大頬筋は、笑顔や感情表現を担う重要な顔面筋です。fEMG（表面筋電図）と顔面分析を用いた研究により、この筋肉が「自然な笑顔」と「作り笑顔」を見分ける上で重要な役割を果たしていることが示されています。この筋肉が、知覚や感情にどのような影響を与えるのか、また表情に関する科学的研究について学びましょう。
Table of Contents
大頬筋：表情の鍵を握る顔の筋肉
顔の筋肉の中で、大頬筋はおそらく最も目立つ筋肉でしょう。口角と頬の上部の間に位置し、私たちの笑顔の作り方を司っています。
この筋肉は、頬骨とも呼ばれる頬骨の上部に位置しています。頬骨筋の形状の違いが、笑ったときにえくぼができる原因となることも知られています。つまり、この部位は、活動しているときも休んでいるときも、私たちの外見に大きく関わっているのです。
（顔の左右にある）これらの筋肉が働くことで、自然で心からの笑顔（「デュシェンヌ型」の笑顔）であれ、意図的かつ作為的な笑顔（「非デュシェンヌ型」の笑顔）であれ、笑顔が生まれます。
本物のデュシェンヌ型笑顔は、大頬筋と眼輪筋（唇の周囲に位置し、頬を持ち上げる働きをする筋肉）の両方の収縮、およびその他のいくつかの顔面筋の関与によって形成されます。これら2つの筋肉が収縮することで、目の周囲の頬も持ち上がるような笑顔が生まれます。 非デュシェンヌ型スマイルは、眼輪筋が活動することなく、大頬筋のみが活動するものです。
もちろん、この筋肉は単に私たちの外見や他人からの印象に関わるだけでなく、私たちが世界とどのように感情的に関わっているかにも関係しています。以下では、この筋肉の活動を測定する方法と、この領域に活動が見られる人にとってそれが何を意味するのかについて解説します。
これらの測定手法を十分に理解するためには、まず顔面筋電図の基本原理を把握しておくことが役立ちます。
顔面筋の活動における複雑な詳細を真に理解するためには、筋電図の基礎知識をしっかりと身につけることが不可欠です。当社のインフォグラフィック「筋電図――筋肉の動きの刺激的な世界」をご覧いただければ、こうした興味深い知見をはじめ、さまざまな情報を視覚的に把握することができます。
fEMGを用いた大頬筋活動の測定：感情と笑顔に関する知見
この領域の活動を具体的に測定する最も一般的な方法は、fEMG（顔面筋電図）を用いることです。筋肉に沿って電極を配置することで、その活動を容易に測定することができます。筋肉の収縮を引き起こす電気的インパルスが、電極によって検出されます。研究により、この測定値が肯定的な感情とどのように関連しているかが示されています（笑顔との明らかな関連性を考えれば、これはさほど驚くべきことではありません）[1]。
fEMGを用いた他の研究でも、大頬筋の活性化が必ずしも肯定的な感情の生成のみに関連しているわけではないことが示されている。ハートらが最近の論文で述べているように、「特に複雑な状況下では……笑顔の活動を解釈するのは難しい場合がある。笑顔には、真の肯定的な感情の表れだけでなく、皮肉や嘲笑、あるいは不敵な笑みも含まれるからだ」[2]。
興味深いことに、その笑顔が本物と見なされるかどうかを大まかに定義する心理生理学的指標が存在する。自発的な笑顔は、意図的な笑顔に比べて持続時間が短く（約4～6秒）、消えるまでの時間が長く、左右対称性が高い傾向にある[3]。大頬筋の表面筋電図（fEMG）記録を活用することで、この区別を行うことが可能であり、表情と感情の関連性をより確かなものにする。
fEMGは非常に感度が高いため、明らかな筋活動が見られない場合（例えば、誰かが笑っているのが目に見えるような場合）であっても、筋肉の動きの根底にある電気的活動を検出することができます。
この点についてより詳細に検討した研究の一つとして、2003年にLarsenらによって行われたものがある[4]。参加者には、あらかじめ特定の感情を引き起こすことが実証されていた様々な刺激が提示され、その間、表面筋電図（fEMG）、呼吸、および皮膚電気反応（GSR）が記録された。また、自己報告式のアンケート調査も実施された。
研究者らは、大頬筋の活動が刺激の肯定的価値と正の相関関係にあることを発見した。つまり、刺激が肯定的であればあるほど、この「笑顔を作る筋肉」の活動は活発になるということだ。同様に、眉間筋（しかめっ面を作る筋肉）の活動と肯定的な刺激の間には、負の相関関係が見られた。
この結果は、これら2つの顔面筋が、肯定的および否定的な感情反応の体験を示す指標となり得ることを示唆している。また、この研究は、予想される感情に明確な説明がある場合、fEMGの適用によって明確な答えが得られることも示唆している。
表情分析：笑顔を測定する非侵襲的アプローチ
大頬筋の活性化を調べるもう一つの方法は、表情分析である。この手法では、顔の動きを視覚的に記録し、その動きを個別の筋肉の動き、いわゆる「アクションユニット」に分類する。
この手法は当初、表情の手動コーディング（以前取り上げた「顔面動作コーディングシステム（FACS）[5]」を用いたもの）によって行われていましたが、現在では、機械学習の手法を用いて顔の筋肉の動きをリアルタイムで効果的に分析するAffectivaなどのソフトウェアを用いて実施することが可能となっています。
ある最近の研究では、参加者に特定の感情を表現してもらい、その際にfEMGとAffectivaのいずれか一方を用いて、顔面筋の動きを比較した[6]。その結果、大頬筋、口輪筋、眉間筋の活動レベルを検出する点において、これらの手法は本質的に同等の精度を持つことが明らかになった。
fEMGの利点は感度の高さにあるが、多くの筋肉の活動を同時に記録することは現実的ではない（通常は1～3つの顔面筋の記録が一般的である）。 一方、自動顔面表情解析では、すべての顔面筋の動きを検出することが可能であり、これらの動きが組み合わさって、特定の感情に関連する複雑な表情（例えば、口を開き、眉を上げる動作が驚きに関連していることなど）をどのように形成するかを算出することさえできる。
自動的な表情分析の可能性を示した別の研究が、2013年にAffectiva社によって実施された[7]。 1,500名以上の参加者がインターネット上で広告を視聴している際の笑顔反応（大頬筋の活性化）が分類された。この手法は非侵襲的であるため、大規模なデータ収集が可能となり、他の多くの研究（特に一般的なfEMG研究と比較した場合）よりもはるかに多くのデータを収集することができた。
研究者らは、実験制御の不十分さ（照明の悪さや被験者の動きの増加など）に伴う避けられない問題があったにもかかわらず、記録データの大部分において大頬筋の活性化／笑顔の反応を分類することが可能であっただけでなく、このデータのみを用いて「好感度」や「再視聴意欲」を正確に予測できることも明らかにした。
こうした手法の将来的な応用により、大規模なデータ収集が可能となり、大頬筋の活性化（およびその他の関連する顔面筋の動き）に基づいて、感情的な嗜好に関する微妙なニュアンスを含む質問への回答が可能になるだろう。
大頬筋は単一の筋肉に過ぎませんが、その活動から多くの情報を得ることができ、表情の全レパートリーを考慮に入れれば、さらに多くのことが分かります。研究の観点からすれば、これはまさに「笑顔」になれるような朗報です。さらに、デュシェンヌの笑顔をはじめとする18種類の表情、それらの感情的な意味、そして人間の感情を定義するFACSアクションユニットについても探ってみましょう。
参考文献
[1] Joyal, C., Jacob, L., Cigna, M., Guay, J., & Renaud, P. (2014). 感情を表す仮想顔：初期の同時妥当性および構成概念妥当性に関する研究. Frontiers In Human Neuroscience, 8. doi: 10.3389/fnhum.2014.00787
[2] Björn’t Hart, B., Struiksma, M., van Boxtel, A., & van Berkum, J. (2018). 「物語における感情：心的シミュレーションと道徳的評価の両方を裏付ける顔面筋電図による証拠」. Frontiers In Psychology, 9. doi: 10.3389/fpsyg.2018.00613
[3] Schmidt, K., Ambadar, Z., Cohn, J., & Reed, L. (2006). 意図的な表情と自発的な表情における運動の違い：笑顔における大頬筋の働き. Journal Of Nonverbal Behavior, 30(1), 37-52. doi: 10.1007/s10919-005-0003-x
[4] Larsen, J., Norris, C., & Cacioppo, J. (2003). 「大頬筋および眉間筋における筋電図活動に対する肯定的および否定的感情の影響」。Psychophysiology, 40(5), 776-785. doi: 10.1111/1469-8986.00078
[5] エクマン, P., & ローゼンバーグ, E. (2005). 『表情が明かすもの』. ニューヨーク: オックスフォード大学出版局.
[6] Kulke, L., Feyerabend, D., & Schacht, A. (2018). Affectiva iMotions表情分析ソフトウェアとEMGの比較。https://doi.org/10.31234/osf.io/6c58y
[7] McDuff, D., El Kaliouby, R., Senechal, T., Demirdjian, D., & Picard, R. (2014). インターネット上で収集された顔面反応からの広告選好の自動測定. Image And Vision Computing, 32(10), 630-640. doi: 10.1016/j.imavis.2014.01.004
