[論文レビュー] Neuroadaptive electroencephalography: a proof-of-principle study in infants

Pedro F. da Costa, Rianne Haartsen+5 more|arXiv (Cornell University)|Jun 10, 2021

Neural dynamics and brain function参考文献 32被引用数 5

ひとこと要約

本研究では、リアルタイムの機械学習とベイズ最適化を用いた神経適応型EEG手法を導入し、個別に特化した神経応答を自動的に同定する。Nc誘発電位を用いて、動的顔空間内での乳児の母の顔を特定する能力を示している。この手法により、従来の刺激駆動型パラダイムに起因する制限を克服し、乳児における効率的で適応的かつ個別化された脳応答マッピングが可能となる。

ABSTRACT

A core goal of functional neuroimaging is to study how the environment is processed in the brain. The mainstream paradigm involves concurrently measuring a broad spectrum of brain responses to a small set of environmental features preselected with reference to previous studies or a theoretical framework. As a complement, we invert this approach by allowing the investigator to record the modulation of a preselected brain response by a broad spectrum of environmental features. Our approach is optimal when theoretical frameworks or previous empirical data are impoverished. By using a prespecified closed-loop design, the approach addresses fundamental challenges of reproducibility and generalisability in brain research. These conditions are particularly acute when studying the developing brain, where our theories based on adult brain function may fundamentally misrepresent the topography of infant cognition and where there are substantial practical challenges to data acquisition. Our methodology employs machine learning to map modulation of a neural feature across a space of experimental stimuli. Our method collects, processes and analyses EEG brain data in real-time; and uses a neuro-adaptive Bayesian optimisation algorithm to adjust the stimulus presented depending on the prior samples of a given participant. Unsampled stimuli can be interpolated by fitting a Gaussian process regression along the dataset. We show that our method can automatically identify the face of the infant's mother through online recording of their Nc brain response to a face continuum. We can retrieve model statistics of individualised responses for each participant, opening the door for early identification of atypical development. This approach has substantial potential in infancy research and beyond for improving power and generalisability of mapping the individual cognitive topography of brain function.

研究の動機と目的

• 従来の刺激駆動型神経画像法における限界に対処するため、理論的枠組みや先行データがしばしば不十分または誤解を招くことがある乳児研究分野における課題を解決すること。
• 広範で連続的な刺激空間において、事前に選定された神経応答（例：Nc）がどのように変化するかをマッピングする閉ループ型で適応的な手法を開発すること。
• 仮説駆動型の刺激選択をデータ駆動型の参加者特化型探索に置き換えることで、脳研究における再現性と一般化性を向上させること。
• リアルタイムEEGデータから個別化された応答プロファイルを抽出することで、奇形な神経発達の早期検出を可能とすること。
• 成人ベースのモデルが認知的トポグラフィを誤って表現する可能性がある乳児において、この手法の実用性を示すこと。

提案手法

• 本手法は、乳児のターゲット神経応答（例：Nc）をリアルタイムでモニタリングするため、リアルタイムEEGデータ収集と処理を用いた事前に定義された閉ループ設計を採用する。
• 神経適応型ベイズ最適化アルゴリズムは、過去の証拠に基づき動的に次の刺激を選択し、最適な刺激を特定するための試行回数を最小限に抑える。
• アルゴリズムはガウス過程回帰を用いて未サンプリングされた刺激を補間し、刺激空間全体における応答の全体像をモデル化する。
• 刺激空間は顔の特徴（例：年齢、ピッチ、表情）の連続的変化によって定義され、本研究では16種の事前定義された変化が使用された。
• システムは流入するEEGデータに基づきモデルを継続的に更新し、神経応答に関する情報量を最大化するように刺激提示を調整する。
• データ品質は研究者がリアルタイムで監視されるが、自動化された品質指標は今後の改善点として挙げられている。

実験結果

リサーチクエスチョン

• RQ1 神経適応型EEG手法は、リアルタイムNc応答の変化に基づいて、乳児の母の顔を自動的に同定できるか？
• RQ2 ベイズ最適化とリアルタイムEEGマッピングは、限られたデータと高い変動性を示す乳児において、個別に特化した神経応答をどれほど効果的に特定できるか？
• RQ3 従来の刺激駆動型パラダイムと比較して、この手法は発達神経科学分野における再現性と一般化性をどの程度向上させるか？
• RQ4 理論的予測が欠落している、あるいは誤解を招く場合でも、この手法は乳児における個別化された神経トポグラフィを同定できるか？
• RQ5 特に成人ベースのモデルが適用できない乳児のような集団において、最適な刺激についての事前の知識が欠如している状況での手法の性能はいかがなものか？

主な発見

• 神経適応型EEG手法は、リアルタイムNc応答の追跡を用いて、1次元の顔空間内において乳児の母の顔を最も顕著な刺激として正確に同定した。
• 本手法は、最小限のデータで個別に特化した神経応答を正確に局在化でき、刺激空間の探索において高い効率性を示した。
• システムは各被験者に対して個別化されたモデル統計を生成し、特定の刺激に対する神経的関与の個人差に配慮したマッピングを可能にした。
• ガウス過程回帰の使用により、未サンプリングされた刺激の信頼性の高い補間が可能となり、神経応答の変化を連続的かつ滑らかに表現できた。
• データ品質の課題が存在したが、本実装においては、自動化された品質指標よりも人間による監視がEEG信号の品質管理においてより効果的であった。
• 本手法は、個別化された脳行動関係を捉えることで、乳児における奇形な神経発達パターンの同定に強く期待できる。