Автоматический подсчёт выпавших волос по фотографиям со смартфона с помощью ИИ для мониторинга алопеции

Зачем понадобилось

Подсчёт выпавших волос - простой и полезный инструмент в трихологии. Он помогает отличить андрогенетическую алопецию от телогенового выпадения, следить за течением болезни и оценивать ответ на лечение. Для этого используют, например, уточнённый тест с мытьём головы: пациент собирает волосы, выпавшие при мытье, и пересчитывает их.

Проблема в том, что ручной подсчёт утомителен, и пациенты часто не выполняют его или выполняют неточно. Визуальные шкалы, где пациент сравнивает свою прядь с эталонными изображениями, быстрее, но субъективны и сильно зависят от того, кто оценивает.

Фотографии на смартфон уже широко используются в дистанционной дерматологии. Авторы решили создать модель искусственного интеллекта, которая сама считает выпавшие волосы по обычной фотографии, сделанной пациентом дома, и проверить, насколько она точна по сравнению с людьми и помогает ли это получать данные в реальной практике.

О чём исследование

Исследование провели Шивэнь Чжан, Юйцзин Чжан, Сянцянь Ли, Пинсинь Хань, Синьфэн Ли и Чэн Чжоу из отделения дерматологии Народной больницы Пекинского университета и медицинской группы Yonghe (Пекин). Статья опубликована в журнале Clinical, Cosmetic and Investigational Dermatology в 2026 году.

Работа финансировалась Национальным фондом естественных наук Китая и совместной лабораторией здоровья волос Народной больницы Пекинского университета и Yonghe Medical. Двое авторов - сотрудники Yonghe Medical Group, связанной с разработкой инструмента.

Как создавали модель

Основной набор данных собрали 30 добровольцев: они фотографировали на свои смартфоны дома собственные выпавшие тёмные волосы на белой бумаге или другом светлом фоне, стараясь, чтобы все волосы были видны и не образовывали плотных комков. Модель телефона, освещение и фон жёстко не регламентировались. Длина волос составляла примерно от 5 до 60 см, на снимке было от 1 до 400 волос.

Снимки делали последовательно: начинали с одного волоса и добавляли по одному, каждый раз перераспределяя волосы перед новым снимком. Всего получили 5630 изображений. Каждый снимок независимо пересчитывали два человека; их результаты совпали в 88,6% случаев, различались не более чем на один волос в 97,7% и не более чем на два - во всех случаях; расхождения устраняли совместным пересчётом.

Данные разделили по участникам: снимки 18 человек (3396 изображений) использовали для обучения, 6 человек (1113) - для настройки, 6 человек (1121) - для независимой проверки. Модель на основе нейросетевой архитектуры EfficientNet-B0 с декодером типа U-Net строит карту плотности волос на изображении и суммирует её, получая итоговое число.

Важно, что ни один участник не попадал одновременно в обучающий и проверочный наборы: модель проверяли на снимках людей, чьи волосы и телефоны она никогда не «видела». Это стандартная, но не всегда соблюдаемая мера против завышения точности.

Насколько точна модель

На независимом наборе данных средняя абсолютная ошибка составила 5,4 волоса, средняя относительная ошибка - 7,0%, а корреляция с ручным подсчётом - 0,917. В среднем модель занижала количество на 0,8 волоса, но в отдельных снимках ошибка могла составлять от −17 до +15 волос.

Чем больше волос на снимке, тем больше абсолютная ошибка, но меньше относительная: при 1-50 волосах ошибка в среднем 1,9 волоса (10,4%), при более чем 200 - 10,6 волоса (3,6%).

Основная причина крупных ошибок - плотные комки и перекрещивающиеся волосы. Например, на одном снимке со 134 волосами модель насчитала около 175, на другом со 149 - около 97. В обоих случаях волосы были собраны в плотные пучки.

Сравнение с людьми

Для слепого сравнения ещё 10 азиатских женщин предоставили 56 образцов естественно выпавших волос - от 22 до 403 волос, медиана 105. Каждый образец сфотографировали дважды: волосы разложены и собраны в пучок. Количество в образцах оценивали на глаз 15 человек: 5 пациентов с жалобами на выпадение, 5 здоровых людей и 5 дерматологов. Модель анализировала только снимки с разложенными волосами.

Модель ошибалась в среднем на 6,99 волоса (6,15%). Все группы людей ошибались значимо сильнее. Дерматологи были точнее пациентов и здоровых участников. Характер ошибок различался: здоровые люди занижали количество разложенных волос в среднем на 33 волоса, пациенты с жалобами на выпадение завышали его на 38-49 волос, а дерматологи занижали разложенные и завышали собранные в пучок. Завышение оценки чаще встречалось у пациентов, чем в других группах (p = 0,008).

Ручной подсчёт занимал в среднем 188,8 секунды и рос примерно на 1,36 секунды на каждый волос, а весь процесс с моделью - фотографирование, загрузка, анализ и вывод результата - в среднем 25,3 секунды.

Надёжность эталонного подсчёта в этой части была очень высокой: согласие двух независимых подсчётов характеризовалось коэффициентом 0,999, а среднее расхождение между ними составило 3,8 волоса. Согласие оценок на глаз между разными людьми было лишь умеренным или хорошим и выше для волос, собранных в пучок.

Помогает ли это в реальной практике

Авторы сравнили две последовательные группы пациентов, выполнявших тест с мытьём головы. В апреле 2026 года 48 пациентов считали волосы вручную: тест завершили 26 (54,2%), а пригодные числовые данные - точное количество, а не «примерно» или «много» - предоставили лишь 14 (29,2%). В мае 30 пациентов загружали фотографии для анализа моделью: тест завершили и предоставили пригодные данные 23 (76,7%).

Разница в доле пригодных данных была значимой (p < 0,001), а в доле завершивших - нет (p = 0,056). Однако группы набирались в разные месяцы и не случайным образом, поэтому различия могут объясняться и другими факторами.

Как авторы объясняют результаты

Авторы считают, что модель сохраняет низкую ошибку на новых данных и превосходит визуальную оценку людей. Карта плотности, которую строит модель, соответствует видимому расположению волос, что говорит о том, что она «смотрит» на правильные признаки.

Интересное наблюдение - склонность пациентов, обеспокоенных выпадением, завышать количество волос. Авторы связывают это с психологической нагрузкой и считают, что объективный подсчёт может помочь, когда воспринимаемое и реальное выпадение расходятся.

Ошибку в 5,4 волоса авторы считают небольшой по сравнению с различиями между группами в прежних исследованиях и шагами визуальных шкал, а также близкой к расхождению между двумя людьми, считающими вручную. При этом они признают, что общепринятого допустимого порога ошибки для отдельного пациента нет. Чтобы уменьшить ошибки, пользователям стоит раскладывать волосы перед съёмкой.

Ограничения

Авторы признают, что исследование проведено в одном центре; что последовательно составленные снимки не равны естественным образцам выпадения; что в независимой проверке было лишь 6 участников, а в слепом сравнении - 10 участниц и 56 образцов; что тестировались только тёмные волосы на светлом фоне, а сравнение с визуальной оценкой - только у азиатских женщин; что форма и тип волос систематически не описывались; что группы теста с мытьём головы были последовательными; и что влияние на диагностику, лечение и исходы не оценивалось.

Стоит добавить, что инструмент разработан при участии компании, сотрудники которой входят в число авторов, а сравнение ошибки модели с расхождением ручных подсчётов проводится на разных наборах данных.

Также авторы не проверяли, как результаты подсчёта влияют на постановку диагноза и выбор лечения, - то есть клиническая польза инструмента пока не доказана, хотя техническая точность выглядит убедительно.

Как сфотографировать волосы для подсчёта

Протокол исследования даёт полезные ориентиры для пациентов и специалистов, которые хотят использовать фотографии выпавших волос. Волосы раскладывают на белом листе бумаги или другом светлом однотонном фоне. Снимают сверху, чтобы все волосы попали в кадр. Важно разложить их так, чтобы они не образовывали плотного комка: перекрещивающиеся и спутанные пучки - главный источник ошибок и для модели, и для глаза.

В исследовании не требовались специальная камера, освещение или фотобокс - участники снимали на собственные смартфоны дома. Это делает подход доступным, но и создаёт вариативность: тени, блики и неровный фон могут снижать точность.

Если подсчёт повторяется для отслеживания динамики, полезно сохранять одинаковые условия: тот же способ сбора волос, тот же фон, похожее освещение. Тогда изменения в цифрах будут больше отражать реальные изменения выпадения, а не условия съёмки.

Почему точный подсчёт важен для трихолога

Количество выпадающих волос - один из показателей, который помогает отличить разные причины выпадения и следить за лечением. Пациенты часто приходят с жалобой «волосы лезут клоками», но субъективная оценка, как показало это исследование, может сильно расходиться с реальностью: обеспокоенные пациенты в среднем завышали количество волос на десятки.

Объективные числа позволяют сравнить выпадение до и после лечения, оценить, есть ли улучшение, и вовремя заметить ухудшение. Но если считать вручную трудно, пациенты просто перестают это делать, - в исследовании при ручном подсчёте пригодные числовые данные предоставили менее трети пациентов. Автоматизация потенциально решает именно эту практическую проблему.

Что взять в практику

Работа показывает, что подсчёт выпавших волос по фотографии на смартфон с помощью искусственного интеллекта может быть быстрым и довольно точным - точнее, чем оценка на глаз, даже у дерматологов. Это может сделать тест с мытьём головы удобнее для пациентов и повысить долю тех, кто предоставляет полезные числовые данные.

Практические советы, вытекающие из исследования: волосы стоит фотографировать на контрастном светлом фоне, раскладывая их, а не оставляя в комке, - именно комки дают самые большие ошибки. Для светлых и седых волос модель не проверялась.

Наблюдение о том, что пациенты, обеспокоенные выпадением, склонны завышать количество волос, полезно и без всякого искусственного интеллекта: объективный подсчёт может успокоить пациента или, наоборот, подтвердить проблему.

Авторы заключают, что инструмент быстро и с малой ошибкой считает тёмные волосы на светлом фоне по фотографиям со смартфона в изученных условиях, и призывают к более широкой проверке и проспективным клиническим исследованиям.

Термины

Тест с мытьём головы

Метод оценки выпадения, при котором собирают и пересчитывают волосы, выпавшие при мытье головы.

Средняя абсолютная ошибка

Среднее отклонение результата модели от правильного значения без учёта знака.

Карта плотности

Изображение, показывающее, где и сколько объектов находится на снимке; её сумма даёт общее количество.

Анализ Бланда-Альтмана

Метод оценки согласия двух способов измерения по разнице между ними.