Kao dio šireg napora za analizu operativnih obrazaca u zdravstvenom sektoru Crne Gore, razvijen je prediktivni model za procjenu indikatora vezanih za kvalitet zdravstvenih usluga koje se pružaju građanima na sekundarnom i tercijarnom nivou. Model je u početku obučen na uzorku od 10.000 zapisa, a kasnije je proširen na preko 40.000 zapisa korištenjem HPC klastera na UDG-u, što je omogućilo da se proces obuke završi za manje od jedne minute. Svi zapisi su u potpunosti anonimizirani u skladu s etičkim standardima, a skup podataka je uključivao širok raspon vremenskih, demografskih i institucionalnih varijabli relevantnih za pristup zdravstvenoj zaštiti i obrasce pružanja usluga.
Model je implementiran korištenjem algoritma Random Forest Regressor, a napravljeni su i dodatni eksperimenti s alternativnim tehnikama modeliranja i transformacijama ciljeva. Osnovna konfiguracija postigla je snažne prediktivne performanse (MAE ≈ 95 sati, R² = 0,87). Iako su log-transformacija i alternativni algoritmi poput XGBoost-a evaluirani, nisu dali poboljšanja u odnosu na početni pristup. Analiza važnosti karakteristika otkrila je da faktori poput mjeseca, dana u sedmici i kliničke jedinice imaju najveći utjecaj na rezultate modela. Odobren je pristup namjenskim računarskim resursima za daljnji razvoj, što omogućava kontinuiranu obuku modela i eksperimentiranje s naprednim algoritmima i metodama optimizacije. Nastavlja se saradnja uz primjenu računarskog klastera na UDG.
