기후 변화로 인한 폭염의 증가는 건설 근로자와 같은 옥외 작업 근로자에게 중요한 문제가 되고 있으며, 특히 온열 질환의 증가로 이어지고 있다. 이에 대응하기 위해, 본 연구는 프로세스 기반 접근 방식으로, 개인의 생체 특성을 활용하여 극한의 고열환경에 취약한 개인(즉, 고위험군)을 식별하는 분류 모델을 제안하는 것을 목표로 하였다. 이를 위해 한국의 여름철 기후 상황을 고려하여 극한의 고열환경 조건을 설정하였고, 환경 챔버에서 실험적 연구를 수행하였다. 총 70명이 실험에 자발적으로 참여하였고, 수집된 데이터를 바탕으로 시계열 군집화, 독립표본 t-검정, 기계학습 알고리즘 등 다양한 방법론을 채택하여 분류 모델을 개발하였다. 그 결과, Multi-layer perceptron (MLP) 알고리즘을 사용했을 때 분류 성능이 가장 뛰어났으며, Area under the receiver operating characteristic (AUROC)에서 0.800, Area under the precision-recall curve (AUPRC)에서 0.811의 결과를 보였다. 본 연구는 엔지니어링 관리 분야에서, 기계 학습 기반 분류 알고리즘과 개인의 생체 특성을 활용하여 극한의 고열 환경에 취약한 개인을 식별함으로써, 새로운 연구의 기반을 마련하였다. 제안된 접근 방식은 현장에 투입되기 전에 체성분 (예: 체지방량, 골격근량 등)을 추정하기 위한 간단하고 저렴한 생체 전기 임피던스 방법을 활용하여 구현할 수 있다. 이는 개인의 온열 질환을 선제적으로 예방할 수 있으며, 보다 체계적이고 개인화된 관리체계를 제공하는데 도움이 될 것으로 기대된다.