Ferramenta inovadora para saúde ocupacional
Desconfortos em ombros, braços e mãos podem sinalizar problemas sérios que comprometem a saúde laboral e levam ao afastamento do trabalhador. Para detectar esses sintomas precocemente, pesquisadores da Universidade Federal de Alagoas (Ufal) criaram uma ferramenta que une inteligência artificial e psicometria para avaliar e classificar níveis de desconforto musculoesquelético.
O desenvolvimento ocorreu no Campus do Sertão, em Delmiro Gouveia, e apresentou desempenho superior a 96% nos testes realizados. Os resultados foram divulgados na revista científica internacional Expert Systems with Applications, referência nas áreas de inteligência artificial, engenharia e computação.
Origem e colaboração multidisciplinar
A pesquisa surgiu a partir de um projeto de iniciação científica conduzido no ciclo 2024-2025 do Programa Institucional de Bolsas de Iniciação Científica (Pibic) da Ufal. Os estudantes Jesus Ferreira Gomes Tavares e Ayume Oliveira Santos participaram diretamente, sob orientação do professor Jonhatan Magno Norte da Silva.
Além da Ufal, o artigo intitulado Integration of item response theory and machine learning for automated prediction in occupational health and safety conta com pesquisadores da Universidade de São Paulo (USP), Universidade Federal da Paraíba (UFPB), Universidade Federal do Amapá (Unifap), Universidade Federal da Grande Dourados (UFGD) e Universidade do Estado do Pará (Uepa).
Como a tecnologia atua na prevenção
Distúrbios musculoesqueléticos ligados ao trabalho, como os causados por movimentos repetitivos, posturas prolongadas e sobrecarga muscular, afetam a qualidade de vida e podem gerar afastamentos. A dificuldade está na avaliação, que depende muito do relato subjetivo do trabalhador.
Leia também: Inauguração do CEREST em Senhor do Bonfim: Um Marco para a Saúde dos Trabalhadores
Fonte: soudebh.com.br
Leia também: 13ª Innovation Week em São José dos Campos destaca avanços práticos da Inteligência Artificial
Fonte: diariofloripa.com.br
Para tornar essa análise mais objetiva, o estudo combinou a Teoria de Resposta ao Item (TRI), um modelo estatístico que mede características não observáveis diretamente, com algoritmos de aprendizado de máquina. Foram avaliados 300 trabalhadores de Alagoas, Bahia e Paraíba, divididos em quatro categorias profissionais: indústria calçadista, professores, técnicos de enfermagem e comércio varejista.
Os participantes responderam a um questionário sobre a frequência de desconforto em dez regiões dos membros superiores, incluindo ombros, braços, cotovelos, antebraços e mãos. A partir dessas respostas, os pesquisadores criaram uma escala com seis níveis, que vai do desconforto mínimo ao máximo. Seis algoritmos de inteligência artificial foram treinados para reconhecer esses padrões e indicar o nível de desconforto de cada trabalhador individualmente.
Alta precisão com inteligência artificial
O modelo funciona como um “sistema especialista substituto”, segundo Jonhatan Magno. Ele incorpora o conhecimento técnico da psicometria validada e o transforma em uma ferramenta escalável, capaz de classificar o risco de forma individual e em tempo real, sem precisar refazer toda a análise estatística populacional para cada novo caso.
Entre os algoritmos testados, a Máquina de Vetores de Suporte (SVM) apresentou o melhor equilíbrio entre desempenho e estabilidade, alcançando índice F1 de 96,1% após cinco mil reamostragens estatísticas. Essa métrica considera tanto a precisão quanto a capacidade de identificar corretamente as diferentes classificações.
Os pesquisadores também aplicaram a técnica de inteligência artificial explicável chamada Shap, que revelou quais sintomas tiveram maior peso nas previsões. Mãos, antebraços e cotovelos foram as regiões mais relevantes. Isso permite que profissionais de ergonomia, saúde e segurança do trabalho entendam não só a classificação, mas também quais áreas do corpo influenciaram o resultado.
Leia também: Levantamento Sebrae destaca crescimento das startups no Maranhão
Fonte: novaimperatriz.com.br
Ferramenta de apoio e futuro digital
A tecnologia atua como um recurso de apoio para triagem e acompanhamento, sem substituir avaliações clínicas ou ergonômicas feitas por especialistas. Um dos potenciais futuros da pesquisa é a transformação da metodologia em plataformas digitais para monitoramento contínuo da saúde musculoesquelética.
Jonhatan projeta que isso pode abrir caminho para aplicativos móveis ou sistemas embarcados em ambientes de Indústria 4.0. A integração com sensores vestíveis, dados biomecânicos e sistemas que recomendam intervenções personalizadas conforme o nível de desconforto também está no horizonte.
Antes disso, novos estudos são necessários. A amostra atual concentra-se em três estados nordestinos, e a metodologia precisará ser testada com trabalhadores de outras regiões e setores. Também será fundamental comparar as previsões da inteligência artificial com avaliações clínicas, limitações funcionais, afastamentos e diagnósticos posteriores.
Impactos acadêmicos e próximos passos
O trabalho desenvolvido em Delmiro Gouveia já rendeu outros frutos. Jesus Ferreira utilizou o artigo para defender seu Trabalho de Conclusão de Curso (TCC) na modalidade de artigo científico. O estudo está entre os finalistas na categoria de melhor TCC em Engenharia de Produção do Brasil e será apresentado no 46º Encontro Nacional de Engenharia de Produção (Enegep), na Escola Politécnica da USP, em São Paulo.
Jonhatan adiantou que a apresentação ocorrerá na sessão de finalistas do Enegep, na Poli-USP. Além disso, resultados do ciclo 2025-2026 do Pibic servirão para encaminhar pedido de registro de software, o que poderá transformar o conhecimento científico gerado em Alagoas em uma solução tecnológica voltada para as demandas sociais.