Искусственный интеллект в трихологии: систематический обзор современных методов диагностики, оценки тяжести и мониторинга лечения

Введение: Методы искусственного интеллекта (ИИ) всё чаще применяют для оценки заболеваний волос и кожи головы. Однако спектр решаемых клинических задач, эффективность моделей и методологическая надёжность исследований в разных областях применения остаются неясными.

Методы: Проведён систематический обзор в соответствии с рекомендациями PRISMA. Поиск в PubMed/MEDLINE, Web of Science, Scopus и Cochrane CENTRAL охватывал период с момента создания баз данных по декабрь 2025 года; дополнительно проверяли списки литературы. В обзор включали интервенционные и наблюдательные исследования, в которых разрабатывали, валидировали или клинически оценивали модели ИИ и машинного обучения (МО) на основе фотографий кожи головы, дерматоскопии/трихоскопии или других методов визуализации и приводили извлекаемые показатели эффективности или согласованности. Риск систематической ошибки оценивали с помощью QUADAS-2 для диагностических исследований, PROBAST+AI для прогностических моделей и инструмента NIH/NHLBI для единственного исследования с оценкой до и после вмешательства. Из-за методологической неоднородности результаты обобщали описательно.

Результаты: Из 2256 публикаций критериям включения соответствовали 15 исследований, опубликованных в 2020–2026 годах; семь из них вышли в 2025 или 2026 году. Тринадцать исследований представляли собой ретроспективный анализ изображений или разработку моделей, два были проспективными. В семи исследованиях оценивали диагностическую классификацию, в шести — тяжесть заболевания или количественные показатели; прогноз и ответ на лечение изучали по одному исследованию. Чаще всего применяли методы глубокого обучения, преимущественно свёрточные нейронные сети с переносом обучения; также использовали методы сегментации и, реже, традиционные алгоритмы МО. В контролируемых наборах данных и при решении структурированных задач сообщалось о высокой эффективности, в том числе о хорошей согласованности автоматической оценки по шкале Severity of Alopecia Tool (SALT) и надёжном различении псориаза и себорейного дерматита.

Выводы: ИИ перспективен для диагностики заболеваний кожи головы и объективной количественной оценки их тяжести, особенно для автоматической оценки по шкале SALT и выявления типичных форм выпадения волос. Однако доказательная база преимущественно состоит из ретроспективных исследований на данных из одного источника, а внешняя валидация ограничена, что снижает уверенность в обобщаемости результатов и возможности внедрения этих методов в клиническую практику.