연합학습 기반 개인건강데이터 프라이버시 보호형 AI-Agent 시스템 연구
Research on a privacy-preserving AI-Agent system for personal health data based on federated learning
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
디지털 헬스케어 환경에서 개인정보 보호와 개인맞춤 서비스 요구가 동시에 증대되고 있다. 본 연구는 데이터를 클라이언트 외부로 전송하지 않고 연합학습으로 학습된 다중 건강 예측 모델을 클라이언트 측 AI-Agent에 통합한 프라이버시 보존형 개인건강관리 시스템을 제안한다. 웨어러블 기기로부터 수집된 개인건강데이터는 각 단말에서 로컬 학습되며, 서버는 모델 파라미터만을 집계하는 방식으로 개인정보 유출을 차단하였다. 또한 제안된 에이전트는 메모리 구조, RAG 기반 근거 검색, ReAct 기반 추론 모듈을 통해 예측값을 상황 해석, 근거 제시, 행동 권고로 연계하도록 설계하였다. 세 개의 클라이언트 환경에서총 10 라운드의 연합학습을 수행한 결과, 비정형⋅비독립 데이터 분포에서도 글로벌 모델이 안정적으로 수렴하였으며, 심박수 MAE 3.30, METs MAE 1.66 등 실사용 가능 수준의 성능을 확보하였다. 또한 에이전트의 응답 생성을 통해 예측 결과가 개인 맥락과 외부 의료 지식에 기반한 생활 제안으로 자연스럽게 연결됨을 확인하였다. 본 연구는 데이터 주권을 유지하면서도 안정적인 성능을 확보한 경량 연합학습 구조와, 예측 결과를 개인화된 조언으로 변환하는 온디바이스 AI-Agent 설계를 실증했다는 점에서 의의가 있으며, 향후 개인건강관리형 프라이버시 보존 AI 시스템의 활용 가능성을 제시한다.
Abstract
As we navigate the digital healthcare domain, the necessity for confidentiality and custom services is becoming more pronounced. This study introduces a privacy-preserving health management system that employs federated learning to create client-side AI agents while safeguarding data. Health data from wearables is processed locally, with only model parameters sent to the server to avoid personal data exposure. The agent connects predictions to contextual insights, evidence display, and actionable recommendations using a memory framework, RAG-based retrieval, and ReAct-based reasoning. Ten federated learning iterations were conducted across three client settings. The global model exhibited stable convergence despite unstructured data, achieving practical performance metrics, including a heart rate MAE of 3.30 and METs MAE of 1.66. Additionally, the agent’s output demonstrated a seamless connection between predictions and lifestyle recommendations tailored to individual contexts and medical insights. This research is noteworthy for showcasing a lightweight federated learning architecture that ensures dependable performance while upholding data sovereignty, along with an on-device AI agent capable of translating predictions into personalized guidance. It also indicates the promise for future applications in privacy-compliant AI systems for personal health management.