Kan AI endometriose diagnosticeren aan de hand van onregelmatigheden in de menstruatiecyclus die worden gedetecteerd in gegevens van een menstruatie-tracking-app ?
Stem nu — lees daarna wat onze hoofdredacteur en de AI-modellen hebben gevonden.
Endometriose verstoort hormonale cycli en veroorzaakt vaak onregelmatige bloedingspatronen. Een AI-systeem dat app-gegenoteerde symptomen analyseert, zou atypische cycli die verband houden met de ziekte kunnen identificeren. Vroegtijdige detectie kan de vertraging in diagnose, die momenteel gemiddeld 7–10 jaar bedraagt, verkorten. De kwaliteit van de data en bias in door gebruikers gerapporteerde gegevens blijven belangrijke uitdagingen. Deze aanpak benut crowdsourced gezondheidspatronen op grote schaal.
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
Stel een tag voor
Ontbreekt een concept bij dit onderwerp? Stel het voor en de beheerder bekijkt het.
Status voor het laatst gecontroleerd op July 1, 2026.
Galerie
Kan AI endometriose diagnosticeren aan de hand van onregelmatigheden in de menstruatiecyclus die worden gedetecteerd in gegevens van een menstruatie-tracking-app?
Er bestaan beperkte demonstraties — maar het panel was niet unaniem.
De jury was het erover eens dat patroonherkenning binnen het bereik van AI ligt, maar niemand kon garanderen dat een diagnose onaangetast was door menselijke toezicht. Twee juryleden leunden naar "Bijna", vertrouwend op de voorspellende kracht, maar stopten net voor volledig vertrouwen in de output, terwijl één vasthield aan een ferm "Nee", waarbij werd volgehouden dat de mysteries van het lichaam nog steeds buiten het bereik van een app liggen. Vonnis: AI kan het fluisteren fluisteren, maar nog niet de diagnose.
The jury agreed that pattern recognition is within AI’s reach, yet none could vouch for a diagnosis untouched by human oversight. Two jurors leaned “Almost,” trusting predictive prowess yet stopping short of full faith in the output, while one held firm to a firm “No,” insisting the body’s mysteries remain beyond an app’s gaze. Ruling: AI can whisper the whisper, but not yet the diagnosis.
But the data is real.
The Case File
Across 11 sessions, 30 jurors have heard this case. Combined tally: 1 YES · 16 ALMOST · 13 NO · 0 IN RESEARCH.
Note: cumulative includes older juror opinions. The current session tally above is the live verdict.
By a vote of 0 — 2 — 1, the panel returns a verdict of BIJNA, with verdict confidence of 85%. The court so orders. Verdict upgraded from prior session.
"AI can analyze patterns in menstrual data"
"No AI system has reliably diagnosed endometriosis from period-tracking data alone."
"AI can analyze patterns in app data"
Individuele juryverklaringen worden in het oorspronkelijke Engels weergegeven om de bewijsprecisie te behouden.
Wat het publiek denkt
Nee 48% · Ja 9% · Misschien 43% 23 votesDiscussie
no comments⚖ 11 jury checks · meest recent 3 dagen geleden
Elke rij is een afzonderlijke jurycontrole. Juryleden zijn AI-modellen (identiteiten bewust neutraal gehouden). Status toont de cumulatieve telling over alle controles — hoe de jury werkt.
Meer in health
Kan AI een geneesmiddelverbinding ontwerpen die bindt aan een specifiek eiwitdoel zonder voorafgaande experimentele gegevens ?
Kan AI reumatoïde artritis-exacerbaties voorspellen op basis van stemtrillingen die in telefoongesprekken worden gedetecteerd ?
Kunnen AI opkomende gezondheidsproblemen detecteren uit smartwatchgegevens ?