다양한 기계학습 기법들이 녹내장을 진단하기 위해 제안되어 왔다. 이들은 대상자를 ‘정상’ 또는 ‘녹내장 양성’으로 분류할 수는 있으나, 후자의 중증도를 결정할 수는 없다. 이를 보완하기 위해 연구자들은 녹내장 위험에 대한 통계적 지표를 제안해 왔다. 그러나 이러한 지표들은 단일 검사 지표에 기초하여 있으며, 녹내장 진행의 전체 중증도를 반영하지 못한다. 본 연구에서는 시야(VF) 검사, 빛간섭단층촬영(OCT), 안압(IOP) 검사를 기반으로 통합 녹내장 위험 지표(I-GRI)를 제안한다. 우리는 기계학습 기법을 사용하여 검사 데이터에서 중요한 특징을 추출하고, 이를 수학적 방정식을 통해 하나의 지표로 통합하였다. 제안된 지표는 0과 1 사이의 값을 산출하며, 위험 지표 값이 높을수록 녹내장의 위험/중증도가 더 큰 것을 의미한다. 검사 사례를 이용한 타당성(sanity) 테스트에서 I-GRI는 녹내장 및 정상 사례 모두에서 균형 잡힌 분포를 보였다. I-GRI를 사용하여 녹내장 및 정상 사례를 분류한 결과, 오분류율은 0.07(7%)이었다. 제안된 지표는 녹내장 진단과 그 진행의 탐지에 유용하다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.