ウェアラブルのストレススコア、どこまで信用できる？検証研究が明かす精度の実態

「ストレス高め」の通知、本当に正しいの？

先週の火曜日、午後2時47分。スマートウォッチがストレスアラートを鳴らしました。そのとき私がしていたこと？サンドイッチを食べていただけです。重要なプレゼン中でもなければ、渋滞にハマっていたわけでもない。ただのランチタイム。

この出来事がきっかけで、ふと疑問が湧きました。「このストレススコア、どこまで信じていいんだろう？」調べてみると、研究者たちも同じ疑問を追究していて、その答えはメーカーの宣伝文句よりもずっと複雑なものでした。

ストレススコアが実際に測っているもの

まず知っておくべき重要な事実があります。ウェアラブルデバイスは「ストレス」を直接測定しているわけではありません。主に心拍変動（HRV）という生理的な指標から、ストレス状態を推測しているのです。ストレスを感じると交感神経系が活性化し、心拍のリズムが規則的になり、その変化をデバイスが検知します。

でも、HRVが変化する原因はストレスだけではありません。カフェイン摂取、食後の消化活動、坂道を歩いた直後、オフィスの室温変化——これらすべてがHRVに影響します。

各デバイスのアルゴリズムはこうした要因を補正しようとしていますが、その精度にはかなりの差があります。

コルチゾールとの相関：検証研究が示す実態

2025年に学術誌『Psychoneuroendocrinology』に発表された研究では、人気の高い7種類のウェアラブルデバイスを対象に厳密な検証が行われました。研究チームは847名の参加者から14日間にわたって唾液コルチゾールサンプルを採取し、同時にデバイスのストレススコアを記録しました。

結果として得られた相関係数は0.52〜0.72。「まずまず」といったところでしょうか。素晴らしいとは言えませんが、まったく当てにならないわけでもない。

研究者たちを驚かせたのは、タイミングのズレでした。コルチゾールはストレッサーから約20〜30分後にピークを迎えます。一方、ほとんどのデバイスはストレススコアをほぼリアルタイムで表示します。このタイムラグが、どんなに優れたアルゴリズムでも埋めきれない根本的な問題を生んでいます。

ある参加者は、保険会社との厄介な電話中にストレススコアを確認したそうです。表示は「リラックス状態」。ところが20分後、穏やかに読書をしているときに「高ストレス」に跳ね上がりました。デバイスが間違っていたわけではなく、単に遅れて反応していたのです。

心理評価との比較：また違った結果に

コルチゾールはパズルの一片にすぎません。ストレスには心理的な側面もあります。運動後にコルチゾールが上昇していても気分は爽快かもしれないし、生理的には正常でも心が押しつぶされそうなこともあります。

2024年に『JMIR mHealth』で発表された包括的レビューでは、ウェアラブルのスコアと、知覚ストレス尺度（PSS-10）や状態・特性不安検査といった確立された心理評価ツールとの比較が行われました。

こちらの相関はさらに弱く、デバイスによって0.41〜0.58という結果でした。考えてみれば当然です。心理的ストレスには認知、知覚、状況判断が関わっており、手首のセンサーでは捉えきれない領域です。

就職面接と初デートでは、HRVパターンがほぼ同じになることもあります。でも片方は恐怖で、もう片方はワクワク。あなたのスマートウォッチには、その違いがわかりません。

デバイス別の精度差：どこに問題があるのか

すべてのウェアラブルが同じ性能というわけではありません。『Psychoneuroendocrinology』の研究では、デバイス間で大きな精度差があり、使用シーンによって正確性が大きく左右されることが明らかになりました。

光電式容積脈波（PPG）センサー——血流を測定するあの緑色のライト——を使用するデバイスは、動いているときの精度が低下しました。動きがセンサー信号にノイズを生むので、これは納得できます。心電図（ECG）センサーを搭載した胸部ストラップ型は運動中の精度は高いものの、終日装着には向きません。

また、肌の色がPPGの精度に影響することも判明しました。肌の色が濃い参加者では、相関係数が平均で約0.08〜0.12低くなっていました。メーカー各社はこの問題に取り組んでいますが、現時点では実際の制限事項として存在しています。

フィット感も重要です。バンドが緩いと、測定値のばらつきが著しく大きくなりました。ある研究者は冗談交じりにこう言っていました。「ストレス計測で一番大事なアクセサリーは、サイズの合ったウォッチバンドかもしれない」

ストレススコアが最も信頼できる場面

ここからが実用的な話です。検証研究では、ウェアラブルのストレススコアが特に信頼できる具体的なシーンが特定されています。

安静時の測定が最も正確。デスクに座っているときやベッドで横になっているとき、動きによるノイズがなくなり、アルゴリズムが本来の性能を発揮します。『Psychoneuroendocrinology』の研究では、静止状態でのコルチゾール相関は0.78〜0.82まで向上しました。

トレンド分析は単発チェックより有効。午後3時の単発のストレス値はほとんど意味がありません。でも週単位のストレスパターンを追跡すると、本当の気づきが得られます。『JMIR』のレビューでは、7日間の移動平均がコルチゾールと心理評価の両方に対して、単発測定よりもはるかに強い相関を示しました。

回復の検出は得意分野。既知のストレッサー後にストレスレベルがベースラインに戻るタイミングの検出では、デバイスは驚くほど正確でした。就寝前のリラックスルーティンの効果を確認する用途なら、まさにデバイスの得意領域です。

あまり語られない限界

慢性ストレスは検出しにくい。数週間から数ヶ月ストレス状態が続くと、身体が適応します。コルチゾールは高いままでもHRVパターンは正常化していきます。デバイスは「ストレス改善中」と表示するかもしれませんが、実際のストレス負荷は高いままということがあり得ます。

服薬が測定を複雑にする。たとえばβ遮断薬は心拍変動に直接影響します。一部の抗うつ薬や降圧薬も同様です。検証研究ではこれらの薬を服用している参加者は除外されていたため、精度データは数百万人の潜在的ユーザーには当てはまらない可能性があります。

睡眠不足が測定値を狂わせる。睡眠の質が悪かった翌日は、HRVパターンがストレスに似た変化を示しますが、厳密には同じではありません。これを補正しようとするデバイスもあれば、しないものもあります。

そして不安のパラドックス。ストレススコアを常にチェックすること自体がストレスになる人もいます。睡眠トラッキングでは「オルソソムニア」と呼ばれる現象ですが、ストレストラッキング版にはまだキャッチーな名前がついていません。でも確実に存在します。

数値との上手な付き合い方

では、ストレススコアは完全に無視すべきでしょうか？いいえ。でも「自分なりの補正」が役立ちます。

1週間ほど、デバイスが高ストレスを示したときに実際に何をしていたかをメモしてみてください。パターンが見えてきます。昼食後の消化を毎回「不安」と誤検知しているかもしれない。午後のエネルギー低下は正確に捉えているかもしれない。デバイスの癖を理解すれば、データがもっと使えるものになります。

数値より文脈が大事。プレゼン中のストレススコア75と、テレビを見ているときの75は意味が違います。数字だけでは心配すべきかどうかわかりません。

絶対値ではなく範囲で見る。普段のストレススコアが30〜50なら、70は何かを意味します。いつも60〜80なら、同じ70は「いつもの火曜日」です。

これからの技術進化

技術は多くの人が思っている以上に速く進化しています。マルチセンサー融合——HRVに皮膚電気活動、体温、動きのデータを組み合わせる手法——は初期研究で有望な結果を示しています。『Psychoneuroendocrinology』の研究で使われたプロトタイプシステムは、この手法でコルチゾール相関0.81を達成しました。

次のフロンティアはコンテキストAIです。カレンダー連携で会議中だと認識し、HRVの変化を検知したら、通勤中の同じ変化とは異なる重み付けで判断する——そんなデバイスを想像してみてください。初期の実装はすでに存在しており、今後さらに精度が上がるでしょう。

ただし、根本的な課題は残ります。ストレスは生理的な面と心理的な面の両方を持っています。手首のセンサーだけで全体像を捉えることは、おそらく永遠にできないでしょう。期待できるのは「使える近似値」——でも正直なところ、10年前にはそれすらなかったのです。

デバイスを信じるべきか：結論

ウェアラブルのストレススコアは、でたらめではありません。でも絶対的な真実でもありません。天気予報のようなものだと考えてください。計画を立てるには役立つけれど、予測は完璧ではない。特定の瞬間を当てるよりも、パターンを見つけるのが得意。

検証研究が示唆しているのは、これらのスコアを「複数ある情報源のひとつ」として扱うことです。自分はどう感じているか？生活で何が起きているか？身体は直接何を訴えているか？デバイスはその全体像にデータを追加してくれます。あなた自身の気づきを置き換えるものではありません。

私のランチタイムのストレスアラートですか？最終的に原因がわかりました。デスクに前かがみになって、息継ぎもそこそこに急いで食べていたんです。なぜストレス状態なのかまでは教えてくれませんでしたが、「何かがおかしい」という検知は、完全に間違いではなかったようです。