AI로 탈모를 진단할 수 있을까?

사진 한 장으로 탈모 상태를 확인할 때 알아야 할 한계

요즘 스마트폰으로 두피 사진을 찍으면 탈모 상태를 분석해 주는 AI 서비스가 등장하고 있습니다. 모발 밀도나 두피 노출 정도를 분석하거나, 이전 사진과 비교해 탈모가 얼마나 진행됐는지 확인하는 기술도 연구되고 있습니다.

그렇다면 스마트폰 사진 한 장만으로 탈모를 진단할 수 있을까요?

결론부터 말하면, AI는 탈모를 평가하고 추적하는 데 상당한 가능성이 있지만, 현재의 기술을 "사진 한 장으로 탈모의 원인까지 확진하는 의사"처럼 생각해서는 안 됩니다. 모발의 수·밀도·면적 측정은 비교적 발전한 분야인 반면, 다양한 탈모 질환을 정확히 구별하고 원인을 확정하는 일은 아직 연구 단계에 가깝습니다. [1][4]

---

1. AI는 탈모 사진에서 무엇을 볼까?

AI는 사람이 눈으로 일일이 확인하기 어려운 패턴을 수치화하는 데 강점이 있습니다. 예를 들어 다음 항목을 분석할 수 있습니다.

• 모발의 밀도
• 모발이 없는 영역의 면적
• 두피 노출 정도
• 모발 굵기의 변화
• 빠진 모발의 개수
• 치료 전후의 변화

가장 큰 장점은 같은 기준으로 반복 측정할 수 있다는 점입니다. "지난달보다 조금 좋아진 것 같아요"라는 느낌보다 "같은 조건에서 측정했을 때 탈모 영역이 얼마나 변했는가"를 수치로 비교하는 것이 치료 경과를 추적하는 데 더 유용할 수 있습니다.

다만 근거는 아직 초기 단계입니다. 스마트폰으로 원형탈모 부위의 면적을 자동 측정해 SALT 점수(원형탈모 중증도 지표)를 계산한 사례가 보고되었지만, 이는 환자 1명을 다룬 증례보고로 "개념 증명" 수준입니다. 이 보고에서도 안드로겐성 탈모처럼 뚜렷한 경계 없이 머리숱이 전반적으로 줄어드는 경우에는 이 도구에 한계가 있다고 밝혔습니다. [3]

---

2. 스마트폰 사진으로 '빠진 머리카락'을 세는 AI

2026년 9월 발표된 연구에서는 스마트폰으로 찍은 사진에서 빠진 머리카락의 개수를 자동으로 세는 AI 모델이 소개되었습니다. [2]

여기서 주의할 점이 있습니다. 이 연구가 분석한 것은 두피 사진이 아니라, 빠진 머리카락을 흰색 등 밝은 배경 위에 펼쳐 놓고 찍은 사진입니다.

• 참가자 30명이 촬영한 5,630장의 사진으로 모델을 학습·평가
• 독립 테스트에서 평균 절대 오차 5.4개, 평균 절대 백분율 오차 7.0%
• 사람이 눈으로 추정하는 방법보다 오차가 작았음

하지만 이 결과를 그대로 일반화하기는 어렵습니다.

• 대상은 검은색 또는 짙은 갈색 모발, 밝은 배경으로 제한되었습니다.
• 독립 테스트에 쓰인 참가자는 6명이었고, 단일 병원에서 진행되었습니다.
• 사람과의 비교 실험은 아시아 여성을 대상으로 했습니다.
• 진단 정확도나 치료 결과는 평가하지 않았습니다.

연구진도 더 다양한 집단과 환경에서의 추가 검증이 필요하다고 밝혔습니다. 즉 "AI가 어떤 사진이든 정확하게 탈모를 진단한다"는 뜻이 아닙니다.

---

3. AI가 탈모의 원인까지 알 수 있을까?

여기가 가장 중요한 부분입니다. 탈모는 한 가지 질환이 아닙니다. 대표적으로 다음과 같은 유형이 있습니다.

• 남성형·여성형 탈모
• 원형탈모
• 휴지기 탈모
• 견인성 탈모
• 반흔성 탈모
• 두피 질환과 관련된 탈모

겉보기에는 비슷하게 머리카락이 줄어든 것처럼 보여도 원인은 다를 수 있습니다. 사진에서 머리카락이 적어 보이는 것과 원인을 확정하는 것은 전혀 다른 문제입니다.

미국피부과학회(AAD)도 탈모를 평가할 때 사진만 보는 것이 아니라, 탈모가 언제 시작됐고 얼마나 빠르게 진행됐는지 묻고 두피와 모발을 직접 검사한다고 설명합니다. 필요하면 혈액검사나 두피 생검이 추가됩니다. [6][7]

---

4. 사진 한 장으로 판단하기 어려운 이유

① 촬영 조건에 따라 결과가 달라집니다.
같은 사람이라도 조명, 카메라 거리, 각도, 머리카락의 방향, 젖은 정도, 헤어스타일, 모발 색, 두피 유분에 따라 두피가 보이는 정도가 크게 달라집니다. 가르마를 탄 사진과 자연스럽게 내린 사진을 비교하면 두피 노출이 다른 것은 당연합니다. 서로 다른 조건의 사진을 단순 비교하면 정확하지 않을 수 있습니다.

② 사진은 모발의 '질'을 충분히 보여주지 못할 수 있습니다.
탈모에서는 개수만큼 굵기도 중요합니다. 특히 안드로겐성 탈모에서는 모낭이 작아지면서 굵은 모발이 점점 가늘어지는 '미니어처화'가 나타납니다. 이를 자세히 보려면 확대 장비를 쓰는 트리코스코피 검사가 도움이 됩니다. [8]

③ 비슷한 증상, 다른 원인.
갑자기 머리카락이 많이 빠졌다고 모두 같은 탈모는 아닙니다. 최근의 질병이나 수술, 급격한 체중 감소, 출산, 스트레스도 원인이 될 수 있습니다. 그래서 평가할 때는 사진뿐 아니라 시작 시점, 빠지는 양, 가족력, 최근 건강 상태, 두피 상태를 함께 고려합니다. [6][8]

---

5. AI와 트리코스코피가 만나면?

최근에는 일반 사진뿐 아니라 트리코스코피 이미지를 AI로 분석하는 연구도 활발합니다. AI는 모발 굵기와 밀도를 사람이 일일이 재는 작업을 자동화하고 객관적인 수치로 만드는 데 도움을 줄 수 있습니다.

2026년 발표된 탈모 AI 리뷰들도 모발의 양적 측정과 객관적 평가는 비교적 성숙한 분야이고, 종합적인 진단과 예측은 아직 충분한 임상 검증이 필요하다고 정리합니다. [1][4]

---

6. 정확도가 높다는 연구도 있는데?

맞습니다. 피부질환의 딥러닝 영상 분석 연구를 검토한 체계적 문헌고찰에서, 포함된 소수의 탈모 연구는 높은 진단 정확도를 보고했습니다. [5]

그러나 연구실의 특정 데이터셋에서 높은 정확도를 보인 것과 실제 병원에서 다양한 환자를 정확히 진단하는 것은 다른 문제입니다. AI의 성능은 다음에 영향을 받습니다.

• 어떤 환자의 사진으로 학습했는지
• 사진의 품질
• 인종·피부색·모발 유형의 다양성
• 특정 질환만 구별하도록 만들어졌는지
• 다른 병원이나 기기에서도 같은 성능이 나오는지

그래서 단순한 '정확도'보다 외부 검증과 실제 임상 환경에서의 성능이 중요합니다. FDA 역시 AI 의료기기를 평가할 때 사용 목적과 데이터 구조 등에 맞는 평가 방법이 필요하다고 설명합니다. [9]

---

7. 진단보다 '추적 관찰'에 더 유용하다

현재 AI의 현실적인 강점은 오히려 여기에 있습니다.

• 탈모가 처음 의심될 때: AI 사진 분석은 참고 자료로만 활용
• 피부과 진료 시: 의사의 진찰 + 두피 검사 + 필요 시 추가 검사로 진단
• 치료 시작 후: 동일한 조건으로 촬영 → AI로 변화를 정량 비교 → 경과 관찰

치료를 시작한 사람이 3개월 뒤 "조금 좋아진 것 같아요"라고 느끼는 데서 그치지 않고, 모발 밀도·탈모 영역·모발 굵기를 일정한 기준으로 비교할 수 있다면 경과 확인에 도움이 됩니다. 증례보고에서도 AI 측정이 환자의 치료 참여를 높일 수 있다는 가능성이 언급되었습니다. [3]

---

결론

AI는 탈모를 진단할 수 있을까요? 현재 가장 정확한 답은 이렇습니다.

"일부 탈모 상태를 분석하고 정량화하는 데는 상당한 가능성이 있지만, 사진 한 장만으로 모든 탈모의 원인을 확진하는 단계는 아니다."

AI가 유용해지고 있는 분야
✔ 빠진 모발 수 측정
✔ 탈모 영역 측정
✔ 모발 밀도 분석
✔ 치료 전후 변화 비교
✔ 장기간 경과 관찰

현재 기술의 한계를 넘어서는 일
✘ 탈모의 모든 원인을 사진 한 장으로 확정
✘ 혈액검사가 필요한 원인까지 사진만으로 확인
✘ 반흔성 탈모 여부를 사진만으로 확진
✘ 개인에게 가장 적합한 치료법을 AI 사진만으로 결정

가장 현실적인 미래는 AI가 의사를 대신하는 것이 아니라, 의사가 진단하고 치료하는 과정에서 AI가 객관적인 측정과 경과 관찰을 돕는 모습일 것입니다. 탈모가 의심된다면 AI 분석 결과만 믿고 치료를 시작하거나 중단하기보다, 피부과 전문의의 진료와 필요한 검사를 함께 받는 것이 안전합니다.

 

 

 

 

 

 

---

📚 참고문헌

1. Huang J, McMullen E, Gupta S, et al. Machine learning applications in androgenetic alopecia: a systematic review. Skin Health and Disease. 2026. (권·호·쪽수·DOI는 논문 페이지에서 확인 후 기입)
2. Zhang S, Zhang Y, Li X, Han P, Li X, Zhou C. Automated quantification of shedding hairs from smartphone photographs using an AI tool for alopecia monitoring. Clin Cosmet Investig Dermatol. 2026;19. doi:10.2147/CCID.S641573
3. Artificial intelligence–based alopecia assessment: a proof of concept for enhancing accuracy and objectivity in hair loss measurement. JAAD Case Reports. 2025. doi:10.1016/j.jdcr.2025.09.023
4. Lecumberri A, Vañó-Galván S, Asz-Sigall D, Saceda-Corralo D. Artificial intelligence in hair disorders: a narrative review. Dermatol Ther. 2026. doi:10.1007/s13555-026-01677-2
5. Systematic review of deep learning image analyses for the diagnosis and monitoring of skin disease. npj Digital Medicine. 2023. (저자·권·쪽수·DOI 확인 필요)
6. American Academy of Dermatology. Hair loss: diagnosis and treatment. (URL·접속일 기입)
7. American Academy of Dermatology. Hair loss types: alopecia areata diagnosis and treatment. (URL·접속일 기입)
8. Jackson AJ, Price VH. How to diagnose hair loss. Dermatol Clin. 2013;31(1):21–28. doi:10.1016/j.det.2012.08.007
9. U.S. Food and Drug Administration. Artificial intelligence-enabled medical devices. 2026. (URL·접속일 기입)

---