Classification of Adolescent Drinking via Behavioral, Biological, and Environmental Features: A Machine Learning Approach with Bias Control

이 논문은 신경영상 데이터의 한계를 극복하고 혼란 변수를 통제하여 청소년 음주 행동을 임상적, 환경적, 생물학적 특징만으로 정확하게 분류하기 위해 TabPFN 과 포커스 로스를 통합한 FocalTab 프레임워크를 제안하고 그 유효성을 입증합니다.

핵심

1. 기존 연구의 문제점: "스마트한 척하는 나쁜 선생님"

과거에는 청소년의 음주 여부를 예측할 때 두 가지 큰 실수를 저질렀습니다.

• 비유 1: "나이를 보고 판단하는 선생님"

  • 기존 AI 모델들은 "나이가 많으면 술을 마실 확률이 높다"는 사실만 기억하고 있었습니다. 마치 학생의 학년 (나) 만 보고 "고등학생이니까 술을 마셨겠지"라고 추측하는 선생님과 같습니다.
  • 문제는 이 선생님들이 실제로 술을 마신 이유 (스트레스, 친구 관계 등) 를 모른 채, 단순히 "나이가 많아서"라고만 판단했다는 것입니다. 이는 **편향 (Bias)**입니다.

• 비유 2: "담배를 피우는 친구를 보고 판단하는 선생님"

  • 또 다른 실수는 "술을 마시는 아이들은 보통 담배나 마리화나도 피운다"는 사실을 이용했다는 점입니다.
  • 마치 "담배를 피우는 친구가 있으면, 그 친구는 무조건 술도 마셨을 거야"라고 추측하는 것과 같습니다. 하지만 술을 마시지 않는 아이도 담배를 피울 수 있고, 술만 마시는 아이도 있을 수 있습니다. 이 변수들을 포함하면 AI 는 진짜 술의 원인을 찾지 못하고, 단순히 '다른 약물을 쓰는지'만 보는 속임수를 쓰게 됩니다.

• 비유 3: "소수파를 무시하는 투표"

  • 연구 데이터에는 술을 안 마시는 아이 (다수) 가 600 명 이상이고, 마시는 아이 (소수) 는 140 명 정도뿐이었습니다.
  • 기존 AI 는 **"아무것도 안 해도 다수 (안 마시는 아이) 를 맞추면 점수가 잘 나오니까, 소수 (마시는 아이) 는 그냥 무시해 버려"**라고 생각했습니다. 마치 100 명 중 90 명이 '아니오'라고 투표하면, '예'라고 투표한 10 명은 아예 존재하지 않는 것처럼 취급하는 상황과 같습니다.

---

2. 이 연구의 해결책: "FocalTab (포칼탭)"이라는 새로운 AI

연구팀은 이 문제들을 해결하기 위해 FocalTab이라는 새로운 AI 모델을 만들었습니다. 이 모델은 세 가지 특별한 능력을 가지고 있습니다.

• 능력 1: "나이라는 편견을 지우는 필터"

  • AI 가 학습하기 전에, 나이가 많은지 적은지와 상관없이 모든 데이터를 정제합니다. 마치 선생님이 학생의 나이를 가리고, 오직 학생의 성격과 행동 패턴만 보고 판단하게 만드는 것과 같습니다. 이를 통해 AI 는 진짜 '술을 마시는 이유'를 찾아내게 됩니다.

• 능력 2: "담배 같은 다른 약물을 배제하는 규칙"

  • AI 가 학습할 때, 담배나 마리화나 사용 여부는 아예 입력하지 않습니다. 오직 술과 직접적으로 관련된 행동, 심리, 환경 데이터만 보고 판단하게 합니다. 이렇게 하면 AI 는 술만의 고유한 신호를 포착하게 됩니다.

• 능력 3: "소수파를 특별히 챙기는 점수제 (Focal Loss)"

  • 기존 방식은 소수 (술을 마시는 아이) 를 맞추기 어렵게 만들었습니다. 하지만 FocalTab 은 잘 맞추기 쉬운 '안 마시는 아이' 점수는 낮게 주고, 잘 맞추기 어려운 '마시는 아이' 점수는 높게 줍니다.
  • 비유하자면, 시험에서 쉬운 문제 (다수) 는 1 점, 어려운 문제 (소수) 는 100 점을 주는 식입니다. 덕분에 AI 는 소수인 '술을 마시는 아이'를 놓치지 않고 정확히 찾아내려고 노력하게 됩니다.

---

3. 결과: "진짜 실력 발휘"

이 새로운 AI(FocalTab) 를 테스트한 결과는 놀라웠습니다.

• 기존 AI 들: 나이나 담배 같은 편한 단서를 뺏어주니, 술을 마시지 않는 아이 (정상) 를 거의 다 술을 마시는 아이로 잘못 판단했습니다. (정확도가 10~20% 수준으로 추락)
• 새로운 FocalTab: 편견을 제거하고 소수파를 챙긴 덕분에, 술을 마시지 않는 아이를 80% 이상 정확히 구별해냈습니다. (정확도 84.3%, 특이도 80.0%)

가장 중요한 발견 (SHAP 분석):
AI 가 어떤 기준으로 판단했는지 분석해보니, 놀라운 사실들이 나왔습니다.

1. 술에 대한 기대감: "술을 마시면 더 재미있어질 거야", "친구들과 더 잘 어울릴 거야"라는 생각이 가장 큰 예측 요소였습니다.
2. 정신 건강: 불안, 공황, PTSD 같은 심리적 증상이 술과 깊은 연관이 있었습니다. (스트레스를 풀기 위해 술을 찾는 경우)
3. 일상 생활: 잠자는 시간, 친구 사귀는 방식, 밤에 어디를 다니는지, 용돈을 어떻게 쓰는지 같은 생활 습관이 중요한 단서가 되었습니다.

---

요약: 이 연구가 왜 중요한가?

이 연구는 **"술을 마시는지 안 마시는지 예측할 때, 나이나 다른 약물을 보는 게 아니라, 아이들의 진짜 마음과 생활 패턴을 봐야 한다"**는 것을 증명했습니다.

마치 진짜 의사가 환자를 진단할 때, 단순히 "나이 많으시니까 병이 있겠지"라고 생각하지 않고, 환자의 증상과 생활을 꼼꼼히 살피는 것과 같습니다.

이 새로운 AI 시스템은 병원이 아닌 학교나 지역 센터에서도 쉽게 사용할 수 있는 간단한 질문지 (임상 데이터) 만으로도 위험한 청소년을 미리 찾아낼 수 있게 해줍니다. 이는 아이들이 술에 빠지기 전에 조기에 도와주고, 더 건강한 미래를 만들 수 있는 첫걸음이 될 것입니다.

기술 요약

1. 연구 배경 및 문제 정의 (Problem)

• 배경: 2024 년 기준 미국 청소년의 약 30% 가 일생 동안 한 번 이상 음주 경험을 가지고 있으며, 이 중 25% 는 폭음 (binge drinking) 을 합니다. 청소년 음주는 뇌 발달 손상, 향후 알코올 사용 장애 (AUD) 위험 증가, 정신 건강 문제 등과 밀접하게 연관되어 있습니다.
• 기존 연구의 한계:
  1. 데이터 접근성: 기존 연구들은 주로 MRI 등 고비용의 신경영상 (Neuroimaging) 데이터를 활용하여 모델을 구축했으나, 이는 대규모 선별 검사에 비실용적입니다. 임상 데이터 (행동, 생물학적, 환경적 변수) 만을 활용한 접근은 상대적으로 연구가 부족합니다.
  2. 편향 (Bias) 문제: 기존 모델들은 종종 **연령 (Age)**과 기타 약물 사용 (Substance Use) 변수를 예측 변수로 포함하여, 실제 음주 행동을 구분하는 것이 아니라 단순히 연령에 따른 발달 차이나 다른 약물 사용 여부에 의해 분류하는 '편향된 학습'을 수행했습니다.
  3. 클래스 불균형 (Class Imbalance): 음주자가 비음주자보다 훨씬 적은 불균형 데이터셋에서, 기존 방법론 (SMOTE 등) 은 소수 클래스 (음주자) 의 성능을 높이는 대신 다수 클래스 (비음주자) 의 특이도 (Specificity) 를 크게 떨어뜨리는 문제가 있었습니다.
  4. 대상 연령 제한: 대부분의 연구가 특정 짧은 연령대에 국한되어 있어, 청소년기 전체 발달 궤적을 반영하지 못했습니다.

2. 제안된 방법론 (Methodology)

저자들은 FocalTab이라는 새로운 프레임워크를 제안하며, 이는 TabPFN (Tabular Prior-Data Fitted Network) 과 Focal Loss 를 결합한 접근법입니다.

• 데이터 소스: NCANDA (National Consortium on Alcohol and Neurodevelopment in Adolescence) 의 기저선 (baseline) 데이터를 사용했습니다. (총 801 명: 비음주자 661 명, 음주자 140 명).
• 특징 선택 및 전처리 (Bias Control):
  • 변수 제거: 음주 분류에 직접적인 영향을 미칠 수 있는 '기타 약물 사용' 관련 변수를 완전히 제거하여 데이터 누출 (Data Leakage) 을 방지했습니다.
  • 연령 보정: 연령과 강하게 상관관계가 있는 변수들 ($|\rho| > 0.3$) 을 제거하거나, 선형 회귀를 통해 연령의 영향을 제거 (Residualization) 한 후 분석에 사용했습니다.
  • 범위 확장: 12 세에서 22 세까지의 광범위한 연령대를 포함하여 청소년기부터 청년기까지의 발달 궤적을 포괄했습니다.
• 모델 아키텍처 (FocalTab):
  • TabPFN: 대량의 합성 데이터로 사전 학습된 트랜스포머 기반의 기초 모델 (Foundation Model) 로, 새로운 데이터셋에 대해 그라디언트 기반 최적화 없이 '인-컨텍스트 학습 (In-context Learning)'을 통해 빠르게 추론합니다.
  • Focal Loss: 클래스 불균형 문제를 해결하기 위해 도입된 손실 함수입니다. 쉽게 분류된 샘플 (다수 클래스) 의 가중치를 줄이고, 잘못 분류된 어려운 샘플 (소수 클래스) 에 집중하여 학습함으로써 불균형 데이터에서의 성능을 극대화합니다.
• 비교 실험 설정:
  • 변수 설정: (1) 연령 및 약물 사용 포함, (2) 연령 포함/약물 사용 제외, (3) 연령 제외/약물 사용 포함, (4) 연령 및 약물 사용 모두 제외 (가장 엄격한 조건) 등 4 가지 시나리오로 비교했습니다.
  • 모델 비교: 로지스틱 회귀, 랜덤 포레스트, MLP, TabPFN(기본), MLP-Focal 과 비교했습니다.
  • 불균형 처리 전략 비교: 원본 불균형 데이터, SMOTE(과소표본 생성), 다운샘플링, Focal Loss 적용 등을 비교했습니다.

3. 주요 기여 (Key Contributions)

1. 임상 데이터 기반의 확장 가능한 모델: 고비용 신경영상 데이터 없이도 임상적, 행동적, 환경적 데이터만으로 청소년 음주를 정확하게 분류할 수 있는 모델을 개발하여 실제 선별 검사 적용 가능성을 높였습니다.
2. 편향 제거 (Bias Mitigation): 연령과 기타 약물 사용이라는 강력한 혼란 변수 (Confounders) 를 체계적으로 제거하여, 모델이 실제 음주 행동의 본질적인 신호를 학습하도록 했습니다.
3. 불균형 데이터 처리의 혁신: 합성 데이터 생성 (SMOTE) 대신 알고리즘 수준의 Focal Loss 를 적용하여, 원본 데이터 분포를 왜곡하지 않으면서도 소수 클래스 (음주자) 와 다수 클래스 (비음주자) 의 분류 성능을 동시에 향상시켰습니다.
4. 광범위한 연령대 적용: 12~22 세의 넓은 연령대를 포함하여 청소년기 전반의 음주 시작 및 진행 과정을 포착했습니다.

4. 주요 결과 (Results)

• 성능 비교 (엄격한 조건: 연령 및 약물 사용 제외):
  • 제안된 FocalTab은 정확도 (Accuracy) 84.3%, 특이도 (Specificity) 80.0%, AUC 0.902를 기록하며 모든 경쟁 모델을 압도했습니다.
  • 반면, 기존 모델들 (로지스틱 회귀, 랜덤 포레스트, TabPFN 등) 은 편향 변수가 제거된 조건에서 특이도가 12~24% 수준으로 급락하여 비음주자를 거의 식별하지 못했습니다 (무작위 추측 수준). 이는 기존 모델들이 음주 행동이 아닌 연령이나 약물 사용 패턴에 의존했음을 시사합니다.
• 불균형 처리 효과:
  • SMOTE 를 적용한 경우, TabPFN 의 특이도가 오히려 10.7% 로 떨어지는 등 성능이 저하되었습니다.
  • FocalTab 은 불균형 원본 데이터에서도 높은 특이도 (80.0%) 를 유지하며, 소수 클래스 (음주자) 와 다수 클래스 (비음주자) 를 모두 정확히 분류하는 능력을 입증했습니다.
• SHAP 분석 (해석 가능성):
  • 모델이 가장 중요하게 고려한 변수들은 알코올 기대감 (Alcohol Expectancy), 정신과적 증상 (공황, 강박, PTSD 등), 수면 패턴, 친구 사귀기, 야간 활동, 소비 습관 등이었습니다. 이는 음주 행동의 심리사회적 위험 요인과 일치합니다.

5. 의의 및 결론 (Significance)

이 연구는 청소년 음주 분류에 있어 데이터 편향 (Bias) 과 클래스 불균형 (Imbalance) 을 동시에 해결한 최초의 체계적인 접근 중 하나입니다.

• 실용성: 고비용 영상 데이터 없이도 병원이나 학교에서 쉽게 수집 가능한 임상 데이터를 기반으로 한 정밀한 선별 도구 개발의 가능성을 열었습니다.
• 과학적 엄밀성: 연령과 다른 약물 사용이라는 혼란 변수를 제거함으로써, 모델이 '음주' 그 자체를 학습했음을 입증했습니다. 이는 향후 알코올 사용 장애 (AUD) 예측 모델의 신뢰성을 높이는 중요한 기준이 됩니다.
• 임상적 시사점: SHAP 분석을 통해 도출된 주요 예측 변수 (알코올 기대감, 정신 건강, 생활 습관 등) 는 조기 개입 프로그램의 표적 설정에 중요한 통찰을 제공합니다.

결론적으로, FocalTab은 편향을 통제하고 불균형 데이터를 효과적으로 처리하여, 청소년 음주 위험군을 식별하는 데 있어 기존 방법론보다 훨씬 강력하고 일반화 가능한 성능을 보여주는 혁신적인 프레임워크입니다.