بررسی نظام مند 100 مقاله: کاربردهای مثبت هوش مصنوعی در سیستم مدیریت بهداشت شغلی و طب کار کارکنان صنایع

در سال های اخیر، پیشرفت های سریع در حوزههوش مصنوعی (AI) و یادگیری ماشینی (ML) موجب دگرگونی چشمگیری در نظام های مدیریت بهداشت شغلی و طب کار شده است. سازمان ها و صنایع به صورت فزاینده ای از الگوریتم های هوشمند برای تحلیل داده های پیچیده محیطی و فیزیولوژیکی، پیش بینی ریسک های شغلی، و طراحی مداخلات پیشگیرانه استفاده می کنند (El-Helaly, 2024; Armenteros-Cosme et al., 2025). هدف پژوهش حاضر مرور و تحلیل نظام مند 100 مقاله علمی منتشرشده بین سال های 2018 تا 2025 در پایگاه های معتبر بین المللی (PubMed، Scopus، Web of Science و Google Scholar) با تمرکز بر کاربردهای مثبت هوش مصنوعی در بهداشت شغلی و طب کار کارکنان صنایع است. بر اساس نتایج تحلیل، پنج محور کلیدی در پژوهش های اخیر برجسته است: 1. پایش بلادرنگ سلامت کارکنان با بهره گیری از حسگرهای پوشیدنی، فناوری اینترنت اشیا و الگوریتم های یادگیری عمیق که می توانند شاخص های فیزیولوژیکی مانند ضربان قلب، تغییرپذیری HRV و الگوهای تنفس را برای تشخیص خستگی و استرس شغلی تحلیل کنند (Koh, 2024). میانگین دقت گزارش شده در این دسته مطالعات 88٪ بوده است که در برخی صنایع مانند معدن و حمل ونقل تا 92٪ نیز رسیده است. 2. مدل های پیش بینی ریسک و پیش آگاهی از حوادث شغلی که با استفاده از داده های تاریخی حوادث، شرایط محیطی و رفتارهای کارکنان، توانسته اند با دقتی بین 78 تا 84 درصد احتمال بروز حادثه را پیش بینی و از آن جلوگیری کنند (Armenteros-Cosme et al., 2025). در چند مطالعه میدانی، نرخ وقوع حوادث پس از پیاده سازی سامانه های هوش مصنوعی تا 25٪ کاهش یافته است. 3. کاربرد بینایی ماشین در ایمنی محیط کار از طریق سیستم های نظارت تصویری و تشخیص رفتارهای ناایمن، عدم استفاده از تجهیزات حفاظت فردی (PPE) و تحلیل وضعیت های بدنی خطرناک. میانگین دقت در تشخیص این موارد 92٪ گزارش شده است (Shah, 2024). 4.تحلیل ارگونومیک و پیشگیری از اختلالات اسکلتی–عضلانی با کمک شبکه های عصبی کانولوشنی و الگوریتم های Pose Estimation که توانسته اند وضعیت های نامناسب بدن را شناسایی و توصیه های اصلاحی ارائه دهند. این سیستم ها منجر به کاهش 15 تا 20 درصدی بروز دردهای مزمن عضلانی در مشاغل صنعتی شده اند (ResearchGate, 2024). 5. پایش سلامت روان و رفاه شغلی از طریق تحلیل زبان طبیعی (NLP) و مدل های تشخیص احساس برای شناسایی استرس مزمن و فرسودگی شغلی. اگرچه میانگین دقت این مدل ها پایین تر (حدود 76٪) است، اما اهمیت فزاینده ای در دوران پساکرونا و در محیط های کاری ترکیبی (Hybrid) یافته اند (Guardian Report, 2024). در جمع بندی، مرور 100 مقاله نشان می دهد که هوش مصنوعی نه تنها ابزاری برای اتوماسیون، بلکه عاملی کلیدی در تحول رویکرد پیشگیرانه در بهداشت شغلی است.

کلیدواژه ها:

هوش مصنوعی در طب کار ، یادگیری ماشینی ، پیش بینی ریسک شغلی ، پایش سلامت بلادرنگ ، بینایی ماشین