导读青光眼是导致失明的主要眼科疾病。它可以在没有特定症状的情况下进行，如果患者错过治疗期，则可能无法恢复，而治疗费用也可能成倍增加。因
青光眼是导致失明的主要眼科疾病。它可以在没有特定症状的情况下进行，如果患者错过治疗期，则可能无法恢复，而治疗费用也可能成倍增加。因此，基于准确诊断的早期治疗对该疾病至关重要。
由朴基镐教授和朴相敏教授领导的研究小组通过分析从首尔大学医院健康促进中心接受治疗的患者队列中获得的6,000张眼底图像，对AI进行了青光眼诊断的培训。 。
之后，为了解释青光眼的诊断，研究小组对完成的AI应用了对抗性解释方法。
对抗性解释是一种使用预测深度学习模型(DLM)进行反例分析的方法，以此来解释DLM对青光眼特定特征的理解。
通过使用这种方法，医生可以确认在对抗性例子中是否添加或强调了青光眼的发现，从而证实了对AI青光眼的理解。
相反，如果AI产生的对抗性例子正常，则医生可以确认已删除实际的青光眼发现。
结果，研究小组通过对抗性实例证实了青光眼的发现有所改变。
对眼科医生进行的一项调查结果表明，与传统方法相比，该团队发现使用对抗性示例可以帮助医生更好地理解AI。
“这次开发的AI解释方法比现有的Heatmap方法具有更高的解释能力，该方法仅显示病变的位置。它也显示了导致青光眼诊断的医学发现。” Park Ki-ho教授说。
朴相民教授说：“新的可解释的AI技术解决了现有AI程序的黑匣子问题，并提高了可靠性。”