Aplicação da Inteligência Artificial no Diagnóstico da Alopecia Androgenética: Um Estudo de Treino e Validação.

Pretendemos desenvolver e validar modelos de inteligência artificial (IA) e aprendizagem automática (ML) no diagnóstico da queda de cabelo padrão masculino e feminino, e na avaliação da sua gravidade com base em imagens clínicas e tricoscópicas utilizando dermatoscópios portáteis amplamente disponíveis e acessíveis.

O diagnóstico convencional da alopecia androgenética (AGA) e a avaliação da gravidade são tarefas morosas e demoradas, suscetíveis a erros humanos. Estes desafios podem ser abordados utilizando inteligência artificial (IA), nomeadamente aproveitando aplicações de aprendizagem automática e redes neuronais artificiais para melhorar a precisão diagnóstica dos sistemas de classificação de doenças do couro cabeludo através da análise de imagens dermatoscópicas. A avaliação assistida por computador de microfotografias capilares foi tentada durante décadas, mas enfrentou muitos obstáculos técnicos antes do surgimento da aprendizagem profunda e das redes neuronais; e o software atualmente disponível gera resultados imprecisos em comparação com a contagem visual. São necessários métodos de análise mais precisos para a imagem tricoscópica, utilizando modelos de reconhecimento de imagem de aprendizagem profunda treinados com um grande conjunto de dados de imagens. Vários modelos de aprendizagem profunda foram desenvolvidos nos últimos anos utilizando videodermoscopia, que alcançaram uma classificação fiável da densidade, espessura e gravidade do cabelo, mas continuam limitados por pequenos conjuntos de dados de treino não inclusivos, necessidade de depilação e falta de relatórios detalhados. Além disso, até onde sabemos, todos os modelos anteriores dependem da aquisição de imagens a partir de dispositivos de videodermoscopia autónomos dispendiosos que carecem de disponibilidade generalizada, em vez de dermatoscópios portáteis que são comumente disponíveis.

O estudo incluirá 400 participantes (200 controlos saudáveis e 200 doentes com AGA). Os controlos serão submetidos a história clínica e exames tricoscópicos para excluir distúrbios capilares. O exame tricoscópico será realizado utilizando um dermatoscópio portátil (CuTechs DS175) com um espaçador de campo especializado. Os doentes serão avaliados quanto à gravidade da doença utilizando escalas específicas por género. Ambos os grupos terão imagens digitais e tricoscópicas padronizadas recolhidas para análise. As imagens serão utilizadas para contar e classificar cabelos manualmente, avaliar unidades foliculares e identificar sinais dermatoscópicos. Uma base de dados estruturada armazenará todos os dados e ligará dados clínicos e de imagem para apoiar o diagnóstico objetivo. Modelos de IA, particularmente CNNs utilizando aprendizagem por transferência, serão treinados em imagens pré-processadas para classificação e pontuação de gravidade. O desempenho do modelo será avaliado utilizando métricas como precisão, exatidão, sensibilidade, pontuação F1 e AUC-ROC, comparadas com métricas relatadas por tricologistas especialistas para validar a precisão e fiabilidade.