冬眠中のクマは生理学上のパラドックスである。代謝を最大75%も切り下げ、何カ月も食事をとらず、巣穴でアラスカの冬をやり過ごす。それでいて、小型の冬眠動物のように体温が急落することはない。深部体温の低下は穏やかで、約38°Cから30〜35°Cの範囲に下がるにとどまる。脳が電気的活動を維持できるほど温かいままだからこそ、睡眠研究者は、深度休眠に特化した小型の動物たちにはできないことをクマで行える。すなわち、冬の間ずっと睡眠段階を連続的に判定することである。
そして今、機械学習が引き継ぐ。新たな研究は、冬眠中の動物に自動睡眠分類を適用した初めてのもので、冬と夏にまたがるクロクマの長期間の脳波記録に2つのプログラムを解き放った。ツールは試験に合格し、それとともに驚くべき発見がもたらされた。クマは冬には夏の約2倍長く眠るのである。
判明したこと
データの規模は異例である。16頭のクロクマ（Ursus americanus）がアラスカ州フェアバンクス近郊の屋外囲いで飼育され、皮質脳波（EEG）、眼球運動、筋緊張、体温を記録する埋め込み型トランスミッターを装着していた。記録は冬眠期と夏季を合わせて3,500日以上に及ぶ。これは人間が手作業で判定するにはあまりに膨大であり、研究チームは2つの機械学習分類器を、3人の専門スコアラーが構築した参照基準と競わせた。専門スコアラーは16頭のうち6頭について18日分の単日記録をアノテーションした。そのうち2日分は冬眠中期に、体温サイクルの最も高い時点と最も低い時点で撮影され、1日分は夏に撮影された。
両プログラムともほぼ人間並みの成績を上げた。線形判別分析と隠れマルコフモデルを組み合わせたオープンソースの確率的分類器であるSomnotateと、操作者のガイドを受けるプロプライエタリツールであるSomnivoreは、それぞれ手動コンセンサスに対するF値がおおむね0.90〜0.98の範囲となり、外れ値は0.67〜0.88に落ち込んだ。同じファイルが両プログラムともにつまずきやすい傾向があった。全体として、2つのアプリケーションの間に有意差はなかった（p > 0.18）。
最も注目すべき結果は、クマが冬の一日をどう過ごすかである。手動コンセンサスによれば、冬眠中のクマは1日の42.9 ± 7.0%をNREM睡眠に、22.0 ± 2.3%をREM睡眠に費やし、1日の64.9 ± 6.7%を眠って過ごした。夏には同じクマたちがNREM 21.9 ± 3.6%、REM 9.7 ± 2.8%、総睡眠31.7 ± 4.9%となった。比率で表すと、冬のNREM時間は夏の1.95倍、REMは2.26倍、総睡眠時間は2.05倍となり、覚醒時間は夏の水準の0.51倍に落ち込んだ。すべての覚醒状態について、手動スコアと自動スコアの両方で季節間に有意差が見られた（p < 0.0001）。冬眠中は、機械による状態別の時間配分が人間のコンセンサスと統計的に区別できなかった（p > 0.05〜p > 0.52）。夏には両ツールとも睡眠時間の合計を上方に押し上げた。NREMでは各プログラムとも2.4%、REMではSomnivoreが3.3%、Somnotateが1.9%となり、一方覚醒時間は5.3%と3.9%低く出た。これらの差はほとんどが有意だったが、SomnotateによるREMの値だけは有意ではなかった（p = 0.13）。
2つのプログラムは異なる方法でこれらの結果に到達した。Somnivoreは支援ツールのように働く。判定する各記録のごく一部、ここでは各状態から抽出した100エポック（データのおおよそ3.5%）を学習し、そのラベル付けは人間が行わなければならない。このファイル単位の学習が決定的に重要であることが示された。Somnivoreを別のクマの冬眠データで学習させると精度は大きく低下し、ファイル内学習の92.7 ± 1.6%に対して69.7 ± 15.9%となり、その差はp < 0.001で有意だった。同じクマの別の体温条件下のデータで学習させても精度は低下し、85.3 ± 5.6%となった（有意、p < 0.001）。対照的にSomnotateは多数のファイルからモデルを構築し、判定対象のファイルを学習から除外するホールドアウトテストでも堅牢さを保ち、精度の低下は1.1〜1.3%にとどまった。高温時と低温時の冬眠記録を分けて学習させても精度は向上せず（p > 0.37）、冬眠時の体温が変動することを考えれば、これは実用上の利点である。最良のSomnotateモデルは冬眠データを92.0〜93.5%の精度で判定し、個々の人間スコアラーとコンセンサスとの平均一致率94.5%に匹敵した。提案されていた傾眠ステージは、スコアラーが一貫して定義できなかったため採用が見送られた。
意義
すぐに得られる成果は実用的である。自動判定が検証されたことで、3,500日以上に及ぶクマのポリソムノグラフィー記録の全アーカイブが初めて解析可能になった。これにより、冬の休眠への入りと休眠からの抜け出しを含む、冬眠シーズン全体にわたる睡眠の縦断研究や、拘束されていない動物や野生動物のモニタリングへの道が開かれる。
生物学的な発見も方法論と同じくらい重要である。冬眠中のクマは治療的低代謝の主要なモデルである。治療的低代謝とは、外傷治療や長期宇宙飛行といった場面で人間の代謝需要を安全に低下させるという目標のことだ。脳温がほぼ正常なまま代謝が75%抑制される数カ月間に睡眠がどう変化するかを理解することは、その目標に直接関わる。そして小型の冬眠動物はそれを提供できない。深度休眠では脳温が30°C以上低下し、脳波（EEG）が完全に沈黙するからである。クマは冬の間も脳の活動を保っており、そうした脳の記録が人間レベルの一致度で機械によって判定されたのは初めてのことである。冬の睡眠が2倍になるという発見自体も新しい。クマは冬の間ずっと「眠っている」と長らく想定されてきたが、脳活動から覚醒状態を定量化した研究はこれまで存在しなかった。冬眠中にREM睡眠が2倍以上になるという事実は、追跡研究を促すだろう。
限界
この主張は慎重に範囲が限定されている。16頭すべてが飼育下にあり、野生ではなく屋外囲いと人工の巣穴で暮らしていた。どの個体も人間との軋轢を生じた後に駆除が予定されており、研究がなければ殺処分されていたはずである。参照データセットは16頭中6頭の18日分のみで、冬眠記録は冬眠中期の最も寒い時期のものであり、その時期には震えが睡眠に影響した可能性がある。夏の記録はノイズが多く、アーティファクトとテレメトリーの欠落が含まれ、これが夏の睡眠時間の過大評価を説明しうる。手動の参照基準自体にもばらつきがあり、個々のスコアラーとコンセンサスの一致率は90.5%から96.5%の範囲だった。ツールの使い勝手も異なる。Somnivoreはファイル単位の学習が必要でコードはプロプライエタリだが、Somnotateはオープンソースでありながら、混合モデルが夏の精度を低下させたため、冬眠データと夏のデータで別々に学習されている。また、結果は慎重さも促す。プログラムは手動スコアラーよりはるかに多くの覚醒からREMへの遷移を報告したため（出現率はSomnivoreが0.33、Somnotateが0.15、コンセンサスは0.03）、異常な遷移に関する結論の唯一の根拠を自動スコアに求めるべきではない。
結論
機械学習は最初の冬の試練を乗り越えた。設計の異なる2つのプログラム、オープンソースのものとプロプライエタリのものが、冬眠中と夏のクロクマの記録において専門の人間スコアラーと同等の成績を上げ、3,500日分のデータセットをようやく扱いやすいものにした。クマが冬には夏の約2倍長く眠るという即座の成果は、これらのツールが答えられる最初の問いにすぎない。冬眠が誘発性の人間の低代謝に最も近い大型哺乳類の類似例である種にとって、これは有用な能力である。
雅子 訳
出典
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.