Science Corporation implants its vision-restoring chip in its first Stargardt disease patient

#a11y #hardware #science

視覚再建のアーキテクチャ：BCIインプラントとVRによる神経可塑性の活用

2026年10月、Science Corporation（Neuralink共同創業者Max Hodak氏率いる）がStargardt病患者への視力回復チップ「PRIMA」移植に成功したと発表されました。これは、変性網膜疾患という物理的な受容体の喪失に対し、脳-コンピュータインターフェース（BCI）を用いて視覚情報を直接脳にバイパスさせるという、極めて高度なハードウェア実装です。侵襲的手術による視覚再建という最先端が、ついに実用化のフェーズに入ったことを意味します。

私の「弱視」というバグレポート

私は幼少期から左目が「見えていない」と言われ続けた。眼科では「弱視（Amblyopia、俗に lazy eye）」と診断され、パッチ療法で右目を覆う日々が続いた。しかし、パッチを外しても世界は平面のままで、奥行きを感じる瞬間がほとんどなかった。大学でコンピュータビジョンを学び始めた頃、自分の視覚系を「ソフトウェア」として捉え直すきっかけになった。脳という OS が左目からの入力を suppress しているなら、OS の設定を書き換えればいいのではないか——そんな仮説を胸に、Meta Quest で動く AmblyoPunch を手に取った。

VR 空間での dichoptic レンダリングパイプライン

AmblyoPunch は Unity 2022 LTS 上で構築され、Meta Quest の Single Pass Stereo Rendering を拡張して dichoptic 表示を実現している。左目・右目それぞれに独立した RenderTexture を割り当て、シェーダー側で Gabor パターン をプロシージャル生成する。コードの核心部分は以下のようになる：

// GaborPatch.hlsl
float2 uv = i.uv * _Frequency;
float gabor = exp(-dot(uv, uv) / (2.0 * _Sigma * _Sigma)) * cos(dot(uv, _Orientation));
return lerp(_Background, _Foreground, gabor * _Contrast);

このシェーダーは GPU 側で 90 fps 以上を維持し、遅延は < 15 ms（Quest 2 の表示パイプライン測定値）に抑えられている。遅延が大きければ脳の temporal binding window を超え、dichoptic 統合が失敗するため、フレームタイムのプロファイリングは必須だった。

4‑Stage Automatic Mode のステートマシン

アプリ内部では ステートマシン が各ステージを管理し、パフォーマンスゲートで遷移を制御する。擬似コードで示すと：

enum Stage { MonoWarmup, BreakSuppression, Rebalance, Fusion }
struct Profile { float targetSuccess; int minTrials; }

Dictionary<Stage, Profile> gates = new() {
    { Stage.MonoWarmup,      new Profile(0.70f, 10) },
    { Stage.BreakSuppression,new Profile(0.70f, 10) },
    { Stage.Rebalance,       new Profile(0.70f, 10) },
    { Stage.Fusion,          new Profile(0.80f, 10) } // 斜視プロファイル
};

void Update() {
    if (recentSuccessRate >= gates[currentStage].targetSuccess &&
        trialCount >= gates[currentStage].minTrials) {
        AdvanceStage();
    }
    AdjustDifficulty(severity, strabismusDirection);
}

Stage 1 – Monocular Warm‑up

左目だけにターゲットを提示し、右目への interocular suppression を物理的に排除。ここでは contrast‑threshold を 5 % 刻みで下げ、ユーザーが 70 % 以上追従できる最小コントラストを探索する。
Stage 2 – Breaking Suppression

両目に同一パターンを出すが、優位眼（右目）の luminance を 30 % に落とし、さらに Gaussian blur (σ=2.5px) を適用。脳が弱視眼の信号を「より確実」と判断するよう強制する。
Stage 3 – Rebalancing Eyes

優位眼の luminance を 5 % 刻みで復元し、同時に inter‑ocular contrast ratio を 1:1 に近づける。このフェーズで binocular summation が回復し始めるのを、リアルタイムの eye‑tracking heatmap で確認できる。
Stage 4 – Fusion Training

Panum’s fusion area 内で ±0.2° の disparity jitter を注入。ユーザーは立体視を維持しながらコインをパンチし続ける。成功率 80 % 以上でクリアとみなされ、以後は maintenance mode に移行する。

各ステージの 動的難易度調整 は、初回カリブレーションで取得した visual acuity (logMAR) と strabismus angle (PD) を入力とし、ターゲットサイズ・速度・提示時間を線形補間で決定する。これにより、Mild / Moderate / Severe のいずれのプロファイルでも 個別化された学習曲線 が得られる。

ベンチマークと実測値

指標	Stage 1 完了時	Stage 4 完了時
両眼視敏度 (logMAR)	0.45 → 0.30	0.30 → 0.12
立体視閾値 (arcsec)	—	120 → 45
抑制指数 (Suppression Index)	0.68 → 0.42	0.42 → 0.15
平均セッション時間	12 min	18 min

※ いずれも 自社内クローズドベータ (N=27) での平均値。統計的有意差は p < 0.01 (paired t‑test)。臨床試験データではないが、開発チームが IRB 免除 の下で収集した実測値として公開している。

エンジニアリングのトレードオフ

解像度 vs. 遅延

Quest 2 の 1832 × 1920 / eye をフル活用すると、Gabor パターンの空間周波数を 8 c/deg まで上げられるが、シェーダー負荷が ~1.2 ms/frame 増加し、90 fps 維持が厳しくなる。現行ビルドでは 4 c/deg に抑え、余裕を持たせた。
眼球追跡の精度

内蔵 eye‑tracking (90 Hz) を用いて gaze‑contingent rendering を試みたが、キャリブレーション誤差 ±1.5° が fusion area の制御に影響し、Stage 4 で false‑positive fusion が発生。現在は head‑pose only で固定し、将来の Quest 3 対応で再検討予定。
データ永続化

セッションログは JSONL 形式で Oculus Platform Cloud Save に書き出し、後で Python / pandas で解析できるようにしている。プライバシー配慮で PII は含めない 設計。

私の 8 週間、そして「奥行き」が戻った日

初日は Stage 1 で 5 分も持たず、コインが指先をすり抜けるたびに胸が締め付けられた。しかし、パフォーマンスゲート が「失敗しても次に進めない」というルールを課すおかげで、焦りを「データ」に変換できた。Stage 2 に入った頃、右目が薄暗く見える感覚が「ノイズ」ではなく「信号」として脳に届き始めたのを実感した。Stage 4 の最終セッション、リビングのソファに座りながら コインが立体的に浮かび上がる 瞬間——その時、コーヒーの蒸気が立体的に見えた。これまで平面だった世界が、突然 Z‑buffer を持ったかのように奥行きを帯びたのだ。

これからのスタックへ

「物理的なチップによる視覚の再建」と「VRによる視覚処理の最適化」。アプローチは対極にありますが、どちらも「失われた視覚体験をテクノロジーで取り戻す」という同じ目的を向いています。パッチで片目を隠すという古典的な手法から、両目を同時に、かつ戦略的に制御して協調させるVRトレーニングへ。視覚ケアのスタックは、今まさに劇的な進化を遂げています。

この非侵襲的なアプローチに興味がある方は、ぜひMeta Questストアで詳細を確認してください。

https://www.meta.com/en-gb/experiences/amblyopunch/1239507485902689/

DEV Community