Kan AI diagnostisera endometrios från menstruationscykelavvikelser som upptäcks i periodspårningsappdata ?

Endometrios påverkar hormoncyklerna och orsakar ofta oregelbundna blödningsmönster. AI som analyserar app-loggade symptom skulle kunna identifiera atypiska cykler kopplade till sjukdomen. Tidig upptäckt skulle kunna minska förseningar i diagnos, som för närvarande i genomsnitt är 7–10 år. Data kvalitet och rapporteringsbias från användare förblir viktiga hinder. Metoden utnyttjar crowdsourcade hälsomönster i stor skala.

Forskare har börjat undersöka om AI-modeller kan använda symptomloggar från menstruationsspårningsappar för att flagga möjlig endometrios, men nuvarande system är experimentella och godkänns inte för diagnos. En studie från 2023 visade att maskininlärning på självrapporterade symptom kan uppnå måttlig noggrannhet när det gäller att skilja sannolik endometrios från kontrollgrupper, men höga falskpositiva frekvenser och bristen på bekräftande avbildning eller kirurgisk validering begränsar den kliniska tillförlitligheten. Eftersom endometriosdiagnos vanligtvis kräver laparoskopisk kirurgi eller MR bör AI-förslag baserade endast på cykelavvikelser ses som preliminära signaler snarare än definitiva diagnoser. Eventuella varningar från en app bör föranleda konsultation med en kvalificerad vårdgivare för lämplig testning.

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