BCIの問題は、デコーダーの精度ではありませんでした。脳を解読しようとするのではなく、脳の自然な動き方に合わせて設計する。その発想の転換が、BCIの学習問題に対するひとつの答えを提示しています。
イェール大学の研究チームは、非侵襲型ブレイン・コンピューター・インターフェース（BCI）の学習を大幅に加速させる手法を開発し、2026年6月9日付の学術誌『Nature Neuroscience』に発表した。
従来のfMRIを用いたBCIは習得に最大10回の長時間セッションを要し、それでも約3分の1のユーザーはコントロールを習得できなかった。研究チームは、こうした困難の原因が「脳の自然な幾何学的構造（ニューラル・マニフォールド）」を無視した設計にあると仮説を立てた。
実験では、健康な若い成人が4回のfMRIセッションに参加した。最初のセッションでジョイスティックでアバターを操作するビデオゲームをプレイしながら脳活動を計測し、独自開発のアルゴリズム「T-PHATE」で各参加者の個人固有のニューラル・マニフォールドを抽出した。その後、マニフォールドに沿ったマッピング、マニフォールド内の別方向のマッピング、マニフォールドから外れたマッピングの3条件で、思考のみによるアバター制御を試みた。
結果、マニフォールド内で特に脳の最も自然なパターンに沿った条件（intuitive mapping）では、1時間未満で制御を習得できた一方、マニフォールドから外れた条件では同じ時間内に全くコントロールできなかった。また、BCI学習に伴って脳の活動パターン自体が再編成されることも確認された。
From: 
A brain-computer interface that works with, not against, the brain | Yale News
【編集部解説】
BCIという技術が長年抱えてきた根本的な問いに、イェール大学の研究チームが一つの答えを出しました。2026年6月9日に学術誌『Nature Neuroscience』に掲載された論文は、非侵襲型BCIの設計思想そのものを問い直す内容です。
BCIの歴史は、基本的に「脳を読む」アプローチで積み上げられてきました。脳が出力する信号をできるだけ正確に解読し、それをデバイスの動作に変換する。優れたデコーダーを作ること、高精度なセンサーを使うこと、これがBCI研究の主戦場でした。そのアプローチは侵襲型（脳に電極を埋め込む方式）では一定の成果を上げています。一方、非侵襲型、特にfMRIを用いた方式では長年の課題が解消されていませんでした。習得に最大10セッションの長時間訓練が必要で、それでも約3分の1のユーザーはコントロールを習得できないという現実がありました。
今回の研究が提示したのは、この「デコーダーの精度を上げる」という方向とは異なる問いです。「そもそも脳に、自然に生成しやすいパターンとそうでないパターンがあるのではないか。ならば、生成しやすいパターンに合わせてBCIを設計すればいいのではないか」という発想です。
この「生成しやすいパターンの集合」を研究者たちは「ニューラル・マニフォールド（神経多様体）」と呼びます。脳活動は高次元の空間を飛び回っているように見えて、実際にはある低次元の「道筋」の上を動いています。これが各個人に固有のマニフォールドです。研究チームはT-PHATEというアルゴリズムを使い、fMRIデータからそれぞれの参加者のマニフォールドをリアルタイムで抽出することに成功しました。
実験では、このマニフォールドに沿ったマッピングと外れたマッピングを意図的に比較しています。マニフォールドに沿った条件では、参加者は1時間未満でアバターの制御を習得しました。マニフォールドから外れた条件では、同じ時間内に全くコントロールできませんでした。この非対称性こそが、この研究の核心です。「BCIが機能しない」のは、ユーザーの努力や能力の問題ではなく、設計がその人の脳の構造に合っていなかった可能性がある、ということを示唆しています。
さらに興味深いのは、学習に伴って脳の活動パターン自体が再編成されたことです。BCIが求めることに合わせて、脳が内側から変化していったのです。この再編成は対象としていた脳領域の外にも広がっており、マニフォールドに沿った学習が脳全体に波及効果をもたらす可能性を示しています。
ただし、現時点でのこの研究の射程については冷静に見ておく必要があります。実験に使われたのはfMRIという、大型で高価な装置です。日常的なBCIデバイスとして使えるものではありません。参加者は健康な若年成人18名であり、運動障害や神経疾患のある方々への適用については別途の検証が必要です。また、マニフォールド抽出に使ったT-PHATEアルゴリズムが、fMRI以外の非侵襲的な計測手法（EEGなど）に応用できるかどうかも、今後の課題として残ります。
それでも、「脳の自然な幾何学的構造に合わせてBCIを設計する」という原理は、fMRI以外の神経テクノロジーにも適用可能なものとして研究者たちは位置づけています。脳の構造に逆らうのではなく沿って設計する、という思想の転換は、リハビリテーション、メンタルヘルス、認知トレーニングといった幅広い領域に影響しうる原理です。学習の個人差がなぜ生まれるのか、という問いへの一つの答えでもあります。
【用語解説】
ブレイン・コンピューター・インターフェース（BCI）
脳活動を計測し、その信号をコンピューターや外部デバイスの制御に直接変換する技術。侵襲型（脳に電極を埋め込む）と非侵襲型（fMRIやEEGなど体外から計測）に大別される。医療用途（麻痺患者の補助）から研究・ゲーム・認知トレーニングまで応用が広がっている。
fMRI（機能的磁気共鳴画像法）
脳の血流変化を計測することで、どの領域がいつ活動しているかを非侵襲的に可視化する技術。空間解像度はミリメートル単位と高いが、時間解像度は数秒単位にとどまり、また装置が大型・高価なため日常的な使用には向かない。
ニューラル・マニフォールド（神経多様体）
脳活動は理論上は非常に高次元のデータだが、実際にはある低次元の「道筋」の上を動いている。この自然に生じる幾何学的構造のことをニューラル・マニフォールドと呼ぶ。個人ごとに異なり、その人の脳が自然に生成しやすい活動パターンの集合を表す。
T-PHATE
今回の研究チームが開発したアルゴリズム。時系列のfMRIデータから各個人のニューラル・マニフォールドをリアルタイムで抽出する。データ拡散（data diffusion）という数学的手法に基づく。
ニューロフィードバック
脳活動をリアルタイムに計測し、その情報を視覚・聴覚などの形でユーザーにフィードバックすることで、脳活動を自己調節することを学習させる手法。今回の研究ではゲームのアバター動作としてフィードバックが与えられた。
【参考リンク】
Yale News – A brain-computer interface that works with, not against, the brain（外部）
今回の研究に関するイェール大学の公式プレスリリース。研究者のコメントや実験設計の詳細が豊富に掲載されている。
Nature Neuroscience – Human learning of noninvasive brain–computer interfaces via manifold geometry（外部）
今回の研究論文の掲載誌。アブストラクトは無料で閲覧できる。著者はErica L. Busch、E. Chandra Fincke、Guillaume Lajoie、Smita Krishnaswamy、Nicholas B. Turk-Browne ら。
Wu Tsai Institute, Yale University（外部）
今回の研究を率いたNicholas B. Turk-Browne氏が所長を務めるイェール大学の学際的研究機関。神経科学・認知科学・データサイエンスを横断する研究を行っている。
【参考記事】
Accelerated learning of a noninvasive human brain-computer interface via manifold geometry｜bioRxiv（外部）
Nature Neuroscience掲載論文のプレプリント版（2025年3月）。本文全体を無料で読むことができ、実験設計・手法・先行研究の文脈が詳細に記載されている。
【関連記事】
Science Corporation｜培養ニューロンで脳とつながる「バイオハイブリッドBCI」、米国初の臨床試験へ
一方、侵襲型BCIの世界では、脳に電極を刺す方式そのものを問い直す動きも始まっています。
Bin He教授ら、非侵襲的BCIで個別指制御に成功｜Nature Communications掲載の画期的研究
非侵襲型BCIの別のアプローチとして、EEGを使って指の動きを制御する研究も進んでいます。
ブレインコンピュータインターフェース標準化、中国主導でグローバル協力加速 – ITU AI for Good Summit 2025
BCIの設計原理が固まっていく一方、社会実装に向けた標準化の動きも始まっています。
【編集部後記】
「脳が学べないのは、設計が悪かったせいかもしれない」——この問い直しは、BCIの枠を超えて、教育や訓練の設計に関わる私たちにも響きます。「なぜあの人は習得が速くて、あの人は遅いのか」という問いに、努力や才能ではなく構造的な説明が加わったとき、私たちは何を変えられるでしょうか。
今回の研究が示したのは、「脳に合わせて設計する」という発想の転換です。これは、学習者を変えるのではなく、学習環境のほうを変えるという考え方とも重なります。教育・リハビリ・精神医療の現場で、私たちは長い間「学べない側」に原因を求めてきましたが、その前提を問い直す根拠が、神経科学の側から提示されつつあります。
もちろん、fMRIという大型装置を前提とした研究が、そのまま日常の学習や臨床に応用されるまでには、まだ多くのステップが必要です。それでも、「その人の脳の構造に沿った設計」という原理が、より手軽な計測技術と組み合わさったとき、何が変わるかを考えずにはいられません。私たちの学び方、教え方、治療の組み立て方が、脳の個人差を前提としたものへと変わっていく可能性を、この研究は静かに示しています。
