열사병은 전세계 온도의 상승과 극심한 열사건의 빈도 증가로 인해 점점 더 중요한 공공 건강 문제로 대두되고 있습니다. 본 연구는 머신 러닝 기법을 활용하여 시의적절하고 정확한 열사병 위험 예측의 절실한 필요성을 다룹니다. 주요 목표는 환경 및 생리학적 데이터를 기반으로 위험에 처한 개인을 식별할 수 있는 예측 모델을 개발하는 것입니다. 81,215개의 사례와 69개 특징을 포함한 방대한 데이터 세트가 철저한 전처리 및 분석을 거쳤습니다. 의사 결정 트리, 랜덤 포레스트, 로지스틱 회귀 및 라이트 그래디언트 부스팅 머신(LightGBM)이라는 네 가지 머신 러닝 알고리즘이 구현되고 평가되었습니다. 이 중 LightGBM은 99.93%의 가장 높은 정확도를 달성하여 혼동 행렬과 훈련-검증 정확도 곡선을 통해 검증된 우수한 예측 성능 및 일반화 능력을 입증했습니다. 특징 선택은 모델의 효과를 최적화하는 데 중요한 역할을 했습니다. 연구 결과는 예측 건강 관리에서 머신 러닝의 잠재력을 강조합니다. 향후 작업은 실시간 센서 데이터를 통합하여 개인화된 위험 평가를 가능하게 하고, 열사병 예방을 강화하기 위해 모바일 기반 경고 시스템을 배포하는 데 초점을 맞출 것입니다. 본 연구는 조기 발견 및 개입을 위한 AI 기반 프레임워크를 통해 적극적인 공공 건강 전략에 기여합니다.
Haque 외 (Thu,)는 이 문제를 연구했습니다.