App 开发者
先看“定位”“方法分类”“评估方法”。你需要先知道什么能做成产品，什么暂时只能留在研究里。
Field Guide
领域综述
这页负责建立最小共同认知：月经预测到底在研究什么、怎样变成 AI 任务、哪些信号可用，以及为什么评估方法会直接改变结论。
不同背景的人，不必按同一种顺序阅读
AI / DS 研究者
先看“周期基础”“医学问题如何变成 AI 任务”“评估方法”。重点是避免把生理变异误当作模型缺陷。
医学 / 临床研究者
先看“医学问题如何变成 AI 任务”“方法分类”“穿戴信号”。重点是理解标签、特征和模型输出之间的关系。
可以跳读什么
如果你只是快速建立方向感，术语表可以先略读，先抓住任务定义、方法路线和评估逻辑。
新研究员定位
这个领域混合了几种相关但不相同的任务：预测下次月经起点、估算排卵时机、判定受孕窗口、分类周期阶段。它们共享生理基础，但标签来源、评价方式和部署约束并不一样。
| 目标任务 | 典型标签来源 | 常见输出 | 主要难点 |
|---|---|---|---|
| 下次月经起点 | 自我追踪出血记录 | 下次日期或剩余天数 | 受卵泡期变异和记录质量影响大 |
| 排卵日 | 尿 LH、超声、孕酮或代理规则 | 单日估计或误差窗口 | 不同论文使用的操作性定义差异显著 |
| 受孕窗口 | 由排卵估计或生育感知规则推导 | 每日二分类概率或起止窗口 | 高度依赖定义，且常带临床敏感性 |
| 周期相位 | 日历规则、激素检测或潜在状态标签 | 每日相位类别 | 相位边界往往是操作性的，不是直接生物学真相 |
对建模最重要的周期基础
临床指南和大规模观察数据都否定了“固定 28 天周期”作为默认模板。更关键的是，变异并不是混乱噪声，而是有结构的：排卵是短事件，卵泡期通常是主要变异来源，黄体期通常更稳定 [1] [2]。
| 相位 | 发生了什么 | 相对稳定性 | 为什么建模者要关心 |
|---|---|---|---|
| 月经期 | 出血通常标志新周期第 1 天 | 可观测，但自我记录有噪声 | 最容易规模化收集的事件 |
| 卵泡期 | 排卵前的卵泡发育与激素准备 | 通常最具变异性 | 大量起点预测误差来自这里 |
| 排卵 | 卵子释放，常以 LH 事件作为参考锚点 | 短暂且难以直接观测 | 是倒计时式模型最关键的时间锚 |
| 黄体期 | 排卵后由孕酮主导 | 相对更稳定 | 解释了为什么排卵后预测月经更容易 |
- 正常变异很常见，完美规律性不该被设为默认假设。
- 排卵并不可靠地发生在周期中点，因此中点启发式结构上是脆弱的。
- 不规则性是异质的：长周期、短而稳定、高变异，往往应被视作不同任务。
对 App 设计意味着什么
产品不能把用户界面建立在固定周期模板上，否则风险提示、可解释性和用户预期都会失真。
对 AI / DS 研究者意味着什么
很多误差并不来自算法弱，而来自卵泡期生理变异。基线设计必须体现这一点。
对医学 / 临床研究者意味着什么
当 AI 研究者谈“error”时，其中一部分其实是在处理本来就存在的生理变异，而不是在假定一个病理问题。
医学问题如何变成 AI 任务
医学语境里常说“预测月经”“识别排卵”“评估受孕窗口”；进入计算语境后，这些会被重写成回归、事件检测、序列标注或窗口分类问题。
医学里的问题
什么时候来月经？什么时候排卵？哪几天最可能受孕？这个周期现在处于哪个阶段？
计算里的问题
预测下一事件的时间、估计某个关键事件日、输出一段时间窗、或者对每日状态进行分类。
标签的现实
月经起点常来自自我报告，排卵常来自尿 LH 或其代理规则，相位有时来自潜在状态模型而不是直接检测。
为什么这很重要
同样一个临床概念，在不同论文里可能被操作化成完全不同的机器学习任务，因此不能只看标题判断是否可比。
常见数学定义
回归 / 时间到事件
例如预测“距离下次出血还有多少天”或“下一个事件发生的日期”。优点是直观，缺点是对标签噪声和个体差异敏感。
事件检测
例如估计某天是否接近排卵。常与窗口型指标一起使用，但非常依赖标签定义。
序列标注 / 相位分类
对每天给出阶段标签，更适合表达周期动态，但相位边界常常是规则性或代理性的。
窗口预测
把问题定义成一段高风险时间窗，适合受孕窗口任务，但需要清楚说明窗口是怎样推导出来的。
对 App 设计意味着什么
你显示给用户的是“日期”“概率”还是“窗口”，不是纯展示层问题，而是任务定义本身的一部分。
对 AI / DS 研究者意味着什么
任务定义必须与标签来源和部署时可用信息匹配，否则会把未来信息偷偷带进模型。
对医学 / 临床研究者意味着什么
模型输出并不天然代表临床真值；它往往只是某种操作化标签的最佳估计。
方法分类
| 方法族 | 典型输入 | 适合什么 | 主要局限 |
|---|---|---|---|
| 规则 / 日历基线 | 过去出血日期、平均周期长度 | 建立透明基线、低成本产品原型 | 对不规则周期和冷启动脆弱 |
| 表格模型 | 周期统计量、症状、依从性特征 | 小中规模数据、可解释 baseline | 时间结构表达有限 |
| RNN / LSTM / GRU | 逐日或逐周期序列 | 建模时序依赖与多步预测 | 数据需求更高，容易掩盖标签问题 |
| 潜在状态 / 生成模型 | 带缺失和噪声的长期追踪数据 | 处理缺失、依从性与隐含阶段 | 实现和解释门槛较高 |
穿戴信号为什么重要，又为什么不能被神化
体温、心率、HRV、睡眠和呼吸是当前最常见的被动信号。它们的重要性在于揭示周期相关的生理结构，但它们并不是直接等于排卵或受孕窗口的“真值”。
| 信号 | 它提供什么 | 常见风险 |
|---|---|---|
| 基础体温 / 皮肤温度 | 跨相位的温度变化模式 | 不同设备和测量部位不可直接互换 |
| 静息心率 / 睡眠心率 | 反映自主神经与代谢变化 | 受活动、睡眠和设备算法影响 |
| HRV | 补充心血管调节信息 | 信号质量和预处理差异很大 |
| 睡眠 / 呼吸 / 活动 | 提供行为背景与噪声控制 | 常被误当成主要生理因果信号 |
对 App 设计意味着什么
如果产品使用穿戴信号，就必须同时表达不确定性，而不是把它包装成“看见了排卵”。
对 AI / DS 研究者意味着什么
信号选择和预处理与模型一样重要，尤其要注意设备差异和缺失模式。
对医学 / 临床研究者意味着什么
这里的 wearable signal 更接近 proxy marker，而不是临床诊断中的标准化生物标志物。
评估方法为什么会改变结论
这个领域里，一篇论文“看起来很强”常常不只是因为模型强，也可能因为标签更宽松、切分更轻松、人群更规律，或者使用了部署时不可用的信息。
| 评估问题 | 如果做错了会怎样 | 更稳妥的做法 |
|---|---|---|
| 随机切分 vs 按受试者切分 | 同一人的模式泄漏到训练和测试中 | 声称泛化时优先使用 subject-wise split |
| 未来信息泄露 | 离线结果虚高，部署时失效 | 明确声明预测时刻可用信息 |
| 只报告平均分 | 掩盖不规则人群中的失败 | 报告 subgroup 表现与失败模式 |
| 标签定义不透明 | 论文之间根本不可比 | 明确写清 LH onset、LH peak、peak+1 等规则 |
对 App 设计意味着什么
离线评估好看，不代表真实用户体验可靠。部署约束必须在实验阶段就进入设计。
对 AI / DS 研究者意味着什么
如果 split、label、metric 没说清楚，性能数字本身几乎没有比较价值。
对医学 / 临床研究者意味着什么
判断一篇 AI 论文是否可信，往往先看 cohort、标签和切分，而不是先看模型名。
当前研究空白
不规则性仍被过度粗化
很多研究仍把不规则周期当成一个总类，而没有拆分不同类型的不规则性。
可穿戴增益缺乏细分解释
我们知道可穿戴信号有时有帮助，但还不清楚“对谁、何时、在哪种任务里”最有帮助。
标签标准仍不统一
尤其在排卵相关任务上，操作性定义差异持续阻碍比较和复现。
部署现实常落后于验证
很多实验仍没有在真实预测约束下定义问题。
值得继续推进的开放问题
Q1. 不规则性应该如何分型？
长周期、高变异、偏移但稳定等模式不应被折叠成同一个建模目标。
Q2. 穿戴信号何时真正有增益？
重点不只是平均性能，而是对谁有效、在哪种任务里有效、在什么约束下有效。
Q3. 标签规则能否更可比？
排卵与受孕窗口的标签定义仍不统一，直接影响复现性与跨研究比较。
Q4. 实验是否贴近部署现实？
需要明确限制为预测时刻可用信息，避免把未来观测混入当前预测。
Q5. 个性化应落在哪一层？
个性化需要明确触发条件、表示方式与目标人群，而不只是增加模型复杂度。
实用判断标准
同时报告亚群结果、标签定义和部署约束，才能让结论在跨学科语境下可解释。
参考文献
- American College of Obstetricians and Gynecologists. Menstruation in Girls and Adolescents: Using the Menstrual Cycle as a Vital Sign. Reaffirmed 2025. Guideline
- Bull JR, Rowland SP, Berglund Scherwitzl E, et al. Real-world menstrual cycle characteristics of more than 600,000 menstrual cycles. npj Digital Medicine. 2019;2:83. Article
- Li K, Urteaga I, Wiggins CH, et al. Characterizing physiological and symptomatic variation in menstrual cycles using self-tracked mobile-health data. npj Digital Medicine. 2020;3:79. PubMed
- Su HW, Yi YC, Wei TY, Chang TC, Cheng CM. Detection of ovulation, a review of currently available methods. Bioengineering & Translational Medicine. 2017. PubMed
- Maijala A, Kinnunen H, Koskimäki H, et al. Nocturnal finger skin temperature in menstrual cycle tracking. BMC Women's Health. 2019. PubMed