가톨릭대학교 가톨릭중앙의료원 기초의학사업추진단 인공지능뇌과학사업단 전지원 교수와 박충희 연구원 공동 연구팀은 “단순 예측 넘어 원인 분석을 토대로 설명 가능한 헬스 리터러시 설명머신 러닝을 개발했다”고 13일 밝혔다. 

이번 연구는 스마트 기기를 활용해 건강 정보를 탐색하고 이해하는 능력이 중요해지는 가운데, 고령층의 디지털 격차를 해소할 정밀한 분석 도구를 마련했다는 점에서 의미가 크다는 평이다. 

연구팀이 도입한 ‘설명가능한 머신러닝’은 모델 예측 결과가 도출되기까지 의사결정 과정을 사람이 이해할 수 있도록 명확히 제시하는 기술이다. 

이는 단순히 결과값만 내놓는 기존 인공지능과 달리 디지털 헬스 리터러시에 영향을 미치는 각 요인의 기여도를 정량적으로 분석할 수 있어 개인별 맞춤형 개선 방안 수립에 유용하다.

특히 이번 연구는 기존의 평가 방식이 본인 답변에만 의존하는 자기보고식 설문 위주여서 실제 수행 능력을 충분히 반영하지 못한다는 한계를 극복하고자 했다. 

연구팀은 주관적 인식에 객관적 수행 지표를 결합한 통합 분석 프레임워크를 통해 보다 입체적인 분석을 시도했다.

CatBoost 알고리즘 적용 높은 정확도 확보

연구는 2단계 방법론을 통해 체계적으로 진행됐다. 먼저 60~74세 고령자 30명을 대상으로 한 파일럿 연구와 55~74세 고령자 1000명을 대상으로 한 대규모 온라인 설문 자료를 구축했다. 

이후 5개 머신러닝 알고리즘을 비교 평가한 결과, 범주형 부스팅 모형인 ‘CatBoost’ 알고리즘이 AUC 0.84라는 높은 정확도를 기록하며 가장 우수한 성능을 보였다.

분석 결과, 고령층 디지털 헬스 리터러시에 긍정적인 영향을 미치는 주요인은 건강 관련 앱에 대한 관심 및 디지털 기기 사용 습관, 규칙적인 운동으로 나타났다. 

반면 연령이 높을수록, 음주와 흡연을 할수록 리터러시 수준에는 부정적인 영향을 미치는 것으로 확인됐다.

연구를 주도한 전지원 교수는 “디지털 전환이 가속화되는 환경에서 기술적 혜택에서 소외되기 쉬운 고령층 격차를 정밀하게 분석코자 했다”며 “이번 모델을 바탕으로 노년층 개개인 특성에 맞춘 맞춤형 디지털 돌봄이 가능해질 것으로 기대한다”고 밝혔다. 

그는 또 “향후 AI 기술이 인간을 향할 수 있도록 양질 의료데이터 구축과 서비스 발굴에 힘쓰겠다”고 덧붙였다.

한편, 이번 연구 결과는 국제학술지인 ‘JMIR Medical Informatics’ 2026년 3월호에 게재됐다.