수직 지면반력(VGRF) 시계열 신호를 이용한 파킨슨병의 디지털 바이오마커 발굴 및 중중도 회귀 모델 개발 : 인공지능을 활용한 신경퇴행성 질환인 파킨슨병 조기 선별 가능성 및 바이오마커 발굴 = Development of Digital Biomarkers and Severity Regression Models for Parkinson’s Disease Using Vertical Ground Reaction Force (VGRF) Time-Series Signals

국문 초록 (Abstract)

본 연구는 보행 중 수집된 수직 지면반력(VGRF) 신호를 이용하여 파킨슨병(PD)의 진단과 중증도 예측을 동시에 수행할 수 있는 시공간 딥러닝–머신러닝 통합 프레임워크를 제안한다. 본 모델은 높은 진단 정확도와 함께임상적으로 해석 가능한 디지털 바이오마커 도출을 목표로 한다.
PhysioNet 공개 데이터베이스의 166명(파킨슨병 환자 93명, 정상 대조군 73명)의 보행 데이터를 사용하였으며, 16개의 족저 센서에서 측정된 VGRF 신호를 10 Hz로 다운샘플링하였다. 샤논 엔트로피 분석 결과, 파킨슨병 환자군에서 신호의 불규칙성이 더 크게 나타났다. 시공간 패턴 학습을 위해 CNN–Transformer 기반 하이브리드 딥러닝 모델을 설계하였고, 추출된 잠재 임베딩은 XGBoost 분류기에 입력하였다.
제안된 모델은 정확도 93.4%, F1-score 0.944, ROC-AUC 0.9749의 우수한 분류 성능을 보이며 기존 머신러닝 모델 대비 뛰어난 성능을 입증하였다. SHAP 기반 설명가능 인공지능 분석을 통해 보행 비대칭성과 추진력 저하와 관련된 핵심 생체역학적 특성들이 디지털 바이오마커로 도출되었다.
또한 XGBoost 회귀모델을 이용하여 Hoehn & Yahr 중증도를 정량적으로 예측한 결과, R² = 0.91의 높은 설명력을 보였다. 본 연구 결과는 VGRF 기반 보행 신호를 활용한 설명가능 인공지능 기반 디지털 바이오마커가 파킨슨병의 객관적 진단 및 중증도 평가에 효과적으로 활용될 수 있음을 시사한다.

목차 (Table of Contents)

• ◀ 목 차 ▶
• 제 1 장 서 론 1
• 1.1 연구 배경 및 필요성 1
• 1.1.2 기존 중증도 평가의 한계 3
• 1.1.3 인공지능(AI) 기반 보행 패턴 분석의 발전 6
• 1.1.4 파킨슨병 자동 중증도 회귀예측의 필요성 8
• 1.2 연구 가설 10
• 1.3 연구 목적 12
• 1.3.1 CNN + Transformer 기반 보행 패턴 자동분류 모델 개발 13
• 1.3.2 XGBoost 기반 SHAP 분석을 통한 모델 해석(XAI)검증 15
• 1.3.3 Hoehn & Yahr 척도(2-3단계) 회귀예측을 통한 중증도 분석 16
• 1.3.4 최종 연구 목적 17
• 제 2 장 연구방법 19
• 2.1 데이터셋 구축 19
• 2.2 Shannon Entropy 기반 데이터 정량 분석 23
• 2.3 데이터 전처리 24
• 2.4 Train / Test Spilt (데이터 분할) 25
• 2.5 Standardization (데이터 정규화) 26
• 2.6 모델 설계 및 프로세스 27
• 2.7 모델 성능 평가 33
• 2.8 Confusion Matrix(혼동행렬) 34
• 2.9 F1-Score, 정밀도(Precision), 재현율(Recall) 36
• 2.10 ROC Curve 37
• 2.11 SHAP 분석 38
• 2.12 H&Y 평가 및 분석 41
• 제 3 장 결 과 43
• 3.1 피험자 특성 및 보행 데이터 개요 43
• 3.2 Shannon Entropy 분석 결과 45
• 3.3 모델 예측 성능의 통계적 신뢰도 분석 및 비교 평가 46
• 3.4 Confusin Matrix(혼동행렬) 결과 50
• 3.5 ROC-AUC Curve 결과 54
• 3.6 XAI 기반 디지털바이오마커 기여도 분석(SHAP) 56
• 3.7 SHAP 기반 주요 보행 피처의 통계적 유의성 검증 59
• 3.8 Hoehn & Yahr 회귀예측 분석 61
• 제 4 장 고 찰 66
• 제 5 장 결 론 69
• 참 고 문 헌 73
• Abstract 86
• 국 문 요 약 88