VO₂max を測るフィットネストラッカー：手首の数字はどこまで正確か？

時計は VO₂max の数値を表示します。静かに更新され、上下に動き、測定のように感じられます。しかし違います。あなたの肺の中を一度も見たことのないアルゴリズムが出した推定値です。

これは重要です。VO₂max——最大酸素摂取量、つまり高強度運動中に体が取り込んで使える酸素の最大量——は、私たちが持つ最も強力な健康指標のひとつだからです。だからこそ、手首の数字が実際どれだけ近いのか、そして分かったうえで何をすべきかを知る価値があります。

VO₂max の数値を正しく知る価値

199 のコホート研究、2,090 万件を超える観察をまとめたメタ分析の概観では、心肺体力が高い人は低い人に比べて全死因死亡リスクがおよそ半分（ハザード比 0.47）でした。さらに体力が 1 MET 高まるごとに、あらゆる原因による死亡リスクが 11〜17% 低くなっていました（Lang et al., 2024）。1 MET は酸素摂取量で約 3.5 ml/kg/min——目盛りの上ではわずかな一歩ですが、そこに大きな効果が結びついています。

同じレビューでは、単独の関連として最も大きかったのは心不全の新規発症でした。体力が 1 MET 高いごとにリスクは 18% 低くなっていました。ある指標がそこまでリスクを動かすなら、その測定の 15% の誤差は端数の問題ではありません。

フィットネストラッカーはどうやって VO₂max を推定するのか

酸素を実際に測る民生用ウェアラブルはありません。実験室の基準——心肺運動負荷試験——は顔にマスクを着け、疲労困憊まで運動する間の呼気ガスを分析します。時計にはその機能がありません。推定するだけです。

大きく分けてアルゴリズムは 2 系統あり、その違いはケースに書かれたブランド名よりも重要です。

• 安静時ベースの推定 は、年齢や性別などの属性、安静時心拍数、心拍変動を使います。運動は不要です。
• 運動ベースの推定 は、セッション中の心拍数と実際の仕事率——GPS のペース、あるいはパワーメーターの出力——の関係を使います。

どちらも推定です。ただし片方はもう片方よりはるかに優れた推定です。

フィットネストラッカーの VO₂max はどこまで正確か

INTERLIVE ネットワークは 14 件の検証研究をまとめ、その差をはっきり示しました。安静時情報を使う機器は VO₂max を平均 2.17 ml/kg/min 過大評価し、一致限界は −13.07 から +17.41 ml/kg/min に及びました。運動ベースの情報を使う機器は平均ではほぼ完璧——バイアスはわずか −0.09 ml/kg/min——でしたが、一致限界は依然として −9.92 から +9.74 でした（Molina-Garcia et al., 2022).

この一致限界こそ本当の知見なので、丁寧に読んでください。平均バイアスがゼロに近いというのは、集団全体で誤差が打ち消し合うという意味です。あなたの数字が正しいという意味ではありません。優れたアルゴリズムでも、個人の推定値は真値からおよそ 10 ml/kg/min 上下にずれうるもので、一般的な成人にとっては平均的な体力と本当に良い体力の差にあたります。著者ら自身の結論も、運動ベースの推定は集団レベルでは問題ないが、個人の誤差はスポーツや臨床での利用にはまだ改善が必要なほど大きい、というものでした。

24 件のシステマティックレビュー——検証研究 249 件、参加者 430,465 人——を対象とするリビング・アンブレラレビューも、同じ形の答えに達しました。ウェアラブルは安静時テストからの推定で約 15%、運動テストからの推定で約 10%、VO₂max を過大評価していました（Doherty et al., 2024）。このレビューは、腰を据えて考える価値のある点も指摘しています。これまでに発売された民生用ウェアラブルのうち、生体指標を 1 つでも検証済みなのは約 11% にすぎず、これまでの検証作業は包括的な評価に必要な量のおよそ 3.5% にとどまります。

機器別の研究が絵を埋めます。Apple Watch Series 7 を成人 19 人で代謝ガス分析装置と比較したところ、実験室の平均は 45.88 ml/kg/min、時計は 41.37 でした——平均絶対誤差率 15.79%、級内相関 0.47 で、信頼性は低いと判定されます（Caserman et al., 2024）。Garmin fēnix 6 は同等のプロトコルでより良好で、誤差 7.05%、一致係数 0.73 と、その研究が事前に設定した検証基準を満たしました（Carrier et al., 2025).

つまり、無用ではなく、互換でもなく、測定でもありません。

なぜ両極端で誤差が最も大きいのか

データには見落としやすいパターンがあります。Apple Watch の研究では、推定は体力の低い人を過大評価し、非常に高い人を過小評価する傾向があり、体力の高いサブグループでは精度が改善していました（誤差 14.59%、級内相関 0.60）（Caserman et al., 2024).

これは母集団平均への回帰が現実に現れた姿です。幅広いサンプルで学習したアルゴリズムは、例外的な個人を真ん中へ引き戻します。その帰結は居心地の悪いものです。最も切実な 2 つの層——正直なベースラインが必要な体力の低い人と、わずかな伸びを追う高度に鍛えた人——こそ、推定が最も役に立たない層になります。

トラッカーが本当に得意なこと

正確さと有用さは同じではありません。ある数字は系統的に間違っていても、間違いの向きが一定なら情報になります。

トラッカーの本当の価値は真値ではなく傾向です。アルゴリズム、機器、テスト条件が同じなら、8 週間での上昇はおそらく体力の実際の変化を映しています——絶対値が数単位ずれていてもです。やってはいけないのは、時計の数字を友人の別の時計、公開された年齢別の表、実験室の結果と比べて結論を出すことです。その比較こそ一致限界が牙をむく場所です。

オフセットが分からない体重計だと思ってください。方向には使えます。絶対値には向きません。

行動に使える VO₂max の数字を得るには

推定に意味を持たせたいなら、エビデンスは 3 つを指し示します。

運動ベースの推定を選ぶ。 INTERLIVE のメタ分析は、実際の仕事率を入力とするアルゴリズムが安静時データに基づくものより優れていると明確に述べています（Molina-Garcia et al., 2022）。校正されたエルゴメーターで実際のパワー出力を測るテストは、安静時心拍数よりはるかに良い材料をアルゴリズムに与えます。CAROL の VO₂max テストはこの方式です——個別に設定した目標パワーでの最大下ライドで、仕事率は風の強い日の GPS ペースから推測するのではなく直接測定されます。

条件をそろえる。 同じテスト、同じ機器、だいたい同じ時間帯。方法が動かないときにだけ、傾向データは傾向データになります。

次に入力を変える。 VO₂max の推定が良くなっても、VO₂max 自体は上がりません。上げるのはトレーニングで、しかも時間より強度が効きます。8 週間の職場での試験では、低労力の高強度インターバルトレーニング（REHIT）——約 5 分のライドの中に 20 秒の全力スプリントを 2 本という CAROL の方式——が心肺体力を 12% 改善し、中強度持続トレーニングの 7% を上回りました（Cuddy et al., 2019）。スプリントの長さも恣意的ではありません。スプリントを 20 秒から 10 秒に短くすると、VO₂max の向上ははっきり弱まりました（Nalçakan et al., 2018）。どちらも小規模研究で、個人の反応もさまざまです——それでも方向は一貫しています。

まとめ

フィットネストラッカーの VO₂max は推定値で、しかもノイズの多い推定値です。運動ベースのアルゴリズムは安静時ベースを明確に上回りますが、良いものでも個人によっては真値からおよそ 10 ml/kg/min 離れることがあります。そして誤差が最も大きいのは、最も大きくあってほしくない場所——体力の低い側と非常に高い側です。

この数字は方向づけに使い、診断には使わないでください。テストと機器を一定に保てば、傾向に意味が出ます。そして覚えておいてください。推定は簡単な部分です。寿命を予測するこの指標が応えるのは、より良いアルゴリズムではなく、きついスプリントです。