AI生成の合成ニューロンが脳マッピングを加速
Google Researchチームは、AIを用いて合成ニューロン形態を生成するMoGenモデルを開発し、脳再構築のエラー率を4.4%低減しました。マウス全脳規模では、157人年の手動校正を節約できます。
コネクトミクス（脳配線マッピング）は、複雑な神経回路網の理解を目指す分野です。ショウジョウバエの全脳マップが達成されたものの、哺乳類やヒトの脳マッピングは依然として困難です。Google Researchの新たなMoGenモデル（ニューロン形態生成モデル）は、AIを用いて合成ニューロンを生成し、再構築モデルの精度を向上させます。
コネクトミクスでは、脳組織の薄切画像をスタック・整列・セグメンテーションし、2D画像から3Dニューロンを再構築します。AIモデルが支援するものの、分割エラーやマージエラーが発生し、人間の専門家による校正が必要です。MoGenは点群フローマッチングを用いて、ランダムな点群をリアルなニューロン形状に変換。過去に人間が検証したマウス皮質データで訓練され、生成された合成ニューロンは専門家でも実物と区別できません。
PATHFINDERモデルにMoGenの合成データを10%追加したところ、再構築エラーが4.4%減少しました。主にマージエラーの低減によるものです。この改善はマウス全脳（約7000万ニューロン）で157人年の手動校正に相当します。
MoGenは異なる種（キンカチョウ、ショウジョウバエ）のニューロンも生成できます。将来は、エラーが発生しやすい形状を重点的に生成し、合成ニューロンを用いた合成電子顕微鏡画像の生成も検討しています。
この研究成果はICLR 2026で発表され、モデルと種特化バージョンはオープンソースとして公開されています。完全なマウス脳マッピングなどの大規模プロジェクトへの応用が期待されます。