敵対的AIフレームワークが、意識障害の原因メカニズムと潜在的治療法を明らかにする

意識、そして特定の脳損傷の後にそれが損なわれていく仕方については、十分には理解されていません。そのため、昏睡、植物状態、最小意識状態といった意識障害（DOC）の治療は難しくなっています。しかし新しい研究が、「公表」されたNature Neuroscienceによれば、AIがこの問題に対して研究者が前進できる糸口を作れる可能性が示されています。新研究に関わった研究チームは、意識の低下した状態でいったい何が起きているのか、そしてどのように解決に取り組むべきかを特定するための、敵対的（adversarial）AIの枠組みを開発しました。

意識が損なわれる仕組みをよりよく理解するために、研究者らは2種類のAIモデルを開発し、それらを、EEG（脳波）を用いて現実の“無意識の脳”および“意識のある脳”に見えるようにシミュレートしたデータに基づいて、1つのモデルがさまざまな意識レベルを決定するという、ある種のゲームをさせました。意識レベルを推測するAIエージェントは、深層畳み込みニューラルネットワーク（DCNNs）と呼ばれ、まず意識のある人間、意識のない人間、サル、コウモリ、ラットから得た、10秒の脳活動記録68万件を用いて訓練されました。目的は、意識のレベルの違いに関連する神経信号を検出することでした。EEGデータを示すAIは、人間の脳を生物学的にもっともらしく再現したシミュレーションでした。

「これらの信号から意識をデコードするために、我々は3つの別々のDCNNをそれぞれ訓練しました。各DCNNは異なる脳領域に特化しており、0（無意識）から1（完全に意識がある）までの連続スコアを出力します。つまり、大脳皮質の意識検出器（ctx-DCNN）、視床の意識検出器（th-DCNN）、淡蒼球の意識検出器（pal-DCNN）です。ctx-DCNNは、臨床スケール（GCSおよびCRS-R）から導いた連続的な意識レベルで訓練されており、その結果、段階的な意識状態を認識できるようになっています」と研究の著者らは説明しています。

明示的なプログラミングなしに、AIモデルはDOCで起こる既知の脳刺激への反応を推定できました。その後、チームは、シミュレーションモデルが微調整していたパラメータを分析し、無意識の根底にある仕組みに関する検証可能な予測を見つけ出しました。

研究者らは、このモデルが無意識に関してそれまで知られていなかった2つの仕組みを予測し、検証できたと述べています。1つ目は、大脳皮質における抑制性ニューロン同士の結合（抑制→抑制の結合）の増加です。これは、より多くのニューロンが他のニューロンの発火を抑え込むというもので、結果として全体の活動が低下します。研究者らは、この予測を、昏睡患者の脳組織に関するRNAシーケンシングデータと、脳卒中による脳損傷のあるラットのデータから検証できました。チームは、意識が損なわれた人では、大脳皮質の抑制性シナプス形成を促進する遺伝子が上方制御されていることを見いだしました。

AIモデルはまた、意識が損なわれた状態では基底核の間接路が選択的に破綻していることも予測しました。間接路は、視床への抑制を増やす神経回路であり、それによって望まない動きや運動行為が抑えられます。この予測を検証するために、研究者らは、さまざまなDOC障害を持つ51人の患者の拡散テンソル画像化（DTI）スキャンを分析しました。研究者らは、DTIにおける細胞種特異性の欠如のような限界があるものの、病的な無意識において基底核の経路が選択的に障害されることがあり得るという点について、分析が支持する証拠を提供した、と述べています。そのため、さらなる検証研究が必要だとしています。