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

Résumé technique : Les rapports quotidiens de symptômes permettent le suivi du cycle menstruel en quatre phases sans dispositifs portables

Problématique
Bien que des millions d'individus utilisent des applications numériques pour suivre leur cycle menstruel, il n'est pas vérifié si les symptômes auto-rapportés quotidiennement contiennent un signal physiologique suffisant pour déduire les phases du cycle entre différents individus. Les méthodes actuelles de suivi non hormonales, telles que les approches basées sur le calendrier, présentent une faible fiabilité prédictive (par exemple, environ 21 % de précision pour la prédiction de l'ovulation). À l'inverse, bien que les capteurs portables (wearables) atteignent une grande précision pour la détection binaire de la fenêtre fertile, leurs performances chutent à 63–65 % lorsqu'elles sont étendues à la classification en quatre phases sous une évaluation rigoureuse de type « leave-one-subject-out » (LOSO). De plus, les dispositifs portables sont souvent inaccessibles, inabordables ou peu pratiques pour de nombreuses populations. Le défi central réside dans la nature subjective et hétérogène des données d'auto-déclaration, où la variabilité interindividuelle de l'expression des symptômes de base et du comportement de déclaration occulte souvent le signal physiologique sous-jacent. De plus, les classifieurs standards peinent à imposer des contraintes temporelles biologiquement plausibles, telles que l'ordre cyclique des phases et des durées de phase réalistes.

Méthodologie
Les auteurs ont développé une architecture d'apprentissage automatique hybride pour classifier les cycles menstruels en quatre phases (Menstruelle, Folliculaire, Fertile et Lutéale) en utilisant exclusivement des données de symptômes auto-rapportées.

• Jeu de données : L'étude a utilisé le jeu de données mcPHASES, un ensemble de données longitudinales publiques contenant des symptômes auto-rapportés quotidiennement et une validation hormonale de référence (LH, estrone-3-glucuronide et pregnanediol glucuronide) provenant de 41 participantes. L'analyse s'est concentrée sur 14 variables quotidiennes : volume de flux, couleur du flux et 12 échelles de symptômes (ex. : fatigue, sautes d'humeur, crampes).
• Ingénierie des caractéristiques (Feature Engineering) : À partir des 14 variables brutes, 97 caractéristiques ont été construites, réduites à environ 83 par pli après filtrage par corrélation. Ces caractéristiques ont été catégorisées en :
  • Position du cycle : Compteurs de jours depuis le début des règles, progression linéaire et encodage cyclique.
  • Écarts types mobiles (Rolling Standard Deviations) : Capturant la variabilité des symptômes intra-personnelle sur des fenêtres de 5, 7 et 14 jours.
  • Moyennes mobiles (Rolling Means) : Représentant les tendances à moyen et long terme.
  • Valeurs brutes : Niveaux de symptômes le même jour.
  • Choix de conception clé : L'ensemble des caractéristiques privilégie la variabilité intra-personnelle (écarts types mobiles) plutôt que l'intensité absolue des symptômes.
• Architecture du modèle :
  1. Étape discriminante : Un classifieur à boosting de gradient CatBoost génère des estimations de probabilité de phase quotidienne à partir des caractéristiques ingénierées. CatBoost a été choisi pour sa capacité à gérer les valeurs manquantes et à réduire le décalage de prédiction sur de petits échantillons.
  2. Étape générative/temporelle : Un Modèle de Markov Caché Semi-Markovien (HSMM) superpose une structure temporelle aux sorties de CatBoost. Le HSMM impose deux contraintes biologiques :
     • Ordre cyclique strict : Menstruelle → Folliculaire → Fertile → Lutéale → Menstruelle.
     • Priors de durée gaussienne : Les longueurs de phase sont contraintes à des plages physiologiquement réalistes observées dans les données d'entraînement (ex. : empêcher une phase lutéale d'un jour seulement).
  3. Optimisation : L'algorithme de Viterbi optimise conjointement la séquence d'états pour maximiser le score total, combinant les scores d'émission discriminants (issus de CatBoost) avec les priors de durée et les contraintes de transition.
• Protocole d'évaluation : Le modèle a été évalué par validation croisée Leave-One-Subject-Out (LOSO). Pour chacun des 41 participants, le modèle a été entraîné sur les 40 autres et testé sur le participant exclu. Cela garantit que le modèle apprend des signatures de phase généralisables plutôt que de mémoriser les bases spécifiques à chaque sujet.

Résultats clés

• Performance : Le modèle hybride CatBoost+HSMM a atteint 67,6 % de précision et un score F1 macro de 0,662.
• Comparaison (Benchmarking) : Cette performance surpasse tous les modèles de référence, y compris :
  • Un modèle basé uniquement sur le calendrier (63,0 % de précision).
  • Une forêt aléatoire (Random Forest) utilisant toutes les caractéristiques (65,3 %).
  • CatBoost seul (65,1 %).
  • Les références de capteurs portables précédemment rapportées pour la classification en quatre phases (63–65 %).
• Importance des caractéristiques : L'analyse a révélé que les écarts types mobiles (capturant la variabilité des symptômes intra-personnelle) représentaient 47,7 % de l'importance globale des caractéristiques. Cela a nettement surpassé les niveaux de symptômes bruts, qui contribuaient de manière minimale au pouvoir prédictif du modèle.
• Lissage temporel : La composante HSMM a apporté une amélioration statistiquement significative par rapport à CatBoost seul (+2,4 points de pourcentage de précision, +3,2 points de pourcentage de F1 macro), les gains les plus importants étant observés pour la phase fertile (le F1 est passé de 0,398 à 0,462).
• Performance par phase : Le modèle a le mieux performé sur les phases Menstruelle (F1 0,774) et Lutéale (F1 0,750). La phase Fertile est restée la plus difficile (F1 0,462), avec 57 % des jours fertiles classés à tort comme Folliculaires ou Lutéaux.

Signification et affirmations
L'article revendique trois contributions principales :

1. Faisabilité de la surveillance sans dispositif : Il établit que la dynamique des symptômes auto-rapportés suffit à elle seule pour la classification en quatre phases entre sujets, atteignant des niveaux de précision qui égalent ou dépassent les références de capteurs portables comparables. Cela suggère que la surveillance de la santé reproductive sans dispositif est techniquement viable pour les populations où les wearables sont inaccessibles.
2. La primauté de la variabilité : L'étude identifie la variabilité des symptômes intra-personnelle (plutôt que la sévérité absolue) comme le signal prédictif dominant. Les auteurs soutiennent que les écarts types mobiles agissent comme des « biomarqueurs numériques invariants de la déclaration » qui se généralisent mieux entre les individus que les scores d'intensité bruts, car ils sont invariants aux bases de déclaration individuelles.
3. Référence reproductible : Ce travail fournit un benchmark reproductible sur un jeu de données publiques et annotées par voie hormonale, établissant un point de référence pour les futurs systèmes multimodaux et la recherche en santé numérique.

Limites et directions futures
Les auteurs notent explicitement plusieurs limites :

• Détection de la phase fertile : La précision pour la phase fertile reste insuffisante pour des décisions cliniques à enjeux élevés (ex. : traitement de la fertilité), probablement en raison de la nature transitoire du signal physiologique.
• Dépendance aux données de flux : Le modèle repose fortement sur les données de flux auto-rapportées pour l'ancrage du cycle ; les performances se dégradent considérablement pour les utilisatrices ayant des enregistrements de flux rares ou absents.
• Étroitesse démographique : La cohorte était petite (41 participantes), jeune (âge moyen de 20,9 ans) et manquait de diversité en termes d'utilisation de contraceptifs hormonaux ou de conditions telles que le SOPK.
• Incertitude des étiquettes : Les étiquettes de vérité terrain dérivées des dosages hormonaux impliquent des décisions de seuil près de transitions biologiquement continues, ce qui place un plafond sur la précision de classification réalisable.

Les auteurs concluent que, bien que le système actuel ne soit pas un remplacement pour les outils cliniques à enjeux élevés, il démontre que l'inférence précise de la phase du cycle ne nécessite pas de matériel. Ils suggèrent que les travaux futurs devraient se concentrer sur la fusion multimodale (combinant les symptômes avec des capteurs passifs comme la température cutanée), les stratégies de personnalisation et la conception de questionnaires réduits ciblant les caractéristiques de variabilité à haute importance afin de réduire la charge de l'utilisateur.