인공지능으로 젖소 단백질 영양 정밀 설계한다

다음은 대한민국 정부 부처인 농촌진흥청에서 발표한 보도자료 '인공지능으로 젖소 단백질 영양 정밀 설계한다'에 대한 상세하고 포괄적인 요약입니다.

1. 핵심 요약

농촌진흥청은 2025년 9월 25일, 젖소의 단백질 요구량을 인공지능(AI)으로 정밀하게 예측할 수 있는 데이터 학습(머신러닝) 기반 예측 모형을 개발했다고 발표했습니다. 이 모형은 젖소에게 필수적인 두 가지 핵심 단백질인 '반추위 미분해 단백질(RUP)'과 '미생물체 단백질(MicN)'을 기존 국제 모형(NASEM, 2021)보다 약 2배 높은 정밀도로 예측할 수 있습니다. 이를 통해 농가는 젖소에게 필요한 만큼만 사료를 급여하여 사료비를 절감하고, 분뇨에서 배출되는 질소량을 줄여 환경오염 부담을 낮추는 등 친환경 낙농을 실현할 수 있을 것으로 기대됩니다. 개발된 기술은 2027년 개정 예정인 '한국 젖소 사양표준' 5차 개정에 반영될 계획입니다.

2. 주요 내용

• 인공지능 기반 예측 모형 개발 및 주체: 농촌진흥청은 미국 텍사스 에이엔엠(A&M) 대학교, 충남대학교와의 공동 연구를 통해 젖소 단백질 요구량을 인공지능으로 정밀하게 예측하는 데이터 학습(머신러닝) 기반 예측 모형을 개발했습니다. 이 모형은 젖소의 영양 관리를 과학적으로 고도화하는 데 중점을 둡니다.
• 예측 대상 핵심 단백질: 개발된 모형은 젖소의 생산성과 건강에 직접적인 영향을 미치는 두 가지 핵심 단백질, 즉 '반추위에서 분해되지 않고 소장에서 흡수되는 단백질(RUP, Rumen Undegradable Protein)'과 '반추위 미생물이 사료를 분해하며 합성하는 단백질(MicN, Microbial Crude Protein)'을 정확하게 예측하도록 설계되었습니다. RUP는 반추위에서 미생물에 의해 분해되지 않고 소장으로 직접 흡수되는 단백질이며, MicN은 반추위 내 미생물들이 사료를 소화하는 과정에서 스스로 만들어내는 단백질로 젖소의 주요 단백질 공급원입니다.
• 획기적인 예측 성능 향상: 개발된 모형은 기존 국제 표준 모형인 NASEM(National Academies of Sciences, Engineering, and Medicine, 2021) 대비 예측력이 약 2배 향상된 것으로 나타났습니다. 구체적으로, RUP 예측에서는 랜덤 포레스트 회귀(RFR) 모델이 R2(결정계수) 0.60, CCC(일치 상관 계수) 0.71을 달성하여 NASEM의 R2 0.27, CCC 0.45보다 월등히 우수했으며, MicN 예측에서는 서포트 벡터 회귀(SVR) 모델이 R2 0.76, CCC 0.86을 기록하여 NASEM의 R2 0.04, CCC 0.13에 비해 압도적인 성능을 보였습니다.
• 방대한 데이터 학습을 통한 모형 구축: 연구진은 국내외 학술 논문 436편에서 젖소의 동물 정보, 유성분(우유 성분), 사료성분, 소화율, 그리고 젖소의 첫 번째 위인 반추위 내 특성 변화 등 총 1,700여 건에 달하는 방대한 데이터를 수집하여 인공지능에 학습시켰습니다. 이러한 광범위한 데이터 학습이 모형의 높은 예측 정밀도를 가능하게 했습니다.
• 농가 경영비 절감 효과: 젖소의 단백질 요구량을 정밀하게 산출함으로써, 농가에서는 젖소에게 꼭 필요한 만큼의 사료만 급여할 수 있게 됩니다. 이는 불필요한 사료 낭비를 줄여 농가의 사료비 부담을 획기적으로 경감시키고, 낙농 경영의 효율성을 높이는 데 크게 기여할 것입니다.
• 환경오염 저감 및 친환경 낙농 실현: 사료 급여량의 최적화는 젖소가 소화하지 못하고 배출하는 과도한 질소 성분을 줄여 분뇨 내 질소 배출량을 감소시킵니다. 이는 토양 및 수질 오염을 예방하고 환경 부하를 낮춰, 궁극적으로 지속 가능한 친환경 낙농업을 실현하는 데 중요한 기반이 됩니다.
• 국가 사양표준 반영을 통한 과학적 관리 체계 마련: 농촌진흥청은 이번에 개발된 인공지능 예측 모형의 성과를 2027년 개정 예정인 '한국 젖소 사양표준' 5차 개정에 반영할 계획입니다. 이를 통해 국내 젖소 사양관리의 과학적이고 정밀한 표준을 마련하고, 전국 낙농가에 보급하여 사양관리 효율을 높일 방침입니다.

3. 배경 및 목적

현재 국내 낙농 현장에서는 젖소의 우유 생산성을 극대화하기 위해 단백질 사료를 필요량보다 여유 있게 급여하는 경향이 있습니다. 이러한 관행은 젖소의 단백질 요구량을 정확히 알기 어렵다는 점과, 혹시 모를 영양 부족으로 인한 생산성 저하를 우려하는 농가의 심리에서 비롯됩니다. 그러나 이러한 과잉 급여는 농가의 사료비 부담을 가중시킬 뿐만 아니라, 젖소가 소화하지 못하고 배출하는 과도한 질소 성분이 분뇨를 통해 환경으로 유출되어 토양 및 수질 오염의 주요 원인이 됩니다. 특히, 축산 분뇨로 인한 환경 문제는 지속 가능한 농업을 위한 중요한 해결 과제로 대두되고 있습니다.

이러한 배경 하에 농촌진흥청은 젖소의 생리적 요구량에 정확히 부합하는 단백질 급여를 통해 사료 효율성을 높이고 환경 부담을 줄이는 것이 시급하다고 판단했습니다. 이번 인공지능 기반 예측 모형 개발의 주요 목적은 첫째, 젖소의 단백질 요구량을 인공지능으로 정밀하게 예측하여 불필요한 사료 낭비를 막고 농가의 경영비를 절감하는 것입니다. 둘째, 사료 급여량 최적화를 통해 분뇨 내 질소 배출량을 획기적으로 줄여 환경오염을 저감하고, 궁극적으로는 지속 가능한 친환경 낙농업을 실현하는 데 기여하고자 합니다. 셋째, 기존의 경험적 사양관리 방식을 넘어 과학적이고 정밀한 데이터 기반의 사양관리 체계를 구축함으로써 국내 젖소 사양관리의 수준을 한 단계 끌어올리는 데 있습니다.

4. 세부 추진 내용

이번 인공지능 기반 젖소 단백질 요구량 예측 모형 개발은 데이터 학습(머신러닝) 기법을 핵심 방법론으로 활용했습니다. 농촌진흥청 연구진은 미국 텍사스 에이엔엠(A&M) 대학교 및 충남대학교와의 긴밀한 공동 연구를 통해 이 프로젝트를 수행했습니다. 연구를 위해 국내외 학술 논문 436편에서 젖소의 동물 정보(품종, 체중 등), 유성분(우유의 지방, 단백질 함량 등), 사료성분(단백질, 섬유질 등), 소화율, 그리고 젖소의 첫 번째 위인 반추위 내 특성 변화(pH, 미생물 활동 등) 등 총 1,700여 건에 달하는 방대한 데이터를 수집하고 정제했습니다.

수집된 데이터는 인공지능에 학습되어 두 가지 핵심 단백질, 즉 '반추위에서 분해되지 않고 소장에서 흡수되는 단백질(RUP)'과 '반추위 미생물이 사료를 분해하며 합성하는 단백질(MicN)'을 정확하게 예측하는 모형을 구축하는 데 사용되었습니다. 특히, RUP 예측에는 랜덤 포레스트 회귀(RFR, Random Forest Regression) 모델이, MicN 예측에는 서포트 벡터 회귀(SVR, Support Vector Regression) 모델이 각각 가장 우수한 성능을 보였습니다. 이들 개발된 모형은 기존 국제 표준인 NASEM(2021) 모형과 비교 평가되었으며, R2(결정계수), RMSEP(예측 오차의 제곱근 평균), CCC(일치 상관 계수) 등의 통계 지표에서 월등히 높은 예측 정밀도와 일치도를 보여 약 2배 향상된 예측력을 입증했습니다. R2는 모델이 데이터의 변동성을 얼마나 잘 설명하는지를 나타내며, RMSEP는 예측값과 실제값 사이의 평균 오차 크기를, CCC는 예측값과 실제값의 일치도를 보여주는 지표입니다. 구체적인 예산이나 개발 일정은 보도자료에 명시되어 있지 않으나, 2025년 9월 25일에 발표된 성과임을 고려할 때 상당 기간의 연구 개발이 선행되었음을 알 수 있습니다.

5. 기대 효과

이번 인공지능 기반 젖소 단백질 요구량 예측 모형 개발을 통해 국내 낙농업 전반에 걸쳐 다각적인 긍정적 효과가 기대됩니다. 첫째, 젖소에게 필요한 단백질 요구량을 정밀하게 산출함으로써 불필요한 사료 급여를 최소화하여 농가의 사료비 부담을 획기적으로 줄일 수 있습니다. 이는 낙농가의 경영 안정화에 직접적으로 기여할 것입니다. 둘째, 사료 섭취량 최적화는 젖소 분뇨를 통한 질소 배출량을 감소시켜 토양 및 수질 오염을 줄이고, 궁극적으로는 지속 가능한 친환경 낙농업으로의 전환을 가속화할 것입니다. 셋째, 젖소의 영양 상태를 과학적으로 관리함으로써 젖소의 건강을 증진시키고, 우유 생산성을 안정적으로 유지하거나 향상시키는 데 도움을 줄 수 있습니다. 마지막으로, 이 기술은 2027년 개정될 '한국 젖소 사양표준'에 반영되어 국내 젖소 사양관리의 과학적 수준을 한 단계 끌어올리는 중요한 기반이 될 것입니다. 이러한 효과는 전국 약 5천여 낙농가와 그들이 사육하는 수십만 마리의 젖소, 그리고 더 나아가 대한민국 환경 전반에 긍정적인 영향을 미칠 것으로 예상됩니다.

6. 향후 계획

농촌진흥청은 이번에 개발된 인공지능 예측 모형의 성공적인 현장 적용을 위해 다각적인 후속 조치를 계획하고 있습니다. 가장 중요한 것은 실제 젖소를 대상으로 하는 사양시험을 통해 개발된 기술의 정확성과 실효성을 면밀히 검증하는 것입니다. 이 검증 과정을 통해 모형의 신뢰도를 더욱 높이고, 실제 낙농 환경에서의 적용 가능성을 확인할 예정입니다. 또한, 현장 농가들이 이 기술을 쉽게 활용할 수 있도록 사용자 친화적인 시스템 개발 및 보급 연구를 지속적으로 추진할 계획입니다. 최종적으로는 2027년 개정 예정인 '한국 젖소 사양표준' 5차 개정에 이번 인공지능 기반 단백질 요구량 예측 기술을 반영하여, 국내 젖소 사양관리의 표준을 한 단계 더 고도화할 방침입니다. 농촌진흥청 국립축산과학원 낙농과 김상범 과장은 이 기술이 젖소 사양관리 효율을 높이는 동시에 지속 가능한 낙농업을 실현하는 중요한 기반이 될 것이라고 강조하며, 앞으로도 현장 활용도를 높이는 연구를 꾸준히 이어갈 것이라고 밝혔습니다.