低強度ホワイトノイズは聴覚ワーキングメモリ課題のパフォーマンスを向上させる。fMRIを用いた研究

Low intensity white noise improves performance in auditory working memory task: An fMRI study

www.ncbi.nlm.nih.gov/labs/pmc/articles/PMC6819787/

2019年9月13日オンライン公開

Elza Othman,a,b,∗∗ Ahmad Nazlim Yusoff,b,∗ Mazlyfarina Mohamad,b Hanani Abdul Manan,c Vincent Giampietro,d Aini Ismafairus Abd Hamid,e Mariam Adawiah Dzulkifli,f Syazarina Sharis Osman,c and Wan Ilma Dewiputri Wan Burhanudding

概要

ホワイトノイズは、stochastic resonance（確率的共鳴）を介して聴覚ワーキングメモリのパフォーマンスを向上させる可能性があるという研究結果が発表された。確率的共鳴は、ノイズ強度の関数として認知能力をプロットすることで定量化される。つまり、適度なノイズはパフォーマンスに有益であり、低すぎるノイズや多すぎるノイズはパフォーマンスを低下させる。しかし、脳、特に聴覚ワーキングメモリの神経回路において、確率的共鳴が起こるために必要な最適な信号対雑音比（SNR）に関する知見は限られており、さらなる調査が必要である。本研究では、ホワイトノイズが聴覚作業記憶のパフォーマンスに与える影響についての先行研究を拡張し、複数のバックグラウンドノイズレベルを含めることで、ストキャスティック・レゾナンスの逆U字カーブを描き出した。機能的磁気共鳴画像（fMRI）を用いて、20人の健康な若年成人が、4つの信号対雑音比の条件で、単語ベースの後方想起スパン課題を行った。SNRが15,10,5,0dBの4条件で行った。その結果、前頭葉皮質、一次聴覚皮質、前帯状皮質の活性化が,0dB SNRで活性化とパフォーマンスが低下することを除いて、すべてのノイズ条件で有意な行動改善と増加を示した。信号対雑音比の関数としてプロットすると、行動およびfMRIデータは、ノイズベネフィットの逆U字型カーブを示した。さらに、5dB SNRでは、右上前頭回（SFG）の活動とパフォーマンスの間に有意な正の相関が見られた。SRが聴覚ワーキングメモリのパフォーマンスに影響を与えるという予測された現象が確認された。本研究の結果から、聴覚ワーキングメモリのパフォーマンスを向上させるための最適なSN比は、10〜5dBのSN比以内であること、右SFGが聴覚ワーキングメモリのパフォーマンス向上に関わる戦略的構造である可能性が示唆された。

キーワード

脳科学、心理学、教育、聴覚性ワーキングメモリ、ホワイトノイズ、強度、ストキャスティック・レゾナンス、MRI

1. はじめに

ワーキングメモリは，情報を一時的に記憶し，操作するための中枢的な実行プロセスの一部である[1]。ワーキングメモリが十分に機能していることは，学習や学業のパフォーマンスにとって極めて重要である[2]。音や音声などの聴覚情報は，聴覚ワーキングメモリ（AWM [3]）と呼ばれるサブシステムによって処理される。従来，騒音はAWMのパフォーマンスを低下させる干渉と考えられてきた[4]。雑音は，雑音と有用な情報との間の注意資源の競合により，人の注意を目標タスクからそらすと考えられてきた[5]。しかし，適度なレベルのノイズには，認知処理を促進する能力があることも研究で示唆されている[7, 8, 9, 10]。外部からノイズを加えることで認知パフォーマンスが向上する現象は，ストキャスティック・レゾナンス（stochastic resonance）（SR [11]）と呼ばれている。SRは，認知パフォーマンスの検出値を外部ノイズレベルの関数としてプロットすることで定量化される[5]。このプロットは、逆U字カーブの関数として現れ、パフォーマンスは中程度のノイズレベルでピークに達する[12]。

認知処理を向上させる最適なホワイトノイズレベルは、個人によって異なる可能性があることに留意する必要がある。例えば，注意欠陥多動性障害（ADHD）の子どもや，クラス担任から不注意と評価された子どもは，ホワイトノイズにさらされている間に認知能力が有意に向上したが，健常な子どもには有意な効果はなかった[7, 8]。ホワイトノイズの効果が個人間で異なることは，moderate brain arousal model (MBA [13])で説明できる。MBAモデルは，認知能力の個人差が背景の神経雑音のレベルと関連すると仮定している[14]。また，MBAモデルでは，亜不注意な子供やADHDの子供は，典型的な発達をした同世代の子供に比べて，神経雑音レベルが低いことが提唱されている。このようなケースでは，知覚システムを介して外部のノイズを加えることで，神経ノイズレベルが上昇し，その結果，認知パフォーマンスが向上する可能性があると予測されている[15]。この予測は，さまざまな被験者グループと課題で調査され，確認された。例えば，ADHDの子どもたちは，80dBのホワイトノイズにさらされたとき，静寂時と比較して，スパンボードおよび単語想起課題（刺激は視覚的に提示された）で有意な改善を示した[7]。また、別の研究では、70dB（SNR5dB）のホワイトノイズに暴露したときに、65dB（SNR10dB）および75dB（SNR0dB）のホワイトノイズに暴露したときと比較して、単語想起課題および単語認識課題（刺激は75dBで聴覚的に提示された）における亜attentiveの子供のパフォーマンスが最も高くなった[8]。

ほとんどの研究が、注意力に問題のある人におけるホワイトノイズの影響を検討しているため[7, 8]、健康な人におけるホワイトノイズの認知能力への影響に関する研究は少なく、さらなる調査が必要である。健康な人は最適な神経雑音レベルを持っているので、ホワイトノイズの存在は有益ではないかもしれないという以前の主張にもかかわらず[16]、最近の知見はそうではないことを示唆している。例えば、70dBのホワイトノイズは、健康な若年成人の新世界学習（刺激は視覚的に提示された）を促進することがわかった[9]。また，55dBのマルチトーカー・ベビーブルノイズを用いた聴覚研究では，健常な若年成人は，静寂時に比べて5dBのSNRで単語ベースの後方想起課題（BRT）に有意な改善を示した[10]。しかし，特に健常者の聴覚領域において，認知能力を向上させるための最適な騒音レベルは，まだ明らかになっていない。本研究の主な目的は，この研究を発展させ，健康な若年成人のAWMパフォーマンスに対するホワイトノイズの被験者内効果を調べることである。この研究の目的は2つある。まず，適度なホワイトノイズはSR現象によってAWMのパフォーマンスを向上させるという仮説を検証すること。これが正しければ、中程度のノイズがある場合にパフォーマンスが有意に向上することが期待される。

次に，機能的磁気共鳴画像法（fMRI）を用いて，異なるSNRの存在下でタスクを実行したときにAWMの神経ネットワークがどのように反応するかを理解した。また、前頭葉皮質、一次聴覚野、その他のAWM関連の脳領域において、脳の活性化の空間的・高さ的範囲が増加することが予想される。脳の活性化は、行動と脳の活性化の間の可能な関係を評価するために、BRTスコアとも相関させた。

2. 材料と方法

2.1. 参加者

18歳から24歳の健康な若い男性ボランティア20名（平均年齢=21.00歳、SD=±1.52歳）を、地域の高等教育機関から地域広告で募集した。ワーキングメモリネットワークには性差があることが知られている[17]ため，男性のみを対象とした。参加者はマレー語を母国語とし，純音聴力検査（PTA）で両耳の聴力感度が正常であった。参加者は，マレー語を母国語とし，純音聴力検査（PTA）によって両耳の聴覚感度が正常であり，250 Hzから8 kHzの周波数範囲で絶対聴力閾値が20 dB HL以下であった。参加者は，Edinburgh Handedness Inventory [18]によって評価された右利きであった。自己申告により，参加者は全員，反復性中耳炎の既往がなく，神経障害や認知障害もなかった。また，参加者は，音楽家ではなく，専門的に楽器を演奏した経験もないと主張した。音楽家は音声知覚に優れ、さまざまな騒音レベルでの音声知覚において非音楽家よりも優れていることが示唆されているため[19]、参加者も非音楽家の中から選ばれた。参加者は、精神活性剤や覚醒剤を使用していないかどうかを確認した。各参加者には、本研究の詳細とリスクについて説明した。研究に先立ち，各参加者から書面によるインフォームド・コンセントを得た。本研究は，マレーシア国民大学の機関倫理委員会（参照番号：UKM PPI/111/8/JEP-2017-117）および国家医療研究倫理委員会（参照番号：NMRR-17-56-33800）の承認を得た。各ボランティアには，参加のために50マレーシアリンギット（MYR 50）の謝礼が与えられた。

2.2. 聴覚刺激

対象となる音声信号と背景のホワイトノイズは，Audacity®ソフトウェアのバージョン2.1.3（ www.audacityteam.org で入手可能）を用いて生成・編集した。対象となる音声信号は、意味はあるが関係のない、一般的に知られているマレー語の単語40個で構成されている。単語は、実験の一貫性を保つために、単語の長さと音韻の類似性を一致させた。単語長効果とは，単音節の単語は多音節の単語よりも想起されやすいという知見のことである[20]。本研究では，単語長効果を避けるために，すべての単語を2音節にした（すなわち，単語長を一致させた）。本研究はAWMを対象としているため、音韻類似性効果を考慮することが重要である。これは、音韻がほとんど似ている単語は、音韻がはっきりと異なる単語よりも想起されにくいことがわかっているからである[21]。音韻類似性効果を回避するために，各単語列は非類似のアイテムで構成されていた（すなわち，音韻類似性のマッチング）。単語は，マレー語を母国語とする女性が話し，防音室でデジタル録音された。録音された音声ファイルは，不要な背景音や雑音を除去するために編集された。各単語のサウンドレベルの変化を正規化した。対象となる音声信号の強度レベル（dB SPLで測定）は60dB SPLに調整した。ホワイトノイズの帯域幅は43Hzから 21491Hzとした。背景のホワイトノイズの強度レベルは，45，50，55，60 dB SPLに設定した。対象となる音声信号は，これらの異なる強度レベルのホワイトノイズの中に埋め込まれ，その結果，SNR（信号対雑音）はそれぞれ15dB SNR，10dB SNR，5dB SNR，0dB SNRとなった。聴覚刺激のサンプリングレートは44.1kHz，32ビットフロートとした。聴覚刺激のサンプリングレートは44.1kHz，32bit floatとした。測定には，デジタル式のサウンドレベルメーター（モデルMS6708，IEC651 Type2およびANSI S1.4 Type2に準拠）を使用し，低速で記録するように調整した。その結果、サウンドレベルに不一致は見られなかった。

2.3. 実験課題

本研究では，被験者のAWMパフォーマンスを評価するために，聴覚的な単語ベースのバックワード・リコール課題（BRT [10]）を使用した。この課題は，言葉による聴覚情報の維持と操作を必要とすることから，特に選ばれたものである[20]。参加者は，4つの連続した単語を注意深く聞き取り，それらの単語を，提示された逆の順序で即座に口頭で思い出すことが求められた。例えば，”apple – hammer – towel – market “という連続した単語の正解は，”market – towel – hammer – apple “となる．先行研究[22, 23, 24]と同様に，単語数が6を超えると参加者が誤りを犯す傾向があるため，1つの単語列の単語数は4に限定した[25]。この研究では，参加者のエラーが，課題の難易度ではなく，ノイズレベルの上昇によるものであることを確認することが重要であった。若年成人のワーキングメモリに負荷をかけるには，3つから5つの意味のある項目が最適であることが提案されている[26]．すべての単語列において，単語刺激は4秒間提示され，参加者にはその後4秒間の応答が与えられた。応答時間を4秒に限定したのは，無制限の処理時間ではワーキングメモリなどの高次認知を測定できないためである[27, 28]．各条件では，各単語列は一度だけ使用された。参加者は，4秒の時間内に4つの単語をすべて逆順に正しく思い出すことができれば，正解とした。得点は，磁石室内で同じ研究者が手動でスコアシートに記録した。図1は，実験課題のパラダイムを示したものである。

図1 単語ベースの後方想起課題（BRT）の刺激順序

刺激は，0.7秒の継続時間を持つ4つの連続した単語を0.4秒の無音のギャップで区切り，4秒間の刺激列を構成した。

2.4. 手順

聴力検査に合格した後、参加者は、騒音のない防音室でオフラインの単語ベースのBRTを行った。このセッションは「静寂」条件とも呼ばれ，全参加者のベースラインBRTスコアを得るために，実際のfMRIスキャンセッションの前に行われた。タスクを実行する前に，系統的な行動の交絡を避けるために，選択したすべての単語を含むリストを参加者に見せて，慣れさせた[10]。ベースラインのスコアと騒音条件で得られたスコアを比較し，騒音があると行動パフォーマンスが低下するか増加するかを判断した。続いて、別の日に、マレーシア国民大学医療センター放射線学部の機能的イメージング機能を備えた3T S Magnetom Verio MRIシステム内で課題を実施した。参加者には、MRIの禁忌事項がないかどうかを十分に確認した。バイノーラル聴覚刺激の伝達とノイズ減衰のために、NordicNeuroLab MRI-safeヘッドフォン（ www.nordicneurolab.com ）を使用した。また，モーションアーチファクトを避けるために，画像取得時の頭の動きを最小限にし，視覚処理に関する追加的な要求を避けるために，課題中は目を閉じるように指示した。タスクは，サーカディアンリズムと時間帯効果をコントロールするために，午前中に実施した[29, 30]。

fMRIイメージングパラダイム

撮像の間の無音区間に聴覚刺激を提示し，スキャナのノイズの影響を排除するために，画像取得時にSparse temporal sampling（STS [31]）を用いた。STSは，低い強度でも聴覚刺激を効果的に与えることができるため，聴覚研究には理想的なfMRIデータ取得技術である[33]。BRTは4回の実験を行った。(BRTは，（i）SNR15dB，（ii）SNR10dB，（iii）SNR5dB，（iv）SNR0dBの4種類の実験を行った。各ラン（条件）は，30回の試行と30回のベースラインで構成された。STSの場合，最適な試行回数は12回から36回の間であるため，1条件あたり30回の試行が十分な信号検出に適していると考えられた[34]。各試行の時間は10秒で，各条件のスキャン時間は10分であった。各条件のスキャン時間は10分とし，走行の合間には2分間のリラックスタイムを設けた。総スキャン時間は約50分であった。条件の順序は，参加者ごとに擬似的に無作為化された。EPI（エコー・プラナー・イメージング）時間（TA）は2秒，繰り返し時間（TR）は10秒であった。ベースラインの時間は8秒で，その間，被験者は心を休めてリラックスするように指示された。ベースラインの間は，単語刺激もホワイトノイズも提示しなかった。図2は、STSのイメージングパラダイムを示している。

図2 STSのタイミング図を模式的に示したもの

 

ボリューム取得は、ベースライン測定（EPI1）から始まり、続いてアクティブ測定（EPI2）を行った。ボリュームは10秒ごとに取得し、各ボリューム時間は2秒であった。

2.6. データ取得

T1強調多重平面再構成スピンエコーパルスシーケンスを用いて，脳全体の構造画像を高解像度で感染した。信号の送受信には，128チャネルのフェーズドアレイ高周波ヘッドコイルを使用した。撮影パラメータは TR = 1900 ms，エコータイム（TE） = 2.35 ms，フリップアングル = 9°，ボクセルサイズ = 1.0 × 1.0 × 1.0 mm，マトリクスサイズ = 256 × 256。機能画像は，EPIパルスシーケンスを用いてT2*強調画像を感染した。撮影パラメータは TR = 10000 ms, TE = 30 ms, TA = 2000 ms, flip angle = 90°, voxel size = 3.0 mm × 3.0 mm × 5.0 mm, matrix size = 64 × 64. fMRIでは，スパースディレイは8秒とした。23枚の横方向のスライスを前交連と後交連の平面に平行に，降順に，インターリーブなしで感染した。すべての条件で感染したアクティブボリュームとベースラインボリュームの合計数は240であった。

2.7. データの前処理

機能的MRIデータは、MATLAB 9.3 – R2017b (MathWorks Inc., MA, USA; www.mathworks.com/products/matlab)およびStatistical Parametric Mapping (SPM12) (Functional Imaging Laboratory, Wellcome Department of Imaging Neuroscience, Institute of Neurology, University College of London, UK; www.fil.ion.ucl.ac.uk/spm/software/spm12)で前処理を行った。最初の4つのEPIスキャンは、磁気飽和効果を避けるために廃棄した[35]。残った機能画像は，スライス取得遅延を補正した[36]．時間補正された画像は，頭部の動きによるアーチファクトを考慮し，並進方向（x，y，z）と回転方向（pitch，roll，yaw）の両方で6パラメータのアフィン変換を用いて画像ドリフトを除去するために，各セッションの最初の画像に再調整された。頭部の動きの閾値（除外用）は，並進方向で2mm，回転方向で2°の最大値とした[37]．すべての参加者の頭の動きは，この閾値を超えなかった。データは，SPM12で実装されている12パラメータのアフィン変換を用いて，Montreal Neurological Institute（MNI）のテンプレート脳に正規化された。正規化された画像は，半値全幅が8mmの3次元ガウスカーネルを用いて空間的に平滑化され，カットオフ周波数1/128Hzのハイパスフィルタを適用して，バイオリズム，心臓の影響，その他の振動信号の変動などのエイリアスによる低周波の変動を除去した。

2.8. データ解析

2.8.1. 人口統計学的および行動学的データ

人口統計学的および行動学的データは、IBM Statistical Package for Social Science (SPSS; www.ibm.com/SPSS/Statistics)バージョン21を用いて分析した。人口統計データには、年齢と教育年数が含まれてた。行動データには、すべての条件で参加者が得たBRTスコアが含まれていた。データの正規性の検定にはShapiro-Wilk検定を用いた。一元配置独立分散分析（ANOVA）を行い，騒音レベル間の二次対比を検定した。その後，条件間の平均スコアに有意差があるかどうかを判断するために，ポストホックTukey’s HSD検定を実施した。
2.8.2. fMRIデータ SPM12を用いて全脳解析を行い、騒音下でのBRT時に誘発された有意に活性化された脳領域を決定し、条件間の活動パターンを探った。個々の機能データは、従来の第一水準固定効果分析（FFX）を用いて分析した。デザインには5つのリグレッサを組み込んだ。(SNR15dB，SNR10dB，SNR5dB，SNR0dB，そして運動パラメータである．各被験者の推定モーションパラメータは，頭部の動きによるスプリアスな活性化を最小限に抑え，統計的感度を高めるために，関心のない共変量として含めた。これらの回帰因子は，血行動態応答関数を用いて畳み込んだ。4つのノイズレベルを、刺激間の無音ベースラインに対して（別々に）対比させ、以下の対比で統計的パラメトリックマップを作成した。(i)15dB SNR＞ベースライン，(ii)10dB SNR＞ベースライン，(iii)5dB SNR＞ベースライン，(iv)0dB SNR＞ベースライン。これらのコントラストにより、ノイズからベースラインを引いた状態でのBRT時に誘発される脳活動パターンの全体像が得られた。SNR条件間の違いをさらに調べるために，ある条件における脳領域の活性化を他の条件と比較する追加の分析を行った。その後，単一被験者のコントラスト画像を第2レベルのランダム効果解析（RFX）に使用し，グループ統計パラメトリックマップを生成した（PFWE < 0.05;多重比較のための家族単位の誤差補正あり）。統計的な閾値を超えたすべての活性ボクセルが解析に含まれるように、ボクセルレベルの閾値は適用しなかった。この閾値を通過したすべてのクラスターを，有意に活性化した皮質脳領域とみなした。

特定の脳領域における脳の活性化の空間的広がり（活性化したボクセルの数）を評価するために，WFU PickAtlas [38]を用いて関心領域（ROI）分析を行った[39]．解析に使用したROIは，AWMの処理において重要な役割を果たしていることに基づいて選択した。上側頭回（STG），ヘッシュル回（HG），上前頭回（SFG），中前頭回（MFG），下前頭回（IFG），前帯状皮質（ACC）であった。STGとHGは，一次聴覚皮質（PAC）の一部であり，聴覚処理において支配的な役割を果たしていることから選択された[39, 40]。また，SFG，MFG，IFGは，前頭前野（PFC）の一部であり，ワーキングメモリ処理に関与していることから選択した[41]。また，ACCは，持続的注意に関与していることが示唆されている領域であるため，ACCも含めた[42]。ROI解析は，個々の機能データに対して行った。一人の被験者の解剖学的アトラスを用いて，各ROIの画像ボリュームマスクを定義した（両側）[43]．次に，このマスクを，PFWE < 0.05の統計的閾値に設定された個々の統計的パラメトリックマップに適用し，その特定領域の活性化統計を得た。活性化ボクセル数（NOV）は，ROI内でT値（MNI座標のピーク）が最も高い領域から抽出した。各参加者について、すべてのコントラストと各ROIで得られたNOVを記録し、IBM SPSSで分析した。雑音がNOVに及ぼす影響を確認し、その影響がすべての条件で統計的に有意であるかどうかを判断するために、一元独立のANOVAを用いた。そして、ピアソンの相関係数（r）を計算して、脳と行動の関係が直線的であるかどうかを確認した。

3. 結果

3.1. 人口統計学的および行動学的データ

Shapiro-Wilk検定は有意ではなく（p＞0.05)年齢（平均年齢=21.00歳、SD=±1.52歳）と教育年数（平均教育年数=14.00年、SD=±1.52）が正規分布していることを示し、分散の均一性を示した。各条件で得られた正解数の平均を表1に示した（各条件で30点満点）。Shapiro-Wilk検定では，すべての条件で有意ではなく（p＞0.05），行動得点が正規分布していることが示された。さらに，Mauchlyの検定では，球形性の仮定に違反していないことが示された（p = 0.238）。一元配置の独立したANOVAでは，騒音レベルが行動スコアに有意な影響を与えることが明らかになった F (4,95) = 63.40, p < 0.001. Leveneの検定は有意ではなく、すべての条件におけるBRTスコアの分散はほぼ等しく、分散の同質性の仮定は破られていないことを示した F (4,95) = .218, p = .928. 有意な二次傾向が見られ，F (4,95) = 65.32, p < 0.001となり，平均値のパターンが曲線的であることが示された。また，図3（a）に示すように，補間線は逆U字型の関数を示した。また，表2のTukey’s HSD検定では，SNR10dBおよびSNR5dBの環境下では，静寂時の同じタスクと比較して，単語ベースのBRTのスコアが有意に向上したことが明らかになった（p < 0.005，Bonferroni補正による多重比較）。

表1　20人の被験者から得られた後方想起課題（BRT）のスコア

状態	SNR	バックグラウンドノイズレベル	ターゲットスピーチレベル	平均値±SD
ベースライン	60 dB SNR	0 dB SPL	60 dB SPL	21.20±1.54
1	15 dB SNR	45 dB SPL	60 dB SPL	21.90±1.25
2	10 dB SNR	50 dB SPL	60 dB SPL	24.20±1.64
3	5 dB SNR	55 dB SPL	60 dB SPL	25.10±1.41
4	0-dB SNR	60 dB SPL	60 dB SPL	18.55±1.19

図3 信号対雑音比（SNR）の関数として、補正されたリコールされた単語列の数

棒グラフは，（a）20人の参加者がBRT中に4つの異なるSNRで得たグループレベルの結果を示している。補間線は，ノイズ・ベネフィットの逆U字カーブの形を描いている。アスタリスクマークは，BRTスコアの平均値がベースラインスコアの平均値よりも有意に高かったことを示す（p < 0.005，両側検定，多重比較のためボンフェローニ補正）。エラーバーは±1標準偏差を示す。また，棒グラフは，（b）異なるSNRにおけるBRT中のすべての単一被験者の結果を示している。

表2 異なるSNR（信号対雑音比）での行動パフォーマンスを比較する事後検定

∗ベースラインのスコアと有意に異なるスコア（p < 0.005; Bonferroni補正による多重比較）。

3.2. fMRIデータ

全脳解析の結果、4つの異なるSNRで単語ベースのBRTを行うと、両側のSTG、HG、SFG、MFG、IFG、ACCが活性化することがわかった。さらに、腹前野、上頭頂小葉、下頭頂小葉、中側頭回、島皮質、口蓋垂、視床、被殻、小脳の活性化も確認された。図4は，各ROIで得られた脳の活性化パターン，活性化の高さの範囲（t統計），最大強度の座標，活性化ボクセル数（NOV）を示したものである。また、各ROIで得られた全参加者の平均NOVを図5のようにプロットした。図5の一元独立ANOVAの結果では、左HG、両側SFG、MFG、IFG、右ACCのNOVは、SNRの違いにより有意な二次傾向（p < 0.05）を示した。さらに、ノイズの主効果がNOVに有意に影響することも明らかになった。異なる騒音レベル間でタスクパフォーマンス中に有意に異なる活性化を示した脳領域（PFWE < .05）を表3に示した。騒音条件ごとに得られた単語ベースのBRTスコアと、両側STG、HG、SFG、MFG、IFG、ACCの12個のROIにおけるfMRI活性化（すなわち、平均NOV）との間で、Pearsonの相関分析を行った。この分析を行った目的は、行動と脳活動の間に可能な関係があるかどうかを調べることであった。その結果、5dB SNRでのBRTにおいて、右SFGの活動と行動パフォーマンスの間にのみ、有意な相関（p < 0.05）が見られた（r = 0.404, p = 0.039）。

図4 第2レベルのランダム効果解析から得られた統計的パラメトリックマップ

（n = 20; PFWE < . 図4 第2水準ランダム効果解析（n=20;PFWE＜0.05）により得られた統計的パラメトリックマップ。（a）左STG、（b）右STG、（c）左HG、（d）右HG、（e）左SFG、（f）右SFG、（g）左MFG、（h）右MFG、（i）左IFG、（j）右IFG、（k）左ACC、（l）右ACCにおける、異なるSNR条件での単語ベースのBRT中の脳活性化パターン、t値、ピークMNI座標（x、y、zはmm）を、ベースラインから引いた値で示した。脳の活性化は、サジタルスライスの脳構造画像に重ねて表示した。カラーバー（黒から白）は、活性化したボクセルのt値を示す。

図5

両側の(a)上側頭回、(b)ヘッシュル回、(c)上前頭回、(d)中前頭回、(e)下前頭回、(f)前帯状皮質で得られた活性化ボクセル数(NOV)の平均値をSNR(signal-to-noise ratio)の関数としてプロットしたもの。点線の補間線は，すべての条件のデータポイントを通る二次多項式フィットの95%信頼区間を示す。アスタリスクマークは，二次傾向のF比が有意であることを示す（p < .05）。エラーバーは，平均値を中心に±1標準偏差のグループを示す。

表3

コントラスト（SNR）	脳領域	MNI座標	11月	t値	p値
15-dB> 0-dB	右前障	27 -10 20	7	7.99	.001
	左前障	-24 -19 20	3	7.86	.005
10-dB> 0-dB	左視床	0 -19 5	8	8.08	.001
	左中心前回	-48 -1 10	4	6.93	.005
	左中心後回	-57 -1 15	2	6.81	.012
	左島皮質	-30 -37 15	1	6.19	.021
5 dB> 0-dB	右島皮質	33 8 20	4	6.64	.007
	左中心後回	-24 -31 40	1	6.25	.023

コントラスト，脳領域，最大強度の座標（x，y，z，mm），活性化したボクセル数（NOV），t統計量，第2水準RFX群解析で得られたp値（PFWE < 0.05）。

4. 考察

本研究の主な目的は、健康な若年成人の聴覚作業記憶（AWM）のパフォーマンスに対するホワイトノイズの影響を調べることであった。具体的には、適度なレベルのホワイトノイズがAWMパフォーマンスを向上させるかどうかを確認することを目的とした。前述のストキャスティック・レゾナンス（SR）の研究に基づき，認知タスク中に適度なレベルの背景雑音を加えると，パフォーマンスが向上することが提案されている[7, 8, 9, 10, 11, 12]。低レベルでは，ノイズは感覚システムによる情報の検出を強化するのに十分なエネルギーを持っていない[44]。高いレベルでは，ノイズが標的となる音声信号を覆い隠し，被験者が提示された単語を聞き取ることが困難になる[45]．MBA（Moderate Brain Arousal）モデルは，内在する神経雑音のレベルが認知パフォーマンスに影響を与えると仮定している[14]．また，このモデルでは，不注意な人や注意欠陥多動性障害（ADHD）の子どもは，典型的な発達をした同世代の人たちよりも神経雑音レベルが低いことが提唱されている。ホワイトノイズには，SNR（信号対雑音比）を変化させ，パフォーマンスを向上させる能力があるという研究結果がある[8]。SNRは，入力信号とバックグラウンドノイズの強度の差と定義されている[46]。いくつかの研究では，エンハンスメント効果の範囲内にある最適なSNRの決定が試みられている．例えば，15人の健康な若年成人を対象とした研究では，単語ベースのBRTにおける行動パフォーマンスは，静寂時に比べて5dBのSNRを持つバブリーノイズの中でタスクを実行した場合に，有意に向上することが示された[10]．Angwinら[9]は，健康な若年成人を対象とした別の研究で，ホワイトノイズには視覚モダリティの刺激に対する学習を促進する能力があることを示した。一方、Helpsらは、異なる注意レベルを持つ子供たちを対象に、ホワイトノイズの有益な効果を調査した[8]。その結果，ホワイトノイズの存在は，亜注意的な子供の成績を向上させ，超注意的な子供の成績を悪化させることがわかった。しかし，正常な注意力を持つ子供のパフォーマンスは，ホワイトノイズの存在によって影響を受けなかった。また、ホワイトノイズをADHDの子どもの治療に利用できるという有望な証拠を示す研究もある[5, 7, 47]。これらの研究では，騒音が認知能力に影響を与える可能性が示唆されたが，健康な若年成人のAWM能力に対するホワイトノイズの影響については，明確な結論が出ておらず，さらなる調査が必要である。本研究では，このような研究を発展させ，健康な若年成人のAWMパフォーマンスに対するホワイトノイズの効果を調べた。

AWMパフォーマンスの評価には，単語ベースの後方想起課題（BRT）を用いた。AWMは，聴覚情報を頭の中で維持・操作する認知システムである [1, 3]。BRTは，典型的な単語認識課題ではなく，対象となる音声信号を一時的に頭の中に記憶し（維持過程），それらの単語を提示の逆順に精神的に並べ替え（操作過程），最後に答えを口頭で思い出すことを要求するものとして，本研究で選ばれた。一方、単語認識課題では、通常、与えられた単語列の中から目的の単語を維持・識別することが求められる。この課題では、情報の維持のみが行われ、並行して能動的な処理が行われることはない。そのため，単語認識課題ではAWMのパフォーマンスを正確に測定できない可能性がある。我々の最初の目的は，適度なホワイトノイズがSR現象を通じてAWMのパフォーマンスを向上させるという仮説を検証することである。本研究では，これまでの研究を拡張し，複数の背景雑音レベルを含めることで，SRの逆U字型カーブを描き出した。本研究で使用したノイズレベルは、長時間の学習中に使用できる適切な範囲内であった。システマティックレビュー研究[48]では、教室に最適な騒音レベルは40～65dBであることが示唆されている。表1の行動結果は，静かな状態（ベースライン）と比較して，SNRが15から5dBになると行動パフォーマンスが徐々に向上し，その後SNRが0dBになると行動パフォーマンスが低下することを示している。また，表2のポストホックTukey’s HSD検定では，SNR10dBと5dBでのパフォーマンスが静寂条件でのパフォーマンスよりも有意に高いことが明らかになった。Söderlundら[5]によると，SRは騒音強度の関数として認知能力をプロットすることで定量化される。このプロットは逆U字カーブのように見え，ある時点まではパフォーマンスが上昇し，その後は低下する。その結果，騒音レベルの違いによる行動パフォーマンスの二次傾向が有意に現れ[F (4,95) = 65.32, p < 0.001]，平均値のパターンが曲線的であることがわかった。さらに，図3（a）の補間線は，BRTスコアの背景雑音レベルに対してノイズベネフィットの逆U字型曲線を示した[12]。SRに関する先行研究[5, 7, 12, 13, 14]と同様に，我々の結果は，パフォーマンスに対する騒音の影響が逆U字型の曲線を描くことを示している。この結果は，健康な若年層において，適度なホワイトノイズがSRのメカニズムを介してAWMのパフォーマンスを向上させるという仮説を支持するものである。

我々の副次的な目的は，AWMパフォーマンス向上の基本的なメカニズムを理解することであった。具体的には，異なるSNRの存在下でタスクを実行したときに，AWMの神経ネットワークがどのように反応するかを調べることに興味があった。この問題を解決するために、我々は機能的磁気共鳴画像（fMRI）を用いて、タスク実行中の血中酸素濃度依存性（BOLD）の信号変化を測定した。全脳解析では、ベースラインと対比したノイズレベルに関わらず、両側の上側頭回（STG)ヘッシュル回（HG)上前頭回（SFG)中前頭回（MFG)下前頭回（IFG）に有意な活性化が見られた（PFWE < 0.05）。さらに，ROI（Region-of-interest）解析を行い，ノイズレベルの違いによる各ROIの活性化ボクセル数（NOV）の平均値を調べた。図5は、SNR間のNOVの二次対比を示したものである。その結果、右HG、両SFG、両MFG、両IFG、右ACCのNOVに有意な二次傾向（p < 0.05）が見られた。行動データで観察されたのと同様に、有意な二次傾向は、脳活動のパターン（点線の補間線）が逆U字型の曲線に沿っていることを示していた。しかし、好ましいSNR（SNR10および5dB）での活動の増加が、パフォーマンスの向上に関連するかどうかは不明であった。そこで、脳活動と行動パフォーマンスの間に直線的な関係があるかどうかを評価するために、相関分析を行った。これらの領域はパフォーマンスと正の相関を示したものの、統計的には有意ではなかった（p＞0.05）。右SFGの活動とパフォーマンスの間に有意な正の相関が見られたのは（r = .404, p = .039)タスクを5dB SNRで実施した場合のみであった。右SFGは，応答抑制と干渉制御に重要な役割を果たしていることが示唆されている[49]。反応抑制は，優位な反応を意図的に保留するプロセスと定義されており[50]，抑制制御が良好であると推論能力の向上につながるとされている[51]。これらの研究[49, 50, 51]から，良好な SNR の下でのパフォーマンスの向上は，干渉制御と推論能力の向上に起因すると考えられる。しかし，本研究で用いたサンプルサイズは小さいと考えられ，また，有意値が境界付近であることを考慮すると，この効果を明らかにするためには，より大きなサンプルサイズを用いてAWMでこれらの効果を再現する追加研究が必要である。

本研究の限界についても言及する必要がある。第一に、最近では、20人の参加者のサンプルサイズは、検証されている仮説の結論を導くには小さいと考えられるかもしれない。これらの結果は、ある研究集団では有効かもしれないが、しかしながら、我々の結論を一般集団に拡大することは正当ではない。また、本研究では、性別の影響を抑制するために、男性のみを対象とした。したがって，本研究で見られたホワイトノイズの影響が，健康な若年成人女性にも同様の結果をもたらすかどうかについては，コメントできない。今後の研究では，今回の研究を発展させて，より多くのサンプルサイズで男女両方の行動実験を行い，目標とするSNRの比較でより多くの実験を行うことが考えられる。第二に、今回の研究は、試験時間が厳しく制限されていた。認知機能の研究では，被験者が落ち着きを失い，退屈して，fMRIセッションの終わりに最適な活性化が得られない可能性があるため，長時間の試験は望ましくない[34]。本研究では，4回の実験を行い，1回の実験は10分で終了した。予備的な構造スキャンとランの間の休息時間を含めると，各参加者のfMRI検査の総時間は約60分であった。1回の検査では、さらに10分程度の時間が必要であった。そのため，スキャン時間を制限するために，静寂条件のスキャンは行わなかった。しかし，比較のためにベースラインの行動スコアの平均値を得るために，静寂条件はスキャナの外で行われた。今回の研究は，静かな環境と良好なSNRの環境でAWMタスクを行ったときの脳活動を比較することで，さらに発展させることができるかもしれない。本研究のもう一つの改善点は、脳機能ボリュームを取得するためのボリューム取得時間（TA）を長くしたことであろう。短い時間（2秒）を選択した主な理由は、総スキャン時間を短縮し、スキャナのノイズを減らすためである。その結果、関連するBOLD反応の一部を見逃す可能性がある。サイレントMRIイメージングの分野では、研究数が増加しており[52, 53]、次世代のMRIスキャナが完全にサイレントになることを期待している。タスクの性質がホワイトノイズの認知能力への影響に影響を与える可能性があることが示されている[30]。したがって、本研究で見られたホワイトノイズの促進効果は、他の認知的課題では見られないかもしれない。本研究は、使用する認知タスクのバッテリーを拡大することで、拡張できる可能性がある。今後は、健康な学生を対象とした教育現場でのstochastic-white noiseの導入に焦点を当てて研究を進める必要がある。授業中にヘッドフォンを使ってホワイトノイズを導入することは、適切な音響学習環境を提供するための、実現可能で費用対効果の高い手段であると考えられる。また，パフォーマンスを向上させるためにSNRが常に最適な範囲になるようにリアルタイムで調整する「適応型」確率的ホワイトノイズを組み込んだアプリケーションの開発も検討していきたい。

5. おわりに

本研究では、ホワイトノイズが聴覚作業記憶（AWM）のパフォーマンスに与える影響を調査し、AWM強化の基礎となる神経メカニズムを検討した。本研究では、複数のノイズレベルを追加することで、SRモデルで予測される逆U字カーブをマッピングすることで、先行研究を拡張した。本研究では、日常的な学習に適した通常のコミュニケーション範囲内のノイズレベルに着目した。また，これまでの多くの研究が視覚的モダリティを対象としていたのに対し，本研究では聴覚的モダリティを対象とした。その結果，SNRが10dBと5dBのときにAWMの性能が有意に向上することが明らかになった。本研究は実験室で行われたものであり，サンプル数も少ないが，ホワイトノイズがAWMのパフォーマンスに与える影響や，今後の教室での利用の可能性についての知見を得ることができた。これらの結果を踏まえて，10～5dBのSNRは，ストキャスティック・レゾナンスのメカニズムを介してAWMのパフォーマンスを向上させるのに好ましいSNRの範囲内であると結論づけた。また、右上前頭回（SFG）がAWMパフォーマンスの向上に関わる戦略的構造である可能性を提案した。しかし、脳と行動の関係は、統計的な閾値である.05に近い相関値を持っていることから、この主張を支持あるいは反証するためには、さらなる研究が必要であることは明らかである。しかしながら、本研究の結果は、AWM処理におけるホワイトノイズの有益な役割に関する非常に限られた文献に追加するものである。