Principais pormenores

Melhoria da precisão das previsões de ciclos até 54,2%.

Cliente

Flo é um rastreador de menstruação inteligente que prevê com precisão os ciclos menstruais, a ovulação e os dias férteis das mulheres.

Desafio: melhorar as previsões de ciclos irregulares para os utilizadores de aplicações

Cerca de 30% de mulheres em todo o mundo enfrentam o desafio da menstruação irregular, mas a maioria dos rastreadores móveis de menstruação não consegue fazer previsões precisas para essas mulheres.

Quando a Flo decidiu estabelecer uma parceria com a ESSID Solutions para a implementação da rede neural, havia mais de 450 GB de informações sobre os utilizadores armazenadas na sua base de dados. Todos os dias, as mulheres registam manualmente cerca de 1,4 milhões de novos pontos de dados, incluindo o histórico do ciclo, resultados de testes de ovulação e gravidez, idade, altura, peso, estilo de vida, estatísticas sobre o sono, atividade e nutrição. Além disso, há mais dados provenientes de dispositivos portáteis como o Fitbit e o Apple Watch.

Uma fórmula criada para uma "mulher média" não pode competir com as redes neuronais quando lidamos com o volume, a velocidade e a variedade de dados.

Solução: implementação de redes neuronais para uma melhor previsão do ciclo menstrual

A rede neural da Flo tem 442 unidades de entrada que recebem uma variedade de caraterísticas concebidas com base nas informações que as mulheres forneceram à aplicação. A combinação de caraterísticas é única para cada mulher e cada caraterística tem um impacto diferente nas previsões.

O trabalho difícil de priorização de caraterísticas e previsão da duração do ciclo é feito pela rede neural. Esta aprende continuamente, comparando as suas previsões com os resultados reais (registados manualmente pelos utilizadores) e ajusta as interligações entre as suas unidades de entrada e saída ao longo do tempo.

A camada de saída é representada por uma única unidade que transmite o número previsto de dias do ciclo.

A equipa da ESSID Solutions encontrou a fonte das novas funcionalidades na singularidade dos utilizadores da aplicação. As mulheres registam manualmente o seu estado de espírito, a atividade física interior, sintomas como dores de cabeça, fadiga ou acne, que por vezes formam um padrão estável que se repete em determinados dias de um ciclo.

Estes padrões únicos e repetíveis são tão individuais que nenhum ser humano pode criar regras suficientes para os captar a todos, mas podem ser tão evidentes e estáveis para uma determinada mulher que, ao analisá-los, a rede neuronal pode fazer uma melhor previsão. Por esse motivo, a equipa de ciência de dados que trabalham no projeto desenvolveram um algoritmo de aprendizagem automática capaz de captar os padrões únicos do ciclo menstrual de cada mulher.

Tecnicamente, isto é realizado através de um processo em duas etapas:

• Os padrões únicos são reconhecidos por modelos de aprendizagem automática a nível individual.
• Os padrões são transformados em caraterísticas para a rede neural.

Assim, um resultado de um algoritmo torna-se uma caraterística adicional para a rede neural.

A beleza da rede neural da Flo é que conhece estatísticas gerais e regras comuns que funcionam para os mais de 5 milhões de mulheres que utilizam a aplicação, mas continua a tratar cada mulher como uma pessoa única, com as suas caraterísticas corporais e estilo de vida únicos.

Resultado: melhores previsões de ciclos irregulares

A versão atual da rede neural Flo da ESSID Solutions pode melhorar as previsões de ciclos irregulares até 54,2%, dependendo da qualidade dos dados de entrada, com um erro de previsão reduzido de 5,6 para 2,6 dias.

A Flo tornou-se a aplicação mais descarregada em todo o mundo na sua categoria poucos meses depois da rede neural no seu algoritmo de previsão.

Como uma empresa em crescimento, considerámos a experiência da ESSID Solutions em ciência de dados inestimável. Em quase dois anos de cooperação, ajudaram-nos a definir a nossa estratégia de análise de dados, a construir um pipeline de dados escalável e a melhorar as previsões do ciclo menstrual com uma rede neural sofisticada.

- Andrew Kovzel, Diretor de Ciência de Dados, Flo