본 연구는 기계 학습 모델을 이용하여 당뇨병 위험을 평가하는 웹 기반의 대화형 건강 위험 예측 도구를 제시합니다. 2015년 CDC BRFSS 데이터셋을 기반으로 로지스틱 회귀, 랜덤 포레스트, XGBoost, LightGBM, KNN, 그리고 신경망 모델을 원본 데이터, SMOTE, 그리고 언더샘플링 전략 하에 평가하였습니다. 언더샘플링을 적용한 LightGBM 모델이 가장 높은 재현율을 달성하여 위험 감지에 이상적임을 보였습니다. 본 도구는 SHAP과 LIME을 통합하여 예측 결과를 설명하고, 피어슨 분석을 이용하여 동반 질환 상관관계를 강조합니다. Dash 기반 UI를 통해 사용자는 모델 예측, 개인화된 제안, 그리고 특징 통찰력과 상호 작용할 수 있으며, 데이터 기반 건강 인식을 지원합니다.
