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

Resumo Técnico: Relatos Diários de Sintomas Permitem o Rastreamento do Ciclo Menstrual em Quatro Fases Sem o Uso de Wearables

Declaração do Problema
Embora milhões de indivíduos utilizem aplicativos digitais para rastrear ciclos menstruais, permanece não verificado se os sintomas autorrelatados diariamente contêm sinal fisiológico suficiente para inferir as fases do ciclo entre diferentes indivíduos. Os métodos atuais de rastreamento não hormonais, como as abordagens baseadas em calendário, exibem baixa confiabilidade preditiva (ex: ~21% de precisão na predição da ovulação). Por outro lado, embora os sensores vestíveis (wearables) alcancem alta precisão para a detecção binária da janela fértil, seu desempenho cai para 63–65% quando estendido para a classificação de quatro fases sob uma avaliação rigorosa de leave-one-subject-out (LOSO). Além disso, dispositivos vestíveis são frequentemente inacessíveis, caros ou impraticáveis para muitas populações. O desafio central reside na natureza subjetiva e heterogênea dos dados de autorrelato, onde a variabilidade interindividual na expressão de sintomas de base e no comportamento de relato frequentemente obscurece o sinal fisiológico subjacente. Adicionalmente, classificadores padrão têm dificuldade em impor restrições temporais biologicamente plausíveis, como a ordenação cíclica das fases e durações de fase realistas.

Metodologia
Os autores desenvolveram uma arquitetura de aprendizado de máquina híbrida para classificar ciclos menstruais em quatro fases (Menstrual, Folicular, Fértil e Luteal) utilizando exclusivamente dados de sintomas autorrelatados.

• Conjunto de Dados: O estudo utilizou o conjunto de dados mcPHASES, um conjunto de dados longitudinais publicamente disponível contendo sintomas autorrelatados diários e validação hormonal de padrão-ouro (LH, estrona-3-glucuronida e pregnanediol glucuronida) de 41 participantes. A análise focou em 14 variáveis diárias: volume de fluxo, cor do fluxo e 12 escalas de sintomas (ex: fadiga, oscilações de humor, cólicas).
• Engenharia de Atributos (Feature Engineering): A partir das 14 variáveis brutas, 97 atributos foram construídos, reduzidos para aproximadamente 83 por fold após filtragem de correlação. Esses atributos foram categorizados em:
  • Posição do Ciclo: Contadores de dias desde o sangramento, progresso linear e codificação cíclica.
  • Desvios Padrão Móveis (Rolling Standard Deviations): Capturando a variabilidade de sintomas dentro da mesma pessoa em janelas de 5, 7 e 14 dias.
  • Médias Móveis (Rolling Means): Representando tendências de médio a longo prazo.
  • Valores Brutos: Níveis de sintomas do mesmo dia.
  • Decisão de Design Chave: O conjunto de atributos prioriza a variabilidade dentro da própria pessoa (desvios padrão móveis) em vez da intensidade absoluta do sintoma.
• Arquitetura do Modelo:
  1. Estágio Discriminativo: Um classificador de gradiente impulsionado por CatBoost gera estimativas de probabilidade de fase diária a partir dos atributos engenheirados. O CatBoost foi selecionado por sua capacidade de lidar com valores ausentes e reduzir o deslocamento de predição em amostras pequenas.
  2. Estágio Generativo/Temporal: Um Modelo de Semi-Markov Oculto (HSMM) sobrepõe a estrutura temporal às saídas do CatBoost. O HSMM impõe duas restrições biológicas:
     • Ordenação Cíclica Estrita: Menstrual → Folicular → Fértil → Luteal → Menstrual.
     • Priores de Duração Gaussiana: As durações das fases são restringidas a intervalos fisiologicamente realistas observados nos dados de treinamento (ex: evitando uma fase Luteal de apenas 1 dia).
  3. Otimização: O algoritmo de Viterbi otimiza conjuntamente a sequência de estados para maximizar a pontuação total, combinando pontuações de emissão discriminativas (do CatBoost) com priores de duração e restrições de transição.
• Protocolo de Avaliação: O modelo foi avaliado usando validação cruzada Leave-One-Subject-Out (LOSO). Para cada um dos 41 participantes, o modelo foi treinado nos 40 restantes e testado no participante retido. Isso garante que o modelo aprenda assinaturas de fase generalizáveis em vez de memorizar bases específicas de cada sujeito.

Principais Resultados

• Desempenho: O modelo híbrido CatBoost+HSMM alcançou 67,6% de acurácia e um F1 score macro de 0,662.
• Benchmarking: Este desempenho superou todos os modelos de referência (baselines), incluindo:
  • Um modelo apenas de calendário (63,0% de acurácia).
  • Uma floresta aleatória (random forest) usando todos os atributos (65,3% de acurácia).
  • CatBoost isolado (65,1% de acurácia).
  • Benchmarks de sensores vestíveis previamente relatados para classificação de quatro fases (63–65% de acurácia).
• Importância dos Atributos: A análise revelou que os desvios padrão móveis (capturando a variabilidade de sintomas dentro da própria pessoa) representaram 47,7% da importância global dos atributos. Isso superou substancialmente os níveis brutos de sintomas, que contribuíram minimamente para o poder preditivo do modelo.
• Suavização Temporal: O componente HSMM proporcionou uma melhoria estatisticamente significativa sobre o CatBoost isolado (+2,4 pontos percentuais de acurácia, +3,2 pontos percentuais de F1 macro), com os ganhos mais significativos observados na fase Fértil (o F1 aumentou de 0,398 para 0,462).
• Desempenho por Fase: O modelo teve melhor desempenho nas fases Menstrual (F1 0,774) e Luteal (F1 0,750). A fase Fértil permaneceu a mais desafiadora (F1 0,462), com 57% dos dias férteis classificados incorretamente como Folicular ou Luteal.

Significância e Alegações
O artigo reivindica três contribuições primárias:

1. Viabilidade de Monitoramento Sem Dispositivos: Estabelece que a dinâmica dos sintomas autorrelatados sozinha é suficiente para a classificação de quatro fases entre sujeitos, alcançando níveis de acurácia que igualam ou excedem benchmarks de sensores vestíveis comparáveis. Isso sugere que o monitoramento de saúde reprodutiva sem dispositivos é tecnicamente viável para populações onde os wearables são inacessíveis.
2. A Primazia da Variabilidade: O estudo identifica a variabilidade de sintomas dentro da própria pessoa (em vez da severidade absoluta) como o sinal preditivo dominante. Os autores argumentam que os desvios padrão móveis atuam como "biomarcadores digitais invariantes ao relato" que se generalizam entre indivíduos de forma mais eficaz do que os escores de intensidade bruta, pois são invariantes aos basais de relato individuais.
3. Benchmark Reproduzível: O trabalho fornece um benchmark reproduzível em um conjunto de dados publicamente disponível e anotado hormonalmente, estabelecendo um ponto de referência para futuros sistemas multimodais e pesquisa em saúde digital.

Limitações e Direções Futuras
Os autores explicitamente notam várias limitações:

• Detecção da Fase Fértil: A acurácia para a fase fértil permanece insuficiente para decisões clínicas de alto risco (ex: tratamento de fertilidade), provavelmente devido à natureza transitória do sinal fisiológico.
• Dependência de Dados de Fluxo: O modelo depende fortemente dos dados de fluxo autorrelatados para ancoragem do ciclo; o desempenho degrada significativamente para usuários com registros de fluxo esparsos ou ausentes.
• Estreiteza Demográfica: A coorte foi pequena (41 participantes), jovem (média de 20,9 anos) e carente de diversidade em termos de uso de contraceptivos hormonais ou condições como SOP (Síndrome dos Ovários Policísticos).
• Incerteza de Rótulo: Os rótulos de verdade fundamental (ground-truth) derivados de ensaios hormonais envolvem decisões de limiar próximas a transições biologicamente contínuas, o que impõe um teto à acurácia de classificação alcançável.

Os autores concluem que, embora o sistema atual não seja um substituto para ferramentas clínicas de alto risco, ele demonstra que a inferência da fase do ciclo não requer hardware. Eles sugerem que trabalhos futuros devem focar em fusão multimodal (combinando sintomas com sensores passivos como temperatura da pele), estratégias de personalização e o design de questionários reduzidos que visem atributos de alta importância de variabilidade para reduzir a carga do usuário.