Sistemas baseados em modelos para times profissionais de futebol, destinados a otimizar a saúde e o desempenho (AIPROFB)

1. Introdução A abordagem deste projeto surge da preocupação em utilizar sistemas de inteligência artificial e aprendizado de máquina no esporte profissional como auxílio para a otimização da saúde e performance em jogadores profissionais de futebol. No esporte profissional, são necessários esforços físicos, biológicos e fisiológicos crescentes e precisamos de ferramentas de ajuda.

Nesse sentido, foi levantada a proposta de várias publicações dentro do projeto:

1. Detecção de inversão de onda T com aprendizado de máquina para prevenir morte súbita em jogadores profissionais de futebol.

   Os jogadores passam por vários testes de triagem pré-competitivos para avaliar seu estado de saúde, especificamente um deles é um eletrocardiograma de 12 derivações em repouso. Com base nos achados da forma de onda neste teste complementar, pode-se classificar o risco de um atleta profissional e a necessidade de mais testes complementares (Drezner et al., 2017). Nossa proposta é reanalisar esses testes e submetê-los a um modelo matemático de aprendizado de máquina capaz de detectar inversões de onda T nas referidas derivações e apresentar os resultados e recomendações de acordo com critérios internacionais para estudo eletrocardiográfico em atletas.

2. Aprendizado de máquina aplicado a parâmetros biológicos para controle e aconselhamento em jogadores profissionais de futebol.

   Durante a temporada, são realizadas análises de rotina para controlar os parâmetros bioquímicos relacionados à saúde e ao desempenho que flutuam ou mudam ao longo da temporada: vitamina D, vitamina B12, vitamina B9, ferritina, etc. (Galan et al., 2012). Esses dados serão submetidos a um procedimento de aprendizado de máquina que pode nos avisar sobre alterações no padrão habitual dos jogadores e que podem causar alterações no desempenho, gerando até patologias.

3. Aprendizado de máquina aplicado a sistemas de geolocalização esportiva para prevenção de lesões em jogadores profissionais de futebol.

Os dados obtidos durante os treinos e partidas referentes a dados físicos como duração, distância, distância em diferentes velocidades, densidade de treino, etc. Os quais são fornecidos pelos sistemas de geolocalização esportiva, são de grande importância quando se estuda o perfil de esforço e desempenho de cada jogador. Obtendo o perfil de desempenho do jogador padronizado de acordo com o dia de treino, podemos detectar situações adversas como: overtraining ou falta de condição física. Sistemas de alerta e alarme voltados para a prevenção de lesões podem ser projetados. (Rossi, Pappalardo, Marcello, Javier e May, 2017).

2. Descrição Os estudos serão implementados através da implementação de sistemas de inteligência artificial e aprendizado de máquina sobre os dados físicos, biológicos e fisiológicos coletados durante a rotina esportiva e atividade de saúde dos jogadores profissionais de futebol nas temporadas 2019-20 e 2020-21, 2021-22 , temporadas 2022-23 e 2023-24.

2.1 Objetivos Gerais

• Avaliar a instalação de sistemas de inteligência artificial como aprendizado automático para obtenção de modelos e resultados na interpretação de parâmetros físicos, biomédicos e fisiológicos dos jogadores.

• Desenvolver sistemas de assessoria/publicidade na área da saúde e performance com base em perfis.

  3. Aplicação prática O projeto tem grande potencial de aplicabilidade prática e pode gerar uma mudança de paradigma, pois se baseia na geração de modelos matemáticos e/ou de programação que auxiliarão nos controles de saúde e de carga esportiva aplicados aos jogadores de futebol profissional . Um aspecto notável é a possível melhoria no cálculo dos pesos probabilísticos dos fatores de risco na saúde e no desempenho.