Sistemas Basados ​​en Modelos para Equipos de Fútbol Profesional, Dirigidos a Optimizar la Salud y el Rendimiento (AIPROFB)

1. Introducción El planteamiento de este proyecto surge de la inquietud de utilizar sistemas de inteligencia artificial y aprendizaje automático en el deporte profesional como ayuda para la optimización de la salud y el rendimiento en futbolistas profesionales. En el deporte profesional se requieren cada vez más esfuerzos físicos, biológicos y fisiológicos y necesitamos herramientas de ayuda.

En este sentido, se ha planteado la propuesta de varias publicaciones dentro del proyecto:

1. Detección de inversión de onda T con aprendizaje automático para prevenir la muerte súbita en futbolistas profesionales.

   Los jugadores se someten a diversas pruebas de cribado precompetitivas para evaluar su estado de salud, en concreto una de ellas es un electrocardiograma de 12 derivaciones en reposo. Con base en los hallazgos de forma de onda en esta prueba complementaria, se puede clasificar el riesgo de un atleta profesional y la necesidad de más pruebas complementarias (Drezner et al., 2017). Nuestra propuesta es reanalizar estas pruebas y someterlas a un modelo matemático de aprendizaje automático que sea capaz de detectar inversiones de onda T en dichas derivaciones y presentar los resultados y recomendaciones de acuerdo con los criterios internacionales para el estudio electrocardiográfico en deportistas.

2. Aprendizaje automático aplicado a parámetros biológicos para control y asesoramiento en futbolistas profesionales.

   Durante la temporada se realizan análisis de rutina para controlar parámetros bioquímicos relacionados con la salud y el rendimiento que fluctúan o cambian a lo largo de la temporada: vitamina D, vitamina B12, vitamina B9, ferritina, etc. (Galan et al., 2012). Dichos datos serán sometidos a un procedimiento de aprendizaje automático que puede avisarnos de alteraciones en el patrón habitual de los jugadores y que pueden provocar alteraciones en el rendimiento, generando incluso patologías.

3. Machine learning aplicado a sistemas de geolocalización deportiva para la prevención de lesiones en futbolistas profesionales.

Los datos obtenidos durante los entrenamientos y partidos en cuanto a datos físicos como duración, distancia, distancia a diferentes velocidades, densidad de entrenamiento, etc. Los cuales son proporcionados por los sistemas de geolocalización deportiva, son de gran importancia a la hora de estudiar el perfil de esfuerzo y rendimiento de cada jugador. Obteniendo el perfil de rendimiento del jugador estandarizado según la jornada de entrenamiento, podemos detectar situaciones adversas como: sobreentrenamiento o falta de condición física. Se pueden diseñar sistemas de alerta y alarma destinados a la prevención de lesiones. (Rossi, Pappalardo, Marcello, Javier, & May, 2017).

2. Descripción Los estudios se implementarán mediante la implementación de sistemas de inteligencia artificial y aprendizaje automático sobre los datos físicos, biológicos y fisiológicos recopilados durante la actividad deportiva y de salud rutinaria de los futbolistas profesionales en los años 2019-20 y 2020-21, 2021-22 , temporadas 2022-23 y 2023-24.

2.1 Objetivos generales

• Evaluar la instalación de sistemas de inteligencia artificial como el aprendizaje automático para obtener modelos y resultados en la interpretación de parámetros físicos, biomédicos y fisiológicos de los jugadores.

• Desarrollar sistemas de asesoría/publicidad en el área de salud y desempeño basados ​​en perfiles.

  3. Aplicación práctica El proyecto tiene un gran potencial de aplicabilidad práctica y podría generar un cambio de paradigma, ya que se basa en la generación de modelos matemáticos y/o de programación que ayudarán en los controles sanitarios y de carga deportiva que se aplican a los futbolistas profesionales. . Un aspecto destacable es la posible mejora en el cálculo de los pesos probabilísticos de los factores de riesgo sobre la salud y el rendimiento.