Sfruttare l'Intelligenza Artificiale per la Diagnosi dell'Alopecia Androgenetica: Uno Studio di Addestramento e Validazione.
Sfruttare l'Intelligenza Artificiale per Diagnosticare l'Alopecia Androgenetica: Uno Studio di Addestramento e Validazione.
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).
Panoramica dello studio
Stato
Stato
Condizioni
Condizioni
Descrizione dettagliata
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 di studio
Tipo di studio
Iscrizione (Stimato)
Iscrizione
Contatti e Sedi
Contatto studio
Contatto studio
- Nome: Ahmed Mourad, MD
- Numero di telefono: 00201021534245
- Email: ahmedmourad@kasralainy.edu.eg
Backup dei contatti dello studio
- Nome: Noura Nour, MSc, MBBCh
- Numero di telefono: 00201271451744
- Email: nouraadel41929@postgrad.kasralainy.edu.eg
Luoghi di studio
-
-
Cairo Governorate
-
Cairo, Cairo Governorate, Egitto, 11553
- Reclutamento
- Faculty of Medicine Cairo University
-
Contatto:
- Noura Nour, MSc, MBBch
- Numero di telefono: 00201271451744
- Email: nouraadel41929@postgrad.kasralainy.edu.eg
-
-
Criteri di partecipazione
Criteri di ammissibilità
Criteri di ammissibilità
Età idonea allo studio
Accetta volontari sani
Sessi ammissibili allo studio
Metodo di campionamento
Popolazione di studio
Patients diagnosed clinically and trichoscopically with androgenetic alopecia of both genders and apparently healthy controls.
Descrizione
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).
Piano di studio
Come è strutturato lo studio?
Dettagli di progettazione
- Modelli osservazionali: CASE_CONTROL
- Prospettive temporali: PROSPECTIVE
Numero di gruppi/coorti
Coorti e interventi
Gruppo / CoorteGruppo / Coorte |
|---|
|
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:
|
|
normal controls
apparently normal participants not suffering from the following :
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
assessment of diagnostic capability of AI in AGA
Lasso di tempo: 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
|
Misure di risultato secondarie
Misure di risultato secondarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
assessment of severity of androgenetic alopecia using AI
Lasso di tempo: 6 months
|
Assess accuracy, sensitivity, specificity and positive predictive value of the trained AI models in assessment of severity of androgenetic alopecia as regards:
|
6 months
|
|
facilitation of AI assessment using macroscopic imagies
Lasso di tempo: 6 months
|
To compare the model's diagnostic accuracy using the macroscopic versus trichoscopic images alone |
6 months
|
Collaboratori e investigatori
Sponsor
Sponsor
Pubblicazioni e link utili
Pubblicazioni generali
- Sacha JP, Caterino TL, Fisher BK, Carr GJ, Youngquist RS, D'Alessandro BM, Melione A, Canfield D, Bergfeld WF, Piliang MP, Kainkaryam R, Davis MG. Development and qualification of a machine learning algorithm for automated hair counting. Int J Cosmet Sci. 2021 Nov;43 Suppl 1:S34-S41. doi: 10.1111/ics.12735.
- Wang Y, Ding W, Yao M, Li Y, Wang M, Wang L, Li Z, Sun S, Yang M, Zhu Y, Zhou N. Diagnostic and grading criteria for androgenetic alopecia using dermoscopy. Skin Res Technol. 2024 Apr;30(4):e13649. doi: 10.1111/srt.13649.
- Kuczara A, Waskiel-Burnat A, Rakowska A, Olszewska M, Rudnicka L. Trichoscopy of Androgenetic Alopecia: A Systematic Review. J Clin Med. 2024 Mar 28;13(7):1962. doi: 10.3390/jcm13071962.
- Young AT, Xiong M, Pfau J, Keiser MJ, Wei ML. Artificial Intelligence in Dermatology: A Primer. J Invest Dermatol. 2020 Aug;140(8):1504-1512. doi: 10.1016/j.jid.2020.02.026. Epub 2020 Mar 27.
- Devjani S, Ezemma O, Kelley KJ, Stratton E, Senna M. Androgenetic Alopecia: Therapy Update. Drugs. 2023 Jun;83(8):701-715. doi: 10.1007/s40265-023-01880-x. Epub 2023 May 11.
- Bokhari L, Cottle P, Grimalt R, Kasprzak M, Sicinska J, Sinclair R, Tosti A. Efficiency of Hair Detection in Hair-to-Hair Matched Trichoscopy. Skin Appendage Disord. 2022 Sep;8(5):382-388. doi: 10.1159/000524345. Epub 2022 May 12.
Studiare le date dei record
Studia le date principali
Inizio studio (Stimato)
Inizio studio
Completamento primario (Stimato)
Completamento primario
Completamento dello studio (Stimato)
Completamento dello studio
Date di iscrizione allo studio
Primo inviato
Primo inviato
Primo inviato che soddisfa i criteri di controllo qualità
Primo inviato che soddisfa i criteri di controllo qualità
Primo Inserito (Effettivo)
Primo Inserito
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
Ultimo aggiornamento pubblicato
Ultimo aggiornamento inviato che soddisfa i criteri QC
Ultimo aggiornamento inviato che soddisfa i criteri QC
Ultimo verificato
Ultimo verificato
Maggiori informazioni
Termini relativi a questo studio
Parole chiave
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
Altri numeri di identificazione dello studio
- MD-192-2025
Piano per i dati dei singoli partecipanti (IPD)
Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?
Descrizione del piano IPD
relevant praticipant data shall be provided to researchers who request them on reasonable basis
Periodo di condivisione IPD
from 2027 indefintely
Criteri di accesso alla condivisione IPD
access will be provided to deidentified data including all study parameters
Tipo di informazioni di supporto alla condivisione IPD
- STUDIO_PROTOCOLLO
- LINFA
- ICF
- CODICE_ANALITICO
- RSI
Informazioni su farmaci e dispositivi, documenti di studio
Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti
Studia un dispositivo regolamentato dalla FDA degli Stati Uniti
Queste informazioni sono state recuperate direttamente dal sito web clinicaltrials.gov senza alcuna modifica. In caso di richieste di modifica, rimozione o aggiornamento dei dettagli dello studio, contattare register@clinicaltrials.gov. Non appena verrà implementata una modifica su clinicaltrials.gov, questa verrà aggiornata automaticamente anche sul nostro sito web .