기계학습을 이용한 확장형 건강 데이터 기반의 개인화 당뇨병 예측 기법

Personalized Diabetes Prediction Method Using Machine Learning Based on Expanded Health Data

본 연구는 기계학습 기반 인공지능(AI) 알고리즘인 AdaBoost 분류기를 활용하여 다양한 건강 지표를 통합한 개인 맞춤형 당뇨병 예측 모델을 제안한다. 2022년 국민건강영양조사(KNHANES) 데이터를 기반으로, 기존의 생리학적 진단 지표인 공복 혈당과 당화혈색소(HbA1c) 외에 연령, 체질량지수(BMI), 요당(urine sugar), A형 간염 항체, 혼인 상태를 포함한 확장 변수를 적용하였다. 제안 모델은 5-fold 교차검증을 통해 정확도, 정밀도, 재현율, F1-score에서 78%의 성능을 보였으며 이는 확장된 건강 속성을 포함한 다변량 분석으로 달성한 결과라는 점에서 유의미하다. 특히 기존의 전통적 지표 중심의 모델 대비, 예측의 균형성과 안정성이 향상되었으며 결과적으로 다양한 건강 속성에 기반한 당뇨병 조기 위험군 식별과 위험군 식별과 예방 중심 건강관리 전략 수립에 기여할 수 있음을 보여준다.

This study proposes a personalized diabetes prediction model by employing the AdaBoost classifier, a machine learning based artificial intelligence (AI) algorithm, to integrate diverse health indicators. Using data from the 2022 Korea National Health and Nutrition Examination Survey (KNHANES), the model incorporates extended variables—including age, body mass index (BMI), urine sugar, hepatitis A antibody, and marital status—in addition to traditional physiological diagnostic indicators such as fasting blood glucose and glycated hemoglobin (HbA1c). The proposed model achieved 78% performance in accuracy, precision, recall, and F1-score under 5-fold cross-validation, which is meaningful as it was obtained through multivariate analysis with extended health attributes. Compared to conventional models centered on traditional indicators, the proposed approach demonstrated improved balance and stability in predictions, thereby contributing to the early identification of high-risk groups and the establishment of prevention-focused healthcare strategies.