個人健康データ基盤
10年間のApple HealthからAI駆動のクロス分析へ
10年前、私は意図的に健康計画を始めたわけではない。ただポケットにスマートフォンを入れ、腕に時計をつけて、日々を過ごしていただけだった。
最近になって初めて、iPhone「ヘルスケア」アプリの全データを完全に書き出してみた。解凍すると、1.3GBのXMLファイルが現れた。10年間、300万件超の記録——歩数、心拍数、睡眠、運動軌跡、自律神経指標。身体と時間が共同で書き上げた歴史が、私の起業、転換、コンフォートゾーンを離れての再出発を横断していた。
その瞬間に気づいたのである：問題はデータがないことではなく、基盤がないことなのだと。
なぜ独自の分析システムが必要なのか？
主流のウェアラブルデバイスはそれぞれ閉鎖的エコシステムと独自アルゴリズムを持っており、これが二つの根本的問題を生んでいる。
第一はデータの孤島化である。 Apple Healthには独自の判読ロジックがあり、Fitbitには独自のアルゴリズムがある。私は両方のデバイスを同時に装着しているが、同一夜の総睡眠時間については高い一致性を示す（差はわずか2分）ものの、深睡眠の判定では21分、REM睡眠では15分の差が生じる。どちらを信じるべきか？答えは：どちらも完全には信用せず、クロス比較でトレンドを見ることである。
第二は次元の欠如である。 スマートフォンアプリは「今日」と「今週」を見せることに特化しており、3〜5年にわたる長期トレンド分析は苦手で、まして運動量低下、HRV悪化、睡眠負債蓄積を多次元でクロス比較することなどできない。しかしこれらの指標間の関連こそが、最も重要なシグナルであることが多いのだ。
全体像を見るために必要なのは、別のウェアラブルデバイスではなく、自分自身の分析基盤である。
10年間のデジタル足跡
2015年8月から、iPhoneは私の活動を継続的に記録してきた。2016年にApple Watchが加わってから、心拍数と睡眠がより精細に測定されるようになった。2023年からは、Fitbitが第二のウェアラブルデバイスとして加わり、独立した測定ベースラインを提供している。
10年間の蓄積：歩数記録279,537件、歩行・ランニング距離231,300件、心拍数記録113万件超、睡眠記録29,532件。運動面では、ランニング1,420回、サイクリング435回、水泳19回で、966本のGPS運動軌跡を残している。
2023年9月から、Apple Watchはより深層の指標を記録し始めた——HRV（心拍変動）7,710件、安静時心拍数753件、血中酸素飽和度9,837件、手首体温439件、VO2Max 122件。これらこそがウェアラブルデバイスの真に価値あるデータである：歩数ではなく、自律神経系の動作状態なのだ。
数字だけを見ても感情は湧かない。しかし年度分布を展開してみると、多くのことが明らかになる。
技術アーキテクチャ：三つのデータパイプライン
リアルタイムパイプライン：Fitbit → MCP → Claude
AnthropicのMCP（Model Context Protocol）プロトコルを通じて、Fitbit APIを直接Claude Desktopに接続する。
動作方式： 私はClaudeに直接「最近一週間のストレス負荷を分析して」と言うことができる。ClaudeはMCP経由でFitbit APIを呼び出し、睡眠（各段階時間を含む）、心拍時系列、活動概要などの生JSONを取得し、リアルタイム分析する。得られるのはAPIが返す生データであって、アプリが既に翻訳した概要ではない。
技術ポイント： OAuth 2.0認証、Token自動更新。全工程がローカルで実行され、データは第三者サーバーを経由しない。
深度パイプライン：Apple Health → XML → 構造化分析
Appleは個人用途のHealth APIを提供していない。唯一の出口はiPhoneからの手動書き出しである。
処理フロー： Pythonで1.3GBのXMLをストリーミング解析（一度に読み込もうとはしない）。まずデータタイプインデックスを構築し、次に各指標を独立したJSONに分類抽出——睡眠、HRV、安静時心拍数、血中酸素など。最後に日次・月次集計を構築する。
痛点の解決： Appleの睡眠はCore/Deep/REMの三段階に分かれ、FitbitはLight/Deep/REMに分かれる。AppleのCoreは大体FitbitのLightに対応するが、アルゴリズム判定基準が異なる。処理時はトレンド方向のみを整合させ、絶対値は比較しない。
自動化パイプライン：CI/CD継続デプロイ
Mac上のcrontabが10分ごとに更新スクリプトを実行し、Fitbit OAuth API経由でリアルタイムデータを取得、git pushでGitHub Actions自動ビルドがトリガーされ、Cloudflare Pagesにデプロイする。健康ダッシュボードは常に最新状態を保ち、データ生成からWebサイト更新まで、全工程で人的介入は不要だ。
これは技術自慢ではない。偶にグラフを見るだけでは満足しない。長期運用される基盤にしたいのだ。
データが本当に語ること
10年間の曲線が重なり合うとき、数字は感覚よりも誠実である。
運動量の消長：日々トライアスロンからゼロへの帰還
2018年、私はトライアスロン競技への参加を開始し、年に最低一回は出場した。同時に「日々トライアスロン」に参加した——毎日水泳、サイクリング、ランニングから一つを選んで実行する自律コミュニティである。私は最もランニングを選んだ。敷居が最も低く、靴を履けば出かけられるからだ。
これを始めた理由は二つあった。一つは私的なもの：息子の手本となり、父親が自分の身体と規律をどう管理するかを見せることだった。もう一つは起業経験から学んだこと——健康はすべての決断と実行力を支えるハードウェアである。私の知る優秀なCEOのほぼ全員が規則的な運動習慣を持ち、極限スポーツへの挑戦さえ楽しんでいる。それは彼らが「時間がある」からではなく、身体の回復サイクルは圧縮できないことを理解しているからだ。
GPS軌跡の年度分布がこの過程を記録している：2021年93本、2022年340本、2023年294本、2024年200本、2025年39本。2022年はほぼ毎日運動記録があり、日々トライアスロンを最も徹底実行した年であった。
その後数年、仕事の転換、責任増加、生活構造の変化。私は自分が回復サイクルを放棄していることに気づかなかった。運動が日程から押し出されると、データは身体が即座に「負債」を開始することを示している。
睡眠負債：連続33ヶ月未達
Fitbit（2023/05-2026/02、883夜）とApple Watch（2023/09-2025/12、537夜）の記録を組み合わせると：33ヶ月間、推奨される7時間に達した月の平均値は皆無だった。全期間平均は約5時間50分。
毎日1時間不足で、3年間で1000時間超の睡眠負債となる。
トレンドはより注目に値する：2023-2024年は約6時間前後、2025年は5時間41分に低下、Q2で底値5時間16分に達した。睡眠効率は83%から74%に滑落。単に睡眠時間が短いだけでない——床にいる時間は長くなったが、実際に眠る比率はますます低くなった。身体は休息しているが、神経系はまだ稼働している。
HRVと安静時心拍数：最も誠実な指標
HRVは2023年の42msから2025年中の31msに下落し、降幅は25%を超えた。同時に安静時心拍数は60bpmから72bpmに上昇。二つの線は同時に同じことを指し示している：自律神経系が長期間ストレス状態にあることを。
これは感情的判断ではなく、生理的シグナルである。しかもこれはApple Watch独自のデータ——Fitbitだけを見ていたら、決して知ることはなかっただろう。これこそがクロスデバイス交叉分析の価値である：単一アプリでは能動的に警告してくれない事象が、多次元対照下では隠れる場所がないのだ。
経験教訓：データパイプラインの脆弱性
今回の分析で、2022年以降の体重データが完全に中断していることを発見した。理由は極めて平凡：スマート体重計が故障し、私がずっと交換しなかったのである。
これは典型的なデータ教訓である——ハードウェア故障は個人データ基盤最大の脅威である。 データが一度断裂すると、その期間の身体変化は永遠のブラックホールとなる。記録したくないのではなく、断線したらもう接続し直さなかったのである。
同様の脆弱性はApple Health書き出しにも現れる：これは手動トリガーが必要なプロセスで、定期的に書き出さなければ、最新データはiPhone内にのみ存在し、外部分析ができない。
この種の脆弱性を認識することが、持続可能な基盤構築の第一歩である。
デバイス組み合わせの実務的提案
26ヶ月の重複データから一つの原則を導き出した：総睡眠時間はFitbitをメイン（カバー率高、月25-31夜）、REM睡眠はApple Watchを参考（加速度計の微動作検出がより精密）、深睡眠はトレンドのみ見て絶対値は見ない（両デバイスでアルゴリズム差異が最大の指標）。HRV、安静時心拍数、血中酸素はApple Watch独自の先行指標である。
Fitbitは日常追跡の主力、Apple Watchは深度健康評価の補助である。両者は相互補完であり、相互代替ではない。
次のステップ：観察から介入へ
このシステムの次段階は、グラフを増やすことではなく三つのことである：AI異常検知（HRVが連続三日間ベースラインを下回ったとき、Claudeが能動的に介入提案を発出）、ライフスタイル注釈（介入行動の前後対照を記録）、そしてより多くのデータソース統合（Oura Ring体温、スマート血圧計、体脂肪計——パイプラインが一本増えるごとに、クロス分析の次元が一層増える）。
「データを見る」から「データ駆動の行動変化を使う」への進化——これこそが個人健康基盤（Personal Health Infrastructure）の真の価値である。
結語
10年間のデータは二つのことを証明した。
第一に、身体は一貫してシグナルを発していた。HRV低下、安静時心拍数上昇、睡眠効率崩壊、運動量ゼロ——これらの異なるデバイスに分散したシグナルは、各々のアプリで見る限り「範囲内」に見えていた。自作の分析基盤が、それらを無視できないトレンドに収束させたのである。
第二に、私はかつてそれを成し遂げていた。1,420回のランニング、435回のサイクリング、年一回のトライアスロン——2022年の340本のGPS軌跡は、日々トライアスロンが実行可能であることを証明している。衰退は運命ではなく、構造である。
健康は「今日何歩歩いた」だけであってはならない。それは検証可能で、修正可能で、継続的に最適化可能な個人システムであるべきだ。
10年間のデータは懐古のためではなく、自分自身への提醒のため——トレンドが一度明確に見えたら、もう見えないふりをする理由はないのだ。
本記事の健康データ分析ダッシュボードは paulkuo.tw/health で確認できる。
技術詳細：Fitbit MCP設定、Apple Health XML解析プロセス、Chart.js視覚化、CI/CD自動化パイプラインなど、お気軽にご連絡いただければ。
💬 コメント
読み込み中...