本記事は、 The Conversationとの協力により掲載されています。
1959年の テレビ出演中、ジャック・ケルアックは小説 『On The Road』の執筆にどれくらいの時間がかかったかを尋ねられた。彼の回答（3週間）は聞き手を驚かせ、この本は休みなくタイプし続けるマラソンのような作業で書き上げられたという根強い神話を生み出した。
伝説のケルアックのように、長時間集中できる驚異的な能力を持つ人もいる。一方で、常に作業に意識を留めておくことに苦労する人もいる。 注意欠如・多動症 （ADHD）と診断された人は、例えば、落ち着きがなく、気が散りやすいことが多い。ADHDのない人でも、学校や職場で集中しようとする際に、注意がさまよってしまうことがある。
注意を持続させる能力は人によって大きく異なるものの、こうした個人差を特徴づけることは困難であった。知能は伝統的に（ただし 論争がないわけではないが）紙と鉛筆によるIQテストで測定されてきたのとは異なり、注意能力は単一のテストの成績では捉えられない。
Nature Neuroscience誌に最近掲載された研究で、私と同僚らは 注意を測定する新たな方法を特定することを目指した。IQと同様に、この指標は複雑な認知能力の包括的な要約として機能する。しかしIQとは異なり、この指標は一人ひとりに固有の脳の結合パターン、すなわち脳の異なる部位間で同時に観察される活動の同期に基づくものとなる。私たちは以前、 すべての人の脳の結合パターンは唯一無二であり —— 指紋のようなもの ——そして流動性知能、すなわち新奇な状況で問題を解決する能力を予測することを示していた。固有の脳の結合パターンは、注意も予測できるのだろうか。
出典： Nature
脳のつながり方が、あなたの集中力を予測する
まず、25人のボランティアに 課題を遂行してもらい 、その間に MRIスキャナーが彼らの脳活動を測定した。指示は単純だった。画像の連続を見て、都市が映ったらボタンを押し、山が映ったら押さないこと。ほとんどの画像は都市で、山はときおり予測できない形で混ざっていた。課題は30分以上続き、集中を維持することが難しかった。非常に良い成績を収めた人もいた。しかし多くの人は頻繁に誤りを犯し、都市でボタンを押し忘れたり、誤って山でボタンを押したりした。
都市と山の画像に反応している間の参加者の正確さを、脳の結合パターンと関連付けることはできるだろうか。脳データを分析するため、まず各人の脳を268の異なる領域に分割した。この数は、 以前に示されている とおり、脳機能をよく特徴づけるものである。
次に、脳内の各領域が他のすべての領域とどの程度「機能的に結合」しているかを計算した。機能的結合とは、一対の領域の活動がどの程度同期しているかを指す。言い換えれば、機能的結合が強い二つの領域の活動は同時に増減する傾向があり、結合が弱い領域の活動は同期していない。 1995年に発表された画期的な研究は 、例えば、運動に関わる脳の右半球と左半球の領域間に強い機能的結合があることを示した。
領域のすべての組み合わせの機能的結合を計算することで、研究の各参加者について個別の結合プロファイルが得られた。これら数千の結合（各人の結合プロファイルには35,778の結合が含まれていた！）のうち、課題の成績に関連する数百の結合を特定した。課題をより正確に行った人で強い結合もあれば、正確性の低かった人で強い結合もあった。
慎重な 統計分析を行った結果、 各被験者が課題でどの程度の成績を収めたかを 、その被験者自身の機能的結合の強さだけから予測できることが分かった。予測は完璧ではなかったが、ランダムな推測よりも有意に優れていた。
安静時の脳は注意について何を予測できるか
脳の結合パターンを注意の予測に使えることが分かったのは刺激的であったが、私たちが見ていたのは実際の課題遂行中に収集されたデータだけであった。脳活動の測定は、ボタン押しそのものよりも複雑で正確性の低い成績評価の方法にすぎなかった。そもそも脳データを用いる必要があるのだろうか。
有用であるためには、私たちの指標は、注意テストを受けていない人の脳活動から注意を予測できる必要があった。
例えば、何らかの理由でテストを受けられない人がいたり、適切な質問が分からなかったり、測定したい内容を正確に検査する時間がなかったりした場合はどうだろうか。そうした場合、何の課題も行っていない間に測定された脳データから、その人の注意能力に関する情報を引き出せれば有益であろう。
安静時の脳が注意に関する情報を含んでいるかどうかを確かめるため、スキャナー内でただ休んでいる間に収集したデータを用いて、参加者それぞれについて別の個人別結合プロファイルを計算した。前と同じ手順を用いて、再び注意課題の成績を予測することができた。予測精度は、課題遂行中の脳データを用いた場合ほどではなかったが、それでもランダムな推測よりも有意に優れていた。
誰の安静時の結合プロファイルを用いても――注意課題を一度も行ったことがなく、今後も行わない人であっても――その人が都市と山の課題で仮にどの程度の成績を収めるかを予測できる。
機能的結合を用いたADHDの予測
私たちの結果は、検査した集団と使用した都市・山の課題に特有のものだったのか、それとも一般的に持続的注意について何か意味のあることを示しうるのだろうか。
この問いを検証するため、北京大学が提供した113人の子どもと青年のデータを、 「The ADHD-200 Sample」の一部として用いた。これらの子どものうち一部は、症状の重さにばらつきがあるものの、ADHDの公式な診断を受けていた。診断のない子どもの中にも、注意の問題の微かな兆候を示す者がいた。診断の有無を問わず、すべての子どもについて、臨床医は18〜72のスケールで「ADHDスコア」を算出し、その子どもの注意欠如症状の重さを示していた。私たちのデータに含まれる子どものスコアは18〜65の範囲であった。
子どもたちがMRIスキャナー内で安静にしている間に算出された脳の結合プロファイルを用いると、ニューヘイヴンの成人の成績を予測したのと同じ機能的結合が、北京でスキャンされた子どもたちのADHDスコアを予測することが分かった。私たちの統計モデルは、子どもたちが都市と山の課題を与えられた場合、ADHD症状の少ない子どもは良い成績を収め、症状の多い子どもは苦戦するだろうと予測した。
つまり、個人がただ安静にしている間の脳活動の自発的な揺らぎは、 その人のADHD症状を予測できる。
新たな「注意スコア」か？
これは、科学者があなたを脳スキャナーに入れて、あなたがどれほどよく物事に注意を払えるかを発見できるということなのだろうか。ある意味では、そのとおりだ。あなたの 結合プロファイルは、あなた固有の情報を担っており、そこには注意能力も含まれている。
注意や知能のような特性は多面的であることを認識しておくことが重要であり、そのため、人の全体的な機能を一つの指標に還元することは、単純化しすぎるおそれがある。しかし、知能に対するIQや経済に対する国内総生産（GDP）のように、複雑なプロセスを要約する指標は、確かに有益な情報をもたらす。例えば、そのような指標は、研究者が能力の変化を時間を通じて追跡するのに役立ち、また将来的には、臨床医が注意訓練や個別化された学習から最も恩恵を受けやすい子どもを特定するのに役立つかもしれない。
このアプローチのもう一つの利点は、一つの血液サンプルから複数のバイオマーカーを抽出できるのと同様に、一つの結合プロファイルから複数の予測を行えることである。異なる結合は、個人について異なることを教えてくれるかもしれない。例えば、ADHD症状を予測する脳ネットワークはIQを予測しないことが分かったが、 私たちのグループは、知能を予測する他のネットワークを特定している。
脳の結合が、注意にとってのIQが知能にとってのものとなるまでには、まだ長い道のりがある。しかし、これらの手法は、幅広い特性を予測し、脳と行動の関係を明らかにする可能性を示している。将来的には、脳の結合と注意の関係についての理解が深まり、認知訓練に生かされるかもしれない——おそらく、私たち全員が伝説のケルアックのような存在となる一助となるだろう。
本記事の掲載は、世界経済フォーラムによる見解への支持を意味するものではない。
Agendaの最新情報を追うには、 週刊ニュースレターを購読する。
著者：Monica Rosenbergはイェール大学心理学部の博士課程候補者である。
写真：取引フロアで株価の推移に反応する株式トレーダー。REUTERS/Kai Pfaffenbach。
