의료 전문가 부족 속에서 자가 감독 기계 학습을 통한 다발성 망막 장애 진단

망막 질환은 세계적으로 시각 장애 및 실명의 주요 원인으로, 특히 발달이 저조한 지역에서는 안과 의사의 부족으로 적시에 진단이 어려워진다. AI 지원 망막 이미지 분석은 높은 정확도, 감소된 업무량, 개선된 접근성과 같은 여러 가지 장점이 있지만, 신뢰할 수 있는 모델을 구축하기 위해서는 많은 양의 전문가 주석 데이터가 필요하다. 이 딜레마를 해결하기 위해, 우리는 레이블이 없는 망막 이미지에서 다양한 망막 질환을 처리할 수 있는 일반적인 자가 감독 기계 학습 프레임워크를 제안한다. 우리의 방법의 AUC는 기존의 감독 방법보다 15.7% 뛰어나며, 단일 인적 전문가의 성능조차 초월한다. 더욱이, 우리의 모델은 다양한 지역, 인종 및 여러 카메라 또는 장치에서 발생하는 이질적인 이미지 소스나 품질의 다양한 데이터셋에 잘 적응한다. 우리의 방법은 레이블이 없는 일반 프레임워크를 제공하여 망막 질환을 진단할 수 있으며, 이는 시력 손실 위험이 있는 사람들을 조기에 선별하기 위한 원격 의료 프로그램에 잠재적으로 기여할 수 있다.