AIが脳の「隠れた配管」を解明 老廃物排出に2つのスピードが存在

具体的には、脳組織に広がる造影剤のタイムラプスMRI動画をAIに学習させました。この時の最大のポイントは、単に画像データを覚えさせるのではなく、流体力学の基礎方程式（ナビエ・ストークス方程式など）も同時に制約条件として与えたことです。これにより、AIは物理法則に従わない非現実的な予測を除外し、観測データからは直接得られない二つの重要な情報、すなわち「流体の局所的な流速」と「周囲の脳組織の浸透性」を推測できるようになったのです。

表面は高速道路、深部はあぜ道：二段階の排出システム

AIによって明らかになった流速マップは、部位によって驚くべき違いを見せました。

• 脳表面の高速流: 頭蓋骨と脳の間にある「くも膜下腔」のような開けた空間では、脳脊髄液は毎秒数ミクロンの速度で比較的速やかに流れ、主要な動脈に沿って効率的に老廃物を集めています。
• 組織深部の低速流: 一方、脳の実質組織（神経細胞が密集する領域）に染み込んだ液は、表面に比べて約50分の1という極めてゆっくりとした速度で浸透していきます。

この二段階のスピードは、生理学的にも理にかなっています。脳の表面は流れの良い「分配ネットワーク」として機能し、組織深部は流れにくいため、圧力差が小さくとも脳全体に液を灌流できると考えられます。この構造は、ケリー教授の以前の理論モデルが予測していた「低抵抗の血管周囲腔と高抵抗の実質組織の組み合わせ」と完全に一致するものです。今回のAIによる計測は、この理論を生体で直接証明した画期的な成果と言えるでしょう。

組織の「浸透性」を測るという新たな指標

グリンパティックシステム研究におけるもう一つの大きな未解決問題が、脳組織の「浸透性」でした。これは、組織がどれだけ流体を通しやすいかを示す指標です。今回開発されたAIフレームワークは、質量保存の法則などの物理拘束を用いることで、この浸透性も同時に推測することを可能にしました。

脳組織の浸透性の変化は、病理の初期マーカーとなる可能性があります。例えば、組織が流体を通しにくくなれば、老廃物の排出は滞ってしまいます。この特性を非侵襲的なMRIから測定できるようになれば、神経変性疾患の超初期段階を捉える、まったく新しい窓が開かれるかもしれません。

マウスからヒトへ：現状の課題と今後の展望

非常に重要な点ですが、今回得られたデータはすべて動物モデル、特にマウスを用いた基礎研究の段階にあります。ヒトの脳をイメージングするとなると、サイズの違い、撮影時間の長さ、臨床的に安全な造影剤の必要性など、乗り越えるべきハードルは少なくありません。研究チームはヒトへの応用に向けて積極的に開発を進めていますが、臨床応用にはまだ時間がかかります。

臨床応用への期待

こうした課題はあるものの、今回の成果がもたらす臨床的な可能性は計り知れません。将来的に、標準的なMRI検査でグリンパティックシステムの機能を直接測定できるようになれば、以下のような革新が期待されます。

• アルツハイマー病の早期発見: グリンパティックシステムは睡眠中にアミロイドβを洗い流す役割を担っています。もしこのAI技術がヒトに応用できれば、アルツハイマー病患者の脳内で老廃物の排出機能が低下しているかを測定したり、さらにはプラークが蓄積する前の健康な段階で、排出機能の低下リスクをスクリーニングしたりできるかもしれません。
• 脳震盪や外傷性脳損傷の診断: 脳震盪は脳内の流体力学を乱す可能性がありますが、現在のところ、その乱れを直接評価する手段はありません。今回のAI流速測定技術は、頭部外傷後のグリンパティックシステムの機能不全を定量的に評価するツールとなり得ます。
• 老化研究: グリンパティックシステムによる老廃物の排出機能は加齢とともに自然に低下し、認知機能の衰えに寄与します。若齢と老齢の脳の流速を直接比較することで、この低下の物理的メカニズムが解明され、介入法の開発につながる可能性があります。

さらに、この手法はイメージング以外にも応用可能です。研究グループはすでに、時間変化を考慮したモデルに拡張し、グリンパティックネットワークでの薬物送達シミュレーション研究も開始しています。

物理学に導かれたAIは、研究者たちに脳の「隠れた排水システム」が実際に機能している様子を初めて見せてくれました。今回発見された二段階の流速マップは、脳が自らをいかに清潔に保っているか、そして、そのシステムが破綻したときに何が起こるのかを理解するための、定量的な基盤となるのです。