Cycle-phase supervision improves transferable physiological representations from wearable data for women's health
本文介绍了 CHARM，这是一个利用月经周期阶段监督结合信号重建来从穿戴式数据中学习可迁移生理表征的框架，从而能够以显著更少的标签实现对围绝经期和绝经期等不同生殖状态的准确泛化。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
人体运行在一个复杂的内部时钟之上，这是一个协调从睡眠到生长等一切活动的化学信号系统。对于女性而言，这些节律中最显著的一个便是月经周期——一种由激素驱动的每月起伏，旨在为潜在的怀孕做准备。虽然这些激素无法被看见，但它们留下了清晰的物理足迹。它们会导致体温的细微变化，改变心跳速度，并改变呼吸节奏。近年来，佩戴在手指或手腕上的小型设备已变得足够灵敏，可以追踪这些夜间的变化，从而无需通过血液测试或侵入性程序，就能为女性的生殖健康提供一个窗口。然而，将这些原始数字转化为关于体内发生情况的清晰图景仍然是一个巨大的挑战，尤其是在试图理解不同的生命阶段时，例如怀孕或向更年期的过渡，这些阶段的表现往往与标准的每月周期大不相同。
Terra Enabling Developers 的研究人员开发了一种新的方法来教计算机如何读取这些生理信号，创建了一个能够理解底层激素故事而非仅仅记忆模式的系统。他们构建了一个名为 CHARM 的框架，代表“周期性激素感知月经周期”（Cyclic Hormone-Aware Representation of the Menstrual cycle）。该团队并没有为每种不同的生殖状态（如怀孕、更年期或使用避孕药）训练单独的计算机程序，而是教会了一个单一模型去识别月经周期的基本节律。他们通过向计算机展示数千个夜晚的可穿戴设备数据，并要求它同时完成两件事来实现这一点。首先，它必须填补缺失数据的空白，学习心率和体温等不同信号通常是如何相互配合的。其次，也是最重要的一点，它必须学会区分周期的两个主要阶段：卵泡期（发生在月经之后）和黄体期（发生在排卵之后）。通过迫使计算机关注这些阶段，该模型学会了观察驱动这些阶段的激素动态，从而创造出一种对身体状态的深度理解，这种理解可以应用于许多不同的情况。
结果表明，这种方法效果显著。当研究人员在新的用户身上测试该系统时，它能在近 80% 的案例中预测出月经周期的开始时间，并且能以类似的准确度识别排卵日。这比以往依赖简单日历计算或固定体温阈值的方法有了显著进步，因为旧方法在面对月经不规则的女性时往往会失效。更重要的是，该模型表现出了惊人的灵活性。由于它学习了月经周期的核心语言，因此它可以立即将所学知识应用于它从未见过的状态。在没有任何额外训练的情况下，该系统成功识别了怀孕、正经历更年期以及使用激素避孕药的用户。它甚至能检测出特定的症状，如潮热或异常出血。这种在一种情况之间转移知识的能力在人工智能领域是非常罕见的，这表明该模型真正掌握了其中的生物学原理，而不仅仅是记住了特定的例子。
最令人瞩目的发现之一是，这种方法在减少对标注数据需求方面节省了多少成本。在机器学习领域，教计算机识别一种新状况通常需要数千个由人类已经识别出答案的示例。对于像更年期这样数据稀缺的情况，这是一个主要的障碍。研究人员发现，他们的模型在检测更年期时，比传统方法所需的标注示例少五倍，却仍能达到很高的准确度。这种效率意味着，准确的健康洞察可以更快地应用于罕见或难以研究的疾病。该系统还证明了其鲁棒性；即使在移除温度数据（追踪激素变化的关键信号）的情况下，模型依然表现良好，保持了对怀孕和更年期检测的高准确度。这表明模型学习了如何利用所有信号之间的关系，而不仅仅是依赖其中一个信号，来理解身体的状态。
研究还探讨了计算机究竟是在学习激素，还是仅仅在猜测。通过将模型的内部理解与来自另一组较小规模参与者的真实激素测量值进行对比，研究人员证实该系统确实在追踪关键激素（如雌激素和孕酮）的上升与下降。当模型被教导去识别周期阶段时，其对这些激素水平的预测变得更加精准，这证明了增加阶段监督这一步骤有助于计算机更清晰地观察生物学现实。尽管这项研究依赖于已经拥有高端可穿戴设备的用户数据，这意味着样本群体并非对整个人口的完美代表，但其发现为理解女性健康提供了一个强大的新工具。通过教机器倾听身体的自然节律，这项工作为追踪整个生命周期的生殖健康提供了统一的基础，涵盖了从规律的每月周期到怀孕及更年期等深刻变化的全部过程。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。