기계학습과 딥러닝을 활용한 당뇨병 조기 예측 모델 개발 및 최적화 연구

• 영문명: Development and Optimization research on diabetes early prediction model using machine learning and deep learning
• 발행기관: 한국의료정보교육협회
• 저자명: 심현(Hyun Sim) 김윤수(Yun-Su Kim) 김성훈(Sung-Hun Kim) 박지수(Ji-Su Park) 김항건(Han-Gun Kim)
• 간행물 정보: 『보건의료생명과학논문지』Vol.13 No.1, 143~155쪽, 전체 13쪽
• 주제분류: 의약학 > 의학일반
• 파일형태: PDF
• 발행일자: 2025.03.31

국문 초록

당뇨병의 조기 진단과 예측은 질환 진행을 막고 효과적인 치료 전략을 수립하는 데 필수적이다. 본 연구는 머신러닝(SVM, Random Forest, XGBoost) 및 딥러닝(ANN, CNN, LSTM) 기법을 활용하여 당뇨병 예측 모델을 개발하고 성능을 비교·분석하였다. 데이터 불균형 해결을 위해 GAN 기반 데이터 증강을 적용하고, SHAP 기법을 활용해 모델의 예측 과정을 설명 가능하도록 설계하였다. 또한, 국내 병원 EHR 및 웨어러블 데이터 활용을 통해 한국인의 특성을 반영한 모델을 구축하였다. 향후 연구에서는 당뇨병뿐만 아니라 다양한 만성질환 예측과 실시간 모니터링 및 맞춤형 예방 시스템 개발에 기여하고자 한다.

영문 초록

Early diagnosis and prediction of diabetes are essential for preventing disease progression and establishing effective treatment strategies. This study aims to develop and evaluate a diabetes prediction model using machine learning (SVM, Random Forest, XGBoost) and deep learning (ANN, CNN, LSTM) techniques. To address data imbalance, a GAN-based data augmentation method was applied, and the SHAP technique was utilized to enhance the interpretability of the model's predictions. Additionally, a model incorporating Korean-specific characteristics was developed using electronic health records (EHR) from domestic hospitals and wearable device data. Future research aims to extend the model to predict various chronic diseases and contribute to the development of real-time monitoring and personalized prevention systems.

목차

1. 서론

2. 선행연구

3. 본론

4. 결론

References

키워드

Data augmentation Deep learning Diabetes prediction Machine learning Medical data