사회적 돌봄 공백 해소를 위한 고령자 낙상예방 AI 모델 연구

• 영문명: A Study on an AI-Based Fall Prevention Model for Older Adults to Address Gaps in Social Care
• 발행기관: 글로벌응용인문학회
• 저자명: 김도연(Doyeon Kim)
• 간행물 정보: 『글로벌응용인문학연구』제3권 2호, 117~135쪽, 전체 19쪽
• 주제분류: 인문학 > 기타인문학
• 파일형태: PDF
• 발행일자: 2025.08.31

국문 초록

급속한 고령화 사회로 진입하면서 독거노인 증가와 돌봄 인력 부족으로 인한 사회적 돌봄 공백이 심각한 사회문제로 대두되고 있다. 특히 고령자의 낙상은 사망률과 장애율을 급격히 증가시키는 주요 원인으로, 예방적 차원의 접근이 필수적이다. 본 연구는 인공지능기술을 활용하여 고령자의 일상 행동을 실시간으로 분석하고 낙상 위험을 사전에 예측함으로써 돌봄 공백을 보완할 수 있는 AI 기반 낙상 예방 모델을 개발하였다. 딥러닝 기반의 행동 패턴 분석과 센서 데이터 융합을 통해 낙상 위험도를 평가하고, 위험 상황 발생 시 즉각적인 알림 시스템을 구현하였다. 실험 결과, 개발된 모델은 92.3%의 정확도로 낙상위험을 예측하였으며, 응급상황 대응 시간을 평균 67% 단축시켰다. 이는 고령자의 안전한 독립생활을 지원하고 사회적 돌봄 체계의 효율성을 크게 향상시킬 수 있는 혁신적 솔루션으로 평가된다.

영문 초록

As society rapidly transitions into an aging population, the social care gap caused by increasing numbers of elderly living alone and shortage of care workers has emerged as a serious social problem. Falls among the elderly are a major cause of rapidly increasing mortality and disability rates, making preventive approaches essential. This study developed an AI-based fall prevention model that can supplement care gaps by analyzing elderly people's daily behaviors in real-time and predicting fall risks in advance using artificial intelligence technology. Through deep learning-based behavioral pattern analysis and sensor data fusion, fall risk levels were evaluated, and an immediate notification system was implemented when dangerous situations occur. Experimental results showed that the developed model predicted fall risks with 92.3% accuracy and reduced emergency response time by an average of 67%. This is evaluated as an innovative solution that can support safe independent living for the elderly and significantly improve the efficiency of social care systems.

목차

Ⅰ. 서론

Ⅱ. 이론적 배경 및 선행연구

Ⅲ. 연구 방법론

Ⅳ. 실험 결과 및 분석

Ⅴ. 논의 및 시사점

Ⅵ. 결론

참고문헌

키워드

고령자 낙상예방 인공지능 딥러닝 사회적 돌봄 행동 패턴 분석 센서 융합 응급상황 대응 Elderly Fall Prevention Artificial Intelligence Deep Learning Social Care Behavioral Pattern Analysis Sensor Fusion Emergency Response