《Science of The Total Environment》：Machine learning enables rapid assessment of potential cetacean health indicators
编辑推荐：
本研究针对鲸豚类健康监测中传统图像分析方法效率低下的瓶颈，开发了基于机器学习(ML)的自动化工具，用于快速评估Tamanend's宽吻海豚(Tursiops erebennus)的皮肤病变（如斑点、边缘环）和齿痕。研究发现，较低盐度和齿痕覆盖度与较高病变风险相关，且成年雄性个体齿痕覆盖度显著更高。该成果发表于《Science of The Total Environment》，为在快速全球变化背景下实现鲸豚种群健康非侵入性、实时评估提供了创新方案。
在广阔的海洋中，鲸豚类动物扮演着生态系统哨兵的重要角色，它们健康状况的变化往往预示着海洋环境难以察觉的深刻变动。然而，这些海洋哺乳动物正面临着日益严峻的威胁，尤其是与疾病相关的大规模死亡事件，而气候变化预计将加剧此类事件的发生。理解环境因素和种群统计学特征如何影响鲸豚的健康和疾病风险，对于制定有效的保护管理策略至关重要。但直接的健康评估，如捕获-释放研究，面临着巨大的 logistical（后勤）和 ethical（伦理）挑战。因此，研究人员将目光投向了非侵入性的替代方法——分析野外调查中拍摄的照片所记录的皮肤标记。
皮肤病变（如斑点、边缘环）通常与 underlying（潜在的）疾病（如鲸豚痘病毒、疱疹病毒）或环境变化相关，而齿痕（tooth rake marks）则是同种个体间 agonistic（攻击性）相互作用留下的平行疤痕，可作为个体遭受社会压力的指标。传统上，通过人工分析海量照片来识别这些标记不仅耗时巨大——处理单一年份的数据可能超过1100小时——而且易受研究者主观经验影响，导致 interrater reliability（评估者间可靠性）降低。这种分析效率的瓶颈严重限制了及时评估种群健康状况的能力，无法满足在快速变化的全球环境下进行实时健康监测和保护规划的需求。
为了突破这一瓶颈，一个研究团队将机器学习（Machine Learning, ML）这一前沿技术引入到鲸豚健康研究中。他们以切萨皮克湾（Chesapeake Bay）的Tamanend's宽吻海豚（Tursiops erebennus）为研究对象，该地区是已知的疾病导致海豚大规模死亡的热点区域，并且水温和盐度在年内和年际间波动剧烈，为检验环境因素与健康关系提供了独特的天然实验室。研究人员旨在利用机器学习模型，快速量化并表征这一脆弱鲸豚种群中的皮肤病变和齿痕，并分析它们与环境因素（温度、盐度）和 demographic（种群统计学）因素（年龄、性别）的关系。这项研究不仅首次揭示了该区域海豚健康压力源的环境和 demographic 驱动因素，也展示了自动化图像分析在快速、非侵入性评估鲸豚健康指标方面的巨大潜力。该研究成果正式发表在环境科学领域的知名期刊《Science of The Total Environment》上。
为开展此项研究，研究人员综合运用了几项关键技术方法。首先，他们利用2015年至2019年间在切萨皮克湾通过船只调查拍摄的野生Tamanend's宽吻海豚照片作为数据来源，所有个体均通过与其背鳍图谱比对进行了身份鉴定。其次，他们应用了先前开发的基于对象检测的机器学习模型来自动识别皮肤病变（包括暗斑、亮斑和边缘环）。此外，团队新开发了基于YOLOv8架构的机器学习模型，专门用于检测照片中海豚背鳍和身体区域的齿痕覆盖情况，并通过计算齿痕多边形面积与可见皮肤区域面积之比来量化覆盖度。环境数据（温度、盐度）则来自研究区域内的监测站。最后，研究采用广义线性混合模型（Generalized Linear Mixed Models, GLMMs）和线性混合效应模型等统计方法，分别分析了环境因素、齿痕覆盖度与各类病变发生概率的关系，以及不同 demographic 群体（成年雄性、成年雌性、幼年及年轻成年个体、幼崽）间齿痕覆盖度的差异，并控制了年份和个体重复测量等混杂因素。
环境因素和齿痕覆盖度预测病变发生
研究结果显示，盐度对所有三类病变的发生都具有预测作用，其对暗斑和边缘环病变的存在有显著的负向影响，而对亮斑病变的存在有显著的正向影响。温度对边缘环和亮斑病变的存在没有显著影响，但对暗斑病变的存在有显著的负向影响。此外，齿痕覆盖度对所有三类病变的存在均显示出显著的正向效应。这意味着在盐度较低、温度较低（针对暗斑）的水域中，海豚出现某些类型皮肤病变的概率更高，而个体身上齿痕覆盖面积越大，其出现病变的可能性也越大。研究还通过对比验证确认，机器学习模型预测的病变存在情况与人工评估结果所反映的环境信号一致，证明了自动化预测的可靠性。
成年雄性个体的齿痕覆盖度高于其他 demographic 群体
对齿痕覆盖度的分析表明，海豚可见身体表面的平均齿痕覆盖度为4.34%。特别值得注意的是，成年雄性海豚的齿痕覆盖度显著高于成年雌性和幼崽。幼年及年轻成年个体的齿痕覆盖度也显著高于幼崽。然而，成年雌性海豚与幼崽之间，以及成年雌性与幼年及年轻成年个体之间的齿痕覆盖度均无显著差异。这一模式表明，在切萨皮克湾的海豚种群中，成年雄性可能因求偶竞争等社会行为而遭受更多的攻击性互动，从而留下更多的齿痕。
寒冷和淡水条件可能加剧病变发生
对病变类型与环境关系的深入讨论指出，不同类别病变的 etiology（病因学）可能不同。边缘环病变与鲸豚痘病毒和疱疹病毒密切相关，而斑点病变的病因大多未知。研究发现较低盐度与较高的边缘环和暗斑病变风险相关，这与前人研究一致，表明淡水环境可能通过影响皮肤完整性或免疫 function（功能）而增加疾病易感性。温度与暗斑病变的负相关关系则提示，在寒冷水域中海豚可能面临更高的疾病风险。然而，亮斑病变与盐度的正相关关系出乎意料，可能与季节性迁徙、不同种群交替使用海湾等 confounding（混杂）因素有关。切萨皮克湾本身就是一个 brackish（半咸水）生态系统，盐度远低于海洋，生活于此的海豚可能已处于较高的生理压力之下。气候变化导致的风暴强度增加可能会带来更多的淡水输入，从而可能进一步影响该种群的健康。
雄性较高的齿痕覆盖度可能暗示其脆弱性增加
关于齿痕的讨论强调，成年雄性齿痕覆盖度最高与其激烈的 mating competition（交配竞争）行为相符，这在宽吻海豚中是一种常见现象。值得关注的是，本研究发现幼崽的齿痕覆盖度与成年雌性相比并无显著差异，这与某些其他种群的研究结果不同，可能反映了切萨皮克湾海豚种群独特的社会行为，例如对幼崽的攻击性行为发生率较高。遭受攻击可能产生 immunosuppressive（免疫抑制）效应，齿痕本身也可能为 pathogen（病原体）侵入提供途径，或者反映愈合缓慢。结合齿痕覆盖度是病变的 positive predictor（正向预测因子）这一发现，表明成年雄性可能对疾病爆发特别 vulnerable（脆弱），而该地区的幼崽也可能比其他地区的幼崽面临更高的疾病风险。
将自动化图像评估整合到鲸豚健康监测中
研究最后展望了将机器学习驱动的自动化图像分析整合到鲸豚健康监测中的前景。基于本研究的结果，建议在该地区的监测工作可以更有针对性地关注降雨较多、水温较低的季节，因为此时个体可能更易感病。同时，持续监测来自径流、降雨和重大风暴事件的淡水输入也至关重要。机器学习方法能够快速处理跨越多年和多批次调查收集的大量照片，有望检测到与气候变化事件（如暴雨、极端温度）相关的皮肤状况的短期快速变化，从而为实时健康评估和保护响应提供信息。尽管本研究的许多发现与已有文献报道的模式一致，但这是首次对切萨皮克湾宽吻海豚进行齿痕和病变的自动化评估，并且其结果的一致性也支持了该方法的有效性。未来，需要更大、更多样化的训练数据集来进一步 robustly（稳健地）链接气候变异与健康结局。
综上所述，这项研究成功地利用机器学习技术，高效地评估了环境和 demographic 因素对脆弱栖息地海豚皮肤病变和齿痕存在的影响。研究发现低盐度条件与某些病变发生风险增加相关，而成年雄性个体携带更高的齿痕负荷。更重要的是，该研究示范了如何利用机器学习工具，通过对皮肤病变和齿痕模式的分析，快速评估可能影响鲸豚脆弱性的社会和环境因素。这种方法为在快速全球变化时代，对鲸豚种群进行及时、非侵入性的健康评估开辟了新的途径，对于制定针对性的保护管理策略、应对气候变化带来的健康挑战具有重要的科学意义和实践价值。
