여성 성 노동자의 설명 가능한 정신 건강 위험 예측을 위한 앙상블 특징 선택 및 Harris Hawks Optimization

여성 성 노동자(FSWs)에게 영향을 미치는 중요한 정신 건강 문제 중 하나는 정신 질환, 특히 우울증입니다. 폭력, 낙인, 경제적 어려움에 대한 노출은 이들의 심리적 위험을 더욱 증가시킵니다. 현재의 머신러닝 (ML) 모델은 일반적으로 이 소외 계층에 존재하는 고차원적이고 복잡한 위험 패턴을 포착하는 데 효과적이지 않습니다. 본 논문은 ANOVA와 상호 정보량 (Mutual Information)을 사용하는 앙상블 특징 선택 (Ensemble Feature Selection) 전략과 Harris Hawks Optimization (HHO)으로 튜닝된 로지스틱 회귀 (Logistic Regression)를 결합한 하이브리드 예측 모델을 제안하며, 이는 취약 계층의 정신 건강을 예측하기 위한 군집 지능 (Swarm Intelligence)의 새로운 응용 사례를 나타냅니다. 설명 가능한 AI (XAI) 방법은 모델 예측과 관련된 트라우마 요인을 이해하는 데 사용될 수 있습니다. 3,005명의 여성 성 노동자 그룹에 적용했을 때, 제안된 모델은 정확도(Accuracy) 95.78%, F1 스코어(F1 score) 95.77%, AUC 0.96을 기록하며 전통적인 분류기보다 더 효과적임을 보여주었으며, 외상 후 스트레스, 고객 관련 폭력, 직업적 요인을 우울증의 주요 기여 요인으로 식별했습니다. 이 연구는 취약 계층이 조기 지원, 증거 기반의 표적화된 심리 사회적 케어 및 건강 계획을 받을 수 있도록 하는 XAI 도구를 개발함으로써 전통적인 방식과 머신러닝 (ML) 접근 방식 사이의 간극을 메웁니다.