ニューラルチップが脳領域間の相互作用をデコード

ニューラルチップが脳領域間の相互作用をデコード

EPFLの研究者たちは、脳領域間のコミュニケーションを追跡し、リアルタイムで認知状態や感情状態を特定できる、埋め込み可能なニューラルチップを開発しました。

深部脳刺激（DBS）は、インプラントを介して脳の特定領域に電気パルスを供給し、神経活動を調節する治療法です。パーキンソン病のような運動障害にはすでに広く使用されており、研究者たちは重度の精神疾患（大うつ病、心的外傷後ストレス障害、強迫性障害など）への応用可能性もますます探求しています。

しかし、既存のDBSシステムのほとんどは、エンジニアが「オープンループ」と呼ぶ方法で動作します。つまり、患者の脳活動に継続的に適応するのではなく、事前に定義された設定に従って刺激が供給されます。クローズドループ、またはアダプティブシステムであっても、多くのシステムは単一の脳領域から記録された信号に依存しています。これは、臨床的に関連する情報が相互作用する脳領域のネットワークに分散している可能性がある精神疾患にとって、大きな制限となります。

「私たちの研究は、単一領域の機能不全よりも、脳領域間のコミュニケーションの混乱が精神疾患の原因であるという研究の増加に基づいています」と、EPFL工学部およびNeuro-X InstituteのIntegrated Neurotechnologies Labの責任者であるMahsa Shoaran氏は説明します。

［画像: EPFLのジュネーブキャンパスにあるINLチーム。左から：Amitabh Yadav、Jieun Joo、Mahsa Shoaran、Jinhan Liu、Daney Alex。2026 EPFL / Lundi13 - CC-BY-SA 4.0］

Shoaran氏と彼女のチームは、低消費電力の埋め込み型ニューラルシステムオンチップを開発しました。LogSyncと名付けられたこのチップは、脳活動を記録し、脳波（振動）の強度と異なる脳領域からの信号間の同期を表すバイオマーカーを抽出します。次に、機械学習アルゴリズムがこれらのネットワークレベルのバイオマーカーを分析して、認知状態と感情状態を区別し、特定の状態が検出されたときに刺激トリガーを生成します。

IEEE Journal of Solid-State Circuitsに掲載されたこの研究は、重度の精神疾患、特に気分障害や不安障害のために振動脳ネットワークを測定および制御できる埋め込みシステムを開発するための、米国国立精神保健研究所（NIMH）からの660万スイスフランの助成金の一部として開発されました。これは、同研究室の脳からテキストへのデコーディングおよびクローズドループ神経調節に関する以前の研究を基盤とし、これらの概念をネットワークレベルのバイオマーカーと将来の精神科治療のためのアダプティブデコーディングに拡張したものです。

より低電力で、より的を絞った刺激

研究者たちは、LogSyncを過去の精神科実験からの人間の脳記録を使用して評価しました。1つのデータセットは、精神的タスクを実行中の認知関与の変化を捉え、もう1つのデータセットは、参加者がビデオクリップを視聴した際の感情的覚醒を捉えました。アルゴリズムは、ニューラル記録のみからこれらの認知状態と感情状態を区別しました。ミネソタ大学でラットを用いて行われたさらなる実験では、インプラントは進行中の振動を追跡し、脳活動の特定の位相で刺激トリガーを生成しました。

［画像: 約4x2mmのLogSyncチップ。2026 EPFL / Lundi13 CC-BY-SA 4.0］

Shoaran氏は、インプラント可能なシステムの非常に限られた電力予算内でこれらすべての機能を実現することが大きな課題であったと述べています。

「私たちのシステム全体はコデザインされています。つまり、アルゴリズムとハードウェアは、インプラントの制約を考慮して一緒に開発されています。このアプローチにより、ネットワークレベルのニューラル信号処理とデコーディングを単一チップで実現しながら、消費電力を200マイクロワット未満に抑えることができました。これは、多くの埋め込み型ニューラルインターフェースシステムで通常必要とされる電力のほんの一部です」と彼女は言います。もう1つの革新は、LogSyncが対数計算を使用していることです。これにより、脳ネットワーク分析とリアルタイムバイオマーカー抽出およびデコーディングに必要な複雑な操作が簡素化されます。

LogSyncの初期検証は精神科アプリケーションに焦点を当てていましたが、正確なタイミングの刺激をトリガーするための脳ネットワークバイオマーカーを抽出する機能は、運動障害のためのアダプティブDBS、クローズドループ非侵襲的刺激、および新しい集束超音波インターフェースを含む、次世代ニューロテクノロジー全般に広く応用可能です。

並行して、同研究室は、定義済みのバイオマーカーから直接学習するのではなく、ニューラル記録から直接学習する新しい機械学習方法を開発しています。領域、チャネル、および時間を横断する神経活動を捉えるために自己教師あり学習を使用した彼らの最近のICML 2026の研究は、Infera Neuro（Shoaran氏が共同設立したEPFLのスピンオフ）などを通じて、インテリジェントなニューラルインターフェースを臨床応用により近づけるための広範な取り組みをサポートしています。

資金提供

米国国立精神保健研究所

スイス教育・研究・イノベーション事務局（SERI）が資金提供するERCスタートアップグラント

参考文献

D. Alex et al., "LogSync: A Low-Power Logarithmic SoC for Cross-Regional Synchrony Extraction and Adaptive Psychiatric State Classification," IEEE Journal of Solid-State Circuits (JSSC), Sept 2026 doi: 10.1109/JSSC.2026.3728617。

J. Liu and M. Shoaran, “RECTOR: Masked Region-Channel-Temporal Modeling for Affective and Cognitive Representation Learning”, International Conference on Machine Learning (ICML), 2026 https://proceedings.mlr.press/v306/liu26dt.html

D. Alex et al., "A 32-Channel 196-μW Logarithmic SoC for Brain Network Connectivity Extraction and Adaptive Psychiatric Symptom Classification," 2025 Symposium on VLSI Technology and Circuits (VLSI Technology and Circuits), Kyoto, Japan, 2025, pp. 1-3, doi: 10.23919/VLSITechnologyandCir65189.2025.11075022。

---