1. 서비스 명칭
   1. 치매 자가 진단을 위한 인솔 보행 데이터 기반 분석 서비스
       
2. 서비스 배경 및 목적
   1. 치매는 전 세계적으로 늘어나는 노인 인구로 인해 증가하는 중요한 공중보건 문제로 부각되고 있음.
   2. 인솔 보행 데이터 분석 서비스는 일상적인 걸음걸이 패턴을 통해 치매의 초기 징후를 감지하는 비침습적인 방법을 제공함.
   3. 이 기술은 간편하고 비용 효율적이며, 조기 진단을 통해 치매 환자와 그 가족들의 삶의 질을 향상시킬 수 있음.
       
3. 인공지능 서비스 유사 사례 분석
   1. https://www.aitimes.kr/news/articleView.html?idxno=15725
      미국 스티븐스 공과대학(Stevens Institute of Technology)의 AI 기반의 스마트 깔창 개발
      “Accurate Ambulatory Gait Analysis in Walking and Running Using Machine Learning Models”
      IEEE Transactions on Neural Systems and Rewabilitation Engineering
      출처 : 인공지능신문(https://www.aitimes.kr)
       
4. 인공지능 모델의 입출력
   1. 입력: 보행 센서로 부터 얻어진 데이터(25열)
   2. 출력: 치매 단계(총 4단계)
       
5. 데이터셋 구축 방안
   1. AIHub 치매 고위험군 웨어러블 라이프로그 데이터(https://www.aihub.or.kr/aihubdata/data/view.do?currMenu=115&topMenu=100&aihubDataSe=realm&dataSetSn=226)를 이용하여 치매환자의 데이터 및 라벨 데이터 수집
       
6. 데이터셋 구성 목표
   1. 학습셋: 31432행(92.72%)
   2. 시험셋: 2469행(7.28%)
       
7. 인공지능 모델 평가 방법
   1. 정확도 (accuracy) = 맞춘 환자 Class 수 / 전체 환자 Class 수
       
8. 인공지능 모델 성능 목표
   1. 정확도 (accuracy) 99.5%
       
9. 서비스 구축 계획 및 사용 시나리오
   1. 그라디오로 웹 인터페이스 구성
      입력: 보행 데이터 입력(.npy format)
      출력: 텍스트
       
10. 서비스 기대효과
    1. 이 서비스를 통해 치매의 조기 발견 및 개입이 가능해져 환자의 건강 관리와 질병의 진행 지연에 크게 기여할 수 있음
    2. 또한, 보행 데이터 분석을 이용한 간단하고 비용 효율적인 진단 방법은 보건 의료 자원의 효율적 사용을 촉진하고, 보다 많은 인구에게 높은 수준의 건강 관리를 제공할 수 있음.