Dementia Prediction using LSTM Model based on Life-Log Data

우리나라는 평균 수명의 증가와 함께 초고령 사회로 빠르게 진입하고 있으며, 이로 인해 치매 유병률이 급격히 상승하고 있다. 치매는 인지능력과 신체능력의 저하를 동반과 동시에 여러 전조 증상을 나타난다. 일상생활에서 수집되는 라이프로그 데이터를 활용하여 치매 전조 증상을 조기에 감지한다면 중증 치매를 예방할 수 있다. 본 연구는 웨어러블 기기로 수집한 활동 및 수면 데이터를 연속형, 비연속형 샘플로 전처리하여, 치매환자를 예측하는 딥러닝 모델을 개발했다. 본 연구의 딥러닝 모델은 수면 및 활동 데이터를 하나로 통합하여 LSTM 모델에 적용했다. 또한, Random Forest와 LGBM을 결합한 앙상블 모델도 비교 분석했다. 연구 결과, LSTM 모델이 92.72%의 정확도로 가장 우수한 예측 성능을 보였다. 향후 연구에서는 다양한 변수와 데이터를 통합하여 예측 모델의 정확도를 높이고, 실제 임상 환경에서의 적용 가능성을 검증할 필요가 있다.