Aplicação da Inteligência Artificial no Diagnóstico da Alopecia Androgenética: Um Estudo de Treino e Validação.
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).
Visão geral do estudo
Status
Status
Condições
Condições
Descrição detalhada
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 estudo
Tipo de estudo
Inscrição (Estimado)
Inscrição
Contactos e Locais
Contato de estudo
Contato de estudo
- Nome: Ahmed Mourad, MD
- Número de telefone: 00201021534245
- E-mail: ahmedmourad@kasralainy.edu.eg
Estude backup de contato
- Nome: Noura Nour, MSc, MBBCh
- Número de telefone: 00201271451744
- E-mail: nouraadel41929@postgrad.kasralainy.edu.eg
Locais de estudo
-
-
Cairo Governorate
-
Cairo, Cairo Governorate, Egito, 11553
- Recrutamento
- Faculty of Medicine Cairo University
-
Contato:
- Noura Nour, MSc, MBBch
- Número de telefone: 00201271451744
- E-mail: nouraadel41929@postgrad.kasralainy.edu.eg
-
-
Critérios de participação
Critérios de elegibilidade
Critérios de elegibilidade
Idades elegíveis para estudo
Aceita Voluntários Saudáveis
Gêneros Elegíveis para o Estudo
Método de amostragem
População do estudo
Patients diagnosed clinically and trichoscopically with androgenetic alopecia of both genders and apparently healthy controls.
Descrição
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).
Plano de estudo
Como o estudo é projetado?
Detalhes do projeto
- Modelos de observação: CASE_CONTROL
- Perspectivas de Tempo: PROSPECTIVE
Número de grupos/coortes
Coortes e Intervenções
Grupo / CoorteGrupo / 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 :
|
O que o estudo está medindo?
Medidas de resultados primários
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
assessment of diagnostic capability of AI in AGA
Prazo: 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 resultados secundários
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
assessment of severity of androgenetic alopecia using AI
Prazo: 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
Prazo: 6 months
|
To compare the model's diagnostic accuracy using the macroscopic versus trichoscopic images alone |
6 months
|
Colaboradores e Investigadores
Patrocinador
Patrocinador
Publicações e links úteis
Publicações Gerais
- 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.
Datas de registro do estudo
Datas Principais do Estudo
Início do estudo (Estimado)
Início do estudo
Conclusão Primária (Estimado)
Conclusão Primária
Conclusão do estudo (Estimado)
Conclusão do estudo
Datas de inscrição no estudo
Enviado pela primeira vez
Enviado pela primeira vez
Enviado pela primeira vez que atendeu aos critérios de CQ
Enviado pela primeira vez que atendeu aos critérios de CQ
Primeira postagem (Real)
Primeira postagem
Atualizações de registro de estudo
Última Atualização Postada (Real)
Última Atualização Postada
Última atualização enviada que atendeu aos critérios de controle de qualidade
Última atualização enviada que atendeu aos critérios de controle de qualidade
Última verificação
Última verificação
Mais Informações
Termos relacionados a este estudo
Palavras-chave
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
Outros números de identificação do estudo
- MD-192-2025
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
Descrição do plano IPD
relevant praticipant data shall be provided to researchers who request them on reasonable basis
Prazo de Compartilhamento de IPD
from 2027 indefintely
Critérios de acesso de compartilhamento IPD
access will be provided to deidentified data including all study parameters
Tipo de informação de suporte de compartilhamento de IPD
- PROTOCOLO DE ESTUDO
- SEIVA
- CIF
- ANALYTIC_CODE
- CSR
Informações sobre medicamentos e dispositivos, documentos de estudo
Estuda um medicamento regulamentado pela FDA dos EUA
Estuda um produto de dispositivo regulamentado pela FDA dos EUA
Essas informações foram obtidas diretamente do site clinicaltrials.gov sem nenhuma alteração. Se você tiver alguma solicitação para alterar, remover ou atualizar os detalhes do seu estudo, entre em contato com register@clinicaltrials.gov. Assim que uma alteração for implementada em clinicaltrials.gov, ela também será atualizada automaticamente em nosso site .