BIOMEDICINA Y SALUD

VER TODASSeguir leyendo...

17/12/2020

Reducen las lesiones en carrera de jóvenes triatletas aplicando inteligencia artificial

El triatlón es una disciplina deportiva en auge, que combina natación, ciclismo y carrera. Su práctica se ha incrementado en un 200% entre los menores de edad en los últimos años. En la práctica del triatlón, las lesiones de los miembros inferiores se producen en un 70% durante el tramo de carrera. 



AUTOR: CEU UCH

RUVID grupo-triatlon-inteligencia-artificial-ceu-uchY entre los practicantes más jóvenes de este deporte se observa un número importante de lesiones que hasta ahora eran más comunes en adultos.

 

Con el objetivo de identificar las causas más frecuentes de estas lesiones y poder prevenirlas, investigadores de Fisioterapia y Ciencias de la Computación de la Universidad CEU Cardenal Herrera (CEU UCH) de Valencia han colaborado con el programa de tecnificación de la Federación de Triatlón de la Comunidad Valenciana, aplicando inteligencia artificial para detectar patrones que permitan identificar las causas más frecuentes de las lesiones en carrera entre los triatletas más jóvenes, logrando prevenirlas.

 

El estudio, dirigido por Javier Martínez Gramage, profesor de Fisioterapia de la CEU UCH y responsable del Laboratorio de Investigación en Análisis del Movimiento LIAMCEU, se ha realizado entre 19 jóvenes triatletas -10 chicos y 9 chicas- que han participado en un programa de gait retraining. Esta es una intervención clínica en la que se combina la aplicación de sensores biomecánicos de electromiografía superficial, que miden la activación muscular, y la observación de distintos parámetros cinemáticos, para ir corrigiendo en tiempo real el estilo de carrera, dando feedback al corredor.

 

Entre otros parámetros, se observa, mide y corrige la inclinación del tronco, el contacto del pie con el suelo o la flexión y extensión de la rodilla al inicio del apoyo. Según destaca el profesor Martínez Gramage, “este es el primer estudio que ha aplicado la técnica del gait retraining en triatletas menores de edad, de 11 a 18 años, readaptando su modo de correr para prevenir el riesgo de lesiones en carrera y también para mejorar el rendimiento y motivar al deportista”.

 

Árboles predictivos, para evitar lesiones

 

Con el objetivo de identificar las variables de carrera más relacionadas con el riesgo de sufrir una lesión y corregirlas durante el gait retraining, en este estudio se han aplicado técnicas de aprendizaje automático del ámbito de la inteligencia artificial, diseñadas por el profesor Juan Pardo Albiach, investigador principal del Grupo Embedded Systems and Artificial Intelligence (ESAI) de la CEU UCH.

 

“Mediante el diseño de un método combinado de distintos árboles predictivos, cuyo conjunto se denomina bosque aleatorio o Random Forest, hemos analizado las variables más relacionadas con las lesiones que los jóvenes triatletas habían sufrido antes de la intervención en el programa de gait retraining”, destaca.

 

Entre estas variables, 46 en total, el algoritmo diseñado ha detectado los patrones coincidentes en aquellos triatletas que habían sufrido una lesión previa, como factores predictivos de lesión.

 

Parámetros corregidos, menos lesiones

 

El uso de esta combinación de árboles predictivos ha permitido detectar como patrones predictivos de lesión distintos indicadores, principalmente los incrementos en la oblicuidad y la caída contralateral de la pelvis y la baja activación del glúteo medio al inicio de la fase de flotación durante la carrera. También una menor extensión de la rodilla en la zancada y la dorsiflexión del tobillo al inicio del contacto con el suelo.

 

“Estas son las variables más presentes en los triatletas que habían sufrido una lesión previa, destacando especialmente los relacionados con la cinemática de la pelvis y la activación del músculo glúteo medio en los tramos de flotación en carrera, cuando no hay ningún contacto con el suelo”, señala Martínez Gramage.

 

Tras el programa de gait retraining o readaptación de la carrera en tiempo real para corregir estos parámetros biomecánicos detectados gracias a la inteligencia artificial, durante los siete meses posteriores los investigadores de la CEU UCH han observado una reducción en el número de lesiones entre los jóvenes triatletas participantes en el estudio.

 

La intervención ha logrado que los corredores mejoraran la estabilidad neuromuscular de la pelvis en carrera, aumentaran la activación del glúteo medio durante la primera fase del vuelo, también la extensión del tronco y la flexión de las rodillas y redujeran la dorsiflexión del tobillo en el contacto inicial con el suelo. Estos reajustes en el estilo de carrera han permitido evitar aquellos factores detectados como más frecuentes en los casos de lesión y, por tanto, reducir el número de lesiones entre los triatletas menores de edad en los siete meses siguientes.


DESTACAMOS

Equipo investigador

 

El profesor Javier Martínez Gramage, responsable del Laboratorio de Investigación en Análisis del Movimiento LIAMCEU, ha dirigido la investigación, en la que han participado los profesores del Departamento de Fisioterapia de la CEU UCH, Eva Segura y Juan José Amer, y el doctorando de la Escuela CEINDO, Iván Nácher, que desarrolla su tesis sobre las diferencias en la activación muscular entre hombres y mujeres durante la carrera.

 

El desarrollo del modelo de aprendizaje automático a partir de un bosque aleatorio ha sido desarrollado por el profesor Juan Pardo Albiach, investigador principal del Grupo Embedded Systems and Artificial Intelligence (ESAI) de la CEU UCH. En la investigación ha participado también Vanessa Huesa, del programa de Tecnificación de la Federación de Triatlón de la Comunidad Valenciana.

 

Más información sobre el artículo A Random Forest Machine Learning Framework to Reduce Running Injuries in Young Triathletes, en SensorsDOI



Compartir:
Imprimir Imprimir

VER TODASSeguir leyendo...




Red de Universidades Valencianas para el fomento de la I+D+i (RUVID) - C/ Serpis 29 - Edificio INTRAS - 2ª planta - 46022 - Valencia - España
Teléfono: +34 9616 254 61 - Correo Electrónico: comunicacion @ ruvid.org - Web: www.ruvid.org - Código ISSN: 1988-8155 - Política Protección de Datos




logo uvlogo upvlogo ualogo ujilogo umhlogo uchlogo ucv