지리 기반 모델을 활용한 말라위 보건시설 성과 예측

초록

본 연구는 말라위 552개 보건 서비스 지역의 15개 보건 지표를 예측하기 위해 Google 인구 동태 모델, 위성영상 기반 AlphaEarth, 모바일 CDR 등 세 가지 지리 기반 모델(GeoFM) 임베딩을 활용하였다. XGBoost와 5‑fold 교차검증을 적용한 결과, 임베딩 기반 모델이 전통적인 지리통계 방법보다 13개 지표(87%)에서 성능이 향상되었으며, 세 임베딩을 통합한 Multi‑GeoFM이 가장 높은 R²(평균 0.64)를 기록하였다. 데이터 가용성이 낮은 결핵·영양실조 지표는 예측이 어려웠다.

상세 요약

이 논문은 저소득 국가에서 보건 데이터의 시의성 및 완전성 문제를 해결하기 위한 대안으로 지리 기반 기초 모델(GeoFM)의 활용 가능성을 실증적으로 검증한다. 세 가지 서로 다른 데이터 소스—Google Population Dynamics Foundation Model(PDFM), 위성영상에서 추출된 AlphaEarth, 그리고 이동통신사의 통화 상세 기록(CDR)—을 각각 임베딩 형태로 변환하고, 이를 XGBoost 회귀 모델에 입력하여 15개의 보건 프로그램 지표를 예측하였다. 데이터는 2021년 1월부터 2023년 5월까지의 552개 보건 캐치먼트 영역을 대상으로 하였으며, 80:20 비율로 학습·테스트를 분리하고, 학습 단계에서는 5‑fold 교차검증을 적용해 과적합을 방지하였다.

성능 평가는 결정계수(R²)를 사용했으며, 전통적인 지리통계 보간법(예: Kriging)과 비교하였다. 결과는 전반적으로 임베딩 기반 접근법이 기존 방법보다 우수함을 보여준다. 특히, 인구밀도(평균 R² 0.63), 신규 HIV 감염(0.57), 아동 예방접종(0.47) 등 주요 지표에서 유의미한 개선이 관찰되었다. 세 임베딩을 결합한 Multi‑GeoFM 모델은 개별 임베딩보다 일관되게 높은 R²를 기록했으며, 테스트 셋에서도 0.64~0.68 수준의 높은 예측력을 유지하였다. 이는 서로 다른 공간·시간·행동 데이터가 보완적인 정보를 제공한다는 가설을 뒷받침한다.

반면, 결핵 사례와 영양실조 사례처럼 원천 데이터가 희박하고 보고 체계가 불안정한 지표는 R²가 현저히 낮아 예측이 어려웠다. 이는 GeoFM 임베딩이 기본적으로 입력 데이터의 품질과 양에 크게 의존한다는 한계를 시사한다. 또한, 모델링에 사용된 XGBoost는 비선형 관계를 포착하는 데 강점이 있지만, 임베딩 자체가 고차원이며 해석이 어려워 정책 입안자가 결과를 직접 활용하기 위해서는 추가적인 설명가능성 기법이 필요할 것으로 보인다.

연구의 강점은 실제 보건 행정 데이터와 최신 대규모 지리 데이터셋을 결합한 점이며, 제한점으로는 임베딩 생성 과정이 외부 기업(Google)의 블랙박스 모델에 의존한다는 점, 그리고 연구 기간이 2년 반에 불과해 장기적인 추세 변화를 포착하기 어려운 점을 들 수 있다. 향후 연구에서는 현지 데이터와의 지속적인 피드백 루프를 구축하고, 임베딩을 지역 특성에 맞게 미세조정(fine‑tuning)하는 방안을 모색함으로써 예측 정확도와 정책 적용성을 동시에 높일 수 있을 것이다.