이미지 분석을 통한 식단 기반 질병예측 및 보험 추천 인슈어테크 플랫폼 - 부산대학교 핀테크융합전공 연구 아이디어 경진대회

| 프로젝트 개요

• 프로젝트명 : 이미지 분석을 통한 식단 기반 질병예측 및 보험 추천 인슈어테크 플랫폼
• 공모전명 : 부산대학교 핀테크융합전공 연구 아이디어 경진대회
• 진행 기간 : 2023.05.19 ~ 2023.08.25
• 프로젝트 목표 : YOLOv5 모델을 이용한 식단 이미지 분석을 통해 질병을 예측 및 보험 추천을 해주는 인슈어테크 플랫폼 제안
• 사용 데이터 : YOLOv5 학습을 위한 메뉴 별 사진 데이터, 국민건강영양조사에서 제공하는 원시 데이터
• 참여 팀원 : 4명
• 역할 : YOLOv5 모델을 이용한 식단 이미지 속 메뉴 인식 / 식단에 따른 영양소 기반 질병 예측 모델 구축
• 사용 언어 : Python
• 성과 : 대상 수상

  

  

---

1. 제안 배경

• 코로나19를 기점으로 건강관리 시장과 보험 시장 성장
  • 건강관리를 위한 다양한 노력을 하며, 이따라 건강관리 시장 규모도 급증
  • 생명보험은 4년만에 플러스 성장으로 전환. 
  • 또한, 손해보험은 2012년 이후 가장 높은 성장률을 기록

• 하지만, 20대는 보험 가입이 저조하고 부족한 이해를 가지고 있음
  • 연령대별 보험가입 수가 20대가 가장 낮음
  • 보험이해력 설문조사에서, 60대 이상을 제외하고 낮다와 잘 모르겠다라고 가장 많이 응답한 연령대가 20대

---

2. 문제 정의

• 보험산업은 구매력이 높아질 20대를 사로잡는 것이 주요 과제

• 20대의 특성
  • 홈트레이닝, 간헐적 채식, 건강기능 식품 구매, 건강기록 앱 사용 등 20대들의 건강관리 관심이 급증
  • 또한 건강관리를 위한 디지털 수단을 적극적으로 활용
  • SNS 및 사진으로 일상을 기록하는 문화에 친숙함

---

3. 문제 해결 방안 제안

• 보험에 무관심한 20대들의 관심을 끌기위한 헬스케어 + 인슈어테크 플랫폼 제안
• 총 3개의 기능을 통해 식단 이미지를 통한 지속적인 건강관리 및 보험추천 서비스 제공
  1. EveryHI : 식단이미지 기반으로 하루의 영양소 불균형 확인
  2. WeekHI : 매주 축적된 데이터 기반으로 질병 예측 및 부족한 영양소 제안
  3. MonthHI : 매월 축적된 데이터 기반으로 질병예측 및 보험 추천
     (HI : Health Insurance)

---

4. 서비스 구현

 

4-0. 사용 데이터

 

4-1. 식단 사진 음식 인식

• 사용자의 식단을 확인하기위해, 객체 탐지 기술을 도입해서 식단을 인식
  • AI Hub의 데이터로 음식 사진 학습 진행
  • 부족한 음식 사진 데이터는 크롤링으로 음식 사진 수집 및 bounding box 라벨링 진행
  • 수집한 데이터셋으로 객체 탐지 알고리즘 YOLOv5 학습 진행
  • 최종적으로 식단 사진 속 음식들을 인식하는 모델 구축 완료 

---

4-2. 식단 속 영양소를 기반으로 질병 예측 모델 구축

• 사용자가 올린 한 주간 식단 사진들을 기반으로 질병 예측을 진행
  • 식품의약품안전처의 식품영양성분데이터를 통해 사용자의 식단 사진을 영양소로 변환
  • 질병관리청의 국민건강영양조사에서 제공하는 원시 데이터에서 영양소 섭취 데이터와 질병 데이터를 얻음
  • 단백질, 지방, 나트륨 등총 23개의 영양소 및 성별,나이 데이터로 질병을 예측하는 모델 구축
    • 질병 유무 데이터는 클래스별로 데이터 수가 크게 차이나는 불균형 데이터 
       →  오버샘플링 기법 중 SMOTE(Synthetic Miniority Oversampling Technique) 사용
    •  총 6개의 분류 모델 로지스틱 회귀, SGD 분류기, DecisionTree, RandomForest, XGBoost, LightGBM)실험
       → XGBoost 모델로 최종 결정

 

---

4-3. 질병 예측 기반 보험 추천

• 4-2에서 구축한 질병 예측 모델 기반으로 질병의 위험군 판단 기준을 세우고, 그에 따른 보험 추천
  • 규칙기반 필터링 (Rule-based Filtering) 방법을 사용하여 보험 추천
    • 미리 정의된 규칙들에 따라 사용자의 입력과 아이템의 특성을 비교하여 추천을 수행. 이는 질병 발병률의 고위험군과 저위험군을 나눠서 고위험군에게 해당 질병에 매칭되는 보험을 추천.
  • 이를 위해서는 고위험군인지, 저위험군인지 판단하는 기준이 필요
    • 질병 별로 최적 임계점을 구한 다음, 사용자가 질병에 걸릴 확률이 최적 임계점 이상이면 고위험군으로, 그 외는 저위험군으로 설정
    • 최적 임계점은 임계점(threshold)당 재현율(recall)과 정밀도(precision) 그래프를 그리고, 두 그래프가 만나는 지점의 임계값

---

5. 제안한 서비스 분석

 

5-1. 경쟁사 분석

 

5-2. SWOT 분석

 

5-3. 재무계획

 

5-4. 기대효과

 

5-5. 서비스 성장가능성

---

프로젝트 회고

• 프로젝트의 가장 중요한 점은 이 프로젝트가 왜 필요한가에 대한 어필이라는 것을 다시 느끼게 된 프로젝트
• 혼자였다면 할 수 없었을, 프로젝트 분석 부분.. 다시 봐도 대단...
  (팀원을 너무 잘 만났음.. 다들 적극적이고 열심히 하는 팀원..)
• 이 프로젝트롤 통해, 프로젝트를 바라보는 시야가 넓혀졌음
• 이 당시, 훈련소 문제로 3주 정도 시간을 비워야해서... 다른 팀에 비해서 준비를 빨리한 편
   → 남는 시간에 프로젝트 구현 뿐만 아니라 곁가지로 다양한 분석을 진행할 수 있었음
   → 이 점이 대상 수상에 유효한 영향을 줬다고 생각