4歳の娘が駆け込み、画面に「チーター」が現れた瞬間
家族が食卓を囲んで会話を弾ませているとき、相づちを打つのにかかる時間はわずか0.5秒ほどだ。しかし、視線入力装置を使って一文字ずつ言葉を紡ぐ発話障害患者の場合、ひとつの文章を打ち終えるのに数分を要する。文字が画面にようやく並んだころには、周囲の話題はとうに別の話へと移り変わっている。
カリフォルニア在住の47歳、ケイシー・ハレル（Casey Harrell）氏は、何年ものあいだこのもどかしさに耐えてきた。2020年、彼は筋萎縮性側索硬化症（ALS）の診断を受けた。運動ニューロンが変性し、全身の筋肉が徐々に麻痺・萎縮していく難病だ。病勢の進行に伴って唇や舌の筋力は奪われ、ハレル氏が1分間に絞り出せる言葉はわずか6語にまで落ち込んだ。日常の会話はほぼ停止し、自宅で彼の意図を汲み取れるのは、懸命に表情や息遣いを推し量る妻と専従の介護者だけだった。
2023年夏、ハレル氏はカリフォルニア大学デイビス校で脳内インプラント手術を受けた。脳の表面に4つの微小チップを留置し、発話を司る神経信号を直接捉える試みだ。装置に接続した2日目の午後、4歳になる娘がチーター柄のロンパースを着て部屋に駆け込んできた。ハレル氏の脳裏に「話しかけよう」という意図が浮かんだ瞬間、そばに置かれたスピーカーからクリアな声が響いた。「小さなチーターを探しているんだよ」
モニター越しに見守っていた研究者たちは、一瞬息を呑んだ。デコードアルゴリズムが偶発的なエラーを出したのではないかと疑ったからだ。だがビデオ映像のなかに無邪気に跳ね回る少女の姿が映し出された瞬間、実験室は大きな歓声に包まれた。アルゴリズムの誤作動などではない。父親が、目の前の娘へ確かに言葉を返していたのだ。
図：ブレイン・コンピュータ・インターフェースが失語患者の発話をいかに蘇らせたかを追うScience Newsポッドキャスト。出典：Science News / PRX。
256本の電極が捕捉する「発声指令」の正体
ブレイン・マシン・インターフェース（BCI）と聞くと、多くの人は「思考そのものを読み取る技術」を想像しがちだ。だが実際には、BCIは抽象的な思索を解読しているわけではない。研究チームが一貫して照準を合わせたのは、脳から調音器官の筋肉に向けて発せられる具体的な運動指令だった。
日常の「発話」は、極めて緻密で高度な身体運動だ。ひとつの音节を発するだけでも、脳は数十ミリ秒のあいだに100以上の微細な筋肉を連動させる。唇、舌、顎、そして声帯が寸分の狂いもなく調和して動かなければならない。ALSは神経から末梢筋肉への伝達ルートを寸断するため喉は動かなくなるが、大脳皮質の発声中枢そのものは健康なままだ。患者が声を出そうと試みるたび、神経中枢は全力で筋制御パルスを送り続けている。
医療チームは、幅わずか数ミリのシリコンチップからなる微小電極アレイを4つ採用した。これらを左半球の言語運動野（調音筋肉をコントロールする脳領域）の表面に配置。髪の毛よりも細い計256本の電極針が、皮質表面から2ミリに満たない深さに挿入された。ハレル氏が脳内で唇や舌を動かそうとするだけで、電極が神経の発火パターンを捉える。筋肉へと届くはずだった運動指令が、神経の発生源で正確にインターセプトされたのだ。
脳信号を39個の「音素ブロック」に解体する
捕捉した神経信号を、いかにして日常言語へと変換するのか。研究チームが導入したのは、言語学の最小構成単位だった。
英語の日常語彙は、音のレベルに分解するとわずか39個の「音素（phoneme）」に還元できる。たとえば「hello」と挨拶しようとするとき、脳内では4つの連続した発声動作が順にトリガーされている。この原理により、デコードアルゴリズムの役割は明快になった。電極が検知した神経発火を、まずは39個の音素ブロックへと分類する。続いて大規模言語モデルが介入し、音素の並びを正しい単語や文章へと組み上げる。果てしない思考推論を避け、ルールが明確なパズルゲームへと問題を絞り込んだのだ。
装置稼働初日、ハレル氏が行った基礎トレーニングはわずか30分だった。頻出50語のテストにおけるデコード正解率は99.6%に達した。2日目、チームは辞書規模を一気に12万5,000語へと拡張した。一般的な成人の語彙数は2〜3万語程度であり、12.5万語といえば分厚い本格辞典に匹敵する。その膨大な語彙を前にしても、初期正解率は90.2%を維持し、数カ月後には97.5%で安定した。脳信号を有料な音素単位に細分化したからこそ、辞書レベルの日常会話を受け止められるスケーラビリティが生まれた。
過去の録音から甦った「自分自身の声」
意図を文章に変換できることと、血の通った対話ができることの間には大きな隔たりがある。従来の音声支援システムの多くは、無機質な合成音声に依存してきた。抑揚のない平板なトーンは、まるで機械がマニュアルを読み上げているかのような冷たさを感じさせる。
ハレル氏が望んだのは、「自分自身の声」を取り戻すことだった。研究チームは彼が罹患する前に出演したインタビュー映像や、過去に収録していた高音質ポッドキャストの音声データを収集。機械学習アルゴリズムによって、当時の音色、声の張り、口調の癖を抽出した。こうして彼専用のパーソナライズド音声モデルが構築された。神経信号から組み上げられた文章は、かつてのハレル氏そのものの声となってスピーカーから流れ出す。機械の代弁ではない。彼は再び、自分自身の肉声で家族に語りかけられるようになった。
図：ブレイン・コンピュータ・インターフェースを通じて画面上にリアルタイムで表示される言葉を確認するハレル氏。出典：UC Davis Health。
システムの応答遅延は約80ミリ秒にまで圧縮された。人間が一度瞬きをするのにかかる時間は100〜400ミリ秒とされる。80ミリ秒という数値は瞬きよりも速く、人が自ら口を開いて自分の声を耳で捉える自然なフィードバック遅延とほぼ同等だ。この即時性により、会話本来のテンポとキャッチボールが息を吹き返した。親しみのある声が数十ミリ秒で響くことで、患者はかけがえのない自己のアイデンティティを取り戻した。
2年間で196万語、ふたたび家族の日常へ
研究室でのデモンストレーションの成功と、在宅での日常運用との間には険しい壁が存在する。2026年6月、『Nature Neuroscience』誌に長期追跡データが掲載された。ハレル氏は約2年間にわたり、自宅で誰の手を借りることもなく計3,800時間以上このシステムを運用した。1日10〜14時間稼働させ、紡ぎ出した文章は18万3,060文、発話した単語数は累計196万163語に及ぶ。通算での文単位正解率は92%に達し、発話速度は毎分56語を記録した。
この速度は、生活を一変させる決定的な意味を持つ。健常者の日常会話スピードは毎分120〜150語程度だ。罹患後のハレル氏の自然発話速度が毎分わずか6語だったことを思えば、毎分56語という数値は健常時の3分の1以上の水準まで回復したことを意味する。短い返答を打つために何分も黙り込む必要はなくなり、夕食の席で交わされる自然な雑談へ即座に参加できるようになった。
もちろん、現時点では物理的な代償も残されている。頭頂部には2つの微小コネクタが露出し、専用ケーブルで外部のPCや電源と接続し続ける必要があるため、移動の自由には制限がある。現在、これほど高頻度で音声プロテーゼを日常利用している患者は、世界でもハレル氏ひとりだけだ。
しかし、技術がもたらした真の価値は、日々の何気ない瞬間のなかにこそ息づいている。インタビューのなかでハレル氏は、4歳の娘と何気ないおしゃべりを楽しみ、妻といつでも心を通わせ、旧友たちとブラックジョークを交わせる幸せを噛みしめるように語った。
思考を一度文字に落とし込む間接的なアプローチを排し、発話の運動意図をダイレクトに読み解く。それによって、失語を抱えた人々は対話のスピードを取り戻した。キー入力から「即時の発話」へ。居間に再び響き渡った自らの声は、ハレル氏に父親として、そして夫としての揺るぎない尊厳を取り戻させたのだ。
参考リンク：
- Science News ポッドキャスト報道：脳で発話するとはどのような体験か。
- Nature 論文：ALS患者における高精度・リアルタイム音声プロテーゼの研究。
- カリフォルニア大学デイビス校ヘルス：ALS患者のリアルタイム発話を可能にした先駆的技術。
