人工知能を活用した男性型脱毛症の診断：トレーニングおよび検証研究。

我々は、広く利用可能で手頃なハンドヘルドデルモスコープを用いて、臨床的およびトリコスコピック画像に基づく男性および女性の男性型脱毛症の診断とその重症度評価において、人工知能（AI）および機械学習（ML）モデルの開発と検証を目指します。

従来の男性型脱毛症（AGA）の診断と重症度評価は、人的ミスが生じやすい、退屈で時間のかかる作業です。 これらの課題は、人工知能（AI）、すなわち機械学習と人工ニューラルネットワークの応用を活用し、デルモスコピック画像解析による頭皮疾患分類システムの診断精度を向上させることで対処できます。 毛髪の顕微鏡写真のコンピュータ支援評価は数十年にわたって試みられてきましたが、深層学習とニューラルネットワークの登場以前には多くの技術的障害に直面し、現在利用可能なソフトウェアは視覚的計数と比較して不正確な結果を生成します。 トリコスコピックイメージングには、大規模な画像データセットでトレーニングされた深層学習画像認識モデルを利用した、より正確な分析方法が必要です。 近年、ビデオデルモスコピーを用いた多くの深層学習モデルが開発され、信頼性の高い毛髪密度、太さ、重症度分類を達成しましたが、小規模で包括的でないトレーニングデータセット、毛髪の剃毛の必要性、詳細な報告の欠如によって依然として制限されています。 さらに、我々の知る限り、これまでのすべてのモデルは、広く普及していない高価なスタンドアロンビデオデルモスコピー装置からの画像取得に依存しており、一般的に利用可能なハンドヘルドデルモスコープには依存していません。

本研究では、400名の参加者（健康対照群200名、AGA患者200名）を募集します。 対照群は、毛髪疾患を除外するための病歴およびトリコスコピック検査を受けます。 トリコスコピック検査は、専用のフィールドスペーサーを備えたハンドヘルドデルモスコープ（CuTechs DS175）を使用して実施されます。 患者は、性別特有のスケールを使用して疾患の重症度を評価されます。 両グループは、分析のために標準化されたデジタルおよびトリコスコピック画像を撮影します。 画像は、毛髪を手動で計数・分類し、毛包単位を評価し、デルモスコピック兆候を特定するために使用されます。 構造化されたデータベースがすべてのデータを保存し、臨床データと画像データをリンクさせて客観的な診断を支援します。 AIモデル、特に転移学習を用いたCNNは、前処理された画像でトレーニングされ、分類と重症度スコアリングを行います。 モデルの性能は、専門トリコロジストによって報告された指標と比較して、精度、適合率、再現率、F1スコア、AUC-ROCなどの指標を使用して評価され、正確性と信頼性を検証します。