रायपूर: शरीरात कुठेतरी दुखापत झाली असेल आणि दुखापतीमुळे किती वेदना होतात. डॉक्टर त्यांच्या सांगण्यावरून किंवा रुग्णाच्या सल्ल्यानेच पेन किलर देतात. पण रायपूर एनआयटीच्या प्राध्यापक आणि संशोधकाने अशा पद्धतीचा शोध लावला आहे. रुग्णाला किती वेदना होतात? ते सांगू शकते. यासाठी, रुग्णाचे (machine tell place of pain watching video of body) व्हिडिओग्राफी केली जाते आणि त्याच्या चेहऱ्यावरील हावभाव, शरीराची हालचाल आणि आवाज यावरून वेदनांची पातळी ओळखता येते.
या प्रणालीचा (machine tell pain watching video of body) चा शोध NIT सहयोगी प्राध्यापक डॉ. ND लोंढे आणि संशोधन विद्वान आशिष सेमवेल (NIT raipur Professor ND Londhe and Research Scholar Ashish Semwell) यांनी लावला आहे. अशा परिस्थितीत या पेन डिटेक्टिंग सिस्टीमबद्दल ईटीव्ही भारतने एनआयटीचे सहयोगी प्राध्यापक डॉ एन डी लोंढे यांच्याशी खास बातचीत केली.
प्रश्न : तुम्ही ही प्रणाली कशी तयार केली?
उत्तर : किती रुग्ण कोणत्याही डॉक्टरकडे जातात. त्यापैकी 80 ते 90 टक्के लोकांची तक्रार वेदनेबाबत आहे. वेदना जाणून घेणे आणि समजून घेणे यावरून डॉक्टर पुढील उपचार किंवा औषधे ठरवतात. वेदनेचे कारण समजणे हे डॉक्टरच्या अनुभवातून येते. दुसरा मार्ग म्हणजे रुग्णाने स्वतः सांगावे की किती वेदना होत आहेत. दोन्ही गोष्टींमध्ये त्याचा थोडासा फरक पडतो. एखादा रुग्ण ऑर्थोपेडिक सर्जनकडे जातो. त्याचा अपघात झाला असेल, तो दिवसभर कोणत्या वेदनेत होता. तो डॉक्टर सतत निरीक्षण करू शकत नाही. कारण त्यांच्याकडे तेवढा वेळ नसतो.
समजा एखाद्याला वारंवार दुखापत होत आहे. तो कदाचित त्याच्या वेदनांना कमी लेखत असेल. जर एखाद्याला पहिल्यांदा दुखापत झाली असेल. अशा प्रकरणात काही निश्चित तंत्रज्ञान आणि निश्चीत प्रमाण असावे. यावरून रुग्णावा वेदना होतात की नाही हे ठरवता येईल. कारण अपघाताच्या प्रकरणात रुग्णाच्या वेदनेकडे 24 तास लक्ष ठेवणे आवश्यक असते. वैद्यकीय कर्मचारी २४ तास त्याचे निरीक्षण करून रुग्णाच्या वेदना नोंदवू शकत नाहीत. अशा परिस्थितीत आम्ही अशी व्यवस्था निर्माण केली आहे. ज्यामध्ये रुग्णाची सतत व्हिडिओग्राफी केली जाते. त्या व्हिडिओग्राफीमध्ये तीन पॅरामीटर्स घेतले जातात. तिसर्‍या वेदनेचा आवाज म्हणजे, वेदनेमुळे बाहेर येणारा आवाजाची नोंद केली जाते.
हेही वाचा - Video : मंदिरात दिवा लावताना साडीला लागली आग; महिलेचा होरपळून मृत्यू
प्रश्न : ही प्रणाली कोणत्या प्रकारची आहे? ग्राफिक्यच्या माध्यमातून सांगा?
उत्तर : आम्ही एक सादरीकरण केले आहे. पहिल्या पहिल्या प्रयोगात फक्त चेहरे घेतले आहेत. शरीराची हालचाल दुसऱ्या प्रयोगात घेण्यात आली आहे. तिसऱ्या स्तंभात आम्ही रुग्णाचा आवाज रेकॉर्ड केला आहे. जे आम्ही येथे दाखवले आहे. हे तीन पॅरामीटर्स घेऊन आम्ही पेन डिटेक्शन सिस्टीम तयार केली आहे.
प्रश्न : हे मशीन तयार करण्यास किती वेळ लागला? कशा पध्दतीने संशोधन केलेत?
उत्तर : 2018 मध्ये, मला विज्ञान आणि तंत्रज्ञान विभागाने एका प्रकल्पासाठी निधी दिला होता. ज्या अंतर्गत आम्ही हे काम केले आहे. तेव्हापासून 2022 पर्यंत हळूहळू हा टप्पा गाठला.
प्रश्न : या प्रणालीत आजाराचे प्रमाण कसे कळेल?
उत्तर : आम्ही ही प्रणाली तयार केली आहे. ज्यामध्ये तुम्हाला दिसेल की आमच्या मुख्य व्हिडिओ क्लिपमध्ये प्रथम चेहरा रेकॉर्ड केला गेला होता, नंतर शरीराच्या हालचाली रेकॉर्ड केल्या गेल्या होत्या. त्यानंतर आवाज घेतला. यासाठी आम्ही कृत्रिम बुद्धिमत्तेची एक संपूर्ण प्रणाली तयार केली आहे, जी केवळ चेहरा, शरीराची हालचाल आणि पेनचा आवाज यांचे प्रमाण सांगते. जेव्हा आम्ही अभ्यासात हे केले तेव्हा आम्हाला समजले की व्हिडिओमध्ये चेहरऱ्याचे हावभाव कॅप्चर करणे इतके सोपे नाही.
त्यामुळेच आजवर जे संशोधन झाले आहे ते केवळ चेहऱ्यावरील हावभावांवरच झाले आहे. येथे एक त्रुटी आहे, ज्यामुळे ती पद्धत वापरली जाऊ शकत नाही. याचे कारण हावभाव करताना तिथे असलेला चेहरा हलतो. त्यामुळेच व्हिडीओग्राफी करताना त्याचा चेहरा व्हिडिओमध्ये येण्याची शक्यता नाही. व्हिडिओ ग्राफ पासून आम्ही कॅप्चर केले. कधी कधी त्यात आपला चेहराही येतो. कधीकधी आपल्याला शरीराची हालचाल देखील होते. कधी कधी आपल्यालाही आवाज येतो. मग आम्ही विचार केला की या वेदनांचे प्रमाण शोधण्यासाठी तीनही पॅरामीटर्स का जोडू नयेत आणि आम्हाला कळले. आम्ही चेहऱ्यावरील हावभावांद्वारे हे जाणून घेण्याचा प्रयत्न केला तेव्हा आम्हाला 84% यश मिळाले. त्यानंतर शरीराच्या हालचालींवरून जाणून घेण्याचा प्रयत्न केला असता ७० टक्के यश मिळाले. मग आम्ही वेदनांच्या आवाजातून जाणून घेण्याचा प्रयत्न केला तेव्हा 75% यश मिळाले, परंतु जेव्हा आम्ही तीनही पॅरामीटर्स जोडले.
समजा एकही पॅरामीटर नसेल, तर त्या वेळी वेदनांचा आवाज येत असेल, पण चेहऱ्यावरील हावभाव सापडत नाहीत. त्यावेळी शरीराची हालचाल आणि जो आवाज असतो, ते काम करते. जेव्हा आवाज नसतो तेव्हा चेहर्यावरील हावभाव किंवा शरीराच्या हालचाली दोन्ही कार्य करतात. जेव्हा आपण हे तीन पॅरामीटर्स वापरतो तेव्हा आपल्याला 92 टक्के यशाचा दर मिळतो. या संशोधनात, आम्ही वेदनांच्या तीन श्रेणींमधून वेदना शोधल्या.
हेही वाचा - Non Muslim village In Bihar : हा खरा भारत! गावात एकही मुस्लीम नसताना रोज होते नमाज
प्रश्न : यासाठी तुम्ही कसे संशोधन केलेत. कोणत्या रुग्णालयात गेलेत?
उत्तर : यासाठी रुग्णांच्या व्हिडिओ क्लिप रेकॉर्ड करणे आवश्यक आहे. NIT च्या परवानगीने आम्ही दाऊ कल्याण सिंग हॉस्पिटलच्या ऑर्थोपेडिक सर्जनला भेटलो. त्यांच्या परवानगीने आम्ही काही रुग्णांचा डेटा रेकॉर्ड केला. ते वास्तविक वेळेचे दृश्य आहे. आपण या चित्रात पाहू शकता की ते एका महिलेचे आहे जी आमच्या येथील डाऊ कल्याण सिंह रुग्णालयात आली होती. त्याचप्रमाणे, आम्ही अनेक लोकांचा डेटा गोळा केला, नंतर आम्हाला आमच्या सिस्टममधून ते शोधून काढले.
प्रश्न : भविष्यात ही प्रणाली कशी कामात येईल?
उत्तर : भविष्यात त्याचा मोठा फायदा होऊ शकतो. कारण भारतात डॉक्टर आणि रुग्ण यांचे प्रमाण 2000 मध्ये अंदाजे 1 आहे. म्हणजे दोन हजार रुग्णांमागे एक डॉक्टर असतो. अशा परिस्थितीत डॉक्टरांना त्याच्या रुग्णाच्या वेदनांचे सतत निरीक्षण करणे अशक्य आहे, परंतु आपली ही यंत्रणा त्याला सतत वेदनांचा अहवाल देईल, या विशिष्ट रुग्णाच्या वेदनांची स्थिती कशी आहे. त्यामुळे असे होऊ शकते की डॉक्टर वेळोवेळी त्याचे उपचार किंवा औषध बदलू शकतात. जेणेकरुन त्या रुग्णाची रिकव्हरी थोडी लवकर करता येईल.
प्रश्न : या प्रयोगाची व्याप्ती वाढवण्यासाठी तुम्ही काय प्रयत्न कराल?
उत्तर : कारण आमची प्रणाली पूर्ण झाली आहे. त्यानंतर आपण दुसऱ्या प्रक्रियेकडे जाऊ. त्याचे औद्योगिक उत्पादनात रूपांतर करण्याचा आमचा प्रयत्न असेल. ज्यामध्ये ते पूर्णपणे यंत्रात रूपांतरित झाल्याचे दिसून येईल. यात व्हिडिओ कॅमेरा असेल. एक मॉनिटर असेल. त्या मॉनिटरसोबत प्रोसेसरही असेल. प्रोसेसर वेदनेचे मोजमाप करून, या रुग्णाचे पेन कोणत्या श्रेणीत चालू आहे हे मॉनिटरमध्ये दिसून येईल.
प्रश्न : तुमच्या टीममध्ये किती लोक होते. आणि त्यांनी काय काम केले?
उत्तर : मला हा प्रकल्प मिळाल्यापासून. मी त्याचा मुख्य मेंबर आहे. यामध्ये आमचे एक रिसर्च स्कॉलर आशिष सेमवेल आहेत. त्यावर त्यांनी काम केले आहे. त्याचं पीजीएचडीही त्याच विषयात पूर्ण झालं आहे. त्याची अंतिम परीक्षा अजून बाकी आहे.
हेही वाचा - Asthma attacks : पुरूषांपेक्षा महिलांपेक्षा दम्याचा त्रास होण्याचे प्रमाण अधिक; संशोधन
