Journal Archive

반려동물에 대한 사회적 인식의 발달과 가구형태의 변화로 인해 우리나라의 반려동물 수가 증가하고 있다[1]. 한국농촌경제연구원의 2017년 조사에 따르면, 우리나라 전체 가구의 29.4%인 574만 가구가 반려동물 874만 마리를 기르고 있으며, 2027년에는 1,320만 마리에 이를 것으로 전망하고 있다. 그에 따라 반려동물을 위한 고품질 양육방법과 헬스케어에 대한 관심이 많아지면서 반려동물의 사료와 의약품, 생활용품, 의료서비스 등을 포함한 연관산업도 급속도로 성장하고 있다[2]. 2017년 2조 3,322억원 규모의 연관산업은 2014년 1조 5,684억원의 규모가 연평균 14.5%씩 성장한 결과이고, 2020년에는 약 6조원 규모로 성장할 것이라는 농림축산식품부의 연구결과가 발표되었다. 그러나 현재 우리나라 반려동물 연관산업은 반려동물에 대한 성숙한 인식을 기반으로 하는 제도나 정책이 필요한 상황이다. 또한, 국내에서는 동물병원의 폐쇄적인 의료데이터 관리와 체계적인 의료시스템의 부재로 인해[3], 의료데이터를 이용한 반려동물 의료산업이 활발하게 이루어지지 않고 있다.

반려동물 양육가구 비율이 높은 미국, 영국, 독일, 프랑스, 일본 등의 국가는 반려동물 건강에 대한 다양한 연구와 데이터 관리를 진행해왔고, 의료상품 및 서비스 산업도 발달하고 있다[2]. 최근에는 인간의 개인맞춤의료서비스와 같이, 반려동물의 건강상태를 수시로 파악하고 검진자료를 바탕으로 솔루션을 제공하는 시스템 및 모바일앱 등이 영국과 일본에서 개발되었다. 그리고 반려동물의 놀이와 운동량 등을 측정하고 동일 품종과 비교하여 정보를 제공하는 헬스케어서비스 제품이 미국과 오스트리아에서 출시되었다.

해외의 반려동물 의료데이터 분석 결과, 반려견의 질환은 품종과 연령대에 따라 다르게 발병하고 수명과 삶의 질을 결정한다고 보고되었다[4], [5]. 순종견은 품종 특이적 질환[8]과 선천적 질환의 발병율과 불임율[6], [7]이 높다는 연구결과가 미국과 영국에서 발표되었다. 피부질환은 유전적 요인보다 환경적 요인에 의해 말티즈, 시추, 요크셔테리어 등 장모종에게 많이 발병한다. 유방암이나 고환암, 전립선암과 같은 생식기 질환이 작은 체형의 잡종견에게 잘 발병하기 때문에, 중성화 수술을 통해 질환을 예방한다는 분석결과가 보고되었다[9].

반려견의 질환은 품종과 상관없이 연령대에 따라 다르게 발병하는 것을 미국의 연구결과를 통해 알 수 있다[9-11]. 진행성 퇴행성질환인 심장질환은 8세 이상의 고령견에서 발병율이 높고 사망을 유발하는 고위험 인자이다. 유방암은 대표적인 악성종양으로 또 다른 사망의 고위험 인자이고, 50% 이상은 중성화 수술을 하지 않은 고령 암컷견에서 발견된다. 3세 이하 반려견의 사망을 초래하는 가장 큰 원인은 소화기 질환이고, 나이와 무관하게 모든 반려견의 공통 질환은 귀와 피부질환이다. 피부질환 중 아토피 증상의 95% 환자는 5세 이하 반려견이라는 연구[11]가 있고, 아토피의 55~60% 환자는 귀 질환도 동반하는 것으로 관찰되었다[12].

미국동물병원협회 (AAHA; The American Animal Hospital Association)와 미국수의사회 (AVMA; The American Veterinary Medical Association)는 반려견 예방 의료 가이드라인 (Canine Preventive Healthcare Guideline)과 치아관리 (Dental Care), 당뇨병 관리 (Diabetes Management), 행동 (Behavior Management), 영양평가 (Nutritional Assessment), 생애주기 (Life Cycle) 등의 가이드를 제시하여 국가차원에서 반려동물의 연령대와 질환 별로 건강을 관리하고 있다. 이와 같은 정기건강검진 등의 헬스케어제도를 통해 축적된 의료데이터는 미국의 반려동물 질환에 대한 다양한 관점의 통계적 분석 및 연구를 가능하게 하였다.

반려동물의 품종 및 연령대와 관계없이, 영국에서는 피부와 소화기, 근골격계 질환이 가장 많이 발병하고[13], 이탈리아에서는 반려동물 진료항목으로 소화기, 피부, 심혈관 질환이 가장 많았다[14]. 그러나 국내에서는 피부와 심장, 귀 질환의 진료비중이 가장 높았다. 이와 같은 결과는 해외와 다른 한국의 주거 형태 등의 환경적 요인과 사람들이 선호하는 견종비율에 의한 것으로 분석되었다[6], [8].

이처럼 반려동물의 질환 특성은 각 국가마다 다르기 때문에, 국내 반려동물의 의료데이터를 국가차원에서 수집 및 통합 관리할 수 있는 시스템의 필요성이 제기되고 있다. 이를 통해 확보된 데이터로부터 국내 호발성 질환 및 전염병 발생 패턴 등의 다양한 분석이 가능하고, 그 결과 미국과 같이 국내 반려동물 건강관리 가이드가 완성될 수 있을 것이다.

또한, 국가차원에서 수집하여 통합한 대용량의 반려동물 의료데이터를 분석할 수 있는 고차원적 방법이 요구된다. 최근 통신과 인공지능 기술 발달에 의해, 기하급수적으로 생산되는 빅데이터를 분석하려는 시도가 의료분야에서도 증가하고 있다. 수의학분야에서는 돼지열병 등의 전염병 발생과 관련된 요인을 식별하거나 양의 신체 사이즈와 유전자형(genotype)간의 연관분석, 양의 출생 체중과 수동면역 (passive immunity)의 관계분석, 종에 따른 소의 형태학적 특징 (morphological feature) 분석 등을 위해 머신러닝 (machine learning) 알고리즘을 적용하였다. 그리고 AI 기법을 이용하여 방사선 사진으로부터 개의 고관절 영역을 식별하거나, 사람의 지문식별과 같이 Kangal 종 개의 코 무늬를 식별, 양 근육 이미지 데이터로부터 지방량을 추정하는 등의 의료영상데이터 연구가 진행되었다[15]. 해외에서 모바일을 통해 반려동물의 건강정보를 수집하고 AI 모델을 이용하여 보호자에게 반려동물의 질환을 예측 및 진단결과를 제공하는 시스템들이 개발되었지만, 대용량의 전자차트데이터 기반 시스템 개발은 이루어지지 않았다.

따라서 본 논문에서는 국내 반려동물의 대용량 전자차트데이터를 수집 및 관리하고, 수의학자가 전문적인 진단처방정보를 검색하고 분석할 수 있는 AI 기반 시스템을 제시한다. 반려동물의 생애주기에 따른 발병질환의 유의한 차이는 반려동물의 진단과 처방에 유의한 정보이기 때문에, 전자차트데이터를 이용하여 반려동물 생애주기를 예측하는 모델을 구축하였다. 데이터 표준화 및 관리가 가능한 분석시스템을 통해, 고품질 및 고신뢰성의 의료데이터를 생성하고 국내 반려동물 특이적 질환연구를 고차원적으로 수행할 수 있을 것이다.

국내 반려동물 의료서비스의 현실화를 위해서 이 논문에서는 다음과 같은 세 가지 핵심 연구를 수행한다.

▪ 견종, 질환, 처방약 등의 반려동물 전자차트데이터를 표준화하고, 견종별, 성별, 생애주기별 질환의 발병율을 비교하여 유의성을 검증한다.
▪ 견종, 성, 생애주기, 질환, 처방약 등으로부터 빈발하는 패턴을 분석하고, 신뢰성 보장이 가능한 Deep Belief Network (DBN)[16] 기반 반려동물 생애주기 예측모델을 제안한다.
▪ 대용량, 고차원 데이터에 대한 분석 알고리즘의 고속처리가 가능하도록 in-memory 기반의 병렬처리 기술인 Map-Reduce 기법을 DBN에 적용한다.
▪ 사용자가 데이터를 직접 입력하여 분석하고, 입력데이터를 이용하여 DBN 모델을 설계 및 학습할 수 있는 웹기반 반려동물 진료데이터 분석시스템을 제시한다.

논문의 효율적인 이해를 위해, 2장 본론의 내용 구성은 다음과 같다.

2-1절에서는 전반적인 반려동물 전자차트데이터의 구성과 통계분석 방법 및 결과를 기술하고, 2-2절에서는 전자차트데이터로부터 빈발하는 패턴을 분석한다. 2-3절에서는 분산/병렬처리를 실행하는 반려동물 생애주기 분류모델의 성능평가 결과를 제시하고, 끝으로 3장에서 결론을 맺는다.

국내 반려가구의 수가 증가함에 따라 반려동물 양육에 대한 경제적 부담이 증가하고 있다. 반려동물의 진료데이터를 통해 품종별, 성별, 생애주기별 건강정보를 분석하여 반려동물의 건강상태를 이해하고 더욱 체계적으로 관리할 필요가 있다. 또한 수의학적 발달에 의한 반려동물의 고령화 사회에서 반려동물의 질환을 예방할 수 있는 사회적 시스템이 요구되고 있다.

본 논문에서는 동물병원에서 진료를 받은 반려동물의 정보와 전자차트데이터의 생애주기와 질환명, 처방약 등을 표준화하고, 반려동물의 품종, 성별, 생애주기 비율과 그에 따라 발병하는 질환을 분석하였다. 그 결과, 신부전과 심장판막의 이상은 고령 반려동물의 대표적인 질환인 것을 확인하였다. 그리고 전체 표준화된 전자차트데이터에서 빈발패턴을 분석하여, 고령 수컷견은 신부전이 많이 발생하고 고령 암컷견은 심장판막의 이상이 많이 발병하는 것을 검색하였다. 진료데이터와 빈발패턴 정보를 통합하여 반려동물의 생애주기를 분류하는 DBN 기반 모델을 구축하였다. Fig. 7과 같이, 전자차트데이터의 분산저장 및 고속 검색이 가능한 데이터 저장 시스템을 개발하고, 통계 및 빈발패턴 분석과 분산/병렬처리가 가능한 분류 모델을 웹시스템에 구현하여 사용자가 반려동물 진료데이터를 분석할 수 있도록 제공하였다.

Fig. 7. 
System architecture for analysis of companion animal EMR

본 연구 결과를 바탕으로, 반려동물의 신체정보나 처방약의 용량, 백신접종 유무 등의 정보를 추가하여 분류기의 성능을 높이고, 더 다양한 시각으로 전자차트데이터를 분석할 것이다. 그리고 협업필터링 등의 알고리즘을 추가로 적용하여 의료추천 시스템을 개발할 것이다.