반려견 스마트 칼라 활동량, 얼마나 믿을 수 있을까?

하루 활동량, 휴식 시간, 칼로리 소모, 수면 패턴까지 보여주는 반려동물 웨어러블이 빠르게 늘고 있습니다. 보호자 입장에서는 숫자가 보이면 안심하기 쉽습니다. 어제보다 활동량이 12% 줄었다거나, 오늘 목표를 80% 달성했다는 화면은 마치 반려견의 상태를 객관적으로 읽고 있는 것처럼 느껴집니다.

하지만 웨어러블의 숫자는 모두 같은 수준의 신뢰도를 갖지 않습니다. 센서가 실제 움직임을 얼마나 잘 감지하는지, 어떤 행동에서 오차가 커지는지, 짧은 구간과 하루·일주일 같은 긴 구간에서 결과가 어떻게 달라지는지, 그리고 활동량을 칼로리나 건강 상태로 변환하는 알고리즘이 별도로 검증됐는지를 구분해서 봐야 합니다.

Editorial Note. 본 기사는 특정 브랜드나 제품의 구매를 권고하는 리뷰가 아닙니다. 공개된 동료평가 연구를 바탕으로 반려견 웨어러블 데이터를 어떻게 읽어야 하는지 설명하는 독립적인 PET Tech 콘텐츠입니다. 웨어러블 데이터만으로 질병, 통증, 비만, 수면장애를 진단하거나 치료 결정을 내려서는 안 됩니다.

가장 먼저 구분해야 할 것: 센서가 잘 측정하는 것과 앱이 해석하는 것은 다르다

대부분의 반려견 활동량 기기는 3축 가속도계 같은 관성 센서를 이용합니다. 목에 달린 센서는 시간에 따라 몸이 움직이는 방향과 크기를 기록합니다. 이 원시 신호는 비교적 직접적인 물리량이지만, 앱에 표시되는 ‘활동 점수’, ‘수면’, ‘칼로리’, ‘건강 상태’는 원시 신호를 알고리즘으로 가공한 결과입니다.

따라서 한 기기가 움직임을 비교적 잘 감지한다고 해서 그 기기가 계산한 칼로리나 임상적 의미까지 자동으로 정확해지는 것은 아닙니다. 측정의 타당도와 해석 알고리즘의 타당도는 별도로 검증해야 합니다.

2021년 검증 연구: 자유롭게 움직일 때는 강했지만 리드줄 산책에서는 약해졌다

Jessica Colpoys와 Dean DeCock이 2021년 Animals에 발표한 연구는 반려견용 가속도계 FitBark 2의 활동 데이터를 영상으로 직접 센 실제 걸음 수와 비교했습니다. 26마리의 개가 30분 동안 세 가지 조건을 경험했습니다. 방 안을 리드줄 없이 탐색하는 조건, 보호자와 상호작용하는 조건, 리드줄을 착용하고 걷는 조건이었습니다.

전체 구간에서 기기 활동량과 걸음 수의 상관은 중간 수준(r=0.65)이었습니다. 흥미로운 점은 상황별 차이입니다. 리드줄 없이 방을 탐색할 때는 r=0.795, 사람과 상호작용할 때는 r=0.758로 비교적 높은 상관을 보였지만, 리드줄 산책에서는 r=0.498로 낮아졌습니다.

이 결과는 웨어러블이 ‘맞다/틀리다’의 문제가 아니라 행동 맥락에 따라 성능이 달라질 수 있음을 보여줍니다. 목의 움직임, 보행 속도, 리드줄 제약, 냄새 맡기와 정지·재출발 같은 산책 특성이 센서 신호에 영향을 줄 수 있기 때문입니다.

2024년 연구: 짧은 구간보다 긴 기간에서 두 기기의 일치도가 높았다

Erin C. Hilborn, Adam J. Rudinsky, Nina R. Kieves가 2024년 American Journal of Veterinary Research에 발표한 파일럿 연구는 FitBark 2와 기존에 검증된 Actical을 20마리의 개에게 동시에 착용시켰습니다. 두 기기를 일주일 동안 연속 착용하고, 1마일 산책·산책이 포함된 하루·산책 시간대·휴식 시간대 등 여러 시간 규모에서 비교했습니다.

가장 중요한 결과는 ‘측정 기간’이었습니다. 두 기기의 관계는 전체 일주일을 합산했을 때 매우 강했지만, 더 짧은 시간 단위에서는 중간 수준으로 떨어졌습니다. 연구진은 같은 기기라도 데이터를 얼마나 긴 시간 창으로 보는지가 해석에 영향을 준다고 강조했습니다.

보호자에게는 실용적인 의미가 있습니다. 오늘 오후 3시의 숫자 하나보다 같은 반려견의 일주일·한 달 패턴을 비교하는 편이 더 안정적인 정보를 줄 가능성이 높습니다. 특히 개체 간 절대 점수를 경쟁시키기보다 같은 개의 반복 측정을 보는 것이 합리적입니다.

활동량이 맞아도 ‘칼로리’는 별개의 문제다

Maya Sekhar, Adam J. Rudinsky, Connor Cashman, Valerie J. Parker, Nina R. Kieves, James Howard, Jenessa Winston이 수행한 연구는 웨어러블이 계산한 일일 에너지 요구량이 실제 유지 에너지 요구량을 얼마나 잘 반영하는지 평가했습니다. 23마리의 건강한 개를 28일 동안 추적했고, 보호자는 실제 섭취 열량을 기록했습니다.

결과는 활동량 측정과 에너지 계산을 구분해야 하는 이유를 잘 보여줍니다. 기기가 예측한 일일 에너지 요구량은 23마리 중 18마리, 약 78%에서 실제 관찰된 요구량보다 높았고, 두 값의 일치도는 낮았습니다. 연구진은 해당 에너지 예측 기능의 임상·연구 활용성이 제한적이라고 평가했습니다.

즉 ‘움직임을 꽤 잘 측정한다’와 ‘칼로리를 정확히 계산한다’는 같은 문장이 아닙니다. 반려견의 체중, 품종, 체형, 중성화 여부, 환경, 체온조절, 근육량, 음식 섭취 등은 에너지 소비와 요구량에 복잡하게 관여합니다.

웨어러블 숫자를 잘 사용하는 네 가지 원칙

첫째, 절대 점수보다 자기 기준선을 봅니다. ‘우리 개가 다른 개보다 20% 덜 움직인다’보다 ‘우리 개의 최근 4주 평균보다 이번 주가 지속적으로 줄었는가’가 더 의미 있는 질문입니다.

둘째, 맥락을 함께 기록합니다. 비가 온 날, 산책 시간을 줄인 날, 미용·병원 방문이 있던 날, 가족이 외출한 날, 새로운 약이나 식이가 시작된 날의 활동량은 평소와 다를 수 있습니다.

셋째, 서로 다른 기기의 숫자를 그대로 비교하지 않습니다. 브랜드마다 센서 위치, 샘플링, 필터링, 활동 점수 알고리즘이 다를 수 있습니다. 기기를 바꾸면 새로운 기준선을 다시 만드는 편이 안전합니다.

넷째, 갑작스러운 변화는 ‘신호’이지 ‘진단명’이 아닙니다. 활동량 감소는 통증, 피로, 날씨, 환경 변화, 스트레스, 수면, 보호자 일정 등 여러 요인과 연결될 수 있습니다. 지속되거나 다른 증상이 동반되면 수의학적 평가가 필요할 수 있습니다.

PET BRIDGE 관점: 웨어러블의 진짜 가치는 영상과 맥락을 만날 때 커진다

PET BRIDGE가 지향하는 장기 행동 관찰에서도 웨어러블은 유용한 보조 센서가 될 수 있습니다. 그러나 하나의 활동 점수를 건강 점수로 바꾸는 방식보다, 영상에서 관찰되는 보행·자세·활동·휴식 패턴과 웨어러블의 움직임 데이터를 시간축으로 정렬해 보는 접근이 더 적절합니다.

예를 들어 ‘이번 주 활동량이 18% 줄었다’는 숫자만으로는 원인을 알 수 없습니다. 같은 기간 영상에서 산책 중 멈춤이 늘었는지, 휴식 시간이 길어졌는지, 촬영 환경이나 보호자 일정이 바뀌었는지를 함께 보면 데이터의 해석 가능성이 높아집니다. 이때도 목적은 질병을 자동 진단하는 것이 아니라 평소 기준선에서 벗어난 변화를 더 잘 기록하고 설명하는 것입니다.

결론: 웨어러블은 ‘정답 기계’보다 장기 관찰 도구에 가깝다

반려견용 웨어러블은 활동량의 장기 패턴을 추적하는 데 분명한 가능성이 있습니다. 하지만 성능은 행동 상황과 시간 단위에 따라 달라지고, 활동량에서 파생된 칼로리·건강 해석은 별도의 검증이 필요합니다.

따라서 가장 현명한 사용법은 숫자를 절대적인 건강 판정으로 받아들이는 것이 아니라, 같은 반려견의 반복 데이터를 축적해 ‘평소’를 정의하고 변화가 생겼을 때 다른 관찰 정보와 함께 보는 것입니다. 센서는 기록을 잘하게 해줄 수 있지만, 해석에는 여전히 맥락과 검증이 필요합니다.