Diagnóstico capilar con IA: qué pueden decirte una app, ChatGPT o la tricoscopia (y qué no)

El diagnóstico capilar con IA funciona hoy sobre todo como instrumento de medida: cuenta pelos y calcula su densidad y su grosor, pero ninguna herramienta ha demostrado aún que sepa decir con fiabilidad qué alopecia tienes (Lecumberri et al., 2026). En Injermur, clínica de injerto capilar y exosomas en Murcia, repasamos qué pueden decirte una app, ChatGPT o una tricoscopia y por qué el diagnóstico capilar con inteligencia artificial sigue necesitando un médico.

Qué puede hacer hoy el diagnóstico capilar con IA, y qué no

La IA capilar sirve sobre todo para medir: contar pelos y calcular su densidad y su diámetro. Para diagnosticar, sigue siendo experimental.

La revisión sistemática más reciente solo encontró 15 estudios de IA en tricología que cumplieran criterios: 13 eran retrospectivos y solo uno validó su modelo con datos externos. Ninguno comprobó si la IA cambia las decisiones del médico o mejora los resultados del paciente (Alanazi et al., 2026).

Una revisión del Hospital Universitario Ramón y Cajal, en Madrid, coincide: ninguna herramienta de IA es aún fiable en la práctica real para diagnosticar las alopecias ni distinguir sus subtipos (Lecumberri et al., 2026).

Midiendo rinde mejor: calculando la extensión de una alopecia areata, un sistema coincidió con un dermatólogo experto con una concordancia de 0,97 en 47 pacientes, aunque sus autores son accionistas de la empresa que lo desarrolla (Nguyen et al., 2025).

En 2021 esta web habló de la IA y la robótica capilar con un entusiasmo que la evidencia actual no sostiene. Además, con la etiqueta «diagnóstico capilar con IA» se venden cinco cosas distintas; las comparamos a continuación.

Test, app, microcámara, tricoscopia o ChatGPT: la comparativa

Solo una de las cinco la interpreta un médico con tu cuero cabelludo delante: la tricoscopia en consulta. Las demás orientan, pero no diagnostican.

Cinco «diagnósticos capilares con IA», comparados

Herramienta	Qué mide	Quién lo interpreta	Para qué sirve	Para qué no sirve
Test online	Tus respuestas; no mira tu pelo	Un sistema de puntuación	Ordenar dudas y decidir si consultar	Diagnosticar
App de fotos del móvil	Zonas con menos pelo, sin aumento	El algoritmo de la app	Diario de fotos estandarizadas	Ver el grosor del pelo o la causa
Microcámara de farmacia, peluquería o head spa	Imagen ampliada del cuero cabelludo	Personal no médico, a veces con software	Valorar el aspecto cosmético	Diagnosticar una alopecia
Tricoscopia digital con software en consulta médica	Densidad, diámetro y signos del cuero cabelludo	Un médico, con exploración e historia clínica	Diagnosticar con la exploración y seguir la evolución	Sustituir la biopsia en las alopecias cicatriciales
Chatbot tipo ChatGPT	Nada: interpreta lo que le das	El modelo de lenguaje	Entender términos y preparar la consulta	Diagnosticar con imágenes

Qué significa de verdad una «precisión del 90 %»

Casi siempre, que un modelo acertó mucho con imágenes de un solo centro, apartadas del mismo conjunto con el que se entrenó: eso es validación interna. La externa, con pacientes de otro centro, es la que se parece a la vida real. En la revisión de 2026, 12 de los 15 estudios usaron solo la interna (Alanazi et al., 2026).

Un ejemplo: un modelo detectó la alopecia androgénica incipiente con una precisión de 0,90, pero su validación externa fue de 20 imágenes, con un intervalo de confianza de 0,77 a 1,03 (Suh et al., 2025). Y el 97,6 % de otro sistema ni siquiera mide un diagnóstico, sino lo bien que localiza la zona despoblada en la imagen (Xi et al., 2025).

Falta diversidad: 11 de esos 15 estudios no informaron del fototipo ni de la etnia y ninguno registró la textura del pelo, aunque el rendimiento puede variar con ellos (Alanazi et al., 2026).

Lo que una foto de móvil no puede ver

Una foto de móvil ve dónde hay menos pelo, pero no el grosor de cada pelo ni la causa de la caída. Los modelos con mejores cifras, como el de la alopecia androgénica incipiente, trabajan con imágenes de tricoscopia, tomadas con dermatoscopio y aumento (Suh et al., 2025). A falta de datos para el pelo, en lesiones de la piel la IA rinde peor con fotos de móvil que en consulta especializada: AUROC de 0,81 frente a 0,90, sobre un máximo de 1 (Tjiu et al., 2025).

Una foto tampoco separa alopecias que se parecen. Algunas imitan el patrón de la androgénica, como una forma difusa de alopecia areata o una alopecia cicatricial con esa misma distribución, y se reconocen por signos que se ven en la tricoscopia (Issa y Tosti, 2021). Ni la IA distingue hoy con fiabilidad entre los subtipos de alopecia (Lecumberri et al., 2026).

Separarlas es tarea del diagnóstico diferencial de la alopecia androgénica, y en las cicatriciales la biopsia se sigue considerando imprescindible (Cummins et al., 2021). Las apps que asignan un grado de Norwood usan, además, una escala pensada para el patrón masculino, que no describe cómo se presenta la alopecia en la mujer. Y ninguna conoce tu historia clínica ni el déficit que mostraría una analítica bien elegida.

ChatGPT como «consultor capilar»: explica bien, mira mal

ChatGPT explica bastante bien por escrito qué es una alopecia, pero con imágenes acierta mucho menos que un dermatólogo. En un estudio del Hospital Universitario de Berna, con imágenes de tricoscopia transformadas para que los modelos no las reconocieran, cuatro chatbots públicos, entre ellos ChatGPT-4o, acertaron el diagnóstico principal en el 18,2 % de los casos, frente al 58,1 % de 15 dermatólogos; con diagnósticos diferenciales, 44,4 % frente a 68,3 % (Signer et al., 2026).

Por escrito van mejor: sobre alopecia areata, ChatGPT (en sus versiones de 2023) obtuvo una precisión de 4,41 sobre 5 según dermatólogos, aunque solo el 79 % de sus respuestas sobre tratamiento se consideraron adecuadas como borrador de mensaje a un paciente (O’Hagan et al., 2023).

Úsalo para entender términos y preparar la consulta, no para ponerle nombre a tu caída.

La IA en la planificación del injerto: medir no es decidir

La IA puede ayudar a contar unidades foliculares en la zona donante y a estimar densidades (Lecumberri et al., 2026), pero no decide cuánto pelo conviene extraer de una zona donante finita ni sabe cómo avanzará tu alopecia. La robótica ya la tratamos al explicar qué automatiza el robot y qué sigue decidiendo el cirujano.

Medir tampoco es exacto: un sistema de densidad con IA tuvo unos límites de concordancia con el clínico de −53,30 a +29,14 pelos/cm²; en un paciente concreto, la diferencia puede ser grande (Pyo et al., 2026). Las herramientas comerciales de análisis capilar con IA, incluidas las de planificación quirúrgica, se apoyan sobre todo en datos del fabricante y apenas tienen validación revisada por pares (Nawaz et al., 2026).

Una simulación ayuda a hablar del diseño, pero no es una predicción. Si te enseñan una, pregunta si esa densidad es alcanzable con tu zona donante y qué pasará si la alopecia avanza.

Regulación y privacidad: qué comprobar

En la UE, un software que aporta información para decisiones diagnósticas es, como mínimo, un producto sanitario de clase IIa (MDCG, 2025), y su marcado CE exige la evaluación de un organismo notificado (Unión Europea, 2017). El Reglamento europeo de IA considera de alto riesgo la IA de los productos sanitarios que requieren esa evaluación por terceros (Unión Europea, 2024), aunque esas obligaciones no se aplicarán hasta el 2 de agosto de 2028 (Comisión Europea, 2026).

De 420 apps de dermatología analizadas en Europa, solo el 2 % declaraba marcado CE y el 10 % cumplir el RGPD (Sangers et al., 2026). No hemos encontrado ningún software de IA con autorización documentada para diagnosticar alopecias: los dispositivos de IA dermatológica autorizados por la FDA se centran en el cáncer de piel (Nahm et al., 2025). Tus fotos del cuero cabelludo, además, dicen mucho de tu salud; antes de subirlas a una app o a un chatbot, comprueba:

• Si declara marcado CE como producto sanitario.
• Si enlaza a estudios publicados, mejor validados en otro centro.
• Quién ve tus fotos, dónde se guardan y si entrenan el algoritmo.
• Si aclara que no sustituye a un médico o acaba vendiéndote algo.

Cómo usar bien una app de fotos

Una app de fotos sirve como diario para comparar tu evolución y llevarla a la consulta. Es también el uso más sólido de la medición con IA en clínica: seguir la evolución, más que diagnosticar (Lecumberri et al., 2026), con imágenes tomadas siempre igual (Pyo et al., 2026). Para que tus fotos sean comparables:

• Misma luz natural, sin flash directo.
• Mismo ángulo y distancia.
• Pelo seco y peinado igual.
• Una serie cada tres meses: a diario solo verás ruido.

Cuándo pedir cita sin esperar a la app

Si la raya se ensancha o la coronilla se aclara entre series, si aparecen calvas redondeadas, si la caída es brusca o si hay picor, dolor o descamación. No esperes: en una alopecia cicatricial, el liquen plano pilar, tardar más de 12 meses en diagnosticarla se asoció a una progresión más rápida en un estudio retrospectivo (Seetan et al., 2026).

Folículo vivo o perdido: lo que decide el tratamiento en Injermur

Una app no distingue un folículo miniaturizado pero vivo de uno ya perdido, y esa frontera decide el tratamiento. Con folículo vivo tiene sentido el tratamiento médico y, como refuerzo en casos seleccionados, terapias regenerativas como el tratamiento capilar con exosomas, prometedoras pero preliminares. Donde el folículo se ha perdido, solo un injerto redistribuye tu propio pelo.

Por eso en Injermur, clínica de injerto capilar y exosomas en Murcia, el diagnóstico es presencial, con tricoscopia y exploración, y la planificación de un injerto capilar en Murcia con META FUE 3 Dual la decide el cirujano tras explorar tu zona donante, no un algoritmo. Somos seis médicos cirujanos con más de 20 años de experiencia, acreditados por ISHRS, ESHRS y SERECAP.

Crear falsas expectativas es un verdadero error médico, también con una simulación o una app. A la IA le aplicamos la misma vara que a los exosomas: prometedora, preliminar y útil solo tras un diagnóstico correcto.

Preguntas frecuentes

¿Me estoy quedando calvo o es un remolino?

Una foto no siempre lo aclara: la luz, el peinado o un remolino pueden aparentar una coronilla más clara. La tricoscopia sí ve los signos de la alopecia androgénica, como los pelos finos (vellosos) y las unidades foliculares de un solo pelo (Di Fraia et al., 2023).

¿Puede ChatGPT decirme si tengo alopecia con una foto?

No de forma fiable. Con imágenes de tricoscopia, cuatro chatbots públicos acertaron el diagnóstico principal en el 18,2 % de los casos, frente al 58,1 % de los dermatólogos (Signer et al., 2026). Sí sirve para entender términos y preparar la consulta.

¿Sirven los test de alopecia online?

Para ordenar tus dudas y decidir si consultar, sí; para diagnosticar, no. Un cuestionario puntúa lo que respondes, pero no ve tu cuero cabelludo ni el grosor de tu pelo.

¿Hay alguna app que detecte la calvicie con una foto?

Hay apps que lo prometen, pero no hemos encontrado ninguna validada y autorizada para diagnosticar la alopecia. En Europa, solo el 2 % de 420 apps de dermatología declaraba marcado CE (Sangers et al., 2026).

¿Qué es una tricoscopia con inteligencia artificial?

Es una tricoscopia (exploración del cuero cabelludo con dermatoscopio) en la que un software cuenta los pelos y mide su densidad y su diámetro. Ayuda a medir y seguir la evolución, pero el diagnóstico lo hace el médico que te explora (Lecumberri et al., 2026).

Este contenido es informativo y no sustituye una consulta médica personalizada.

Fuentes

1. Alanazi SK, et al. (2026). Artificial intelligence in trichology: A systematic review of current applications in diagnosis, severity assessment, and treatment monitoring. Digital Health. Ver estudio
2. Lecumberri A, et al. (2026). Artificial Intelligence in Hair Disorders: A Narrative Review. Dermatology and Therapy (Heidelb). Ver estudio
3. Nguyen H, et al. (2025). Using artificial intelligence to compute Severity of Alopecia Tool scores. JAAD International. Ver estudio
4. Suh MJ, et al. (2025). Automated early detection of androgenetic alopecia using deep learning on trichoscopic images from a Korean cohort: a retrospective model development and validation study. Ewha Medical Journal. Ver estudio
5. Xi H, et al. (2025). Enhanced stratification of male pattern hair loss using AI through novel loss region ratio analysis. Scientific Reports. Ver estudio
6. Di Fraia M, et al. (2023). A Machine Learning Algorithm Applied to Trichoscopy for Androgenic Alopecia Staging and Severity Assessment. Dermatology Practical & Conceptual. Ver estudio
7. Tjiu JW, et al. (2025). Equity and Generalizability of Artificial Intelligence for Skin-Lesion Diagnosis Using Clinical, Dermoscopic, and Smartphone Images: A Systematic Review and Meta-Analysis. Medicina (Kaunas). Ver estudio
8. Issa NT, Tosti A (2021). Trichoscopy for the Hair Transplant Surgeon: Assessing for Mimickers of Androgenetic Alopecia and Preoperative Evaluation of Donor Site Area. Indian Journal of Plastic Surgery. Ver estudio
9. Cummins DM, et al. (2021). Scarring Alopecias: Pathology and an Update on Digital Developments. Biomedicines. Ver estudio
10. Signer B, et al. (2026). Publicly Available Large Language Models for Trichoscopy: A Head-to-Head Comparison with Dermatologists. Diagnostics (Basel). Ver estudio
11. O'Hagan R, et al. (2023). Trends in Accuracy and Appropriateness of Alopecia Areata Information Obtained from a Popular Online Large Language Model, ChatGPT. Dermatology. Ver estudio
12. Pyo S, et al. (2026). Automated measurement of hair density and projected apparent width via deep learning-based phototrichogram analysis. International Journal of Cosmetic Science. Ver estudio
13. Nawaz T, et al. (2026). Exploring the Advancements and Applications of AI-Powered Hair Analysis Tools. Journal of Clinical and Aesthetic Dermatology. Ver estudio
14. Medical Device Coordination Group (MDCG) (2025). MDCG 2019-11 rev.1 – Guidance on Qualification and Classification of Software in Regulation (EU) 2017/745 – MDR and Regulation (EU) 2017/746 – IVDR. Medical Device Coordination Group (documento publicado en health.ec.europa.eu). Ver estudio
15. Unión Europea (Parlamento Europeo y Consejo) (2017). Reglamento (UE) 2017/745 sobre los productos sanitarios (artículo 52 y anexo IX: evaluación de la conformidad). Diario Oficial de la Unión Europea (texto en BOE, DOUE-L-2017-80916). Ver estudio
16. Unión Europea (Parlamento Europeo y Consejo) (2024). Reglamento (UE) 2024/1689 de Inteligencia Artificial (artículo 6, apartado 1, y anexo I, sección A). Diario Oficial de la Unión Europea (texto en BOE, DOUE-L-2024-81079). Ver estudio
17. Comisión Europea – Shaping Europe's digital future (2026). AI Omnibus enters into force. digital-strategy.ec.europa.eu. Ver estudio
18. Sangers T, et al. (2026). Smartphone Applications in Dermatology With Special Focus on AI: A European-Continent-Based Review. International Journal of Dermatology. Ver estudio
19. Nahm WJ, et al. (2025). Artificial Intelligence in Dermatology: A Comprehensive Review of Approved Applications, Clinical Implementation, and Future Directions. International Journal of Dermatology. Ver estudio
20. Seetan K, et al. (2026). Machine learning predicts scarring progression in lichen planopilaris: A multidimensional model integrating trichoscopy, vitamin D, and diagnostic timelines. International Journal of Medical Informatics. Ver estudio