Machine Learning for Predicting Somatic Cell Count in Holstein Cattle

낙농업의 세계에서 소의 유방 건강은 생산되는 우유의 품질을 결정하는 가장 결정적인 단일 요인입니다. 농부들은 유방의 건강 상태를 측정하기 위해 체세포 수라는 특정 지표에 의존합니다. 이 세포들을 작은 파수꾼이라고 생각해보십시오. 소의 유방이 건강할 때 이 수치는 낮습니다. 하지만 감염이나 염증이 발생하면, 신체는 문제를 해결하기 위해 더 많은 세포를 보내며 이 수치가 급격히 상승합니다. 높은 수치는 유방염을 나타내는데, 이는 동물에게 고통을 줄 뿐만 아니라 우유의 양을 줄이고 제품의 품질을 떨어뜨리는 고통스러운 질환입니다. 농부들의 과제는 이 체세포 수가 매일 측정되지 않는다는 점입니다. 대신 주기적으로 확인되기 때문에, 그 사이의 공백 기간 동안 소의 건강 상태가 변하더라도 아무도 알지 못할 수 있습니다. 이러한 공백을 메우기 위해, 농부들은 오랫동안 자신이 이미 매일 수집하고 있는 다른 데이터들, 예를 들어 소가 생산하는 우유의 양, 우유 속의 지방과 단백질 함량, 그리고 그녀의 번식 이력 등이 조기 경고 신호 역할을 할 수 있기를 희망해 왔습니다.

수년 동안 과학자들은 이러한 일일 기록을 유방 건강과 연결하기 위해 표준 수학 공식들을 사용하려 노력해 왔지만, 그 관계는 매우 무질서하고 복잡했습니다. 소의 건강에 영향을 미치는 요인들은 단순한 방정식으로 포착하기 어려운 방식으로 상호작용하며, 직선적이고 예측 가능한 경로를 따르지 않습니다. 최근 이란의 한 연구팀은 다른 접근 방식인 머신러닝(기계 학습)으로 눈을 돌렸습니다. 머신러닝은 전통적인 방식으로는 찾기 어려운 데이터 속의 패턴을 찾아내도록 설계된 컴퓨터 프로그램입니다. 연구진은 이 프로그램들에 상업용 홀스타인(Holstein) 젖소 농장의 수년간의 기록을 입력함으로써, 농부들이 이미 보유하고 있는 일상적인 정보만을 사용하여 체세포 수를 예측할 수 있는지 확인하고자 했습니다. 그들의 목표는 단순히 그것이 가능한지를 보는 것뿐만 아니라, 어떤 유형의 컴퓨터 모델이 가장 잘 작동하는지, 그리고 그 답이 소가 출산한 횟수에 따라 달라지는지를 결정하는 것이었습니다.

연구진은 대규모 홀스타인 젖소 집단의 데이터를 수집하였으며, 각 개체에 대해 기록된 13가지 서로 다른 정보에 집중했습니다. 여기에는 소의 연령, 임신 기간, 출산 전 착유 중단 기간, 그리고 일일 우유, 지방, 단백질 생산량이 포함되었습니다. 또한 출산 후 다시 임신하기까지 걸린 시간과 같은 번식 이력도 추적했습니다. 오류와 이상치를 제거하기 위해 데이터를 정제한 결과, 약 만 건에 달하는 기록이 남았습니다. 소의 생물학적 특성은 나이가 들고 송아지를 많이 낳을수록 크게 변하기 때문에, 연구팀은 모든 소를 동일하게 취급하지 않았습니다. 대신 데이터를 다섯 개의 뚜렷한 그룹으로 나누었습니다: 초산우, 2산우, 3산우, 4산우, 그리고 4회 이상 출산한 소들입니다. 이러한 구분은 매우 중요했는데, 어린 암소의 건강을 지배하는 규칙은 경험이 많은 노령우의 규칙과 종종 다르기 때문입니다.

최적의 체세포 수 예측 방법을 찾기 위해, 팀은 7가지의 서로 다른 컴퓨터 모델링 접근 방식을 테스트했습니다. 먼저 데이터에 직선을 긋는 선형 방정식을 사용하는 세 가지 전통적인 방식을 테스트했습니다. 그다음, 복잡한 패턴에 맞춰 휘어지고 뒤틀릴 수 있는 네 가지의 더 발전된 비선형 방식들을 테스트했습니다. 여기에는 인간의 뇌가 정보를 처리하는 방식을 모방한 베이지안 신경망(Bayesian Neural Network), 수많은 결정 트리를 구축하고 그 답을 결합하는 랜덤 포레스트(Random Forest), 그리고 데이터를 범주로 분류하는 두 가지 다른 트리 기반 시스템이 포함되었습니다. 연구진은 이 모델들을 데이터의 4분의 3로 학습시킨 후, 나머지 4분의 1을 테스트하여 이전에 본 적 없는 소들의 체세포 수를 얼마나 잘 예측하는지 확인했습니다.

결과는 구식 사고방식과 새로운 사고방식 사이의 명확한 차이를 보여주었습니다. 전통적인 선형 모델은 데이터의 미묘한 차이를 포착하는 데 어려움을 겪었으며, 체세로 수를 예측할 때 종종 목표에서 벗어났습니다. 반면, 더 유연한 비선형 모델들은 현저히 더 나은 성능을 보였습니다. 이들 중 베이지안 신경망과 랜덤 포레스트가 최고의 성과를 낸 모델로 나타났습니다. 처음 몇 번의 락테이션(lactation, 수유기) 그룹에서, 이 고급 모델들은 실제 데이터와 약 0.62에서 0.70 사이의 상관관계를 달-성했습니다. 이것이 기술적으로 들릴 수 있지만, 이는 기존 방식이 도저히 따라잡을 수 없었던 트렌드를 예측하는 유의미한 능력을 의미합니다. 컴퓨터 모델은 우유 생산량과 유방 건강 사이의 관계가 고정된 것이 아니라, 소의 연령과 이력에 따라 변화하고 이동한다는 것을 학습할 수 있었습니다.

연구진이 모델이 실제로 무엇에 주목하고 있는지 자세히 살펴보았을 때, 일관된 이야기가 드러났습니다. 체세포 수를 예측하는 데 있어 가장 중요한 단서는 생산 특성, 즉 소가 생산하는 평균 단백질, 우유, 지방의 양이었습니다. 거의 모든 그룹에서 우유 속의 단백질 함량이 가장 영향력 있는 단일 요인이었습니다. 소가 나이가 들수록 전체 우유량의 중요성이 커졌으며, 결국 가장 오래된 소들에게는 우유량이 주요 예측 인자가 되었습니다. 이는 생물학적으로 타당한데, 유방의 감염은 흔히 우유 생산 능력과 그 성분을 변화시키기 때문입니다. 건유기(dry period)의 길이와 첫 출산 연령과 같은 다른 요인들도 부차적인 역할을 했지만, 그 중요성은 소의 생애 단계에 따라 달라졌습니다. 어린 소들에게는 첫 출산 연령이 더 중요했고, 중년의 소들에게는 수유기 사이의 휴식 기간이 더 강력한 신호가 되었습니다.

그러나 이 연구는 중요한 한계점도 드러냈습니다. 모델은 처음 몇 번의 수유기를 거친 소들에게는 잘 작동했지만, 4회 이상 출산한 가장 오래된 그룹에서는 정확도가 눈에 띄게 떨어졌습니다. 이 노령우들의 상관관계는 약 0.50으로 하락했으며, 예측 오차는 증가했습니다. 연구진은 이를 기술의 실패가 아니라 데이터 자체의 특성 때문이라고 설명했습니다. 전체 데이터셋에서 이 노령우들의 기록은 약 338건에 불과하여, 초산우의 4,000여 건과 비교했을 때 매우 적었습니다. 학습할 데이터가 너무 적고, 노령우들이 더 다양하고 예측 불가능한 건강 패턴을 보이기 때문에 컴퓨터가 신뢰할 수 있는 패턴을 찾는 데 훨씬 더 어려움을 겪은 것입니다. 이는 머신러닝이 강력하긴 하지만, 효과적으로 작동하기 위해서는 충분한 데이터가 필요하다는 점을 시사합니다.

이 연구 결과는 농부들이 정기 검사 사이의 유방 건강을 더 잘 파악하기 위해 값비싼 새로운 센서나 복잡한 장비를 갖출 필요가 없음을 시사합니다. 이미 수집하고 있는 생산 및 번식 데이터를 활용하고 더 정교한 컴퓨터 모델을 적용함으로써, 유방염 발생 위험이 있는 소를 이전보다 더 일찍 식별할 수 있을 것입니다. 베이지안 신경망과 랜덤 포레스트 모델은 이 작업에 가장 신뢰할 수 있는 도구임이 입증되었으며, 일상적인 낙농 데이터 속에 숨겨진 연결 고리를 볼 수 있는 방법을 제시했습니다. 다만, 연구진은 이 모델들이 이란의 단일 농단 데이터를 바탕으로 구축되었다는 점을 주의를 주고 있습니다. 이 접근 방식이 전 세계 농가에 도입되기 위해서는 다양한 관리 방식과 유전적 배경을 가진 다양한 농가들을 대상으로 테스트를 거쳐야 합니다. 이 기술은 일상적인 농장 기록을 선제적인 건강 모니터링 시스템으로 전환할 수 있는 큰 가능성을 보여주지만, 아직 모든 낙농업에 적용 가능한 완성된 솔루션은 아닙니다.