ウェアラブルデータで自分だけの長寿プランをつくる方法

自分だけの長寿プランとは、ウェアラブルデータを再現性のある判断につなげるための仕組みです。あらゆるスコアを最大化しようとするのではなく、まず自分の平常範囲を把握し、長期的な健康と特に関わりの深い指標を見極め、時間をかけて改善につながる習慣を試していきます。

長寿にとって最も役立つウェアラブル指標は、必ずしも最も高度なものではありません。日々の活動量、心肺持久力、睡眠のリズム、リカバリーの傾向は、どれも具体的な行動に結びつけやすい情報です。大切なのは、データを自分自身のベースラインと比べること、そして集団研究を参考に、現実的に目指せる目安を設定することです。

長寿にとって特に重要な指標は？

言うまでもなく、長寿をひとつで測れる指標はありません。とはいえ、ウェアラブルで記録・推定できるいくつかの指標については、研究から有益なエビデンスが得られています。

上記の心肺持久力のデータは、腕時計による推定値ではなく、トレッドミル検査によるものです。現在、多くのウェアラブルは心拍数とペースから独自にVO2maxを算出しています。代わりの指標としては妥当ですが、ラボでの検査とは測定方法が異なります。

最も見落とされがちなのが睡眠の規則性です。平均8時間の睡眠を目指しながら、就寝時刻が夜10時から深夜2時までばらばらというのは、最適化の方向を間違えています。デバイスが実際に何をスコア化しているのかを理解すれば、データはずっと読み解きやすくなります。

デバイスを身につけるだけでも効果がある

トラッキングそのものが行動を変えるという、かなり確かなエビデンスがあります。Lancet Digital Healthに掲載されたアンブレラレビューでは、39件のシステマティックレビュー（参加者計163,992人）を統合し、活動量計を用いた介入によって1日あたり約1,800歩増えたほか、ウォーキング時間が約40分増え、体重が約1kg減ったことが示されました。

何となく活動量計をつけているだけの人でも、歩数を約5,800歩から7,800歩に増やせば、リスクの四分位群がひとつ上に移ります。ただし、そこから長寿プランへと発展させるには、デバイス任せにせず、自分で意図的に目標を設定する必要があります。

解釈する前に、まずデータを一か所に集める

データの解釈がうまくいかない原因は、たいていデータの連携にあります。睡眠はあるアプリ、ワークアウトは別のアプリ、血圧や血糖値はさらに別の場所に記録されています。最も意味のあるインサイトはこうしたデータ同士の相関から見えてくることが多いのに、データがばらばらだと、その関係を見逃しやすくなります。

他の人があなたのデータを解釈する場合も同じです。長寿クリニック、スポーツ科学者、パーソナルトレーナーの間では、散らばったスクリーンショットや複数アプリへのログインではなく、統合ダッシュボードを活用する動きが広がっています。Sonar Atlasのようなプラットフォームは、ウェアラブル、ワークアウト、バイオマーカーのデータをひとつにまとめ、担当するクライアント全員の状況をひとつの画面で把握できるようにします。

まずは自分のベースラインを知る

長寿プランでよくある失敗は、自分の平常時の状態を知る前に最適化を始めてしまうことです。普段どおりの生活で少なくとも4週間データを記録し、その週平均をもとに、関連する各指標のベースラインを設定しましょう。

歩数や活動時間については、集団を対象とした健康研究を参考にするのも理にかなっています。最近の35のコホート、57件の研究を対象としたメタアナリシスでは、全死因死亡、心血管疾患、認知症など、さまざまな健康アウトカムで効果が認められました。リスクの低下は、1日5,000〜7,000歩あたりで頭打ちになる傾向がありました。だからといって、7,000歩が魔法の数字というわけではありません。平均3,000歩の人のほうが、すでに平均12,000歩歩いている人よりも、体を動かす量を増やすことで得られる伸びしろが大きい、ということです。

HRVや安静時心拍数などのリカバリー指標については、属性の異なる人たちと比べるよりも、自分自身の範囲を知ることのほうが重要です。心拍変動（HRV）は特にそうで、個人の生理的特徴に大きく左右され、人によって大きく異なります。

睡眠については、時間の長さだけでなく規則性も同じように重視しましょう。All of Us Research Programのウェアラブル研究では、6,785人の参加者を中央値4.5年にわたって追跡し、睡眠が不規則であるほど、高血圧や肥満などの疾患を抱えるオッズが高いことがわかりました。

ベースラインがわかれば、どの指標に最も改善の余地があるかが見えてきます。集団研究はそのプロセスの道しるべにはなりますが、あなた個人のルールを決めるものではありません。

一度に全部変えず、小さな実験を重ねる

日々の生活を一連の対照実験のように捉えると、ウェアラブルデータの価値はさらに高まります。

たとえば、睡眠時間は足りているのに、寝る時間と起きる時間が日によって大きくずれているとします。2週間、就寝時刻と起床時刻を一定の時間帯に収めるようにしてみましょう。その後、睡眠の規則性、安静時心拍数、HRVを以前のベースラインと比較します。

同じ考え方は、毎日のウォーキングを増やす、夜遅くの飲酒を減らす、トレーニング量を調整するといった場面にも応用できます。

できるだけ、大きな変数は一度にひとつだけ変えましょう。そうしないと、指標が改善しても、何が変化をもたらしたのかわからなくなってしまいます。

ウェアラブルデータはラボのデータではないことを忘れない

ウェアラブルによる体力の推定値は、あくまで方向性を示すものです。PLOS Oneに掲載された2025年の検証研究では、Apple WatchのVO2max推定値をラボでの間接熱量測定と比較したところ、平均絶対パーセント誤差は約13%で、Apple Watchは平均で約6 mL/kg/min低く見積もっていました。

実践的には、絶対値は正確でなくても、変化の方向には意味があると捉えるのがよいでしょう。ウェアラブルに表示されるVO2maxが40から40.5に上がったとしても、その差に意味があるとは限りません。しかし、同じような測定条件のもとで6か月かけて40から45へと着実に上がっているなら、そのシグナルははるかに有用です。

本記事は一般的な情報提供を目的としたものであり、医学的なアドバイスではありません。運動、睡眠、服薬について大きな変更を加える前に、資格のある医師にご相談ください。