Aprendizaje automático para el diagnóstico temprano de endometriosis (MLEndo) (MLEndo)

Introducción: La endometriosis es una enfermedad compleja y crónica que afecta a aproximadamente 176 millones de mujeres en edad reproductiva y que permanece en gran medida sin resolver. Se define por la presencia de tejido similar al endometrio fuera del útero y comúnmente se asocia con dolor pélvico crónico, infertilidad y disminución de la calidad de vida. A pesar de los numerosos métodos de detección y clasificación propuestos, como biomarcadores, análisis genómico, técnicas de imagen y cuestionarios para reemplazar la laparoscopia diagnóstica invasiva, ninguno se ha adoptado ampliamente en la práctica clínica.

. A pesar de la disponibilidad de diversos métodos de detección (p. ej., biomarcadores, análisis genómico, técnicas de imagen) que pretenden reemplazar la necesidad de laparoscopia diagnóstica invasiva, el tiempo hasta el diagnóstico permanece en el rango de 4 a 11 años. Objetivos: El proyecto tiene como objetivo crear un gran banco de datos prospectivo utilizando la aplicación móvil médica Lucy y recopilar y analizar perfiles de pacientes y datos clínicos estructurados con inteligencia artificial. Además, los autores investigarán la asociación de componentes dietéticos eliminados o restringidos con la calidad de vida, el dolor y la sensibilización central. Métodos: un cuestionario longitudinal y de referencia en la aplicación Lucy recopila información autoinformada sobre síntomas relacionados con la endometriosis, datos sociodemográficos, salud física y mental, nutrición y otros factores del estilo de vida. Se inscribirán y seguirán durante un año 5.000 mujeres con endometriosis y 5.000 mujeres en un grupo de control. Con esta información, cualquier conexión entre los síntomas y la endometriosis se analizará con aprendizaje automático. Conclusiones: Los autores pueden desarrollar una descripción fenotípica de las mujeres con endometriosis vinculando los datos recopilados con información existente basada en registros sobre el diagnóstico de endometriosis, la utilización de la atención médica y el enfoque de big data. Esto puede ayudar a lograr una detección más temprana de la endometriosis con dolor pélvico y reducir significativamente el retraso diagnóstico actual. Además, los autores pueden identificar componentes nutricionales que pueden empeorar la calidad de vida y el dolor en mujeres con endometriosis; por lo tanto, los autores pueden crear recomendaciones dietéticas basadas en evidencia.

Palabras clave: Endometriosis, Aprendizaje automático, Diagnóstico no invasivo, Dieta