Strojno učenje kot obetavno orodje pri premoščanju vrzeli v preprečevanju poškodb pri ženskih ekipnih športih
Evidenčna številka ARIS: J5-4594
Trajanje projekta: 1. 1. 2023 – 31. 12. 2025
Nosilec projekta: ZRS Koper, Inštitut za kineziološke raziskave
Udeležba, profesionalnost in uspehi žensk v vrhunskem športu so se v zadnjih letih eksponentno povečali. Ob tem pa je zaznati nevarno vrzel v razvoju in popularizaciji ženskega športa zaradi pomanjkanja znanstvenih raziskav na področju športne medicine o vrhunskih, profesionalnih in amaterskih športnicah. Poleg tega je aplikacija znanstvenih dognanj izvedenih na moških športnikih, lahko neustrezna, če se aplicira na športnice ter se ob tem ne upošteva fizioloških in bioloških razlik med spoloma, kar lahko vodi do neprimernih obremenitev pri treningu in večjo možnost za nastanek poškodb. Trenutno uporabljeni mono-dimenzionalni pristop za preprečevanje in napovedovanje poškodb, ki temelji na presejalnih testih in potencialnih programih, v praksi zaradi nizke natančnosti ni učinkovit. Zato ženski ekipni športi nujno potrebujejo alternativni pristop, ki temelji na strojnem učenju (Machine learning -ML), orodju, ki je enostavno za uporabo in lahko odkrije dejavnike tveganja v zgodnji fazi in s tem omogoči zmanjšanje splošne pojavnosti poškodb in nastale stroške.
Splošni cilj tega projekta je razviti orodje strojnega učenja (ML) namenjen ženskim ekipnim športom, ki bo omogočil:
1) predvideti nastanek poškodbe na podlagi parametrov telesne pripravljenosti, živčno-mišičnih in stresnih parametrov merjenih pred sezono;
2) ugotoviti, kateri parameter(-i) prispeva(-jo) največ in predstavlja(-jo) dejavnik(-e) tveganja za poškodbe na posamezni ravni.
Ta projekt bo temeljil na zasnovi presečne študije z množičnimi meritvami, da bi pridobili parametre telesne pripravljenosti, živčno-mišičnih in stresnih parametrov športnic ter perspektivno kohortno zasnovo, povezano z epidemiologijo športnih poškodb. Projekt bo osredotočen na ženske ekipne športe in bo vključeval športnice kadetskih (U15 -U17), mladinskih (U17-19) in članskih selekcije, ki tekmujejo na različnih ravneh (profesionalni, polprofesionalni, amaterski). Naš cilj je vključiti najmanj pet ekip za vsak ekipni šport (nogomet, košarka; rokomet in odbojka), tako bo vključenih 20 ekipnih športnih klubov s skupno okoli 200-250 udeleženkami. Za modeliranje bodo uporabljeni algoritmi ML, primerni za nadzorovane naloge (tj. drevesa odločitev, regresijski modeli, naključni gozd in XGBoost).
Novo razvito orodje ML za preprečevanje in napovedovanje poškodb bo lahko s ponudbo novega in učinkovitega orodja omogočilo povezovanje in izmenjavo znanja z medicinskimi mrežami (zdravstveni centri FIFA, FIBA, FIVB itd.). Ta projekt bomo posvetili izključno športnicam v ekipnih športih, da bi zmanjšali vrzel v znanstveni literaturi in omogočili aplikacijo znanstvenih dokazov v praksi za optimalno zmogljivost proučevane ženske kohorte.
Predviden potek projektnih aktivnosti
Celoten projekt je razdeljen na štiri ločene delovne sklope (WP
WP1 – množične meritve n spremljanje poškodb. WP1 se bo osredotočil na telesno pripravljenost, oceno živčno-mišičnih in stresnih psiholoških dejavnikov v predsezonskem obdobju ter spremljanje poškodb skozi celotno sezono športnic ekipnih športov.
Cilji:
- 1. Zagotoviti ustrezno število ženskih ekipnih športnih klubov (vsaj pet ekip za vsak šport), ki so pripravljeni sodelovati v tem projektu;
- 2. Zagotoviti razpoložljivost timskih zdravnikov, fizioterapevtov, kondicijskih trenerjev za pravočasno prepoznavanje in poročanje o poškodbah, povezanih s tem projektom;
- 3. Uspešna integracija pridobljenih presečnih in perspektivnih podatkov.
WP2 – ML modeliranje in upravljanje podatkov.
Cilji:
- 1 Vzpostaviti projektno specifičen obrazec v oblaku, primeren tako za presečno kot za prihodnje zbiranje podatkov;
- 2 Zagotoviti, da so vsi klubi, zdravniki, fizioterapevti in člani seznanjeni z uporabo obrazcev. To bo omogočilo učinkovit in natančen vnos projektnih podatkov, pridobljenih v WP1;
- 3 Uspešno integrirati obstoječe kohortne podatke, ki so potrebni za nadzorovani/vodeni model ML z na novo pridobljenimi podatki, kar bo dodana vrednost v smislu izboljšane zanesljivosti, natančnosti, in občutljivosti;
- 4 Zagotoviti ustrezne statistične analize ML podatkov, zbranih v projektu, za razvoj splošnega modela ML, kot tudi posebnih modelov ML za različne ekipne športe za doseganje splošnih in specifičnih ciljev projekta.
WP3 – Diseminacija in komuniciranje.
Cilji:
- 1. Upoštevanje komunikacijski načrta, tako da vključuje vse člane projekta in zunanje osebje od začetka ter ohranjate sodelovanja med in po projektu;
- 2. Deljenje rezultatatov z organizacijami (trenerske organizacije, posebna športna društva, npr. Nogometna zveza Slovenije, Košarkarska zveza itd.), z namenom dodate vrednost in povečanja učinka;
- 3. Široka diseminacija ugotovitev in sodelovanje s športnicami, trenerji, zdravstvenim osebjem, strokovnjaki za rehabilitacijo, akademiki, študenti na vseh ravneh, zdravstvenimi delavci in oblikovalci politike, da bi promovirali model napovedovanja poškodb.
WP4 – Vodenje projekta.
Cilji:
O4.1 Zagotoviti ustrezno notranjo koordinacijo aktivnosti partnerjev glede na cilje in časovni okvir projekta za doseganje načrtovanih rezultatov;
O4.2 Učinkovito upravljati in nadzorovati porabo sredstev in proračuna;
O4.3 Za pregledno vodenje med vsemi partnerji napredovanje projekta vseh nalog, končnih rezultatov in mejnikov, da bi čim prej prepoznali in rešili morebitne težave, konflikte ali neuspešne partnerje.
Vodja projekta
dr. Zoran Milanović, višji znanstveni sodelavec (ZRS Koper, Inštitut za kineziološke raziskave, šifra raziskovalca 52551)
Partnerske ustanove in sodelavci projekta
Znanstveno-raziskovalno središče Koper, Inštitut za kineziološke raziskave
Dr. Boštjan Šimunič (šifra raziskovalca 21102)
Dr. Saša Pišot (šifra raziskovalke 31634)
Dr. Armin Paravlić (šifra raziskovalca 38248)
Dr. Rado Pišot (šifra raziskovalca 11612)
Dr. Uroš Marušič (šifra raziskovalca 34516)
Kaja Teraž (šifra raziskovalke 50196)
Manca Peskar (šifra raziskovalke 23936)
Katarina Puš (šifra raziskovalke 55916)
Jure Urbanc (šifra raziskovalca 56174)