Inteligência artificial aplicada à endometriose, diagnóstico pélvico e lacunas em fenótipos neurológicos e ósseos

Laryssa Andrade da Luz Santos, Dilton Jacobina Mesquita Neto, Emanuelle da Silva Ferreira, Ana Luiza Monteiro de Sousa, Bruno Borges Pereira, Mayana de Mello Bastos Campos, Suallen Amaral Rocha Machado, Júlia Maia Medeiros, Stephanie Santana Saint Clair Cerqueira, Sarah Gabriela Vavrik de Mesquita
In: Revista Inclusiones · 2026 · vol. 13(3) , pp. e3956 · doi:10.58210/rie3956 · W7203577588
OA: gold CC0
🔓 Open OA copy Full text JSON View on OpenAlex View at publisher
⚙ AI-generated summary by qwen3.7-flash, 2026-08-20 ⓘ

This integrative review evaluates artificial intelligence applications for endometriosis diagnosis, finding high performance in pelvic phenotypes while identifying a lack of specific models for neurological and bone manifestations.

One-sentence paraphrase of the abstract; not a substitute for reading it. No clinical advice. How this works

⚙ AI-generated deep summary by qwen3.7-flash, 2026-08-20 · read from full text ⓘ

This integrative review analyzed 24 studies to evaluate the application of artificial intelligence in diagnosing endometriosis, with a specific focus on pelvic imaging and potential neurological or bone manifestations. The authors found that machine learning models based on ultrasound, magnetic resonance imaging, radiomics, and microRNAs demonstrated high diagnostic performance, achieving area under the curve values exceeding 0.90 in various assessments. However, the review explicitly identified a significant gap in existing research, as no applications of AI were found for diagnosing endometriosis within the central nervous system or bone tissue. This paper is centrally about endometriosis — specifically examining the current capabilities and limitations of artificial intelligence tools for its diagnosis, while highlighting the absence of data regarding extra-pelvic phenotypes.

Read from the paper's body, not the abstract. Not a substitute for reading the paper. No clinical advice. How this works

Abstract

Analisar a aplicação da inteligência artificial (IA) no diagnóstico da endometriose, com foco nas possibilidades diagnósticas relacionadas ao sistema nervoso central (SNC) e ao tecido ósseo. Revisão integrativa conduzida conforme o PRISMA 2020. A busca foi realizada na PubMed, incluindo estudos originais publicados entre 2021 e 2026 sobre IA, aprendizado de máquina, aprendizado profundo, radiômica e biomarcadores moleculares aplicados à endometriose. A qualidade metodológica foi avaliada pelos instrumentos QUADAS-2, STROBE, CARE Checklist e ARRIVE Guidelines. Dos 530 registros identificados, 24 estudos compuseram a amostra final. Modelos baseados em ultrassonografia, ressonância magnética, radiômica e microRNAs apresentaram elevado desempenho diagnóstico, com AUC superiores a 0,90 em diversos estudos. Não foram identificadas aplicações de IA voltadas ao diagnóstico da endometriose em SNC ou tecido ósseo. A IA apresenta elevado potencial diagnóstico para fenótipos pélvicos, porém persistem lacunas no desenvolvimento de modelos específicos para manifestações neurológicas e ósseas da doença.
Full text 2,202 characters · extracted from oa-doi-fallback · click to expand
Inteligencia artificial aplicada a la endometriosis, diagnóstico pélvico y vacíos en fenotipos neurológicos y óseos Una revisión integradora DOI: https://doi.org/10.58210/rie3956Palabras clave: endometriosis, inteligencia artificial, aprendizaje automático, radiómica, sistema nervioso centralResumen Analizar la aplicación de la inteligencia artificial (IA) en el diagnóstico de la endometriosis, con foco en las posibilidades diagnósticas relacionadas con el sistema nervioso central (SNC) y el tejido óseo. Revisión integrativa conducida conforme al PRISMA 2020. La búsqueda se realizó en PubMed, incluyendo estudios originales publicados entre 2021 y 2026 sobre IA, aprendizaje automático, aprendizaje profundo, radiómica y biomarcadores moleculares aplicados a la endometriosis. La calidad metodológica se evaluó mediante los instrumentos QUADAS-2, STROBE, CARE Checklist y ARRIVE Guidelines. De los 530 registros identificados, 24 estudios conformaron la muestra final. Modelos basados en ultrasonografía, resonancia magnética, radiómica y microRNAs presentaron elevado rendimiento diagnóstico, con AUC superiores a 0,90 en diversos estudios. No se identificaron aplicaciones de IA orientadas al diagnóstico de la endometriosis en el SNC o el tejido óseo. La IA presenta elevado potencial diagnóstico para fenotipos pélvicos; sin embargo, persisten lagunas en el desarrollo de modelos específicos para las manifestaciones neurológicas y óseas de la enfermedad. Publicado Cómo citar Número Sección Licencia Derechos de autor 2026 Laryssa Andrade da Luz Santos, Dilton Jacobina Mesquita Neto, Emanuelle da Silva Ferreira, Ana Luiza Monteiro de Sousa, Bruno Borges Pereira, Mayana de Mello Bastos Campos, Suallen Amaral Rocha Machado, Júlia Maia Medeiros, Stephanie santana Saint clair Cerqueira, Sarah Gabriela Vavrik de Mesquita Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0. Los autores retienen los derechos de autor y otorgan a Revista Inclusiones el derecho de publicación bajo Creative Commons Attribution 4.0 International (CC BY 4.0). Esto permite el uso, distribución y reproducción en cualquier medio, siempre que se otorgue la debida atribución al autor.

Text is read by the "Ask this paper" AI Q&A widget below. Extraction quality varies by source — PMC NXML preserves structure cleanly, OA-HTML may include some navigation residue, and OA-PDF can have broken hyphenation. The publisher copy (via DOI) is the canonical version.

My notes (saved in your browser only)

⚙ Ask this paper AI returns verbatim quotes from the full text · source: oa-doi-fallback ⓘ

Answers must be backed by verbatim quotes from this paper's full text. Hallucinated quotes are dropped automatically; if no verbatim passage answers the question, we say so. How this works

Citation neighborhood (2-hop)

Papers in the corpus that this work cites (lower rings, blue) and that cite this one (upper rings, green). Dot size scales with the paper's in-corpus citation count — bigger dot = more influential within the endo/adeno field. Click a dot to open that paper. Outer rings show 2-hop neighbours — papers reached through the immediate citers/citees. [ collapse to 1-hop ]

References (24)

Source provenance

openalex
last seen: 2026-11-06T06:06:51.996266+00:00
License: CC0 · commercial use OK