此页面是自动翻译的，不保证翻译的准确性。请参阅 英文版 对于源文本。

利用人工智能诊断雄激素性脱发：一项训练与验证研究

2026年3月19日 更新者：Noura Adel Ahmed Abdelghany Nour、Cairo University

利用人工智能诊断雄激素性秃发：一项训练与验证研究。

本研究旨在基于手持皮肤镜获取的临床和皮肤镜图像以及管理数据（年龄和性别），开发和验证用于诊断男性和女性型脱发并评估其严重程度的深度学习模型。

研究概览

地位

尚未招聘

条件

详细说明

我们旨在开发和验证人工智能（AI）和机器学习（ML）模型，用于诊断男性和女性型脱发，并基于临床和皮肤镜图像评估其严重程度，使用广泛可用且易于获取的手持式皮肤镜。

传统的雄激素性脱发（AGA）诊断和严重程度评估是繁琐且耗时的任务，容易受到人为错误的影响。这些挑战可以通过人工智能（AI）来解决，即利用机器学习和人工神经网络的应用，通过皮肤镜图像分析提高头皮疾病分类系统的诊断准确性。计算机辅助分析毛发显微照片已尝试数十年，但在深度学习和神经网络出现之前面临许多技术障碍；与视觉计数相比，当前可用的软件生成的结果不准确。对于皮肤镜成像，需要更准确的分析方法，利用在大规模图像数据集上训练的深度学习图像识别模型。近年来，已开发出多种使用视频皮肤镜的深度学习模型，实现了可靠的毛发密度、厚度和严重程度分类，但仍受限于小型非包容性训练数据集、需要剃发以及缺乏详细报告。此外，据我们所知，所有先前模型都依赖于从昂贵的独立视频皮肤镜设备获取图像，这些设备缺乏广泛可用性，而非普遍可用的手持式皮肤镜。

该研究将招募400名参与者（200名健康对照者和200名AGA患者）。对照者接受病史和皮肤镜检查以排除毛发疾病。皮肤镜检查将使用手持式皮肤镜（CuTechs DS175）和专用视野隔板进行。患者将使用性别特异性量表评估疾病严重程度。两组都将拍摄标准化的数字和皮肤镜图像用于分析。图像将用于手动计数和分类毛发、评估毛囊单位以及识别皮肤镜征象。结构化数据库将存储所有数据，并链接临床和图像数据以支持客观诊断。AI模型，特别是使用迁移学习的卷积神经网络（CNNs），将在预处理图像上进行训练，用于分类和严重程度评分。模型性能将使用准确性、精确度、召回率、F1分数和AUC-ROC等指标进行评估，与专家毛发学家报告的指标进行比较，以验证准确性和可靠性。

研究类型

观察性的

注册 (估计的)

400

联系人和位置

本节提供了进行研究的人员的详细联系信息，以及有关进行该研究的地点的信息。

学习联系方式

研究联系人备份

学习地点

参与标准

研究人员寻找符合特定描述的人，称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。

资格标准

适合学习的年龄

  • 孩子
  • 成人

接受健康志愿者

是的

取样方法

概率样本

研究人群

经临床和毛发镜检查诊断为雄激素性脱发的男女患者及表观健康对照组。

描述

针对患者组：

  • 纳入标准：

    1. 经临床诊断或临床怀疑并经皮肤镜检查确诊的男性或女性型脱发患者
    2. 疾病发病年龄12-50岁
    3. 男女不限
    4. 任何级别的雄激素性脱发
    5. 任何病程的雄激素性脱发
    6. 任何皮肤类型

  • 通过临床和皮肤镜检查的排除标准：

    1. 仅表现为斑片状脱发或休止期脱发的患者
    2. 瘢痕性脱发或弥漫性斑秃患者
    3. 伴有炎症性头皮疾病的患者（银屑病、脂溢性皮炎、扁平苔藓样脱发及呈特定分布模式的前额纤维化脱发）
    4. 患者依从性不足

针对对照组：表观健康的参与者，未患有以下疾病：雄激素性脱发、斑片状脱发、瘢痕性脱发、弥漫性斑秃、炎症性头皮疾病（银屑病、脂溢性皮炎、扁平苔藓样脱发及呈特定分布模式的前额纤维化脱发）。

学习计划

本节提供研究计划的详细信息，包括研究的设计方式和研究的衡量标准。

研究是如何设计的？

设计细节

队列和干预

团体/队列
雄性激素性脱发

经临床和毛发镜检查诊断为雄激素性脱发的男女患者。 AGA的诊断需满足主要标准，外加一项或多项次要标准，且无排除标准：

  • 主要标准 前额和/或头顶头皮毛发直径异质性，定义为直径＜0.06毫米的毛发比例（包括中间毛、细毛和毳毛）≥20%。

  • 次要标准

    1. 前额和/或头顶头皮单毛囊单位比例≥30%。
    2. 前额和/或头顶头皮毳毛比例＞10%。
    3. 至少存在其他两种皮肤镜征象：毛周褐征、黄点征、白点征、头皮蜂窝状色素沉着
  • 排除标准 黑点征、断发、感叹号样发
正常对照组

显然正常的参与者未患有以下情况：

  1. 雄激素性脱发
  2. 斑片状脱发
  3. 瘢痕性脱发或弥漫性斑秃
  4. 炎症性头皮疾病（银屑病、脂溢性皮炎、扁平苔藓样脱发和额部纤维化性脱发，呈模式分布）

研究衡量的是什么？

主要结果指标

结果测量
措施说明
大体时间
AI在AGA中诊断能力的评估
大体时间：1年
评估经过训练的AI模型利用宏观和毛发镜图像区分AGA受影响与未受影响受试者时的准确性、敏感性、特异性及阳性预测值。
1年

次要结果测量

结果测量
措施说明
大体时间
使用人工智能评估雄激素性脱发的严重程度
大体时间：1年

评估训练好的AI模型在评估雄激素性脱发严重程度方面的准确性、灵敏度、特异性和阳性预测值，涉及以下方面：

  1. 临床分类（女性型脱发的辛克莱量表及男性型脱发的汉密尔顿-诺伍德量表）
  2. 皮肤镜参数：平均毛发厚度（以微米为单位，采用平面测量分析法）、毛发密度（每平方厘米的频数）、终毛比例、毳毛比例、每个毛囊单位的毛发数量、棕色毛周征的存在、黄点征以及头皮蜂窝状色素沉着。
1年
利用宏观图像进行人工智能评估的促进
大体时间：1年
比较模型单独使用宏观图像与毛囊镜图像的诊断准确性
1年

合作者和调查者

在这里您可以找到参与这项研究的人员和组织。

赞助

Cairo University

出版物和有用的链接

负责输入研究信息的人员自愿提供这些出版物。这些可能与研究有关。

一般刊物

研究记录日期

这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查，以确保它们在发布到公共网站之前符合特定的质量控制标准。

研究主要日期

学习开始 (估计的)

2026年4月25日

初级完成 (估计的)

2026年9月25日

研究完成 (估计的)

2026年11月25日

研究注册日期

首次提交

2025年12月7日

首先提交符合 QC 标准的

2025年12月7日

首次发布 (实际的)

2025年12月19日

研究记录更新

最后更新发布 (实际的)

2026年3月20日

上次提交的符合 QC 标准的更新

2026年3月19日

最后验证

2026年3月1日

更多信息

与本研究相关的术语

关键字

其他相关的 MeSH 术语

其他研究编号

  • MD-192-2025

计划个人参与者数据 (IPD)

计划共享个人参与者数据 (IPD)？

是的

IPD 计划说明

在合理基础上，应向提出请求的研究人员提供相关的参与者数据

IPD 共享时间框架

自2027年起无限期

IPD 共享访问标准

将提供对去标识化数据的访问权限，包括所有研究参数

IPD 共享支持信息类型

  • 研究方案
  • 树液
  • 国际碳纤维联合会
  • 分析代码
  • 企业社会责任

药物和器械信息、研究文件

研究美国 FDA 监管的药品

不

研究美国 FDA 监管的设备产品

不

此信息直接从 clinicaltrials.gov 网站检索，没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求，请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改，我们的网站上也会自动更新.

订阅