[논문 리뷰] The Five Factor Model of personality and evaluation of drug consumption risk

E. Fehrman, A. K. Muhammad외 3명|arXiv (Cornell University)|2015. 06. 20.

Mental Health Research Topics인용 수 18

한 줄 요약

이 연구는 인지성격모델(FFM)과 충동성, 자극구하기 성향을 포함하여 기계학습을 활용해 18종의 중추신경계 작용성 약물 소비의 개인적 위험을 예측한다. 온라인 설문 조사 데이터와 교차검증된 분류 모델을 사용하여, 마리화나, 크랙, 에크스티시, 법적 히알러스, LHS, 및 유기화합물 사용에 대해 각각 민감도와 특이도가 75% 이상의 높은 정확도를 달성한다.

ABSTRACT

The problem of evaluating an individual's risk of drug consumption and misuse is highly important. An online survey methodology was employed to collect data including Big Five personality traits (NEO-FFI-R), impulsivity (BIS-11), sensation seeking (ImpSS), and demographic information. The data set contained information on the consumption of 18 central nervous system psychoactive drugs. Correlation analysis demonstrated the existence of groups of drugs with strongly correlated consumption patterns. Three correlation pleiades were identified, named by the central drug in the pleiade: ecstasy, heroin, and benzodiazepines pleiades. An exhaustive search was performed to select the most effective subset of input features and data mining methods to classify users and non-users for each drug and pleiad. A number of classification methods were employed (decision tree, random forest, $k$-nearest neighbors, linear discriminant analysis, Gaussian mixture, probability density function estimation, logistic regression and na{ï}ve Bayes) and the most effective classifier was selected for each drug. The quality of classification was surprisingly high with sensitivity and specificity (evaluated by leave-one-out cross-validation) being greater than 70\% for almost all classification tasks. The best results with sensitivity and specificity being greater than 75\% were achieved for cannabis, crack, ecstasy, legal highs, LSD, and volatile substance abuse (VSA).

연구 동기 및 목표

• 성격의 오분법 모델(FFM) 및 관련 특성(충동성, 자극구하기)이 특정 약물 소비에 대한 개인적 위험을 얼마나 잘 예측할 수 있는지 평가한다.
• 상관관계 분석을 통해 소비 패턴이 유사한 약물 군집을 식별한다.
• 성격 및 인구통계학적 데이터를 기반으로 특정 약물 사용자 또는 비사용자를 분류하는 기계학습 모델을 개발하고 평가한다.
• 높은 민감도와 특이도를 확보하기 위해 약물 사용 위험을 예측하는 데 가장 효과적인 입력 특성 조합과 분류 알고리즘 조합을 규명한다.
• 모델 성능을 엄격한 한 명 제외 교차검증을 통해 평가하여 정확성과 일반화 능력을 확보한다.

제안 방법

• 중추신경계 작용성 약물 18종에 대한 온라인 설문 조사 데이터를 수집하였으며, 이는 오성격 특성에 대한 NEO-FFI-R 점수, 충동성에 대한 BIS-11, 자극구하기 성향에 대한 ImpSS를 포함한다.
• 소비 패턴이 유사한 약물 군집을 식별하기 위해 상관관계 분석을 수행하였으며, 세 가지 명확한 '성운(pleiades)'이 드러났다: 에크스티시, 히로인, 벤조디아제핀.
• 각 약물과 성운에 대해 최적의 입력 특성 조합(성격 특성, 인구통계학적 요소)을 도출하기 위해 체계적인 검색을 수행하였다.
• 여덟 가지 분류 방법을 평가: 의사결정나무, 랜덤 포레스트, k-최근접 이웃, 선형판별분석, 가우시안 혼합모형, 밀도함수 추정, 로지스틱 회귀, 나이브 베이즈.
• 과적합을 최소화하기 위해 한 명 제외 교차검증을 활용해 각 약물과 성운에 대해 최고 성능을 보인 분류기 선택.
• 분류 정확도 평가를 위해 주로 민감도와 특이도를 성능 지표로 사용하였다.

실험 결과

연구 질문

• RQ1 오분법 모델에서 어떤 성격 특성이 특정 중추신경계 작용성 약물 소비 위험과 가장 강하게 연관되어 있는가?
• RQ2 소비 패턴이 상관관계를 보이는 약물 군집이 존재하는가, 그리고 통계적 상관관계 분석을 통해 이를 식별할 수 있는가?
• RQ3 성격 특성 및 인구통계학적 요소로 구성된 입력 특성 조합과 기계학습 알고리즘 조합 중에서 약물 사용자와 비사용자를 가장 정확하게 분류할 수 있는 조합은 무엇인가?
• RQ4 성격 및 인구통계학적 데이터 기반 기계학습 모델이 제한된 데이터로도 약물 사용 위험 예측에 대해 높은 민감도와 특이도를 달성할 수 있는가?
• RQ5 모델 성능은 마리화나, 에크스티시, 유기화합물과 같은 특정 약물 및 약물 군집(성운)에 따라 어떻게 달라지며, 특히 이들 물질에 대해 어떻게 변화하는가?

주요 결과

• 연구는 약물 소비 패턴이 유사한 세 가지 명확한 상관관계 성운을 규명하였다: 에크스티시, 히로인, 벤조디아제핀. 각 성운은 핵심 약물 중심으로 높은 상관관계를 보였다.
• 마리화나, 크랙, 에크스티시, 법적 히알러스, LSD, 유기화합물 사용 장애(VSA)에 대해 최고 성능을 보인 모델은 민감도와 특이도 모두 75% 이상을 달성하였다.
• 전반적으로 분류 성능는 뛰어났으며, 거의 모든 약물과 성운에서 민감도와 특이도가 70% 이상을 초과하여 성격 특성이 강력한 예측력을 지닌다는 것을 시사한다.
• 가장 효과적인 모델은 다양한 알고리즘과 특성 조합에 대한 체계적 검색을 통해 선정되었으며, 로지스틱 회귀와 랜덤 포레스트가 자주 뛰어난 성능을 보였다.
• 결과는 오분법 모델의 성격 특성에 더해 충동성과 자극구하기 점수를 결합하면 약물 사용 위험 예측에 매우 강력한 예측 변수가 된다는 것을 입증한다.
• 한 명 제외 교차검증을 통해 높은 모델의 안정성이 확인되었으며, 다양한 약물과 사용자 집단에서 일관된 성능을 보였다.