Apple Watch 的睡眠測量有多準確？
先說結論：Apple Watch 可作為回顧是否入睡或清醒，以及大致睡眠時間趨勢的參考。但它不是能以 PSG（多項睡眠檢查）同等精度，確定某一晚「深度睡眠有幾分鐘」的裝置。
重點是不要混淆以下 3 類數字：
- Apple 對自家睡眠階段功能的驗證數字
- 獨立研究者把市售 Apple Watch 與 PSG 比較所得的數字
- Feelmo Paper 17 評估研究用模型所得的數字；該模型使用心率衍生資訊與時間脈絡（具體特徵設計、前處理與模型構成不公開）
Apple 官方的開發資料包含 1,171 夜。另一方面，Paper 17 使用的公開資料中，Apple Watch 心率與 PSG 成對的只有 31 人。數字看起來可能相近，但製造商的開發資料與 Feelmo 的內部分析是不同研究。
什麼是 PSG？
PSG 會同時測量腦波、眼球運動、肌電圖、心電圖、呼吸等訊號，再由專業人員每 30 秒判定一次睡眠階段。比較睡眠階段時，PSG 是參考標準。
Apple Watch 則從手腕上的小型感測器進行推估。它輕巧而且可以每晚測量，但看到的並不是與 PSG 相同的訊號。
Apple 官方驗證顯示了什麼？
依 Apple 2025 年版技術文件，標準睡眠階段分類器的輸入是加速度感測器，並非只靠 HRV 判定。系統從包含呼吸引起之細微手腕動作的加速度訊號，每 30 秒分類為清醒、REM、核心睡眠或深度睡眠。
| Apple 官方資料中的群體 | 人數 | 紀錄數 | 主要結果 |
|---|---|---|---|
| 開發資料 | 858人 | 1,171夜 | 用於模型開發，不是獨立評估 |
| 未納入開發的驗證資料 | 166人 | 299夜 | 舊版 4 階段 κ 平均值 0.63（SD 0.13） |
| 相同驗證資料上的 watchOS 26 更新版 | 166人 | 299夜 | 4 階段 κ 中位數 0.68（SD 0.11） |
| 另一個臨床 PSG 群體的更新版 | 236人 | 390 watch sessions | 4 階段 κ 中位數 0.66（SD 0.16） |
κ（kappa）是扣除偶然一致後的一致程度。越接近 1，代表一致程度越高；0 則代表約等於偶然。不過，平均值與中位數、受試群體、OS 版本不同的數字，不能直接並列比較。
這份資料規模大而且重要，但屬於製造商的驗證報告。訓練用原始資料與模型並未公開，Apple 也沒有把睡眠階段功能定位為臨床用途。
獨立於 Apple 的研究結果如何？
2024 年的一項研究招募 35 名沒有睡眠障礙的成人，進行 1 晚 PSG；其中取得可供 Apple Watch Series 8 分析資料的有 29人。Apple Watch 與 PSG 的一致程度，在睡眠／清醒 2 階段為 93%、κ=0.60；4 階段為 75.0%、κ=0.60。
但與 PSG 相比，Apple Watch 平均少估深度睡眠 43 分鐘、多估淺層睡眠 45 分鐘。研究人數少，而且只測量健康成人的 1 晚，因此不能直接泛化到不同年齡或有睡眠障礙的人。此外，這項研究並非由 Apple 執行，但接受競爭產品製造商 Oura Ring Inc. 資助，第一作者也是 Oura Medical Advisory Board 成員。閱讀結果時，結果本身、資金來源與利益衝突都需要一併確認。
2026 年發表的系統性回顧也總結指出，Apple Watch 對睡眠與清醒的區分相對較好，但對相似睡眠階段之間的區分則為中等至偏低。換句話說，總睡眠時間與各睡眠階段的分鐘數，確定程度並不相同。
Paper 17 驗證了什麼？
Paper 17 並不是重現 Apple 標準睡眠階段功能的研究。這是一項尚未經同儕審查的內部可行性研究，使用公開世代研究中的心率衍生資訊與時間脈絡，檢驗研究用模型能在多大程度上推估 PSG 的 5 個階段。具體特徵設計、參照範圍、前處理與模型構成不公開。
| Feelmo 內部模型 | 對象 | macro AUROC | κ | 結果 |
|---|---|---|---|---|
| Walch 公開 Apple Watch／PSG 資料 | 31人 | 0.708 | 0.221 | 未達內部目標 |
| HMC 臨床 PSG 資料（以受試者為單位的 5-fold） | 35人 | 0.711 | 0.244 | 即使在相同世代研究內評估，仍未達內部目標 |
| HMC＋CAP＋SLPDB 臨床 PSG 資料（LODO） | 共67筆紀錄 | 平均0.639（SD 0.013） | 平均0.132（SD 0.028） | 在未知世代研究的評估中進一步下降 |
AUROC 衡量的是把每個睡眠階段與其他階段區分排序的能力，κ 則衡量最終階段的一致程度。在同一 HMC 內以受試者分割時，即使 AUROC 為 0.711，代表 5 階段一致程度的 κ 只有 0.244。將完全未用於訓練的世代研究整體拿來評估的 LODO，平均 AUROC 降至 0.639，平均 κ 降至 0.132。不同評估方法所得的數字，不應混作同一種效能指標。
以 3 個世代研究共 67 筆紀錄的預測睡眠階段計算 5 項睡眠指標後，與 PSG 的 Pearson 相關為 −0.007〜0.417，全部未達事先設定的內部目標。另一項探索性分析中，深度睡眠比例的最高相關提高至 0.545，但 5 項指標仍全部未達修訂後的內部目標。另一項分析把異質資料從 53 筆增加到 101 筆，κ 也只是從 0.336 變為 0.330，並未顯示單純增加資料就能解決問題。研究用模型的特徵設計、參照範圍、前處理與模型構成屬於專有技術，因此不公開。
Paper 17 能告訴我們什麼
在公開資料與本次研究用模型下，利用心率衍生資訊與時間脈絡進行 5 階段推估，無法取代 PSG。這既不是 Apple 標準功能的效能評估，也不能證明「未來任何模型都不可能做到」。
每天早上應該怎麼看？
- 與其看單一晚的數字，更適合在相同裝置、相同設定下觀察數週趨勢
- 不要把總睡眠時間，與 REM、核心睡眠、深度睡眠的分鐘數視為同等確定
- 不要只因 1 次「深度睡眠偏少」，就認定有疾病或恢復不足
- OS 更新可能改變演算法，應留意更新前後是否出現數值落差
- 若嚴重嗜睡、打鼾、呼吸中止或失眠持續，請勿只依手錶數字判斷，應諮詢醫療專業人員
參考資料
- Apple. Estimating Sleep Stages from Apple Watch. October 2025. 官方技術文件
- Robbins R, et al. Accuracy of Three Commercial Wearable Devices for Sleep Tracking in Healthy Adults. Sensors. 2024;24:6532. doi:10.3390/s24206532
- Lambe R, et al. The accuracy of Apple Watch measurements: a living systematic review and meta-analysis. npj Digital Medicine. 2026. doi:10.1038/s41746-025-02238-1
- Walch O, et al. Sleep stage prediction with raw acceleration and photoplethysmography heart rate data derived from a consumer wearable device. Sleep. 2019;42(12):zsz180. doi:10.1093/sleep/zsz180
- Walch O. Motion and heart rate from a wrist-worn wearable and labeled sleep from polysomnography, version 1.0.0. PhysioNet. doi:10.13026/hmhs-py35
醫療注意事項
Apple Watch、Feelmo 與 Paper 17 的模型都不能取代以 PSG 進行的診斷。本頁是研究結果的說明，不是診斷或治療建議。
※ 這篇研究說明並未驗證 Feelmo App 的有效性。