איך בינה מלאכותית יכולה לסייע במניעת פציעות ספורט?

האם ניתן יהיה לבצע מדידה מסיבית של מידע על פציעות ספורט ובאמצעות בינה מלאכותית להפיק מהמאגר הזה יכולת לבצע חיזוי ומניעה של פציעות לפני התרחשותן?

הבינה המלאכותית נמצאת סביבנו כבר זמן רב ועוזרת לנבא בערך כל דבר על סמך מאגרי מידע ענקיים ואלגוריתמים מתקדמים. החל מניבוי איזו סדרה כנראה תאהבו בנטפליקס, דרך זיהוי סרטן בצילומי MRI וכלה בהשלמת שאילתת החיפוש שלכם בגוגל. הכלים האלה מגיעים גם לעולם הפציעות.

הצטרפו לקב' השקטה של ראנפאנל בווצאפ:

מהי בינה מלאכותית?

לצערנו, פציעות ספורט הן תופעה שכיחה ומתסכלת ולמרות מחקר רב בנושא וגילוי גורמי סיכון רבים, אנחנו עדיין רחוקים מאוד ממניעה ובמקרה הטוב מורידים במידה מסוימת את הסיכון לפציעה ספציפית. אצל ספורטאים מקצוענים, מדובר בבעיה שיכולה להשפיע על הקריירה – לחלק מהפציעות זמן החלמה ארוך ולחלקן יש נטייה לחזור, כאן נכנסת הבינה המלאכותית.

לבינה מלאכותית הגדרות רבות. לצורך הפשטה, נאמר שבתחום הזה משתמשים בשיטות סטטיסטיות מתקדמות, כוח חישוב רב ומאגרי מידע ענקיים על העבר כדי לחזות את העתיד או לקבל מענה על חישובים מורכבים שעד היום היו איטיים מדי ודרשו כח חישוב אדיר שלא היה נגיש ליישומים רבים. כיום, שימוש באלגוריתמים של בינה מלאכותית נפוץ כמעט בכל תחום.

במאמר מערכת בכתב העת היוקרתי "נייצ'ר", עולה שבענפי ספורט רבים אוספים נתונים על האתלטים מזה שנים: נתוני GPS בשחקני כדורגל, נתונים על עוצמת התנגשויות של שחקני פוטבול, מספר ספרינטים באימון ועצימותם, שחקני בייסבול אוספים מידע על התנועה של היד דרך חיישנים הנמצאים על השרוול. אחרים מודדים דופק, רווית חמצן, חום גוף, איכות שינה ואפילו מצב רוח. הרעיון הוא להשתמש בנתונים האלה יחד עם נתונים לגבי פציעות כדי לחזות פציעה עתידית.

קודם מצטרפים לדיוור השבועי ואחרי זה ממשיכים…

הצטרפו חינם לניוזלטר התכנים האיכותיים שלנו:

מאשר משלוח פרסום ועדכונים

זה מורכב מדי עבור בינה מלאכותית

האדם הוא מערכת מורכבת ודינמית (ויש שיאמרו כאוטית). חלק מקהילת הפיזיותרפיסטים ספקנים מאוד לגבי היכולת של המחשב לנבא פציעות. לביסוס הטענות שלהם הם מציינים ששנים של מחקר בתחום אמנם גילה גורמי סיכון לפציעות, אבל בגלל שקיימות אינטראקציות מורכבות בין אותם גורמים וגורמים אקראיים אחרים (כמו התנגשות בין שחקנים), עדיין לא קיים מודל מקיף. 

כדי להבין טוב יותר את הגבולות של הבינה המלאכותית והאפשרויות לנבא פציעות בעזרת ביג דאטה, שוחחתי עם אורי אליאבייב, יועץ בתחום ה-AI ומייסד קהילת Machine and Deep Learning Israel.

האם יכול להיות שפציעות ספורט הן מורכבות מדי בשביל לנבע בעזרת המחשב?

אורי אליאבייב – "קיימים תחומים רבים שלמרות שיש בהם אקראיות וכאוטיות, בינה מלאכותית מסייעת בניבוי תוצאות עתידיות על בסיס מידע מהעבר: בורסה, אלימות בבתי כלא, פרישה מלימודים, מזג אוויר ועוד. לכן, קונספטואלית, זה אפשרי. השאלות הן מה גודל הדאטה הקיים ואיכותו ומה מידת הדיוק הנדרשת כדי לספק אנשי מקצוע. שבוע קדימה? שבועיים? יומיים?"

מה לגבי ההתנגדויות של הפיזיותרפיסטים?

אורי אליאבייב – "יתכן שכמו בהרבה תחומים אחרים אליהם הגיעה הבינה המלאכותית, יש רומנטיזציה של המקצוע – אמונה שדרוש מומחה שלא ניתן להחליף ע"י תוכנה. בנוסף, רבים לא מכירים את היכולות המרשימות של האלגוריתמים המודרניים ולכן מזלזלים." 

חוקרים בינה מלאכותית בספורט 

קיימים הרבה מחקרים בנושא, שנמצא בצמיחה משמעותית: בסקירת ספרות משנת 2019 נמצאו 58 מחקרים בנושא שימוש בבינה מלאכותית למניעת פציעות ושיפור ביצועים בספורט קבוצתי. רוב המחקר בוצע בענף הכדורגל והרוגבי ונטען שיש עתיד מבטיח לשיטות הללו. סקירה נוספת מהשנה מראה שונות רבה בטווח הדיוק של הניבוי בזיהוי אתלטים בסיכון לפציעה. כלומר, לפעמים מצליחים להגיע לניבוי מוצלח ולפעמים לא.

לצורך אימון המודל, מזינים לאלגוריתם את הדאטה שכולל משתנים רבים שמניחים שהם קשורים לפציעה והאם האתלט נפצע או לא. האלגוריתם יוצר מודל לניבוי פציעה. לדוגמא, מצורף תרשים של תוצאה של אחד המחקרים. מדובר בעץ המורכב מצמתי החלטה. בכל צומת מתקבלת החלטה על סמך משתנה עד שמגיעים לסיווג סופי. ההחלטה מסתמכת על משתנים כמו עומס אימוני, עבר של פציעות, גיל וכו', וערך סף. לבסוף, בוחנים את דיוק המודל על מידע שהוא לא ראה (למשל, בונים את המודל על סמך דאטה מ2016-2019 ובוחנים אותו על דאטה של 2020 ובודקים עד כמה הוא צדק בניבוי). 

גם בישראל

בישראל קיימות מספר חברות הזנק בתחום. Physimax מבצעת, בין היתר, ניתוח תנועה מצילומי וידאו תלת ממדיים כדי לזהות לתבניות תנועה הקשורות לפציעה. חברת Zone7 אוספת מידע ממכשירים לבישים, תיקים רפואיים ומנתונים פיזיולוגיים כדי לנבא את הסיכוי לפציעה.

גם בצה"ל לא קופאים על השמרים ובמרכז לבריאות הלוחם מבצעים מדידות מזה כמה שנים במטרה לבנות בסיס נתונים מספק לצורך הניבוי.

הגורם האנושי

אחת הבעיות של בינה מלאכותית היא שחלק מהמודלים שהיא מייצרת הם "קופסא שחורה". כלומר, לא ברור איך המחשב הגיע למסקנה. עובדה זו מקשה לעיתים על מקבלי ההחלטות להסתמך על הפלט של האלגוריתם. אולי, גם אחרי שמדעני הנתונים יפצחו את הנושא, יהיה קשה להטמיע את השינוי בגלל הגורם האנושי. דמיינו מדען נתונים מבקש מהמאמן להשבית שחקן מפתח כי המחשב מזהה דפוס מסויים שמוביל לפציעה. דרוש אמון רב במערכת ממוחשבת ואגו צנוע כדי לשתף פעולה. לכן, בינתיים נראה שהבינה המלאכותית היא כלי תומך החלטה בלבד, בדומה למה שקורה בעולם הרפואה.

מאת איגור מינץ

בעל תואר ראשון בפיזיותרפיה מאוניברסיטת חיפה, בוגר קורס מאמני ריצות ארוכות וקורס מדריכי חד"כ. מנתח נתונים חובב ומתרכז בכתבותיו בRUNPANEL בהיבט הזה בשילוב היותו פיזיותרפיסט- ניתוח מידע ממרוצים ומעולם הריצה. רץ לאט ולסירוגין.

מקורות

1. Fiscutean, A. (2021). Data scientists are predicting sports injuries with an algorithm. Nature, 592(7852), S10-S11.
2. Claudino, J. G., de Oliveira Capanema, D., de Souza, T. V., Serrão, J. C., Pereira, A. C. M., & Nassis, G. P. (2019). Current approaches to the use of artificial intelligence for injury risk assessment and performance prediction in team sports: a systematic review. Sports medicine-open, 5(1), 1-12.
3. Van Eetvelde, H., Mendonça, L. D., Ley, C., Seil, R., & Tischer, T. (2021). Machine learning methods in sport injury prediction and prevention: a systematic review. Journal of experimental orthopaedics, 8(1), 1-15.
4. Rossi, A., Pappalardo, L., Cintia, P., Iaia, F. M., Fernàndez, J., & Medina, D. (2018). Effective injury forecasting in soccer with GPS training data and machine learning. PloS one, 13(7), e0201264.