Análise preditiva para rastreamento de ciclos menstruais utilizando séries temporais e algoritmos de aprendizado de máquina
Hillary Diniz Saldanha
Ufersa
Andrey de Oliveira Sabino
Rosana Cibely Batista Rego
Náthalee Cavalcanti de Almeida
Palavras-chave: Inteligência Artificial, Aprendizado de máquina, Ciclo menstrual, Ovulação
Resumo
O compreendimento e o acompanhamento do ciclo menstrual são ferramentas cruciais para a autonomia e o cuidado com o corpo feminino. No entanto, a falta de sistemas personalizados, capazes de se adaptar às individualidades de cada usuária, faz com que dados potencialmente valiosos para a saúde e o bem-estar se tornem subutilizados. Diante dessa lacuna, o objetivo principal deste trabalho foi desenvolver um sistema inteligente com maior eficácia na predição da janela fértil em comparação com os métodos tradicionais, além de integrar informações do ciclo menstrual para oferecer insights personalizados às usuárias. O sistema se fundamenta na teoria do aprendizado de máquina aplicada ao processamento de dados. Foram utilizados dados sintéticos referentes à temperatura basal corporal e ao dia do ciclo, e realizados testes com diversos algoritmos de aprendizado de máquina, por meio da biblioteca Scikit-learn e pipelines desenvolvidos com PyCaret. Como resultado, o algoritmo Decision Tree apresentou o melhor desempenho para a predição do dia da ovulação, com base na variação da temperatura basal corporal. Para a previsão da data do próximo ciclo menstrual, foi aplicada uma metodologia fundamentada em trabalhos anteriores, utilizando redes neurais do tipo LSTM (Long Short-Term Memory). O algoritmo proposto demonstrou alta precisão, atingindo acurácia próxima de 100% na previsão do ciclo menstrual. A partir desses resultados, foi desenvolvido um aplicativo multiplataforma capaz de integrar as funcionalidades propostas: exibição do período menstrual, janela fértil, dia previsto de ovulação e inserção diária da temperatura basal corporal. Os resultados obtidos indicam que o sistema desenvolvido é uma ferramenta promissora para o monitoramento personalizado da fertilidade, promovendo autonomia, autoconhecimento e cuidado na saúde feminina.