라이프로그 데이터를 기반으로 여러 가지 치매 위험도 예측 모델들의 성능 비교 연구

본 연구는 광주광역시 서구 건강관리센터에서 수집한 라이프로그 데이터를 기반으로 여러 가 지 기계학습 알고리즘들을 사용하여 고령층의 치매 위험도를 예측하고 치매 정도를 완화할 수 있는 바람직한 건강 관리를 방안을 제시하는 것을 목적으로 한다. 먼저, 라이프로그 데이터의 여 러 가지 항목 중에서 집중 데이터, H-베타 파워값, 상대좌뇌 파워값, 심장건강, 교감신경 활성도, 부교감 신경 활성도, 자율신경 활성도의 총 7개 항목의 응답 값들을 기반으로 치매 정도를 결정 하는 반응변수의 수준별 라벨값을 생성하였다. 그리고 생성된 반응변수의 라벨값들과 라이프로 그 데이터를 구성하고 있는 나머지 항목들에 대해서 상관분석을 통해 치매 위험도에 영향을 많 이 미치는 중요한 요인들을 도출하였다. 마지막으로 추출된 중요한 요인들을 독립변수로 하고 생성된 반응변수의 라벨값을 종속변수로 하여 세 가지 기계학습 알고리즘을 이용하여 치매 위험 도를 예측하였다. 분석 결과로부터 로지스틱 회귀모형이 의학 자료 분석에서 가장 중요하게 생 각하는 측도인 AUC (Area under the ROC curve)와 recall이 가장 높게 나타났음을 알 수 있다. 랜 덤포레스트 모형과 엑스지부스트 모형은 특이도(specificity) 값이 크게 나타나 정확도(accuracy)가 높은 편이었다. 끝으로 우리는 주어진 결과들을 이용하여 치매 위험도를 예측하는 앱 기반 시스 템을 개발하고, 치매 정도를 완화할 수 있는 바람직한 건강 관리를 방안을 제시하는 데 도움이 될 것으로 기대된다.