연구팀은 자연주의적인 주행 데이터와 머신러닝 기법을 이용해 고령층 운전자의 가벼운 인지장애와 치매를 발견하기 위한 방법을 개발한 것이다. 자연주의적 주행 데이터란, 실제 환경에서 차량 내 기록 장치 또는 기타 기술을 통해 포착된 자료를 의미한다. 이번 연구결과는 ‘노인학’ 저널에 실렸다.
연구팀은 머신러닝에서 널리 사용되는 통계 기술인 랜덤 포레스트 모델을 개발해 연구에 활용했다. 논문의 주저자인 컬럼비아대 샤론 디 부교수는 “자연주의적 주행 데이터와 연령, 성별, 인종, 교육 수준 등 기본적인 인구학적 특성을 바탕으로 경도 인지장애와 치매를 88% 정확도로 예측할 수 있었다”고 밝혔다
이 연구는 AAA 교통안전재단이 후원하는 다중 사이트 코호트 연구인 롱로드(LongROAD) 프로젝트의 참가자 2977명의 차내 기록 장치에 의해 포착된 자연주의적 주행 데이터를 사용해 29개의 변수로 구성됐다. 등록 당시 참가자들은 65~79세의 활동적인 운전자들로 심각한 인지장애와 퇴행성 질환이 없는 상태였다. 연구에 사용된 데이터는 2015년 8월부터 2019년 3월까지 지속되었다.
차량에 차내 기록장치를 부착한 참가자 2977명 가운데 2019년 4월까지 33명이 경도인지장애, 31명이 치매를 새로 진단받았다. 연구팀은 경도인지장애와 치매 검출을 위한 일련의 머신러닝 모델을 적용한 결과 주행 변수와 인구학적 특성을 기반으로 한 모델이 88% 정확도를 나타냈다. 인구학적 특성만 기준으로 한 모델(29%), 주행 변수만 기준으로 한 모델(66%)보다 정확도에서 훨씬 우수했다.
운전은 동적인 인지 과정을 포함하고 필수적 인지기능과 지각 운동 기술을 필요로 하는 복잡한 작업이다. 컬럼비아대 궈후아 리 교수는 “이 연구는 자연주의적 운전행태가 가벼운 인지장애와 치매에 대한 포괄적이고 신뢰할 수 있는 표시로 사용될 수 있다는 것을 보여준다”고 설명했다. 앞으로 유효성을 인정받으면 이번 연구에서 개발된 알고리듬은 나이든 운전자의 가벼운 인지 장애와 치매의 조기 발견과 관리를 위한 새로운 선별 도구로 쓰일 수도 있다.
