El Barcelona impulsa una IA para anticipar lesiones en el fútbol femenino de élite

Un grupo internacional de investigadores liderado por el Barça Innovation Hub (BIHUB), los Servicios Médicos del FC Barcelona, el Instituto de Salud Global de Barcelona (ISGlobal), la Universidad de Bonn y Made of Genes ha desarrollado un modelo de inteligencia artificial capaz de anticipar el riesgo de lesión en el fútbol femenino de élite.

El estudio, publicado en la revista científica 'npj Digital Medicine', propone una nueva forma de predecir las lesiones antes de que se produzcan.

A diferencia de otros modelos basados en inteligencia artificial, el sistema no solo estima el riesgo, sino que ofrece información que puede ayudar a médicos y entrenadores a decidir cuándo es recomendable que una jugadora descanse para reducir las posibilidades de lesión.

Para ello, el modelo analiza cómo aumenta el riesgo a medida que se acumulan entrenamientos y minutos de competición y ajusta sus predicciones para que reflejen con mayor precisión la probabilidad real de lesión. De este modo, convierte un cálculo estadístico en una herramienta más útil para la toma de decisiones en el día a día de un equipo.

La investigación se ha llevado a cabo con datos de cuatro temporadas del primer equipo femenino del Barcelona (2019-2023), que incluyen información de 34 jugadoras, cerca de 14.000 registros diarios y 83 lesiones musculoesqueléticas sin contacto. Entre los datos analizados figuran la carga de entrenamiento, los minutos disputados, los desplazamientos medidos por GPS y la duración de las lesiones.

Los resultados muestran que este modelo detecta con mayor precisión las situaciones de alto riesgo que los sistemas utilizados hasta ahora y, en las pruebas realizadas con una temporada posterior, contribuyó a mejorar la disponibilidad de las futbolistas durante la competición.

El estudio también concluye que la fatiga acumulada es el principal factor asociado al riesgo de lesión. En concreto, la distancia recorrida durante las tres semanas anteriores es el indicador más relevante, seguida de la intensidad de carrera y de las aceleraciones y desaceleraciones realizadas por la jugadora.

Los investigadores consideran que este modelo supone un paso más hacia el desarrollo del "gemelo digital" del deportista, una herramienta que integra datos físicos, fisiológicos y genéticos para personalizar el seguimiento de cada atleta y mejorar la prevención de lesiones.