본 논문은 당뇨병성 망막증(DR)의 정확한 병기 분류를 위해 해석 가능한 진단 방법을 제시합니다. 생물학적 정보를 바탕으로 혈관 형태 및 공간 연결성과 같은 핵심 망막 혈관 특징을 인코딩하는 그래프를 광간섭 단층 혈관조영술(OCTA) 이미지로부터 생성합니다. 그래프 신경망(GNN)을 이용하여 DR 병기를 분류하고, 통합 기울기(integrated gradients)를 통해 분류 결정에 영향을 미치는 중요한 노드, 에지 및 개별 특징을 강조합니다. 이러한 그래프 기반 지식을 VLMs(Vision-Language Models)에 사용 가능한 텍스트 설명으로 변환하여 instruction-tuning을 수행함으로써, 단일 이미지 입력만으로 질병을 분류하고 인간이 이해할 수 있는 방식으로 결정을 설명하는 최종 모델을 학습시킵니다. 실험 결과, 제시된 방법은 분류 정확도를 향상시키는 동시에 임상적으로 더 해석 가능한 결과를 제공하며, 전문가 연구를 통해 정확한 진단 설명과 OCTA 이미지 병변의 정밀한 위치 파악이 가능함을 보여줍니다.
