이유는 자돈 생산에서 장의 변화가 자돈의 건강과 성과에 영향을 미치는 중요한 단계입니다. 본 연구에서는 기계 학습 기법을 적용하여 이유 후 첫 15일 동안 장 건강과 생산성 간의 공동 패턴을 식별하였습니다. 총 103마리의 동물이 24개의 조직형태학, 생화학 및 생산 변수 데이터 세트를 사용하여 분석되었습니다. 비지도 클러스터링 모델 중 K-평균 (k = 2)이 가장 뛰어난 구분을 보여주었으며 장 매개변수(융모 높이/함몰 깊이 비율, 장 흡수 면적, 십이지장 말타아제 활동, 낙산, 프로피온산 및 총 휘발성 지방산 농도)와 성과 결과(15일의 체중 및 평균 일일증가) 간에 유의미한 차이를 나타내는 두 그룹을 나타냈습니다. 이후 감독된 모델이 해석 도구로 적용되어 변수의 중요성이 평가되었으며, 랜덤 포레스트가 높은 내부 일관성을 달성했습니다. SHAP 분석은 장의 형태학, 효소 활동 및 미생물 대사 산물(특히 총 휘발성 지방산, 프로피온산 및 낙산)이 클러스터 분류와 가장 강하게 관련되어 있음을 나타냈습니다. 이러한 발견은 이유 초기 기간 동안 장 기능과 성장 간의 조정된 패턴을 강조하며, 이러한 바이오마커가 향후 영양 전략에서 탐색해야 할 잠재적 목표가 될 수 있음을 시사합니다. 전반적으로, 본 연구는 설명 가능한 비지도 기계 학습 접근법을 동물 과학 연구에서 탐색적 분석 및 가설 생성에 통합할 수 있는 잠재력을 보여줍니다.