神経系とビッグデータ、新しい次元削減アルゴリズムが脳をシンプルにする

ネイチャー・ニューロサイエンス誌に掲載されたレビュー記事で、カーネギーメロン大学のバイロン・M・ユー氏とコロンビア大学のジョン・P・カニンガム氏は、多数のニューロンの共同活動を研究してその活動を説明する科学的動機を数多く述べ、次元削減と呼ばれる機械学習アルゴリズムを提案した。

[[118830]]

近年、次元削減によって、脳がどのように異なる匂いを区別するか、不確実な状況で意思決定を行うか、実際に手足を動かさずに手足を動かすことを考えるかなどについての洞察が得られました。ユー氏とカニンガム氏は、次元削減を標準的な分析方法として提唱しています。これにより、健康な脳と異常な脳の活動パターンを比較することが容易になり、最終的には脳の損傷や障害に対する治療と介入が改善されます。

「神経科学の核となる教義の 1 つは、多数のニューロンが連携して脳機能を生み出すというものです」と、CMU の電気・コンピュータ工学および生物医学工学の助教授であり、CNBC の教員でもある Yu 氏は言います。「しかし、ほとんどの標準的な分析方法では、一度に 1 つか 2 つのニューロンしか分析できません。多数のニューロンがどのように相互作用するかを理解するには、これらの大規模な神経記録を解釈するための次元削減などの高度な統計手法が必要です。」

次元削減の本当の考え方は、より少ない潜在変数または隠れ変数を使用して、多数のニューロンの活動を要約することです。次元削減の研究方法は、瞑想中や暗算の問題を解いているときなど、すべての活動が外界ではなく脳内で行われる脳の内部の仕組みを明らかにするのに非常に役立ちます。これらの潜在変数は思考経路を描写するために使用できます。

「科学研究の主な目的は、複雑な現象を単純な言葉で説明することです。伝統的に、神経科学者は個々のニューロンを単純化する方法を見つけることを目指してきました」と、CU の統計学助教授であるカニンガム氏は記事の中で述べています。「しかし、ニューロンの活動パターンにはさまざまな特性があり、1 つのニューロンを調べるだけでは説明が難しいことが、神経科学者たちの間でも認識されつつあります。次元削減により、個々のニューロンの異質性を網羅し、ニューロン同士の相互作用に基づいて単純な説明を見つける方法が得られます。」

次元削減は、神経科学における既存の分析方法と比較すると比較的新しいものですが、大きな可能性と明るい未来を示しています。神経記録技術の継続的な発展と米国のBRAINイニシアチブの実施により、ビッグデータはますます大規模になり、次元削減と関連手法の使用は不可欠なデータ処理方法になります。