질병 예측을 위한 AI 기반 지능형 개인 건강 기록(PHR) 관리 프레임워크 = AI-based Intelligent Personal Health Record (PHR) Management Framework for Disease Prediction

국문 초록 (Abstract)

의료 서비스의 패러다임이 질병 치료 중심에서 예방 및 PHR 기반의 능동적 건강 관리 체계로 전환됨에 따라, 의료 데이터의 신뢰성 확보와 지능적 활용의 중요성이 증대되고 있다. 그러나 현행 의료 정보 시스템은 의료기관별로 상이한 데이터 구조와 폐쇄적 운용으로 인해 상호운용성 확보에 한계가 있으며, 민감한 의료 데이터의 보안 및 유출 문제는 시스템 확산의 주요 저해 요인으로 지적되고 있다. 이에 본 연구에서는 이러한 문제를 해결하기 위해 블록체인 기술과 인공지능(AI) 기술을 유기적으로 결합한 4계층 구조의 지능형 PHR 관리 프레임워크를 제안한다. 특히 제안 시스템의 실증적 타당성을 검증하기 위해 대규모 임상 데이터셋(Cardiovascular Disease Dataset)을 활용하여 Random Forest, Support Vector Machine, Deep Neural Network 모델의 성능을 비교 분석하였다. 본 연구에서는 블록체인 기술과 인공지능 기술을 유기적으로 결합한 지능형 개인 건강 기록 관리 프레임워크를 제안하고, 대규모 임상 데이터를 통해 그 실효성을 검증하였다. 특히 성능을 검증하기 위해 임상 데이터셋을 활용하여 분석을 수행하였다. 분석 결과 Deep Neural Network 모델이 AUC 0.93으로 가장 우수한 예측 성능을 기록하였다. 연구의 객관성을 확보하기 위해 10-fold 교차검증과 SMOTE 데이터 증강 기법을 적용하였으며 각 모델 간 성능 차이에 대한 대응표본 t-검정 결과, p < 0.05 수준에서 통계적으로 매우 유의미한 차이가 확인되엇다. 향후 보건 의료 분야의 지능형 예방 관리 체계 구축을 위한 정책적·기술적 근거로 활용될 수 있을 것으로 기대된다.

다국어 초록 (Multilingual Abstract)

As the healthcare paradigm shifts from a disease treatment-centered approach to a proactive health management system based on prevention and Personal Health Records (PHR), the importance of ensuring the reliability and intelligent utilization of medical data is rapidly increasing. However, current medical information systems face significant limitations in achieving interoperability due to heterogeneous data structures and the siloed operations of different medical institutions. Moreover, the widespread adoption of these systems faces significant barriers due to security concerns and the risk of sensitive medical data leaks. To address these challenges, this study proposes a four-layer intelligent PHR management framework that organically integrates blockchain and Artificial Intelligence (AI) technologies. To verify the empirical validity of the proposed system, a comparative performance analysis was conducted using a large-scale clinical dataset (Cardiovascular Disease Dataset) involving Random Forest, Support Vector Machine, and Deep Neural Network models. The analysis results demonstrated that the Deep Neural Network model achieved the highest predictive performance with an AUC of 0.93. To ensure the objectivity and robustness of the research, 10-fold cross-validation and the SMOTE data augmentation technique were applied. Furthermore, a paired t-test on the performance differences between the models revealed a statistically significant difference at the p < 0.05 level. The findings of this study are expected to serve as a policy and technical foundation for establishing intelligent preventive management systems in the healthcare sector.