تعتبر عملية تنظيم تدفق المرضى داخل أقسام المستشفيات الأوتوماتيكية من الأمور الحيوية التي تسهم في تخفيف الازدحام وتحقيق استخدام أمثل للموارد. وعلى الرغم من أن نظرية الطوابير التقليدية، خاصة شبكات Baskett–Chandy–Muntz–Palacios (BCMP)، توفر هيكل رياضي واضح لتشغيل خدمات الرعاية الصحية، إلا أن النماذج التحليلية تعتمد على افتراضات مستقرة ومصفوفات توجيه ثابتة تنخفض فاعليتها في مواجهة الديناميكيات الحقيقية التي تعتمد على الحالة.

في المقابل، تعاني الأساليب القائمة على التعلم المعزز المركزي من صعوبة في التكيف مع الهيكل اللامركزي لإدارة المستشفيات، حيث تعمل الإدارات السريرية بشكل مستقل مع ملاحظات محلية وموارد متنوعة وأهداف تشغيلية مختلفة.

لتجاوز هذه التحديات، تم تقديم إطار عمل جديد يسمى "تنسيق متعدد الوكلاء المستند إلى الفيزياء" (Physics-Informed Multi-Agent Coordination). هذا النهج يدمج الهياكل الرياضية المستندة إلى BCMP كأولويات فيزيائية داخل معمارية التعلم المعزز اللامركزي، مما يسمح للجهات القادرة على العمل بصفة مستقلة بالتفاوض حول توجيه المرضى وتوسيع الخدمات بشكل ديناميكي.

يعتمد البحث على نماذج عملية من خلال عملية صنع قرار ماركوف القابلة للملاحظة جزئيًا (Dec-POMDP) تحت قيود موارد مترابطة، مما يمكن الوكلاء من تبادل معلومات محلية وتحسين الهيكل المكافئ في الزمان والمكان. وكشفت التحليلات المعتمدة على مسارات مرضى حقيقية من قاعدة بيانات MIMIC-IV أن هذا النهج المتعاون يقلل بشكل ملحوظ من التأخير التراكمي للنظام مقارنةً بالنماذج التقديرية الثابتة.