1- با تشکر از حضور در این مصاحبه، لطفا خودتان را معرفی کرده و سوابق علمی، پژوهشی، اجرایی و عملی خود و فعالیت‌های مرتبط با این پژوهش را بیان کنید:

با سلام و احترام. احسان گروسی هستم، عضو هیئت علمی گروه ارگونومی دانشگاه علوم پزشکی ایران. تخصص اصلی من در حوزه ارگونومی فیزیکی و ارزیابی ریسک اختلالات اسکلتی-عضلانی است. در طول سال‌های فعالیت پژوهشی، روی مداخلات بهبود شرایط کار، کاهش بار فیزیکی کارگران و استفاده از روش‌های نوین ارزیابی ریسک تمرکز داشته‌ام.

تجربه عملی من شامل همکاری با صنایع مختلف برای شناسایی و کنترل عوامل خطر در محیط‌های کاری است. در زمینه این پژوهش، سابقه کار با سیگنال‌های الکترومیوگرافی سطحی (sEMG) و تحلیل داده‌های بیومکانیکی را دارم و به کاربرد یادگیری ماشین در حوزه سلامت شغلی علاقه‌مند بوده‌ام.

---

۲- دلیل اصلی شما برای انتخاب این طرح تحقیقاتی چه بود و چه کسانی در این پژوهش یاری‌دهنده شما بودند؟

دلیل اصلی انتخاب این طرح، نیاز به روش‌های دقیق‌تر و عینی‌تر برای ارزیابی ریسک بلند کردن بار بود. روش‌های سنتی مانند NIOSH و REBA بر مشاهده و تخمین تکیه دارند و نمی‌توانند بار عضلانی واقعی را اندازه‌گیری کنند. با پیشرفت فناوری‌های پوشیدنی و یادگیری ماشین، فرصتی برای ایجاد سیستم‌های هوشمند و قابل اعتماد فراهم شده است.

در این پژوهش، همکاران ارزشمندم شامل آقای محمد صادق قاسمی، دکتر زانیار کریمی و دکتر فرین خانه شناس و همچنین دانشجوی کوشا و پرتلاش خانم فاطمه شیخ مشارکت داشتند.

۳- پژوهش‌تان را معرفی کرده و با معرفی ویژگی‌ها و نوآوری‌های آن در خصوص موضوعات و محورهای آن شرح دهید:

این پژوهش با هدف توسعه یک سیستم هوشمند برای پیش‌بینی سطح ریسک بلند کردن دستی بار طراحی شده است. ما از سنسورهای sEMG برای ثبت فعالیت عضلات کمر، شانه و بازو در حین بلند کردن بار استفاده کردیم و داده‌ها را با الگوریتم‌های یادگیری ماشین (Random Forest، SVM، XGBoost و شبکه‌های عصبی) تحلیل نمودیم.

نوآوری‌های کلیدی:

- ارزیابی عینی: به جای تخمین بصری، بار عضلانی واقعی اندازه‌گیری می‌شود

- پیش‌بینی لحظه‌ای: سیستم می‌تواند در زمان واقعی ریسک را تشخیص دهد

- دقت بالا: مدل‌های ما با دقت بیش از ۹۰٪ سطح ریسک را طبقه‌بندی کردند

- قابلیت استفاده عملی: سیستم قابل نصب روی لباس‌های کاری و استفاده در محیط‌های صنعتی است

این رویکرد می‌تواند جایگزین یا مکمل روش‌های سنتی شود و به مدیران ایمنی ابزاری دقیق برای شناسایی کارگران در معرض خطر بدهد.

-- ۴- آیا این پژوهش به مرحله اجرا و بهره‌برداری رسیده است؟

در حال حاضر، این پژوهش به صورت **مطالعه پایلوت** اجرا شده و نتایج اولیه بسیار امیدوارکننده است. ما توانستیم مدل‌های یادگیری ماشین را آموزش داده و اعتبارسنجی کنیم.

برای رسیدن به مرحله بهره‌برداری کامل، نیاز به اخذ مجوزهای لازم و تهیه نمونه تجاری سازی شده داریم. امیدواریم با حمایت مراکز پژوهشی و صنعتی، ظرف ۱-۲ سال آینده به مرحله تجاری‌سازی برسیم.

---۵- این طرح پژوهشی چه گره‌ای از مشکلات مردم باز خواهد کرد؟

اختلالات اسکلتی-عضلانی ناشی از کار یکی از شایع‌ترین بیماری‌های شغلی در کشور است و هزینه‌های سنگینی به کارگران، کارفرمایان و نظام سلامت تحمیل می‌کند. بلند کردن بار به صورت نادرست، عامل اصلی کمردرد و آسیب‌های ستون فقری است.

این پژوهش می‌تواند:

- پیشگیری از آسیب‌ها: با شناسایی زودهنگام کارگران در معرض خطر

- کاهش هزینه‌های درمانی: با جلوگیری از بروز بیماری‌های مزمن

- بهبود کیفیت زندگی: کارگران سالم‌تر و توانمندتر خواهند بود

- افزایش بهره‌وری: کاهش غیبت از کار و افزایش کارایی

- ایجاد محیط کار ایمن‌تر: با ارائه داده‌های دقیق برای طراحی مجدد فرآیندها

این سیستم می‌تواند در صنایع مختلف مانند ساختمان‌سازی، انبارداری، کشاورزی و تولید استفاده شود و سلامت هزاران کارگر را حفظ کند.

---

 ۶- انتظار شما از مسئولین و متولیان امور پژوهشی در زمینه حمایت و یا توسعه فعالیت‌های مشابه چیست و چه راهکارهایی پیشنهاد می‌کنید؟

- تأمین بودجه پایدار برای ادامه پژوهش‌های کاربردی در حوزه سلامت شغلی

- تسهیل همکاری بین دانشگاه و صنعت برای آزمایش و پیاده‌سازی فناوری‌ها

- حمایت از تجاری‌سازی نتایج پژوهشی با ارائه تسهیلات و مشاوره

-ایجاد زیرساخت‌های لازم  مانند آزمایشگاه‌های مجهز و دسترسی به داده‌های صنعتی

---

۷- اگر توضیح دیگری درخصوص برنامه‌های جاری، آینده و اهداف‌تان دارید در خاتمه این گفتگو بفرمایید:

در حال حاضر، علاوه بر این پژوهش، روی توسعه سیستم‌های هشدار هوشمند برای سایر فعالیت‌های پرخطر مانند کار با ابزار ارتعاشی و کار تکراری کار می‌کنیم.

اهداف آینده:

- توسعه اپلیکیشن موبایل برای ارزیابی سریع ریسک در محیط‌های کاری

- ایجاد بانک داده ملی از الگوهای حرکتی و بار عضلانی در مشاغل مختلف

- همکاری بین‌المللی برای تبادل دانش و تجربه

- آموزش نسل جدید متخصصان ارگونومی با تمرکز بر فناوری‌های نوین