THE ROLE OF ARTIFICIAL INTELLIGENCE IN HEALTH MANAGEMENT FROM AN OCCUPATIONAL HEALTH AND SAFETY PERSPECTIVE: A LITERATURE-BASED REVIEW

Öz

This study investigates the applications of artificial intelligence (AI) in healthcare management processes to enhance occupational health and safety (OHS) for employees. A traditional narrative review was conducted by searching Google Scholar database for publications between 2015 and 2025, focusing on AI applications in healthcare OHS. The literature indicates that AI technologies including machine learning, deep learning, image processing and object recognition systems, natural language processing, and decision support systems can anticipate and prevent occupational hazards, improve workplace ergonomics, and enhance the quality and efficiency of healthcare services. AI also facilitates risk assessment, early warning systems, and workflow optimization, supporting OHS professionals and healthcare managers in creating safer work environments. AI applications in healthcare management offer tangible benefits for employee safety and organizational efficiency. Effective implementation requires interdisciplinary collaboration, proper training, and attention to ethical and privacy concerns. The study provides a foundation for future research on the integration of AI to improve occupational health and safety in healthcare settings.

Anahtar Kelimeler

• Artificial intelligence
• Artificial intelligence applications in health institutions
• Health management
• Occupational health and safety

İŞ SAĞLIĞI VE GÜVENLİĞİ AÇISINDAN SAĞLIK YÖNETİMİNDE YAPAY ZEKANIN ROLÜ: LİTERATÜR ODAKLI BİR İNCELEME

Öz

Bu çalışma, çalışanların iş sağlığı ve güvenliğini (OHS) iyileştirmek için sağlık yönetimi süreçlerinde yapay zeka (AI) uygulamalarını incelemektedir. Google Scholar veri tabanında 2015 ile 2025 yılları arasında yayınlanan, sağlık hizmetlerinde AI uygulamalarına odaklanan yayınlar araştırılarak geleneksel bir anlatı incelemesi yapılmıştır. Literatür, makine öğrenimi, derin öğrenme, görüntü işleme ve nesne tanıma sistemleri, doğal dil işleme ve karar destek sistemleri dahil olmak üzere AI teknolojilerinin iş tehlikelerini öngörebildiğini ve önleyebildiğini, işyeri ergonomisini iyileştirebildiğini ve sağlık hizmetlerinin kalitesini ve verimliliğini artırabildiğini göstermektedir. AI ayrıca risk değerlendirmesi, erken uyarı sistemleri ve iş akışı optimizasyonunu kolaylaştırarak OHS uzmanlarının ve sağlık yöneticilerinin daha güvenli çalışma ortamları yaratmasına destek olmaktadır. Sağlık yönetimi alanındaki AI uygulamaları, çalışan güvenliği ve organizasyonel verimlilik açısından somut faydalar sağlamaktadır. Etkili uygulama, disiplinler arası iş birliği, uygun eğitim ve etik ve gizlilik konularına dikkat edilmesini gerektirir. Çalışma, sağlık hizmetleri ortamlarında iş sağlığı ve güvenliğini iyileştirmek için AI'nın entegrasyonu konusunda gelecekteki araştırmalar için bir temel sağlar.

Anahtar Kelimeler

• Yapay zeka
• Sağlık kurumlarında yapay zeka uygulamaları
• Sağlık yönetimi
• İş sağlığı ve güvenliği

Kaynakça

1. Abdullah, A. A., Hassan, M. M., & Mustafa, Y. T. (2022). A review on bayesian deep learning in healthcare: Applications and challenges. IEEe Access, 10, 36538-36562.
2. Adıgüzel, S. (2022). Afet durumlarında yapay zekâ teknolojisi ile lojistik yönetimi örnekleri. Akademik İzdüşüm Dergisi, Cilt- Sayı: 7(1), ss. 47-70.
3. Akalın, B. & Veranyurt, Ü. (2022). Sağlık bilimlerinde yapay zeka tabanlı klinik karar destek sistemleri. Gevher Nesıbe Journal of Medıcal & Health Scıences, Cilt- Sayı: 7(18), ss. 64-73.
4. Akış, U. (2023). Robotik sistemlerde görüntü işleme tabanlı nesne tanıma için akıllı ortam aydınlatması. Hitit Üniversitesi Lisansüstü Eğitim Enstitüsü Enerji Sistemleri Mühendisliği Anabilim Dalı Yüksek Lisans Tezi, ss. 1-64.
5. Akşit, İ. (2024). Kök neden analizinin iş sağlığı ve güvenliği uygulamalarındaki rolü. 3. International Conference on Scientific and Academic Research, ss. 1064-1068.
6. Alp, M. & Doğan, S. (2021). Giyilebilir teknolojiler ve iş ilişkisine etkisi. Çalışma ve Toplum, Cilt- Sayı: 4(71), ss. 2599-2632.
7. Andalibi, N., & Ingber, A. S. (2025, April). Public perceptions about emotion aı use across contexts in the united states. In Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems, pp. 1-16.
8. Aslan, T. & Yağımlı, M. (2023). İş sağlığı ve güvenliğinde derin öğrenme tabanlı risk tespit ve analizi. The Journal of International Scientific Researches, Cilt- Sayı: 8(2), ss. 223-236.

9. Ayan, B., Taşçı, S., & Köksal, E. B. M. (2024). İş sağlığı ve güvenliği alanında kullanılan yapay zeka teknolojilerine ilişkin inceleme. Çalışma İlişkileri Dergisi, 15(2), 20-33.
10. Avaner, T. & Fedai, R. (2017). Sağlık hizmetlerinde dijitalleşme: sağlık yönetiminde bilgi sistemlerinin kullanılması. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, Cilt- Sayı: 22(15), ss. 1533-1542.
11. Baethge, C., Goldbeck-Wood, S., & Mertens, S. (2019). SANRA—a scale for the quality assessment of narrative review articles. Research integrity and peer review, 4(1), 5.
12. Banh, L. & Gero, S. (2023). Generative artifcial intelligence. Electronic Markets, Vol-No: 33(63), ss. 1-17. Çelik, M. (2022). Muhasebe ve denetimde doğal dil işlemenin (nlp) yeri. İşletme Akademisi Dergisi, Cilt- Sayı: 3(4), ss. 402-418.
13. Çiçek, Ö. & Öçal, M. (2016). Dünyada ve türkiye’de iş sağlığı ve iş güvenliğinin tarihsel gelişimi. HAK-İŞ Uluslararası Emek ve Toplum Dergisi, Cilt- Sayı: 5(11), ss. 107-129.
14. Damar, M. & Özen A. & Çakıroğlu, K. N. & Altınoğlu, B. K.(2024). Dijital devlet: mobil teknolojinin kamu kurumları için kritik değeri ve farklı uygulama örnekleri. Cumhuriyetimizin İkinci Yüzyılında İktisadi-Mali Değişimler ve Dönüşümler, ss. 125-170.
15. Demir, Ö. (2023). Sanal gerçeklik tabanlı risk analizi uygulamaları: deneysel bir çalışma ofis örneği. Marmara Üniversitesi Fen Bilimleri Enstitüsü Yüksek Lisans Tezi, ss. 1-33.
16. Erdal, E., & Ergüzen, A. (2020). Nesnelerin interneti (iot). International Journal of Engineering Research and Development, 12(3), 24-34. https://doi.org/10.29137/umagd.827676
17. Erdoğan, A. (2023). Büyük endüstriyel kazalara ilişkin ulusal kaza veri tabanı eksikliği. Çalışma İlişkileri Dergisi, Cilt- Sayı: 14(1), ss. 20-35.
18. Eryılmaz, H.E. (2023). Yapay zekâ çağında kişisel veri mahremiyeti, UMAY Sanat ve Sosyal Bilimler Dergisi, Cilt- Sayı: 1(2), ss. 1-24.
19. Gül, M., Ak, M. F., & Güneri, A. F. (2017). Occupational health and safety risk assessment in hospitals: A case study using two-stage fuzzy multi-criteria approach. Human and Ecological Risk Assessment: An International Journal, 23(2), 187-202.
20. Göde, A. (2024). Halk sağlığında yapay zekâ (yz) kullanımı ve geleceği. TOGÜ Erbaa Sağlık ve Yönetim Dergisi, Cilt- Sayı: 1(1), ss. 1-16.
21. Hanbay, K. Ve Üzen, H. (2017). Nesne tespit ve takip metotları: Kapsamlı bir derleme. Türk Doğa ve Fen Dergisi, 6(2), 40-49
22. Habehh, H., & Gohel, S. (2021). Machine learning in healthcare. Current genomics, 22(4), 291-300. Hoşten, G. (2023). Güvenlik iletişiminin iş sağlığı ve güvenliği üstüne etkisi. Disiplinlerarası Güncel Çalışmalar II, ss. 71-97.
23. Karaşin, Y. & Tatlı, E. (2022). Sağlık Yönetimi Bölümünün Akademik Profili. Sağlık Bilimleri ve Yaşam Dergisi Arel Üniversitesi, Cilt- Sayı: 6(1), ss. 56-65.
24. Lecun, Y., Bengıo, Y., & Hınton, G. (2015). Deep learning. Nature, 521(7553), 436-444.
25. Parlak, B. (2022). The Role of Feature Weighting Methods on Local Feature Selection Methods for Text Classification. BŞEÜ Fen Bilimleri Dergisi, 9(2), 672-682.
26. Patel, V. & Chesmore, A. & Legner, C.M. & Pandey, S.(2021). Trends in workplace wearable technologies and connected-worker solutions for next-generation occupational safety, health, and productivity. Advanced Intelligent Systems Influence Series, Cilt- Sayı: 4(1), ss. 1-30.
27. Purkuloğlu, E., Ün, A., & Yürürdurmaz, F. (2019). Hemşire karar destek sistemleri uygulamaları. Hacettepe Sağlık İdaresi Dergisi, 22(3), 491-514.
28. SGK, (2023). İş Kazası ve Meslek Hastalıkları İstatistikleri, https://www.sgk.gov.tr/Istatistik/Yillik/fcd5e59b-6af9-4d90-a451-ee7500eb1cb4/
29. Sharifani, K. & Malyar, A. (2023). Machine learning and deep learning: a review of methods and applications. World Information Technology and Engineering Journal, Vol-No: 10(07), ss. 3898-3904.
30. Sucu, M. (2021). Karar destek sistemleri ve iş zekâsı uygulamalarının işletmeler açısından önemi: bir literatür araştırması. Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, Sayı: 44, ss. 261-283.
31. Shah Ia, Mıshra S. (2024). Artificial intelligence in advancing occupational health and safety: an encapsulation of developments. Journal of Occupational Health. 2024 Jan 4;66(1):uiad017. doi: 10.1093/joccuh/uiad017. PMID: 38334203; PMCID: PMC10878366.
32. Saleem, T. J., & Chishti, M. A. (2020). Exploring the applications of machine learning in healthcare. International Journal of Sensors Wireless Communications and Control, 10(4), 458-472.
33. Szegedy, C. & Ioffe, S. & Vanhoucke, V. & Alemi, A. (2017). Inception-v4, ınception-resnet and the ımpact of residual connections on learning. Proceedings of the Thirty-First AAAI Conference on Artificial Intelligence, Vol-No: 31(1), ss. 4278-4284.
34. Şengöz, T.E. & Bozkurt, Y. (2025). Investigation of Sectoral Occupational Accidents in terms of Artificial Intelligence Technologies and Expert System Applications within the Scope of Occupational Health and Safety. Journal of Sustainable Engineering Applications and Technological Developments, Vol-No:8(1), ss, 17-44.
35. Tarcan, G.Y. & Balçık, P.Y. & Sebik, N.B. (2024). Türkiye ve dünyada sağlık hizmetlerinde yapay zekâ. Lokman Hekim Dergisi, Cilt- Sayı: 14(1), ss. 51-70.
36. Tan, F.G. & Yüksel, A.S. & Aydemir, E. & Ersoy, M. (2021). Derin öğrenme teknikleri ile nesne tespiti ve takibi üzerine bir inceleme. Avrupa Bilim ve Teknoloji Dergisi, Sayı: 25, ss. 159-171.
37. Özsevinç, N. (2021). Internet of technological transformation and objects: ı robot movie analysis and covid-19 artificial ıntelligence robots. Communication and Technology Congress, ss. 145-157.
38. Öztürk, T. (2022). Yapay sinir ağları ile iş kazası şiddeti tahmin modeli: teknik firma örneği. Dijitalleşme (1. Basım). (s. 418-428). BAŞ, M., Erdoğan Tarakçı, İ., Aslan, R. (Ed.). Efe Akademi.
39. Öztürk, İ. D. & Zeybek, B. (2021). Dijitalleşme ve etik sorunlar: nesnelerin interneti teknolojisini gözetim, gizlilik, güvenlik kapsamında değerlendirme. İletişim Kuram ve Araştırma Dergisi, Sayı: 55, ss. 1-15.
40. Ulu, M. & Arısoy, B. (2022). İş sağlığı ve güvenliği açısından özel politika gerektiren çalışanların değerlendirilmesi. Sağlık ve Sosyal Refah Araştırmaları Dergisi, Cilt- Sayı: 4(1), ss. 113-125.
41. Xu, P. & Ji, X. & Li, M. & Lu, W. (2023). Small data machine learning in materials science. Npj Computational Materials, Vol-No: 9(42), ss. 1-15.
42. Vukicevic, A. M. & Djapan, M. & Isailovic, V. & Milasinovic, D. & Savkovic, M. & Milosevic, P. (2022). Generic compliance of industrial personal protective equipment by using deep learning techniques. Safety Science, Cilt: 148, ss. 1-8.
43. Yalman, F. & Filiz, M. (2022). Sağlık hizmetlerinde 4.0 uygulamaları ve sağlık yönetimine yansımaları. Sağlık ve Toplum, Cilt-Sayı: 32(1), ss. 53-63
44. Yılmaz, H. & Yumuşak, S. (2021). Açık kaynak doğal dil işleme kütüphaneleri, İstanbul Sabahattin Zaim Üniversitesi Fen Bilimleri Enstitüsü Dergisi, Cilt- Sayı: 3(1), ss. 81-85.
45. Yılmaz, R. K. (2023). Kamu yönetiminde kullanılabilecek nesnelerin interneti (iot) uygulamaları. Kaytek Dergisi, Sayı: 1, ss. 87-98.
46. Yılmaz, Ü. (2023). Makine öğrenme algoritmaları kullanılarak toplam ekipman etkinliği ölçütünün tahmin edilmesi. Balıkesir Üniversitesi Sosyal Bilimler Enstitüsü İşletme Anabilim Dalı Doktora Tezi, ss. 1-128.
47. Yuchen, J. & Xiang, L. & Hao, L. & Shen, Y. & Kaynak, O. (2022). Quo vadis artifcial intelligence?. Discover Artifcial Intelligence, Vol-No: 2(4), ss. 1-19.
48. Zhou, B., Yang, G., Shı, Z., & Ma, S. (2022). Natural language processing for smart healthcare. IEEE Reviews in Biomedical Engineering, 17, 4-18.