産業技術総合研究所（産総研）とフランス国立科学研究センター（CNRS） が共同で産総研の情報・人間工学領域に設置したAIST-CNRSロボット工学研究ラボは、東京工業大学、大阪大学と共同で、脳の予測機能を利用し、脳波から高速・高精度に思い描いた運動（運動意図）を読み取るブレーン・コンピューター・インターフェース（BCI ※1）技術を考案した。

脳波から運動意図を直接読み取る従来のBCI技術は、精度を高めるために訓練を要するため、使用者の負担が大きいと云う。

今回の技術では、運動を行う際に脳が運動を行った後の体の状態（運動結果）を予測する機能を利用。運動を錯覚させる刺激を与え、運動意図から予測した運動結果と錯覚した運動結果のずれを脳波から読み取り、そのずれから運動意図を推定できる。

前庭電気刺激（GVS ※2）によって運動を錯覚させ、脳波から左右への運動意図を推定する実験では、100ミリ秒以内の計測で、平均85%以上の精度で運動意図が推定できることを確認。訓練が不要で負担が小さいため、四肢麻痺患者などが車いすなど、外部機器を操作するインターフェースへの適用が期待できると云う。

※1　ブレーン・コンピューター・インターフェース（BCI）：

脳の信号を計測して計算機で処理し、機器を操作したりするための情報を得るインターフェース。脳からの信号計測には、ヘッドギアやヘルメットに装着した電極により頭皮を通して間接的に計測する非侵襲的な方法や、手術で直接電極を脳に埋め込む侵襲的な方法がある。

※2　前庭電気刺激（GVS）：

頭部に取り付けた電極により電気信号を外部から加え、内耳の平衡感覚をつかさどる前庭器官を刺激すること。これにより、動いている方向を錯覚させる。今回は、操作者の負担を考慮し、人間が意識しない程度の弱い信号を使用した。

[開発の社会的背景]

脳から信号を読み取り、計算機につなぐインターフェース、BCIの究極の目標は、思考により思い通りに機械を操作することだと云う。

例えば、腕を失った人が、BCIで義手を思い通りに動かすことができるようになれば、大きな生活改善につながる。

BCI技術は、過去20年に渡り、多くの方法が提案されてきたが、個々人の脳波の特徴に合わせて装置を設定するための長時間の訓練や、画像による視覚的な入力に反応して発生する脳波を検出するなど、追加の感覚刺激（認知的負荷）が必要である、という課題があった。

[研究の経緯]

産総研とCNRSが共同で設置したAIST-CNRSロボット工学研究ラボでは、BCI技術によるヒューマノイド操作や人間・ロボットの身体の共有感覚の解明などの先進的な人間・ロボット調和技術を開発。一方で、東工大では脳信号解析技術を、また大阪大では脳への外部信号入力技術の開発を進めてきた。

今回、共同研究により各機関の技術を結集。長時間の訓練や追加の認知的負荷が不要で、より優れた推定結果を出す新しい運動意図の解析技術を開発することとなった。

なお、同研究開発の一部は、産総研・CNRSロボット工学共同研究による支援を受けている。

[研究の内容]

人間は運動を行うとき、脳が持つ身体モデル（順モデル ※3）に基づいて、運動後の体の状態を予測して、意図した結果との誤差（予測誤差）が小さくなるように筋肉に運動指令を出すと考えられている。

今回、共同研究では、この予測誤差が脳波に大きな影響を与えると考え、これを運動意図の推定に利用する新しいBCIの手法を考案した。

この手法では、外部から感覚を刺激する装置を用いて錯覚させた運動の結果と、実際の運動意図から脳が予測した運動の結果との予測誤差を脳波から検出。検出した予測誤差と、刺激によって錯覚させた運動から、運動意図を推定する。

従来のBCI手法では、BCIの使用者が意図する動きを脳波から直接的に解読する方法が用いられてきたが、開発した手法では、解読する対象が予測誤差である点が異なる。

具体的には、錯覚を引き起こす人工的な感覚刺激装置 (前庭電気刺激（GVS）) と脳波を用い、使用者が意図した動きと外部刺激によって錯覚した動きとが合致する度合いを評価して識別。この手法を実証するため、車いすの操作を想定した左右の移動方向を識別する実験を実施した。

まず、脳波の検出センサーとGVSを装着し、車いすに乗った被験者に対し、左右にあるスピーカーの一方から、ビープ音を鳴らし、音が来た方向に曲がる動きをイメージさせた。

その2秒後に、GVSを用いて、平衡感覚をつかさどる前庭器官に、合図とは関係なく左右どちらかにランダムに曲がる動きを錯覚させる刺激を与え、脳波を測定。低音のビープ音を合図に、被験者は動きのイメージを止め、一回の測定が終了する（図1）。

図1 意図検出の手順

実験では、これを複数回繰り返し、意図した方向と錯覚させた方向が合っているかどうかの正誤情報を、測定した脳波から検出するための統計的な解析を行った。

脳波から検出した正誤情報と、GVSからの入力方向を照合し、被験者がイメージした方向を推定すると、すべての被験者について、刺激を与えてから96ミリ秒という短い時間で、高い推定精度（87.2 %中央値）で運動意図を推定できた（図2）と云う。

図2 複数の被験者による意図検出の実験結果
脳信号から直接意図を検出する従来手法による意図の正答率が赤線、今回考案した手法による意図検出の正答率が黒線。点（●）は、合図後の各時間での推定の正答率。各点のボックスは正答率の25～75 %の範囲、誤差バーは全範囲を示す。左上の図は脳波の活動部位を示す（上が前頭側）。

この手法では、操作者の訓練が不要で、認知的な負荷もなく、従来よりも高精度で運動意図の推定ができ、さらに、脳波の読み取りから推定までの時間が、刺激を与えてから100ミリ秒未満で行えるため、リアルタイムでの利用が可能とのことだ。

※3　順モデル：

脳神経科学のこれまでの研究から、運動を行った場合の感覚の結果を予測できるように、脳はその内部にシミュレーションするための身体のモデルとして「内部モデル」を持ち、小脳にその機能があると考えられている。

その内部モデルは、順モデルと逆モデルに区分され、「順モデル」は脳から筋肉に送信された運動指令から運動結果を予測し、「逆モデル」は、所望の運動結果からそれを実現するために必要な運動指令を求める。

[今後の予定]

今後、同実験では、今回提案した手法を運動意図の表明が困難な全身麻痺患者のコミュニケーションツールとして使用できるか、臨床での試験を開始。また、既存のBCIと併用することで、特に運動制御に関して機能を向上させるための研究を行うとしている。

[論文情報]

雑誌名：Science Advances
論文名：Utilizing sensory prediction errors for movement intention decoding: A new methodology
著者：Ganesh Gowrishankar, Keigo Nakamura, Supat Saetia, Alejandra Mejia Tobar, Eiichi Yoshida, Hideyuki Ando, Natsue Yoshimura and Yasuharu Koike
DOI：10.1126/sciadv.aaq0183
掲載日：平成30年5月9日