본 연구는 안저 이미지만을 이용하여 20가지 안구 질환을 정확하게 예측할 수 있는 포괄적인 진단 시스템을 개발하여 의료 서비스 접근성이 낮은 지역의 안구 질환 환자들을 위한 의료 격차 해소에 목표를 두고 있다. 제한적이고 다양성이 부족한 데이터셋과 불균형 클래스 분포라는 어려움을 극복하기 위해, 심층 CNN, Transformer 인코더, 앙상블 아키텍처를 순차적 및 병렬적으로 결합한 하이브리드 모델을 개발하였다. C-Tran 앙상블 모델은 0.9166의 높은 점수를 달성하여 기준 모델(0.9)을 능가하였으며, IEViT 모델 또한 향상된 계산 효율성과 함께 우수한 성능을 보였다. 동적 패치 추출과 도메인 지식 통합의 효과도 확인하였다. 이 연구는 접근성이 낮은 지역에서의 안구 질환 진단 정확도 향상에 크게 기여할 것으로 기대된다.
