私たち一人ひとりは、固有の長所、短所、そして特異性を持つ唯一無二の存在です。これは誰もが直感的に理解している自明の理ですが、この個性が脳活動に反映されているのかどうか、またどのように反映されているのかを突き止めることは困難でした。
研究のため、私の同僚と私は機能的磁気共鳴画像法( fMRI)で撮影されたボランティアの脳画像を分析しました。この手法は、人が覚醒して精神活動を行っている間の脳内血流を通じて神経活動を測定するものです。私たちは、各被験者について、脳の異なる部位間における同期した活動の個人別パターンに基づき、「機能的結合プロファイル」を算出しました。
実際、脳活動の盛衰は指紋のようなものであることが分かりました。各人には固有の特徴的なパターンがあり、 私たちの研究によれば、 学術誌『Nature Neuroscience』に掲載されたばかりです。接続プロファイルのみを用いて、集団の中から個人を識別できました。さらに、これらのプロファイルだけに基づいて、ある種類の知能検査で人がどのような成績を収めるかも予測できました。
個を捨てて全体を取る
fMRIは、生きて思考している人間の脳内で何が起きているかを、安全かつ非侵襲的に研究するための最良の手段です。それにもかかわらず、fMRIデータはノイズが非常に多いことで知られています。ある時点の信号には多くの要因が影響し、そのうち私たちが関心を寄せる実際の脳活動に関連するのは一部だけです。
このため、従来のfMRI研究では多数の被験者のデータを平均化してきました。共通する脳活動のパターンを見出すことで、ノイズの大部分を取り除き、より「真の」信号に近いものを得られるという考えに基づいています。要するに、全員の信号を混ぜ合わせ、母集団全体を代表する一つのデータを得るのです。
通常、研究者は多数のfMRIスキャンのデータを組み合わせ、特定の課題の際に通常活動する脳の領域を見つけ出します。
John Graner, CC BY
しかし、脳科学者でなくとも、人は皆それぞれ異なることは分かります。この平均化は、個人に固有の興味深い活動パターンを覆い隠してしまう可能性が高いのです。fMRIを、例えば医療などで実用的に役立てるためには、一人の人物のスキャンに基づいて意味のある情報を得る必要があります。
私たちは、個人のfMRIデータを分析することが実際に可能であることを証明しようとしました。そのためには、これらの固有の活動パターンが、大規模な集団から個人を識別できるほど信頼性の高いものであることを示す必要がありました。
個々のスキャンの分析
私たちは、ヒューマン・コネクトーム・プロジェクト(HCP)のデータを使用しました。これは、多数の健康な人々から、行動、人口統計、遺伝に関する情報とともに脳画像データを収集する大規模な研究事業です。これまでに500人分のデータが公開されており、合計で1,200人分を収集する計画があります。すべてのデータは一般公開されているため、世界中のどの研究者でもダウンロードし、さまざまな方法で分析し、興味深い知見を掘り起こすことができます。
私たちは、最初の126名の HCP参加者のデータを分析しました。各参加者は、異なる機会に計6回スキャンされました。そのうち2回のスキャンでは、参加者は単に安静にして、思考を自由にさまよわせていました。残りの4回のスキャンでは、何らかの認知課題に取り組みました。すなわち、ワーキングメモリ検査において項目を記憶に留めようとすること、物語を聞くこと、数学の問題を解くこと、感情を表す顔を見ること、または身体の異なる部位を動かすことです。
各参加者のfMRIデータを分析するため、まず脳全体を268の独立した領域に分けました。脳にはいくつの機能的領域があるのかは未解決の問いですが、 私たちの以前の研究 により、200から300の領域を用いれば微妙な効果を検出でき、分析の実行に要する時間と計算能力の面でも扱いやすさを保てることが示されています。
領域の組ごとに、その間の機能的結合の強さを算出しました。「機能的結合」とは何かを理解するには、同時に演奏する二人の音楽家を想像してください。それぞれの演奏者の音量を測るのではなく、演奏がどれほど同期しているかを測るのです。重要なのは、どの脳領域単独の全体的な活動量ではなく、領域の組が互いに同調して活動を増減させる傾向です。私たちは、脳全体のあらゆる領域の組について、この同期の指標を算出しました。各参加者について、受けた6回のスキャンごとに機能的結合プロファイルが得られました。
結合プロファイルが指紋のように機能しうるかを確かめたいと考えました。そこで、あるスキャンセッション(例えばワーキングメモリのセッション)の単一のプロファイルを取り出し、別のスキャンセッション(例えば安静時のもの)にある126人分のプロファイルすべてと比較しました。数値プロファイルに基づき、どのプロファイルが最も近い一致かを特定しました。参加者のワーキングメモリのスキャンと安静時のスキャンを正しく対応づけられるでしょうか。つまり、課題の内容にかかわらず、個人の脳は「同じように見える」のでしょうか。
多くの場合、予測された人物は実際に正しいものでした。最大99%の精度で個人を識別できたのです。特定のスキャンセッションの組み合わせによって、精度は64%から99%の範囲でした。単にランダムに推測していた場合、正しい人物を選ぶ確率は1%未満と予想されるため、これは非常に有意な結果でした。
流動性知能の予測
特定の結合が個人を最も区別する特徴でした。すなわち、脳の前頭葉(額のすぐ後ろ)と頭頂葉(頭頂部の後方)の間の結合です。これらの領域は最も新しく進化したものであり、神経科学者は長年、注意、記憶、言語といった高度な機能にとって不可欠であることを知っていました。
これらの結合が、流動性知能、すなわちその場での推論能力の検査で人がどのような成績を収めるかも予測できることを発見しました。流動性知能とは、パターンを見いだし、推論の問題を解く能力です。
流動性知能の予測は全体として当たる方が多かったものの、依然としてかなりの誤差がありました。モデルは一部の人の点数を過大に、別の人の点数を過小に予測しました。したがって、知能検査やその他の従来の評価の代わりに脳スキャンを受けることを、決して推奨するものではありません。
脳スキャンは、まさにあなた自身そのものです
研究の第一部では、人は何をしているかにかかわらず、常に自分自身に最も似て見えることが分かりました。言い換えれば、同じ脳が二つの異なる課題を行う場合の方が、異なる二つの脳が同じ課題を行う場合よりも常に似て見えるということです。また、研究の第二部では、これらの結合プロファイルが高度に複雑な認知的特性に対応していることが分かりました。
なぜこれが重要なのでしょうか。結局のところ、その人が誰かを知るためにMRIスキャナーに入れる必要はなく、見ればわかります。この発見の重要性は、これらの結合プロファイルが、見た目だけでは分かりにくい人物に関する情報をもたらす可能性がある点にあります。
例えば、どの人が病気を発症するリスクが高いかを予測するのに役立つ可能性があります。強い結合と弱い結合の個人パターンの中に、統合失調症、うつ病、アルツハイマー病など、さまざまな神経疾患や精神疾患に対する感受性を示すものがあるかもしれません。健康な段階の人々からfMRI画像を収集し、その後経過を追って、どの人が発症するかを調べれば、結合プロファイルの一部と将来の健康状態を関連づけるモデルを構築できるかもしれません。その後、このモデルを全く新しい人物のプロファイルに適用し、その人が病気になる可能性を予測できます。これは、リスクの高い人を早期に特定して治療する方法となり得ます。早期に介入すれば転帰が改善するという期待があります。
最終的には、これらのプロファイルがいつか個別化医療に活用されることを期待しています。個人の生物学的特性に基づいて、人々に対する介入や療法を個別に調整する方法です。
しかし、依然として多くの未解決の問いがあります。例えば、数日離れたスキャン間での識別を検証しましたが、数か月または数年にわたって結合プロファイルはどれほど安定しているのでしょうか。加齢、病気、認知トレーニング、その他の過程に応じて変化するのでしょうか。脳の結合パターンには、ほかにどのような行動特性が反映されているのでしょうか。なすべき研究は多くありますが、私の同僚と私は、これらの結果が今後の研究にとって刺激的な基盤を提供すると考えています。
本記事は、 The Conversationとの協力により掲載されたものです。掲載は、世界経済フォーラムによる見解の支持を意味するものではありません。
Agendaの最新情報を追うには、 週刊ニュースレターを購読してください。
執筆者:Emily S Finnは、イェール大学の神経科学専攻博士課程候補者です。
画像:脳の断面図を展示したディスプレイの前を歩く女性。REUTERS/Brian Snyder.

