】 【打 印】 
理大研智能工傷管理系統 大數據預測病假
http://www.CRNTT.com   2021-01-28 07:19:46


圖片來源:大公報
  中評社北京1月28日電/據大公報報道,記者黎慧怡報道:本港行業類型眾多,工傷意外時有發生。為優化工傷處理程序,香港理工大學研發出“智能工傷管理系統”,利用大數據和AI學習原理,預測受傷僱員所需病假、復工日期、傷殘程度等複康過程。該研究負責人、理大康復治療科學系副教授鄭樹基表示,該系統整體預測病假天數準確度達60%,傷殘程度準確度達七成,較傳統估算方法更接近受傷僱員實際情況,有助僱員不會錯過“黃金復工期”。

  鄭樹基指出,過去十年,本港每年職業傷亡數字均超過三萬宗,一般工傷處理中,受傷僱員從呈報意外到治療,再到複康,會遇到不同“樽頸位”,如公營醫療輪候時間過長、公私營醫療及康復服務未能互相補足、程序上亦欠缺協調和復工支援等。

  可估算傷殘程度

  因而,理大康復治療科學系和電子計算學系組成的研究團隊,自2019年6月起開始研發“智能工傷管理系統”,從68間提供勞工保險的保險公司收集約9萬個匿名工傷個案,將其意外紀錄、醫療、複康和復工安排等數據輸入系統。透過機器學習(Machine Learning)動態分析後,再輸出結果,包括預計受傷僱員重返崗位進度、估算傷殘程度、賠償金額等,讓僱員、醫療人員、僱主、保險公司等持份者從中獲得處理工傷程序的有效資訊。

  團隊表示,該系統估算受傷僱員的傷殘程度準確率達70%,病假天數準確率達60%,較傳統的人手或經驗估算結果準確度高。鄭樹基以一名52歲飲食業清潔女工為例,她在工作時腳踝扭傷,人手初步預計其請病假150天,傷殘程度為1.5%,而智能工傷管理系統計算的病假天數為340天,傷殘程度0.9%,與該受傷女工實際病假天數390天、傷殘程度1%更接近。

  鄭樹基表示,自己本身有十多年前線物理治療經驗,最希望該系統首先應用在受傷僱員第一次就診時,醫療人員可根據大數據預測,給傷者合理期望,如告知復工時間、傷殘程度等。他指,團隊未來半年將繼續收集更多新個案,以優化和提升系統準確性,並加強對勞資雙方的保障,希望勞工處、企業和保險公司參與提供更多數據。該項目獲創新科技署創新及科技基金約140萬港元經費資助,為期兩年。

掃描二維碼訪問中評網移動版 】 【打 印掃描二維碼訪問中評社微信  

 相關新聞: