Forecasting Dementia Prevalence across Nationwide Korean Districts using LSTM-based Deep Learning

노인의 치매 발병과 관련된 개인단위 수준의 연구는 많이 이루어져 왔으나, 장기간에 걸친 축적된 자료를 바탕으로 미래의 치매 유병률을 예측하는 지역단위 수준의 연구는 부족한 실정이다. 본 연구는 우리나라 228개 시군구에 대해 2015년부터 2021년까지 7년간 축적된 치매 유병률 데이터를 활용하여, Long Short-Term Memory(LSTM) 기반의 딥러닝 기법을 통해 시공간적 관점에서 미래의 치매 유병률을 예측하고자 수행하였다. 지리가중회귀분석(Geographically Weighted Regression)에서 LSTM이 예측한 유병률은 실제 유병률과 높은 상관관계를 보였다(Adjusted R2 2022년 0.992 vs 2023년 0.985). 비수도권 지역의 치매유병률은 7년간 반복적인 경향을 보여, training data에 따른 LSTM 예측 결과와 실제 치매 유병률 간에 높은<br/>상관성(local coefficient: 0.97 이상)을 보여주고 있다. 비수도권 지역에 대한 LSTM 예측의 신뢰도가 높다는 사실은 비수도권에 거주하는 노인들이 타지역에 비해 치매에 노출될 가능성이 높다는 것을 의미한다. 본 연구는 과거의 시공간 자료를 바탕으로 치매 유병률을 예측하지 않은 선행연구의 한계를 극복할 수 있는 중요한 참고자료로 활용될 수 있을 것으로 판단된다.