Esta página se tradujo automáticamente y no se garantiza la precisión de la traducción. por favor refiérase a versión inglesa para un texto fuente.

Aprovechamiento de la Inteligencia Artificial para el Diagnóstico de la Alopecia Androgenética: Un Estudio de Entrenamiento y Validación.

12 de noviembre de 2026 actualizado por: Noura Adel Ahmed Abdelghany Nour, Cairo University

Aprovechando la Inteligencia Artificial para el Diagnóstico de la Alopecia Androgenética: Un Estudio de Entrenamiento y Validación.

The aim of this study is to develop and validate deep learning models in diagnosis of male and female pattern hair loss, and assessment of its severity based on clinical and trichoscopic image by handheld dermoscopy and administrative data (age and sex).

Descripción general del estudio

Estado

Reclutamiento

Descripción detallada

The investigators intend to develop and validate artificial intelligence (AI) and machine learning (ML) models in diagnosis of male and female pattern hair loss, and assessment of its severity based on clinical and trichoscopic image using widely available and accessible handheld dermoscopes.

Conventional androgenetic alopecia (AGA) diagnosis and severity assessment are tedious and time-consuming tasks that are prone to human errors. These challenges can be tackled using artificial intelligence (AI), namely leveraging applications of machine learning and artificial neural networks for enhancing the diagnostic accuracy of scalp disease classification systems via dermoscopic image analysis. Computer aided assessment of hair microphotographs was attempted for decades, yet it faced many technical hurdles before the onset of deep learning and neural networks; and currently available software generate inaccurate results compared with visual counting. More accurate methods of analysis are needed for trichoscopic imaging, utilising deep learning image recognition models trained with a large image dataset. A number of deep learning models have been developed in recent years using videodermoscopy that achieved reliable hair density, thickness and severity classification, yet remain limited by small non-inclusive training datasets, need for hair shaving and lack of detailed reporting. Moreover, to our knowledge all previous models depend on image acquisition from expensive standalone videodermoscopy devices that lack widespread availability, rather than handheld dermoscopes that are commonly available.

The study will enroll 400 participants (200 healthy controls and 200 AGA patients). Controls undergo history and trichoscopic exams to exclude hair disorders. Trichoscopic examination will be conducted using a handheld dermoscope (CuTechs DS175) with a specialized field spacer. Patients will be assessed for disease severity using gender-specific scales. Both groups will have standardized digital and trichoscopic images taken for analysis. Images will be used to manually count and classify hairs, assess follicle units, and identify dermoscopic signs. A structured database will store all data and link clinical and image data to support objective diagnosis. AI models, particularly CNNs using transfer learning, will be trained on preprocessed images for classification and severity scoring. Model performance will be evaluated using metrics like accuracy, precision, recall, F1-score, and AUC-ROC compared with metrics reported by expert trichologists to validate accuracy and reliability

Tipo de estudio

De observación

Inscripción (Estimado)

240

Contactos y Ubicaciones

Esta sección proporciona los datos de contacto de quienes realizan el estudio e información sobre dónde se lleva a cabo este estudio.

Estudio Contacto

Copia de seguridad de contactos de estudio

Ubicaciones de estudio

    • Cairo Governorate
      • Cairo, Cairo Governorate, Egipto, 11553

Criterios de participación

Los investigadores buscan personas que se ajusten a una determinada descripción, denominada criterio de elegibilidad. Algunos ejemplos de estos criterios son el estado de salud general de una persona o tratamientos previos.

Criterio de elegibilidad

Edades elegibles para estudiar

12 años a 50 años (Niño, Adulto)

Acepta Voluntarios Saludables

Sí

Géneros elegibles para el estudio

Todos

Método de muestreo

Muestra de probabilidad

Población de estudio

Patients diagnosed clinically and trichoscopically with androgenetic alopecia of both genders and apparently healthy controls.

Descripción

for the patient group:

Inclusion criteria:

  • Patients with male or female pattern hair loss diagnosed clinically or suspected clinically and confirmed trichoscopically
  • Age of disease onset 12-50 years old
  • Both genders
  • Any grade of androgenetic alopecia
  • Any duration of androgenetic alopecia
  • Any skin type

Exclusion criteria by clinical and trichoscopic examination:

  • Patients with patchy hair loss or Telogen effluvium only.
  • Patients with cicatricial alopecia or diffuse alopecia areata
  • Patients with inflammatory scalp disorders (psoriasis, seborrheic dermatitis, lichen planopilaris and frontal fibrosing alopecia in a pattern distribution)
  • Lack of patient cooperation.

for the control group: apparently healthy participants not suffering from the following: AGA, patchy hair loss, cicatricial alopecia, diffuse alopecia areata, inflammatory scalp disorders (psoriasis, seborrheic dermatitis, lichen planopilaris and frontal fibrosing alopecia in a pattern distribution).

Plan de estudios

Esta sección proporciona detalles del plan de estudio, incluido cómo está diseñado el estudio y qué mide el estudio.

¿Cómo está diseñado el estudio?

Detalles de diseño

  • Modelos observacionales: CASE_CONTROL
  • Perspectivas temporales: PROSPECTIVE

Cohortes e Intervenciones

Grupo / Cohorte
androgenetic alopecia

Patients diagnosed clinically and trichoscopically with androgenetic alopecia of both genders. The diagnosis of AGA requires fulfillment of the primary criterion, plus one or more of the secondary criteria, and absence of exclusion criteria:

  • Primary criterion Hair shaft thickness heterogeneity on the frontal and/or vertex scalp, defined as proportion of hairs < 0.06 mm (including intermediate, thin, and vellus hairs) ≥20%.

  • Secondary criteria

    1. Proportion of single hair follicle unit on the frontal and/or vertex scalp ≥30%.
    2. Proportion of vellus hairs on the frontal and/or vertex scalp >10%.
    3. There are at least two other dermoscopic signs: brown peripilar sign, yellow dots,white dots, scalp honeycomb pigmentation
  • Exclusion criteria Black dots, broken hairs, exclamation mark hairs

normal controls

apparently normal participants not suffering from the following :

  1. androgenetic alopecia
  2. patchy hair loss.
  3. cicatricial alopecia or diffuse alopecia areata
  4. inflammatory scalp disorders (psoriasis, seborrheic dermatitis, lichen planopilaris and frontal fibrosing alopecia in a pattern distribution)

¿Qué mide el estudio?

Medidas de resultado primarias

Medida de resultado
Medida Descripción
Periodo de tiempo
assessment of diagnostic capability of AI in AGA
Periodo de tiempo: 6 months

Assess accuracy, sensitivity, specificity and positive predictive value of the trained AI models in differentiating AGA affected from non-AGA affected subjects using their macroscopic and trichoscopic images.

6 months

Medidas de resultado secundarias

Medida de resultado
Medida Descripción
Periodo de tiempo
assessment of severity of androgenetic alopecia using AI
Periodo de tiempo: 6 months

Assess accuracy, sensitivity, specificity and positive predictive value of the trained AI models in assessment of severity of androgenetic alopecia as regards:

  1. Clinical classification (Sinclair scale for female pattern baldness and the Hamilton-Norwood scale for male pattern baldness)
  2. Trichoscopic parameters: mean hair thickness (in micrometer, using planimetric analysis), hair density (frequency per cm2), proportion of terminal hairs, proportion of vellus hairs, number of hairs per follicular unit, presence of brown peripilar sign, yellow dots, and scalp honeycomb pigmentation.
6 months
facilitation of AI assessment using macroscopic imagies
Periodo de tiempo: 6 months

To compare the model's diagnostic accuracy using the macroscopic versus trichoscopic images alone

6 months

Colaboradores e Investigadores

Aquí es donde encontrará personas y organizaciones involucradas en este estudio.

Patrocinador

Publicaciones y enlaces útiles

La persona responsable de ingresar información sobre el estudio proporciona voluntariamente estas publicaciones. Estos pueden ser sobre cualquier cosa relacionada con el estudio.

Fechas de registro del estudio

Estas fechas rastrean el progreso del registro del estudio y los envíos de resultados resumidos a ClinicalTrials.gov. Los registros del estudio y los resultados informados son revisados ​​por la Biblioteca Nacional de Medicina (NLM) para asegurarse de que cumplan con los estándares de control de calidad específicos antes de publicarlos en el sitio web público.

Fechas importantes del estudio

Inicio del estudio (Estimado)

12 de noviembre de 2026

Finalización primaria (Estimado)

1 de junio de 2027

Finalización del estudio (Estimado)

25 de junio de 2027

Fechas de registro del estudio

Enviado por primera vez

7 de diciembre de 2025

Primero enviado que cumplió con los criterios de control de calidad

7 de diciembre de 2025

Publicado por primera vez (Actual)

19 de diciembre de 2025

Actualizaciones de registros de estudio

Última actualización publicada (Actual)

17 de noviembre de 2026

Última actualización enviada que cumplió con los criterios de control de calidad

12 de noviembre de 2026

Última verificación

1 de noviembre de 2026

Más información

Términos relacionados con este estudio

Plan de datos de participantes individuales (IPD)

¿Planea compartir datos de participantes individuales (IPD)?

SÍ

Descripción del plan IPD

relevant praticipant data shall be provided to researchers who request them on reasonable basis

Marco de tiempo para compartir IPD

from 2027 indefintely

Criterios de acceso compartido de IPD

access will be provided to deidentified data including all study parameters

Tipo de información de apoyo para compartir IPD

  • PROTOCOLO DE ESTUDIO
  • SAVIA
  • CIF
  • CÓDIGO_ANALÍTICO
  • RSC

Información sobre medicamentos y dispositivos, documentos del estudio

Estudia un producto farmacéutico regulado por la FDA de EE. UU.

No

Estudia un producto de dispositivo regulado por la FDA de EE. UU.

No

Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .

Suscribir