Como los servicios de rehabilitación laboral son parte de los servicios médicos y de salud públicos en Hong Kong, los trabajadores lesionados en el trabajo son tratados junto con otros pacientes y no se consideran una alta prioridad para los servicios de rehabilitación laboral. La idea de un acuerdo de prueba laboral en el mercado privado surgió para satisfacer la necesidad de una práctica de rehabilitación laboral más coordinada. Sin embargo, no hay un estándar de servicio claro en los servicios privados de rehabilitación laboral ni sugerencias concretas sobre cómo ofrecer planes de rehabilitación a los trabajadores lesionados. Los datos de Registros de Salud Electrónicos (EHRs) pueden proporcionar una base para desarrollar un modelo que mejore esta situación. Este proyecto tiene como objetivo utilizar un enfoque basado en aprendizaje automático para mejorar la predicción tradicional de la duración de la discapacidad y los planes de rehabilitación para lesiones y enfermedades relacionadas con el trabajo. Para ayudar a los pacientes y terapeutas a comprender el resultado del aprendizaje automático, también desarrollamos un panel interactivo para visualizar los resultados del aprendizaje automático. El resultado es prometedor. Utilizando el autoencoder variacional, nuestro sistema tuvo un mejor desempeño en la predicción de la duración de la discapacidad. Obtuvimos alrededor de un 30% de mejora en comparación con el error de predicción humano. También propusimos un desarrollo adicional para construir un mejor sistema para gestionar el caso de lesiones laborales.