ScholarWorks@동국대학교

초록

본 연구는 빅데이터를 설명가능한 인공지능의 머신러닝 모델링을 통해 어떠한 특성을 지닌 노인이 자살을 생각하는지 예측함과 더불어 기존의 자살에 미치는 요인에 대한 탐 색을 확장하고자 하였다. 머신러닝과 딥러닝에 대한 6개의 알고리즘으로 예측 성능 지표 를 확인한 결과, Accuracy를 기준으로는 LGBM이 98.74% 예측력을, Precision을 기준 으로는 Random Forest를 통해 99.79%로 가장 성능이 높게 나타났다. 100명 중 자살 생각을 하는 99명 이상의 노인을 예측할 수 있다는 것을 의미한다. 머신러닝 및 딥러닝 알고리즘의 전체적인 기여뿐만 아니라 개개인 맞춤 영향 요인을 별도로 분석할 수 있는 장점이 있는 SHAP 모델을 활용하여, 어떠한 특성이 노인의 자살생각에 영향을 주는지 확인하였다. 마음이 슬퍼질수록, 파트너 관계 내 폭력을 경험할수록, 현재 흡연할수록, 잠을 설치거나, 지난 1년간 의료기관을 이용한 외래 진료 횟수가 많아지거나, 가족원 간 침착하게 문제를 논의하는 경우가 줄어들거나, 식욕이 없는 일이 빈번해지거나, 가족 수 입에 대한 만족도가 낮아지거나, 나이가 많아질수록, 식료품비 비용이 줄어들수록 자살 생각에 영향을 주는 것으로 파악되었다. 기존 연구에서 검증된 자살생각에 영향을 주는 인구사회학적, 경제적, 사회적, 건강 관련 영역 내 더 구체적인 하위 변인들을 확인할 수 있었다. 본 연구 결과를 통해, 지난 10년간 수집된 한국복지패널 빅데이터에서 설명 가능한 인공지능 알고리즘을 활용하여 개별 노인 자살 생각의 예측 변인을 도출함으로 써 사전에 자살을 예방할 수 있는 실용적인 정보를 제공하고자 하였다.

키워드