人工智能在职业健康安全中的应用：系统综述揭示证据匮乏的现状

针对职业伤害负担持续存在而技术创新停滞的现状，多伦多大学等机构研究人员系统评估了2018–2024年间人工智能（AI）工具在职业健康安全（OHS）实践中的应用效果。通过筛查1255篇文献，仅发现1项中等质量研究（AI聊天机器人改善肌肉骨骼症状，OR=6.36），表明当前AI在OHS领域的实证基础薄弱。该研究强调亟需跨学科合作开发负责任AI（Responsible AI），以填补技术应用与工人健康结局之间的证据鸿沟。

　　

论文解读

在全球范围内，职业事故和疾病每年导致278万人死亡（国际劳工组织数据），而传统工伤预防策略的效果近十年陷入停滞。例如加拿大2023年工伤死亡人数增至1056人，凸显创新干预的迫切性。人工智能（AI）因其强大的数据分析和自适应能力，被视为突破职业健康安全（Occupational Health and Safety, OHS）困局的新工具。然而，AI工具是否真的能降低工人伤亡率？多伦多大学职业健康与安全研究所（Institute for Work & Health）、波士顿大学等机构的研究团队通过系统性证据评估，揭开了这一问题的真相。

研究团队在PROSPERO平台（国际前瞻性系统综述注册库）注册后，系统检索了2018–2024年六大数据库的1255篇文献，严格遵循PECO框架（人群：高/中等收入国家工人；暴露：明确使用AI的OHS工具；结局：工伤/疾病/死亡）。最终仅两项研究符合标准，其中仅1项中等质量研究（日本Anan等2021年发表的随机对照试验）显示：AI聊天机器人通过每日推送个性化运动指导，显著改善白领工人颈肩痛（干预组症状严重比例从77%降至33%，OR=6.36）和腰痛（主观改善OR=43.00）。另一项低质量研究因方法学缺陷未被纳入结论。

关键方法

1. 系统综述设计：采用科克伦协作组改良流程，通过PRISMA声明规范报告。

2. 文献筛选：双人独立完成标题/摘要及全文筛选，争议由第三人仲裁。

3. 质量评价：使用23项指标工具评估偏倚风险，按得分分为高/中/低三档。

4. 证据合成：因研究异质性大，采用叙述性综合（Narrative Synthesis）。

研究结果

AI工具类型与效果

• 唯一有效工具：AI聊天机器人（基于移动应用的交互式健康促进系统）通过动态调整运动方案（如1分钟拉伸/正念指导），显著降低颈肩僵硬（干预组平均疼痛评分3.0 vs 对照组4.0, P<0.001）和腰痛严重程度。

• 工具局限性：该工具仅针对肌肉骨骼疾病（Musculoskeletal Disorders, MSD），且未涉及高危行业（如建筑业、制造业）。

证据空白凸显严峻现实

• 近90%的排除文献集中于AI技术原型或数据分析研究，未评估真实工作场景的健康结局。

• 10%的初步研究（如工业机器人、医疗传感设备）显示潜在价值，但缺乏工人伤亡数据支持。

结论与意义

研究发现，尽管AI在医疗诊断（如医学影像分析）、金融风控等领域成果显著，但其在OHS实践中的应用仍处于"概念验证"阶段。当前证据无法支持广泛推广AI工具，原因有三：

1. 技术脱节：多数AI设计未聚焦OHS核心问题（如高危作业环境监测、心理压力预警）。

2. 算法偏见风险：训练数据代表性不足（如忽略性别、年龄差异）可能导致工具对特定工人群体失效。

3. 隐私与伦理挑战：持续数据收集可能加剧工人被监控的担忧。

研究呼吁建立跨学科协作框架（计算机科学、OHS、社会政策）：

• 短期行动：开发AI专用质量评价工具，优先测试可穿戴传感器、智能安监系统在工伤高发行业的效果。

• 长期策略：推动"负责任AI"（Responsible AI）原则，确保算法透明（如公开参数选择逻辑）和数据多样性（如覆盖非正规就业者）。

该成果发表于《Systematic Reviews》（系统综述），为政策制定者敲响警钟——在AI技术浪潮中，唯有扎实的实证研究和伦理规范，才能将其转化为守护工人生命的可靠盾牌。

（注：流程显示1255篇文献中仅2篇符合纳入标准）