고령층 디지털헬스 리터러시 예측 설명가능한 머신러닝’ 모델 개발

AI 요약

가톨릭중앙의료원 전지원 교수팀이 자기보고식 평가와 수행 기반 지표를 결합한 통합 분석 프레임워크로 고령층 디지털헬스 리터러시(DHL)를 예측하는 설명가능한 머신러닝 모델을 개발했습니다. 연구는 60~74세 고령자 30명 파일럿과 55~74세 고령자 1,000명 온라인 설문을 결합해 베이지안 선형회귀로 설명변수를 도출한 뒤 5개 머신러닝 알고리즘으로 KeHEALS 수준을 이진 분류했고, 범주형 부스팅 모형인 CatBoost가 AUC 0.84로 가장 우수한 성능을 보였으며 SHAP로 결과를 해석했습니다. 분석 결과 건강 관련 앱 관심·디지털 기기 사용·운동은 DHL에 긍정적 영향을 미친 반면 연령·음주·흡연은 부정적 영향을 미치는 것으로 확인되었고 연구는 JMIR Medical Informatics 2026년 3월호에 게재되었습니다.