何が起きたか
研究チームは2026年2月20日にarXivで公開した論文で、ラットの頭蓋表面EEG（32電極、0.01〜45Hz）から自己ペース歩行速度を連続解読する非侵襲BCIを発表した。133時間以上の記録データを用いて再帰型ニューラルネットワークを訓練し、速度解読で相関0.88（R²=0.78）を達成した。
詳細
本研究では、非電動トレッドミル上で自己ペース歩行する頭部固定ラットから、32電極の頭蓋表面EEGを記録し、瞬時速度を解読する非同期BCIを導入した。再帰型ニューラルネットワークを用いて、EEG活動からトレッドミル速度へのマッピングを学習した。解読精度は相関0.88（R²=0.78）で、主に視覚野の電極と低周波（8Hz未満）の振動が寄与した。また、単一セッションでの事前学習が同一個体の他のセッションに汎化したが、個体間では転移しなかった。さらに、皮質状態は現在の速度だけでなく、過去・未来の速度動態（最大1000ms）に関する情報も含むことが示された。
Key Facts
| 研究チームは、ラットの頭蓋表面EEG（32電極、0.01〜45Hz）から自己ペース歩行速度を連続解読する非侵襲BCIを開発した。 | [1] |
| 再帰型ニューラルネットワークを用いて、133時間以上の記録データからデコーダを訓練し、速度解読で相関0.88（R²=0.78）を達成した。 | [1] |
| 解読精度は主に視覚野の電極と低周波（<8Hz）の振動によって駆動された。 | [1] |
| 単一セッションでの事前学習は同一個体の他のセッションに汎化したが、個体間では転移しなかった。 | [1] |
| 皮質状態は現在の速度だけでなく、過去と未来の速度動態（最大1000ms）に関する情報も含むことが示された。 | [1] |
なぜ重要か
この研究は、非侵襲的な脳信号からの運動解読の可能性を大きく広げるものであり、将来的には侵襲的デバイスに頼らないBCIの実用化につながる可能性がある。また、神経活動の分散表現の理解を深めることで、脳の情報処理メカニズムの解明にも寄与する。