건조 안 질환 중증도를 위한 심층 학습 기반의 완전 자동화 등급 시스템

건조 안 질환(Dry Eye Disease, DED)의 중증도를 평가하기 위한 객관적인 등급 시스템에 대한 필요성이 증가하고 있습니다. 본 연구에서는 DED 중증도를 평가하기 위해 완전 자동화된 심층 학습 기반 시스템을 개발했습니다. 시스템 개발을 위해 한 병원에서 DED 환자의 각막 형광 염색(Corneal Fluorescein Staining, CFS) 이미지(총 1400명)와 외부 검증을 위한 다른 병원에서의 이미지(총 94명)를 수집했습니다. 세 명의 전문가가 NEI 기준을 사용하여 CFS 이미지를 등급화하였고, 중앙값을 기준 진실로 사용했습니다. 시스템은 세 단계로 개발되었습니다: (1) 각막 분할, (2) CFS 후보 지역 분류, (3) CFS 밀도 맵 생성을 통한 NEI 등급 추정. 또한, 50개의 눈(100장의 이미지)에 대해 서로 다른 날 찍은 두 이미지를 비교하여 개선 또는 악화의 확률을 평가했습니다. 분할 모델의 다이스 계수는 0.962였습니다. 시스템과 기준 진실 데이터간의 상관관계는 내부 검증 데이터셋에서 0.868 (p<0.001) 및 외부 검증 데이터셋에서 0.863 (p<0.001)이었습니다. 개선 또는 악화의 일치율은 88% (44/50)였습니다. DED 중증도를 위한 완전 자동화된 심층 학습 기반 등급 시스템은 CFS 점수를 높은 정확도로 평가할 수 있으며, 임상 적용 가능성이 있을 수 있습니다.