В исследовании представлен инновационный метод AUBADE-syn, предназначенный для автоматизированного обнаружения глаукомы с использованием глубокого обучения. Основная проблема, которую решают авторы — это критический дисбаланс классов в медицинских наборах данных, когда здоровых глаз значительно больше, чем пораженных. Для преодоления этого барьера методология включает использование синтетических изображений глазного дна, сгенерированных для расширения обучающей выборки. Предложенный ансамблевый подход позволяет повысить точность классификации и устойчивость модели к редким патологическим случаям. Результаты демонстрируют, что интеграция синтетических данных существенно улучшает диагностическую способность нейросетей в условиях ограниченности реальных клинических снимков. Данная разработка имеет высокую практическую значимость для офтальмологической диагностики, позволяя создавать более надежные ИИ-системы скрининга.