Apple Watchで心不全の悪化を予測できる？
2026年Nature論文を読んでみた
スマートウォッチが心肺機能の低下を検知し、入院を中央値7.4日前に予測 ─ TRUE-HF研究
論文の概要
出典：Gao Y, Moayedi Y, et al. Remote monitoring of heart failure exacerbations using a smartwatch. Nature Medicine. 2026;32:924-933. (TRUE-HF研究; NCT05008692)
なぜこの研究が重要なの？
🏥 従来の評価法の限界
- CPET（心肺運動負荷試験）：最も正確だが高額・大型装置が必要で、日常的に繰り返すのは不可能
- 6分間歩行試験：監視なしでの精度が不確実
- NYHA分類：主観的で、患者の日々の変動を反映できない
- NT-proBNP：採血が必要で、リアルタイムの変化は追えない
⌚ ウェアラブルの可能性
- Apple Watchは心拍数・歩数・活動量・酸素飽和度などを24時間自動記録
- 患者の負担がほぼゼロ（着けているだけでOK）
- 遠隔モニタリングにより入院を最大15%削減できた先行研究も
- しかし心不全患者での検証は十分でなかった
研究デザイン
👥 対象患者
- カナダ・トロント大学の心臓センターに通院する心不全患者
- 合計217人が登録（女性70人、男性147人）
- 年齢中央値：57.0歳
- 82.5%が駆出率低下型心不全（HFrEF）
- 77%以上がNYHAクラスII以上
- 人種構成：白人61%、アジア人20%、黒人12%、その他7%
📋 方法
- Apple Watch Series 6を約3か月間（中央値94.5日）装着
- 開始時と終了時に院内でCPET・6分間歩行試験・採血を実施
- 日々のデータをHealthKit経由で自動収集
- 予定外の入院・緊急外来受診・点滴利尿薬使用を追跡
- 154人で学習、63人で性能を検証（テストセット）
ポイント：通常の生活をそのまま送ってもらい（「もっと歩いてください」などの指示なし）、Apple Watchが自動で集めるデータだけを使って心肺体力を推定するという点がユニーク。研究者側はテストセットの63人を最後まで一切触れず、モデル改良の繰り返しによる評価の偏り（テストセットへの情報漏洩）を徹底的に防いでいます。
TRUE-HFモデルの仕組み
たとえるなら：火曜日の運動が木曜日の体調にどう影響するか、先週全体の傾向が今日に何を意味するか——こうした「時間のつながり」を理解できるのがTRUE-HFモデルの強みです。従来のAIモデルは各時点を独立に扱うため、こうした長期的な文脈を捉えられませんでした。
主な結果
🎯 心肺機能の予測精度
TRUE-HFモデルの予測と実際のCPET測定値の相関（ピアソン相関係数）
平均絶対誤差。これはCPETの再現性（テスト-再テスト信頼区間）の範囲内
pVO₂の10%以上の低下を検出する精度（Apple独自アルゴリズムは0.52）
🚨 予定外入院の予測
pVO₂が10%低下するごとのハザード比（95%CI: 1.37-9.55, P < 0.01）
予定外医療イベントに先行してpVO₂低下を検知した中央値日数
10%低下をしきい値とした場合の感度（特異度62%）
従来の指標との比較
| 予測指標 | ハザード比 | P値 | 判定 |
|---|---|---|---|
| TRUE-HF 日次pVO₂（連続変量） | 3.62（1.37-9.55） | 0.009 | ✅ 有意 |
| CPET pVO₂（ベースライン） | 1.37（0.33-5.72） | 0.664 | ❌ |
| NT-proBNP（ベースライン） | 0.86（0.52-1.42） | 0.559 | ❌ |
| 6分間歩行距離（ベースライン） | 1.00（0.99-1.01） | 0.800 | ❌ |
| NYHA分類（ベースライン） | 0.88（0.32-2.38） | 0.795 | ❌ |
| SHFMスコア | 1.12（0.41-3.02） | 0.830 | ❌ |
| MAGGICスコア | 1.06（0.96-1.17） | 0.260 | ❌ |
注目ポイント：従来の臨床指標（血液検査値、CPET結果、機能分類、リスクスコア）はいずれも「ある一時点のスナップショット」にすぎません。TRUE-HFモデルだけが唯一、予定外医療イベントと有意な関連を示しました。日々のデータを追い続ける「動画」と、診察時に1枚撮る「写真」の違いです。
外部検証：All of Usコホート
📊 外部検証の結果
- pVO₂が10%低下するごとのハザード比：1.32（95%CI: 1.03-1.69, P = 0.03）
- イベント発生の中央値21日前に低下を検知
- 感度50%、特異度59%（センサー制限下）
- 人種構成が異なる集団でも方向性は一致
🔬 知識蒸留による転移
- Fitbitでは9種中2種のデータしか取得できない
- フルモデル→中間モデル→軽量モデルという「教師-助手-生徒」方式で知識を移転
- 効果は弱まるものの、統計的に有意な予測力を維持
- Apple Watch以外の機器でも応用可能な道筋を提示
収集されたデータ量
| データの種類 | 記録件数 |
|---|---|
| ActiveEnergyBurned（活動消費カロリー） | 6,073万件 |
| BasalEnergyBurned（基礎代謝カロリー） | 3,677万件 |
| HeartRate（心拍数） | 2,986万件 |
| Distance（移動距離） | 814万件 |
| StepCount（歩数） | 514万件 |
| AppleStandPlusTime（立ち上がり時間） | 261万件 |
| AppleExerciseTime（運動時間） | 138万件 |
| OxygenSaturation（血中酸素飽和度） | 66万件 |
| HeartRateVariabilitySDNN（心拍変動） | 37万件 |
ここがポイント
✅ この研究の強み
- 市販のスマートウォッチだけで高精度な心肺体力推定を実現
- 「毎日の変化の傾向」を捉える初のアプローチ
- 予定外入院を約1週間前に検知できる可能性
- 独立した外部コホート（異なるデバイス・国・人種）で再現
- 患者の負担がほぼゼロ（追加の運動指示なし）
- テストセットを完全に分離し、評価バイアス（テストセットへの過適応）を防止
- 白人・非白人間でモデル精度に差がないことを確認
⚠️ 注意点・限界
- テストセットが63人と小規模で、イベント数が少ない
- 駆出率保持型心不全（HFpEF）の患者がテストセットに6人のみ
- 観察研究であり、この検知が治療介入に結びつくかは未検証
- 完全な多変量調整は検出力不足のため実施できず
- Apple提供のデバイスを使用し、著者らは特許出願中
- モデルの重みは非公開（プライバシー上の理由）
この研究はApple Watchデータから「心肺機能の低下」を検知できることを示しましたが、「検知した結果、早期介入によって入院が減るか」という介入試験はまだ行われていません。今後のランダム化比較試験による検証が待たれます。
結論
💡 私たちの生活にどう活かす？
心不全をお持ちの方やそのご家族にとって、この研究が伝える最も重要なメッセージは「日々の小さな変化の積み重ねに意味がある」ということです。現時点ではTRUE-HFモデルはまだ研究段階であり、一般の患者さんが使えるアプリにはなっていません。しかし、Apple Watchで日々の活動量や心拍数の傾向を意識しておくことは、「いつもと違う」変化に早く気づく助けになるかもしれません。体力の低下を感じたら、自己判断せず早めに主治医に相談することが大切です。
スマートウォッチのデータは医療機器の診断に代わるものではありません。心不全の管理や治療については、必ず主治医にご相談ください。
おすすめ製品
