Las lesiones son la peor de las pesadillas para las personas deportistas. Una rotura de ligamento cruzado anterior de la rodilla puede suponer 6 meses de baja e incluso el final de la carrera deportiva en futbol, rugby o balonmano entre otros. Pero, las lesiones también suponen un grave problema deportivo y económico, sobretodo para el deporte profesional. Un estudio realizado por la empresa ProFootballDB indicaba que el 73% de las estrellas de las grandes ligas de fútbol se lesionó en la temporada 2020–2021.
No resulta difícil hacerse una idea del impacto de esas lesiones en equipos como el Real Madrid o Barcelona FC.
No es de extrañar, por tanto, que la prevención de lesiones se haya convertido en una prioridad para los clubes deportivos. Esto ha impulsado también, la I+D y la innovación en diferentes campos como las técnicas de monitorización y las de imagen médica, entre otras.
Una de las líneas de trabajo más prometedoras a tal fin es el uso del Big data y la Inteligencia Artificial para desarrollar modelos que detecten cuando una persona deportista tiene riesgo de lesionarse.
Sin embargo, las diferentes iniciativas existentes en el mercado no acaban de despegar y siguen siendo un terreno abonado para la I+d y la innovación ¿por qué? La respuesta quizá la encontremos si por un momento, nos situamos en el previo de una hipotética final del mundial de fútbol de Qatar entre Argentina y Portugal.
Estamos en la reunión de preparación del partido en ambas selecciones. En los dos casos, el equipo médico, armándose de valor, levanta la mano.
No saben cómo decir, insinuar, sugerir si acaso, que el sistema de inteligencia artificial les dice que Messi en un caso y Cristiano Ronaldo, en el otro, debería quedarse en el banquillo ya que tienen una alta probabilidad de lesionarse. Según el algoritmo… empiezan a decir, pero no acaban la frase, el entrenador les corta con un gesto seco.
Obviamente, se trata de una situación muy poco probable, ya que los equipos médicos, aunque usen sistemas de inteligencia artificial, no confían tanto en ellos como para tomar decisiones sólo en lo que dicen.
Ese es uno de los principales retos que afronta hoy en día la Inteligencia artificial y que está impulsando un movimiento global a nivel científico-técnico y político: ser confiable.
Dentro de ese movimiento, se encuadra la inteligencia artificial explicable (XAI por las siglas en ingles de Explanaible Artificial Intelligence). Es un campo de investigación y desarrollo tremendamente activo en el que se están desarrollando técnicas y herramientas para que los algoritmos de machine learning expliquen los resultados que ofrecen. Para entendernos, los modelos de machine y deep learning, como las redes neuronales, suelen funcionar como cajas negras: las entrenas con datos, ellas aprenden y ante nuevos datos, te dan un resultado. Lo que sucede dentro de la red es opaco. Por qué se dan esos resultados, no se sabe. ¿es algo que el modelo ha detectado en una ecografía del muslo de Messi? ¿acaso CR tiene un exceso de carga interna acumulada?
Lo que busca la XAI es que el modelo conteste a esa pregunta. Su aplicación al mundo de la
prevención de lesiones en deporte, abre numerosas oportunidades de innovación.
12/01/2023
Enrique Alcántara/ HUB 4ICVESPORT