이 논문은 성노동 여성(FSW)의 우울증 등 정신건강 위험을 예측하는 설명가능한 하이브리드 머신러닝 모델을 제안한다. ANOVA와 상호정보량을 결합한 앙상블 특성 선택에 Harris Hawks 최적화로 튜닝한 로지스틱 회귀를 결합해, 군집지능(swarm intelligence)을 취약계층 정신건강 예측에 새롭게 적용했다. 3,005명의 FSW 데이터에 적용한 결과 정확도 95.78%, F1 95.77%, AUC 0.96으로 기존 분류기를 앞섰고, 외상후 스트레스·고객 관련 폭력·직업적 요인이 우울증의 주요 기여 요인으로 식별됐다. 설명가능 AI(XAI) 기법으로 예측과 연관된 트라우마 요인을 해석함으로써, 취약계층이 조기 개입과 근거 기반 맞춤형 심리사회적 돌봄을 받도록 돕는 도구를 제시한다.
- •ANOVA·상호정보량 앙상블 특성 선택 + Harris Hawks 최적화 로지스틱 회귀 결합
- •3,005명 FSW 데이터에서 정확도 95.78%, F1 95.77%, AUC 0.96 달성
- •외상후 스트레스·고객 관련 폭력·직업적 요인을 우울증 주요 기여 요인으로 식별
- •군집지능을 취약계층 정신건강 예측에 새롭게 적용
- •XAI로 트라우마 요인을 해석해 조기 개입·맞춤형 돌봄 지원
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
Ensemble Feature Selection and Harris Hawks Optimization for Explainable Mental Health Risk Prediction in Female Sex Workers
- 1.여성 성노동자(FSW) 우울증 위험을 예측하는 하이브리드 ML 모델 제안, 정확도 95.78% 달성
- 2.ANOVA·상호정보 앵상블 특징 선택과 Harris Hawks 최적화 튜닝 로지스틱 회귀 결합
- 3.3,005명 대상 적용, F1 95.77%·AUC 0.96으로 전통 분류기 능가
- 4.설명가능 AI로 외상후 스트레스·고객 관련 폭력·직업 요인을 주요 우울 기여 요인으로 식버
왜 중요한가?
고차원의 복잡한 위험 패턴을 잘 포착하지 못하던 기존 ML의 한계를 넘어, 취약 집단의 조기 개입과 근거 기반 심리사회 돌봄을 가능하게 하는 설명가능 위험 예측 도구를 제시한다.
여성 성 노동자의 정신 건강 위험을 설명 가능하게 예측하는 AI 모델 개발 연구는 사회적 취약 계층 지원에 AI가 활용될 가능성을 보여줍니다. 국내에서도 AI 기반 복지 서비스 도입 시 설명 가능성과 윤리적 데이터 활용이 중요하게 논의되는 만큼, 이 연구는 해당 분야의 기술적, 사회적 고려 사항에 대한 통찰을 제공합니다. 이는 사회적 책임감을 가진 AI 개발의 중요한 사례가 될 수 있습니다.
본문 미리보기
arXiv:2606.24047v1 Announce Type: new Abstract: One of the significant mental health issues affecting female sex workers (FSWs) is mental disorders, especially depression. Exposure to violence, stigma, and economic hardship further increases their psychological risk. Current machine learning (ML) models are typically ineffective at capturing the high-dimensional and complex risk patterns that exist in this marginalized group. This paper suggests a hybrid predictive model that merges an ensemble
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 13:55AI 초안
