エルサレム, 14 October, 2026 (TPS-IL) — イスラエルの研究者らが、被験者1人あたり約1時間の脳スキャンデータを用いて脳活動から画像を再構築する人工知能（AI）モデルを開発した。このモデルは、視覚処理に関わる脳領域における、これまで知られていなかった機能的な区分も特定した。

このBrain-ITと名付けられたモデルは、ワイツマン科学研究所のミハル・イラニ教授が率いるチームによって開発された。新しい被験者への適応に数十時間もの脳スキャンを必要とする既存のシステムとは異なり、Brain-ITは異なる被験者間で共有されるパターンを特定することで、より少ないトレーニングで高精度な画像再構築を可能にする。

画像再構築にとどまらず、この技術は脳が視覚情報をどのように整理しているかを科学者が理解するのに役立つ可能性がある。また、トレーニング時間を短縮できるブレイン・コンピューター・インターフェースの開発を前進させる可能性もあるが、実用的な医療応用にはまだ時間がかかる。

イラニ教授は、「現在、脳活動を画像に変換するモデルが存在し、画像の意味論的な意味を比較的よく保った印象的な再構築さえも可能にしている。しかし、それらは構成や色といった基本的な特徴において間違いを犯す傾向がある」と述べた。

「私たちが開発した新しいモデルは、画像のコンテンツとその詳細の両方の再構築において、それらを上回る性能を発揮する。さらに、他のすべてのモデルが新しい人物を『読み取る』ために数十時間の脳スキャンを必要とするのに対し、私たちのモデルはわずか1時間で済む」と彼女は付け加えた。

この研究は、主要な人工知能会議である国際学習表現会議（International Conference on Learning Representations）で今年発表されることが選ばれた。

AIに脳を読むことを教える

この分野における大きな障害は、トレーニングデータの不足である。研究者たちは、画像と機能的磁気共鳴画像法（fMRI）スキャンのペアを必要としている。fMRIは、人々が画像を見ているときの脳活動の変化を測定する。このようなデータを収集するには、被験者がMRIスキャナー内で多くの時間を過ごす必要がある。

研究で使用された公開されている自然シーンデータセット（Natural Scenes Dataset）には、8人の被験者から得られた約73,000枚の画像とスキャンのペアが含まれており、各被験者は30〜40回のスキャンセッションで数千枚の画像を見た。

この制限を克服するため、チームは2つの補完的なシステムを開発した。1つは画像から脳活動を予測するエンコーダー、もう1つは脳活動から画像を再構築するデコーダーである。

エンコーダーは、被験者がMRIスキャナー内で見たことのない画像の脳活動を予測した。その後、デコーダーがその予測から画像を再構築しようと試み、システムは画像ごとに新しいスキャンを必要とすることなく、追加の例から学習できるようになった。

研究者たちは、脳を約40,000個の小さな3次元単位であるボクセルに分割し、被験者間で異なる画像に対するそれらの応答を比較した。これにより、色、位置、認識可能なオブジェクトといった視覚的特徴に関連する繰り返しパターンが明らかになった。

エンコーダーは、人々に共通しており、視覚処理において特定の役割を果たしているように見える128個の機能領域を特定した。それらのうちいくつかは科学者によって既に知られていたが、いくつかは新しいものだった。

1つの発見は、場所や風景の処理に関わる脳領域である海馬傍回場所領域（parahippocampal place area）に関連していた。研究者たちは、この領域内での仕事の分担の証拠を発見し、一部は屋内の風景に、もう一部は屋外の風景に応答していた。

イラニ教授は、「エンコーダーの強みは、解剖学的な位置が異なっていても、異なる脳で同様の機能を実行する領域を特定できる能力にある」と述べた。

近い将来、Brain-ITは、費用のかかる時間のかかるスキャンの必要性を減らしながら、研究者が視覚処理を研究するのに役立つ可能性がある。個人間で共有されるパターンを特定する能力は、新しいユーザーへの適応に必要なトレーニングを減らすブレイン・コンピューター・インターフェースの開発を科学者が支援する可能性もある。さらなる研究が必要である。