冬眠的熊是生理学上的一个悖论。它的新陈代谢最多可降低75%，数月不吃不喝，在洞穴中静静等待阿拉斯加的冬季结束，但它的体温却不会像小型冬眠动物那样骤降。核心体温仅适度下降，从约38°C降至30至35°C的范围。由于大脑保持足够温暖、足以维持电活动，睡眠研究人员可以对熊做一件对小型深度蛰眠动物做不到的事：在整个冬季连续对睡眠阶段进行评分。
如今，机器学习登场了。一项新研究首次对冬眠动物进行自动睡眠分类，让两个程序处理跨越冬夏两季、长达数年的黑熊脑部记录。这些工具通过了考验，并随之带来一个引人注目的发现：熊在冬季的睡眠时长约为夏季的两倍。
研究发现
这些数据在规模上不同寻常。16只美洲黑熊（Ursus americanus）生活在阿拉斯加费尔班克斯附近的户外围栏中，体内植有发射器，记录皮层脑电图、眼球运动、肌张力与体温，冬眠期和夏季合计超过3,500天。如此规模远超人类手工评分的可行范围，因此研究团队让两个机器学习分类器与一个由三位专家评分者构建的参考标准同台竞技。专家们标注了其中6只熊的18份单日记录：两份取自冬眠中期，分别处于体温周期中最暖和最冷的时点，一份取自夏季。
两个程序的表现都接近人类水平。Somnotate是一款开源概率分类器，将线性判别分析与隐马尔可夫模型相结合；Somnivore则是由操作者引导的专有工具。两者相对人工共识得出的F值大多在0.90至0.98之间，离群值低至0.67至0.88；相同的文件往往会同时难倒两个程序。总体而言，两个应用之间没有显著差异（p > 0.18）。
最引人注目的结果是熊如何度过冬日。根据人工共识，冬眠中的熊每天有42.9 ± 7.0%的时间处于NREM睡眠，22.0 ± 2.3%处于REM睡眠，即一天中有64.9 ± 6.7%的时间在睡觉。夏季，同样的熊为21.9 ± 3.6%的NREM睡眠、9.7 ± 2.8%的REM睡眠，总睡眠时间占31.7 ± 4.9%。以比值表示，冬季NREM时间为夏季的1.95倍，REM为2.26倍，总睡眠为2.05倍，清醒时间则降至夏季水平的0.51倍。无论人工评分还是自动评分，每个警觉状态在季节间都存在显著差异（p < 0.0001）。冬眠期间，机器逐状态给出的时间分配与人工共识在统计上无法区分（p > 0.05至p > 0.52）。夏季，两个工具都将睡眠总量略微抬高：NREM在两个程序下均抬高2.4%，REM在Somnivore评分下抬高3.3%、在Somnotate评分下抬高1.9%，而清醒时间分别偏低5.3%和3.9%。这些差异大多显著，不过Somnotate的REM读数不显著（p = 0.13）。
两个程序以不同的方式得出这些结果。Somnivore的工作方式类似辅助工具：它从将要评分的每份记录中学习一小段，这里是从每个状态抽取的100个epoch，约占数据的3.5%，这部分需要人工标注。这种按文件训练被证明至关重要：当Somnivore用另一只熊的冬眠数据训练时，准确率大幅下降，为69.7 ± 15.9%，而文件内训练为92.7 ± 1.6%，这一差距在p < 0.001水平上显著；用同一只熊在另一体温下的数据训练同样损失准确率，得到85.3 ± 5.6%（显著，p < 0.001）。相比之下，Somnotate从多个文件构建模型，并在留出测试中保持稳健，该测试将被评分的文件排除在训练之外；准确率仅下降1.1至1.3%。分别用高温和低温冬眠记录训练它并不能提高准确率（p > 0.37），由于冬眠时的体温各不相同，这是一个实际优势。表现最好的Somnotate模型对冬眠数据的评分准确率为92.0至93.5%，与人类评分者个人对共识的平均一致率94.5%相当。由于评分者无法对拟议的困倦阶段作出一致定义，该阶段被弃用。
研究意义
最直接的收益是实际层面的。自动评分得到验证后，超过3,500天的熊多导睡眠图完整档案首次变得可分析。这为跨越整个冬眠季节的睡眠纵向研究开辟了道路，包括进入和退出冬季休眠的过渡，也为监测无束缚或野生动物提供了可能。
生物学发现与方法本身同样重要。冬眠的熊是治疗性代谢低下的领先模型，该方向的目标是在创伤护理或长期太空飞行等场景中安全降低人体的代谢需求。理解在脑温接近正常、代谢受抑制达75%的数月期间睡眠如何变化，与这一目标直接相关，而小型冬眠动物无法提供答案：深度蛰眠会使脑温下降超过30°C，并使脑电图完全静默。熊在整个冬季保持大脑在线，而这些大脑首次由机器以与人类相当的一致率完成评分。冬季睡眠翻倍这一发现本身也是新的：人们长期以来假定熊整个冬天都在”睡觉”，但此前没有任何研究从脑活动量化过它们的警觉状态。冬眠期间REM睡眠增加一倍以上，这一结果将引发后续研究。
局限性
这些论断经过了谨慎的限定。全部16只动物都生活在圈养环境中，即户外围栏和人工洞穴，而非野外；每只熊都因曾与人类发生冲突而被列入捕除计划，否则它们本会被处死。参考数据集仅覆盖16只熊中6只的18天，冬眠记录取自冬眠中期最冷的时段，此时颤抖可能影响了睡眠。夏季记录噪声更大，存在伪迹和遥测信号中断，这或许可以解释夏季睡眠被高估的现象。人工参考标准本身也有波动，各评分者与共识的一致率在90.5%至96.5%之间。两个工具在易用性上也有所不同：Somnivore需要逐文件训练且代码为专有，而Somnotate是开源的，但需要分别针对冬眠和夏季数据训练，因为混合模型会降低夏季的准确率。这些结果也提醒人们保持谨慎：自动评分不应成为关于异常转换的结论的唯一依据，因为程序报告的从清醒到REM的转换远多于人工评分者（Somnivore和Somnotate的发生率分别为0.33和0.15，而共识为0.03）。
结论
机器学习已经通过了它的第一次冬季考验。两个设计不同的程序，一个开源、一个专有，在冬眠和夏季黑熊的记录上达到了与人类专家评分者相当的水平，足以让一份3,500天的数据集终于变得易于处理。眼前的红利，即熊在冬季的睡眠时长约为夏季的两倍，只是这些工具能够回答的第一个问题。对于一个其冬眠在大型哺乳动物中最接近人为诱导的人类代谢低下的物种来说，这是一种有用的能力。
婷 翻译
来源
Tøien Ø, Pittaras EC, Huang Y-G, Brodersen PJN, Allocca G, Barnes BM, Heller HC. Automated sleep scoring in hibernating and non-hibernating American black bears. PLoS One. 2026 Aug 5;21(8):e0352640. doi: 10.1371/journal.pone.0352640. PMID: 42555601. PMCID: PMC13440796.