در معادن بزرگ مس—به‌ویژه مجتمع مس سرچشمه کرمان—بخش عمده‌ای از بیماری‌های شغلی، ناتوانی‌های جسمی و خروج نیروی انسانی و آسیب های فراوان جسمی علی الخصوص در زمان بازنشستگی تبدیل به یک معضل شده است و در مرحله‌ای بیماریها شناسایی می‌شوند که بدن وارد فاز آسیب جدی شده است.

در حالی که پیش از بروز بیماری‌های ریوی، قلبی، اسکلتی–عضلانی و اختلالات ایمنی، نشانه‌های خاموش و تدریجی در داده‌های سلامت کارکنان وجود دارد، اما:

• این داده‌ها به‌صورت پراکنده (آزمایش، طب کار، پرونده پزشکی، علائم حیاتی) ثبت می‌شوند
• هیچ مدل تحلیلی برای تشخیص الگوی فروپاشی سلامت وجود ندارد
• ارتباط میان تاریخچه شغلی، شیفت کاری، مواجهات گذشته و پاسخ ایمنی بدن تحلیل نمی‌شود
• تصمیم‌گیری‌ها عمدتاً واکنشی و درمان‌محور هستند، نه پیشگیرانه

این وضعیت منجر به:

• افزایش بیماری‌های مزمن و غیرقابل بازگشت
• افزایش هزینه‌های درمانی و ازکارافتادگی
• کاهش بهره‌وری نیروی انسانی متخصص
• از دست رفتن فرصت پیشگیری زودهنگام

این پروژه کاملاً بر پایه زیرساخت نرم‌افزاری ما قابلیت سازگاری دارد:

الف) لایه داده‌های سلامت (هسته اصلی پروژه)

• پرونده سلامت الکترونیکی کارکنان معدن
• داده‌های طب کار (معاینات دوره‌ای، اسپیرومتری، شنوایی‌سنجی)
• نتایج آزمایشگاهی CBC، CRP، ESR، فلزات سنگین، شاخص‌های التهابی
• داده‌های ایمونولوژیک
• علائم حیاتی طولی HR، HRV، SpO₂، الگوی خواب، خستگی
• تاریخچه شغلی، شیفت کاری و سابقه فعالیت
• سنسورهای پوشیدنی که پارامترهای زیادی را اندازه گیری می کنند (نیازمند ساخت و خصوصی سازی)

ب) لایه هوش مصنوعی و پژوهشی (نوآوری اصلی)

• طراحی مدل Health Degradation Pattern AI
• شناسایی الگوهای «افت تدریجی سلامت» قبل از تشخیص بالینی
• توسعه شاخص اختصاصی:
  • Occupational Health Risk Index (OHRI)
• پیش‌بینی:
  • ریسک بیماری ریوی
  • ریسک اختلالات قلبی
  • ریسک اختلالات ایمنی و التهابی
• هشدار زودهنگام به پزشک طب کار و مدیریت

ج) لایه تصمیم‌یار پزشکی و مدیریتی

• داشبورد پزشک و پزشک طب کار (فردمحور)
• داشبورد مدیریتی (گروهی و واحدی)
• پیشنهاد مداخلات:
  • تغییر شیفت
  • استراحت هدفمند
  • ارجاع پزشکی
  • پایش ویژه

د) امکانات پژوهشی (مهم برای اعتبار ۱۴)

• تعریف الگوی جدید «فروپاشی سلامت شغلی»
• ایجاد بانک داده Longitudinal سلامت شغلی
• امکان انتشار مقالات علمی در:
  • Occupational Medicine
  • Digital Health
  • AI in Healthcare
• توسعه مدل قابل تعمیم به سایر معادن

الف) ذی‌نفعان اصلی

• کارگران معدن → پیشگیری قبل از بیمار شدن
• پزشکان  → ابزار تصمیم‌یار علمی
• مدیریت مس سرچشمه → حفظ نیروی متخصص
• واحد HSE → کاهش ریسک و هزینه

ب) ذی‌نفعان سازمانی

• وزارت بهداشت
• سازمان تأمین اجتماعی
• سازمان محیط کار و ایمنی

• الف) نتایج سلامت

  • شناسایی زودهنگام افراد پرخطر: ۶ تا ۱۲ ماه قبل از تشخیص بالینی
  • کاهش بیماری‌های مزمن شغلی: ۲۰–۳۵٪
  • کاهش ازکارافتادگی زودرس
  • خوردن نان بازنشستگی

  ب) نتایج اقتصادی

  • کاهش هزینه درمان و غیبت کاری: ۱۵–۲۵٪
  • افزایش ماندگاری نیروی متخصص

  ج) نتایج پژوهشی

  • ایجاد مدل بومی AI سلامت شغلی
  • حداقل ۲ مقاله علمی معتبر
  • ایجاد محصول نرم‌افزاری قابل فروش به سایر معادن