Predicting Post-No-Show Visit Patterns in Health Screenings: An XAI-Based Analysis of Contributing Factors

의료기관의 예약부도는 의료 서비스 자원의 낭비와 운영 효율성 저하를 초래하는 문제이며, 특히, 예약부도 이후 고객의 방문 여부를 예측하는 것은 실무적으로 중요하다. 본 연구는 한국건강관리협회의 2020~2022년 데이터를 활용하여 예약부도 이후 고객의 방문과 미방문 가능성을 예측하고, 설명 가능한 인공지능(Explainable AI, XAI) 기법을 이용해 주요 기여 요인을 분석하였다. Random Forest, Decision Trees, LightGBM을 포함한 머신러닝 및 앙상블 모형을 비교하였으며, 방문 예측에는 LightGBM 모형, 미방문 예측에는 Random Forest 모형이 가장 우수한 성능을 보였다. SHAP 기법을 적용한 결과, 과거 재예약 여부와 신규 고객 여부 변수가 공통적으로 중요한 요인으로 나타났다. 또한, LIME 기법을 통해 변수별 영향력의 방향성과 중요도를 시각적으로 해석할 수 있도록 하였다. 본 연구는 의료기관의 예약 시스템 개선에 기여하며, 예약부도 이후 고객 행동을 예측함으로써 의료 자원의 효율적 운영과 맞춤형 고객 관리 전략 수립에 통찰을 제공한다.