Discovery Sagaサイレントキーワード俯瞰

計算論的精神医学 / 人工知能 / 精神障害 / 深層学習 / ニューラルネットワーク / 精神疾患

本研究は、精神障害に関する症状・神経生理・認知行動のビッグデータに対して、疾患横断的・次元的アプローチに基づいて、機械学習・AI技術を含む計算論的精神医学の手法を適用することで、既存の精神障害カテゴリーには基づかない新しい表現型：症候学的タイプ、バイオタイプ、計算論的表現型の抽出を試みている。また、深層学習・データ融合技術を用いて、各水準の表現型を媒介するメカニズムを明らかにすることで、精神障害の統合的理解と新しい疾病概念を創出することを目的とする。
今年度の研究では、昨年度に引き続き、クラウドソーシングを通じた大規模Web調査の枠組みを用いて、疾患カテゴリー横断的・網羅的な精神障害の症状評価、および認知行動実験を実施した。症候学的データのクラスタリングにより、症候学レベルの精神障害亜型（症候学的タイプ）を探索的に構成することを試みた。また、複数の疾患カテゴリーに関する脳画像データベースを用いたデータ駆動アプローチにより、神経生理学的レベルの精神障害亜型（バイオタイプ）を探索的に発見することを試みた。さらに、症候学的タイプ・バイオタイプ、計算論的表現型の各水準の表現型の背後に、共通すると仮定する潜在状態抽出のための基盤技術として、マルチモーダル変分自己符号化器を用いた多元的データ融合技術の開発を試みた。

計算論的精神医学 / 認知ロボティクス / 神経回路モデル / ニューラルネットワーク / 予測符号化

本研究課題は，精神障害における多様な症状を生み出す脳・神経メカニズムをロボット構成論によりシステムレベルで統合的に理解することを目指すものである．そのために，不確実性を考慮した予測誤差最小化が脳の神経回路における基本的な計算原理であるという仮説を提案し，その仮説を階層的な再帰型神経回路モデルで具現化し，ロボットに実装することで検証を行った．ロボットの行動学習実験の結果，不確実性推定の失調が予測誤差信号の減少・増加をもたらし，その結果として知覚や行動における異常が生じることがわかった．さらに，不確実性推定の失調は，階層間の機能的断裂や神経活動の均一化によってもたらされるということが示唆された．

本研究成果は，不確実性を考慮した予測誤差最小化が人間の認知や行動における柔軟性の実現に欠かせない基本的な計算原理であり，その失調によって精神障害における多様な症状が理解できるということを示した．これまでの精神障害を対象とした研究において，神経レベル，情報処理レベル，認知・行動レベル等，異なるレベルにおいて様々な知見・理論が提案されてきた．本成果は，神経科学・計算論・身体性認知科学といった観点を統合したロボット構成論的アプローチによって，これらの知見・理論の橋渡しをするものであり，精神障害の統合的理解に貢献することが期待される．

【研究分担者】
国里愛彦	専修大学	人間科学部	教授	(Kakenデータベース)
高村真広	島根大学	学術研究院医学・看護学系	助教	(Kakenデータベース)
片平健太郎	国立研究開発法人産業技術総合研究所	情報・人間工学領域	主任研究員	(Kakenデータベース)
杉原玄一	東京医科歯科大学	大学院医歯学総合研究科	准教授	(Kakenデータベース)
村田真悟	慶應義塾大学	理工学部(矢上)	講師	(Kakenデータベース)