폐렴은 특히 세계의 소득이 낮은 지역에서 아동 사망의 주요 원인 중 하나이다. 비록 폐렴은 비교적 간단한 장비와 약물로 진단 및 치료가 가능하지만, 개발도상국에서는 여전히 폐렴 진단이 큰 문제로 남아 있다. 컴퓨터 보조 진단(CAD) 시스템은 전문 의료진에 비해 운영 비용이 낮기 때문에 이러한 국가들에서 활용될 수 있다. 본 논문에서는 딥러닝 기법과 메타휴리스틱 알고리즘의 개념을 활용하여 흉부 X선 사진을 기반으로 폐렴을 탐지하는 CAD 시스템을 제안한다. 먼저, 목표 폐렴 데이터셋에 대해 미리 학습된 ResNet50 모델을 세부 조정(fine-tune)한 후, 깊이 있는 특징을 추출한다. 이후, 입자군집최적화(PSO) 기반의 특징 선택 기법을 제안하며, 이는 기억 기반 적응 파라미터를 도입하여 개선하고, 에이전트에 이타적 행동(altruistic behavior)을 통합하여 풍부화시켰다. 본 특징 선택 기법을 '적응형 이타적 PSO(AAPSO)'라 명명한다. 제안된 방법은 ResNet50 모델로부터 얻은 정보 없는 특징을 효과적으로 제거함으로써 전체 프레임워크의 폐렴 탐지 성능을 향상시킨다. 공개된 폐렴 데이터셋을 대상으로 실시한 광범위한 실험과 철저한 분석을 통해, 제안된 방법이 폐렴 탐지에 사용되는 여러 기존 프레임워크보다 우수함을 입증하였다. 폐렴 탐지 외에도, AAPSO는 표준 UCI 데이터셋, 암 예측을 위한 유전자 발현 데이터셋, 그리고 코로나19 예측 데이터셋에서도 평가되었으며, 전반적인 결과는 만족스럽게 나타나, AAPSO가 다양한 실생활 문제 해결에 유용함을 확인시켜 주었다. 본 연구의 지원 소스 코드는 다음의 GitHub 링크에서 확인할 수 있다: https://github.com/rishavpramanik/AAPSO