안드로겐성 탈모증 진단을 위한 인공지능 활용: 훈련 및 검증 연구.

남성 및 여성 패턴 탈모 진단과 임상 및 모발경피경 이미지를 기반으로 한 중증도 평가에 있어 널리 사용 가능하고 접근성 있는 휴대용 피부경을 활용하여 인공지능(AI) 및 기계학습(ML) 모델을 개발하고 검증할 계획입니다.

기존의 안드로겐성 탈모증(AGA) 진단 및 중증도 평가는 지루하고 시간이 많이 소요되며 인간 오류에 취약한 작업입니다. 이러한 과제는 인공지능(AI), 즉 피부경 이미지 분석을 통한 두피 질환 분류 시스템의 진단 정확도 향상을 위한 기계학습 및 인공신경망 응용을 활용하여 해결할 수 있습니다. 모발 현미경 사진의 컴퓨터 보조 평가는 수십 년간 시도되어 왔으나, 딥러닝과 신경망의 등장 이전에는 많은 기술적 장벽에 직면했으며, 현재 사용 가능한 소프트웨어는 시각적 계수와 비교하여 부정확한 결과를 생성합니다. 모발경피경 이미징을 위해 대규모 이미지 데이터셋으로 훈련된 딥러닝 이미지 인식 모델을 활용한 더 정확한 분석 방법이 필요합니다. 최근 몇 년간 비디오피부경을 사용하여 신뢰할 수 있는 모발 밀도, 굵기 및 중증도 분류를 달성한 여러 딥러닝 모델이 개발되었으나, 작고 포괄적이지 않은 훈련 데이터셋, 모발 제모 필요성 및 상세 보고서 부족으로 여전히 제한적입니다. 더욱이, 우리가 알기로 모든 기존 모델은 널리 보급되지 않은 고가의 독립형 비디오피부경 장비에서 이미지를 획득하는 데 의존하며, 일반적으로 사용 가능한 휴대용 피부경을 사용하지 않습니다.

본 연구는 400명의 참가자(건강 대조군 200명 및 AGA 환자 200명)를 등록할 예정입니다. 대조군은 병력 및 모발경피경 검사를 통해 모발 장애를 배제합니다. 모발경피경 검사는 특수 필드 스페이서가 장착된 휴대용 피부경(CuTechs DS175)을 사용하여 수행됩니다. 환자는 성별별 척도를 사용하여 질병 중증도를 평가받을 것입니다. 두 그룹 모두 분석을 위해 표준화된 디지털 및 모발경피경 이미지를 촬영합니다. 이미지는 모발을 수동으로 계수하고 분류하며, 모낭 단위를 평가하고 피부경적 징후를 식별하는 데 사용됩니다. 구조화된 데이터베이스는 모든 데이터를 저장하고 임상 및 이미지 데이터를 연결하여 객관적 진단을 지원합니다. AI 모델, 특히 전이 학습을 사용하는 CNN(합성곱 신경망)은 분류 및 중증도 점수 매기기를 위해 전처리된 이미지에서 훈련될 것입니다. 모델 성능은 정확도, 정밀도, 재현율, F1-점수 및 AUC-ROC와 같은 지표를 사용하여 평가되며, 전문 모발경피경 전문가가 보고한 지표와 비교하여 정확도와 신뢰성을 검증할 것입니다.