Análisis del riesgo de lesión en acciones de cambio de dirección con herramientas basadas en inteligencia artificial.

Abstract

Las lesiones del ligamento cruzado anterior (LCA) representan una de las principales preocupaciones en el ámbito deportivo, particularmente en disciplinas que implican cambios de dirección (COD, por sus siglas en inglés), desaceleraciones y aterrizajes de alto impacto (Hewett et al., 2005). Su incidencia es elevada en deportes multidireccionales como el fútbol y el baloncesto, donde la biomecánica del movimiento influye en la predisposición a estas lesiones (Walden et al., 2011). Las lesiones del LCA son el resultado de múltiples factores anatómicos, hormonales, biomecánicos y neuromusculares. No obstante, una gran proporción de estas lesiones ocurren sin contacto, especialmente en situaciones de alta velocidad y alto impacto, como cambios de dirección o desaceleraciones abruptas. Los objetivos específicos de este estudio son: • Comparar la concordancia entre el análisis manual realizado por un evaluador humano y el análisis automatizado mediante inteligencia artificial (IA). • Evaluar la fiabilidad intraevaluador del sistema basado en IA para el análisis de movimientos en acciones de cambio de dirección. • Comparar la eficiencia temporal de ambos métodos, considerando el tiempo requerido para completar el análisis. • Analizar la viabilidad de implementar la IA como herramienta de cribado para la identificación de atletas con un mayor riesgo potencial de lesión del LCA. Este trabajo pretendió establecer si la inteligencia artificial puede ofrecer una alternativa más rápida, objetiva y reproducible al análisis biomecánico tradicional. De confirmarse una alta validez, este enfoque podría facilitar la implementación de nuevas tecnologías de prevención de lesiones en entornos deportivos y clínicos.