AIで脳活動を文字に変換！非侵襲型BCI技術の革新

この記事のポイント

• AIと非侵襲型脳計測技術を組み合わせ、脳活動を文字に変換する研究が進展
• 深度学習モデル「Brain2Qwerty」により、キーボード入力時の脳活動を解析
• 脳磁図（MEG）は脳電図（EEG）よりも高精度な文字予測を実現
• 手術不要でBCIの応用ハードルが低下、コミュニケーション支援への期待大

AIと非侵襲型BCI技術の融合

米国Meta AIチーム、フランスのパリ科学・文学・哲学大学、およびアドルフォ・ロスチャイルド財団病院の研究者たちは、人工知能（AI）技術を組み合わせた非侵襲型の「脳活動からテキストへの変換」手法を開発しました。この脳・コンピュータ・インターフェース（BCI）技術は、深度学習アルゴリズムを活用し、脳電図（EEG）または脳磁図（MEG）の信号から、キーボード入力プロセス中に発生する脳活動をデコードし、対応する文字に変換することが可能です。この研究成果は、最新号の科学雑誌「Nature Neuroscience」に発表されています。

BCI技術の現状と非侵襲化の意義

身体の損傷や神経疾患により、運動能力を一時的または永続的に失い、言語、キーボード、または電子機器を介して外部とコミュニケーションをとることができなくなる患者さんがいます。BCI技術は、こうした人々がコミュニケーション能力を回復するための有望な手段として期待されています。しかしながら、現在性能が良好とされるBCIシステムの大半は、埋め込み型センサーに依存しており、脳の表面または内部に電極を手術で配置する必要があるため、一定のリスクが伴います。

手術不要な「Brain2Qwerty」モデルの開発

今回の研究では、手術を必要としない手法が提案され、脳活動をデコードすることによって人々が生成している文章を識別し、健康なボランティアグループでその有効性が検証されました。研究チームは、訓練データを用いて「Brain2Qwerty」という名称の深度学習モデルを開発しました。このモデルは、脳活動信号とキーボード入力文字との間の対応関係を学習し、脳信号のみに基づいて参加者が入力している文字を予測しようと試みます。

脳磁図（MEG）による精度の向上

実験結果によると、脳電図（EEG）と比較して、脳磁図（MEG）信号がモデルによるより正確な文字予測を助けることが示されました。脳磁図データを利用した場合、「Brain2Qwerty」モデルの平均文字エラー率は29%でしたが、脳電図データに基づいた場合は65%でした。特にパフォーマンスが良かった参加者については、モデルの文字エラー率を18%までさらに低下させることができ、訓練段階で出現しなかった文章も正確に識別することが可能でした。

今後の展望：BCIの応用ハードル低下とさらなる発展

この研究は、AI技術と組み合わせた新世代の非侵襲型BCIの可能性を示しています。こうしたシステムは、電極を手術で埋め込む必要がないため、BCIの応用におけるハードルをさらに低下させることが期待されます。将来的には、研究チームは深度学習アルゴリズムをさらに最適化し、より低いエラー率で脳活動を文字に変換できるように発展させていくことが考えられます。

出典：科技日报

出典: 元記事を読む