イメージとEEGベースの機械学習を用いた音楽の馴染み度の客観的評価

頭の中の曲が重要な理由

多くの人は、音楽が止んだあとでもお気に入りの曲が心の中で流れ続ける経験をしたことがあるでしょう。本研究は大胆な問いを投げかけます：音がまったく聞こえない静かな瞬間の脳活動だけから、ある人がよく知っている曲を想像しているのか、それともまったく聞いたことのない曲を想像しているのかを判別できるでしょうか？脳波記録と機械学習を用いて、研究者たちは、音が耳に届いていないときでも、脳が音楽の馴染み度に関する明瞭で測定可能な署名を保持していることを示します。

音楽が突然静かになる瞬間を聴く

この隠れた心のサウンドトラックを探るために、研究チームは正式な音楽教育を受けていない成人20人を募集しました。各参加者は母語でよく知っている人気曲を5曲選びました。研究者はこれらに対して、あまり知られていないアーティストの似た雰囲気の未聴曲をそれぞれ対応させました。実験では、参加者はこれら10曲の2分間の抜粋を聞き、その間に200以上の電極を備えた高密度キャップで脳活動が記録されました。予告なしに、各曲にはところどころ短い2秒の無音ギャップが散りばめられていました。参加者には注意深く聞くようにだけ指示され、何かを意図的に想像するようには指示されませんでしたが、後でその欠落部分をどれだけ容易に心の中で埋めたかを評価しました。

静かな瞬間の脳波を読む

重要な測定は、これら短い無音の間に記録された脳波から得られました。音が存在しないため、馴染みのある曲と馴染みのない曲の間の違いは、記憶、予測、あるいは自発的な音楽イメージのような内部で生成された活動に由来するはずです。研究者は電気信号からノイズを除去し、各無音ギャップを中心に短いセグメントに切り出しました。次に、これらの複雑な波形を数値的特徴に変換し、単純なリズム様特性から、時間を通じて異なる脳領域がどのように共変動するかを示すより豊かなマッピングまでを捉えました。

馴染みの曲を機械に見分けさせる

次に、チームはコンピュータアルゴリズムを訓練して、無音区間が馴染みのある曲に続くものか、馴染みのない曲に続くものかの違いを学習させました。各人について、脳や音楽的履歴が聴取者ごとに異なることを反映して、個別のモデルを構築しました。一連のモデルは、記憶や内的注意に関連するいわゆるシータやアルファといった周波数帯における脳波強度の古典的尺度を用いました。より高度な第二のアプローチは、電極間の結合パターンを曲がった数学的空間上の点として扱い、その構造を保ったままこの空間を平坦化してから分類器に入力するものでした。全体として、この第二の戦略が馴染み度をより正確に区別することを可能にしました。

静かな音楽が脳のどこにあるか

研究者がコンピュータの判断に最も影響した電極を調べたとき、明確な図が浮かび上がりました。頭の側面にある聴覚領域上の信号、特に右側が有用な情報の大きな部分を担っていました。前頭部に向かう領域も重要な役割を果たし、これらの領域間の結合パターンが特に情報量が多かったのです。この配置は、馴染みのある音楽が聴覚領域を記憶や制御ネットワークと結びつけ、旋律がどのように展開するかを予測する助けになるという、従来の脳画像研究と一致します。興味深いことに、参加者自身の、どれほど鮮明に音楽を想像したかやどれだけ馴染み深く感じたかという評価は、モデルの性能を強く説明するものではなく、これは意識的な報告を超えた微妙で自動的な過程が捉えられていることを示唆します。

記憶とマインドリーディングへの意味

この研究は、精巧に配置された無音の間に脳を「聞く」ことで、その人が心の中でよく知っている曲を聴いているのか未知の曲を聴いているのかを約75％の精度で判別できることを示しています。現時点では、これは高度な実験機器で記録した少数の健康な若年成人を対象とした概念実証に過ぎません。しかし、お気に入りの曲と静かな瞬間だけで音楽記憶――おそらくは他の形の記憶も――を患者に質問したり課題を与えたりせずに評価する将来のツールの可能性を示唆します。より大規模で多様な集団で再現され、より簡便な脳記録システムに適応されれば、このアプローチはいつの日か、認知症のような状態における記憶変化を追跡する助けになるかもしれません。

引用: Darçot, B., Nicolier, M., Giustiniani, J. et al. Objective assessment of familiarity in music using imagery and EEG-based machine learning. Sci Rep 16, 8689 (2026). https://doi.org/10.1038/s41598-026-41988-0

キーワード: 音楽記憶, EEG, 脳波, 機械学習, 音楽の馴染み度