Ensemble Feature Selection and Harris Hawks Optimization for Explainable Mental Health Risk Prediction in Female Sex Workers

기술 요약: 여성 성노동자의 설명 가능한 정신 건강 위험 예측을 위한 앙상블 특징 선택 및 해리스 호크 최적화

문제 정의
여성 성노동자(FSW)는 구조적 폭력, 낙인, 경제적 불안정성 및 직업적 위험으로 인해 우울증과 외상 후 스트레스 장애(PTSD)를 포함한 정신 건강 질환에 불균형적으로 높은 부담을 안고 있다. 머신러닝(ML)은 이러한 복잡한 결과를 모델링할 수 있는 잠재력을 제공하지만, 기존의 접근 방식은 고차원적이고 비선형적이며 불균형한 데이터셋을 다루는 데 어려움을 겪는 경우가 많다. 전통적인 통계 방법론과 단순한 분류기들은 폭력 노출, 사회경제적 변수, 그리고 건강 지표 사이의 복잡한 상호작용을 포착하는 데 자주 실패한다. 또한, 통합된 특징 선택, 정교한 최적화 및 설명 가능한 AI(XAI)의 부재는 현재의 예측 모델의 정확도, 안정성 및 임상적 해석 가능성을 제한하여 조기 개입과 표적화된 심리 사회적 케어를 저해한다.

방법론
본 연구는 여성 성노동자의 우울증 예측에 대한 성능과 해석 가능성을 모두 향상시키기 위해 설계된 하이브리드 예측 프레임워크를 제안한다. 방법론은 다음과 같은 구조화된 파이프라인을 따른다:

1. 데이터 수집 및 전처리: 모델은 남아프리카 공화국 9개 주에서 수집된 3,005명의 성인 여성 성노동자를 대상으로 한 커뮤니티 기반 단면 데이터를 활용한다. 원시 데이터는 20개의 열로 구성되었으며, 결측치 처리(수치형 데이터는 평균 대치, 범주형 데이터는 제거) 및 인코딩을 거친 후 최종 데이터셋은 2,911개의 관측치와 19개의 특징으로 구성되었다. 종속 변수는 이진형(우울증: 있음/없음)이었다.
2. 하이브리드 앙상블 특징 선택: 가장 유의미한 예측 인자를 식별하기 위해, 본 연구는 분산 분석(ANOVA)과 상호 정보량(MI)을 결합한 앙상블 전략을 채택하였다. 이 접근 방식은 특징의 중요도를 기준으로 순위를 매겨 덜 유의미한 변수를 필터링함으로써 11개의 최적화된 특징 세트를 생성하였다. 식별된 주요 동인은 PTSD 결과, 지역, 고객당 수익 잠재력, 그리고 다양한 형태의 학대(고객, 친밀한 파트너, 경찰)였다.
3. 모델 개발 및 최적화: Random Forest(RFC), k-Nearest Neighbors(kNN), Support Vector Classifier(SVC), Light Gradient Boosting Machine(LGBM), 인공 신경망(ANN), 로지스틱 회귀(LR)를 포함한 여러 분류기를 평가하였다. 이 중 로지스틱 회귀가 기본 모델로 선택되었다. 해당 모델의 하이퍼파라미터는 군집 지능 알고리즘인 **해리스 호크 최적화(HHO)**를 사용하여 최적화되었다. HHO 설정에는 효율적인 파라미터 공간 탐색과 클래스 불균형 처리를 위해 인구 크기 30, 최대 반복 횟수 50, 탈출 에너지 파라미터($E_0$) 2가 포함되었다.
4. 설명 가능한 AI (XAI): 임상적 적용 가능성을 보장하기 위해, 본 연구는 **LIME (Local Interpretable Model-agnostic Explanations)**을 통합하였다. LIME은 사례 수준의 설명을 생성하여 특정 특징(예: 트라우마 이력, 직업적 요인)이 개별 예측에 어떻게 기여하는지 명확히 함으로써, "블랙박스" 모델과 임상적 신뢰 사이의 간극을 메우는 역할을 수행하였다.

주요 기여

• 새로운 하이브리드 아키텍처: 본 논문은 앙상블 특징 선택(ANOVA + MI)과 HHO로 튜닝된 로지스틱 회귀를 결합하여 소외 계층의 정신 건강 예측에 특화된 통합 프레임워크를 도입하였다.
• 군집 지능의 적용: 본 연구는 여성 성노듯자의 정신 건강 예측을 위해 로지스틱 회귀 모델을 튜닝하는 데 해리스 호크 최적화를 적용한 첫 사례로서, 베이스라인 모델 대비 우수한 성능을 입증하였다.
• 해석 가능성 강화: LIME의 통합을 통해 사례 수준의 투명한 통찰력을 제공함으로써, 어떤 특정 트라우마 및 직업적 변수가 우울증 위험을 유발하는지 식별하고, 이를 통해 근거 기반의 개입을 용이하게 하였다.
• 강건한 특징 식별: 앙상블 선택 방법은 차원을 축소하면서도 고객 관련 폭력 및 PTSD 이력과 같은 핵심 위험 지표를 유지하며 고영향 특징들을 성공적으로 분리해 냈다.

결과
제안된 HHO 최적화 로지스틱 회귀 모델은 앙상블 선택된 특징을 활용하여 테스트 세트에서 다음과 같은 최첨단 성능을 달 기록하였다:

• 정확도(Accuracy): 95.78%
• F1-Score: 95.77%
• AUC: 0.96
• 정밀도(Precision): 95.60%
• 재현율(Recall): 95.95%

이러한 지표는 모든 베이스라인 모델(표준 LR, ANN, LGBM 포함) 및 다른 최적화 전략(Grid Search 등)보다 우수한 성능을 보였다. 특히, HHO 기반 접근 방식은 그리드 서치 기반 LR에 비해 재현율을 1.20%, F1-score를 1.22% 향상시켰으며, 이는 코호트 내에서 약 36건의 우울증 사례를 추가로 정확히 탐지해 낸 것과 같다.

LIME 분석은 모델 논리의 안정성을 확인하였으며, PTSD 결과와 고객 학대가 각각 94.3%와 87.1%의 사례에서 지배적인 예측 인자임을 보여주었다. LIME의 특징 중요도 순위는 전역적 ANOVA+MI 순위와 강한 상관관계(Spearman $\rho = 0.91$)를 보였으며, 이는 모델의 일관성을 검증한다.

의의 및 주장
저자들은 본 연구가 전통적인 통계적 접근 방식과 고급 머신러닝 사이의 간극을 메워, 취약 계층을 위한 조기 탐지 및 표적 지원이 가능한 도구를 구축한다고 주장한다. 모델의 높은 정확도와 해석 가능성은 지역사회 보건 요원(CHW)들이 위험 스크리닝 및 의뢰를 수행할 수 있도록 기존 보건 시스템(예: REDCap 기반 시스템)에 통합되기에 적합하다.

본 연구는 모델이 교차 검증을 통해 높은 내부 타당성을 입증했음에도 불구하고, 타 지리적 영역에 대한 외부 일반화 가능성은 여전히 검증이 필요함을 강조한다. 저자들은 이 프레임워크를 클라우드 지원 없이도 운영 가능한 경량화된 실시간 대응 솔루션으로 규정하며, 이는 저자원 환경에서도 실행 가능하다. 향후 연구로는 혼합 방법론적 검증, 공정성 인식 평가, 그리고 지리적 편향을 해결하기 위한 동아프리카 및 남아시아 코호트로의 확장이 제안되었다.