はじめに
Google Researchは2026年4月16日、AIで生成した合成ニューロン形状を活用して脳の配線図再構築の精度を向上させる研究「MoGen（Neuronal Morphology Generation）」を発表しました。ICLR 2026での発表を予定するこの研究は、コネクトーム（脳の配線図）再構築AIの誤り率削減に向けた新たなアプローチとして注目されています。
参考記事
- タイトル: AI-generated synthetic neurons speed up brain mapping
- 著者: Michał Januszewski（Research Scientist）、Franz Rieger（Student Researcher）
- 発行元: Google Research Blog
- 発行日: 2026年4月16日
- URL: https://research.google/blog/ai-generated-synthetic-neurons-speed-up-brain-mapping/
関連記事
要点
- MoGen（Neuronal Morphology Generation）は、PointInfinityという点群フローマッチングモデルを用いて、ランダムな3D点群を段階的に現実的なニューロン形状へ変換するAIモデルである
- MoGenが生成した合成データをPATHFINDER（Google Researchの脳再構築AIモデル）の学習データの10%に加えることで、再構築の誤り率が4.4%削減された
- この4.4%の改善は、マウスの完全な脳マッピングのスケールでは、専門家による手動確認作業を157人年分削減することに相当する
- 生成AIを活用してコネクトーム再構築の最高水準を初めて更新した事例として報告されている
- MoGenはマウス・シマスズメ・ショウジョウバエ用の学習済みモデルとともにオープンソースで公開されている
詳細解説
コネクトーム：脳の配線図を描く挑戦
コネクトーム（connectome）とは、脳内のすべてのニューロン（神経細胞）とシナプスの接続関係を網羅した「配線図」のことです。どのニューロンがどのように接続されているかを正確に把握することは、脳が刺激にどう反応し、身体をどう制御するかを理解するための基礎となります。
Google Researchによれば、これまでに線虫（16年かけた手作業による最初の完全脳マップ）、166,000ニューロンを持つショウジョウバエの雄の中枢神経系、シマスズメの脳断片、幼生ゼブラフィッシュの全脳、ヒト脳の小断片など、さまざまな生物のコネクトームが構築されてきました。現在はマウス脳の一部をマッピングする取り組みも進行中です。しかし、マウスの完全な脳はショウジョウバエの約1,000倍、ヒトの脳はさらにその1,000倍という規模差があり、哺乳類やヒトの脳の完全なマッピングは依然として遠い目標です。
Google DeepMindが生命科学に応用したAI技術として「AlphaGenome」があります（→ https://jobirun.com/what-is-alphagenome-ai-for-genome-analysis/ ）。今回のMoGenはゲノムではなく神経形状を対象にしていますが、AIで生物学的データを扱う同じ流れに位置すると考えられます。
ニューロンの形状多様性と再構築の課題
体内の多くの細胞が球状に近い形をとるのに対し、ニューロンは非常に多様な細長い形状を持っています。Google Researchの説明では、ニューロンは長く細いアクソン（軸索）、信号を受け取るための分岐した樹状突起（デンドライト）、そしてニューロン間の情報伝達を担うシナプスで構成されています。これらが曲がり、ねじれ、分岐するという複雑な3D構造が、コネクトームの再構築を困難にしています。
Google ResearchのPATHFINDERは顕微鏡画像から3Dニューロン形状を推定するAIモデルですが、顕微鏡データの不規則性により「分断エラー」（本来つながっているはずの部位が分離される）や「結合エラー」（本来無関係な部位が結合される）が発生します。これらのエラーは研究者・大学院生・技術専門家などの人間が手動で修正する必要があり、コネクトーム再構築プロセスで最も時間がかかる工程となっています。
MoGen：合成ニューロンで学習データを強化する
Google Researchチームは「合成データであっても学習データを増やすことでPATHFINDERの性能が向上するのではないか」という仮説を立て、MoGenを開発しました。自然言語処理や画像生成、自動運転など他の分野でも合成学習データによる性能改善が報告されており、このアプローチはその応用と考えられます。
MoGenはPointInfinityというモデルをベースに、ランダムな3D点群を徐々に現実的なニューロン形状へと変換する仕組みを学習します。Google Researchによれば、人間が確認済みのマウス大脳皮質再構築データから得た1,795本のアクソンを使って学習しており、専門家に対して本物と合成物を混在させたテストを行ったところ、両者を区別できなかったことも確認されています。
4.4%の誤り削減：スケールで見ると157人年の節約
Google Researchの発表では、MoGenが生成した合成データを学習データの10%に加えることで、マウスのアクソン再構築における誤り率が4.4%削減されました。この改善は主に結合エラーの減少によるものです。また、この成果は生成AIを活用してコネクトーム再構築の最高水準を初めて更新した事例だと報告されています。
4.4%という数値は一見小さく見えるかもしれませんが、マウスの完全な脳マッピングというスケールに換算すると、専門家による手動確認作業の157人年分に相当するとのことです。大規模な科学プロジェクトでは、こうしたわずかな効率改善が実用性を大きく左右すると思います。
今後の展開とオープンソース公開
Google Researchによれば、今後はMoGenを使って特に再構築エラーが起きやすい形状のニューロンに絞った合成データを生成する方向性も検討されています。現時点では多様な形状をランダムに生成していますが、弱点を集中的に補強する学習が可能になる見通しです。また、電子顕微鏡画像そのものを合成生成することで、再構築パイプラインのより早い段階での学習データ拡充も探られています。
MoGenはマウス・シマスズメ・ショウジョウバエそれぞれに対応した学習済みモデルとともにオープンソースとして公開されており、研究コミュニティが自由に活用・改良できる形になっています。
まとめ
今回のMoGenの研究は、AIが生成した合成ニューロン形状を学習データに加えることで、脳の配線図（コネクトーム）再構築の精度を高めるという新しいアプローチです。4.4%の誤り削減が157人年分の作業削減に相当するという結果は、スケールの大きな科学プロジェクトにおける合成データ活用の可能性を示していると思います。完全なマウス脳マッピングを目指すGoogle Researchの取り組みの今後が注目されます。
