자동화 기계학습을 이용한 노인 우울증 예측 = Prediction of Depression in the Elderly using Automated Machine Learning

국문 초록 (Abstract)

최근 한국에서 급격한 고령화 인구의 증가는 중요한 사회적 문제로 대두되고 있으며, 특히 노인 우울증 환자의 비중이 크게 증가하고 있다. 본 논문은 2020년 노인 실태조사 데이터를 활용해 AutoML(Automated Machine Learning) 기반의 노인 우울증 예측모델을 제시한다. 예측 정확도 향상을 위해 결측값 처리, 원-핫 인코딩, 레이블 인코딩 등의 전처리와 오버샘플링 기법을 적용하였다. AutoML을 통해 최적의 ML 모델을 선정하고 하이퍼파라미터를 조정하여 최종 예측 모델을 도출하였다. 결과에서 최적화된 모델을 기초로 특성 중요도를 산출하였으며, 이를 통해 노인 우울증은 단일 요인에 의해 발생하는 것이 아니라 신체적, 경제적, 심리적 요인들의 복합적인 상호작용에 의해 영향을 받는다는 것을 알 수 있었다.

다국어 초록 (Multilingual Abstract)

The rapid increase in the aging population in Korea has recently emerged as a significant social issue, with a notable rise in the proportion of elderly patients with depression. This paper presents an Automated Machine Learning(AutoML) based prediction model for geriatric depression using the 2020 Elderly Survey data. To enhance prediction accuracy, preprocessing techniques such as missing value handling, one-hot encoding, and label encoding were applied, along with oversampling to address class imbalance. Through AutoML, the optimal ML model was selected and its hyperparameters were adjusted to derive the final prediction model. Based on the optimized model, feature importance analysis was conducted, revealing that geriatric depression is influenced by a complex interaction of physical, economic, and psychological factors rather than a single cause.