최근 연구에서 여성 성 노동자(FSW)와 같은 취약 계층의 정신 건강 위험을 예측하는 데 특화된 새로운 인공지능(AI) 모델이 제안되었습니다. 이들은 폭력, 낙인, 경제적 어려움 등으로 인해 우울증을 비롯한 정신 질환에 취약하지만, 기존 머신러닝(ML) 모델로는 복잡한 위험 패턴을 정확히 포착하기 어려웠습니다. 이번에 개발된 하이브리드 예측 모델은 이러한 한계를 극복하고, 정신 건강 문제에 대한 조기 개입의 기반을 마련할 수 있을 것으로 기대됩니다.
이 모델은 앙상블 특성 선택(Ensemble Feature Selection) 전략과 해리스 매 사냥 최적화(Harris Hawks Optimization) 기법을 결합한 것이 특징입니다. 구체적으로는 분산 분석(ANOVA)과 상호 정보(mutual information)를 활용한 특성 선택으로 데이터의 핵심 요소를 추출하고, 해리스 매 사냥 최적화로 로지스틱 회귀(logistic regression) 모델을 미세 조정하여 예측 정확도를 높였습니다. 3,005명의 여성 성 노동자 데이터를 분석한 결과, 이 모델은 95.78%의 정확도와 0.96의 AUC(Area Under the Curve)를 기록하며 기존 분류기보다 뛰어난 성능을 보였습니다. 특히, 외상 후 스트레스, 고객 관련 폭력, 직업적 요인들이 우울증의 주요 원인임을 명확히 밝혀냈습니다.
이번 연구는 설명 가능한 AI(XAI) 방법론을 적용하여 모델의 예측 결과를 이해하고, 어떤 요인이 정신 건강 위험에 영향을 미치는지 파악할 수 있게 했다는 점에서 큰 의미가 있습니다. 이는 단순히 위험을 예측하는 것을 넘어, 예측의 근거를 제시함으로써 취약 계층에 대한 증거 기반의 맞춤형 심리사회적 돌봄과 보건 계획 수립에 중요한 통찰을 제공합니다. 이 기술은 의료 전문가들이 정신 건강 문제에 대한 조기 지원을 제공하고, 특정 위험 요인에 초점을 맞춘 개입 전략을 개발하는 데 핵심적인 도구가 될 수 있습니다.