고령층 디지털헬스 리터러시 예측 설명가능한 머신러닝’ 모델 개발

AI 요약

가톨릭중앙의료원 기초의학사업추진단 인공지능뇌과학사업단의 전지원 교수팀이 파일럿 집단 연구(60~74세 고령자 30명)와 대규모 설문(55~74세 고령자 1,000명)을 결합해 고령층의 디지털 헬스 리터러시(DHL)를 예측하는 설명가능한 머신러닝 접근법을 개발했습니다. 연구는 베이지안 선형회귀로 주요 변수를 도출한 뒤 5개 머신러닝 알고리즘으로 KeHEALS 수준을 이진 분류하고 SHAP으로 해석하는 2단계 방법을 적용했으며, 건강 관련 앱 관심·디지털 기기 사용·운동은 DHL에 긍정적 영향을, 연령·음주·흡연은 부정적 영향을 미치는 것으로 나타났습니다. 범주형 부스팅 모형인 CatBoost가 AUC 0.84로 가장 우수한 성능을 보였고 해당 연구는 국제학술지 JMIR Medical Informatics 2026년 3월호에 게재되었습니다.