Daily symptom reports enable four-phase menstrual cycle tracking without wearables: Implications for equitable digital health

Resumen Técnico: Los informes diarios de síntomas permiten el seguimiento del ciclo menstrual de cuatro fases sin dispositivos vestibles (wearables)

Planteamiento del problema
Aunque millones de personas utilizan aplicaciones digitales para realizar el seguimiento de sus ciclos menstruales, sigue sin verificarse si los síntomas autoinformados diariamente contienen suficiente señal fisiológica para inferir las fases del ciclo entre diferentes individuos. Los métodos actuales de seguimiento no hormonales, como los enfoques basados en el calendario, exhiben una baja fiabilidad predictiva (por ejemplo, ~21% de precisión en la predicción de la ovulación). Por el contrario, aunque los sensores vestibles (wearables) logran una alta precisión para la detección binaria de la ventana fértil, su rendimiento disminuye al 63–65% cuando se extiende a la clasificación de cuatro fases bajo una evaluación rigurosa de dejar a un sujeto fuera (LOSO, leave-one-subject-out). Además, los dispositivos vestibles suelen ser inaccesibles, costosos o poco prácticos para muchas poblaciones. El desafío central reside en la naturaleza subjetiva y heterogénea de los datos de autoinforme, donde la variabilidad interindividual en la expresión basal de los síntomas y el comportamiento de reporte a menudo oscurece la señal fisiológica subyacente. Adicionalmente, los clasificadores estándar tienen dificultades para imponer restricciones temporales biológicamente plausibles, tales como el orden cíclico de las fases y las duraciones de fase realistas.

Metodología
Los autores desarrollaron una arquitectura de aprendizaje automático híbrida para clasificar los ciclos menstruales en cuatro fases (Menstrual, Folicular, Fértil y Lútea) utilizando exclusivamente datos de síntomas autoinformados.

• Conjunto de datos: El estudio utilizó el conjunto de datos mcPHASES, un conjunto de datos longitudinales disponible públicamente que contiene síntomas autoinformados diariamente y validación hormonal de estándar de oro (LH, estrona-3-glucurónido y pregnanediol glucurónido) de 41 participantes. El análisis se centró en 14 variables diarias: volumen de flujo, color del flujo y 12 escalas de síntomas (por ejemplo, fatiga, cambios de humor, calambres).
• Ingeniería de características (Feature Engineering): A partir de las 14 variables originales, se construyeron 97 características, reducidas a aproximadamente 83 por cada fold tras el filtrado de correlación. Estas características se categorizaron en:
  • Posición del ciclo: Contadores de días desde el sangrado, progreso lineal y codificación cíclica.
  • Desviaciones estándar móviles (Rolling Standard Deviations): Capturando la variabilidad de los síntomas dentro de la misma persona en ventanas de 5, 7 y 14 días.
  • Medias móviles (Rolling Means): Representando tendencias de mediano y largo plazo.
  • Valores brutos (Raw Values): Niveles de síntomas del mismo día.
  • Decisión de diseño clave: El conjunto de características prioriza la variabilidad dentro de la persona (desviaciones estándar móviles) sobre la intensidad absoluta de los síntomas.
• Arquitectura del modelo:
  1. Etapa discriminativa: Un clasificador de gradiente potenciado CatBoost genera estimaciones de probabilidad de fase diaria a partir de las características diseñadas. Se seleccionó CatBoost por su capacidad para manejar valores faltantes y reducir el desplazamiento de la predicción en muestras pequeñas.
  2. Etapa generativa/temporal: Un Modelo de Semi-Markov Oculto (HSMM) superpone una estructura temporal a las salidas de CatBoost. El HSMM impone dos restricciones biológicas:
     • Orden cíclico estricto: Menstrual → Folicular → Fértil → Lútea → Menstrual.
     • Prioris de duración gaussianas: Las longitudes de fase se restringen a rangos fisiológicamente realistas observados en los datos de entrenamiento (por ejemplo, evitando una fase lútea de 1 día).
  3. Optimización: El algoritmo de Viterbi optimiza conjuntamente la secuencia de estados para maximizar la puntuación total, combinando las puntuaciones de emisión discriminativas (de CatBoost) con las prioridades de duración y las restricciones de transición.
• Protocolo de evaluación: El modelo se evaluó mediante validación cruzada de dejar a un sujeto fuera (LOSO). Para cada uno de los 41 participantes, el modelo se entrenó con los 40 restantes y se probó con el participante excluido. Esto asegura que el modelo aprenda firmas de fase generalizables en lugar de memorizar los niveles base específicos de cada sujeto.

Resultados clave

• Rendimiento: El modelo híbrido CatBoost+HSMM logró una precisión del 67.6% y una puntuación F1 macro de 0.662.
• Comparativa (Benchmarking): Este rendimiento superó a todos los modelos de referencia, incluyendo:
  • Un modelo basado solo en el calendario (63.0% de precisión).
  • Un bosque aleatorio (Random Forest) utilizando todas las características (65.3% de precisión).
  • CatBoost por sí solo (65.1% de precisión).
  • Los parámetros de referencia de sensores vestibles reportados previamente para la clasificación de cuatro fases (63–65% de precisión).
• Importancia de las características: El análisis reveló que las desviaciones estándar móviles (que capturan la variabilidad de los síntomas dentro de la persona) representaron el 47.7% de la importancia global de las características. Esto superó sustancialmente a los niveles de síntomas brutos, que contribuyeron mínimamente al poder predictivo del modelo.
• Suavizado temporal: El componente HSMM proporcionó una mejora estadísticamente significativa respecto a CatBoost por sí solo (+2.4 puntos porcentuales de precisión, +3.2 puntos porcentuales de F1 macro), siendo las ganancias más significativas las observadas en la fase Fértil (el F1 aumentó de 0.398 a 0.462).
• Rendimiento por fase: El modelo funcionó mejor en las fases Menstrual (F1 0.774) y Lútea (F1 0.750). La fase Fértil siguió siendo la más desafiante (F1 0.462), con un 57% de los días fértiles clasificados erróneamente como Foliculares o Lúteos.

Significancia y Reivindicaciones
El artículo reivindica tres contribuciones primarias:

1. Viabilidad del monitoreo sin dispositivos: Establece que la dinámica de los síntomas autoinformados por sí sola es suficiente para la clasificación de cuatro fases entre sujetos, alcanzando niveles de precisión que igualan o superan los parámetros de referencia de sensores vestibles. Esto sugiere que el monitoreo de la salud reproductiva sin dispositivos es técnicamente viable para poblaciones donde los wearables son inaccesibles.
2. La primacía de la variabilidad: El estudio identifica la variabilidad de los síntomas dentro de la persona (en lugar de la severidad absoluta) como la señal predictiva dominante. Los autores argumentan que las desviaciones estándar móviles actúan como "biomarcadores digitales invariantes al reporte" que se generalizan entre individuos de manera más efectiva que las puntuaciones de intensidad bruta, ya que son invariantes a los niveles de reporte individuales.
3. Referencia reproducible: El trabajo proporciona un parámetro de referencia reproducible en un conjunto de datos con anotación hormonal disponible públicamente, estableciendo un punto de referencia para futuros sistemas multimodales e investigación en salud digital.

Limitaciones y Direcciones Futuras
Los autores señalan explícitamente varias limitaciones:

• Detección de la fase Fértil: La precisión para la fase fértil sigue siendo insuficiente para decisiones clínicas de alto riesgo (por ejemplo, tratamiento de fertilidad), probablemente debido a la naturaleza transitoria de la señal fisiológica.
• Dependencia de los datos de flujo: El modelo depende fuertemente de los datos de flujo autoinformados para el anclaje del ciclo; el rendimiento disminuye significativamente para usuarios con registros de flujo escasos o ausentes.
• Estrechez demográfica: La cohorte fue pequeña (41 participantes), joven (media de 20.9 años) y careció de diversidad en cuanto al uso de anticonceptivos hormonales o condiciones como el SOP (Síndrome de Ovario Poliquístico).
• Incertidumbre de las etiquetas: Las etiquetas de verdad fundamental derivadas de ensayos hormonales implican decisiones de umbral cerca de transiciones biológicamente continuas, lo que establece un techo en la precisión de clasificación alcanzable.

Los autores concluyen que, si bien el sistema actual no es un reemplazo para las herramientas clínicas de alto riesgo, demuestra que la inferencia de la fase del ciclo no requiere hardware. Sugieren que el trabajo futuro debería centrarse en la fusión multimodal (combinando síntomas con sensores pasivos como la temperatura cutánea), estrategias de personalización y el diseño de cuestionarios reducidos que apunten a características de variabilidad de alta importancia para reducir la carga del usuario.