랜덤포레스트, 가중 랜덤포레스트, 서포트 백터 회귀를 이용한 지역사회 노인의 대면 이름대기 예측

국문 초록 (Abstract)

치매 환자가 늘어남에 따라 노인의학계에서는 치매 초기의 특성에 대한 이해와 조기감별을 주제로 한 연구가 활발하게 진행되고 있다. 최근에는 치매 등 노년기 인지장애의 효율적인 감별지표로 대면 이름대기가 주목받고 있다. 치매환자들의 언어능력의 퇴행이 치매의 초기부터 뚜렷하게 나타나므로 치매를 진단할 때 인지와 언어능력에 대한 평가는 매우 중요한데, 그중에서도 이름대기는 치매선별검사에서 필수적으로 포함되는 하위검사이다. 지난 10년간 질병의 복합적인 위험요인을 규명하는 방법으로 서포트 백터 회귀(SVR), 가중랜덤포레스트, 랜덤포레스트 등 지도학습 기반 기계학습 알고리즘이 널리 활용되고 있다. 앙상블 머신이 결정트리에 비해서 질병의 유무 등 이진데이터(binary data)를 분류하는 데 예측력이 더 높은 것으로 알려져 있음에도 불구하고, 건강행위나 인구사회학적 요인을 포함하여 노년기 인지장애를 예측하는 모형은 주로 회귀모형이나 결정트리가 수행되었으며, 앙상블 머신을 이용한 연구는 소수에 불과하다. 이 연구에서는 지역사회 노인을 대상으로 SVR, 랜덤포레스트, 가중랜덤포레스트를 이용하여 대면 이름대기 예측모형을 개발하고, 각 모형의 정확도를 비교하여 성능이 우수한 알고리즘을 파악하였다.
이 연구는 서울, 인천에 거주하는 65세 이상 74세 이하 지역사회 노인 485명(남성 248명, 여성 237명)을 대상으로 하였다. 결과변수는 대면 이름대기 능력은 Short forms of the Korean-Boston Naming Test(K-BNT-15)로 측정하였다. 회귀분석은 최소제곱법을 이용한 회귀계수 추정 방법을 적용하여 다중선형회귀 모델을 구축하였다. 랜덤포레스트는 결정트리모형 개발 제한 수를 100으로 하였다. SVR은 커널함수중 가장 기본인 되는 liner커널함수를 이용해서 분석하였고, 회귀모형의 일반화를 결정짓는 모수인 c는 15.0, 정밀 모수(precision parameter)인 e-무감도 손실함수(e-insensive loss function)의 값은 0.001로 설정하여 분석하였다. 본 연구에서는 개발된 모형의 예측성능을 평가하고자 Root Mean Squared Error(%)를 비교하였다.
연구결과, Root Mean Squared Error 28.4%로 도출된 가중 랜덤포레스트 알고리즘이 대면 이름대기의 예측을 위한 성능이 가장 우수한 모델로 확인되었다. 향후 가중랜덤포레스트의 예측성능을 입증하기 위해서 다양한 분야의 데이터를 이용하여 정확도 외에 민감도, 특이도, 조화평균 등의 다양한 성능지표를 산출하여 다른 머신러닝모형과 비교하는 추가적인 연구가 요구된다.