私たちの科学への確信：Ouraが睡眠を測定し、精度を検証する方法

透明性への取り組み

Ouraは睡眠時無呼吸症候群や不眠症などの医学的状態を診断することを目的とした医療機器ではありませんが、夜ごとの睡眠構造や長期的な健康の傾向を把握するために、これまでにない利用しやすい手段を提供します。

私たちは今後も研究結果を発表し、主要な学術機関と協力しながら、Ouraの機器が何を測定しているのか、アルゴリズムがどのように機能するのか、そしてメンバーの皆さまがこのデータを日々の生活の改善にどう役立てられるのかを、透明性をもってお伝えしいきます。私たちは、自分たちの科学に確信を持ち、エンジニアリングの成果に誇りを持つとともに、法廷においても自社の技術を守ることに尽力してまいります。

Ouraの睡眠トラッキングの科学的根拠と精度についてよくある質問

質問：「睡眠は、指ではなく、脳で起こるもの」なので、Ouraは睡眠段階を追跡できないと考えるのは正しいですか？ 

回答：いいえ。脳が行っていることと密接に関連する全身の生理学的反応を通じて、Ouraは睡眠を追跡しています。この主張の背景には、睡眠が従来、脳波（EEG）によって測定される脳活動を基準に定義、判定されてきたという事実があります。しかし、睡眠はEEGだけではありませんし、EEGもまた睡眠の直接的な測定手段ではありません。それは睡眠を覗く一つの手段に過ぎません。睡眠は全身の生理学的状態であり、睡眠中には中枢神経系と自律神経系の活動が密接に連動していることは科学的に明らかです。 

自律神経系は、各睡眠段階において、心拍数、心拍変動、末梢血流、呼吸、体表温を明確かつ再現性のあるパターンで調節しています。EEGが脳内で検出する睡眠段階の移行は、末梢生理機能に対応する、測定可能な変化を伴います。その自律神経のシグナルは、ウェアラブルデバイスが睡眠段階を推定するために使用する主要なシグナルの一つです。それは裏か表かを当てるような「推測」とは異なります。生理学的な変化を、別の、そして確かな測定手段を通じて捉えているのです。

Ouraは、指の「デジタル動脈」（指動脈）から測定を行うことで、こうした生理学的な変化を捉えています。指では、手首に装着するセンサーと比べてPPG信号の強度が優れているとされています。アルゴリズムは複数のセンサーによるデータを評価し、体の末梢部のシグナルを睡眠段階に対応づけています。

質問：Ouraによる睡眠段階の分類は、裏か表かを当てるコイン投げのような「AIの推測」に依存しているという捉え方は正しいですか？ 

回答：いいえ。Ouraによる睡眠段階の分類を「裏表を推測するコイン投げのようだ」という主張は、査読済みの科学的研究を誤って解釈しています。 

複数の査読付き研究で、高精度の睡眠ポリグラフ検査と比較して、Ouraの実際の精度ははるかに高いと評価されています。

• MDPI『Sensors』（2021年）：PPGと複数のセンサーから得られるデータを組み合わせて分析することで、4段階の睡眠分類で79%の一致率、2段階分類（睡眠/覚醒）で96%の一致率を示しました。
• ブリガム・アンド・ウィメンズ病院（Sensors、2024年）：4段階の睡眠分類で76.3%の一致率、2段階分類（睡眠/覚醒）で92%の一致率を示しました。この研究では、PSGに対する4段階の睡眠分類の精度について、テストに使用された一般向けトラッカーの中でOura Ringが最も高い性能を示しました。
• シンガポール国立大学（Nature & Science of Sleep、2022年）：臨床PSGと比較した157日分の夜間データにおいて、4段階の睡眠分類で76.4%の一致率を示しました。

さらに言えば、4つの異なるカテゴリー（浅い睡眠、深い睡眠、レム睡眠、覚醒）をデバイスが区別する多段階分類の場合、ランダムな推測、つまり「裏か表か当てるだけ」で得られる期待値は25%であり、50%ではありません。 

質問：Ouraは「臨床睡眠研究施設と比較した睡眠段階の精度は95%」を謳っています。このパーセンテージは実際には何を測定しているのでしょうか？ 

回答：検証研究では、リングと、睡眠研究施設の最も信頼されている完全な臨床ポリグラフ検査（PSG）の両方を装着して一晩または複数晩の睡眠をとります。一晩はエポックと呼ばれる30秒のセグメントに分割されます。8時間の夜間であれば、約900エポックになります。訓練を受けた技術者がPSGから各エポックにラベルを付け、リングも同じエポックに対して独自のラベルを生成し、エポックごとにその2種類を比較します。「精度」とは、単純に、リングと技術者の判定が一致したエポックの割合を指します。たとえ一晩の大部分を正確に判定できていたとしても、30秒ごとの個々の区間では、判定が一致しないケースが一定数生じるため、これらの数値は決して簡単に達成できるものではありません。

精度はいくつかの異なる観点から報告されます。

1. 睡眠と覚醒の検出：各エポックにおいて、眠っていたか起きていたか。Ouraのアルゴリズムは、一貫して、PSGとの一致率90〜96%に達しています。95%という数値は、このことを指し示しています。*

2. 夜間全体の概要：合計睡眠時間、睡眠効率、および入眠時刻と起床時刻。これらはエポックごとの測定値ではなく、リングによる夜間の合計と研究施設の合計を分単位で比較しています。独立した研究により、合計睡眠時間においてOuraとPSGの間に有意差がないことが繰り返し確認されています。

3.4段階分類：各エポックの、浅い睡眠、深い睡眠、レム睡眠、覚醒を判別します。これは難易度が高いところですが、査読付き研究全体において、健康な成人を対象とした場合、Ouraは人間がスコアリングしたPSGと約76〜79%の一致率に達しています。

*Oura Ringと臨床睡眠検査（ポリグラフ検査）の記録を比較した複数の査読付き研究において、リングは94〜98%の確率で睡眠を正しく検出し、全体的な睡眠/覚醒の一致率は約90〜96%と評価されています。フルマルチセンサーモデルで98%の感度と96%の全体的な精度（Altini & Kinnunen、2021年）、自宅での3日分の夜間データで95%の感度と93%の精度（Ghorbaniら、2022年）、95%の感度と91%の精度（Ongら、2023年）、40万エポック以上の睡眠で94%の感度と92%の精度（Svenssonら、2024年）、および夜間の臨床研究で95%の感度（Robbinsら、2024年）。

質問：Ouraは、どのようにして医療機器と差別化を図っていますか？ 

回答：Ouraは一貫して、Oura Ringが睡眠時無呼吸症候群や臨床的な不眠症などの疾患を診断するための医療機器ではなく、継続的かつ非侵襲性の健康トラッキングを目的とした一般向けのウェルネス製品であると説明しています。

医療用ポリグラフ検査では、患者は不慣れな検査室で12個以上のセンサーを装着して眠る必要があり、この状態により自然な睡眠パターンが乱れることがよくあります。Ouraは、ユーザーの自然な家庭環境において、長期的に記録された毎晩の傾向を分析して提供します。一般向けのデバイスをPSGという基準に照らして検証することは、そのデバイスが診断用の臨床機器に取って代わることを意味するのではなく、非侵襲的な測定でありながら、高い精度で生理学的な情報を捉えられることを示しています。

Oura Ringは、臨床的な睡眠評価に取って代わるものではなく、それを補完することを目的としています。日常生活における睡眠と、それが時間の経過とともにどのように変化するかについて、正確で有意義、かつ実用的なデータを提供し、新たなインサイトをもたらします。こうした長期的な視点は、すでにさまざまなレベルで新たな発見につながっています。たとえば、個人が自身のデータから気づきを得た事例が『JAMA Neurology』の症例報告で紹介されているほか、大規模なウェアラブルデータをもとに、国によって夜間の睡眠パターンにどのような違いがあるのかを明らかにした研究など、集団レベルでの発見にもつながっています。

質問：PPGとは何ですか？なぜ手首よりも指の方がPPGに適した場所なのでしょうか？ 

回答：光電式容積脈波記録法（PPG）は、LED光と光検出器を使用して動脈の脈波と血液量の変化を測定する光学技術です。

指はPPGにとって理想的な場所です。なぜなら、指の動脈は手のひら側の表面近くを通っているからです。手首の手の甲の側は皮膚が厚く、骨の構造が干渉し、血管が小さいため、指と比べてPPGには適していません。この信号の性質上、Ouraは心拍変動に見られる一拍ごとのわずかな変化や、睡眠段階の判定に不可欠な呼吸の変化を捉えることができます。

質問：睡眠トラッキングの「最も信頼できる基準」とは何ですか？ウェアラブルはそれにどこまで近づけますか？ 

回答：最も信頼できる基準はポリグラフ検査は（PSG）です。頭皮のEEG（脳波）、EOG（眼球運動）、EMG（筋緊張）を組み合わせています。

PSGの結果が実際にどのように生成されるかを理解しておくと役に立ちます。認定技術者が記録を確認し、標準化された臨床ルールに従って、夜間の30秒のセグメントごとに「覚醒」、「N1」、「N2」、「N3」、または「REM」というラベルをひとつ割り当てます。これには、2つのことが付きまといます。第一に、実際の睡眠は30秒ごとにきれいに状態が変化するわけではありません。1つのセグメントの間に複数の睡眠段階の特徴が見られる場合があり、技術者はその中で最も顕著な特徴を選択しなければなりません。睡眠段階間の境界は特に曖昧で、浅い睡眠（特にN1）は特定するのが非常に困難です。第二に、ラベルは曖昧さを含む信号に対して専門家が下した判断に基づくため、同じ記録を2人の技術者が判定しても、完全に一致するとは限りません。査読付き研究では、判定者間の合意率は約83%とされています。また、睡眠障害のある人を判定する場合は、さらに低下します。

これはウェアラブルの精度を解釈する上で重要です。つまり、リングが比較対象とする基準自体が完全なものではないため、別のPSG判定者を含め、どのデバイスも100%の一致率を達成することはありません。そのような背景があるため、邪魔にならない状態で指に装着するリングを用いて、4段階分類でPSGと約78〜80%の一致率を達成することは、高いレベルのパフォーマンスと言えます。6種類のウェアラブル端末と3人の専門家によるPSG判定を直接比較した研究において、研究者は「DreemとOuraのみが、PSGと実質的な一致を示すカッパ値に達した」と結論付けました。（DreemとはEEGヘッドバンドで、Ouraはその閾値に達した唯一の非EEGデバイスでした。）

質問：Ouraには「よく眠れた」と示されていても、自分では休息が取れたと感じません。なぜこのような不一致が生じるのでしょうか？それは睡眠段階アルゴリズムが不正確なのでしょうか？ 

回答：主観的な経験と客観的な精度は混同されがちですが、実際には、全く異なる2つの事柄を測定しています。

睡眠科学において、精度とは厳密には、臨床上最も信頼できるポリグラフ検査（PSG）を基準とした場合に、デバイスの測定結果がユーザーの真の生理学的状態をどれだけ正確に反映しているかを指します。メンバーの睡眠に対する主観的な認識は現実で、意味のあるものですが、それは全く別の健康の側面を反映しています。

個人が生理学的に健全で、睡眠の構成としても十分に眠れているにもかかわらず、目覚めたときに疲れを感じる、あるいは逆に、ぐっすり眠れなかった夜でもリフレッシュしたと感じるケースについては、睡眠に関する文献でしっかりと説明されています。この不一致は、デバイスの不正確であるという証拠ではありません。主観的な睡眠の質は、精神的ストレス、気分、カフェインのタイミング、病気のかかり始め、サーカディアンリズムとの同期、起床時によせる期待など、さまざまな外的要因や心理的要因が複雑に影響し合うことで左右されます。

「どのように感じるか」と、「生理学的データが何を示したか」とのギャップを、センサーの不正確さの証拠として扱うと、客観的な生理学的測定が実際に評価しているものを誤解することになります。Ouraは、体の睡眠構造を客観的かつ再現性のある形で捉える基準を提供することで、時間の経過とともに現れる、より広範な睡眠パターンを明らかにする手助けをします。