L'IA peut-elle diagnostiquer l'endométriose à partir des irrégularités du cycle menstruel détectées dans les données d'une application de suivi des règles ?

L'endométriose perturbe les cycles hormonaux, provoquant souvent des saignements irréguliers. Une IA analysant les symptômes enregistrés dans une application pourrait identifier des cycles atypiques liés à la maladie. Une détection précoce pourrait réduire les retards de diagnostic, qui s'élèvent actuellement en moyenne à 7–10 ans. La qualité des données et les biais de déclaration des utilisateurs restent des obstacles majeurs. Cette approche exploite les tendances de santé crowdsourcées à grande échelle.

Background

Endometriosis frequently disrupts menstrual cycles, producing erratic bleeding and symptom records that may differ from typical patterns. A 2023 study demonstrated that machine-learning models analyzing self-reported app data can achieve moderate accuracy in distinguishing probable endometriosis from control groups, yet they still incur high false-positive rates and lack confirmatory imaging or surgical validation—components considered essential for reliable diagnosis.

Because definitive diagnosis currently requires laparoscopic surgery or MRI, AI output based solely on menstrual irregularities is best treated as a preliminary signal rather than a conclusive verdict. Data quality issues, including user-reporting biases and incomplete logs, further complicate the approach. Present systems remain experimental and are not approved for stand-alone diagnostic use; any app-generated alert should prompt consultation with a qualified healthcare provider for appropriate testing.

— Enriched May 12, 2026 · Source: BMJ