提案する適応的Dualカリキュラムは容易/困難、正常/異常などの偏ったデータの学習効果をバランスよく調整するための適応的な学習基準とみなせる。生徒モデルが決定手順におけるバイアスを特定しPriorを得て教師モデルが新しく設計されたカリキュラムを用いてデータ分布をリサンプリングし偏りを解消。

2つのメジャーな緑内障データセット(LAG/RIM-ONE)において，従来手法と比較して定量値(Accuracy/Sensitivity/Specificity/AUC/F2-score)で最高の性能を達成。

社会的に非常に重要度の高いテーマであり、その実用段階で生じている課題に取り組んでいる。