海が熱くなる時代、魚の限界をAIで測る――メダカ研究は愛媛の養殖に役立つか

メダカの実験から、宇和海の養殖場へ

夏の海面水温が上がると、養殖業者が心配するのは魚の成長だけではない。餌を食べる量、病気の発生、出荷時期、そして生き残れるかどうかが経営を左右する。愛媛の養殖現場にとって、水温は天気予報の脇役ではなく、生産を決める重要な条件である。

名古屋大学と福井大学の研究グループが2026年9月に発表したのは、水槽内のメダカが温度ストレスで姿勢を保てなくなる瞬間を、画像解析とAIで自動検出する方法だ。これは養殖魚をすぐに暑さに強くする技術ではない。温度耐性をより再現性高く測るための研究手法である。

研究は10月の新発表ではない

研究成果は9月10日付で科学誌「Scientific Reports」に掲載され、科学技術振興機構（JST）と大学が同日に公表した。Japan.co.jpも9月14日にその技術そのものを報じている。本稿は新規発見を装った再掲載ではなく、愛媛の水産研究と照らし合わせ、実用化までの距離を検討する続報だ。

研究で扱ったのはメダカの複数系統と近縁種。愛媛で主要な養殖魚であるマダイ、ブリ、マサバを対象に、商用生け簀で性能を検証したという発表ではない。研究上の成果と、産業で使える完成した検査装置とは分けて考える必要がある。

何を測るのか――平衡感覚喪失という指標

魚は外界の水温の影響を強く受ける変温動物である。研究では温度条件を変えた際、魚が正常な姿勢を維持できなくなる「平衡感覚喪失（LOE：Loss of Equilibrium）」を、温度耐性を比較する指標にした。これは魚が死んだ瞬間を測ることとは異なる。

従来は録画を研究者が見てLOEの時点を判定するため、観察者によるばらつきが課題だった。高精度な評価には経験と時間が必要で、比較する個体が増えるほど手間も膨らむ。自動検出には、この判定をそろえられるという意味がある。

DeepLabCutと画像分類を組み合わせる

研究グループは魚を個体別の区画で撮影し、「DeepLabCut」を使って鼻先、左右のひれ、胴体、尾など７か所の位置を動画から追跡した。姿勢の情報と画像分類モデルを組み合わせ、平衡を失った状態を判定する。大学による英語の解説では画像分類にResNet34を用いたと説明する。

50個体の映像を用いた検証では、AIの判定は熟練研究者の評価のばらつきとほぼ同程度だった。同じ映像を繰り返し処理しても結果がそろうことは利点だが、異なる魚種、照明、濁り、飼育密度で同じ精度が維持できると示したわけではない。

「北の魚ほど寒さに強い」だけではない

研究ではメダカの系統間で温度耐性が異なり、近縁種間では高緯度に分布するものほど低温に強い傾向が確認された。日本産メダカが特に高い耐寒性を示す一方、2025年に新種として記載された台湾産の近縁種は、緯度からの予測を上回る耐寒性を持った。

この例外が重要だ。魚の温度耐性は地図上の緯度だけで予測できず、系統の来歴や生理的な仕組みが関わる可能性がある。研究者は今後、耐性を生む分子機構を調べ、気候変動による影響予測につなげたいとしている。

愛媛で実際に起きた30度超の試練

愛媛県農林水産研究所の研究報告は、2024年に生産したマサバ種苗を八幡浜、宇和島、愛南の養殖業者へ配り、翌年3月まで実証試験を行ったと記録する。30度を超える高水温条件となった一つの試験先では、生存率が低下した。別の二つの試験先ではハダムシ被害により生存率が低下した。

県の研究者は、30度以上の高水温帯ではマサバ養殖が難しいことを示唆し、寄生虫対策の重要性も指摘した。ただし、この温度は当該実証試験での条件であり、全魚種に共通する安全限界ではない。水温対策と疾病対策を一つの万能技術で解決できるわけでもない。

愛媛の水産研究が積み重ねてきたもの

宇和海の養殖は、生け簀の管理、水温、飼料、種苗、疾病という複数の条件を相手にしてきた。愛媛県水産研究センターは、マダイの低魚粉飼料や養殖魚の疾病対策、アコヤガイの高水温・低餌料への対応など、実務に直結する課題を扱っている。

新しい画像解析の価値を判断するにも、こうした現場の研究と接続しなければならない。ある魚種で温度耐性を測れることと、どの段階でどの魚を選抜すれば経営改善につながるかは別の問いになる。

養殖場への応用に必要な四つの検証

第一に、マダイやブリ、マサバなど実際の対象魚種でLOEの定義と判定精度を確かめること。第二に、体の大きさや成長段階が変わっても結果が安定するか確かめること。第三に、装置や解析のコストが実務に見合うかを見ること。第四に、検査指標と実際の生残率や成長成績の関係を長期的に確かめることだ。

LOEは強い温度ストレス時の実験指標であり、日々の飼育に適した水温や疾病リスクを単独で決定できない。温度を上げたり下げたりする実験には、動物福祉に配慮した手順と研究倫理上の検討も必要になる。

AIは水を冷やさない

動画の判定時間を短縮できても、猛暑日に海水温を下げることはできない。生け簀の配置、飼育密度、給餌計画、疾病監視、耐性のある種苗の研究といった対策は引き続き必要だ。温度耐性評価の自動化は、こうした対応を支える研究基盤になり得るにとどまる。

大量の映像を均一に評価できるなら、系統間比較や育種研究の選択肢は広がるかもしれない。しかし、研究成果が養殖現場の損失をどれだけ減らすかという収益面の効果は、現段階で報告されていない。

データの透明性も産業化の条件

AIの「精度が高い」という表現は、何を正解とみなし、どの条件で測ったのかを伴わなければ意味が薄い。今回の比較対象は経験ある観察者の判定であり、実際の漁場での長期生存を直接予測したものではない。

今後、映像の条件、学習データの偏り、魚種の違い、温度変化の速さ、再現性などを詳細に報告できるかが鍵となる。自治体や養殖企業が技術を検討する場合、研究室での成功を広告文句に置き換えるのではなく、独立した試験結果を求めたい。

海の未来を測る「ものさし」を増やす

今回のメダカ研究が示したのは、温度耐性を評価する「ものさし」を、研究者の目視だけに依存しない方向へ進められる可能性だ。種によって異なる反応を検出できれば、魚類が気候変動にどう適応してきたかを考える手掛かりにもなる。

愛媛の養殖業に本当に必要なのは、希望的なAI導入物語ではない。現場で起きた高水温被害を科学的に理解し、魚種ごとの対策を試し、その結果を公開することだ。研究の価値は、未来の海に向けて何を確かめられるようになるかにある。