피험자의 임상 정보를 입력받는 데이터 입력부; 및기계학습 기반의 녹내장 진단 모델을 이용하여 상기 임상 정보로부터 상기 피험자에 대해 녹내장 여부를 진단하고, 진단 결과의 이유를 설명하기 위한 그래픽 차트를 생성하는 진단부; 를 포함하고,상기 임상 정보는 망막신경섬유층 상측 두께, 망막신경섬유층 하측 두께, 망막신경섬유층 이측 두께, 안압 및 시야검사를 통해 획득되는 패턴표준편차를 포함하며,상기 진단부는, 샤플리 값(shapley value)을 기반으로 하고, 상기 피험자의 임상 정보와 상기 피험자의 임상 정보 각각에 대한 값을 나타내는 제1축, 및 녹내장에 대한 기여도를 나타내는 제2축을 포함하는 SHAP 차트(Shapley Additive Explanations)를 포함하는 상기 그래픽 차트를 생성하고,상기 기여도는, 양수인 경우 해당 임상 정보가 녹내장 진단에 기여하는 것을 의미하고, 음수인 경우 해당 임상 정보가 정상인 진단에 기여하는 것을 의미하며, 상기 기여도의 막대의 절대값이 길수록 강력하게 기여하는 것을 의미하는,녹내장 진단 장치.

제1항에 있어서,상기 진단부는,상기 녹내장 진단 모델의 생성에 이용된 임상 정보의 분포 내에서 상기 피험자의 임상 정보의 값의 위치를 표현하거나 상기 진단 과정에서의 각 임상 정보의 역할을 표현하는 그래픽 차트를 생성하는,녹내장 진단 장치.

제2항에 있어서,상기 그래픽 차트는 게이지형 차트, 및 방사형 차트를 더 포함하는,녹내장 진단 장치.

제1항에 있어서,상기 녹내장 진단 모델은 XGboost을 이용하여 생성되는,녹내장 진단 장치.

제1항에 있어서,상기 피험자에 대한 최종 진단 결과를 피드백으로 입력받는 피드백 입력부; 및상기 피드백으로 입력받은 최종 진단 결과와 상기 진단부의 진단 결과가 상이한 경우, 상기 최종 진단 결과와 상기 임상 정보를 기반으로 상기 녹내장 진단 모델을 갱신하는 모델 갱신부; 를 더 포함하는,녹내장 진단 장치.

입력부와 진단부를 포함하는 녹내장 진단 장치에 의해 수행되는 녹내장 진단 방법에 있어서,상기 입력부가 피험자의 임상 정보를 입력받는 단계;상기 진단부가 기계학습 기반의 녹내장 진단 모델을 이용하여 상기 임상 정보로부터 상기 피험자에 대해 녹내장 여부를 진단하는 단계; 및상기 진단부가 진단 결과의 이유를 설명하기 위한 그래픽 차트를 생성하는 단계; 를 포함하고,상기 임상 정보는 망막신경섬유층 상측 두께, 망막신경섬유층 하측 두께, 망막신경섬유층 이측 두께, 안압 및 시야검사를 통해 획득되는 패턴표준편차를 포함하며,상기 그래픽 차트는, 샤플리 값(shapley value)을 기반으로 하고, 상기 피험자의 임상 정보와 상기 피험자의 임상 정보 각각에 대한 값을 나타내는 제1축, 및 녹내장에 대한 기여도를 나타내는 제2축을 포함하는 SHAP 차트(Shapley Additive Explanations)를 포함하고,상기 기여도는, 양수인 경우 해당 임상 정보가 녹내장 진단에 기여하는 것을 의미하고, 음수인 경우 해당 임상 정보가 정상인 진단에 기여하는 것을 의미하며, 상기 기여도의 막대의 절대값이 길수록 강력하게 기여하는 것을 의미하는,녹내장 진단 방법.

제6항에 있어서,상기 그래픽 차트를 생성하는 단계는,상기 진단부가, 상기 녹내장 진단 모델의 생성에 이용된 임상 정보의 분포 내에서 상기 피험자의 임상 정보의 값의 위치를 표현하거나 상기 진단 과정에서의 각 임상 정보의 역할을 표현하는 그래픽 차트를 생성하는,녹내장 진단 방법.

제7항에 있어서,상기 그래픽 차트는 게이지형 차트, 및 방사형 차트를 더 포함하는,녹내장 진단 방법.

제6항에 있어서,상기 녹내장 진단 모델은 XGboost을 이용하여 생성되는,녹내장 진단 방법.

제6항에 있어서,상기 녹내장 진단 장치는 피드백 입력부 및 모델 갱신부를 더 포함하고,상기 피드백 입력부가 상기 피험자에 대한 최종 진단 결과를 피드백으로 입력받는 단계; 및상기 피드백으로 입력받은 최종 진단 결과와 상기 녹내장 진단 모델을 이용하여 진단한 결과가 상이한 경우, 상기 모델 갱신부가 상기 최종 진단 결과와 상기 임상 정보를 기반으로 상기 녹내장 진단 모델을 갱신하는 단계; 를 더 포함하는,녹내장 진단 방법.

다수 환자들에 대한 임상 정보와 그에 대응하는 녹내장 진단 결과를 학습 데이터로 수집하고, 상기 수집된 학습 데이터를 기반으로 기계학습 모델을 학습시켜 녹내장 진단 모델을 생성하는 녹내장 진단 모델 생성 장치; 및피험자의 임상 정보를 입력받고, 상기 녹내장 진단 모델을 이용하여 상기 피험자의 임상 정보로부터 상기 피험자에 대해 녹내장 여부를 진단하고, 진단 결과의 이유를 설명하기 위한 그래픽 차트를 생성하는 녹내장 진단 장치; 를 포함하고,상기 임상 정보는 망막신경섬유층 상측 두께, 망막신경섬유층 하측 두께, 망막신경섬유층 이측 두께, 안압 및 시야검사를 통해 획득되는 패턴표준편차를 포함하며,상기 녹내장 진단 장치는, 샤플리 값(shapley value)을 기반으로 하고, 상기 피험자의 임상 정보와 상기 피험자의 임상 정보 각각에 대한 값을 나타내는 제1축, 및 녹내장에 대한 기여도를 나타내는 제2축을 포함하는 SHAP 차트(Shapley Additive Explanations)를 포함하는 상기 그래픽 차트를 생성하고,상기 기여도는, 양수인 경우 해당 임상 정보가 녹내장 진단에 기여하는 것을 의미하고, 음수인 경우 해당 임상 정보가 정상인 진단에 기여하는 것을 의미하며, 상기 기여도의 막대의 절대값이 길수록 강력하게 기여하는 것을 의미하는,녹내장 진단 시스템.