利用人工智能预测运动员脑震荡后下肢损伤的风险

一组研究人员开发了一种人工智能模型，通过分析100多个变量，预测运动员脑震荡后受伤的风险，准确率达到95%。这台机器可以识别细微的缺陷，并具有超越体育运动的潜力。

　　

遭受脑震荡的运动员在重返赛场后有再次受伤的严重风险，但直到现在，确定哪些运动员最容易受伤一直是个谜。

特拉华大学的研究人员利用人工智能（AI）开发了一种新的机器学习模型，可以预测运动员脑震荡后下肢肌肉骨骼（MKS）损伤的风险，准确率为95%。最近发表在《运动医学》上的一项研究详细介绍了人工智能模型的发展，该模型建立在先前发表的研究基础上，该研究表明，无论从事何种运动，脑震荡后受伤的风险都会增加一倍。最常见的脑震荡后损伤包括扭伤，拉伤，甚至骨折或前交叉韧带撕裂。

健康科学学院运动机能学和应用生理学教授托马斯·巴克利说：“这是由于脑震荡后我们看到的大脑变化。”

这些大脑变化影响运动员的平衡、认知和反应时间，在标准的临床测试中很难检测到。

巴克利说：“即使是平衡、反应时间或对周围发生的事情的认知处理方面的微小差异，也会造成受伤和不受伤的区别。”

人工智能如何改变伤害风险评估

认识到需要加强减少伤害风险的工具，Buckley与UD工程学院的同事，电气和计算机工程助理教授Austin Brockmeier以及四年级博士生csamar Claros合作；魏茜，农业与资源学院统计学副教授；以及前KAAP博士后梅丽莎·安德森，她现在是俄亥俄大学的助理教授。为了评估受伤风险，Brockmeier和Claros开发了一个全面的人工智能模型，分析了100多个变量，包括运动和病史、脑震荡类型以及脑震荡前后的认知数据。

“每个运动员都是独一无二的，尤其是在不同的运动项目中，”布罗克梅尔说。“随着时间的推移，跟踪运动员的表现，而不是依赖于绝对值，有助于识别干扰、偏差或缺陷，与他们的基线相比，可能预示着受伤的风险增加。”

虽然有些运动，如足球，有较高的受伤风险，但该模型显示，个人因素与运动项目同样重要。

布罗克梅尔说：“我们测试了一个不涉及运动员运动的模型版本，它仍然准确地预测了受伤风险。”布罗克梅尔说：“这突出了运动的独特性——而不仅仅是运动的内在风险——在决定未来受伤的可能性方面发挥了关键作用。”

这项对运动员进行了两年多跟踪调查的研究还发现，脑震荡后MSK损伤的风险会一直延续到运动员重返赛场的时候。

“常识告诉我们，伤病会在运动员回归比赛的早期发生，但这根本不是真的，”巴克利说。“我们的研究表明，随着运动员弥补和适应他们甚至可能没有意识到的小缺陷，未来受伤的风险会随着时间的推移而增加。”

从研究到减少现实世界的伤害

巴基大学脑震荡研究实验室的下一步是进一步与特拉华大学田径力量和调节人员合作，设计可以降低受伤风险的实时干预措施。

卓越竞技和校园娱乐副体育总监丹·沃森表示，人工智能模型可以帮助他们瞄准高风险运动员，并结合策略来降低受伤风险。

“在运动表现方面，我们有两个目标：提高运动员的运动能力，并让他们留在场上，”沃森说。

UD田径已经使用力板来分析运动和检测肌肉失衡或弱点，这是软组织损伤的主要原因。沃森说，同样的主动方法也适用于脑震荡相关的缺陷。

沃森说：“只要能让我们的运动员保持健康，我们对任何事情都持开放态度。”“当这种预测学习模型发现缺陷时，我们可以主动实施纠正措施。”我们不能防止受伤，但我们可以减少和减轻风险，这就是这种模式对田径运动的作用。”

体育之外：人工智能在老龄化研究中的潜力

ud开发的机器学习模型的影响远远超出了体育领域。Brockmeier认为，该算法可以用来预测帕金森病患者跌倒的风险。

Claros还在探索如何将损伤风险降低模型应用于特拉华认知衰老中心的衰老研究。

Claros说：“我们想用大脑测量来调查基线生活方式测量，如体重、身体质量指数和吸烟史，是否能预测未来轻度认知障碍或阿尔茨海默病。”