Revolution inom endometriosdiagnostik: AI ger nytt hopp!

Revolution inom endometriosdiagnostik: AI ger nytt hopp!

Endometrios är en i stort sett okänd men utbredd sjukdom som beräknas drabba var tionde till femtonde kvinna i fertil ålder i Tyskland. Trots de omfattande symtomen, såsom svår bäckensmärta vid menstruation, infertilitet och funktionsstörningar vid tarmrörelser och urinering, ställs diagnosen ofta inte. Det tar vanligtvis i genomsnitt åtta år innan sjukdomen upptäcks. Många patienter får reda på sin sjukdom först under ett endoskopiskt ingrepp. Detta enorma antal orapporterade fall och de varierande symtomen utgör en stor utmaning för sjukvårdslandskapet. Ett nytt initiativ från Friedrich-Alexander University Erlangen-Nuremberg (FAU) syftar till att förbättra diagnostiska alternativ genom användning av artificiell intelligens (AI).

Forskningsprojektet EndoKI får finansiering på tre miljoner euro från det bayerska statliga ministeriet för hälsa, vård och förebyggande. Syftet är att förbättra icke-invasiv diagnostik och effektiv behandling av endometriospatienter. Den kommer att genomföras under en period på tre år och kombinerar olika bildtekniker som ultraljud och MR med AI-metoder för att utveckla en detaljerad 3D-modell för patienter. Ett multidisciplinärt team av fem forskare från FAU och Erlangen University Hospital, med stöd av partners från universitetet i Würzburg och Münchens tekniska universitet, driver detta projekt framåt.

Utmaningar vid endometriosdiagnostik

Symtomen på endometrios ignoreras ofta eller misstolkas, vilket leder till betydande förseningar i diagnosen, som kan variera från fyra till elva år. För att ändra på detta har forskare i det EU-finansierade FEMaLe-projektet utvecklat ytterligare innovativa metoder. Detta använder AI för att analysera patientdata såsom kliniska journaler, symtom och genetisk information. Denna teknik gör det möjligt att upptäcka subtila mönster och tidiga indikatorer på endometrios i ett tidigt skede.

Som en del av FEMaLe-projektet utvecklades två nyckelsystem: ett kliniskt beslutsstödssystem för vårdpersonal och en digital medföljande app för patienter. Denna app gör det möjligt för användare att spåra sina symtom och behandlingar över tid. Anonymiserad data från appen flödar in i AI-motorn, vilket hjälper till att förbättra diagnostiska förslag. Målet är att snabba på diagnostiken och därmed minska antalet nödvändiga operationer.

Integrering av AI i behandling

Förutom att förbättra diagnosen kan integrering av AI också främja innovativa metoder för endometriosterapi. Utvecklingen av Endo-appen är i detta sammanhang. Den bygger på riktlinjer från en oberoende EU-expertgrupp som tar hänsyn till principer som laglighet, etik och robusthet. Detta för att säkerställa att användningen av denna teknik följer både lagkrav och etiska principer.

De möjliga tillämpningarna för AI är lovande. Genom att analysera användarnas symptomdagböcker kan AI:n känna igen mönster och upptäcka samband mellan symtom och faktorer som kost eller träning. Det kan också hjälpa till att undvika onödiga invasiva procedurer och möjliggöra snabbare diagnos. AI kommer ständigt att lära sig och förbättras baserat på feedback från användare och en växande databas med symtom och kliniska resultat.

På sikt kommer en pseudonymiserad databas med MR-datauppsättningar och histopatologisk information att skapas. En kvalitativ etnografisk delstudie kommer också att genomföras för att fånga gynekologers, patienters och forskares perspektiv. Rekommendationer för diagnostik och terapi bör utvecklas, även för organisationer som WHO. En konferens på temat endometrios är planerad till 2028 vid FAU och Akademiska sjukhuset för att förmedla den kunskap som vunnits och främja utbyte mellan experter.

Sammantaget visar det att kombinationen av AI och tvärvetenskaplig forskning öppnar för lovande sätt att på ett hållbart sätt förbättra vården av endometriospatienter. [FAU] rapporterar om viktiga steg mot effektivare diagnostik och terapi. Men projekt som [CORDIS] och [Endometriose.App] illustrerar också behovet av att öka livskvaliteten för drabbade kvinnor och att förstå, mäta och behandla deras smärta.