L’alopécie androgénétique se manifeste par une perte progressive des cheveux, touchant aujourd’hui près de 20 % de la population mondiale. Son suivi clinique repose notamment sur l’analyse d’images trichoscopiques, permettant d’évaluer l’évolution de la densité et de la structure capillaire au fil du temps. L'annotation manuelle, bien que précise, est souvent longue et difficile à appliquer de manière cohérente sur plusieurs points cliniques ou à des volumes élevés.
Dans ce contexte, une collaboration s’est dessinée entre une clinique digitale et le LIS autour de la conception et la mise en œuvre d'un flux de travail et d'une solution logicielle visant à rationaliser ces tâches, permettant l'extraction précise de mesures capillaires afin d'aider les cliniciens à diagnostiquer et à suivre le traitement au fil du temps.
Après avoir examiné toute une série de modèles génériques de segmentation d'objets, les experts ont opté pour le modèle Segment Anything Model (SAM) de Meta afin d'accélérer le processus d'annotation des images, et ils ont affiné progressivement plusieurs versions du SAM à l'aide d'une stratégie Human-in-the-loop (HITL).
À cette fin, le LIS a ensuite développé une suite d'outils d'IA, d'analyse et d'utilitaires, intégrés dans un plugin Napari dédié, afin d'aider les annotateurs humains à améliorer à la fois la précision et la vitesse de l'annotation. Ce flux de travail semi-automatique permet d'extraire efficacement les mesures individuelles et collectives des cheveux (nombre, largeur et densité des cheveux, nombre et densité des follicules) tout en conservant la supervision d'experts. L'utilisation combinée de l'IA et des outils d'analyse d'images réduit considérablement le temps d'annotation sans compromettre la qualité, ce qui permet un suivi plus évolutif et reproductible de la progression de la perte de cheveux.