ウェアラブル機器による睡眠と体温データが大規模な回顧的解析で非侵襲的な糖尿病検出を支持する

眠りや体温が隠れた糖尿病を示す理由

何百万もの人が自分が糖尿病であることに気づかないまま生活しています。その一因は、一般的な検査が通常、症状が出て医療機関を受診した後に行われることが多い点にあります。本研究は単純だが強力な問いを投げかけます：多くの人が日常的に着用しているスマートリングやスマートウォッチは、診察を受けるずっと前に糖尿病の初期兆候を静かに示すことができるのか？何千人もの協力者から数か月分の睡眠、心拍、体温データを解析したところ、研究者たちは一般的なウェアラブルが糖尿病と強く関連する、微妙で持続的な身体の変化を検出できることを示しました。

健康状態を映すスマートリング

研究チームは、指先の表面温度、心拍数、心拍変動、睡眠段階を追跡する人気のスマートリングを使用している3万3千人以上のデータを活用しました。これらの利用者のうち約1万1千人は糖尿病と診断されたことがないと報告し、389人が糖尿病の診断を報告しました。2020年の4か月以上にわたり、リングは夜間の心拍の速さ、心拍の変動性、睡眠の長さや効率、そして指先の温度が昼夜でどのように上下するかを記録しました。こうした連続的なデータから、研究者たちは単純な平均値だけでなく、日々のリズムや睡眠中の体温変化の複雑さをとらえる36の夜間指標を構築しました。

睡眠と体温にひそむパターン

群間比較の結果、糖尿病を報告した人々は診断のない人々と一貫して異なる特徴を示しました。平均的に、彼らは夜間心拍数が高く、心拍変動が低い（自律神経の柔軟性が低い兆候）、睡眠時間がやや短く、指先の昼夜振幅が小さいことが分かりました。研究チームはさらに、24時間の温度リズムがどれほど安定しているかや、夜中の温度の分刻みのパターンがどれほど複雑かを記述する高度な温度特徴も作成しました。これらの詳細な指標は特に有益であることが判明し、糖尿病が単発のスナップショットではなく、複数夜にわたって体の熱と睡眠の調節を静かに変えていることを示唆しました。

リスクを見分けるアルゴリズムの学習

これらのウェアラブル信号が実際に糖尿病のある人を識別できるかを確認するため、研究チームは1夜から21夜のローリングウィンドウのデータで機械学習モデルを訓練しました。考え方は、糖尿病が小さいが持続的な生理学的変化を引き起こすなら、数週間分の測定でそれらの変化が際立つはずだということです。実際その通りで、1夜だけのデータでの性能は控えめでしたが、14夜や21夜のデータを与えると最良モデルは高い精度（AUROC約0.88）と高い適合率に達しました。言い換えれば、典型的な在宅着用を3週間続けるだけで、アルゴリズムは偶然を大きく上回る精度で糖尿病のある人とない人を区別できました。

糖尿病と他の慢性疾患の識別

高血圧や睡眠時無呼吸症候群のような多くの慢性疾患も睡眠や心拍パターンを乱す可能性があります。研究者たちは、モデルが単に「病気であること」を検出しているだけで、特に糖尿病を見ているわけではないのではないかと懸念しました。そこで、糖尿病はないと自己申告したが別の慢性疾患を報告した人々を調べました。これらの個人は、慢性疾患がまったくないと報告した人々よりも糖尿病らしさスコアが有意に高くはありませんでした。重要なのは、モデルから高度な温度特徴を除くと、他の慢性疾患を持つ人が糖尿病と誤認されやすくなったことです。これは、詳細な体温パターンがシステムを糖尿病により特異的にし、あらゆる種類の健康問題を広く拾ってしまうのを防いでいることを示しています。

日常の健康にとっての意味

最後に、著者らは最良モデルが現実的な集団（糖尿病の割合が少数派である状況）でどれほど機能するかを検証しました。より多くの利用者を加え、典型的な糖尿病率を保った厳しい試験でも、システムはランダムな推測より遥かに多くの信号を検出しました。一般向けのメッセージは明快です：リングや時計から得られる数週間分の単純で受動的なデータ—睡眠の様子、夜間の心拍の挙動、皮膚温が上がり下がりする様子—は、糖尿病と一致する生理学を示すのに十分な情報を含んでいます。これは血液検査の代替ではありませんが、日常のウェアラブルが誰が早期検査を受けるべきかを静かに示唆し、日常生活の背景で慢性疾患のモニタリングを助ける未来を指し示しています。

引用: Viswanath, V.K., Navaneethan, S., Burks, J.H. et al. Sleep and temperature data from wearable devices support noninvasive detection of diabetes mellitus in a large-scale, retrospective analysis. Commun Med 6, 223 (2026). https://doi.org/10.1038/s43856-026-01501-0

キーワード: ウェアラブル機器, 睡眠パターン, 体温, 糖尿病検出, デジタルヘルス