【論文】ヒト海馬におけるニューロン集団の解読

　
Decoding neuronal ensembles in the human hippocampus.
Demis Hassabis, Carlton Chu, Geraint Rees, Nikolaus Weiskopf, Peter D Molyneux, Eleanor A Maguire.
Current biology : CB (2009) vol. 19 (7) pp. 546-54

海馬のfMRI脳活動データから被験者がどこにいるかをクラス分類した研究．識別率（クラス分類成功率）を評価指標にして，チャンスレベルより高い識別率であれば，選択したボクセルは位置の情報を符号化しているだろうという論理．Harrison & Tong 2009（以前に書いた記事）でも用いられた論理で展開されています．

今回登場する脳領野は海馬（hippocampus）と海馬傍回（parahippocampal gyrus）です（海馬傍回 by wikipedia の右にある図は位置を把握するのにわかりよいと思います）．

ところで，この論文を一読した時，またまた，この方法は科学的な検証手段として妥当なのだろうか？というのが僕の疑問でした．それについては，論文の要旨を説明した後で．今回は特に，実験，解析，結果から何がわかるかだけ議論したいので，著者のIntro，Discussionは基本的に触れていません．検証しようとしている仮説自体は，重要だと思わなかったですし．

　＃＃

Figure 1. 実験課題．
被験者はVirtual Realityの世界で移動します．移動は，前進む，左に向く，右に向くの3通りで，対応したボタンを押せば移動できる．

A．青と緑の2つの部屋があります．
B．それぞれの部屋は，スタートもしくはゴールとなる位置A-Dの配置が異なっていて，ゴールの位置を特定する手がかりとなるドアや椅子，写真，置き時計の配置も異なっている．
　被験者はゴールとなるA-Dのいずれかを実験者から提示され，そのゴールを目ざす．試行の最初は5秒からのカウントダウンがあり，数字で表示され，カウントダウンの後にゴールとなる位置A-Dが文字で表示される（C）．スタートの位置はゴールとは異なる位置です．被験者はゴールに達したら，たどり着いたことを知らせるボタンを押す．そうすると画面は，ちょうどVirtual Reality内で被験者がお辞儀をしたような視覚提示となり，つまり，前を向いた画面からなめらかに床の絨毯の画像へと移ります．Cのような青い絨毯の画像になる．スタート位置からゴールにたどり着くまでが，1試行．試行の最後，絨毯の画像が提示されているときの脳活動をその後の解析に用いている．つまり，どこの位置がゴールだとしても視覚刺激としては同じ条件になるわけです．
D．青と緑の部屋の試行はブロック課題で構成され，ブロック内では2−4試行行われる．青部屋ブロック，緑部屋ブロックの順番はランダム．


Figure 2．
A．（省略）
B．側頭葉を含む白枠で囲われたところ範囲が解析に使われる部位．fMRIは3Tで1.5x1.5x1.5 mm^3のボクセルで計測されています．
CDEFG．
この後，同じ部屋（ブロック内）で異なる2つの位置を識別するデコーダー，4つの位置を識別するデコーダー，ブロック間（青部屋と緑部屋）を識別するデーコーダー，3つのデコーダーをSVM（Support Vector Machine）で構成します．また，それぞれ，識別率が最も高くなるように白枠の範囲からボクセルを選択（ボクセル数，ボクセルの組み合わせを決定する．もちろん全探索ではないと思う．）しています．

Figure 3.
2つの位置を識別するデコーダで，チャンスレベル50％の識別率を超えたボクセル群が表示されています．選択されたボクセル群の多くは海馬（hippocampus）にあります．

Figure 4．5．
Figure 3と同様に，それぞれ4つ位置識別で選択されたボクセル，ブロック間識別で選択されたボクセルです．前者はFigure　3と同じく海馬に選択されたボクセルがあり，後者は海馬傍回（parahippocampal gyrus）に多くある．

ちなみに，ここで得られた結果は，従来のfMRI解析である一般化線型モデルの解析では得られなかったと書かれています．新しい方法だからこそ得られた結果だったわけですね．

以上が，実験，解析，結果です．
　　
　＃＃

Multivariate pattern analysisと呼んでいるこの研究での解析方法は，次の3つのことを使って検証している．
1．予測精度を評価指標とする．
2．予測の方法はクラス分類．
3．チャンスレベルを有意に超える予測に貢献したボクセルには情報表現有り．

1．に関しては以前も書いので省略．
2．に関しては，思いつきですが，厳密に言えば「位置のクラス分類に最適な情報 ≠ 位置情報」じゃないかということ．位置のクラス分類に最適な情報 ≒ 位置情報と考えてるのか．「予測」と同じ議論の展開になってしまうので，これ以上は省略．
3．に関しては，チャンスレベルより有意に高ければいいのかな？ ということ．
脳活動のデータは，あれだけ至るところでつながっていれば，いろんな事象と多かれ少なかれ相関するだろうと思っています．だから，「相関が0ではない＝相関がある」とは感じないのですよね．「チャンスレベルを有意に超えれば良し」という基準は，それと似た感覚を受けます．これまでの神経科学で求められていた水準は満たしていると思いますが．「相関が0ではない」よりも強い検証だとは思いますが，直感との違和感は何かな？？たぶん，単なる気のせい．．

情報表現の存在については，クラス分類した場合，クラス分類に使われた情報が目的の情報（今回の場合は「位置」）を使っているかはクラス分類した結果だけでは保証できないので，それはいままでの神経科学と同じように綿密な実験課題をその保証としている．今回の研究では，視覚刺激は一定だから，考えられるのは位置の情報だけなので位置の情報表現がある，という論理ですね．

ところで，選択されたボクセルは「選択されたボクセルを用いれば，クラス分類できる．」というだけなので，もしかしたら「選択しなかったボクセルを使っても，クラス分類できる」かもしれないし，「選択されたボクセルにはクラス分類に不要なボクセルがある！？」かもしれない．というのも，各ボクセルの値は独立ではないように思うから．結局これもまた，神経細胞がいろいろなところでつながっているという直感から，そう思うのです．この研究でもある程度は調べられていますが，Figure 2，3．4の結果を断定できるほど強いことか言えるのか疑問．

ちなみに，この論文，「位置情報は1つのニューロンで表現されるのではなく，集団で表現される」という仮説を検証しようとしていました．今回の結果からfMRI脳活動データから解読できたのだから，偏った位置（anisotropic structure）に集団で表現されているということを述べています．クラス分類できれば上記の検証になるということは，自明ですかね？ 確かに，それぞれの位置をコードするニューロンが全くの等方的分布（一様分布）だったら，fMRIデータからはクラス分類できないはずだけど．．．できないか？．．． できないか．．．

一読したところでは検証になっていないと思ったのですが，それなりに考えたら，これまでの神経科学の基準を満たす検証はできているのかなと思い直しました．

PS.
　このクラス分類の方法は，結局，脳地図作成の延長で，結局，情報表現のモデルについては実験の作業仮説だけ．研究結果から類推すると，青部屋と緑部屋は海馬傍回，各部屋での位置は海馬，というように階層的な位置表現になっているように思わせるけど，それについて実験課題以上の説明はできないし，実際著者も明示的には説明もしていない．部屋内の位置が連続的な表現なのか離散的な表現なのかもわからない．視覚や眼球運動研究における「位置」とは明らかに異なる表現だろうと想像するし，結局，この研究での「位置」って何？どんな表現？
　デコーディング研究がクラス分類にとどまらなければ良いなと思う．

PS. 2009/July/02
クラス分類で選択されたボクセルは，ボクセル内にクラス分類の対象となるニューロンがあるのでしょうか？たとえば，AとBのクラス分類ならば，Aを表現しているニューロン群とBを表現しているニューロン群が1つのボクセルに内在するということでしょうか．
　それともAとBをわける，フィルタのような情報表現のニューロンがあるということでしょうか？




　

スライド作成の参考にしている本

　
PowerPointスライドデザイン（Amazon）

少し前に（数ヶ月は前だったかもしれないけれど），生協の本屋さんで表紙がふと目にとまったので，中身をぱらぱらとめくったら，結構参考になると思った本．スライド作成例がBefore（修正前）After（修正後）形式でいくつも紹介されていて，それが参考になりました．

Beforeもそれほど悪いと思えないのだけど，Afterと比較すると「あー，確かに違う．」と思えます．Afterには使った色や形にちゃんと情報が入っていて，口頭での説明が無くても，スライドを見れば直感的に内容がわかるようになっています．

スライドは視覚的な表現なので，言葉で説明されるよりも，実際に良いスライドを見た方が良いと改めて思った次第．あと，文章で説明されている本だと作っている最中は参照できないのだけど，これはテンプレートを探すように参照できるので便利．
　
最近は，発表のためだけじゃなくて，研究経過を整理するためにもスライドを作成していたりします．
　

とある研究会での感想 -予測-

　
たぶん僕だけじゃなく多くの人は，「現象は何らかの因果関係（生成モデル）で説明できる」と信じているわけですが，現象を予測できるモデルを使って科学しても良いのかという話題．

僕は科学の最終的な検証には使えないのだろうなと思ってます．ただし，もうちょっと有用性を認めてくれてもイイかなとも思う．仮説を探索したり，生成モデルにだどりつく足がかりには使っても良いんじゃないかと思ってます．
cf．モデル，Prior♪．

それと，情報処理に関しては，予測できたり構成できたりする程度の表現力をもった記述じゃないと，分かった事にならないと思う．やっぱり．


　

とある研究会での感想．-有意な差がない-

　
仮説検定の枠組みで科学をしているとすれば，「差がある」ってことを使って論理を組み立てているわけです※1※2．仮説検定は，統計的解析の中ではほぼ全ての研究者に了解されている検証道具だし，ここまで広く了解されている道具は他に無いんじゃないかと思うくらいです，今のところは．言ってみれば，神経科学ゲームをするルールだと思っている※3※4．

でも，会議での口頭発表を聞いていると，「差がないです」っていう結果（グラフ）を見せられて，その後の論理に「差がない」ってことが入って来ちゃっていて，なんだかなぁと思ったり．仮説検定原理主義に立てば，「差がない」結果は，みんなに見せる意味すらない分けですよね．差があるのか，ないのか，わからないという結果なんですから．

サッカーやっているのに，ボールを抱えて走り出されたらつまらないし．だったらラグビーやれよと思うし※5．与えられた制約がある中でも，すごいことをできるかってのもゲームのおもしろさなんで，．．科学の精度を保つためには必要だと思うのです．妄想は話すのも聞くのもそれなりに楽しいから，前置きして話せばいいと思うのだけど※6．

とはいえ，結果的に差の認められない結果も，この実験もやりましたよ，という情報にはなるので，親切であると思ったりもする．


※1．もちろん，さらにA＞B or A＜Bもわかる．
※2．（一応のため説明，仮説検定でモデルを同定するとすれば）AとBとCの3つのみが仮説（モデル）の可能性だとすれば，Bであることを示すには，AとCのモデルは計測データと「差がある」ことを示す．そしたら，Bであることになる．
※3．論文では，仮説（モデル）の予測がデータと一致していそうでしょ，と読者に主観的評価を求めるような図もありますけど．だったら，何かの情報量規準を使っちゃえばと思う．
※4．相関値がいくつだったら相関していると言えるのか決定できないし，相関も検証としては使えないかな．特に神経科学のデータだと，いたるところがつがっていて相関ならいたるところにあるので，相関しただけだと何かを言ったようにはあまり感じないです．
　ただ，1変量の相関なら上記の通りなのですけど，多変量なら特定のことが偶然に起こりえる可能性が極端に小さくなるから，多変量の再構成は検証道具にありじゃない，と思っている．
※5．ボール抱えて走っても，ちゃんとサッカーだ，って説得力を持つように説明できれば，使える戦略ってことになって，おもしろい．
※6．実験αで差があって，それと同じくらいサンプル数をとっている同質の実験βで差が認められなかった場合，βは差がなさそうって論理ですかね．同質ってことをうまく検証できればそれでもいいのかな．うーん．
　

Natural Image Statistics

Natural Image Statistics
— A probabilistic approach to early computational vision
Aapo Hyvärinen, Jarmo Hurri, and Patrik O. Hoyer

本のPDFとMatlabのプログラムコードがダウンロードできるようになっている．

Dr.

2ヶ月ぶりです．2ヶ月間は，研究をし，来年もまた研究できるようにするために学術振興会特別研究員の申請書類を作り，ゼミでの発表をし，講義をし，また研究をし，実習をし，という日々．今は，また研究に戻ってきました．

　＃＃
　
ところで，最近，同業！？の主人公が出てくるドラマをTVで放送しているらしいですね．

同業の仕事がドラマや映画になると，アラが目につくものかなと，ちょっと思ったり．いや，見たことないのですけどね．Web上で話題に上っているのを目にすることが多いので．

一昨日，床屋に行ったときもそんな話題が出ました．一時は，理容師さん達の世界では「カリスマ」が巷の話題になりましたねー，とかそんな話で．

アニメだと，登場人物がビルの屋上から飛び降りて，死んじゃうのか，さらに走り出すのか，で以て現実との距離が測れるという仕掛け．くだんのドラマは，そういう世界観！？を示すのがうまくいっていないのでしょうかね．

ところで，これ，素人の脳科学好き兄ちゃんが活躍するドラマ？
Dr.ならぬ，Mr. Brain．