Distinguishing internet gaming and alcohol use disorder based on QEEG

Abstract

With the extensive use of the internet and mobile devices, Internet gaming disorder (IGD) becomes a serious social issue these days. Although IGD is a kind of behavioral addictions, it is well known that it is similar to alcohol use disorder (AUD) in the sense of neurological pattern and clinical treatment. To automate the screening of IGD and AUD patients, an appropriate prediction model is necessary. In this study, we propose a classification method to distinguish IGD and AUD based on Quantitative electroencephalography (QEEG) data without the other costly and time-consuming information. We investigate and compare standard machine learning methods. Among the methods, we modify the classification rules by combining the results of boosting for each frequency band of QEEG. Through the simulation study and real data example, we show that the predictions of combined boosting methods are generally better than the standard methods.;인터넷과 모바일 기기의 광범위한 사용으로, 인터넷 게임 장애(IGD)는 심각한 사회 문제로 대두된다. IGD 는 일종의 행동중독(behavior addiction)이지만, 알코올 사용 장애(AUD)와 신경학적으로 비슷한 양상을 보이는 것으로 알려져 있다. IGD 와 AUD 환자를 자동적으로 판별하기 위해 적절한 예측 모델이 필요하다. 따라서 해당 연구는 IGD 와 AUD 를 양적 뇌파검사(QEEG) 자료를 기반으로 비용과 시간이 많이 소요되는 다른 정보를 제외하고 IGD 와 AUD 환자를 구별하는 분류 방법론을 제안하고자 한다. 먼저, 기본적인 머신러닝 방법론을 조사하고 비교한 뒤, QEEG 의 각 빈도수 밴드에 대한 부스팅 결과를 조합하는 방식으로 분류 모델을 수정하였다. 마지막으로, 시뮬레이션과 실제 데이터 예제를 활용하여, 조합 방식의 부스팅 방법이 기본 방법보다 전반적으로 나은 결과를 보였다.