发际线后退？AI比医生更懂你的发际线

全球80%的男性都在为雄激素性脱发困扰，我国男性型脱发患病率为21.3%，但临床诊断标准却一直停留在目测。

男性型脱发长期依赖医生肉眼判断，主观、缓慢、误差巨大。

现在，一项来国内的研究首次将AI实例分割引入脱发分级，提出了颠覆性的“面积比”量化指标。

面积比让AI能像测量血糖一样测量秃顶，从视觉判断跃迁为标准化量化指标。

从“看图猜秃”到“数据说话”

男性型脱发（即雄激素性脱发），是全球最普遍的非瘢痕性渐进式脱发。尽管其病理机制（基因、雄激素）已相对清晰，但临床诊断和分级始终是痛点。

传统的Hamilton-Norwood与BASP分类系统是过去的核心工具，用于评估脱发严重程度，并制定治疗策略（药物、植发等）。

但这种依赖经验的方式主观性强，同时III级与V级常被混淆，影响治疗方案选择，而且传统的BASP长度比只关注发际线后退的长度比例，无法精确反映发量稀疏的表面积和整体损失。

研究团队提出了以AI为核心的脱发面积比系统，用区域卷积神经网络模型（Mask R-CNN）从头皮图像中自动识别、分割、量化脱发区域。

模型在761张标准化采集的患者图像上进行训练（涵盖 I 级至 VI 级），实现了对健康发区和脱发区域的精确分割。

实验显示，该模型达到了边界框精度97.6%、掩膜精度96.1%、AUC 0.933。

充分证明了其在识别和定位脱发区域方面的高度准确性。

用“面积”取代“长度”

以往BASP系统依据发际线后移的长度比评估脱发，但这一线性指标忽略了头顶区域的三维变化。

研究团队创新性的提出了面积比Rarea：Rarea = 脱发面积/ 头皮总面积

模型从而通过像素级分割直接计算秃顶面积占比。

这种转变带来两个重大提升

1.  量化精度提升：在高级别脱发（V–VI级）中，面积比稳定性较传统长度比提高约30%

2.  早期诊断灵敏度提高：AI可在肉眼难以察觉的细微稀疏区检测出“潜在秃发信号”，提前介入治疗

更关键的是，Rarea在统计分布上呈现更窄、更线性的分级分布曲线，减少了III–V级的重叠区，这正是医生最容易出错的地带。

研究将257名患者的761张图像分为六级。AI模型输出的脱发面积比依次为：

0.0%、14.4%、24.6%、34.2%、40.3%、65.9%，几乎完美呈线性递增。

各级准确率：I级100%、II级98%、IV级92%、VI级95%、III与V级略低（81%与86%），边界模糊问题仍待优化。

但相比之下，传统BASP分级在III–V级的交叉误判高达20%。

这说明AI不仅能识别“秃不秃”，还能“量出多秃”，并在图像中以红（健康区）与绿（脱发区）直观标示，为医生与患者提供可视化报告。

局限与前景

研究团队也指出当前框架的两个个局限

1.  微观结构不可见：当前的宏观面积分析无法解决毛囊微小化的早期检测问题，简单理解就是普通相机无法识别毛囊微型化（直径20–50μm），未来需结合毛囊镜或光学显微技术。

2.  样本局限：数据集中未包含Norwood VII级极重度脱发，模型泛化仍受限。数据主要来自东亚人群，需扩展到不同种族头皮特征。

尽管如此，AI分割的面积比框架仍被认为是临床最具可扩展性的脱发评估标准之一，并有潜力成为个性化头皮治疗与植发评估的核心基础设施。

AI的毛发诊断临床意义

智能模型的引入，不只是提升诊断效率，更重塑了脱发管理的逻辑。

这一模型未来可嵌入手机App，医生拍照即得分级报告，可以更精确的评估药物或植发疗效，追踪患者随访变化，进行个体化治疗分层（如不同阶段用不同干预方案）。

从早期识别与分层干预，毛发学已从医生经验转向数据标准。谁能在当肉眼还未察觉时，就让算法检测出毛囊退化趋势，谁就能具备核心竞争力。