“क्लाउड तंत्रज्ञानाच्या साहाय्याने हॉस्पिटल नेटवर्कमध्ये रिइन्फोर्समेंट लर्निंग वापरून सुरक्षित व कार्यक्षम बेड व्यवस्थापन प्रणाली” यावर डॉ. पुजा ऋतुराज पाटील यांनी पीएचडी संपादित केली आहे. डॉ. पुजा पाटील यांचे हे संशोधन आरोग्य व्यवस्थापनात क्रांती घडवू शकते. AI, क्लाउड आणि सुरक्षित डेटा व्यवस्थापन यांचा संगम करून त्यांनी एक स्मार्ट, सुरक्षित आणि कार्यक्षम प्रणाली विकसित केली आहे. याबद्दल…
कोल्हापूर – तळसंदे येथील डी. वाय. पाटील कृषी व तंत्र विद्यापीठाकडून डॉ. पुजा ऋतुराज पाटील यांनी पीएच.डी. प्राप्त केली. त्यांनी डॉ. जयदीप पाटील यांच्या मार्गदर्शनाखाली शोधप्रबंध सादर केला. हा शोधनिबंध हॉस्पिटल मॅनेजमेंटबाबत मार्गदर्शक ठरणारा आहे. पूजा पाटील या प्रा. स्मिता पाटील व उद्योजक तानाजी पाटील यांच्या स्नूषा, तर कोल्हापूर येथील जुना बुधवार पेठेतील अॅड. वसंतराव दळवी, माजी मुख्याध्यापिका कमल दळवी यांची नात आहेत. तर ईश्वरपूर येथील ज्येष्ठ विधीज्ज्ञ जयवंतराव पाटील व सुनीता पाटील यांच्या कन्या आहेत.
पुजा पाटील यांच्या संशोधनाबद्दल थोडक्यात…
रुग्णालये ही कोणत्याही आरोग्य व्यवस्थेची कणा आहेत, आणि आपत्कालीन विभाग (Emergency Department – ED) गंभीर परिस्थितीत जीव वाचविण्यात महत्त्वाची भूमिका बजावतात. परंतु भारतासारख्या देशांमध्ये वाढती लोकसंख्या, झपाट्याने होणारे शहरीकरण, वाढती दीर्घकालीन आजारांची संख्या आणि मर्यादित रुग्णालयीन क्षमता यामुळे आरोग्य व्यवस्थेवर प्रचंड ताण आहे. अशा परिस्थितीत रुग्णांना योग्य वेळी योग्य बेड देणे ही अत्यंत कठीण समस्या बनते.
मल्टिस्पेशालिटी रुग्णालयांमध्ये ICU, ट्रॉमा, कार्डियाक केअर, न्यूरोसर्जरी, जनरल मेडिसिन, पेडियाट्रिक्स अशा अनेक विभागांमध्ये योग्य रुग्णाला योग्य बेड देणे मोठे आव्हान आहे. आपत्कालीन रुग्णांची अनिश्चित संख्या, त्यांची वेगवेगळी गंभीरता आणि अचानक वाढणारी गर्दी यामुळे हाताने केलेले बेड वाटप त्रुटीपूर्ण ठरते. ही समस्या विशेषतः महामारी (COVID-19, H1N1), आपत्ती (अपघात, पूर) आणि रोगांच्या साथीच्या काळात प्रकर्षाने दिसून आली. कोविड-१९ काळात अनेक रुग्ण उपचाराअभावी नव्हे, तर वेळेवर ICU बेड न मिळाल्यामुळे मृत्यूमुखी पडले. यामुळे पारंपरिक पद्धतींच्या मर्यादा स्पष्ट झाल्या आणि AI आधारित प्रणालीची गरज जाणवली.
रुग्णालय व्यवस्थापनात प्रवेश, बेड वाटप आणि संसाधनांचे रिअल-टाइम व्यवस्थापन ही अत्यंत गुंतागुंतीची प्रक्रिया आहे. पारंपरिक पद्धती जसे की मॅन्युअल शेड्युलिंग आणि नियमाधारित मॉडेल्स बदलत्या परिस्थितींना प्रतिसाद देऊ शकत नाहीत. तसेच क्लाउडमध्ये डेटा साठवताना सुरक्षेचे आणि गोपनीयतेचे प्रश्न निर्माण होतात.
या संशोधनात Deep Reinforcement Learning (DDPG) चा वापर करून एक सुरक्षित आणि कार्यक्षम बेड वाटप प्रणाली विकसित केली आहे. ही प्रणाली ऐतिहासिक आणि रिअल-टाइम डेटावर आधारित असून रुग्णांची मागणी आणि बेड उपलब्धता याचा अंदाज घेते. Mahalanobis Distance Clustering वापरून रुग्ण डेटा स्वच्छ, सामान्यीकृत आणि गटबद्ध केला जातो. त्यानंतर DDPG एजंट सर्वोत्तम वाटप धोरण शिकतो, ज्यामुळे प्रतीक्षा वेळ कमी होते, संसाधनांचा समतोल वापर होतो आणि न्याय्य वाटप सुनिश्चित होते.
ही प्रणाली क्लाउडवर आधारित असल्याने विविध रुग्णालयांमध्ये रिअल-टाइम समन्वय शक्य होतो. तसेच Attribute-Based Encryption (ABE) वापरून डेटा सुरक्षित ठेवला जातो. प्रयोगात एक लाख रुग्णांच्या डेटावर चाचणी घेण्यात आली. या मॉडेलने सुमारे 80% अचूकता, 87.2% बेड वापर कार्यक्षमता आणि 30-40% प्रतीक्षा वेळ कमी करण्यात यश मिळवले.
पूर्वीच्या DQN, न्यूरल नेटवर्क आणि रिग्रेशन मॉडेल्सपेक्षा ही प्रणाली अधिक अचूक, स्केलेबल आणि गतिशील परिस्थितींमध्ये सक्षम ठरते.
