認知症においては、特定の細胞が損傷し、脱落する事で症状が進行する。アルツハイマー型認知症や前頭側頭型認知症では、興奮性の神経細胞および抑制性の神経細胞の一部(パルブアルブミン陽性細胞)が脱落する。健常者でも一定数の神経細胞は脱落していくが、認知症は発症しない。この違いを理解するためには、脱落率と回復との関係を理解し、モデル化する事が重要である。近年の人工知能研究の発達に伴い、深層学習と強化学習を組み合わせた 深層強化学習（Deep Reinforcement Learning、DeepRL) の有用性が明らかになると、様々な意思決定課題を解く事のできる、具体的なユニット（細胞）を含んだ神経回路モデルを構成する事が可能となった。そこで本研究では意思決定回路をDeepRLを用いて構成し、ユニット脱落による意思決定ダイナミクスの変遷をモデル化し、細胞脱落の生理的な実験と組み合わせる事でモデルを検証・精緻化する。これにより認知症の進行度合いを細胞脱落を含めてモデル化できる「認知症デジタル脳」の構築を目指す。