ラトガース大学は2026年11月20日、頭皮から測定した脳波で画面上の文字や語句を選択する非侵襲型の研究用システム「ChatBCI-Assist」を紹介した。健常者10人を対象とした実験では、大規模言語モデル(LLM)の予測候補を利用することで、指定された文章を一字一句再現する課題で平均19.7文字/分、同じ意味を伝えればよい課題で平均30.7文字/分を記録した。ただし、この2つの課題では文章の完成条件が異なるため、数値の差をそのままシステムの性能向上とみなすことはできない。

研究成果は、Jiazhen Hong氏、Pradyumna Rao氏、Weinan Wang氏、Laleh Najafizadeh氏による査読済み論文として、2026年8月号の『IEEE Transactions on Biomedical Engineering』に掲載されている。研究チームは入力速度だけでなく、利用者が伝えようとした意味をどれだけ効率よく伝達できるかを測る新たな評価方法も提案している。

AD

頭皮の脳波で画面の候補を選ぶ仕組み

ChatBCI-Assistは、頭皮に装着したセンサーで脳波(EEG)を測定し、その信号を使ってコンピューターを操作するブレイン・コンピューター・インターフェース(BCI)だ。利用者は脳波測定用のキャップをかぶり、画面に表示された文字や語句から入力したい項目に注意を向ける。画面では文字や語句が配置された行と列が順番に点滅し、利用者が注目する項目を含む行や列が光ると、典型的には約300ミリ秒後に「P300」と呼ばれる脳波の反応が現れる。システムはこの反応と画面の点滅タイミングを照合し、利用者が選ぼうとした項目を推定する。

従来のP300方式では、選択したい文字を一つずつ指定して文章を組み立てる必要があり、長い文章を入力するには多くの操作を繰り返さなければならなかった。ChatBCI-Assistでは、LLMがそれまでの入力内容や文脈をもとに、続きに適した単語や複数語からなるフレーズをリアルタイムで提案する。目的の表現が候補にあれば、一度の選択で複数の文字を入力できる。適切な候補がなければ、利用者は次の文字を選び、入力を続けられる。また、脳波から選択先を判定する際に必要な点滅の反復回数を調整する「適応的停止方式」も導入し、操作の効率化を図っている。

研究チームは、筋萎縮性側索硬化症(ALS)の患者が日常生活で使う表現を集めたデータを利用し、既存のLLM「Llama」をLoRA(Low-Rank Adaptation)という手法で追加学習した。モデルは利用者のコンピューター上で動作するため、文章の予測候補を生成する際に、入力内容を外部のクラウドサービスへ送信する必要がない。大学は具体例として、「水が欲しいです」と伝えたい利用者が、AIの提案する「水をください」という表現を選択する場面を挙げている。文章を一字一句再現しなくても、意図した用件を伝えられるという考え方だ。

逐字転記と意味伝達では課題の条件が異なる

研究チームがGitHubで公開した実験ログのREADMEによると、実験は2025年に健常者10人を対象として実施された。参加者は全員、装置をリアルタイムで操作し、3種類の条件をそれぞれ1回ずつ試した。条件の実施順は参加者ごとに無作為に決められ、それぞれの条件で3つの課題に取り組んだ。うち2つはLLMの学習に使用していない文章を入力する課題で、残る1つでは、無作為に割り当てられた話題に沿って参加者自身が文章を考えた。各課題の制限時間は10分で、ログ分析では制限時間内の最後の記録を終了時点として扱っている。

実験では、従来の辞書式予測とLLMによる予測を比較するとともに、文章をそのまま再現する「逐字転記」と、同じ意味を別の表現で伝える「意味伝達」の違いを調べた。辞書式では、LLMの学習用データに含まれる846種類の単語から候補を絞り込み、画面に6つ表示する。一方、LLMを使う方式では、単語だけでなく複数語からなるフレーズも候補として表示される。

条件 候補の生成方法 課題の成功条件 平均入力速度
辞書式の逐字転記 辞書による単語予測 原文と一字一句一致 絶対値を確認できず
LLMによる逐字転記 LLMによる単語・フレーズ予測 原文と一字一句一致 19.7文字/分
LLMによる意味伝達 同じLLMによる単語・フレーズ予測 同じ意味を伝える(言い換え可) 30.7文字/分

平均入力速度はラトガース大学の研究ポータルに掲載された論文抄録に基づく。

辞書式とLLMによる逐字転記では、どちらも指定された文章との完全一致が求められた。ただし、LLMを使う条件では複数語のフレーズを一度に入力でき、参加者にもフレーズ候補を積極的に使うよう促している。そのため、両条件の比較には予測方法だけでなく、一度に入力できる語数や操作に関する指示の違いも含まれる。

同じLLMを利用した2つの条件では、逐字転記の平均19.7文字/分に対し、言い換えを認める意味伝達は平均30.7文字/分となった。研究チームの報告では、AIによる予測候補を使い、文章の厳密な再現を求めないことで、より少ない操作で用件を伝えられたことになる。一方、これらの結果だけでは、LLMによる候補生成と適応的停止方式がそれぞれ入力速度にどの程度寄与したかは分からない。また、公開された論文抄録と実験ログのREADMEだけでは、速度の詳細な集計方法や参加者間のばらつきまでは確認できない。

AD

伝えた意味と操作の負担をどう測るか

従来のBCIでは、文字の選択精度や1分間に入力できる文字数、情報伝達率などが性能評価に使われてきた。しかし、言い換えによる意思伝達を認める場合、入力した文字数だけでは実際の通信効率を十分に評価できない。同じ用件を短いフレーズで伝えられれば、入力した文字数が少なくても目的を達成できるためだ。

そこで研究チームは、入力された文章と目標となる文章の意味的な近さを評価に取り入れた「意味情報伝達率(Semantic Information Transfer Rate:SITR)」を提案した。論文抄録によると、ChatBCI-AssistのSITRは147.1ビット/分だった。また、推定情報伝達率(ITR)の平均は105.2ビット/分、文字単位で計算した全体の相互情報量率(MIR)は52.9ビット/分と報告されている。いずれもビット/分という単位を使用するが、評価対象や計算方法が異なるため、数値を直接比較することはできない。特にSITRで文章間の意味的な近さを計算する具体的な手順は、公開抄録だけでは確認できない。

研究チームは各条件の終了後、NASA-TLXなどの質問票を使い、参加者が感じた操作の負担や使いやすさも調査した。大学の発表によると、参加者はAI支援によって操作の負担が軽減したと回答し、意味伝達方式は辞書式の逐字転記より使いやすいと評価した。論文名とDOIをもとに確認できる範囲では、同じ条件による独立した追試は報告されていない。

2026年11月20日の発表時点で、ChatBCI-Assistの評価対象は健常者に限られており、ALS患者を対象とした臨床評価は計画段階にある。研究を率いるラトガース大学のLaleh Najafizadeh教授は、同大学ロバート・ウッド・ジョンソン医学院のALS専門外来で医療責任者を務めるShan Chen氏と協力し、患者が実際に使用する際の実用性や快適さを調べる予定だ。患者が自分の意図に合った候補を選択できるか、長時間の操作による負担を抑えられるかが、日常生活での利用を評価するうえで重要になる。