Enhancing Sarcopenia Prediction with Genetic Algorithms for Feature Selection

근감소증은 특히 노년층에서 많이 발생하며 최근 의료계에서 주요한 관심사가 되고 있는 질병이다. 근감소증을 유발하는 원인과 진단할 수 있는 방법이 다양하기 때문에 어느 특정 원인이 근감소증을 유발하는지 명확히 알려지지 않아 인간의 지식으로 정확하게 예측하는 것에 한계가 있다. 본 논문에서는 고령화연구패널(KLoSA) 설문조사 데이터를 사용하여 데이터 전처리와 유전 알고리즘을 이용한 특징 선택을 통해 근감소증 예측의 정확도를 향상시키는 방안을 탐구하였다. 데이터 전처리를 통해 특징 수를 2,756개에서 613개로 줄였으며, 로지스틱 회귀, XGBoost, 랜덤 포레스트를 각 분류 알고리즘으로 사용하여 유전 알고리즘을 활용한 특징 선택을 진행한 결과, 최대 84.73%의 정확도와 0.5953의 F1-스코어를 달성했다. 이 결과는 설문 조사 형태의 데이터 분석에 유전 알고리즘을 효과적으로 적용하는 방법에 대한 실질적인 가이드라인을 제공한다.