{"paper_id":"3688d221-96e8-4744-afc6-09f3b6d8a739","body_text":"Scaling Expertise in Endometriosis Diagnosis:\nCan Artificial Intelligence Close the Gap?\nAusbau der Fachkompetenz in der Diagnose der Endometriose:\nKann Künstliche Intelligenz diese Lücke schließen?\nCorrespondence\nProf. Markus Hoopmann\nDepartment of Obstetrics and Gynecology, University of\nTübingen, Calwer Str. 7, 72076 Tübingen, Germany\nBibliography\nUltraschall in Med 2026; 47: 325 –333\nDOI 10.1055/a-2876-6072\nISSN 0172-4614\n© 2026. Thieme. All rights reserved.\nGeorg Thieme Verlag KG, Oswald-Hesse-Straße 50,\n70469 Stuttgart, Germany\nThe paradigm shift from laparoscopy\nto transvaginal sonography for diagnosis\nWith its 2022 guideline on the diagnosis of endometriosis, the Eu-\nropean Society of Human Reproduction and Embryology (ESHRE)\ninitiated a fundamental change in diagnostic strategy [1]. Trans-\nvaginal sonography (TVS) was established as the primary imaging\nmodality, replacing diagnostic laparoscopy for this purpose. This\nrecommendation has since been adopted by numerous national\nand international societies, i ncluding DEGUM, SGUM, ÖGUM,\nFIGO, ACOG, SOGC, RANZCOG. In clinical practice, this means a\nsignificant upgrade for TVS but also creates greater responsibility\nfor both trainers and trainees [2].\nAre we prepared for this change?\nAre we prepared for this major change? Probably not, even 4 years\nafter the guideline was published. Surely, the complexity of the\nmatter and the related enormous time expenditure for learning,\ntraining, and applying, even more when case volume is limited,\nare some of the main reasons [3 –5]. However, the fundamental\nquestion of optimal medical care remains unanswered: How can\nexpert-level competence in endometriosis diagnosis be applied\nfrom the first examination onward when patients with typical\nsymptoms, gynecologists, and ultrasound systems come to-\ngether?\nHow to reach competence in endometriosis\ndiagnosis more rapidly?\nDEGUM, ÖGUM, and SGUM present a 2-step concept for TVS, dis-\ntinguishing a standardized basic examination from an advanced\nexpert examination [6, 7]. The aim is to ensure the broad availabil-\nity of high-quality baseline diagnostics while enabling targeted re-\nferrals of patients with complex clinical questions to specialized\nultrasound expertise. Within the 2-step concept, endometriosis\ndiagnosis is considered a typical indication for expert-level TVS.\nThe recently updated S2k-AWMF Guideline on Endometriosis\nDiagnosis and Treatment [8] provides comprehensive guidance\non how to address this disease optimally. Efforts to give endome-\ntriosis a face and a shape continue unabated [9].\nIndeed, endometriosis imposes s ubstantially higher require-\nments on examination techniques than routine TVS. Conventional\nTVS aims to acquire a series of static, optimally exposed B-mode\nimages depicting key anatomical structures ( exposure ), which\nare subsequently interpreted by the examiners ( pattern recogni-\ntion) and summarized in a differentiated report ( reporting). By its\nnature, TVS provides only insight into limited scanning areas\n(LSAs), capturing small regions adjacent to the tip of the probe.\nOptimal exposure remains the primary objective, even at the\ncost of high deformation, displacement, or shrinking the LSA. In-\ntegrating these LSAs into a coherent 3 D representation of the\ntrue pelvis ( stitching) constitutes a major cognitive challenge –\nbut is essential for comprehensive diagnosis.\nHowever, endometriosis diagnosis requires identifying pre-\nviously unknown or poorly characterized structures and highly\nvariable pathological patterns through a distinctly dynamic exam-\nMarkus Hoopmann\nMichael Bajka\nEditorial\n325Bajka M et al. Scaling Expertise in … Ultraschall in Med 2026; 47: 325 –333 | © 2026. Thieme. All rights reserved.\nThis document was downloaded for personal use only. Unauthorized distribution is strictly prohibited.\nArticle published online: 2026-08-11\n\nination. Organ mobility and physiological sliding must be continu-\nously assessed in addition to pattern recognition and be correlat-\ned with tenderness and pain during the examination. Particular\nattention is directed toward peritoneal sliding, both for anatomi-\ncal orientation and for lesion and adhesion detection. Acquiring\nendometriosis-specific expertise requires intense exposure, re-\nsulting in a significant learning curve [10, 11]. Training estimates\nsuggest that comprehensive endometriosis diagnostics require\nseveral days of focused teaching and training annually, combined\nwith a substantial continuous case load. In pract ice, such require-\nments are rarely feasible. Ethical and organizational constraints\nfurther limit hands-on training opportunities in TVS, resulting in\npersistent educational gaps. Therefore, endometriosis diagnosis\nmay be regarded as one of the most demanding applications of\nTVS, perhaps even its “master class ”.\nAre guidelines and standards available,\nand are they implemented?\nThe introduction of the IDEA consensus in 2016 provided the first\nstructured, evidence-based framework for sonographic diagnosis\nof endometriosis [12]. Validation studies demonstrated excellent\ndiagnostic performance [13 –17]. Subsequent addenda extended\nand clarified the anatomic struc tures to be assessed [18, 19].\nNevertheless, many users perceived the classification of endome-\ntriotic lesions as too complex and time-consuming, which limited\nits perceived clinical relevance [ 20]. In response, new guidelines\nemerged offering simplified and stratified diagnostic pathways\nadapted to the examiner ’se x p e r t i s e[ 2 1–23]. In 2024, the Swiss\nSociety for Ultrasound in Medicine (SGUM) published a land-\nmark-based standard [24]. This approach emphasizes probe navi-\ngation and the systematic assessment of 35 sonographically de-\nfined structures in a cookbook-like procedure across 5 easily\nreproducible compartments. It aims to optimize exposure, sup-\nport structured lesion mapping, facilitate #ENZIAN classification\n[25], and improve therapeutic planning. Despite these efforts,\nnone of the existing standards has yet achieved widespread imple-\nmentation.\nAre we making progress in assessing the true\npelvis?\nWhile dissemination of a uniform procedure is essential, examina-\ntion techniques must also continue to evolve. This includes the\nsystematic exploration and didactic definition of anatomical re-\ngions [26] that are not yet taught.\nOne such region, recently addressed, is the pelvic sidewall.\nSzabo et al. presented a differentiated approach to visualize this\nregion [27], placing the piriformis muscle in its center. By estab-\nlishing additional well-define d, highly reproducible ultrasound\nlandmarks, this previously underexplored area can also be approa-\nched by less experienced sonographers. To facilitate access to the\npiriformis muscle, we propose starting the examination by provid-\ning an overview ( zoom out) of the osseous boundaries of the pel-\nvic inlet, the pelvic brim ( ▶ Fig. 1), which largely correspond to the\nlinea arcuata ( ▶ Video 1). In the supine patient, this landmark lies\nin a transverse plane that descends steeply, at an angle of up to\n30° relative to the horizontal plane ( ▶ Fig. 1). The wide field allows\nvisualization of the pelvic brim as a closed, bright, echogenic arc\nencompassing all pelvic structures. Then, the way to the piriformis\nmuscle demands focusing on the nearfield ( zoom in) and follow-\ning the cardinal ligament (laterally to the uterus) downwards, still\nin the transverse plane, gentle tilting of the probe outward reveals\nthe highly echogenic, band-shaped sacrouterine ligament just be-\nhind the vaginal wall ( ▶ Video 2 ). Then, advancing the probe\nalong its axis directly leads to the central landmark of the pelvic\nsidewall, the piriformis muscle. Appropriate probe rotation aligns\nthe muscle fibers, if necessary, which typically course nearly hori-\nzontally. This is our preferred approach to the starting position for\ninvestigating the pelvic sidewall.\nsacral promontory\nmargin of the \nsacral ala\narcuate line\npectineal line\npubic crest\nhorizon\na b\n▶ Fig. 1\n326 Bajka M et al. Scaling Expertise in … Ultraschall in Med 2026; 47: 325 –333 | © 2026. Thieme. All rights reserved.\nEditorial\nThis document was downloaded for personal use only. Unauthorized distribution is strictly prohibited.\n\n\nWhat is the goal, and how can it be reached?\nThe overall goal is to provide consistent, expert-level endometrio-\nsis diagnostics at every examination, independent of examiner ex-\nperience and ideally from the first patient onward. Achieving this\nrequires precise landmark-based navigation through all pelvic\nLSAs, dynamic assessment, and pattern recognition, supported\nby extensive anatomical and endometriosis-specific knowledge\nand experience. Whether this goal can be achieved solely with es-\ntablished learning and training methods is doubtful.\nW h a ti st h er o l eo fa r t i f i c i a li n t e l l i g e n c e ?\nFollowing earlier limitations, artificial intelligence (AI) has now un-\ndoubtedly become mainstream and has found its way into our ev-\neryday lives. AI has demonstrated robust performance in medical\nimaging [28]. However, successful model training depends criti-\ncally on the availability of large, well-prepared, high-quality data-\nsets [29]. Relying on hundreds of thousands of examples, deep\nlearning models have achieved expert-level accuracy across sever-\nal healthcare domains, sometimes even outperforming experts.\nFor example in retinal diagnostics, Poplin et al. [30] found that AI\ncan extract data from an image dataset that is not visible to the\nhuman eye and is not primarily related to imaging, such as gen-\nder, age, and blood pressure. This finding illustrates a broader\ntransition from rule-based image interpretation toward probabil-\nistic, reproducible, population-based, and increasingly predictive\nanalysis.\nThe rapid expansion of AI in medical imaging is also reflected in\neconomic data [31]. AI has led to a veritable flood of spin-offs. Since\n2015, 182 AI software providers h ave raised around $5 billion in\nstart-up capital, which accounts for about 65 % of total VC invest-\nment in the health technology sector [32]. The trend is rising.\nUnfortunately, the current evidence for AI in clinical applica-\ntions is still limited and of variable quality [33, 34], and in endo-\nmetriosis, it is almost nonexistent. Currently, most studies on AI\nand endometriosis rely on ultrasound data and predominantly\nuse TVS, while MRI-based research remains limited and primarily\nfocuses on disease diagnosis and segmentation [35 –37]. These\nstudies are characterized by small, retrospective, single-center co-\nhorts, limited generalizability, and a lack of standardized ground\ntruth. Overall, AI applications in endometriosis imaging are still in\nan early stage, underscoring the need for larger, standardized, and\nmethodologically robust studies to develop reliable, generalizable\nmodels [35].\nHow could AI support TVS in clinical practice?\nNevertheless, we believe AI has the potential to dramatically\nchange the diagnosis of endometriosis. An Australian spin-off ex-\nplores a multimodal approach combining TVS, MRI, and clinical\ndata to improve the final diagnosis [38], while a Swiss spin-off fo-\ncuses on supporting TVS examinations in real time [39]. In the lat-\nter, AI provides clinical examiners with continuous, workflow-em-\nbedded support independent of individual expertise. Anatomical\nguidance, exposure optimization, and standard procedure checks\nfor completeness are continuousl yp r o v i d e dt h r o u g hr e a l - t i m e\npattern recognition, presented on the original monitor as colored\noverlays ( ▶ Video 3 –5). Moreover, a complete 3-dimensional re-\npresentation of the true pelvis built from 2 D TVS images during\nthe examination appears increasingly within reach, opening the\npossibility of more comprehensive AI-based analysis.\nIndeed, AI can provide access to a large body of expert knowl-\nedge, not only to address the final diagnosis but also to condense\nand present it in each frame of the real-time examination, thereby\nhelping to democratize expert ultrasound diagnosis and support\nexaminers throughout the learning curve.\nA dramatic change in TVS education could be the result, over-\ncoming the serious limitations of conventional hands-on training\ninvolving human subjects. After a basic course in gynecologic ul-\ntrasound, including practical skills teaching, trainees could pro-\nceed directly to real examinations in real patients, with AI provid-\ning continuous guidance and supervision.\nOP-VIDEO\n▶ Video 1 Landmark Pelvic brim\nOP-VIDEO\n▶ Video 2 Landmark M. piriformis\n327Bajka M et al. Scaling Expertise in … Ultraschall in Med 2026; 47: 325 –333 | © 2026. Thieme. All rights reserved.\nThis document was downloaded for personal use only. Unauthorized distribution is strictly prohibited.\n\n\nOutlook\nAI-based ultrasound solutions may even exceed current expecta-\ntions and may one day outperform the experts. What is clear,\nhowever, is that we are only at the beginning of a transformation\nthat may fundamentally change how endometriosis ultrasound is\ntaught, performed, and interpreted. This raises the hope that a\nsophisticated endometriosis diagnosis including disease mapping\nwill be possible during the initial consultation, thereby reducing\npatients’ suffering by many years.\nDer Paradigmenwechsel von der Laparoskopie\nzur transvaginalen Sonografie in der Diagnostik\nMit ihren Leitlinien zur Diagnose der Endometriose aus dem Jahr\n2022 leitete die Europäische Gesellschaft für Reproduktionsmedi-\nzin und Embryologie (ESHRE) einen grundlegenden Wandel in der\nDiagnosestrategie ein [1]. Die transvaginale Sonografie (TVS) hat\nsich als primäres bildgebendes Verfahren etabliert und ersetzt zu\ndiesem Zweck die diagnostische Laparoskopie. Diese Empfehlung\nwurde inzwischen von zahlreichen nationalen und internationalen\nFachgesellschaften übernommen, darunter die DEGUM, SGUM,\nÖGUM, FIGO, ACOG, SOGC und RANZCOG. In der klinischen Praxis\nbedeutet dies eine erhebliche Aufwertung der TVS, bringt aber\nauch eine größere Verantwortung, sowohl für die Ausbilder als\nauch für die Auszubildenden mit sich [2].\nSind wir auf diese Veränderung vorbereitet?\nSind wir auf diese bedeutende Veränderung vorbereitet? Wahr-\nscheinlich nicht, selbst 4 Jahre nach Veröffentlichung der Leitlinie.\nSicherlich sind die Komplexität der Materie und der damit verbun-\ndene enorme Zeitaufwand für das Lernen, das Training und die An-\nwendung – umso mehr, wenn das Fallvolumen begrenzt ist – einige\nder Hauptgründe dafür [3 –5]. Die grundlegende Frage nach der op-\ntimalen medizinischen Versorgung bleibt jedoch unbeantwortet:\nWie lässt sich fachärztliche Kompetenz bei der Diagnose der En-\ndometriose bereits ab der ersten Untersuchung umsetzen, wenn\nPatientinnen mit typischen Symptomen, Gynäkologen und Ultra-\nschallsysteme aufeinandertreffen?\nWie lässt sich schneller eine Kompetenz\nin der Endometriose-Diagnostik erlangen?\nDEGUM, ÖGUM und SGUM stellen ein 2-stufiges Konzept für die\nTVS vor, bei dem zwischen einer standardisierten Basis-Untersu-\nchung und einer vertiefenden fachärztlichen Untersuchung unter-\nschieden wird [6, 7]. Ziel ist es, eine breite Verfügbarkeit hochwer-\ntiger Basisdiagnostik sicherzustellen und gleichzeitig eine gezielte\nÜberweisung von Patientinnen mit komplexen klinischen Frage-\nstellungen an spezialisierte Ultraschall-Fachkräfte zu ermöglichen.\nIm Rahmen des 2-stufigen Konzepts gilt die Diagnose einer Endo-\nmetriose als typische Indikation für eine TVS-Untersuchung durch\neinen Spezialisten.\nDie kürzlich aktualisierte S2k-AWMF-Leitlinie zur Diagnose und\nBehandlung der Endometriose [8] bietet umfassende Anleitungen\nfür einen optimalen Umgang mit dieser Erkrankung. Die Bemü-\nhungen, der Endometriose ein Gesicht und eine Gestalt zu geben,\ngehen unvermindert weiter [9].\nOP-VIDEO\n▶ Video 4 AI prediction of DE of the bowel\nOP-VIDEO\n▶ Video 5 AI prediction of DE of an endometrioma\nOP-VIDEO\n▶ Video 3 AI prediction of DE at the retrocervix\n328 Bajka M et al. Scaling Expertise in … Ultraschall in Med 2026; 47: 325 –333 | © 2026. Thieme. All rights reserved.\nEditorial\nThis document was downloaded for personal use only. Unauthorized distribution is strictly prohibited.\n\n\nTatsächlich stellt die Endometriose wesentlich höhere Anforder-\nungen an die Untersuchungstechniken als die routinemäßige TVS.\nBei der konventionellen TVS geht es darum, eine Reihe statischer,\noptimal eingestellter B-Mode-Bilder zu erstellen, die wichtige ana-\ntomische Strukturen darstellen ( Exposure), die anschließend von\nden Untersuchenden ausgewertet ( Pattern recognition ) und in\neinem differenzierten Befundbericht zusammengefasst werden\n(Reporting ). Von Natur aus liefert die TVS nur Einblicke in be-\ngrenzte Abtastbereiche ( LSA) und erfasst dabei kleine Bereiche in\nunmittelbarer Nähe der Sondenspitze. Eine optimale Darstellung\nbleibt das vorrangige Ziel, selbst wenn dies hohe Verformungen,\nVerschiebungen oder eine Verkleinerung des LSA zur Folge hat.\nDie Integration dieser LSA in eine zusammenhängende 3D-Darstel-\nlung des tatsächlichen Beckens ( Stitching) stellt eine große kogni-\ntive Herausforderung dar – ist jedoch für eine umfassende Dia-\ngnose unerlässlich.\nDie Diagnose der Endometriose erfordert jedoch die Identifi-\nzierung bisher unbekannter oder nur unzureichend charakterisier-\nter Strukturen sowie stark variierender pathologischer Muster im\nRahmen einer ausgesprochen dynamischen Untersuchung. Ne-\nben der Pattern recognition müssen auch die Beweglichkeit der\nOrgane und das physiologische Gleiten kontinuierlich beurteilt\nund mit Druckempfindlichkeit und Schmerzen während der Un-\ntersuchung in Zusammenhang gebracht werden. Besonderes Au-\ngenmerk wird auf das Gleiten des Peritoneums gelegt, sowohl zur\nanatomischen Orientierung als auch zur Erkennung von Läsionen\nund Verwachsungen. Der Erwerb von Fachwissen im Bereich der\nEndometriose erfordert intensive praktische Erfahrung, was mit\neinem erheblichen Lernaufwand verbunden ist [10, 11]. Ausbil-\ndungsschätzungen deuten darauf hin, dass eine umfassende\nEndometriose-Diagnostik jährlich mehrere Tage gezielter Ausbil-\ndung und Schulung erfordert, verbunden mit einer beträchtlichen\nkontinuierlichen Fallzahl. In der Praxis sind solche Anforderungen\njedoch selten umsetzbar. Ethisc he und organisatorische Zwänge\nschränken die Möglichkeiten für praktische Übungen im Bereich\nder TVS zusätzlich ein, was zu anhaltenden Bildungslücken führt.\nDaher kann die Diagnose der Endometriose als eine der an-\nspruchsvollsten Anwendungen der TVS angesehen werden, viel-\nleicht sogar als deren „Meisterklasse “.\nGibt es Richtlinien und Standards,\nund werden diese umgesetzt?\nDie Einführung des IDEA-Konsensus im Jahr 2016 schuf den ersten\nstrukturierten, evidenzbasierten Rahmen für die sonografische\nDiagnose der Endometriose [12]. Validierungsstudien belegten\neine hervorragende diagnostische Leistungsfähigkeit [13 –17]. In\nspäteren Ergänzungen wurden die zu beurteilenden anatomi-\nschen Strukturen erweitert und präzisiert [18, 19]. Dennoch emp-\nfanden viele Anwender die Klassi fizierung endometriotischer\nLäsionen als zu komplex und zeitaufwendig, was ihre wahrgenom-\nmene klinische Relevanz einsc hränkte [20]. Daraufhin wurden\nneue Leitlinien entwickelt, die vereinfachte und abgestufte Dia-\ngnosepfade vorsehen, die an die Fachkenntnisse des/der Unter-\nsuchenden angepasst sind [21 –23]. Im Jahr 2024 veröffentlichte\ndie Schweizerische Gesellschaft für Ultraschall in der Medizin\n(SGUM) einen auf Orientierungspunkten basierenden Standard\n[24]. Dieser Ansatz legt den Schwerpunkt auf die Sondenführung\nund die systematische Beurteilung von 35 sonografisch definier-\nt e nS t r u k t u r e ni mR a h m e ne i n e sr e z e p t a r t i g e nV e r f a h r e n s ,d a s\nsich über 5 leicht reproduzierbare Kompartimente erstreckt. Es\nzielt darauf ab, die Bilddarstellung zu optimieren, die strukturierte\nKartierung von Läsionen zu unterstützen, die #ENZIAN-Klassifi-\nzierung [25] zu erleichtern und die Therapie-Planung zu verbes-\nsern. Trotz dieser Bemühungen hat bisher noch keiner der beste-\nhenden Standards eine breite Anwendung gefunden.\nMachen wir Fortschritte bei der Beurteilung\ndes kleinen Beckens?\nZwar ist die Einführung eines einheitlichen Verfahrens unerläss-\nlich, doch müssen sich auch die Untersuchungsmethoden weiter-\nentwickeln. Dazu gehören die systematische Erforschung und\neine didaktische Definition anatomischer Regionen [26], die bis-\nlang noch nicht gelehrt werden.\nEine solche Region, die kürzlich behandelt wurde, ist die Be-\nckenwand. Szabo et al. stellten einen differenzierten Ansatz zur\nDarstellung dieses Bereichs vor [27], bei dem der Piriformis-Musk-\nel im Mittelpunkt stand. Durch die Festlegung zusätzlicher, klar\ndefinierter und gut reproduzierbarer Ultraschall-Orientierung-\nspunkte kann dieser bislang wenig erforschte Bereich auch von\nweniger erfahrenen Ultraschall-Technikerinnen und -Technikern\nuntersucht werden. Um den Zugang zum Piriformis-Muskel zu er-\nleichtern, empfehlen wir, die Untersuchung mit einem Überblick\n(Zoom-out) über die knöchernen Begrenzungen des Beckenein-\ngangs, den Beckenrand ( ▶ Abb. 1), zu beginnen, die weitgehend\nder Linea arcuata entsprechen ( ▶ Video 1 ). Bei einer Patientin in\nRückenlage liegt dieser Orientierungspunkt in einer Querebene,\ndie steil nach unten verläuft und einen Winkel von bis zu 30° zur\nHorizontalebene bildet ( ▶ Abb. 1). Das weite Sichtfeld ermöglicht\ndie Darstellung des Beckenrandes als geschlossenen, hellen,\nechogenen Bogen, der alle Beckenstrukturen umschließt. Um\nzum Piriformis-Muskel zu gelangen, muss man den Blick auf das\nNahfeld richten ( Zoom-in) und dem Ligamentum cardinale (seit-\nlich der Gebärmutter) nach unten folgen, wobei man in der Trans-\nversalebene bleibt; durch leichtes Neigen der Sonde nach außen\nwird das stark echogene, bandfö rmige Ligamentum sacrouteri-\nnum direkt hinter der Scheidenwand sichtbar ( ▶ Video 2 ). Wenn\nman die Sonde nun entlang ihrer Achse vorschiebt, gelangt man\ndirekt zum zentralen Orientierungspunkt der Beckenwand, dem\nPiriformis-Muskel. Durch eine angemessene Drehung der Sonde\nwerden – sofern erforderlich – die Muskelfasern ausgerichtet, die\nin der Regel nahezu horizontal verlaufen. Dies ist unser bevorzug-\nter Ansatz zur Erfassung der Ausgangsposition bei der Unter-\nsuchung der Be ckenwand.\n329Bajka M et al. Scaling Expertise in … Ultraschall in Med 2026; 47: 325 –333 | © 2026. Thieme. All rights reserved.\nThis document was downloaded for personal use only. Unauthorized distribution is strictly prohibited.\n\n\nWas ist das Ziel, und wie lässt es sich erreichen?\nDas übergeordnete Ziel besteh t darin, bei jeder Untersuchung\neine einheitliche, fachkundige Endometriose-Diagnostik zu ge-\nwährleisten, unabhängig von der Erfahrung des/der Untersuchen-\nden und im Idealfall bereits ab der ersten Patientin. Um dies zu er-\nreichen, sind eine präzise, an Orientierungspunkten ausgerichtete\nNavigation durch alle LSA des Beckens, eine dynamische Beurtei-\nlung sowie Pattern recognition erforderlich, gestützt auf umfas-\nsende anatomische und Endometr iose-spezifische Kenntnisse\nund Erfahrungen. Es ist fraglich, ob dieses Ziel allein mit etablier-\nten Lern- und Ausbildungsmethoden erreicht werden kann.\nWelche Rolle spielt Künstliche Intelligenz?\nNach anfänglichen Einschränku ngen hat sich Künstliche Intelli-\ngenz (KI) mittlerweile zweifellos etabliert und ist aus unserem All-\ntag nicht mehr wegzudenken. KI hat in der medizinischen Bildge-\nbung eine solide Leistungsfähigkeit unter Beweis gestellt [28]. Ein\nerfolgreiches Modelltraining hängt jedoch entscheidend von der\nVerfügbarkeit umfangreicher, gut aufbereiteter und qualitativ\nhochwertiger Datensätze ab [29]. Auf der Grundlage von Hun-\nderttausenden von Beispielen haben Deep-Learning-Modelle in\nverschiedenen Bereichen des Gesundheitswesens eine Genauig-\nkeit auf Expertenniveau erreicht und übertreffen dieses manch-\nmal sogar. So haben beispielsweise Poplin et al. [30] im Bereich\nder Netzhaut-Diagnostik festgestellt, dass KI aus einem Bilddaten-\nsatz Daten extrahieren kann, die für das menschliche Auge nicht\nsichtbar sind und nicht in erster Linie mit der Bildgebung zusam-\nmenhängen, wie beispielsweise Geschlecht, Alter und Blutdruck.\nDiese Erkenntnis verdeutlicht einen allgemeinen Wandel von der\nregelbasierten Bildauswertung hin zu einer probabilistischen, re-\nproduzierbaren, populationsbasierten und zunehmend prädikti-\nven Analyse.\nDie rasante Verbreitung von KI in der medizinischen Bildge-\nbung spiegelt sich auch in den Wirtschaftsdaten wider [31]. Die\nKI hat zu einer wahren Flut von Ablegern geführt: Seit 2015 haben\n182 Anbieter von KI-Software rund 5 Milliarden US-Dollar an Start-\nsacral promontory\nmargin of the \nsacral ala\narcuate line\npectineal line\npubic crest\nhorizon\na b\n▶ Abb. 1\nOP-VIDEO\n▶ Video 1 Orientierungspunkt: Beckenrand\nOP-VIDEO\n▶ Video 2 Orientierungspunkt: M. piriformis\n330 Bajka M et al. Scaling Expertise in … Ultraschall in Med 2026; 47: 325 –333 | © 2026. Thieme. All rights reserved.\nEditorial\nThis document was downloaded for personal use only. Unauthorized distribution is strictly prohibited.\n\n\nkapital eingeworben, was etwa 65 % der gesamten Risikokapital-\nInvestitionen im Bereich der Gesundheitstechnologie ausmacht\n[32]. Der Trend ist steigend.\nLeider sind die derzeitigen Erkenntnisse über den Einsatz von KI\nin klinischen Anwendungen noch b egrenzt und von unterschied-\nlicher Qualität [33, 34], und im Bereich der Endometriose fehlen\nsie fast gänzlich. Derzeit stützen sich die meisten Studien zu KI\nund Endometriose auf Ultraschalldaten und nutzen vorwiegend die\nTVS, während die MRT-basierte Forschung nach wie vor begrenzt\nist und sich in erster Linie auf die Diagnose und Segmentierung\nder Erkrankung konzentriert [35 –37]. Diese Studien zeichnen sich\ndurch kleine, retrospektive, an einem einzigen Zentrum durchge-\nführte Kohorten, eine begrenzte Übertragbarkeit und das Fehlen\nstandardisierter Referenzdaten aus. Insgesamt befinden sich KI-An-\nwendungen in der Bildgebung bei Endometriose noch in einem frü-\nhen Stadium, was die Notwendigkeit größerer, standardisierter und\nmethodisch fundierter Studien unterstreicht, um zuverlässige, gen-\neralisierbare Modelle zu entwickeln [35].\nWie könnte KI die TVS in der klinischen Praxis\nunterstützen?\nDennoch sind wir der Ansicht, dass KI das Potenzial hat, die Dia-\ngnose der Endometriose grundlegend zu verändern. Ein australis-\nches Spinoff erforscht einen multimodalen Ansatz, bei dem TVS,\nMRT und klinische Daten kombiniert werden, um die endgültige\nDiagnose zu verbessern [38], während sich ein Schweizer Spinoff\nauf die Unterstützung von TVS-Untersuchungen in Echtzeit kon-\nzentriert [39]. Im letzteren Fall bietet die KI den klinischen Unter-\nsuchenden eine kontinuierliche, in den Arbeitsablauf integrierte\nUnterstützung, die unabhängig von der individuellen Fachkompe-\ntenz ist. Anatomische Führung, Optimierung der Bilddarstellung\nund Standardkontrollen zur Überprüfung der Vollständigkeit des\nVerfahrens werden durch Echtzeit-Pattern recognition kontinuier-\nlich bereitgestellt und auf dem Originalmonitor als farbige Über-\nlagerungen dargestellt ( ▶ Video 3–5). Zudem rückt eine vollstän-\ndige 3-dimensionale Darstellung des kleinen Beckens, die\nwährend der Untersuchung aus 2D-TVS-Bildern erstellt wird, im-\nmer mehr in greifbare Nähe, was die Möglichkeit einer umfassen-\nderen KI-basierten Analyse eröffnet.\nTatsächlich kann eine KI somit Zugang zu einem umfangrei-\nchen Fachwissen bieten, nicht nur zur Erstellung der endgültigen\nDiagnose, sondern auch, um dieses Wissen in jedem Einzelbild der\nEchtzeit-Untersuchung zusammenzufassen und darzustellen. Auf\ndiese Weise trägt sie dazu bei, die fachliche Ultraschall-Diagnostik\nzu demokratisieren und die Untersuchenden während ihrer ge-\nsamten Lernphase zu unterstützen.\nDies könnte zu einem grundlegenden Wandel in der TVS-Aus-\nbildung führen und die gravierenden Einschränkungen herkömm-\nlicher praktischer Schulungen mit menschlichen Probanden über-\nwinden. Nach einem Grundkurs im gynäkologischen Ultraschall,\nder auch praktische Übungen umfasst, könnten die Auszubilden-\nden direkt mit echten Untersuchungen, an echten Patientinnen\nbeginnen, wobei sie durch die KI kontinuierlich angeleitet und\nbeaufsichtigt würden.\nAusblick\nKI-gestützte Ultraschall-Lösungen könnten sogar die derzeitigen\nErwartungen übertreffen und eines Tages die Experten überflü-\ngeln. Klar ist jedoch, dass wir erst am Anfang eines Wandels ste-\nhen, der die Art und Weise, wie Ultraschall-Untersuchungen bei\nOP-VIDEO\n▶ Video 4 KI-Prognose einer DE im Darm\nOP-VIDEO\n▶ Video 5 KI-Prognose einer DE eines Endometrioms\nOP-VIDEO\n▶ Video 3 KI-Prognose einer DE an der Retrocervix>\n331Bajka M et al. Scaling Expertise in … Ultraschall in Med 2026; 47: 325 –333 | © 2026. Thieme. All rights reserved.\nThis document was downloaded for personal use only. Unauthorized distribution is strictly prohibited.\n\n\nEndometriose gelehrt, durchgeführt und ausgewertet werden,\ngrundlegend verändern könnte. Dies weckt die Hoffnung, dass\nbereits beim Erstgespräch eine differenzierte Endometriose-Dia-\ngnose, einschließlich einer Kar tierung der Erkrankung, möglich\nsein wird, wodurch das Leiden d er Patientinnen um viele Jahre\nverkürzt werden könnte.\nConflict of Interest\nMichael Bajka is Co-founder and Co-Owner of VirtaMed AG, Schlieren,\nSchweiz; Co-Founder and Co-Owner von Scanvio Medical AG, Zürich,\nSchweiz.\nReferences\n[1] Becker CM, Bokor A, Heikinheimo O. ESHRE Endometriosis Guideline\nGroup et al. ESHRE guideline: endometriosis. Hum Reprod Open 2022;\n2022 (2): hoac009. doi:10.1093/hropen/hoac009\n[2] Avery JC, Fragkoudi A, Deslandes A. FIGO Committee on Reproductive\nMedicine, Endocrinology, and Infertility et al. Global trends in the uptake\nof specialist diagnostic ultrasound and MRI scans for endometriosis: An\ninternational cross-sectional survey. Int J Gynaecol Obstet 2026; 172 (1):\n11–24. doi:10.1002/ijgo.70666\n[3] Leonardi M, Condous G. How to perform an ultrasound to diagnose\nendometriosis. Australas J Ultrasound Med 2018; 21 (2): 61 –69.\ndoi:10.1002/ajum.12093\n[4] Scioscia M, Virgilio BA, Laganà AS et al. Differential Diagnosis of Endo-\nmetriosis by Ultrasound: A Rising Challenge. Diagnostics (Basel) 2020;\n10 (10): 848. doi:10.3390/diagnostics10100848\n[5] Pascoal E, Wessels JM, Aas-Eng MK et al. Strengths and limitations of\ndiagnostic tools for endometriosis and relevance in diagnostic test\naccuracy research. Ultrasound Obstet Gynecol 2022; 60 (3): 309 –327.\ndoi:10.1002/uog.24892\n[6] Grab D, Merz E, Eichhorn KH et al. Basic Gynecologic Ultrasound Exami-\nnation (Level I): DEGUM, ÖGUM, and SGUM Recommendations. Ultra-\nschall Med 2023; 44 (2): 151 –161. doi:10.1055/a-1851-5157\n[7] Hoopmann M, Tutschek B, Merz E et al. Quality Requirements for gyne-\ncological ultrasound examinations of DEGUM level II – Recommenda-\ntions of the Sections/Working Groups Gynecology and Obstetrics of DE-\nGUM, ÖGUM and SGUM. Ultraschall Med 2022; 43 (2): 146 –158.\ndoi:10.1055/a-1663-6322\n[8] Burghaus S, Schäfer SD, Bär KJ et al. Diagnosis and Therapy of Endome-\ntriosis. Guideline of the DGGG, OEGGG and SGGG (S2k-Level, AWMF\nRegistry No. 015/045, April 2025). Geburtshilfe Frauenheilkd 2026;\n86 (2): 133 –188. doi:10.1055/a-2760-4867\n[9] Keckstein J, Hoopmann M. Endometriosis, ultrasound and #Enzian clas-\nsification: the need for a common language for non-invasive diagnostics.\nUltraschall Med 2023; 44 (3): 233 –239. doi:10.1055/a-2055-6712\n[10] Guerriero S, Pascual MA, Ajossa S et al. Learning curve for ultrasono-\ngraphic diagnosis of deep infiltrating endometriosis using structured\noffline training program. Ultrasound Obstet Gynecol 2019; 54 (2): 262 –\n269. doi:10.1002/uog.20176\n[11] Indrielle-Kelly T, Fischerova D, Hanu š P et al. Early Learning Curve in the\nAssessment of Deep Pelvic Endometriosis for Ultrasound and Magnetic\nResonance Imaging. Biomed Res Int 2020; 2020: 8757281. doi:10.1155/\n2020/8757281\n[12] Guerriero S, Condous G, van den Bosch T et al. Systematic approach to\nsonographic evaluation of the pelvis in women with suspected endo-\nmetriosis, including terms, definitions and measurements: a consensus\nopinion from the International Deep Endometriosis Analysis (IDEA)\ngroup. Ultrasound Obstet Gynecol 2016; 48 (3): 318 –332. doi:10.1002/\nuog.15955\n[13] Indrielle-Kelly T, Frühauf F, Fanta M et al. Diagnostic Accuracy of Ultra-\nsound and MRI in the Mapping of Deep Pelvic Endometriosis Using the\nInternational Deep Endometriosis Analysis (IDEA) Consensus. Biomed\nRes Int 2020; 2020: 3583989. doi:10.1155/2020/3583989\n[14] Piessens S, Edwards A. Sonographic Evaluation for Endometriosis in\nRoutine Pelvic Ultrasound. J Minim I nvasive Gynecol 2020; 27 (2): 265 –\n266. doi:10.1016/j.jmig.2019.08.027\n[15] Mick I, Freger SM, Marien M et al. Diagnostic Accuracy of Transvaginal\nUltrasonography for Endometriosis According to the International Deep\nEndometriosis Analysis Consensus. O G Open 2025; 2 (1): e061.\ndoi:10.1097/og9.0000000000000061\n[16] Avery JC, Deslandes A, Freger SM et al. Noninvasive diagnostic imaging\nfor endometriosis part 1: a systematic review of recent developments in\nultrasound, combination imaging, and artificial intelligence. Fertil Steril\n2024; 121 (2): 164 –188. doi:10.1016/j.fertnstert.2023.12.008\n[17] Avery JC, Knox S, Deslandes A. Imagendo Study Group et al. Noninvasive\ndiagnostic imaging for endometriosis part 2: a systematic review of re-\ncent developments in magnetic resonance imaging, nuclear medicine\nand computed tomography. Fertil Steril 2024; 121 (2): 189 –211.\ndoi:10.1016/j.fertnstert.2023.12.017\n[18] Guerriero S, Condous G, Rolla M et al. Addendum to consensus opinion\nfrom International Deep Endometriosis Analysis (IDEA) group: sono-\ngraphic evaluation of the parametrium. Ultrasound Obstet Gynecol\n2024; 64 (2): 275 –280. doi:10.1002/uog.27558\n[19] Guerriero S, Condous G, Rolla M et al. Addendum to consensus opinion\nfrom International Deep Endometriosis Analysis (IDEA) group: sono-\ngraphic evaluation of superficial endometriosis. Ultrasound Obstet\nGynecol 2025; 66 (4): 541 –547. doi:10.1002/uog.29288\n[20] Zondervan KT, Missmer S, Abrao MS. International Working Group of\nAAGL, ESGE, ESHRE and WES et al. Endometriosis classification systems:\nan international survey to map current knowledge and uptake. Hum Re-\nprod Open 2022; 2022 (1): hoac002. doi:10.1093/hropen/hoac002\n[21] Young SW, Jha P, Chamié L et al. Society of Radiologists in Ultrasound\nConsensus on Routine Pelvic US for Endometriosis. Radiology 2024;\n311 (1): e232191. doi:10.1148/radiol.232191\n[22] Deslandes A, Leonardi M. Proposed simplified protocol for initial assess-\nment of endometriosis with transvaginal ultrasound. Ultrasound Obstet\nGynecol 2025; 65 (2): 142 –146. doi:10.1002/uog.29115\n[23] British Medical Ultrasound Society (BMUS), and British Society for Gy-\nnaecological Endoscopy (BSGE). (2026). BMUS/BSGE guidance for ultra-\nsound assessment of endometriosis. Publisher/Organization.\n[24] Metzler JM, Finger L, Burkhardt T et al. Systematic, noninvasive endo-\nmetriosis diagnosis in transvaginal sonography by the Swiss Society of\nUltrasound in Medicine. Ultraschall Med 2024; 45 (4): 367 –388.\ndoi:10.1055/a-2241 –5233\n[25] Keckstein J, Saridogan E, Ulrich UA et al. The #Enzian classification:\nA comprehensive non-invasive and surgical description system for en-\ndometriosis. Acta Obstet Gynecol Scand 2021; 100 (7): 1165 –1175.\ndoi:10.1111/aogs.14099\n[26] Fischerova D, Culcasi C, Gatti E et al. Ultrasound assessment of the pelvic\nsidewall: methodological consensus opinion. Ultrasound Obstet Gynecol\n2 0 2 5 ;6 5( 1 ) :9 4–105. doi:10.1002/uog.29122\n[27] Szabó G, Bokor A, Fancsovits V et al. Standardized measurement of the\npiriformis muscle and the proximal portion of the sacral nerve roots\nusing transvaginal ultrasound. Ultraschall Med 2026; 47 (1): 61 –67.\ndoi:10.1055/a-2521-9321\n[28] Litjens G, Kooi T, Bejnordi BE et al. A survey on deep learning in medical\nimage analysis. Med Image Anal 2017; 42: 60 –88. doi:10.1016/j.media.\n2017.07.005\n[29] Deslandes A, Zhang Y, Leonardi M. IMAGENDO Team et al. The problem\nwith the “truth”: rethinking ground truth for artificial intelligence in en-\ndometriosis diagnosis. Hum Reprod 2026: deag024. doi:10.1093/hum-\nrep/deag024\n332 Bajka M et al. Scaling Expertise in … Ultraschall in Med 2026; 47: 325 –333 | © 2026. Thieme. All rights reserved.\nEditorial\nThis document was downloaded for personal use only. Unauthorized distribution is strictly prohibited.\n\n\n[30] Poplin R, Varadarajan AV, Blumer K et al. Prediction of cardiovascular risk\nfactors from retinal fundus photographs via deep learning. Nat Biomed\nEng 2018; 2 (3): 158 –164. doi:10.1038/s41551-018-0195-0\n[31] Europe ’s Digital Health Bo om in 2025, DayOne Swiss Report, October 1,\n2025.\n[32] Parekh and Baker 2023. Accessed March 03, 2026 at: https://www.linke\ndin.com/pulse/investment-medical-imaging-ai-tops-5b-signify-re\nsearch/\n[33] Liu X, Cruz Rivera S, Moher D et al. Reporting guidelines for clinical trial\nreports for interventions involving artificial intelligence: the CONSORT-\nAI extension. Nat Med 2020; 26 (9): 1364 –1374. doi:10.1038/s41591-\n020-1034-x\n[34] Van Calster B, Collins GS, Vickers AJ et al. Evaluation of performance\nmeasures in predictive artificial intelligence models to support medical\ndecisions: overview and guidance. Lancet Digit Health 2025; 7 (12):\n100916. doi:10.1016/j.landig.2025.100916\n[35] Mittal S, Tong A, Young S et al. Artificial intelligence applications in en-\ndometriosis imaging. Abdom Radiol (NY) 2025; 50 (10): 4901 –4913.\ndoi:10.1007/s00261-025-04897-w\n[36] AlSaad R, Farrell T, Elhenidy A et al. Artificial Intelligence in Endometrio-\nsis Imaging: A Scoping Review. AI 2026; 7 (2): 43. doi:10.3390/\nai7020043\n[37] Esmailzadeh A, Rashki Kemmak A, Sezavar Dokhtfaroughi S et al. Inves-\ntigating the role of artificial intelligence in the diagnosis and prediction\nof endometriosis using ultrasound im ages: a systematic review. Reprod\nHealth 2026; 23 (1): 31. doi:10.1186/s12978-025-02245-1\n[38] IMAGENDO. https://imagendo.org.au/\n[39] SCANVIO. https://www.scanvio.com/\n333Bajka M et al. Scaling Expertise in … Ultraschall in Med 2026; 47: 325 –333 | © 2026. Thieme. All rights reserved.\nThis document was downloaded for personal use only. Unauthorized distribution is strictly prohibited.","source_license":"public-domain-us","license_restricted":false}