節、単語、文を読んでシステムを訓練した。 次に、研究チームは、学習時に使用されなかった文をベネットに読んでもらい、この技術を試験した。 語彙数を50語に設定し、その範囲内で文を構成した場合、エラー率は約9%だった。 英語の大部分を包摂することになる12万5000語にまで語彙数を拡大すると、エラー率は約24%に上昇した。 これらのインターフェイスを使用した発話は、流暢な語り口ではない。 今でも通常の発話より遅いし、23%や24%というエラー率は以前の結果からははるかに改善しているものの、 まだそれほど優れたものではない。 いくつかの例では、システムは文を完璧に再現した。 「How is your cold?」（風邪の具合はどうですか？）を「Your old.」と表示することもあった。 科学者らはさらに改善できると確信している。 「興味深いのは、インプラントの電極の数を増やせば増やすほど、デコーダーの性能が向上することです」。 スタンフォード論文の著者の1人である神経科学者のフランシス・ウィレット博士。 「電極数を増やし、より多くのニューロンの信号を捉えることができれば、正確度をさらに向上させられるでしょう」。 現在のシステムは、家庭で使用できるほど実用的ではない。 有線接続とかさばるコンピューター・システムを使って処理しており、 実験環境の外部では、被験者らは脳インプラントを使用してコミュニケーションをとることはできない。 「この知識を、ニーズを抱えながらまだ満たされていない人たちにとって有用なシステムに転換するまでに、 まだまだ非常に多くの作業が必要です」。 アムステルダムにあるユトレヒト大学病院脳センターの神経科学者で、 付随論評の著者であるニック・ラムジー教授は言う。 どちらのチームも、一個人についての結果を報告しているのであり、 同じような神経疾患でも他の患者には当てはまらない可能性があると、イレス教授も警告。 「これは概念実証です。 脳損傷は実に厄介で、異質性が非常に高いことがわかっています。 脳卒中やALSの患者の場合でも、一般化できる可能性はありますが、確実には言えません」。 コミュニケーション能力を喪失した人にとって、解決に至る技術的な可能性が開かれたことは確かだ。 「私たちがしてきたのは、解決が可能であり、それに向かう道筋が存在していることを証明することです」と、チャン医師。 話せるというのは、非常に重要なことだ。 チャン医師の研究の被験者であるアンは、以前はコミュニケーションをとるのにレターボードを使っていた。 「夫は私のために立ち上がって、コミュニケーションボードの翻訳に取り組まなければならないことに、 本当に辟易していました」と、アンは研究チームに語っている。 「私たちが言い争うことはありませんでした。 というのも、夫は私に言い返すチャンスを与えなかったからです。 おわかりでしょうが、ものすごく欲求不満が溜まりました」。 https://medicalai.m3.com/news/230912-news-mittr

心臓年齢を予測するAIツール研究

2023年9月14日（木） 心臓疾患と老化の関係は長らく注目されてきたが、 この関連には個人差がみられることが知られている。 英Imperial College Londonなどの研究グループは、MRIと心電図データにAIツールを組み合わせることで、 「心臓年齢」をより精密に予測する手法を構築し、心臓の老化プロセスに関与する遺伝子を特定する試みを進めている。 Nature Communicationsに発表された同研究では、 大規模データベースのUK Biobankから収集した約4万人のデータに基づき、 「心臓の形態学的特性」「心臓の動き」「電気伝導特性」などといった要素を老化のバイオマーカーとして計量分析した。 機械学習手法を用いることで、心臓の老化に最も影響を与える因子が「高血圧」であることが確認され、 加えて「喫煙」「糖尿病」「肥満」が老化を加速させる要因として明らかになった。 さらに、心臓組織の修復能力や、その若さを維持する「速度」に影響を与える遺伝子変異も特定した。 研究グループは、この新しいアプローチを用い、喫煙や肥満といった既知のリスク因子を再評価するだけでなく、 心臓年齢に影響を及ぼす未知の環境リスク特定にも期待している。 研究を主導したDeclan O’Regan教授は、 「我々のグループは、心臓スキャンデータから心臓年齢の予測を可能とするAI技術を開発した。 この研究の成果は、心臓の老化を遅らせる治療法の優先順位付けにも貢献する可能性がある」。 参照論文： Environmental and genetic predictors of human cardiovascular ageing