|
脳卒中片麻痺に対するリハビリテーションでは学習性不使用などの代償行動が顕著なため目標となる運動の訓練が困難になる．皮質脊髄路の再編成に着目した従来型神経リハビリテーション研究では，この学習性不使用の神経基盤を明らかにすることは出来なかった．そこで本研究では，研究代表者が確立した「運動学習の再最適化原理」に基づいて，運動野・小脳・基底核が担う異なる３種類の学習アルゴリズムのバランスに着目した新しい機能回復モデルを構築し，学習性不使用のメカニズムをシステム工学の立場から解明する．この工学的モデルを用いれば，行動から潜在的な不使用を推定し，それをロボットリハビリテーションに反映させることで不使用を克服・予防することが可能である．この新しいアプローチに基づいて，代償行動の統制を目的とする「計算論規範型ロボットリハビリテーション」の研究基盤を確立する。
これまでに、リハビリテーションロボットの開発ならびに双碗化を実施した。また、一次運動野における運動の集団符号化に基づく運動生成モデルと強化学習モデルを組み合わせた機能回復の計算モデルを作成した。この計算モデルは、運動野のニューロンの一部を疑似的に取り除くことにより、脳卒中を模擬することができる。そして、学習アルゴリズムによって、損傷を受けていないニューロンの至適方向を学習し、代替機能を獲得することができる。さらに強化学習アルゴリズムとの組み合わせによって、回復の過程において行動の選択を変化させることができる。リハビリテーションにおいて、「学習性不使用」が問題となるが、提案モデルによって、「学習性不使用」をシミュレーションすることが出来た。また、「学習性不使用」を避けるリハビリテーション訓練の手法を提案した。
さらに、学習能力増強のメカニズムに関する理論モデルの提案と実証を行った。
|
