이유는 양돈 생산에서 매우 중요한 단계로, 이 시기에는 자돈의 장에서 변화가 일어나 건강과 생산성에 영향을 미칩니다. 본 연구에서는 머신러닝 기법을 적용하여 이유 후 첫 15일 동안 장 건강과 생산성 간의 연관 패턴을 규명하고자 했습니다. 총 103두의 자돈을 대상으로 24개의 조직형태학적, 생화학적, 그리고 생산성 관련 변수를 포함한 데이터셋을 분석했습니다. 비지도 클러스터링 모델 중 K-means(k=2)가 가장 명확한 구분을 보여, 장내 지표(융모 높이/분화구 깊이 비율, 장 흡수 면적, 십이지장 말타아제 활성, 부티르산, 프로피온산 및 총 휘발성지방산 농도)와 생산성 지표(15일령 체중, 일당증체량)에서 뚜렷한 차이를 보이는 두 개의 그룹이 도출되었습니다. 이어서 지도 학습 모델을 해석 목적으로 적용한 결과, 랜덤 포레스트(Random Forest)가 높은 내부 일관성을 나타냈습니다. SHAP 분석을 통해 장의 형태학적 특성, 효소 활성이며 미생물 대사산물(특히 총 휘발성지방산, 프로피온산, 부티르산)이 클러스터 분류에 가장 강하게 연관됨을 확인하였습니다. 이 연구 결과는 이유 초기에 장 기능과 성장 간의 연관성 있는 패턴을 부각하며, 이러한 바이오마커가 향후 영양 전략 개발 시 유망한 타깃이 될 수 있음을 시사합니다. 전반적으로 본 연구는 비지도 학습 기반의 설명 가능한 머신러닝 접근법이 동물 과학 연구에서 탐색적 분석과 가설 도출에 효과적으로 활용될 수 있음을 입증합니다.