Resumo Objetivo identificar estratégias e desafios no uso de big data e inteligência artificial (IA) em saúde ocupacional, assim como práticas e obstáculos na sua implementação. Métodos revisão de escopo utilizando termos relacionados à saúde ocupacional, big data e IA em quatro bases de dados (Medline, Embase, BVS e SciELO), considerando artigos em português, espanhol e inglês publicados até 2022. Foram incluídos estudos com uso de grandes bases de dados e IA para análises relacionadas à saúde ocupacional. A seleção dos artigos foi feita independentemente por dois pesquisadores, com conflitos resolvidos por consenso. Resultados de 505 artigos identificados, 16 foram selecionados. O baixo número pode estar associado à escassez de dados que tratam da saúde do trabalhador de maneira sistêmica, considerando fatores demográficos, tecnológicos, socioeconômicos e ambientais. Os estudos selecionados mostraram que o big data e a IA têm bom potencial para subsidiar a saúde ocupacional ao identificar indicadores de saúde e possibilitar previsões precisas. A implementação enfrenta desafios, como armazenamento de dados e questões éticas. Conclusão big data e IA podem ser ferramentas úteis para analisar interações complexas de variáveis visando aprimorar a identificação de determinantes de saúde e dados de registros sobre ambientes de trabalho e indivíduos a eles expostos.
Abstract Objective to identify strategies and challenges in the use of big data and Artificial Intelligence (AI) in Occupational Health, as well as practices and obstacles to their implementation. Methods scoping review using terms related to occupational health, big data, and AI in four databases (Medline, Embase, BVS, and SciELO) considering articles in Portuguese, Spanish, and English published up to 2022. Studies using large databases and AI for occupational health-related analyses were included. Article selection was performed independently by two researchers, and the conflicts were resolved by consensus. Results of the 505 articles identified, 16 were selected. The low number may be associated with the scarcity of data that address worker’s health systemically, considering demographic, technological, socioeconomic, and environmental factors. The selected studies showed that big data and AI have a good potential to support occupational health by identifying health indicators and enabling accurate predictions. Implementation faces challenges such as data storage and ethical issues. Conclusion big data and AI can be useful tools for analyzing the complex interactions of variables to improve the identification of health determinants and record data on work environments and individuals exposed to them.
