Con il Machine Learning si riescono a prevedere infortuni sportivi.
Grazie a un’azione integrata di Computer Vision e Intelligenza Artificiale, è possibile valutare il movimento degli atleti ed evitare infortuni gravi.
Esistono tecnologie che sembrano così astratte che diventa difficile pensare alle loro applicazioni concrete. Come il Machine Learning, quella logica di apprendimento per cui le macchine imparano a riconoscere determinati oggetti o situazioni.
Viene facile chiedersi: ma a cosa serve?
Tra i suoi vari usi, il Machine Learning previene gli infortuni sportivi. Ce lo ha raccontato Zimi Sawacha, professoressa associata all’Università di Padova e ospite ad EICS 2021, evento di Uqido e PWC. Da diversi anni il laboratorio di bioingegneria del movimento di Padova lavora ad algoritmi capaci di prevenire il rischio di infortuni alle articolazioni degli arti inferiori. La dottoressa Sawacha parla in particolar modo di un tipo di infortunio molto pericoloso per gli atleti: quello al legamento crociato anteriore.
Si tratta di un infortunio estremamente comune e trasversale a diverse discipline sportive, che prevedano delle dinamiche a contatto con il suolo. I danni al legamento crociato provocano disagi dagli alti costi economici e sociali, che coinvolgono i giocatori ma anche l’intero team di cui fanno parte. I tempi di recupero sono tutto sommato ragionevoli e l’atleta può riacquistare il suo livello competitivo in un massimo di sedici mesi. Eppure, non tutti sanno che questi danni fisici provocano disabilità nel lungo periodo. Perciò prevenirli è un modo per salvaguardare la carriera dei singoli giocatori.
Come usare le Biomeccaniche
C’è però un modo per calcolare la percentuale di rischio. Bisogna intervenire sulla biomeccanica. La professoressa Sawacha ricorda che esiste una vasta letteratura in merito.
Conosciamo le variabili critiche che potrebbero evitare questo tipo di infortuniIl . Negli ultimi dieci anni ci sono state numerose pubblicazioni che parlano di questo argomento, individuando tecniche finalizzate a preservare la salute degli atleti. Ma queste tecniche non vengono applicate.
Non vengono usate perché la strumentazione è troppo sofisticata e costosa. Investire su un giocatore è di per sé una spesa e se la prevenzione richiede a sua volta dei costi ingenti, questi vengono evitati. In questo quadro si inserisce la ricerca di Zimi Sawacha. Per aiutare gli atleti bisogna partire dalle cause e chiedersi: cosa provoca l’infortunio? La risposta è semplice e disarmante: l’imprevisto. In campo gli stimoli sono tanti e la concentrazione dell’atleta è sotto pressione.
Se salti per prendere la palla non fai attenzione a come atterri, perché il focus è sulla palla e non sulle gambe. O ancora, se devi evitare l’avversario, ti concentri su di lui e non sui movimenti di scarto delle tue gambe. Così il team della dottoressa Sawacha ha elaborato degli algoritmi capaci di rilevare le situazioni di rischio.
Il Machine Learning può prevenire gli infortuni
I ricercatori hanno studiato per anni la postura e il movimento degli atleti in laboratorio, osservandoli eseguire specifici task. Il focus non è limitato al legamento crociato, ma si estende anche ai legamenti di anca, ginocchio e caviglia.
Come funziona? In laboratorio vengono raccolti precisi dati di biomeccanica, valutando la resistenza degli atleti a situazioni di stress e potenziale pericolo. I ricercatori studiano l’appoggio a terra, la forza esercitata sui legamenti e l’esecuzione delle performance. Questi dati vanno poi associati a quelli recuperati in campo: in laboratorio infatti il dato dipende da una situazione controllata, che non tiene conto degli imprevisti e del portato emotivo dell’esperienza sul campo. Fornendo all’algoritmo predittivo anche il dato reale gli si consente di allenarsi a riconoscere comportamenti corretti e scorretti su un database vario. Tra 2017 e oggi, il team di Sawacha ha acquisito un grande database, con dati provenienti da sport diversi. Più vario è il campione più preciso il calcolo del valore di rischio.
In campo è stato quindi ricreato un set up dotato di telecamere e sensori di pressione. I sensori di pressione rilevano le forze di reazione al suolo che il piede scambia con il terreno. Attraverso la Computer Vision, le telecamere catturano l’immagine del corpo degli atleti e ci consentono di ricostruire la biomeccanica delle articolazioni.
Quindi grazie agli algoritmi sviluppati nel laboratorio di bioingegneria del movimento il team di Sawacha riesce a calcolare i carichi in dinamica che si applicano su ginocchio, anca, caviglia e tronco durante attività specifiche. Il vantaggio è dato dalla possibilità di fare prevenzione e realizzare un’analisi dettagliata del movimento degli atleti. In questo modo gli allenatori stessi possono conoscere più a fondo i giocatori, elaborando delle specifiche tipologie di allenamento.
GUARDA IL VIDEO COMPLETO
