Dengue Risk Mapping in Sri Lanka Using Spatial Interpolation, Machine Learning, and Ensemble Modeling

कल्पना कीजिए कि आप यह अनुमान लगाने की कोशिश कर रहे हैं कि शरारती अदृश्य उपद्रवी अगली बार कहाँ दिखाई देंगे। ये केवल साधारण उपद्रवी नहीं हैं; ये मच्छर हैं जो डेंगू बुखार नामक वायरस के वाहक हैं। श्रीलंका जैसे स्थानों में, इन मच्छरों को गर्म, नम मौसम और भीड़भाड़ वाले शहर बहुत पसंद हैं। लंबे समय से, वैज्ञानिक अनुमान लगाने की कोशिश कर रहे हैं कि अगला प्रकोप कहाँ होगा, लेकिन यह एक टूटे हुए बैरोमीटर के साथ मौसम की भविष्यवाणी करने जैसा है। उनके पास अनुमान लगाने के दो मुख्य तरीके हैं: एक मानचित्र को देखना और ज्ञात समस्या वाले स्थानों के बीच रेखाएं खींचना (जैसे बिंदुओं को जोड़ना), और दूसरा सुपर-स्मार्ट कंप्यूटर प्रोग्रामों का उपयोग करना जो अतीत से सीखकर छिपे हुए पैटर्न का पता लगाते हैं। बड़ा सवाल यह है कि: कौन सा तरीका बेहतर काम करता है? या, इससे भी बेहतर, क्या हम उन्हें मिलाकर एक ऐसा 'क्रिस्टल बॉल' बना सकते हैं जो वास्तव में काम करे? यह शोध पत्र ठीक इसी पहेली में उतरता है, जो डेंगू को शुरू होने से पहले रोकने के लिए एक परम मानचित्र बनाने की कोशिश कर रहा है।

---

द ग्रेट डेंगू डिटेक्टिव हंट (महान डेंगू जासूस खोज)

श्रीलंका के इस द्वीप राष्ट्र में, डेंगू बुखार एक ऐसा स्थायी मेहमान है जिसे कोई नहीं चाहता। यह एक मच्छर जनित बीमारी है जो तब पनपती है जब बारिश होती है, तापमान बढ़ता है और जनसंख्या बढ़ती है। इसे रोकने के लिए, स्वास्थ्य अधिकारियों को यह जानने की आवश्यकता है कि अपनी टीमों को ठीक कहाँ भेजना है। लेकिन केवल अनुमान लगाना काफी नहीं है; उन्हें एक ऐसे मानचित्र की आवश्यकता है जो खतरे वाले क्षेत्रों को स्पष्ट रूप से दिखाए।

यह अध्ययन एक उच्च-दांव वाली जासूसी प्रतियोगिता की तरह है जहाँ एक ही रहस्य को सुलझाने के लिए तीन अलग-अलग जासूसों को काम पर रखा गया है: "डेंगू का जोखिम सबसे अधिक कहाँ है?" पहला जासूस है ऑर्डिनरी क्रिगिंग (Ordinary Kriging)। क्रिगिंग को एक मानचित्रकार के रूप में समझें जो डेंगू के ज्ञात स्थानों को देखता है और पूरे देश पर जोखिम की एक चिकनी, निरंतर चादर खींच देता है। यह मानता है कि यदि किसी पड़ोस में डेंगू है, तो उसके ठीक बगल वाला पड़ोस भी संभवतः प्रभावित होगा। यह खतरे के "आकार" को दिखाने में बहुत अच्छा है, लेकिन यह वास्तव में यह नहीं पूछता कि खतरा क्यों वहाँ है।

दूसरा जासूस है रैंडम फॉरेस्ट (Random Forest)। कल्पना कीजिए कि 500 नन्हे, अति-उत्साही जासूसों की एक समिति है, जिनमें से प्रत्येक वर्षा, तापमान, आर्द्रता, जनसंख्या और ऊंचाई जैसे विभिन्न सुरागों को देख रही है। वे इस पर वोट देते हैं कि कोई स्थान "उच्च जोखिम" वाला है या "कम जोखिम" वाला। यह विधि उन जटिल, उलझे हुए पैटर्न को पहचानने में माहिर है जिन्हें एक साधारण मानचित्र मिस कर सकता है।

तीसरा जासूस है मल्टी-लेयर पर्सेप्ट्रॉन (MLP)। यह एक फैंसी कंप्यूटर मस्तिष्क है, जो कृत्रिम बुद्धिमत्ता (AI) का एक प्रकार है जो एक ऐसे छात्र की तरह कार्य करता है जिसने हजारों उदाहरणों का अध्ययन किया है। यह मौसम और भीड़ के मिश्रण से डेंगू पैदा करने वाले गुप्त, गैर-रेखीय (non-linear) नियमों को सीखने की कोशिश करता है। यह छिपे हुए कनेक्शन खोजने में बहुत अच्छा है, लेकिन यदि डेटा सटीक नहीं है, तो यह कभी-कभी थोड़ा भ्रमित हो सकता है।

मुकाबला: कौन जीता?

शोधकर्ताओं ने 2019 से 2021 तक का डेटा लिया, जिसमें श्रीलंका के सभी 25 जिले शामिल थे। उन्होंने सभी तीन जासूसों को समान सुराग (बारिश, गर्मी, आर्द्रता, लोग और ऊंचाई) दिए और देखा कि कौन डेंगू के मामलों की सबसे अच्छी भविष्यवाणी कर सकता है।

परिणाम एक करीबी दौड़ थी, लेकिन रैंडम फॉरेस्ट जासूस ने बढ़त बना ली। इसने लगभग 76.7% बार उच्च-जोखिम वाले क्षेत्रों की और 72.8% बार कम-जोखिम वाले क्षेत्रों की सही पहचान की। जब आप समग्र स्कोर (जिसे AUC कहा जाता है) देखते हैं, तो रैंडम फॉरेस्ट ने 0.817 का स्कोर प्राप्त किया, जो एक बहुत ही मजबूत प्रदर्शन है। इसने पता लगाया कि जनसंख्या घनत्व (population density) सबसे बड़ा सुराग था—भीड़भाड़ वाले शहर डेंगू के मुख्य मंच हैं। तापमान दूसरे स्थान पर आया, उसके बाद बारिश और आर्द्रता।

MLP जासूस ने भी एक ठोस काम किया, जिसका AUC स्कोर 0.791 था। यह रैंडम फॉरेस्ट की तुलना में थोड़ा कम सटीक था लेकिन जटिल, गैर-रेखीय पैटर्न को पहचानने में अभी भी बहुत अच्छा था।

क्रिगिंग जासूस ने उसी तरह से "स्कोर" नहीं दिया क्योंकि यह अलग तरह से काम करता है। "उच्च" या "निम्न" का अनुमान लगाने के बजाय, इसने एक चिकना, रंगीन मानचित्र बनाया जो दिखाता है कि जोखिम एक जिले से दूसरे जिले में कैसे प्रवाहित होता है। इसने पुष्टि की कि देश के पश्चिमी और दक्षिण-पश्चिमी हिस्से (व्यस्त, तटीय क्षेत्र) खतरे के क्षेत्र हैं, जबकि उत्तरी और ऊंचे ऊंचाई वाले क्षेत्र सुरक्षित हैं।

मास्टरपीस: एनसेम्बल टीम (समूह टीम)

यहाँ कहानी वास्तव में दिलचस्प हो जाती है। शोधकर्ताओं ने महसूस किया कि कोई भी एकल जासूस पूर्ण नहीं था। क्रिगिंग मानचित्र बनाने में महान था लेकिन मौसम के सुरागों को अनदेखा कर रहा था। रैंडम फॉरेस्ट सुरागों को पकड़ने में महान था लेकिन कभी-कभी मानचित्र के सुचारू प्रवाह को मिस कर देता था। MLP स्मार्ट था लेकिन थोड़ा अस्थिर था।

इसलिए, उन्होंने एक सुपर-टीम बनाई, जिसे एनसेम्बल मॉडल (Ensemble Model) कहा जाता है। उन्होंने तीनों जासूसों के अनुमानों को लिया, उन्हें सुचारू बनाया ताकि वे एक ही भाषा बोल सकें, और उन्हें आपस में औसत निकाला। यह तीन विशेषज्ञों से उनकी राय मांगकर और सबसे विश्वसनीय उत्तर पाने के लिए बीच का रास्ता निकालने जैसा है।

परिणाम क्या रहा? एक एकल, अत्यंत विश्वसनीय जोखिम मानचित्र। इस संयुक्त मानचित्र ने दिखाया कि कोलंबो जिला पूर्णतः खतरे का क्षेत्र है। क्रिगिंग जासूस ने कोलंबो के लिए एक औसत जोखिम मान 477.45 (मामलों की संख्या के आधार पर) का अनुमान लगाया, जबकि मशीन लर्निंग जासूसों (रैंडम फॉरेस्ट और MLP) ने इसे 0 से 1 के पैमाने पर 0.946 का प्रायिकता स्कोर दिया। गंहापा (Gampaha) और कलुतरा (Kalutara) इसके ठीक पीछे थे। दूसरी ओर, किलिनोचची (Kilinochchi), मन्नार (Mannar) और नुवारा एलिया (Nuwara Eliya) जैसे जिले लगातार सबसे सुरक्षित रहे, जिनका जोखिम स्कोर 0.084 जितना कम था।

यह सभी के लिए क्या मायने रखता है

यह शोध पत्र सुझाव देता है कि डेंगू से लड़ने के लिए यह "टीम दृष्टिकोण" सबसे अच्छा तरीका है। क्रिगिंग के सुचारू मानचित्र बनाने के कौशल को रैंडम फॉरेस्ट और MLP की पैटर्न-पहचानने की शक्ति के साथ जोड़कर, स्वास्थ्य अधिकारियों को एक बहुत अधिक स्पष्ट तस्वीर मिलती है।

निष्कर्ष बताते हैं कि डेंगू यादृच्छिक (random) नहीं है; इसे शहरों से प्यार है। अध्ययन इस बात पर प्रकाश डालता है कि कोलंबो, गंहापा, कलुतरा, कैंडी, रत्नापुरा, मातरा और गैल वे स्थान हैं जिन्हें सबसे अधिक ध्यान देने की आवश्यकता है। यदि स्वास्थ्य अधिकारी इस मानचित्र का उपयोग करते हैं, तो वे अनुमान लगाना बंद कर सकते हैं और अपने मच्छर नियंत्रण प्रयासों को ठीक वहीं लक्षित कर सकते जहाँ उनकी सबसे अधिक आवश्यकता है।

लेखक सावधानी बरतते हुए कहते हैं कि हालांकि यह मॉडल एक बड़ी प्रगति है, लेकिन यह जादू नहीं है। यह उस डेटा पर निर्भर करता है जो इसे दिया गया है, और यह इस बात पर विचार नहीं करता है कि लोग अपने कचरे को कितनी अच्छी तरह साफ करते हैं या सरकार मच्छरों के लिए कितनी छिड़काव करती है। लेकिन, समस्या को देखने के विभिन्न तरीकों को जोड़कर, यह अध्ययन श्रीलंका में डेंगू बुखार से लोगों की रक्षा करने के लिए एक बहुत अधिक मजबूत और स्थिर उपकरण प्रदान करता है। यह एक अराजक अनुमान लगाने वाले खेल को एक रणनीतिक योजना में बदल देता है।