কীভাবে বিগ ডাটা (BIG DATA) স্বাস্থ্যসেবা শিল্পকে রূপান্তর করছে

কীভাবে বিগ ডাটা (BIG DATA) স্বাস্থ্যসেবা শিল্পকে রূপান্তর করছে

স্বাস্থ্যসেবার বিবর্তন

আমরা যখন স্বাস্থ্যসেবা সম্পর্কে চিন্তা করি তখন কী মনে আসে? আমরা বেশিরভাগই চিন্তা করি কোনো রোগী অসুস্থ হলে ডাক্তার তার চিকিৎসার মাধ্যমে সুস্থতা নিশ্চিত করেন। সত্য, তবে এটি কেবল একটি বৃহত্তর ছবির অংশ। আধুনিক যুগে যেকোনো রোগের চিকিৎসা রোগ নির্ণয়ের পূর্বেই প্রতিরোধ করা সম্ভব।

শুরুর দিকে যেকোনো চিকিৎসা রোগ নির্ণয়ের পরে প্রতিরোধ ও প্রতিকার করা হতো। যখন কোনো রোগী অসুস্থ হয়ে পড়েন, তখন একজন ডাক্তার এসে অসুস্থতার চিকিৎসা করতেন।

বিগত শতাব্দীতে প্রযুক্তির যেমন উন্নতি হয়েছিল, তেমনি চিকিৎসকরা এর পিছনের বিজ্ঞানটি পুরোপুরি রপ্ত করতে সক্ষম হন এবং অসুস্থতা সৃষ্টিকারী এমন অন্তর্নিহিত রোগগুলির চিকিৎসা করতে সক্ষম হন।

অতি সম্প্রতি, যেসব চিকিৎসা সরঞ্জাম এবং মেশিনগুলি উদ্ভাবন করা হয়েছিল সেসব দ্বারা প্রাথমিক পর্যায়ে রোগগুলি সনাক্তকরণ এবং নজরদারি করতে সহায়তা করার জন্য এবং কোন অসুস্থতার লক্ষণ হওয়ার আগে তাদের চিকিৎসা করা হয়েছিল। এই ধরণের দীর্ঘমেয়াদী যত্নের ফলে উচ্চ রক্তচাপ, ডায়াবেটিস এবং হৃদরোগর মত অসুস্থতাগুলি অনির্দিষ্টকালের জন্য বিলম্ব করা সম্ভব হয়েছে, যা মানুষের আয়ু উল্লেখযোগ্যভাবে দীর্ঘায়িত করেছে।

চিকিৎসা থেকে প্রতিরোধ পর্যন্ত: মেশিন লার্নিংয়ের ভূমিকা

আজ, চতুর্থ শিল্প বিপ্লব আমাদের প্রতিরোধমূলক সেবার পরবর্তী পর্যায়ে নিয়ে যাচ্ছে। রোগের চিকিৎসার জন্য প্রযুক্তিগত উন্নতি বাড়ানো ছাড়াও আমাদের এখন নতুন লক্ষ্য রয়েছে – রোগ প্রতিরোধের কার্যকর উপায়গুলি বিকাশ করা।

কীভাবে সম্ভব? সোজা কথায়, সব কিছু একটা কারণে ঘটে। আমরা যদি প্রতিটি রোগের কারণের কারণগুলো খুঁজে পাই তবে আমরা আশা করি যে তাদের কারণগুলো দূর করে এগুলো নির্মূল করতে পারি। প্রকৃতপক্ষে, জেনেটিক কারণগুলো সংশোধন করা খুব কঠিন এবং আমরা এখনও মানুষের ক্ষেত্রে জেনেটিক ইঞ্জিনিয়ারিং প্রয়োগ করতে প্রস্তুত নই। তবে, আমরা যা পরিচালনা করতে পারি তা হ’ল আচরণ এবং পরিবেশগত কারণগুলো একটি রোগের দিকে পরিচালিত করে, যেমন আমরা কী খাই, কোথায় থাকি, কীভাবে আমরা ঘুমাই ইত্যাদি।

সমস্ত উপাদান একটি জটিল উপায়ে একসাথে কাজ করে, যেখানে নিদর্শন তৈরি করে মডেল তৈরি করা অসম্ভব। এসব ক্ষেত্রে মেশিন লার্নিং বিষয়টি সামনে চলে আসে। ইন্টারনেট অফ মেডিকেল থিংস (IoMT) মানুষের আচরণ এবং স্বাস্থ্যের অবস্থার উপর অসাধারণ ডাটা সংগ্রহ করা সম্ভব করেছে। উদাহরণস্বরূপ, পরিধেয়যোগ্য ডিভাইসগুলি কারও চলাচল, হার্টবিট, রক্তচাপ এবং অন্যান্য অনেক আচরণ যা ট্র্যাক করতে সক্ষম হবে, তা ট্র্যাক করে সেন্ট্রাল মনিটরিং সিস্টেমে পাঠানো হবে। এই ডাটাগুলো শেষ পর্যন্ত অর্থবহ নিদর্শনগুলি তৈরি করতে সহযোগিতা করবে। কৃত্রিম বুদ্ধিমত্তা তখন এই নিদর্শনগুলো শিখবে এবং রোগ প্রতিরোধের বিষয়ে অত্যন্ত সঠিক সিদ্ধান্ত নিতে সহায়তা করবে।

প্রাথমিক সনাক্তকরণ এবং নির্ণয়

যদিও রোগ সনাক্তকরণ এবং প্রতিরোধ একমাত্র লক্ষ্য, তবে আমরা খুব শীঘ্রই যে কোন সময় পুরোপুরি রোগ নির্মূল করতে পারব এমন সম্ভাবনা কম। তবুও, প্রতিরোধমূলক সতর্কতা ব্যর্থ হলেও, আমরা কমপক্ষে রোগগুলিকে যথাসম্ভব কম সময়ের মধ্যে ধরে পরবর্তী পর্যায়ে পরিণত হতে বাধা দিতে পারি। এআই (AI) ইতিমধ্যে ক্লিনিকাল রোগ নির্ণয়ের জন্য ব্যবহৃত হচ্ছে। মেশিন লার্নিং এর মাধ্যমে রোগগুলোকে দ্রুত এবং নির্ভুলভাবে নির্ণয় করা সম্ভব হয়েছে। আইবিএমের ওয়াটসন হেলথ এবং গুগলের ডিপমাইন্ডের মতো সংস্থাগুলি রোগনির্ণয় এবং চিকিৎসার ক্ষেত্রে আধুনিক প্রযুক্তি উপলব্ধি করার জন্য স্বাস্থ্যসেবা অনুশীলনকারীদের সাথে কাজ করছে।

উদাহরণস্বরূপ আমরা Covid-19 pandemic ইস্যুকে ধরতে পারি।

রিপাবলিক কোরিয়া এতদিন স্কুল, জাদুঘর এবং জিম – যে জায়গাগুলিতে বিশাল সংখ্যক লোক সমাগম হতে পারে – সেগুলো বন্ধ রেখেছে তবুও তার অর্থনীতি বন্ধ না করেই COVID-19 ধারণ করে সফল হয়েছে।

তারা এটা কি করে করলো?

ছয়টি ক্ষেত্র রয়েছে যেখানে এআই (AI) COVID-19 এর বিরুদ্ধে লড়াইয়ে অবদান রাখতে পারে:

i) প্রারম্ভিক সাবধানতা এবং সতর্কতা,

ii) ট্র্যাকিং এবং ভবিষ্যদ্বাণী,

iii) ডেটা ড্যাশবোর্ড,

iv) রোগ নির্ণয় এবং পূর্বাভাস,

v) চিকিৎসা ও নিরাময়, এবং

vi) সামাজিক নিয়ন্ত্রণ

সংযুক্ত সেবা: সবার জন্য একটি উন্নত স্বাস্থ্যসেবার অভিজ্ঞতা

আসন্ন দশকে, স্বাস্থ্যসেবা সরবরাহকারীরা ক্রমবর্ধমানভাবে প্রযুক্তি নির্ভর এবং রোগীর সাথে সংযুক্ত হবে যাতে সেবা প্রত্যাশাকারীদের আর সাধারণ হাসপাতালে দীর্ঘ দূরত্বে ভ্রমণ করতে না হয়। সমস্ত ডেটা রিয়েল-টাইমে ক্লিনিক, ফার্মাসি এবং এমনকি চলতে চলতে আইওএমটি (IoMT) ডিভাইসের পুরো নেটওয়ার্কের মধ্যে ভাগ করা হবে। একটি কেন্দ্রীয় কমান্ড সেন্টার বিশ্লেষণ এবং মেশিন লার্নিংয়ের জন্য প্রচুর পরিমাণে বিশাল ডেটা গ্রহণ এবং প্রেরণের জন্য সংযুক্ত থাকবে।

সংযুক্ত সেবা প্রত্যেকের জন্য সত্যিকার অর্থে অনেক সুফল বয়ে আনবে। রিয়েল-টাইম ডেটা সরবারাহসহ, রোগীদেরকে যেকোনো সময় এবং যেকোনো জায়গাই স্বাস্থ্য সেবা ও পরামর্শ দেওয়া সম্ভব। উপরন্ত, প্রযুক্তিগত সুবিধা ব্যবহার করে আমরা আরও বেশি রোগীদের সেবা এবং পরামর্শ প্রদান করতে পারব যা কিনা একজন চিকিৎসক এর সাপেক্ষে অনেক রোগীকে একসাতে সেবা প্রদান করা অনেকটাই অসম্ভব।

স্বাস্থ্যসেবা সুরক্ষা: ক্রমবর্ধমান উদ্বেগ

যখন কোন প্রযুক্তির চাহিদা ক্রমবর্ধমানহারে বৃদ্ধি পায় এবং তার প্রয়োজনীয়তা আবশ্যিক হয়ে পরে তখন তা অপরাধীদের  লক্ষ্যবস্তুতে পরিণীত হওয়ার সম্ভাবনা বেশি থাকে। সংযুক্ত সেবা থেকে সংগ্রহ করা বড় ডেটাতে (BIG DATA) অবশ্যই অত্যন্ত সংবেদনশীল তথ্য থাকতে পারে। রোগ সনাক্তকরণ এবং চিকিৎসার ইতিহাস ছাড়াও, অবস্থান সম্পর্কিত তথ্য, খাবার গ্রহণ, জীবন অভ্যাস এবং এমনকি জেনেটিক্সগুলিও ডেটাতে অন্তর্ভুক্ত থাকবে। বিশেষত খারাপ খবর হ’ল স্বাস্থ্যসেবার তথ্য ছাড়াও রোগীর ব্যক্তিগত ডাটা থাকে।্বাস্থ্যসেবার তথ্য ছাড়াও  তথ্য ছাড়াও রোগীর বাক্তহিগতং পরামর্শ প্রদান করতে পারব যাহ চিকিৎসক এর সাপেক্ষে রোগীকে সেবা প্রদান পোর্টসুইগারের সাম্প্রতিক সমীক্ষায় দেখা গেছে, গত পাঁচ বছরে স্বাস্থ্যসেবা সরবরাহকারীদের 93% এর বেশি ডাটা লঙ্ঘনের শিকার হয়েছে এবং প্রতি 10 রোগীর মধ্যে 1 জনের ব্যক্তিগত তথ্য সাইবার আক্রমন দ্বারা আক্রান্ত হয়েছে। তবুও, আধুনিক হাসপাতাল গুলোর তথ্যমতে কেবলমাত্র 21% একটি সাইবার সিকিউরিটি এক্সিকিউটিভ থাকার ব্যাপারে আশ্বস্ত করা হয়েছে এবং 6% প্রধান তথ্য সুরক্ষা কর্মকর্তা (CISO) থাকার কথা জানিয়েছেন। সংবেদনশীল তথ্য ফাঁস করা যথেষ্ট খারাপ ব্যাপার। সবচেয়ে খারাপ বিষয়টি হ’ল অপারেশন ব্যাহত। স্বাস্থ্যসেবা যত বেশি প্রযুক্তির উপর নির্ভর করবে, ততই সাইবার অ্যাটাক দ্বারা ঝুঁকিগ্রস্থ হবার সম্ভাবনা বেশি থাকবে। একটি ডিডোস (DDoS) আক্রমণ সহজে পরিষেবাগুলিকে ব্যাহত করতে এবং সিস্টেমকে ক্ষতিগ্রস্থ করবে, যা জরুরি পরিস্থিতিতে রোগী্থ করে ইগ্রস্তথ বেক দ্বারাবে কে সেবা প্রদানসহ আরও অনেক কাজ ব্যাহত হবে। যদি সিস্টেমে সঞ্চিত ডেটা কোন অপরাধীদের দ্বারা চালিত হয়, তবে তা প্রাণঘাতী পরিণতির দিকে পরিচালিত করতে পারে। তাই, সর্বদা প্রযুক্তি গ্রহনের সাথে সাথে, তার আনুষঙ্গিক সুরক্ষা প্রদান করা আবশ্যকীয়, তা নাহ হলে প্রযুক্তি মানব সভ্যতাকে খারাপ পথে ধাবিত করতে পারে।

সূত্রঃ এই Article এ ব্যবহৃত ছবি সমূহ ইন্টারনেট থেকে সংগ্রহীত।


Md. Saleh Ahmed

BGD e-GOV CIRT, Cloud Operations Manager

Share