Apple Watchの睡眠計測はどこまで正確か
結論から言うと、Apple Watch は眠っているか起きているか、睡眠時間の大きな傾向を見る用途には役立ちます。一方、一晩の「深い睡眠が何分だったか」を PSG（睡眠ポリグラフ検査）と同じ精度で確定する機器ではありません。
ここで大切なのは、次の3種類の数字を混ぜないことです。
- Appleが自社の睡眠ステージ機能を検証した数字
- 独立研究者が市販のApple WatchをPSGと比べた数字
- FeelmoのPaper 17で、Apple Watchの心拍だけから睡眠段階を予測した独自モデルの数字
先に訂正
「Paper 17は約1,000夜のApple Watch＋PSGデータで検証した」という説明は正しくありません。1,171夜はApple公式の開発データです。Paper 17でApple Watch心拍とPSGが対になっている公開データは31人です。
PSGとは？
PSGは、脳波、眼球運動、筋電図、心電図、呼吸などを同時に測り、専門家が30秒ごとに睡眠段階を判定する検査です。睡眠ステージの比較では基準になります。
Apple Watchは手首の小さなセンサーから推定します。身軽に毎晩測れる一方、PSGと同じ信号を見ているわけではありません。
Apple公式の検証は何を示した？
Appleの2025年版技術文書によると、標準の睡眠ステージ分類器への入力は加速度センサーです。HRVだけで判定しているわけではありません。呼吸に伴う細かな手首の動きを含む加速度信号から、覚醒・REM・コア・深い睡眠を30秒ごとに分類します。
| Apple公式資料の集団 | 人数 | 記録数 | 主な結果 |
|---|---|---|---|
| 開発データ | 858人 | 1,171夜 | モデル開発に使用。独立評価ではない |
| 開発に含めなかった検証データ | 166人 | 299夜 | 旧版の4段階κ平均 0.63（SD 0.13） |
| 同じ検証データでのwatchOS 26更新版 | 166人 | 299夜 | 4段階κ中央値 0.68（SD 0.11） |
| 臨床PSGの別集団・更新版 | 236人 | 390 watch sessions | 4段階κ中央値 0.66（SD 0.16） |
κ（カッパ）は、偶然当たる分を差し引いた一致度です。1に近いほど一致し、0は偶然程度です。ただし平均と中央値、対象集団、OSの版が違う数字を、そのまま横並びにはできません。
この資料は大規模で重要ですが、製造元による検証報告です。学習用の生データやモデルは一般公開されておらず、Apple自身も睡眠ステージを臨床用途向けとしていません。
Appleとは独立した研究ではどうだった？
2024年の研究では、睡眠障害のない成人35人が1夜のPSGに参加し、そのうちApple Watch Series 8の解析可能データが得られたのは 29人 でした。Apple WatchとPSGの一致は、睡眠・覚醒の2段階で93%、κ=0.60、4段階で75.0%、κ=0.60でした。
ただし、Apple WatchはPSGに比べ、平均で深い睡眠を43分少なく、浅い睡眠を45分多く推定しました。人数が少なく、健康な成人の1夜だけなので、年齢や睡眠障害が異なる人へそのまま一般化はできません。また、この研究はAppleによる研究ではない一方、競合製品のメーカーであるOura Ring Inc.から資金提供を受け、筆頭著者はOuraのMedical Advisory Boardメンバーでした。結果そのものと、資金源・利益相反の両方を確認する必要があります。
2026年に公表された系統的レビューも、Apple Watchは睡眠・覚醒の区別は比較的良い一方、似た睡眠段階どうしの区別は中程度から低い、とまとめています。つまり、合計睡眠時間と各ステージの分数は、確かさが同じではありません。
Paper 17は何を検証した？
Paper 17は、Appleの標準睡眠ステージ機能を再現した研究ではありません。公開コホートを使い、心拍・HRVだけでPSGの5段階をどこまで予測できるかを調べた、未査読の内部実現可能性研究です。
| Feelmo内部モデル | 対象 | macro AUROC | κ | 結果 |
|---|---|---|---|---|
| Apple Watch心拍＋PSG（Walch公開データ） | 31人 | 0.708 | 0.221 | 内部目標 0.85 / 0.65 に未達 |
| HMCのPSG由来ECG（被験者単位5-fold） | 35人 | 0.711 | 0.244 | 同一コホート内の評価でも内部目標に未達 |
| HMC＋CAP＋SLPDBのPSG由来ECG（LODO） | 計67人 | 平均0.639（SD 0.013） | 平均0.132（SD 0.028） | 未知コホートへの評価でさらに低下 |
AUROCは各段階を他の段階から並べ分ける力、κは最終的な段階の一致度を見る指標です。同じHMC内の被験者分割ではAUROCが0.711でも、5段階の一致を示すκは0.244でした。学習に使わないコホートを丸ごと評価するLODOでは、平均AUROC 0.639、平均κ 0.132まで下がりました。評価方法が違う数字を、同じ性能値として混ぜないことが重要です。
Phase 0では、3コホート計67人の予測睡眠段階から計算した5つの睡眠指標について、PSGとのPearson相関は −0.007〜0.417 で、事前に置いた0.85の目標にすべて届きませんでした。その後、段階分類を経ずに心拍・HRV特徴から指標を直接回帰する探索的なPhase 2解析では、最大相関は深い睡眠割合の 0.545 まで上がりましたが、改訂した0.65の目標にも5指標すべてが未達でした。異種データを53件から101件へ増やしても、マルチモーダルモデルのκは0.336から0.330へ変化せず、単純にデータを足せば解決する結果でもありませんでした。
Paper 17から言えること
公開データと今回のモデルでは、心拍・HRVだけによる5段階推定はPSGの代わりになりませんでした。これはApple標準機能の性能評価でも、「将来どんなモデルでも不可能」という証明でもありません。
毎朝、どう読めばいい？
- 一晩の数字より、同じ端末・同じ設定で数週間の傾向を見る
- 合計睡眠時間と、REM・コア・深い睡眠の分数を同じ確かさだと思わない
- 「深い睡眠が少ない」1回だけで、病気や回復不足と決めない
- OS更新でアルゴリズムが変わり得るため、更新前後の段差に注意する
- 強い眠気、いびき、呼吸停止、不眠が続く場合は、時計の数字だけで判断せず医療機関へ相談する
参考資料
- Apple. Estimating Sleep Stages from Apple Watch. October 2025. 公式技術文書
- Robbins R, et al. Accuracy of Three Commercial Wearable Devices for Sleep Tracking in Healthy Adults. Sensors. 2024;24:6532. doi:10.3390/s24206532
- Lambe R, et al. The accuracy of Apple Watch measurements: a living systematic review and meta-analysis. npj Digital Medicine. 2026. doi:10.1038/s41746-025-02238-1
- Walch O, et al. Sleep stage prediction with raw acceleration and photoplethysmography heart rate data derived from a consumer wearable device. Sleep. 2019;42(12):zsz180. doi:10.1093/sleep/zsz180
- Walch O. Motion and heart rate from a wrist-worn wearable and labeled sleep from polysomnography, version 1.0.0. PhysioNet. doi:10.13026/hmhs-py35
医療上の注意
Apple Watch、Feelmo、Paper 17のモデルは、PSGによる診断を置き換えません。このページは研究結果の解説であり、診断や治療の助言ではありません。
※ この研究解説は、Feelmoアプリの有効性を検証したものではありません。
Apple Watchの睡眠・心拍・HRVを、毎朝わかりやすく。FeelmoをApp Storeで見る