본 논문은 일상생활에서 쉽게 얻을 수 있는 최소한의 생리 데이터와 운동 관련 자유 텍스트를 활용하여 대사증후군(MetS)을 진단하는 딥러닝 프레임워크를 제안합니다. 요양원 거주자 40명의 데이터를 수집하고 데이터 증강을 통해 불균형을 해소했습니다. 자연어 처리(NLP)와 운동 모니터링을 통합한 딥러닝 모델을 사용하여 MetS를 분류하였으며, 3-fold 교차 검증 결과 AUROC 0.806, 재현율 76.3%의 높은 성능을 보였습니다. 특징 중요도 분석 결과, 일일 최소 심박수와 텍스트 데이터가 MetS 분류에 가장 큰 영향을 미치는 것으로 나타났습니다. 이 연구는 일상생활에서 쉽게 측정 가능한 데이터를 활용하여 MetS를 조기에 진단할 수 있는 가능성을 보여주며, MetS 환자의 선별 및 관리 비용 절감에 기여할 수 있습니다.
