機械学習が新種の巻貝を発見　AIと機械学習が切り拓く未知の生命の発見

2025年、京都大学の研究チームは、機械学習（※1）を活用した分析手法により、これまで知られていなかった生物種を発見することに成功した。
今回分析の対象となったのは、淡水に生息する既知の巻貝「クロダカワニナ」だ。
分析の結果、新たに3種の新種が特定され、それぞれ「サキガケカワニナ」「タジマカワニナ」「ユメカワニナ」と命名された。

機械学習による新種の特定とその意義

研究チームは、日本本州の淡水に生息する「クロダカワニナ」400個体以上を対象に解析を行った。機械学習を活用することで、貝殻の角度や入り口の形状といった細かな差異を抽出し、既存の分類では単一種とされていた「クロダカワニナ」が、実際には3種の異なる新種を含んでいることを突き止めた。

この発見は、生物多様性を深く理解するための貴重なデータを提供するだけでなく、生物分類における機械学習の有効性を示す重要な事例となった。特に、微細な特徴を持つ小型生物や出現頻度の少ない種の分類において、機械学習が強力なツールとして活用される可能性が示されたのではないだろうか。

生物多様性の深化と環境保全の前進

今回の発見は、AIと機械学習が生物多様性の理解を深めるとともに、環境保全における新たな視点を提供するものであるといえる。新たに命名された3種の巻貝は、「クロダカワニナ」が水質を示す指標生物（※2）であることを示唆しており、これが気候変動を感知する役割を担う可能性も指摘されている。この知見は、環境政策やエコロジー研究の進展に寄与し、より細やかな生態系保護の基盤となるだろう。

さらに、機械学習は、大量のデータを迅速かつ効率的に解析し、生物種の違いを明確に特定する能力を持つ。これにより、小型で特徴が微細な種の分類や、新たな検討領域の探索が容易となる。今回の研究は、既存の知識を超えた未知の生命の発見において、機械学習の潜在的な可能性を改めて浮き彫りにした。

環境の変化への適応の難しさ

機械学習モデルは、訓練時に使用されたデータに基づいて学習するため、環境の変化に伴い性能が低下するリスクがある。生物多様性の研究では、データが地域や季節によって変化するため、この課題への対応が重要となる。

研究者は、環境変化に柔軟に対応できるモデルを設計し、新しいデータや状況に応じた再訓練を行う必要がある。こうした取り組みにより、機械学習を活用した生物研究の信頼性と汎用性がさらに高まるだろう。

※1　機械学習
インプットを基にデータのパターンを解析するAI技術の一種。特に分類することに優れ、生物種の分類や特定においても活用される。

※2　指標生物
環境変化を感知する能力を持つ生物種で、水質や生態系の健康状態を測る指標として用いられる。