なぜ手作業による観察では現代の行動研究に追いつかないのか
手作業による観察は行動研究において長い歴史を持ち、今でも一定の役割を果たしています。訓練を受けた観察者は、カメラでは見落とされがちな微妙な姿勢や社会的相互作用、文脈などを捉えることができます。しかし、手作業による評価には限界があります。一人の観察者が同時に見られる魚の数はわずかであり、評価はリアルタイムまたは動画再生によって行われます。疲労が蓄積します。また、異なる2人の観察者が同一の行動を異なる方法で評価することも珍しくありません。さらに、ほんの数十分の1秒で起こるような驚愕反応などの高速な事象は、まったく見落とされてしまうことがあります。
現代のゼブラフィッシュ行動研究では、複数の水槽、複数の濃度、複数の観測時間点を用いることが一般的です。そのデータ量は、どの研究チームが手作業で評価するにも到底及ばないほど膨大です。動画トラッキングを活用したゼブラフィッシュ行動解析システムは、この状況を一変させます。このシステムなら、複数の実験エリアを同時に記録し、観察者が1秒ごとに見守る必要なく、動きに関するデータを自動抽出できます。もちろん、人間の判断力が不要になるわけではありませんが、評価者という役割から、監視・確認という役割へと人間の関わり方が変わります。
他の手法では捉えきれない、動画トラッキングが実際に捉えるもの
動画トラッキングは、単に「魚が動いたか否か」を計測するだけではありません。「どのように」「いつ」「どこで」動いたかを計測します。トラッキング処理パイプラインにより、移動総距離、平均速度、最大瞬間速度、旋回角度、加速度、および定義されたゾーン内での滞在時間などが算出可能です。また、恐怖やストレスを示すことが多い、一時的な静止(フリージング)も検出できます。さらに、刺激呈示後の新規領域への進入までの遅延時間(潜時)も測定できます。
これらの指標が重要となるのは、一見似ているように見える行動でも、実際には異なる場合があるためです。狭い円を描くように泳ぐ魚と、一直線に泳ぐ魚は、移動距離が同じであっても、その背景にある行動は異なります。水槽の底近くに留まる魚は、不安を感じている可能性がありますし、水温が低いためにそうしている可能性もあります。あるいは単にその領域を好んでいるだけかもしれません。ビデオ追跡技術によって得られる生データを用いることで、研究者はこうした解釈を検証できます。
-
総移動距離および平均速度
-
急加速時の最大速度および加速度
-
特定のゾーン(例:水面付近 vs 水槽底部)で過ごした時間
-
固まっている状態(フリージング)の持続時間および発生頻度
-
光や音などの刺激に対する反応までの潜時(遅延時間)
フレームレートおよび解像度が行動データの品質に与える影響
動画追跡の精度は、解析対象となる動画の品質に等しい。フレームレートは、高速で起こる現象のどの程度を記録できるかを決定する。例えば、わずか数十分の1秒しか持続しない驚愕反応は、低フレームレートでは単一のフレームにしか収まらず、その潜時や強度を正確に測定できなくなる。高フレームレートではより詳細な動きが捉えられるが、ファイルサイズが大きくなり、処理に必要な計算リソースも増加する。
解像度が重要なのは、別の理由による。ゼブラフィッシュの幼生は非常に小さく、その位置を極めて正確に追跡する必要がある。解像度が低すぎると、追跡アルゴリズムが魚体と反射光やゴミなどを混同してしまう可能性がある。一方、解像度が高すぎるとファイルサイズが肥大化し、解析速度が低下する。最適な解像度は、実験用アリーナのサイズ、魚の発育段階、および観察対象となる行動の種類によって決まる。
| アスペクト | 手動観察 | 動画追跡システム |
|---|---|---|
| データ量 | 観察者の時間的制約に左右される | 高い・連続的 |
| 高速で起こる現象 | 見逃されやすい | フレームレートが十分であれば確実に記録される |
| 再現性 | 観察者に依存 | アルゴリズムに依存するが、再現性は高い |
| 複数アリーナにおける処理能力 | 低 | 高 |
| 人の役割 | スコアリング | 監視と検証 |
追跡アルゴリズムが画素から行動指標を導き出す仕組み
動画追跡を支えるソフトウェアは、魔法ではありません。魚を各フレームから検出し、それらの検出結果を連続した軌跡(トラック)として結びつけるために、一連の処理ステップを用います。背景差分法により、画像中の静止部分が除去されます。その後、閾値処理またはエッジ検出によって魚の領域が抽出されます。さらに、重心追跡やカルマンフィルターといった追跡アルゴリズムが、次のフレームにおける魚の位置を予測し、その予測位置に最も近い検出結果をマッチングさせます。
複数の魚を同時に追跡する場合、ハンガリアン法などの割り当てアルゴリズムを用いることで、魚同士が交差した際の個体識別を維持できます。また、尾の形状や体表の模様といった外見的特徴を活用することで、個体の同一性をより確実に保つことが可能です。最終的な出力は、時間経過に伴う座標列であり、これをもとに前述の行動指標が算出されます。各処理ステップには結果に影響を与えるパラメーターが存在し、これらは実験間で一貫性を保つため、文書化して厳密に管理する必要があります。
動画追跡によって隠れた効果を捉えた実例
中国東部の大学に所属する神経薬理学研究グループが、抗不安作用を持つ化合物の評価を行っていた。第1ラウンドでは、明暗箱を用いた手動評価が採用されたが、結果は一貫性に乏しかった。一部の水槽では暗い側への明確な選好が見られたが、他の水槽ではその傾向が認められなかった。また、境界例については観察者間で判断が分かれ、効果量も小さかった。
研究グループは、ビデオトラッキング機能を備えたゼブラフィッシュの行動解析システムに切り替えた。このシステムは、各アリーナを継続的に記録し、ゾーンごとの指標を自動的に算出する。得られたデータから、当該化合物が暗所選好を確かに低下させた一方で、全体的な運動量も減少させていたことが明らかになった。手動による評価では、観察者がゾーン選択に集中していたため、この第二の効果を見落としていた。しかし、トラッキングデータによって両方の効果が明確に可視化された。そこで研究グループは解析手法を修正し、これら二つの行動を分離して評価するようにした。結果として、当該化合物は依然として興味深いものであったが、その解釈は変化した。ビデオトラッキングがなければ、運動量の低下という効果はまったく見過ごされていた可能性がある。
ビデオトラッキングに限界があり、なお人間の判断が不可欠な場面
ビデオ追跡は、完全な解決策ではなく、単なるツールにすぎません。反射光、気泡、異物などによって誤認識を起こすことがあります。また、コントラストが低かったり、魚が水槽の端に触れたりすると、追跡対象を失ってしまうことがあります。さらに、魚の健康状態が良好かどうか、あるいは水槽に行動に影響を与える問題があるかどうかを判断することはできません。こうした判断には、依然として人の目と判断が必要です。
数値への過度な依存というリスクもあります。追跡システムは大量の計測指標を出力しますが、それらすべてが意味を持つわけではありません。適切な指標を選択し、文脈に即して解釈する能力は、経験を積むことで身につくものです。システムが提供するのはデータであり、意味づけを行うのは研究者自身です。
ハンター・ラボ(ハンター)は、ビデオトラッキングに依存する画像の安定性に配慮してゼブラフィッシュ用実験装置を製造しています。製造および品質管理の面では、長期的な行動研究に求められる一貫性を支えています。ビデオトラッキングを用いた行動解析に依存する研究室にとって、このような製品づくりの姿勢は、その基盤の一部です。