ОЦЕНКА КЛИНИКО-ФИЗИОЛОГИЧЕСКОГО СТАТУСА СОБАК ПРИ ИСПОЛЬЗОВАНИИ ПРЕЦИЗИОННЫХ РАЦИОНОВ, ОПТИМИЗИРОВАННЫХ МЕТОДАМИ МАШИННОГО ОБУЧЕНИЯ

저자: А. Мұхаметқалиев; А.Е. Шоман; А. Калыкулова; К.К. Макангали; Гульжан Максутовна Токышева; К. Орынханов
출처: - (2026)
DOI/링크: https://doi.org/10.52578/3134-8114-2026-3-129-143
연구 계열: Topics/Animal Health
정리일: 2026-08-25

TL;DR

머신러닝 기반 최적화 방법으로 개발된 정밀 식단(ML-diet)은 다양한 연령대의 독일셰퍼드견에서 안전하고 높은 생물학적 가치를 보였다. 특히 노령견에서 대사 매개변수의 현저한 개선이 확인되었으며, 개인맞춤형 급식 접근법의 효과성이 입증되었다.

1. 연구 배경 및 동기

다루는 문제: 개의 연령대별 최적 식단 개발은 발생 단계별 특정 영양소 요구량을 고려해야 한다. 머신러닝 알고리즘의 적용은 개인맞춤형 급식 전략 개발을 위한 새로운 기회를 제공한다.
기존의 공백 / 왜 필요한가: 기존 표준 식단이 연령대별 특정 요구량을 충분히 반영하지 못하는 한계가 있다. 머신러닝 기반 다중기준 최적화를 통한 정밀 식단 개발의 임상적 검증이 필요하다.

2. 관련 연구

기존 연구 흐름: FEDIAF 및 NRC 표준에 기반한 식단 개발 연구가 진행되어 왔다. 머신러닝을 활용한 동물 영양 최적화는 새로운 접근 방식이다.
이 논문의 위치: 본 연구는 머신러닝 기반 다중기준 최적화 방법으로 개발된 정밀 식단의 임상-생리학적 안전성과 효과성을 체계적으로 검증한 첫 시도이다.

3. 핵심 기여

머신러닝 알고리즘을 이용한 연령대별 맞춤형 개 식단 개발 방법론 제시
ML-diet 급여 후 혈액학적, 생화학적 매개변수의 안전성 및 효과성 입증
노령견에서 대사 매개변수(간효소, 빌리루빈, 포도당)의 현저한 개선 확인
정밀 영양학적 접근이 대사 항상성 유지에 효과적임을 임상적으로 증명

4. 제안 방법론

전체 접근 논리: FEDIAF 및 NRC 표준을 기반으로 머신러닝 다중기준 최적화 방법을 적용하여 연령대별 정밀 식단을 개발하고, 임상 검사, 혈액 분석, 분변 검사를 통해 안전성과 생리학적 효과를 평가했다.
단계:
12마리 독일셰퍼드견을 3개 연령군(유소견 4-9개월, 성견 3-7년, 노령견 9-12년)으로 분류
FEDIAF 및 NRC 표준 기반 머신러닝 다중기준 최적화로 ML-diet 개발
0, 3, 7, 14, 28일차에 임상 검사, 혈액학적·생화학적 분석, 분변 검사 실시
대사 매개변수, 소화율, 임상 증상 평가 및 비교 분석

5. 실험 설정

항목	내용
대상/재료	독일셰퍼드견 12마리 (유소견 4마리, 성견 4마리, 노령견 4마리)
처리 조건	머신러닝 기반 다중기준 최적화로 개발된 정밀 식단(ML-diet) 급여
대조군	기술되지 않음
측정 방법	임상 검사, 혈액학적 분석(백혈구, 포도당, 간효소, 빌리루빈), 생화학적 분석(질소 대사, 미네랄 프로필), 분변 검사(단백질·지방 소화율)

6. 실험 결과 분석

지표	변화(Δ)	조건 · 유의성
백혈구 반응	3일차에 일시적 증가 후 28일차에 안정화	모든 연령군
포도당 농도	생리학적 최적값 도달	모든 연령군
간효소 활성	감소	특히 노령견에서 현저함
빌리루빈	정상화	특히 노령견에서 현저함
질소 대사 매개변수	안정적 유지	모든 연령군
칼슘-인 비율	최적 범위 유지	모든 연령군
단백질·지방 소화율	높은 소화율 확인	분변 검사 결과
식이 불내증 임상 증상	검출되지 않음	모든 연령군

제안 기전(인과 사슬): 머신러닝 최적화 → 연령대별 정밀 영양소 조성 → 대사 매개변수 정상화 → 대사 항상성 유지 및 생리학적 건강 개선

7. 비판적 평가

강점

머신러닝 기반 다중기준 최적화를 통한 과학적이고 체계적인 식단 개발 방법론
연령대별 비교 분석으로 노령견에서의 특별한 효과 입증
임상 검사, 혈액학적·생화학적·분변 검사를 포함한 포괄적인 평가 체계

한계 · 의문

표본 크기가 작음(각 연령군 4마리)
단일 견종(독일셰퍼드견)만 대상으로 하여 일반화 가능성 제한
28일의 단기 모니터링으로 장기 효과 미확인

8. 향후 연구 방향

개발된 식단의 다른 견종에서의 검증 및 연령 범위 확대
ML-diet가 삶의 질과 수명에 미치는 영향에 대한 장기 모니터링
더 큰 표본 규모의 장기 추적 연구

9. 결론

머신러닝 기반 정밀 식단은 다양한 연령대의 개에서 안전하고 높은 생물학적 가치를 보였다. 특히 노령견에서 대사 매개변수의 현저한 개선이 확인되어 개인맞춤형 급식 접근법의 효과성이 입증되었으며, 머신러닝 방법은 연령별 요구량을 충족하고 대사 항상성을 유지하는 식단 개발에 효과적이다.

Keywords

machine learning, precision nutrition, dog diet optimization, age-specific feeding, metabolic parameters, multi-criteria optimization, clinical evaluation, personalized feeding strategy