欢迎访问《中国医药导报》编辑部！

脱发是全球公共卫生领域的重要议题，常见的病理性脱发包括雄激素性脱发、斑秃和休止期脱发。雄激素性脱发在男性主要表现为前额发际后移和/或顶枕部毛发逐渐减少变细；女性则以头顶毛发渐进减少变细为主，为临床最常见的脱发类型[1]。斑秃特征是头皮或任何毛发表面出现非瘢痕性脱发，影响多达2%的普通群体[2]。休止期脱发由外界因素诱导毛发脱落周期同步所致。该病以突发性脱发量增多为特征，前额发际线无显著改变，皮肤镜下可见毛囊口新生毳毛或呈空置状态[3]。脱发在中医学中属于“发蛀脱发”范畴，病机多以肝肾亏虚为本，湿瘀兼夹为标，治疗以补益肝肾、清利湿热、活血化瘀为主[4]。现代脱发诊断主要依赖临床观察及毛发检测技术，如皮肤镜、光学同干涉断层扫描、皮肤病理等。西医治疗主要有药物疗法、激光、毛发移植手术等，但存在不良反应多、价格昂贵等缺点。中医治疗包括口服中药、中药洗剂、梅花针、针灸等，不良反应较少，操作简便，患者依从性较高。由此可得，中医药疗法在脱发治疗中具有重要作用。

近年来，人工智能（artificial intelligence，AI）在医学影像分析、疾病预测、个体化治疗等方面的运用取得显著进展。皮肤科领域中，AI已在银屑病、皮肤癌等疾病的诊疗中实现应用，显示出在毛发疾病领域的潜力[5]。结合中医理论的AI涉及中医影像、智能辨证和个体化治疗推荐等方面，虽处于探索阶段，但有望推动中西医结合诊疗模式的发展[6]。然而，将AI真正应用于脱发临床诊疗中仍面临许多挑战。本文综述AI在脱发诊疗中的研究进展，重点探讨其在图像识别、疾病预测、自动诊断和个体化治疗中的应用，并展望AI结合中医诊疗脱发的应用前景，为后续研究和临床转化提供参考。

1 AI在脱发诊断与评估中的应用

1.1 基于AI的毛发和头皮图像识别

头皮镜图像是毛发疾病临床诊断的重要依据。在临床操作中，通常需要采用分辨率3 840×2 160像素的毛发成像设备进行拍摄，围绕头皮标记点作为中心区域，将所拍图像通过毛发分析系统处理，获取毛发及毛囊的详细参数，再进一步分析标准单位内的头发密度、平均直径、终毛率、毳毛率等各项生物学指标[7]。传统头皮镜检查依赖医师经验，存在主观性强、诊断标准不统一的问题。将AI算法运用于图像识别中可规避人类诊断主观偏差，确保结果客观性[8]。常用算法涵盖机器学习和深度学习，后者在复杂特征分析及大数据处理中优势显著，但在数据有限时机器学习仍具显著应用价值。Marri等[9]通过一项纳入600例患者的横断面研究显示，一项AI应用程序与皮肤科医师相比在识别皮肤病方面的可预测性，发现该程序在脱发的预测准确率超过99%。Gudobba等[10]开发的一项可量化脱发百分比的算法在样本量为404例患者的头皮图像中，显示出超过92%的准确性，提示AI应用程序在诊断脱发方面显示出很大的实际应用潜力。因此，若实现将经大规模皮肤图像训练的AI算法应用于脱发头皮镜图像中，可有效识别多种病变模式，进而达成脱发的早期精准诊断。算法可进一步优化至自动生成初步诊断报告及鉴别要点，实现大幅缩短诊断周期并辅助医师决策。从长远看，AI驱动的标准化评估将优化诊疗路径，促进脱发管理的规范化和资源高效利用。

1.2 AI在头皮镜图像分析中的深度学习应用

近年来，深度学习算法在头皮镜图像的自动化分析中取得显著进展。王凌翔等[11]提出一种面向皮肤镜图像识别的内卷胶囊网络模型，在斑秃、雄激素性脱发等疾病的识别中实现高精度分类，为头皮镜图像的智能化分析提供了新思路。该方法结合胶囊网络的空间层级结构优势与内卷机制的轻量特性，能更好地提取图像中的纹理与边界特征，从而实现高效、准确的脱发类型识别。Di等[12]开发机器学习算法用于雄激素性脱发的皮肤镜图像分级，结合图像特征提取与随机森林分类器，对不同严重程度的雄激素性脱发进行客观评估，显示其在准确率和召回率方面均优于传统经验性诊断，尤其在中度与重度雄激素性脱发患者分型中具有显著优势。Majd等[13]提出一种基于智能手机的快速精确测量毛发形态特征的自动化方法，可对毛干直径、密度等进行定量分析，为毛发疾病的远程辅助诊断与居家管理提供可行性技术。随着头皮图像采集设备的不断升级，将显著提升基层医疗诊断的一致性与效率，并为个体化治疗决策提供更客观的数据支撑。同时可见AI辅助脱发诊断系统的应用前景广阔。

1.3 多模态检测系统的发展

临床实践中，由于不同类型脱发常呈现复杂的交叉表现，传统单一参数评估难以应对。梁凤婷等[7]构建一种集视觉成像、毛干特征分析、头皮生理指标于一体的头皮和毛囊健康多维度综合检测方法，整合传统皮肤镜数据与光学、电子等多模态信号对毛囊健康状态进行全面准确评估。Luo等[14]提出，将患者叙述的文本数据、实验室报告，以及来自皮肤损伤、皮肤镜检查和病理的图像数据合并入大规模预训练多模态模型，使AI可获得更全面的视角和对病情更深刻的认识，从而增强其执行诊断等复杂任务的能力。多模态AI系统的构建，有效弥补单模态系统受到训练数据量、模型规模和信息源特异性等因素限制而无法全面诊断的不足，同时为个体化治疗策略的制订提供有力支撑。结合多模态数据与深度学习的AI系统，有望实现对脱发进展的精准预测与动态管理。由于涉及需要访问大量患者个人隐私数据进行模型训练，目前多模态系统尚存在提升性能方面的不足。未来或将通过多中心联合、建立私有数据共享等方式进行完善。

2 AI在脱发疾病预测与个体化治疗中的应用

2.1 基于AI的脱发风险预测模型

AI在疾病预测方面的重要应用之一是构建多因子风险预测模型。Muhammad等[15]开发一个模拟基础上的系统性预测框架，通过生理生化指标模拟和整合不同群体特征，对脱发的风险进行预判，提供更具前瞻性的干预建议。Gao等[16]创建用于预测脱发基本分类和特定分类的定量模型，为雄激素性脱发分级提供了准确工具。如果将该类统计模型与现代中医辨证AI算法结合，可构建具有中医辨证特征的预测模型，推动中医证候的量化与数字化[17]。该类融合模型有望实现高精度的个体化风险预警，使干预窗口显著前移，真正体现中医“治未病”理念。

2.2 个体化治疗方案生成与效果评估

AI不仅能辅助诊断，而且可在效果评估与治疗方案选择中发挥重要作用。Lv等[18]开发基于深度学习的毛囊对象检测模型，通过将毛囊形态参数与治疗干预前后的变化量进行比较，可实现对治疗效果的动态监测，从而为临床决策提供依据。

AI在脱发个体化治疗方面的应用主要体现在系统可根据患者性别、年龄、病史、毛发特征等，结合医学文献数据库与临床大数据，为医师和患者推荐最适宜的治疗方案。Bhardwaj等[19]应用由MDalgorithms开发的AI平台以评估患者脱发模式和严重程度，同时提供根据个人需求和特征量身定制的非处方外用及口服产品，提示患者普遍反馈脱发改善（88.9%）。AI驱动的平台有效提供了个性化的脱发治疗，提出一种数据驱动、定制和可访问的脱发管理自助替代方案。中医治疗领域同样可借助知识图谱、自然语言处理等AI技术，从古籍文献和现代文献中提取医案信息，结合患者当前证候自动生成候选治疗方案，实现智能辨证论治[20]。

3 AI与中医结合在脱发治疗中的探索

3.1 中医辨证的智能化辅助系统

中医辨证论治是中医治疗脱发的核心，但其主观性强、个体差异大，限制其标准化发展。AI技术为中医辨证提供新的解决方案。研究显示，基于深度神经网络技术的舌象诊断与分类是AI辅助中医四诊领域长期以来的研究热点[21]。Xu等[22]将检索增强生成增强技术和Jieba分割技术结合，在包含50 000条以上真实临床记录，覆盖100余种证候的中国中医临床病例数据库中进行性能测试，提示诊断推理的准确性和相关性有显著提高，实现对中医临床文本的高效处理，为通过AI实现中医诊断的现代化奠定坚实的方法论基础。

Wang等[23]研究指出，AI辅助中医诊断主要基于现代电子设备采集的数字数据，使中医诊断更加定量、客观和标准化，更加符合现代科学诊断的标准；同时可客观评价中医的治疗效果。AI技术在中医辨证中的应用，不仅提升诊断效率，而且为中医治疗脱发提供科学依据。

3.2 中医治疗效果的量化评估

在中医治疗脱发过程中，效果评估一直是影响其规范化、现代化发展的关键问题。将AI技术融入中医效果评价和量化评估成为解决方向。黄瑛杰[24]通过中医传承辅助平台对大量中药外用治疗雄激素性脱发的文献进行挖掘，构建药方数据库并生成新方进行临床应用和观察其效果，显示该方法不仅优化方药筛选过程，而且在提高治疗有效率方面具有显著优势。Kim等[25]构建的系统实现对患者治疗前后头发密度与厚度等关键指标的自动提取与量化比较，从而对效果进行系统评估，不仅进一步验证AI在效果评估方面的潜力，而且为AI技术辅助中医效果量化提供新思路。AI还可通过图像分析、毛发密度变化监测等角度引入并对中医治疗前后的效果进行动态评估。朱昭慧等[26]研究显示，皮肤镜图像中的毳毛再生情况是判断急性休止期脱发效果的重要依据。结合AI图像追踪技术，可实现治疗前后图像的自动比较与变化曲线绘制，从而为中医效果评价提供量化依据。由此可见，AI辅助系统在脱发中医治疗中的应用，不仅可推动效果评估从主观描述向客观量化转变，而且可为中医外治法的标准化评价奠定基础，为中医治疗脱发的现代化和标准化提供有力支持。然而，相关研究仍处于初步阶段，未来需进一步探索数据标准化、算法透明性等问题，以推动AI与中医的深度融合。

4 AI与中医结合在脱发治疗中的挑战与展望

4.1 当前挑战

尽管AI与中医结合在脱发治疗领域展现出良好前景，但在实际应用中仍面临诸多挑战。中医辨证论治强调个体化诊疗，讲究整体审查、四诊合参、病证结合，其判断常基于舌象、脉象、情志等主观指标，AI系统目前难以精准提取与量化这些信息[27]。因此，如何在保持中医辨证精髓的同时提高AI模型的可解释性和适应性，是当前研究的重点。虽然AI在图像识别、毛发密度测量等方面已取得初步成果，但在中医治疗中，辨证常随时间变化，治疗方案需动态调整，而当前AI模型大多基于静态数据，难以有效反映中医治疗过程的连续性与调整策略。此外，如何融合中医“整体观”与现代数据驱动的模型推理方式，也是学术界尚未解决的问题。数据质量与标准化程度不高，是限制AI广泛应用的又一关键因素。当前中医治疗脱发的临床数据多为个案报道或单中心小样本量研究，数据形式不一、结构松散、缺乏统一的效果评价标准[28]。AI模型依赖于高质量训练集进行学习与优化，若数据存在噪声或缺乏代表性，易导致模型偏倚或推广受限。研究显示，当前亟须建设涵盖中医证候、治疗方案、随访结果等要素的规范化数据库，以支持后续AI系统的开发与验证[29]。

4.2 未来展望

尽管当前AI与中医结合在脱发治疗中仍面临诸多限制，但其发展潜力不容忽视。结合多模态医学信息构建综合诊疗模型，将成为未来的重要趋势。随着智能设备、生物信息检测、影像处理等技术的不断进步，AI系统可整合图像、生理参数、基因数据及中医四诊信息，从而实现更精准的诊断与个体化治疗策略的制订。AI在中医辨证过程中的辅助作用值得进一步探索。借助自然语言处理、知识图谱等方法，可从中医文献中提取具有诊疗价值的信息，辅助医师进行证型判别与治疗方案制订。基于知识图谱的推理模型，尤其是通过知识图谱提取中医辨证规律的AI推理模型，配合前述基于皮肤影像的深度学习模型的复合AI模型，有望成为揭示中医治疗毛发病的新技术。此外，构建跨区域、跨机构的临床大数据平台，也是推动智能系统广泛应用的重要基础。当前，中医脱发治疗的个案数据分散、标准不一，难以满足AI模型大规模训练与泛化应用的需求。推动数据标准化建设与国际合作，不仅有助于丰富模型训练样本，而且有利于中医特色诊疗体系在全球范围内的推广。

综上所述，AI在中医治疗脱发中的融合应用，正从技术探索迈向临床实践。未来应持续加强多学科协作和数据资源建设，推动AI技术在中医辨证、效果评估及个体化治疗中的深度融合。

5 小结

随着AI技术的飞速发展，AI在脱发治疗领域的应用前景广阔。结合中医的辨证论治理念，AI技术能为脱发的治疗提供新的思路和方法。然而，当前AI在脱发治疗中的应用仍面临不少挑战，包括数据质量问题、模型标准化难题和中西医结合的障碍等。未来研究需进一步优化AI模型，推动多学科融合，解决中医与现代医学结合的难题，从而为脱发患者提供更高效的诊疗方案。

利益冲突声明：本文所有作者均声明不存在利益冲突。

[1] 周城，范卫新，方红，等.中国雄激素性秃发诊疗指南（2023）[J].临床皮肤科杂志，2024，53（12）：752-758.

[2] 中华医学会皮肤性病学分会毛发学组.中国斑秃诊疗指南（2019）[J].临床皮肤科杂志，2020，49（2）：69-72.

[3] MUBKI T，RUDNICKA L，OLSZEWSKA M，et al.Evaluation and diagnosis of the hair loss patient：part Ⅱ.Trichoscopic and laboratory evaluations [J].J Am Acad Dermatol，2014，71（3）：431.

[4] 欧阳欢，王雪茜，程发峰，等.国医大师王庆国辨治脂溢性脱发[J].中国皮肤性病学杂志，2024，38（2）：168-170，176.

[5] ZHANG J，ZHONG F，HE K，et al.Recent advancements and perspectives in the diagnosis of skin diseases using machine learning and deep learning：a review [J].Diagnostics，2023，13（23）：3506.

[6] 王晶.人工智能在中医药临床研究中的应用及伦理审查考量[J].中国医学伦理学，2025（9）：1227-1232.

[7] 梁凤婷，王雪儿，叶理，等.头皮和毛囊健康的多维度综合检测方法[J].中国临床解剖学杂志，2024，42（6）：720-725.

[8] 王洁仪，林昭萍，高静，等.基于皮肤影像的人工智能研究新进展[J].皮肤科学通报，2024，41（5）：575-580.

[9] MARRI S，INAMADAR A，JANAGOND A，et al.Analyzing the predictability of an artificial intelligence app（Tibot）in the diagnosis of dermatological conditions：a cross-sectional study[J].JMIR Dermatol，2023，6：e45529.

[10] GUDOBBA C，MANE T，BAYRAMOVA A，et al.Automating hair loss labels for universally scoring alopecia from images：rethinking alopecia scores[J].JAMA Dermatol，2023，159（2）：143-150.

[11] 王凌翔，张莉.面向皮肤镜图像识别的内卷胶囊网络[J].模式识别与人工智能，2024，37（11）：986-998.

[12] DI FRAIA M，TIEGHI L，MAGRI F，et al.A machine learning algorithm applied to trichoscopy for androgenic alopecia staging and severity assessment [J].Dermatol Pract Concept，2023，13（3）：e2023136.

[13] MAJD A，ALJASSER M，MIRZAALIAN H，et al.A novel automated approach to rapid and precise in vivo measurement of hair morphometrics using a smartphone [J].Skin Res Technol，2021，27（6）：1128-1134.

[14] LUON，ZHONGX，SUL，et al.Artificialintelligence-assisted dermatology diagnosis：from unimodal to multimodal [J].Comput Biol Med，2023，165：107413.

[15] MUHAMMAD S A，FATIMA N，PARACHA R Z，et al.A systematic simulation-based meta-analytical framework for prediction of physiological biomarkers in alopecia[J].J Biol Res（Thessalon），2019，26：2.

[16] GAO M，WANG Y，XU H，et al.Deep learning-based trichoscopic image analysis and quantitative model for predicting basic and specific classification in male androgenetic alopecia[J].Acta Derm Venereol，2022，102：adv00635.

[17] 杨涛，朱学芳.中医辨证智能化研究现状及发展趋势[J].南京中医药大学学报，2021，37（4）：597-601.

[18] LV W，CHEN T，ZENG Y，et al.A challenge of deep-learning-based object detection for hair follicle dataset [J].J Cosmet Dermatol，2023，22（9）：2565-2578.

[19] BHARDWAJ V，RODGERS N，HARTH O，et al.Artificial intelligence-based personalization of treatment regimen for hair loss：a 6-month clinical trial [J].J Drugs Dermatol，2025，24（3）：233-238.

[20] 朱文俊，汤曼诗，佘楷杰，等.人工智能赋能下中医诊断学的研究进展及发展对策[J].中医杂志，2025，66（14）：1413-1418.

[21] TIAN Z，WANG D，SUN X，et al.Current status and trends of artificial intelligence research on the four traditional Chinese medicine diagnostic methods：a scientometric study[J].Ann Transl Med，2023，11（3）：145.

[22] XU P，WU H，WANG J，et al.Traditional Chinese medicine case analysis system for high-level semantic abstraction：optimized with prompt and rag [C]//China Health Information Processing Conference.Singapore：Springer Nature Singapore，2024：10-25.

[23] WANG Y L，SHI X M，LI L，et al.The impact of artificial intelligence on traditional Chinese medicine [J].Am J Chin Med，2021，49（6）：1297-1314.

[24] 黄瑛杰.基于中医传承辅助平台挖掘中药外用制剂治疗雄激素性脱发用药规律及雄激素性脱发（肝肾不足证）的临床疗效观察[D].成都：成都中医药大学，2023.

[25] KIM Y，KIM S，MOON H，et al.Scalp diagnostic system with label-free segmentation and training-free image translation [J].arXiv[Preprint]，2024，2024：arXiv：2406.17254.

[26] 朱昭慧，叶艳婷，曹慧，等.急性休止期脱发的临床及皮肤镜表现[J].临床皮肤科杂志，2017，46（2）：89-92.

[27] 陈安民，贺娟，贺江涛.中医证候客观化研究的现状与发展方向[J].中国中医基础医学杂志，2023，29（3）：315-318.

[28] 陈秋平，周航，陈菊，等.名中医学术思想和诊疗经验的“智-传-模-链”传承模式探讨[J].中医杂志，2025，66（14）：1419-1423.

[29] LI X，LIANG Y，CHEN Q，et al.Integrating knowledge graphs and natural language processing for TCM diagnostic reasoning：a case on alopecia[J].BMC Med Inform Decis Mak，2022，22：68.

【作者机构】	重庆医科大学中医药学院；重庆市中医院皮肤美容科
【分类号】	R259
【基金】

人工智能在脱发中医诊疗中的应用现状与展望

目录

文内图表