A Systematic Review of Challenging Behavior Prediction in Individuals with Severe Disabilities Using Wearable Biosignals and Machine Learning

연구목적: 본 연구는 웨어러블 생체신호와 머신러닝을 활용한 발달장애인의 도전행동 예측 연구(2015-2025) 동향을 체계적으로 분석하여, 국내 적용을 위한 이론적 토대를 마련하는 데 목적이 있다. 연구방법: PRISMA 2020 지침에 따라 지난 10년간의 국외 연구를 검색하여 최종 8편을 선정하였다. 분석은 생체신호 유형, 머신러닝 알고리즘, 예측 성능 등을 중심으로 수행되었다. 연구결과: 분석 결과, 심박수, 동작, 수면 패턴 등 생체신호가 도전행동 예측에 유의미한 변수임이 확인되었다. 개인의 생리적 특성을 학습한 개인 의존 모델(Person-Dependent Models)이 전역 모델(Global Model)보다 높은 예측 정확도(평균 AUC 0.84)를 나타냈으며, 장기간의 수면 데이터가 도전행동 예측에 중요하게 작용함이 확인되었다. 결론: 본 연구는 해당 기술이 반응적 중재를 예방적 중재로 전환할 잠재력을 지니고 있음을 확인하였다. 기술․공학적 접근의 국내 적용을 위해서는 개인 맞춤형 모델 개발과 함께 윤리적 고려 및 다학제적 협력이 전제 되어야하며, 국내 실정에 맞는 후속 연구가 필수적임을 논의하였다.