Kan AI diagnosticere endometriose ud fra uregelmæssigheder i menstruationscyklus registreret i menstruationssporingsapp-data ?

Endometriose forstyrrer hormonelle cyklusser og forårsager ofte uregelmæssige blødningsmønstre. AI, der analyserer app-indspillede symptomer, kunne identificere atypiske cyklusser forbundet med sygdommen. Tidlig opsporing kunne reducere forsinkelser i diagnosen, som i øjeblikket i gennemsnit er 7–10 år. Datakvalitet og brugerrapporteringsbias forbliver centrale udfordringer. Tilgangen udnytter crowdsourcede sundhedsmønstre i stor skala.

Forskere har begyndt at undersøge, om AI-modeller kan bruge symptomregistreringer fra menstruationssporing-apps til at markere mulig endometriose, men nuværende systemer er fortsat eksperimentelle og er ikke godkendt til diagnose. En undersøgelse fra 2023 viste, at maskinlæring på selvrapporterede symptomer kan opnå moderat nøjagtighed i at skelne sandsynlig endometriose fra kontrolgrupper, dog begrænser høje falsk-positive rater og manglen på bekræftende billeddannelse eller kirurgisk validering den kliniske pålidelighed. Da endometriose-diagnose typisk kræver laparoskopisk kirurgi eller MR-scanning, bør AI-forslag baseret udelukkende på cyklusuregelmæssigheder betragtes som foreløbige signaler snarere end definitive diagnoser. Eventuelle advarsler fra en app bør udløse konsultation med en kvalificeret sundhedsperson for passende undersøgelser.

— Opdateret 12. maj 2026 · Kilde: BMJ — https://www.bmj.com/content/383/bmj.p2810