Iran Occupational Health Journal

fa کاربرد هوش مصنوعی در پیش‌بینی و ارزیابی ریسک‌های ارگونومیک:یک مطالعه مروری سیستماتیک Application of artificial intelligence in predicting and assessing ergonomic risks: A systematic review ارگونومی Ergonomics مروری Review Article زمینه و هدف: ارگونومی و عوامل انسانی به دلیل اهمیت در بهبود شرایط کاری، افزایش بهره‌وری و کاهش آسیب‌های جسمی ناشی از محیط کار، به یکی از زمینه‌های کلیدی برای توسعه و کاربرد هوش مصنوعی<a href="#_ftn1" name="_ftnref1" title="">[1]</a> ((AI تبدیل شده‌اند. لذا هدف این مقاله مروری، بررسی مطالعات موجود پیرامون کاربرد هوش مصنوعی در پیش‌بینی و ارزیابی ریسک‌های ارگونومیک است. روش بررسی: پروتکل این مطالعه بر اساس دستورالعمل موارد ترجیحی برای گزارش‌دهی در خصوص مرورهای سیستماتیک و متاآنالیز (<a href="#_ftn2" name="_ftnref2" title="">[2]</a>PRISMA) تهیه و ارائه شد. برای یافتن مقالات مرتبط، از پایگاه‌های اطلاعاتی و موتورهای جستجوی علمی و دانشگاهی PubMed)، Scopus، ScienceDirect و (Web of Science استفاده شد. برای این منظور، با استفاده از کلیدواژه‌های مرتبط با موضوع، به جستجو در پایگاه‌های علمی طی سال های 2000 تا 2024 پرداخته شد. معیارهای ورود به مطالعه شامل مقالات اصیل پژوهشی، تجربی و آزمایشگاهی که کاربرد AI در پیش‌بینی و ارزیابی ریسک‌های ارگونومیک را مورد بررسی قرار داده‌اند و همچنین مقالات به زبان‌های انگلیسی بودند. همچنین، معیارهای خروج از مطالعه شامل مقالات با موضوعات غیرمرتبط، مقالات غیرپژوهشی از جمله سرمقاله‌ها، یادداشت‌های نویسندگان، نامه به سردبیر و انواع مطالعات از جمله کتاب‌ها و مقالات مروری بودند. یافته ها: این مطالعه به بررسی 32 مقاله درباره کاربرد AI در پیش‌بینی و ارزیابی ریسک‌های ارگونومیک بین سال‌های ۲۰۰۰ تا ۲۰۲۴ پرداخت. بیشترین تحقیقات از سال 2021 به بعد و بویژه در سال 2024 انجام شده است. روش‌های مختلفی از جمله Natural Language Processing، Expert Systems، Vision و Machine learning به‌طور گسترده استفاده شده است. همچنین نتایج نشان داد در این میان روش‌های یادگیری ماشین بیشترین کاربرد را در مطالعات داشته‌است. همچنین بیشترین و کمترین تعداد مطالعات به ترتیب با 44 و 3 درصد مربوط به قاره اروپا و آفریقا بودند. بحث و نتیجه گیری: این مطالعه با مرور سیستماتیک مطالعات موجود، نقش فزاینده هوش مصنوعی در پیش‌بینی و ارزیابی ریسک‌های ارگونومیک را برجسته کرده است. نتایج به‌دست‌آمده نشان می‌دهند که استفاده از الگوریتم‌های یادگیری ماشین، بینایی ماشین، و سایر زیرمجموعه های هوش مصنوعی می‌تواند دقت، کارایی و بلادرنگی ارزیابی‌های ارگونومیکی را نسبت به روش‌های سنتی به‌طور معناداری افزایش دهد. <div>  <hr align="left" size="1" width="33%" > <div id="ftn1"><a href="#_ftnref1" name="_ftn1" title="">[1]</a> Artificial Inteligent</div> <div id="ftn2"><a href="#_ftnref2" name="_ftn2" title="">[2]</a> Preferred Reporting Items for Systematic Reviews and Meta-Analyses</div> </div> Background and aims: Ergonomics and human factors have increasingly attracted attention as essential domains for improving workplace safety, productivity, and health. With the rapid growth of artificial intelligence (AI), researchers have begun to explore its potential to predict and assess ergonomic risks. This review aims to systematically evaluate existing studies addressing AI applications in ergonomic risk prediction and assessment. Methods: Following the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) guidelines, a structured search was conducted in Web of Science, Scopus, ScienceDirect, and PubMed for the years 2000–2024 using relevant keywords. Inclusion criteria comprised original research articles—experimental or laboratory-based—published in English or Persian that investigated AI in ergonomic risk prediction or assessment. Exclusion criteria included review articles, books, editorials, letters, or irrelevant topics. Results: A total of 32 studies were included. Research activity significantly increased after 2021, peaking in 2024. Machine learning, computer vision, expert systems, and natural language processing were the most frequently applied approaches. Machine learning accounted for the majority of methods, demonstrating superior accuracy and predictive capabilities. Geographically, Europe contributed the highest share of studies (44%), while Africa had the lowest (3%). Conclusion: The evidence indicates that AI, particularly machine learning algorithms and computer vision, can substantially improve the accuracy, efficiency, and real-time capacity of ergonomic risk assessments compared to traditional methods. This highlights AI’s transformative potential in occupational health and ergonomics.   ارگونومی, پیش بینی, هوش مصنوعی, یادگیری ماشین Ergonomics, Predict, Artificial Intelligence, Machine Learning 185 214 http://ioh.iums.ac.ir/browse.php?a_code=A-10-2762-6&slc_lang=fa&sid=1 akram Tabrizi اکرم تبریزی asalehi20242025@gmail.com 13600319475328460046364 13600319475328460046364 No Department of Occupational Health and Safety Engineering, School of Public Health and Safety, Shahid Beheshti University of Medical Sciences, Tehran, Iran گروه مهندسی بهداشت حرفه ای وایمنی کار، دانشکده بهداشت و ایمنی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران Fatemeh Paridokht فاطمه پریدخت asalehi20222@gmail.comm 13600319475328460046365 13600319475328460046365 No Department of Occupational Health and Safety Engineering, School of Public Health and Safety, Shahid Beheshti University of Medical Sciences, Tehran, Iran گروه مهندسی بهداشت حرفه ای وایمنی کار، دانشکده بهداشت و ایمنی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران Yaser Khorshidi Behzadi یاسر خورشیدی بهزادی mehdisafari685@gmail.com 13600319475328460046366 13600319475328460046366 No Department of Occupational Health and Safety Engineering, School of Public Health and Safety, Shahid Beheshti University of Medical Sciences, Tehran, Iran گروه مهندسی بهداشت حرفه ای وایمنی کار، دانشکده بهداشت و ایمنی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران ali Mohsenian علی محسنیان pa_saipa@yahoo.com 13600319475328460046367 0009-0002-7041-4957 No Student Research Committee, Shiraz University of Medical Sciences, Shiraz, Iran کمیته تحقیقات دانشجویی، دانشگاه علوم پزشکی شیراز، شیراز، ایران ali saehi sahlabadi علی صالحی سهل آبادی asalehi529@gmail.com 13600319475328460046368 13600319475328460046368 Yes Safety Promotion and Injury Prevention Research Center, Research Institute for Health Sciences and Environment, Shahid Beheshti University of Medical Sciences, Tehran, Ira مرکز تحقیقات ارتقای ایمنی و پیشگیری از مصدومیت‌ها، پژوهشکده علوم بهداشتی و محیط زیست، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران