OvuFriend • nauka, analiza danych i technologia wspierające lepsze rozumienie zdrowia kobiet
OvuFriend
Zaloguj się Pobierz aplikację
Nauka i badania OvuFriend

Od danych o cyklu do wiedzy, którą można wykorzystać.

OvuFriend od lat rozwija rozwiązania z pogranicza zdrowia kobiet, analizy danych i sztucznej inteligencji. Prace badawczo-rozwojowe dotyczą między innymi przewidywania owulacji, analizy wielowymiarowych danych z cyklu miesiączkowego, identyfikowania nietypowych wzorców oraz tworzenia spersonalizowanych systemów wspomagania decyzji.

Projekty B+R Publikacje naukowe
OvuFriend - ekran aplikacji związany z analizą zdrowia i cyklu
Badania i rozwój

OvuFriend to nie tylko kalendarz miesiączkowy

Rozwój OvuFriend opiera się na połączeniu wiedzy medycznej, analizy danych i metod sztucznej inteligencji. Badania związane z projektem są prowadzone od 2018 roku, a ich wyniki były prezentowane na konferencjach międzynarodowych oraz publikowane w materiałach IEEE, Springer i czasopismach naukowych.

od 2018 systematyczne prace badawczo-naukowe związane z OvuFriend i analizą cyklu miesiączkowego
10 mln+ zł łączna wartość dwóch dużych projektów B+R zrealizowanych przez OvuFriend w latach 2018–2023
IEEE • Springer publikacje i wystąpienia m.in. na IEEE Big Data, IPMU, FedCSIS, IJCRS oraz w International Journal of Approximate Reasoning
Projekty badawczo-rozwojowe

Dwa duże projekty badawczo-rozwojowe OvuFriend

W latach 2018–2023 OvuFriend zrealizował dwa duże projekty badawczo-rozwojowe współfinansowane przez Unię Europejską ze środków Europejskiego Funduszu Rozwoju Regionalnego w ramach Programu Operacyjnego Inteligentny Rozwój 2014–2020. Ich łączna wartość przekroczyła 10 mln zł. Projekty dotyczyły uczenia maszynowego, analizy płodności oraz metod AI wspierających analizę możliwych nieprawidłowości w danych dotyczących zdrowia intymnego i hormonalnego kobiet.

Projekt B+R 01 2018–2020

Opracowanie nowych w skali światowej rozwiązań w obszarze uczenia maszynowego wspierających w planowaniu rodziny i pokonywaniu problemu niepłodności

Cel projektu

Opracowanie nowych rozwiązań technologicznych z obszaru zaawansowanej algorytmiki i uczenia maszynowego, których zadaniem było wspieranie kobiet starających się o ciążę.

Zakres prac badawczych
  • uczenie się indywidualnych wzorców płodności na podstawie danych z kolejnych cykli,
  • wyznaczanie dni płodnych i okresu okołoowulacyjnego, także dla cykli trudnych do interpretacji,
  • analiza cech cyklu mogących wskazywać na potrzebę dalszej konsultacji dotyczącej płodności,
  • zmniejszanie barier związanych z codziennym korzystaniem z systemu i wprowadzaniem obserwacji.
4 593 416,32 złwartość projektu
3 583 114,94 złwkład Funduszy Europejskich

Okres realizacji: 01.02.2018–30.07.2020

Projekt B+R 02 2021–2023

Opracowanie nowatorskich rozwiązań w obszarze detekcji częstych schorzeń zdrowia intymnego i hormonalnego u kobiet w wieku rozrodczym w oparciu o sztuczną inteligencję i uczenie maszynowe – OvuFriend 2.0

Cel projektu

Opracowanie metod AI służących do oceny ryzyka występowania określonych problemów zdrowia intymnego i hormonalnego na podstawie danych obserwowanych w cyklu.

Zakres prac badawczych
  • zaburzenia miesiączkowania związane m.in. z tarczycą, PCOS i hiperprolaktynemią,
  • plamienia międzymiesiączkowe i ich możliwe tło anatomiczne lub hormonalne,
  • analiza wzorców związanych z zespołem napięcia przedmiesiączkowego (PMS),
  • badanie metod wczesnego wskazywania wzorców, które mogą uzasadniać konsultację ze specjalistą.
5 502 390,00 złwartość projektu
4 015 620,00 złwkład Funduszy Europejskich

Okres realizacji: 01.05.2021–31.10.2023

Finansowanie: oba projekty były współfinansowane przez Unię Europejską ze środków Europejskiego Funduszu Rozwoju Regionalnego w ramach Programu Operacyjnego Inteligentny Rozwój 2014–2020. Zobacz również wcześniejszy opis prac B+R →
Co badamy?

Najważniejsze kierunki badań związanych z OvuFriend

Publikacje naukowe związane z OvuFriend koncentrują się na praktycznych problemach analizy cyklu miesiączkowego i zdrowia kobiet. Badane metody mają pomagać przekształcać wiele codziennych obserwacji w bardziej uporządkowaną, zrozumiałą informację.

Owulacja i płodność

Przewidywanie okna owulacyjnego i dni płodnych

Badania obejmują analizę wielowymiarowych szeregów czasowych, podobieństwa między cyklami oraz metody rozmyte służące do przewidywania i retrospektywnego określania okresu okołoowulacyjnego.

Zdrowie menstruacyjne

Analiza nietypowych wzorców w cyklu

Kolejny kierunek prac dotyczy automatycznej analizy cech cyklu i objawów mogących wskazywać, że określony wzorzec warto omówić ze specjalistą. Badania obejmowały m.in. PMS, PCOS, niedoczynność tarczycy i inne problemy zdrowia hormonalnego.

AI i granular computing

Modele, które porządkują złożone dane

W pracach związanych z OvuFriend wykorzystywane są m.in. granular computing, interactive granular computing, sieci komparatorów rozmytych, ontologie i lingwistyczne podsumowania danych. Celem jest tworzenie modeli możliwych do interpretowania w kontekście zdrowia i przebiegu cyklu.

Personalizacja

Wspomaganie decyzji dopasowane do użytkowniczki

Badania dotyczą także sposobów łączenia bieżących obserwacji z historią poprzednich cykli, tak aby wyniki analizy uwzględniały indywidualny przebieg cyklu zamiast opierać się wyłącznie na uśrednionych regułach kalendarzowych.

Od obserwacji do modelu

Jak wygląda analiza danych o cyklu?

Cykl miesiączkowy można opisywać jako złożony, wielowymiarowy szereg czasowy. Oprócz dat miesiączki znaczenie mogą mieć między innymi temperatura, śluz, objawy, samopoczucie, wyniki testów i wiele innych obserwacji.

01
Zbieranie wielu typów obserwacji OvuFriend pozwala monitorować ponad 80 rodzajów danych dotyczących cyklu, objawów, nastroju, aktywności i innych obserwacji.
02
Analiza zależności w czasie Algorytmy mogą analizować pojedynczy cykl oraz sekwencje kolejnych cykli i porównywać ich cechy z wcześniejszymi obserwacjami.
03
Budowanie czytelnych informacji Jednym z badanych kierunków jest przekształcanie złożonych danych w interpretowalne opisy, prognozy i sygnały wspierające dalszą obserwację.
OvuFriend - ekran monitorowania objawów i obserwacji cyklu

Badania naukowe opisują określone modele, eksperymenty i kierunki rozwoju. Nie każda funkcja dostępna w aktualnej wersji aplikacji musi być bezpośrednią implementacją konkretnego artykułu naukowego.

Kierunek naukowy i B+R

Technologia i wiedza medyczna rozwijane wspólnie

Prace badawczo-rozwojowe OvuFriend łączą analizę danych i sztuczną inteligencję z wiedzą dotyczącą zdrowia kobiet, płodności i cyklu miesiączkowego. Za kierunek technologiczny i badawczy odpowiada dr inż. Łukasz Sosnowski, a wieloletnia współpraca naukowa z dr hab. n. med. Iwoną Szymusik, prof. CMKP obejmuje m.in. badania nad owulacją, zdrowiem menstruacyjnym i wykorzystaniem AI w analizie danych.

CTO / Chief Scientist

dr inż. Łukasz Sosnowski

Odpowiada za kierunek technologiczny i badawczo-rozwojowy OvuFriend. Specjalizuje się w sztucznej inteligencji, granular computing, analizie danych oraz systemach wspomagania decyzji. W OvuFriend rozwija metody wykorzystujące wielowymiarowe dane z cyklu miesiączkowego do tworzenia modeli wspierających analizę płodności, owulacji i zdrowia menstruacyjnego.

Jest adiunktem w Instytucie Badań Systemowych PAN oraz autorem i współautorem publikacji naukowych dotyczących m.in. AI, interactive granular computing i analizy danych medycznych. Od wielu lat prowadzi także prace nad praktycznym wykorzystaniem metod sztucznej inteligencji w systemach informatycznych i projektach badawczo-rozwojowych.

AI • granular computing • analiza danych • systemy wspomagania decyzji • badania B+R
Współpraca naukowa / medycyna

dr hab. n. med. Iwona Szymusik, prof. CMKP

Lekarka i badaczka związana z Kliniką Położnictwa, Perinatologii i Neonatologii Centrum Medycznego Kształcenia Podyplomowego. Jej zainteresowania naukowe obejmują m.in. diagnostykę i leczenie niepłodności oraz medycynę perinatalną. Jest współautorką publikacji związanych z OvuFriend dotyczących przewidywania okresu okołoowulacyjnego, analizy zdrowia menstruacyjnego oraz wykorzystania sztucznej inteligencji.

płodność • zdrowie kobiet • medycyna perinatalna • współautorka badań OvuFriend
Publikacje naukowe

Wybrane prace związane z OvuFriend i analizą zdrowia kobiet

Poniżej znajdują się publikacje bezpośrednio dotyczące OvuFriend lub rozwijanych w projekcie metod analizy cyklu miesiączkowego, owulacji i zdrowia menstruacyjnego. Linki prowadzą do DOI, wydawców lub wiarygodnych rekordów publikacji.

2026

Assessing Thyroid Disorder Susceptibility from Multi-Cycle Menstrual Data Using Granular Computing

Łukasz Sosnowski, Iwona Szymusik • IPMU 2026, Rzym

Badanie wykorzystujące granular computing do oceny podatności na problemy związane z tarczycą na podstawie sekwencji kolejnych cykli miesiączkowych.

Źródło ↗
2024

Premenstrual Syndrome Detection Based on Granular Computing and AI in Home Environment

Łukasz Sosnowski, Iwona Szymusik • IEEE Big Data 2024, Washington DC • DOI 10.1109/BigData62323.2024.10825443

Praca dotycząca wykorzystania granular computing i AI do analizy objawów zespołu napięcia przedmiesiączkowego w warunkach domowych.

DOI ↗
2024

Medical Decision Support in the Light of Interactive Granular Computing: Lessons from the Ovufriend Project

Soma Dutta, Andrzej Skowron, Łukasz Sosnowski • International Journal of Approximate Reasoning, vol. 165 • DOI 10.1016/j.ijar.2023.109103

Artykuł analizuje doświadczenia projektu OvuFriend z perspektywy interactive granular computing i przyszłych systemów wspomagania decyzji medycznych.

DOI ↗
2023

Interactive, Personalized Decision Support in Analyzing Women's Menstrual Disorders

Łukasz Sosnowski, Soma Dutta, Iwona Szymusik, Wojciech Chaber, Paulina Kasprowicz • FedCSIS 2023 • DOI 10.15439/2023F5207

Praca rozwija koncepcję interaktywnego i spersonalizowanego wspomagania decyzji w analizie zaburzeń zdrowia menstruacyjnego.

DOI ↗
2023

Analysis for Women’s Menstrual Health Disorders Using Artificial Intelligence

Łukasz Sosnowski, Soma Dutta, Iwona Szymusik • Lecture Notes in Business Information Processing 471 • DOI 10.1007/978-3-031-29570-6_4

Publikacja opisuje wykorzystanie AI, ontologii i modeli opartych na danych z cykli do analizy możliwych zaburzeń zdrowia menstruacyjnego.

DOI ↗
2021

Toward Automatic Assessment of a Risk of Women's Health Disorders Based on Ontology Decision Models and Menstrual Cycle Analysis

Łukasz Sosnowski, Jakub Wróblewski • IEEE Big Data 2021 • DOI 10.1109/BigData52589.2021.9671481

Praca poświęcona automatycznej analizie ryzyka problemów zdrowotnych z wykorzystaniem modeli ontologicznych i danych o cyklu miesiączkowym.

DOI ↗
2020

Generating Fuzzy Linguistic Summaries for Menstrual Cycles

Łukasz Sosnowski, Tomasz Penza • FedCSIS 2020 • DOI 10.15439/2020F202

Metoda generowania zrozumiałych dla człowieka lingwistycznych opisów cyklu na podstawie wielowymiarowych danych i pojęć medycznych.

DOI ↗
2020

Network of Fuzzy Comparators for Ovulation Window Prediction

Łukasz Sosnowski, Iwona Szymusik, Tomasz Penza • IPMU 2020 • DOI 10.1007/978-3-030-50153-2_59

Publikacja opisująca metodę przewidywania terminu owulacji na podstawie danych zbieranych przez kobietę w domu i porównywania bieżącego cyklu z cyklami historycznymi.

DOI ↗
2019

Multivariate Ovulation Window Detection at OvuFriend

Joanna Fedorowicz, Łukasz Sosnowski, Dominik Ślęzak, Iwona Szymusik i in. • IJCRS 2019 • DOI 10.1007/978-3-030-22815-6_31

Badanie nad detekcją okresu owulacji z wykorzystaniem wielu równoległych źródeł danych pochodzących z obserwacji cyklu.

DOI ↗
2018

Similarity-based Detection of Fertile Days at OvuFriend

Łukasz Sosnowski, Wojciech Chaber, Łukasz Miłobędzki, Tomasz Penza, Jadwiga Sosnowska, Karol Zaleski, Joanna Fedorowicz, Iwona Szymusik, Dominik Ślęzak • IEEE Big Data 2018 • DOI 10.1109/BigData.2018.8622602

Jedna z pierwszych publikacji OvuFriend dotyczących wykrywania dni płodnych na podstawie podobieństwa pomiędzy złożonymi danymi opisującymi cykle.

DOI ↗
Nagroda naukowa: publikacja „Generating Fuzzy Linguistic Summaries for Menstrual Cycles” otrzymała Nagrodę im. Profesora Zdzisława Pawlaka za najlepszy artykuł AAIA/FedCSIS 2020.

Zestawienie obejmuje wybrane publikacje związane z OvuFriend oraz metodami rozwijanymi w ramach prac B+R. Pełniejszy wykaz publikacji i wystąpień naukowych dr. inż. Łukasza Sosnowskiego jest dostępny na stronie Dituel ↗.

Odpowiedzialne wykorzystanie technologii

Wsparcie i informacja - nie automatyczna diagnoza

Celem rozwijanych metod jest lepsze porządkowanie i interpretowanie danych, które kobieta obserwuje w swoim codziennym życiu. OvuFriend może pomagać zwracać uwagę na określone wzorce, ale nie zastępuje lekarza ani badań medycznych.

Ważne: OvuFriend nie służy do antykoncepcji i nie jest narzędziem diagnostycznym. Informacje, prognozy i wskazówki w aplikacji mają charakter wspierający i edukacyjny i nie zastępują profesjonalnej porady lekarskiej, diagnozy ani leczenia.
FAQ

Najczęstsze pytania o naukę i badania OvuFriend

Czy OvuFriend jest rozwijany na podstawie badań naukowych?

Tak. Od 2018 roku prace badawczo-rozwojowe związane z OvuFriend obejmują między innymi analizę cyklu miesiączkowego, przewidywanie owulacji, zdrowie hormonalne, sztuczną inteligencję i spersonalizowane wspomaganie decyzji. Wyniki były publikowane i prezentowane m.in. na IEEE Big Data, IPMU, FedCSIS, IJCRS oraz w International Journal of Approximate Reasoning.

Jakie metody sztucznej inteligencji są badane w OvuFriend?

Publikacje związane z OvuFriend opisują między innymi analizę wielowymiarowych szeregów czasowych, sieci komparatorów rozmytych, lingwistyczne podsumowania cykli, ontologie, granular computing oraz interactive granular computing.

Czy badania OvuFriend dotyczą tylko owulacji?

Nie. Oprócz przewidywania i detekcji okresu okołoowulacyjnego prace obejmują analizę zaburzeń zdrowia menstruacyjnego, PMS, podatności na problemy związane z tarczycą oraz spersonalizowane wspomaganie analizy danych o zdrowiu kobiet.

Czy wyniki OvuFriend są diagnozą medyczną?

Nie. OvuFriend ma charakter informacyjny i wspierający. Aplikacja nie zastępuje konsultacji lekarskiej, badań, diagnozy ani leczenia.

OvuFriend - ekran aplikacji
Pobierz OvuFriend

Lepsze poznanie cyklu zaczyna się od obserwacji

Monitoruj miesiączkę, owulację, dni płodne i objawy w jednej aplikacji.

Pobierz OvuFriend z Google Play Pobierz OvuFriend z App Store
OvuFriend Pobierz aplikację