ხელოვნური ინტელექტი ქალთა ფეხბურთში ტრავმების წინააღმდეგ: ბარსელონას ახალი პროექტი

“ბარსელონას” ინოვაციების ჰაბის (BIHUB), “ბარსელონას” სამედიცინო დეპარტამენტის, ბარსელონას გლობალური ჯანდაცვის ინსტიტუტის (ISGlobal), ბონის უნივერსიტეტისა და Made of Genes-ის მკვლევართა საერთაშორისო გუნდმა ახალი გამოთვლითი სისტემა შეიმუშავა. კვლევა, რომელიც ჟურნალ npj Digital Medicine-ში (Nature Portfolio) გამოქვეყნდა, ხელოვნურ ინტელექტს, გადარჩენის ანალიზს (survival analysis), სტატისტიკურ კალიბრაციასა და გადაწყვეტილების თეორიას აერთიანებს, რათა რისკის პროგნოზირება კლინიკურ და სპორტულ პრაქტიკაში სასარგებლო ინსტრუმენტად აქციოს.

კვლევა სპორტული მედიცინის ერთ-ერთ მთავარ გამოწვევას – ტრავმების წინასწარ განჭვრეტას ეხმიანება. მიუხედავად იმისა, რომ ბოლო წლებში ხელოვნურ ინტელექტზე დაფუძნებული არაერთი მოდელი შეიქმნა, მათ უმეტესობას პროფესიონალურ კლუბებში გამოსაყენებლად მნიშვნელოვანი შეზღუდვები აქვს. ახალი ნაშრომი კი ისეთ მეთოდოლოგიურ ჩარჩოს გვთავაზობს, რომელიც სამეცნიერო ლიტერატურაში გამოვლენილ მთავარ ნაკლოვანებებს აღმოფხვრის.

ტრავმის რისკის გააზრების ახალი გზა

მთავარი ინოვაცია ტრავმის პროგნოზირების პრობლემის “გადარჩენის ანალიზად” განხილვაში მდგომარეობს. ეს იძლევა შესაძლებლობას, მათემატიკურად გამოისახოს ის, რაც პრაქტიკოსებმა უკვე იციან: ვარჯიშისა თუ მატჩის წუთების დაგროვებასთან ერთად, ტრავმის რისკი პროგრესულად იზრდება.

ეს მიდგომა კიდევ სამი ინოვაციით არის სრულყოფილი:

• ბეტა კალიბრაცია (Beta Calibration): არეგულირებს ალბათობებს ისე, რომ ისინი ზუსტად ასახავდნენ რეალურ სამყაროში დაკვირვებად რისკებს;
• გადაწყვეტილების თეორიის ინტეგრირება: რისკის ზღვრებს თითოეული სიტუაციის სპორტული მნიშვნელობის მიხედვით არგებს;
• დასვენების სარგებლის სიზუსტე (Rest Benefit Certainty – RBC): სამწვრთნელო შტაბს საშუალებას აძლევს, განსაზღვროს სიზუსტის დონე, სანამ გადაწყვეტს, სჭირდება თუ არა ფეხბურთელს დასვენება.

ყველა ეს ელემენტი ერთად აბსტრაქტულ ალბათობას კონტექსტუალიზებულ რეკომენდაციად აქცევს, რაც პროფესიონალებს ეხმარება შეაფასონ, როდის უფრო სასარგებლოა მოთამაშისთვის თამაში, და როდის – დასვენება.

“ბარსელონას” მონაცემები და დაგროვილი დაღლილობა

კვლევა “ბარსელონას” ქალთა პირველი გუნდის ოთხი თანმიმდევრული სეზონის (2019-2023) მონაცემებზე დაყრდნობით ჩატარდა. ის მოიცავს 34 ფეხბურთელის თითქმის 14,000 ყოველდღიურ დაკვირვებასა და კონტაქტის გარეშე მიღებულ 83 კუნთოვანი სისტემის ტრავმას. მონაცემები აერთიანებს GPS ინფორმაციას, სავარჯიშო დატვირთვას, ნათამაშებ წუთებს, შეჯიბრებებს, სანაკრებო მატჩებსა და ტრავმის ხანგრძლივობას.

ანალიზი აჩვენებს, რომ ტრავმის ყველაზე მნიშვნელოვანი წინაპირობა წინა 21 დღის განმავლობაში დაფარული დისტანციაა, რასაც მოჰყვება მაღალი სიჩქარით სირბილის ინტენსივობა და იმავე დღის აჩქარება/შენელებები. ეს ამყარებს მოსაზრებას, რომ დაგროვილი დაღლილობა უკონტაქტო ტრავმების რისკთან ასოცირებული მთავარი მექანიზმია.

სისტემის ახალ სეზონზე ტესტირებამ აჩვენა, რომ მოდელი მნიშვნელოვნად აუმჯობესებს ფეხბურთელთა ხელმისაწვდომობას და შეუძლია ტრავმების გავლენის შემცირება.

ექსპერტთა შეფასებები

“წინა მიდგომებისგან განსხვავებით, ეს ჩარჩო შესაძლებელს ხდის ტრავმის რისკთან დაკავშირებული ფაქტორების სტატისტიკური სიზუსტით იდენტიფიცირებას, რანჟირებასა და კალიბრაციას, ასევე დაგროვილი დაღლილობის წვლილის რაოდენობრივ განსაზღვრას. უპირველეს ყოვლისა, ის რთულ ფენომენზე ახალ სამეცნიერო პერსპექტივას გვთავაზობს,” – აცხადებს ISGlobal-ის მკვლევარი, ხუან რ. გონსალესი.

ბონის უნივერსიტეტის წარმომადგენელი და კვლევის პირველი ავტორი, მანუელ ჰუტი განმარტავს:

“მეთოდოლოგიური გამოწვევა ორმაგი იყო: წარმოგვეჩინა, თუ როგორ გროვდება რისკი დატვირთვასთან ერთად და ამავდროულად, მოგვეხდინა მიღებული ალბათობების კონტექსტუალიზაცია, რათა მათი ინტერპრეტაცია თითოეული სიტუაციის შესაბამისად მომხდარიყო. გადაწყვეტილების თეორიის ჩართვა პროგნოზებს პროფესიონალური გადაწყვეტილებების მისაღებად გამოსადეგ ინსტრუმენტად აქცევს.”

“ბარსელონას” ექიმი, ჟილ როდასი პროექტის პრაქტიკულ ღირებულებაზე საუბრობს:

“ამგვარი კვლევა სამეცნიერო სიზუსტეს სძენს იმ ფაქტორებს, რომლებსაც აქამდე ხშირად ინტუიციურად ვხსნიდით. რეალური ღირებულება იმაში მდგომარეობს, რომ უკეთ გავიგოთ, თუ როგორ უკავშირდება დატვირთვა და თითოეული სპორტსმენის ბიოლოგია ტრავმის რისკს.”

Made of Genes-ის მონაცემთა მეცნიერი, ბერტა კანალი კი ამატებს:

“ამ სფეროში წინსვლა უმაღლესი სამეცნიერო სიზუსტის კვლევებსა და მეთოდოლოგიას მოითხოვს. როგორც მონაცემთა და ხელოვნური ინტელექტის პლატფორმის პარტნიორი, ჩვენ კვლევა მოედანზე გადმოგვაქვს წინასწარი პროგნოზირებისა და მუშაობის გაუმჯობესების მოდელების საშუალებით, რომლებიც თითოეული სპორტსმენის გარე და შიდა დატვირთვასა და გენეტიკურ პროფილს ერთ ციფრულ ტყუპში აერთიანებს.”

ამ ტექნოლოგიის პოტენციალი ელიტურ ფეხბურთს სცდება. რადგან მსგავსი სენსორები დღეს უკვე ფართოდ გამოიყენება როგორც პროფესიონალ, ისე მოყვარულ სპორტსმენებში, იგივე მიდგომა ტრავმების პრევენციისთვის საფეხბურთო მოედნებს მიღმაც შეიძლება წარმატებით დაინერგოს.