O modelo movido a IA prevê o risco de lesão pós-concussão em atletas universitários

Os atletas que sofrem uma concussão têm um sério risco de reinjúrio depois de voltarem a brincar, mas identificar quais atletas são mais vulneráveis ​​sempre foram um pouco misteriosos, até agora.

Utilizando a inteligência artificial (IA), os pesquisadores da Universidade de Delaware desenvolveram um novo modelo de aprendizado de máquina que prevê o risco de um atleta de lesão musculoesquelética (MKS) de baixa expressão com precisão com 95% de precisão.

Um estudo recente publicado em Medicina esportiva Detalhes o desenvolvimento do modelo de IA, que se baseia em pesquisas publicadas anteriormente, mostrando que o risco de lesão pós-concussão dobra, independentemente do esporte. As lesões pós-concussivas mais comuns incluem entorses, cepas ou até ossos quebrados ou ACLs rasgados.

“Isso se deve às mudanças cerebrais que vemos após a concussão”, disse Thomas Buckley, professor de cinesiologia e fisiologia aplicada na Faculdade de Ciências da Saúde.

Essas mudanças cerebrais afetam o equilíbrio, a cognição e os tempos de reação dos atletas e podem ser difíceis de detectar em testes clínicos padrão.

“Mesmo uma diferença minúscula de equilíbrio, tempo de reação ou processamento cognitivo do que está acontecendo ao seu redor pode fazer a diferença entre se machucar e não”, disse Buckley.

Como a IA está mudando de avaliação de risco de lesão

Reconhecendo a necessidade de ferramentas aprimoradas de risco de redução de lesões, Buckley colaborou com colegas da Faculdade de Engenharia da UD, Austin Brockmeier, professor assistente de engenharia elétrica e de computadores e César Claros, um estudante de doutorado do quarto ano; Wei Qian, professor associado de estatística na Faculdade de Agricultura e Recursos Naturais; e o ex -companheiro de pós -doutorado do KAAP, Melissa Anderson, que agora é professora assistente da Universidade de Ohio.

Para avaliar o risco de lesões, Brockmeier e Claros desenvolveram um modelo abrangente de IA que analisa mais de 100 variáveis, incluindo histórias esportivas e médicas, tipo de concussão e dados cognitivos pré e pós-concussão.

“Todo atleta é único, especialmente em vários esportes”, disse Brockmeier. “O rastreamento do desempenho de um atleta ao longo do tempo, em vez de confiar em valores absolutos, ajuda a identificar distúrbios, desvios ou déficits que, quando comparados à sua linha de base, pode sinalizar um risco aumentado de lesão”.

Enquanto alguns esportes, como o futebol, carregam um risco de lesões mais altos, o modelo revelou que fatores individuais são tão importantes quanto o esporte praticado.

“Testamos uma versão do modelo que não tem acesso ao esporte do atleta e ainda previu o risco de lesões com precisão”, disse Brockmeier. “Isso destaca como as características únicas – não apenas os riscos inerentes a um esporte – desempenham um papel crítico na determinação da probabilidade de lesões futuras”, disse Brockmeier.

A pesquisa, que rastreou atletas ao longo de dois anos, também descobriu que o risco de lesão na MSK após a concussão se estende até o retorno do atleta ao jogo.

“O bom senso sugeriria que as lesões ocorreriam no início do retorno de um atleta ao jogo, mas isso simplesmente não é verdade”, disse Buckley. “Nossa pesquisa mostra que o risco de lesões futuras aumenta ao longo do tempo, à medida que os atletas compensam e se adaptam a pequenos déficits de que podem nem estar cientes”.

Da pesquisa à redução de lesões no mundo real

O próximo passo para o Laboratório de Pesquisa de Concussão de Buckley é colaborar ainda mais com a força de força e condicionamento da UD Athletics para projetar intervenções em tempo real que possam reduzir o risco de lesões.

Dan Watson, vice-diretor atlético de excelência competitiva e recreação no campus, disse que o modelo de IA pode ajudá-los a atingir atletas de alto risco e incorporar estratégias para reduzir o risco de lesões.

“No desempenho esportivo, temos dois objetivos: melhorar as habilidades do atleta em seu esporte e mantê -las em campo”, disse Watson.

A UD Athletics já usa placas de força para analisar o movimento e detectar desequilíbrios ou fraquezas musculares, a principal causa de lesões nos tecidos moles. Watson diz que a mesma abordagem proativa se aplica a déficits relacionados à concussão.

“Estamos muito abertos a qualquer coisa que mantenha nossos atletas saudáveis ​​e em campo”, disse Watson. “Quando esse modelo de aprendizado preditivo identifica um déficit, podemos implementar proativamente medidas corretivas”. Não podemos evitar lesões, mas podemos reduzir e mitigar os riscos, e é isso que esse modelo faz pelo atletismo “.

Além do esporte: o potencial da IA ​​no envelhecimento da pesquisa

As implicações do modelo de aprendizado de máquina desenvolvidas por UD se estendem muito além dos esportes. Brockmeier acredita que o algoritmo pode ser usado para prever o risco de queda em pacientes com doença de Parkinson.

Os cllaros também estão explorando como o modelo de redução de risco de lesão pode ser aplicado ao envelhecimento da pesquisa com o Centro de Delaware para o envelhecimento cognitivo.

“Queremos usar medições cerebrais para investigar se as medições de estilo de vida basais, como peso, IMC e histórico de tabagismo, são preditivas de futuras comprometimentos cognitivos leves ou doença de Alzheimer”, disse Claros.