2026年9月、スイス連邦工科大学ローザンヌ校（EPFL）は『IEEE Journal of Solid-State Circuits』（JSSC）において、超低消費電力の極小埋め込み型チップ「LogSync」を発表した。システム全体の消費電力をわずか196マイクロワットに抑えつつ、32チャンネルの信号入力と機械学習エンジンをワンチップに集積している。従来のインプラント機器が単一の脳領域のみを観測対象としていたのに対し、LogSyncは脳領域間にまたがる同期リズムを体内チップ上で直接デコードするという、新たなアプローチを切り拓いた。
従来の神経調節（ニューロモデュレーション）は、脳を独立した部品の集まりとみなす傾向が強かった。臨床現場では特定の神経核に向けて持続的にパルスを照射し、症状を力任せに抑え込もうとしてきた。しかしLogSyncは着眼点を根本から変えた。脳領域間の通信状態そのものを、チップ上でリアルタイムに抽出・分類可能なデジタル指標へと仕立て上げたのだ。多くの精神疾患や神経障害の本質は、ネットワークの協調不全にある。真に刺激・調整すべき対象は孤立した物理的標的ではなく、領域間を結ぶ通信経路そのものである。
単一領域への孤立刺激では、複雑な感情の破綻を修復できない
脳深部刺激療法（DBS）は臨床で数十年使われてきた実績があるが、現行機器の主流は依然として開ループ（オープンループ）方式である。電極を特定の脳深部核に留置した後、機器はあらかじめ設定された固定周波数のパルスを絶え間なく出力し続ける。この常時刺激は患者の刻一刻と変化する脳状態を反映できず、内蔵バッテリーの早期枯渇や予期せぬ副作用を招くリスクが常に付きまとっていた。
先端機器の中にはセンシング機能を備えたものもあるが、その監視範囲は単一の標的部位に限定されている。局所電位を1本の電極で記録し、異常振幅を検知したときだけパルスを打つ仕組みだ。この単点アプローチはパーキンソン病の振戦抑制には極めて有効だった。しかし、うつ病や強迫性障害（OCD）といった複雑な精神疾患に対しては、期待されたほどの成果を上げられずにいた。
複雑な感情や精神状態は、特定の脳領域単独で完結するものではない。例えば前頭前野と扁桃体の間の機能的結合が損なわれると、深刻な感情制御不全が引き起こされる。単一部位の電極は局所ニューロンの発火を捉えることはできても、領域同士が位相を揃えて協調しているかどうかまでは見通せない。タイミングを無視した開ループ刺激では、ずれてしまった神経ネットワークの同期を修復することはできない。
図：約4×2mmサイズのLogSyncチップ実物。画像提供：EPFL / Lundi13（CC BY-SA 4.0）。
32チャンネルを196マイクロワットに凝縮：対数領域演算による劇的軽量化
脳内ネットワークの相互作用解析をインプラント内部に持ち込むには、厳格な熱と電力の制約をクリアしなければならない。生体組織への熱損傷を防ぐため、インプラント表面の温度上昇は1度未満に抑える必要があり、システム全体の消費電力は数百マイクロワット以下に制限される。しかし、従来の相関解析や位相同期解析には膨大な行列浮動小数点演算が必要であり、通常は数ミリワット以上の電力を消費するため、埋め込み型チップへの直接搭載は不可能とされていた。
EPFLの統合神経技術研究所（INL）は、この計算アーキテクチャを数学的アプローチから再構築した。チームはすべての信号処理を「対数領域（Logarithmic domain）」へと写像した。対数空間では、負荷の高い乗除算が単純な加減算に置き換わり、複雑な指数計算も線形ビットシフトへと退化する。高消費電力の乗算器を完全に排除したことで、計算オーバーヘッドの約9割を一挙に削ぎ落とすことに成功した。
この工夫により、LogSyncは4×2mmのシリコン上に完全なクローズドループ処理パイプラインを集積した。32チャンネルの低ノイズ・アナログフロントエンド、対数領域特徴抽出エンジン、そして適応型分類器が一体化されている。「VLSIシンポジウム2025」およびJSSC論文で開示されたデータによると、システム総消費電力はわずか196マイクロワットに抑え込まれている。
図：製造されたLogSyncシリコンダイの顕微鏡拡大写真。画像提供：EPFL / Lundi13（CC BY-SA 4.0）。
チップは2種類のネットワーク指標をリアルタイムに抽出する。各領域内の局所的な周波数パワー（振動強度）と、領域間の位相固定度（位相ダイナミクス）である。オンチップ分類器はこの2系統の特徴量を統合し、脳機能の状態を常時判別する。対数ハードウェア演算が膨大な計算負荷を圧縮したことで、頭蓋内における24時間常時駆動型の適応監視が工学的に現実のものとなった。
感情覚醒のオフライン識別とラット生体脳での位相同期刺激
研究チームは2つの実験によってチップの実証を行った。第1の実験では、過去の精神医学臨床研究で記録されたヒト頭蓋内脳波データセットを用いた。データには、認知的負荷（作業集中度）の変化を記録したタスクと、感情を喚起する映像を視聴した際の情動的覚醒（Arousal）を捉えたタスクが含まれていた。
LogSyncのアルゴリズムは、脳領域間の位相同期特徴量のみを手がかりに、異なる認知負荷レベルと感情覚醒の度合いを高精度に識別することに成功した。表情分析や心拍数といった外部生体センサーの支援を一切受けず、脳内信号だけで感情の高まりを捉えられたことは大きな成果である。このオフライン検証は、領域間の位相同期性が情動状態の定量的なデジタル指標として機能することを実証した。
第2の実験は、米ミネソタ大学との共同研究としてラット生体脳で行われた。麻酔下のラット運動皮質にプロトタイプチップを接続し、リアルタイムでの神経インタフェース実験を実施した。チップは皮質振動のリズムを瞬時に捉え、あらかじめ指定した波形位相に合わせて刺激パルスを即座に出力した。システムはマイクロ秒オーダーの超低遅延で応答し、神経リズムに同期した精密な介入能力を示した。
図：マサ・ショアラン（Mahsa Shoaran）教授とEPFLジュネーブキャンパスのINL研究チーム。画像提供：EPFL / Lundi13（CC BY-SA 4.0）。
神経ネットワーク全体を調律：適応型パルスが切り拓く新たな治療戦略
本プロジェクトは、米国国立精神衛生研究所（NIMH）から660万スイスフラン（約11億円規模）の助成を受けて進められている。難治性うつ病、PTSD、強迫性障害など、薬物療法が効きにくい精神疾患に対する新たな物理的治療法を確立することが主眼である。INL研究チームはこれまでにも、脳波から文字を読み取る思考入力インターフェースや低電力神経調節システムを精力的に開発してきた。
今回の成果は、脳のセンシング対象を静的な解剖学的部位から、動的な領域間コミュニケーションへと引き上げた点に意義がある。INLを率いるマサ・ショアラン准教授は、機械学習トップカンファレンス「ICML 2026」にて自己教師あり神経デコードモデル「RECTOR」を発表するなど、行動レベルでの特徴量抽出技術も並行して進化させている。さらに同研究室発のスタートアップ「Infera Neuro」を通じて、ハードウェアの早期実用化と治験推進が既に始まっている。
制御ロジックの変革は、電気刺激の在り方を根本から変える。機器がネットワークの協調破綻をリアルタイムで検知できるため、24時間パルスを打ち続ける力任せの照射は不要になる。領域間の同期が崩れかけた決定的な瞬間にのみ、ごく微弱なパルスを送り込んで位相を整える。こうしたピンポイントの適応介入は、バッテリー寿命を飛躍的に延ばすだけでなく、持続刺激に伴う神経組織の耐性化や感度低下のリスクを大幅に軽減する。
過去データから生体治験へ：臨床応用への課題
優れたハードウェアエネルギー効率を達成したとはいえ、実際の医療応用までには乗り越えるべきハードルが少なくない。現時点での感情デコード性能は、過去の臨床データセットを用いたオフライン再生評価に基づいている。覚醒して日常生活を送るヒトの脳内には、体動アーチファクトや電極界面の経時ドリフト、雑多な認知活動が常に混ざり合う。オンライン・リアルタイムで安定して感情を読み解く難易度は、オフライン検証の比ではない。
また、ラット実験で実証された位相同期制御は運動皮質を対象としたものであり、精神疾患の動物病態モデルではない。位相のずれを電気的に補正することで、ヒトの抑うつや不安症状が実際に緩和されるのかについては、今後の二重盲検臨床試験による検証を待つ必要がある。
研究チームはLogSyncを、侵襲的DBSにとどまらない汎用ニューロモデュレーション基盤と位置付けている。超低消費電力の対数演算アーキテクチャは、経頭蓋電気刺激（tES）や集束超音波（FUS）といった非侵襲デバイスへの組み込みにも容易に展開可能である。
LogSyncは、わずか数百マイクロワットの極小シリコンでも脳内ネットワークの高度な動態解析が可能であることを実証した。神経調節の照準を物理的な点から情報通信の線と面へと移行させたことで、精神医学は新たな地平を迎えている。工学的介入の鍵は、脳領域同士が奏でる繊細な電気的ハーモニーを整えることにある。
参考リンク：
- EPFL公式ニュース：Neural chip decodes interactions between brain regions
- IEEE JSSC論文：LogSync: A Low-Power Logarithmic SoC for Cross-Regional Synchrony Extraction and Adaptive Psychiatric State Classification
- EPFL統合神経技術研究所（INL）研究室ページ：INL Research
