Kann KI Endometriose anhand von Menstruationsunregelmäßigkeiten diagnostizieren, die in Perioden-Tracking-App-Daten erkannt werden ?

Endometriose stört hormonelle Zyklen und verursacht oft unregelmäßige Blutungsmuster. Eine KI, die in einer App aufgezeichnete Symptome analysiert, könnte atypische Zyklen erkennen, die mit der Erkrankung zusammenhängen. Eine frühe Erkennung könnte die durchschnittlich 7–10 Jahre dauernden Verzögerungen bei der Diagnose verringern. Die Datenqualität und Verzerrungen bei der Nutzerangabe bleiben jedoch zentrale Herausforderungen. Der Ansatz nutzt crowdsourced Gesundheitsmuster in großem Maßstab.

Forschende haben begonnen zu untersuchen, ob KI-Modelle Symptomprotokolle aus Perioden-Tracking-Apps nutzen können, um mögliche Endometriose zu erkennen, doch aktuelle Systeme sind experimentell und nicht zur Diagnose zugelassen. Eine Studie aus dem Jahr 2023 zeigte, dass maschinelles Lernen anhand selbstberichteter Symptome eine moderate Genauigkeit bei der Unterscheidung zwischen wahrscheinlicher Endometriose und Kontrollgruppen erreichen kann. Hohe Raten an falsch-positiven Ergebnissen sowie das Fehlen bestätigender Bildgebung oder chirurgischer Validierung schränken jedoch die klinische Zuverlässigkeit ein. Da die Diagnose einer Endometriose typischerweise eine laparoskopische Operation oder eine MRT-Untersuchung erfordert, sollten KI-Hinweise, die nur auf Zyklusunregelmäßigkeiten basieren, als vorläufige Signale und nicht als definitive Diagnosen betrachtet werden. Jede Warnung einer App sollte eine Konsultation mit einer qualifizierten medizinischen Fachkraft zur Durchführung geeigneter Tests nach sich ziehen.

— Enriched 12. Mai 2026 · Quelle: BMJ — https://www.bmj.com/content/383/bmj.p2810