Rischio Biomeccanico: Possono le nuove tecnologie fare la differenza?

Il documento evidenzia che, in merito alle reti di sensori, si considerano esclusivamente tecnologie per il monitoraggio del movimento umano utilizzabili in modo semplice da chiunque all’interno dei luoghi di lavoro, piuttosto che in laboratorio. La valutazione del rischio biomeccanico deve, infatti, essere effettuata su lavoratori impegnati in compiti reali, senza modificare le loro strategie motorie naturali.

Si fa riferimento esclusivamente alla sensoristica indossabile, escludendo soluzioni alternative come i sistemi optoelettronici a infrarossi e le piattaforme di forza. Il termine “sensore indossabile” indica dispositivi miniaturizzati, leggeri e privi di cavi, in grado di trasferire segnali dal lavoratore tramite protocolli di comunicazione wireless efficaci. Tra i sensori più avanzati per acquisizioni cinematiche, cinetiche ed elettromiografiche ci sono le unità di misura inerziali (IMU), gli strain gauge, guanti e solette sensorizzate, oltre ai sensori per l’elettromiografia di superficie con prelievo bipolare.

Indici per il Monitoraggio dell’Impegno Fisico

Il documento si concentra sugli indici più efficaci per monitorare l’impegno fisico e il rischio biomeccanico. Tra questi:

• Lifting Energy Consumption (LEC): Utilizza dati cinematici per fornire informazioni sul dispendio energetico meccanico durante specifiche attività di movimentazione manuale dei carichi (MMC), risultando particolarmente utile per il sollevamento di carichi pesanti.
• sEMG Average Rectified Value (ARV): Basato sull’acquisizione elettromiografica di superficie, questo indice misura l’attivazione media di un muscolo durante cicli di sollevamento e si rivela efficace nel classificare il rischio in attività di sollevamento pesante.
• Root Mean Square (RMS): Correlato alla potenza del segnale generato da un muscolo, è utile anch’esso per classificare il rischio in attività di sollevamento di carichi pesanti.
• Time-Varying Multimuscle Co-activation function (TMCf): Misura l’attivazione simultanea di due o più muscoli coinvolti nelle attività di MMC, ed è utile per valutare il rischio anche in movimenti ripetitivi.
• Fatica Muscolare Localizzata: Si basa sull’acquisizione elettromiografica e stima l’affaticamento di muscoli coinvolti in attività faticose, dimostrando la sua efficacia nella classificazione del rischio in attività di movimentazione di carichi leggeri ad alta frequenza.

Il documento discute anche altre esperienze e indici per la valutazione delle variabili necessarie per il rischio da sovraccarico biomeccanico, dedicando un paragrafo agli algoritmi di intelligenza artificiale (AI), che possono migliorare la precisione della valutazione.

Progetti SOPHIA e MELA

Inoltre, il documento segnala che molti risultati pubblicati dal gruppo di ricerca del Laboratorio di ergonomia e fisiologia sono stati integrati in due progetti:

• Progetto Horizon 2020 SOPHIA
• Progetto MELA

Particolarmente nel progetto SOPHIA (Socio-Physical Interaction Skills for Cooperative Human-Robot Systems in Agile Production), finanziato dal programma Horizon 2020 dell’Unione Europea, l’attuale versione del tool consente, integrando alcune reti di sensori commerciali, di valutare il rischio durante attività di sollevamento di carichi pesanti, movimenti ripetitivi e mantenimento di posture fisse o incongrue.

La piattaforma software consente di classificare il rischio utilizzando tutti gli indici descritti nella monografia Inail e offre una guida all’utente attraverso un’interfaccia intuitiva in Matlab. Questa interfaccia semplifica la corretta selezione e il posizionamento dei sensori in base alle attività di movimentazione manuale dei carichi (MMC) scelte. Il software permette anche di stampare una metrica che indica il livello di rischio stimato, integrando approcci di intelligenza artificiale.

All’interno di questo progetto, è stato progettato e creato un database pubblico chiamato HumanDataCorpus. Questo database ha l’obiettivo di fornire ai professionisti della salute e sicurezza nei luoghi di lavoro informazioni su come i lavoratori si muovono e interagiscono con l’ambiente e i robot collaborativi, consentendo di ottimizzare il controllo dei robot in modo più efficace e sicuro, prevenendo così i disturbi muscoloscheletrici (DMS).

Inoltre, il tool sviluppato nel progetto MELA è stato concepito da Inail e realizzato in collaborazione con l’Istituto Italiano di Tecnologia. Il suo scopo è riprogettare l’interfaccia Matlab di SOPHIA e realizzare una rete di sensori che integri le unità di misura inerziali (IMU) e i sensori per l’elettromiografia di superficie (sEMG).

Tuttavia, le conclusioni del documento evidenziano che la complessità dei luoghi di lavoro e la variabilità delle attività di MMC richiedono grande cautela e una continua produzione di conoscenze tecnico-scientifiche sul tema. I vantaggi offerti da questi strumenti non devono nascondere l’importanza di approfondire la loro usabilità da parte dei professionisti della salute e sicurezza, l’accettabilità da parte dei lavoratori, il trattamento dei dati personali e le questioni etiche.

Un’ulteriore considerazione riguarda il versante normativo. Gli autori sottolineano che sarà cruciale, una volta disponibili le evidenze scientifiche necessarie, aggiornare gli standard ergonomici a livello europeo e internazionale includendo approcci strumentali per la valutazione del rischio biomeccanico nelle attività di MMC. Questo processo richiederà tempo, ma esistono già esperienze e documenti che mirano a fornire linee guida utili per una corretta valutazione del rischio biomeccanico attraverso approcci strumentali.