تُشكِّل البيانات الضوضائية والتشابه في المظاهر العينية الناجمة عن مختلف الأمراض العينية تحديات كبيرة أمام نظام الخبراء الآلي للكشف الدقيق عن أمراض الشبكية. بالإضافة إلى ذلك، فإن نقص قابلية نقل المعرفة والحاجة إلى مجموعات بيانات كبيرة بشكل غير معقول تحد من التطبيقات السريرية لأنظمة التعلم الآلي الحالية. لزيادة متانة هذه الأنظمة، يجب الاستفادة من فهم أفضل لكيفية حدوث تشوهات الفضاء الجزئي للشبكية التي تؤدي إلى مستويات مختلفة من شدة المرض، وذلك بهدف أولوية تفاصيل النماذج الخاصة بالأمراض. في هذا البحث، نقترح استخدام تمثيل خصائص محدد للأمراض كهندسة جديدة تتكون من شبكتين مشتركتين -- إحداهما لترميز النموذج المرضي تحت الإشراف والثانية لإنتاج خرائط الانتباه بطريقة غير مراقبة لحفظ المعلومات المكانية الخاصة بالأمراض. أظهرت نتائج التجارب على مجموعات البيانات المتاحة علنًا أن الشبكة المشتركة المقترحة تحسّن بشكل كبير دقة ومتانة شبكات تصنيف أمراض الشبكية الأكثر تقدمًا عند اختبارها على مجموعات بيانات لم يتم رؤيتها سابقًا.