AI 모델, 안과 검사 오류를 크게 줄인다

연구자들은 최근에 시력 문제를 더 정확하게 진단할 수 있는 인공 지능 알고리즘을 설계했습니다. Science에 따르면, 새로운 테스트는 약 74%의 안과 검사 오류를 줄일 수 있다고 합니다.

안과 의사들은 수십 년 동안 같은 시력 테스트, 즉 다양한 크기의 글자와 기호가 있는 차트를 사용해 왔습니다. 테스트 결과는 안과 의사가 해석해야 하며,当然, 결과 해석과 진단에서 오류가 발생할 수 있습니다. 스탠퍼드 대학교의 연구자들은 이러한 테스트를 개선하기 위해 인공 지능 알고리즘을 개발했습니다.

스탠퍼드 대학교의 컴퓨터 과학자 크리스 피치(Chris Piech)에 따르면, 전통적인 테스트의 문제는 테스트 대상자가 볼 수 있는 글자의 크기가 작아질 때, 대상자가 글자를 추측하기 시작한다는 것입니다. 이러한 추측은 테스트 결과가 여러 번 테스트할 때마다 달라질 수 있습니다. 더 정확하고 재현 가능한 테스트를 개발하기 위해, 피치와 동료들은 온라인 테스트를 만들었으며, 테스트 결과를 사용하여 인공 지능 모델을 훈련했습니다. 온라인 테스트는 사용자가 화면을 캘리브레이션하는 과정을 거칩니다. 이후 사용자는 화면에서 떨어진 거리를 입력하고, 프로그램은 다양한 방향으로 나타나는 “E” 글자를 표시합니다. 이후 모델은 사용자에게 시력 점수를 할당하며, 20개의 질문을 각 눈에 대해 묻고, 시력 점수를 업데이트합니다. 프로그램은 시력 점수에 따라 예측을 합니다.

연구 팀은 컴퓨터 시뮬레이션을 통해 1000번의 테스트를 수행했습니다. 컴퓨터 시뮬레이션은 알려진 시력 점수를 사용하여 실제 환자의 입력을 모방합니다. 연구자들은 이러한 방식으로 테스트를 수행했으며, 이는 실제 테스트 결과와 비교할 수 있는 “진짜” 시력 점수를 제공하기 때문입니다. 연구자들은 자신의 모델이 전통적인 시력 테스트보다 약 74%의 진단 오류를 줄일 수 있다고 합니다. 이러한 결과에도 불구하고, 피치와 동료들은 모델이 의사를 대체하기 위한 것이 아니라, 의사가 진단의 정확성을 높이기 위해 사용할 수 있는 도구라고 주장합니다.

안과 의사 마크 블레처(Mark Blecher)는 Science에 따르면, 프로그램은 안과학에서 인공 지능 모델의 유용한 구현이지만, 연구자들은 테스트 대상자의 환경을 고려해야 한다고 주장합니다. 이러한 속성은 테스트 결과에 영향을 미칠 수 있습니다. 또한 블레처는 연구자들이 새로운 모델을 사용하고 새로운 표준을 정립하는 데 어려움을 겪을 수 있다고 예상합니다.

피치와 동료들의 연구는 최근 안과와 인공 지능에 관한 유일한 발전이 아닙니다. 최근에 구글은 안과 조건을 예측할 수 있는 인공 지능 모델을 개발했습니다. 이는 시력을 잃을 수 있는 일반적인 안과 조건을 식별하는 데 임상 의사보다 우수할 수 있습니다. 구글의 딥마인드는 무어필즈 안과병원과 협력하여 심한 황반변성의 발병 가능성을 의미 있게 예측할 수 있는 모델을 개발했습니다. 이스라엘의 스타트업인 AEYE Health는 컴퓨터 비전 기술과 기계 학습을 사용하여 일반적인 안과 조건을 기본적으로 정확하게 인식할 수 있는 망막 스캐너를 개발했습니다. 이러한 스캐너는 양성 진단이 확인되면 환자를 의사에게 보냅니다.