“Guarda qui. Ne perdo il doppio.” Sullo schermo c’è un groviglio scuro sulla ceramica bianca. Mai sentito dire dalla tua cliente.
Tu, come professionista, ti accorgi di non avere alcun modo di sapere se quel “doppio” sia vero. Non lo sa nemmeno lei, la tua cliente: ha paura, e chi ha paura conta male.

Il 15 settembre 2026 la rivista Clinical, Cosmetic and Investigational Dermatology ha pubblicato uno studio che prova a eliminare proprio quel “mi sembra”. Il gruppo di ricerca lavora al Dipartimento di Dermatologia del Peking University People’s Hospital di Pechino. Ha sviluppato un modello di intelligenza artificiale che conta i capelli caduti partendo da una normale fotografia scattata con il telefono. L’articolo è ad accesso libero e merita una lettura integrale, lenta, perché il titolo lascia intendere più di quanto i dati permettano di concludere.

Come è stato costruito lo strumento

Trenta volontari hanno raccolto a casa i capelli caduti spontaneamente. Li hanno fotografati dall’alto con il proprio smartphone, su un foglio bianco o su un altro fondo chiaro. Non c’erano un modello di telefono prescritto né un’illuminazione standard. Sono condizioni domestiche, e questo depone a favore dello studio.

Conta però il modo in cui sono nate le 5.630 fotografie del dataset. In ogni sessione i ricercatori partivano da un solo capello e lo fotografavano. Poi ne aggiungevano un altro, rimescolavano il mucchietto e scattavano di nuovo. A ogni passaggio due persone contavano in modo indipendente. Si arriva così a immagini che vanno da 1 a 400 capelli, lunghi tra circa 5 e 60 centimetri. Il metodo è rigoroso e produce un riferimento affidabile. Resta il fatto che migliaia di fotografie derivano da poche raccolte reali: gli stessi capelli, ridistribuiti e rifotografati. Gli autori lo ammettono tra i limiti.

Il test indipendente misura come si comporta il sistema su persone che non ha mai “visto” durante l’addestramento. Comprende 1.121 immagini, un numero che sembra ampio. Tutte provengono da sei volontari.

I numeri, letti senza entusiasmo

Sul test indipendente il modello sbaglia in media di 5,4 capelli, con un errore percentuale medio del 7%. Serve un termine di paragone. Quando due persone contavano a mano lo stesso campione, differivano in media di 3,8 capelli. In queste condizioni la macchina sbaglia poco più di un essere umano attento che conta uno per uno.

La scomposizione per fasce dice più della media. Sotto i 50 capelli l’errore assoluto scende a 1,9 capelli, ma in percentuale sale al 10,4%. Oltre i 200 capelli l’errore arriva a 10,6 capelli, mentre la percentuale scende al 3,6%. Su un campione piccolo, quindi, due capelli di scarto pesano parecchio.

Il dato sul tempo è quello che ha girato nelle newsletter di settore. Per scattare, caricare e ottenere il risultato servono 24,5 secondi di mediana, contro 123 secondi di conteggio manuale. Il vantaggio cresce con la quantità: il conteggio a mano rallenta di circa 1,4 secondi per ogni capello in più, quello automatico quasi per niente. Dovepress

Poi ci sono gli errori grandi. Gli autori mostrano due fotografie con capelli ammassati al centro e sovrapposti. In una il sistema ha contato 174,8 capelli dove ce n’erano 134. Nell’altra ne ha contati 97 dove ce n’erano 149. Sono scarti superiori al 30%, uno per eccesso e uno per difetto. Gli stessi ricercatori raccomandano di distendere i capelli sul foglio prima di scattare. Il groviglio nel lavandino della tua cliente è quindi il tipo di fotografia su cui lo strumento rende peggio.

Il dato più utile riguarda chi guarda

Per confrontare macchina e occhio umano, i ricercatori hanno coinvolto altre dieci donne, che hanno fornito 56 campioni raccolti in modo naturale. Quindici persone hanno stimato a occhio quanti capelli contenesse ciascun campione. Erano divise in tre gruppi da cinque: pazienti che lamentavano un aumento della caduta, persone sane e dermatologi specializzati in patologie del capello.

Tutti hanno sbagliato più della macchina. Il dettaglio interessante è la direzione dell’errore.

Le pazienti preoccupate per la propria caduta hanno sovrastimato di circa 38 capelli sui campioni distesi e di circa 49 su quelli raccolti in mucchietto. Le persone sane hanno fatto l’opposto e hanno sottostimato di circa 33 capelli. I dermatologi hanno sbagliato meno degli altri due gruppi. Anche loro, però, tendevano a sottostimare i capelli sparsi e a sovrastimare quelli ammassati.

Gli autori ipotizzano che la sovrastima delle pazienti rifletta il peso emotivo della caduta. Resta un’ipotesi. Il dato invece è solido ed è prezioso per chi lavora in salone: la percezione della cliente non misura la caduta, e la tua nemmeno. Se uno specialista del capello sbaglia la stima guardando una foto, l’occhio esperto del parrucchiere non ha motivo di sentirsi al riparo.

Dove lo studio si ferma

Anche uno studio ben condotto va letto con onestà.

Il modello è stato addestrato e verificato solo su capelli castano scuro o neri, appoggiati su fondo chiaro. Per capelli biondi, bianchi, grigi o molto ricci non esiste alcuna validazione, e gli autori precisano di non aver caratterizzato la morfologia del capello. Pensa a quante clienti in salone hanno i capelli schiariti, grigi o bianchi. Per loro, oggi, questo strumento non ha dati.

C’è poi un limite meno evidente e più sostanziale. Rebora e colleghi hanno descritto nel 2005 il test di lavaggio modificato. La persona si astiene dallo shampoo per cinque giorni, poi si lava i capelli in una bacinella con il fondo coperto da una garza. Si contano tutti i capelli caduti e, a parte, quelli sotto i 3 centimetri. Nello schema originale chi perde fino a 100 capelli con almeno il 10% di capelli corti viene orientato verso l’alopecia androgenetica. Chi ne perde più di 100 con meno del 10% di capelli corti viene orientato verso l’effluvio telogen, e chi supera entrambe le soglie verso la loro associazione. ResearchGate

Lo strumento cinese restituisce un solo numero, il totale, ed è stato validato su capelli tra 5 e 60 centimetri. La seconda informazione del test di Rebora, quella che orienta la distinzione, resta fuori. Una revisione sull’effluvio telogen lo dice in modo netto: l’aumento della caduta di capelli in telogen, da solo, non indica quale ne sia la causa. Contare quanti capelli cadono dice poco sul perché cadono. nih

C’è poi il confronto tra due gruppi di pazienti. Nel primo, seguito con il conteggio manuale, dati numerici utilizzabili sono arrivati nel 29,2% dei casi. Nel secondo, seguito con la foto caricata e contata dall’IA, nel 76,7%. Il risultato è vistoso, ma i due gruppi sono stati arruolati uno ad aprile e l’altro a maggio 2026, senza randomizzazione. Gli autori stessi avvertono che fattori legati al periodo, o non misurati, possono aver contribuito alla differenza. Dichiarano anche che lo studio non ha valutato accuratezza diagnostica, decisioni terapeutiche, risposta ai trattamenti né esiti per i pazienti.

L’ultimo punto va letto senza malizia, ma va letto. Due dei sei autori sono dipendenti di Yonghe Medical Group, un gruppo medico privato. Lo studio è finanziato anche da un laboratorio congiunto tra l’ospedale universitario e quel gruppo, dedicato alla salute del capello. Tutto è dichiarato in modo trasparente. Chi finanzia lo sviluppo di uno strumento ha però un interesse legittimo a vederlo funzionare. È una buona ragione per aspettare che gruppi indipendenti ripetano la prova.

Un’annotazione a margine, che strappa un sorriso: nei ringraziamenti gli autori dichiarano di aver usato un modello linguistico per rifinire l’inglese del manoscritto. Lo hanno scritto, e questo depone a loro favore.

Un precedente da conoscere

Nel 2022 un gruppo della Stanford University ha pubblicato su Science Advances un lavoro da tenere presente ogni volta che si parla di intelligenza artificiale in dermatologia. I ricercatori hanno costruito un archivio di immagini cliniche con diagnosi confermata istologicamente e con tonalità di pelle molto diverse tra loro. Su questo archivio hanno messo alla prova alcuni modelli di punta. Su 656 immagini, la capacità di classificazione dei modelli è calata del 27-36% rispetto ai risultati ottenuti nei loro test originali. Il calo più marcato riguardava le pelli scure e le malattie poco frequenti. Anche i dermatologi, che spesso etichettano le immagini usate per addestrare questi sistemi, sbagliavano di più sugli stessi casi. Riaddestrando i modelli su immagini più varie, il divario tra pelli chiare e scure si è chiuso. deepainih

La lezione vale anche per il capello. Un algoritmo funziona bene sulle immagini simili a quelle su cui ha imparato. Oggi sappiamo come conta i capelli neri su carta bianca. Su capelli biondi appoggiati a un asciugamano beige, la domanda è ancora aperta.

Cosa puoi portare in salone da domani

Il principio dello studio si applica anche senza app: per confrontare la caduta nel tempo, bisogna documentarla sempre nello stesso modo.

In pratica, chiedi alla cliente di raccogliere i capelli sempre nella stessa occasione, per esempio al lavaggio, e con lo stesso numero di giorni dallo shampoo precedente. Il protocollo di Rebora fissa quell’intervallo a cinque giorni, e questo fa capire quanto il numero dipenda dal tempo trascorso dall’ultimo lavaggio. Il fondo deve avere un colore che contrasta con il capello e deve restare sempre lo stesso, e lo stesso vale per la luce. I capelli vanno distesi, mai lasciati in mucchio. Accanto a ogni foto servono la data e una nota su ciò che è accaduto nelle settimane precedenti: un intervento chirurgico, una dieta drastica, un lutto, un cambio di terapia deciso dal medico.

Il numero singolo vale poco. Una serie di numeri raccolti con lo stesso metodo mostra invece un andamento. Su un andamento puoi ragionare insieme alla cliente senza alimentare la sua ansia e senza liquidarla con un “è normale”.

Il tempo è una variabile che confonde facilmente la lettura. Nell’effluvio telogen la caduta diffusa compare di solito tre o quattro mesi dopo l’evento scatenante. Per questo la foto di oggi racconta qualcosa accaduto in primavera, e le note di contesto diventano importanti quanto il conteggio. nih

Qui la formazione fa la differenza. Un Tecnico Tricologo Specializzato formato in Accademia di Tricologia legge il numero dei capelli caduti insieme a molti altri elementi: la cute, il fusto, la distribuzione del diradamento, la storia della persona. Una fotografia con una cifra sopra entra nella valutazione come un dato tra gli altri.

Il confine deontologico

Una foto con un numero sovrimpresso ha un’aria scientifica che può tentare. Il parrucchiere e il tecnico tricologo osservano e documentano. Non formulano diagnosi e non prescrivono. Non lasciano nemmeno intendere alla cliente che abbia un effluvio o un’alopecia androgenetica.

Ci sono segnali che richiedono il medico: un conteggio che cresce in modo costante, chiazze prive di capelli, una cute arrossata o dolente. In questi casi la cosa corretta è indirizzare la persona al medico, con la documentazione raccolta in mano. È qui che una serie di foto ben fatte diventa preziosa: al dermatologo servono dati puliti, e tu puoi fornirglieli.

Due domande prima di chiudere

Le app che promettono di “monitorare l’alopecia” da una fotografia in pochi secondi hanno mai pubblicato una validazione indipendente su capelli biondi, bianchi o ricci?

E tu, la prossima volta che una cliente ti dirà “ne perdo il doppio”, avrai un metodo da proporle o soltanto un’impressione da opporre alla sua?

---

Questo articolo ha finalità divulgative e formative in ambito trico-cosmetico e non sostituisce il parere del medico. Le figure professionali del settore cosmetico osservano e documentano; diagnosi e terapia restano di competenza medica.

Fonti

1. 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;19:641573. doi:10.2147/CCID.S641573. PMID 42763653.
2. Rebora A, Guarrera M, Baldari M, Vecchio F. Distinguishing androgenetic alopecia from chronic telogen effluvium when associated in the same patient: a simple noninvasive method. Arch Dermatol. 2005;141(10):1243-1245. doi:10.1001/archderm.141.10.1243. PMID 16230561.
3. Malkud S. Telogen effluvium: a review. J Clin Diagn Res. 2015;9(9):WE01-WE03. doi:10.7860/JCDR/2015/15219.6492. PMID 26500992.
4. Daneshjou R, Vodrahalli K, Novoa RA, et al. Disparities in dermatology AI performance on a diverse, curated clinical image set. Sci Adv. 2022;8(32):eabq6147. doi:10.1126/sciadv.abq6147. PMID 35960806.