合成ニューロンが加速させる脳地図作成の最前線
- •Google Researchが合成ニューロン形状を生成する「MoGen」を発表
- •合成データによる学習が脳の再構築エラーを4.4%削減
- •手作業による校正時間を157人年分削減することに成功
現代科学において、人間の脳を地図化することは最も野心的な挑戦の一つである。この分野はコネクトミクスと呼ばれ、脳の複雑な配線網を再現するために、組織の薄片を撮影し、それらを三次元構造として統合する必要がある。かつて線虫の脳地図作成には16年もの膨大な手作業が費やされたが、現在ではAIがこの歩みを劇的に加速させている。
しかし、ハエの脳よりも数千倍も巨大な人間の脳を対象とするには、さらに効率的なツールが不可欠だ。脳解剖における最大の障壁は、検証フェーズにある。AIはニューロンの断片を特定することには長けているが、無関係な構造を結合させたり、接続されている部位を誤って切り離したりするエラーが頻発する。
これらの誤りを修正する専門家の手作業は、極めて重要であると同時に極めて退屈な工程である。この課題を解決するため、Googleの研究チームは合成データを用いてAIの精度を向上させる新たなアプローチを導入した。彼らが開発した「MoGen（Neuronal Morphology Generation）」というモデルは、現実的かつ人工的なニューロンの形状を生成できる。
この生成された例を用いてAIを学習させることで、チームは「PATHFINDER」と呼ばれる再構築パイプラインの精度を大幅に高めた。学習データにわずか10%の合成データを加えるだけで、再構築エラーを4.4%減少させることに成功したのだ。この数字は一見小さく見えるかもしれないが、マウスの脳全体をマッピングするという規模を考えれば、実に157人年分もの労働力を節約できる計算になる。
この手法は、自動運転や自然言語処理などの分野で採用されている戦略を反映したものであり、実世界のデータセットに存在する欠落を埋めるために役立てられている。チームはMoGenをオープンソースとして公開しており、世界中の神経科学者が独自の解析ツールを強化できるよう支援している。AIが誤認しやすい特定のニューロンの形状に焦点を当てることで、将来的なエラー率はさらに低下し、より複雑な哺乳類の脳の全貌解明が現実味を帯びてくるだろう。