Использование искусственного интеллекта для диагностики андрогенетической алопеции: обучающее и валидационное исследование.

Мы намерены разработать и валидировать модели искусственного интеллекта (ИИ) и машинного обучения (МО) для диагностики андрогенетической алопеции у мужчин и женщин, а также для оценки её степени тяжести на основе клинических и трихоскопических изображений с использованием широкодоступных портативных дерматоскопов.

Традиционные диагностика и оценка степени тяжести андрогенетической алопеции (АГА) представляют собой утомительные и трудоёмкие задачи, подверженные человеческим ошибкам. Эти проблемы можно решить с помощью искусственного интеллекта (ИИ), а именно используя приложения машинного обучения и искусственных нейронных сетей для повышения точности диагностики систем классификации заболеваний кожи головы посредством анализа дерматоскопических изображений. Компьютерная оценка микрофотографий волос предпринималась на протяжении десятилетий, однако сталкивалась со многими техническими трудностями до появления глубокого обучения и нейронных сетей; а доступное в настоящее время программное обеспечение даёт неточные результаты по сравнению с визуальным подсчётом. Для трихоскопической визуализации необходимы более точные методы анализа, использующие модели распознавания изображений глубокого обучения, обученные на большом наборе изображений. В последние годы было разработано несколько моделей глубокого обучения с использованием видеодерматоскопии, которые достигли надёжной классификации плотности, толщины волос и степени тяжести, но всё ещё ограничены небольшими, неинклюзивными обучающими наборами данных, необходимостью сбривания волос и отсутствием детальной отчётности. Более того, насколько нам известно, все предыдущие модели зависят от получения изображений с дорогостоящих автономных устройств видеодерматоскопии, которые не получили широкого распространения, а не от портативных дерматоскопов, которые общедоступны.

В исследовании примут участие 400 человек (200 здоровых лиц контрольной группы и 200 пациентов с АГА). Контрольная группа проходит сбор анамнеза и трихоскопическое обследование для исключения заболеваний волос. Трихоскопическое обследование будет проводиться с использованием портативного дерматоскопа (CuTechs DS175) со специализированным полевым ограничителем. У пациентов будет оцениваться степень тяжести заболевания с использованием гендерно-специфических шкал. У обеих групп будут сделаны стандартизированные цифровые и трихоскопические изображения для анализа. Изображения будут использоваться для ручного подсчёта и классификации волос, оценки фолликулярных единиц и выявления дерматоскопических признаков. Структурированная база данных будет хранить все данные и связывать клинические данные и данные изображений для поддержки объективной диагностики. Модели ИИ, в частности свёрточные нейронные сети (CNN) с использованием трансферного обучения, будут обучаться на предварительно обработанных изображениях для классификации и оценки степени тяжести. Производительность моделей будет оцениваться с использованием таких метрик, как точность, прецизионность, полнота, F1-мера и AUC-ROC, в сравнении с метриками, сообщаемыми экспертами-трихологами, для валидации точности и надёжности.