El sistema, llamado ‘Footballer Workload Footprint’ (FWF) o ‘Huella del futbolista’, utiliza datos de GPS para representar las cargas externas de los jugadores. Gracias a técnicas inspiradas en el procesado de señales y en el cálculo diferencial e integral, los investigadores transformaron esta información en variables que pueden ser analizadas por modelos de aprendizaje automático con IA.
Lea más: Isak se despide del Newcastle en medio de una polémica salida hacia el Liverpool
El estudio, publicado en la revista científica PLOS ONE, propone una mejora significativa en comparación con los métodos tradicionales de control de carga física que utilizan muchos clubes profesionales.
“Nuestro enfoque no solo mejora la capacidad predictiva respecto al riesgo de lesión, también permite visualizar de forma clara y comprensible las dinámicas de esfuerzo que experimenta cada jugador a lo largo del tiempo, abriendo la puerta a una monitorización inteligente y preventiva”, explicó Jaime B. Matas Bustos, autor principal del trabajo e investigador de la UGR.
Todos los beneficios, en un solo lugar Descubrí donde te conviene comprar hoy
A diferencia de los sistemas actuales, que se basan en ratios simplificados, la ‘Huella del futbolista’ logra una monitorización personalizada y predictiva que es más fácil de integrar en los departamentos de rendimiento y medicina deportiva de los clubes.
El profesor Antonio M. Mora, del Departamento de Teoría de la Señal, Telemática y Comunicaciones de la UGR, añadió: “Dentro del cuerpo técnico, esta solución es útil para preparadores físicos, readaptadores y servicios médicos, puesto que identifica perfiles de riesgo y ajusta las cargas de los futbolistas en tiempo real, con base empírica y trazabilidad”.
La investigación contó con la colaboración de Moisés de Hoyo Lora, actual preparador físico del Aston Villa FC y ex-preparador en varios clubes de La Liga española. El modelo fue validado con datos anónimos de un equipo de La Liga y de torneos de la UEFA, mostrando mejoras significativas frente a los métodos existentes. Los investigadores anticipan que esta aplicación podría ser la base para futuros sistemas de alerta temprana y para la creación de bases de datos compartidas entre clubes, federaciones y centros de investigación.