Morata, Vinicius, Griezmann, Militão, Gavi, Courtois, Oyarzabal, Yéremy Pino… la lista de lesionados en los equipos de fútbol de la Liga EA Sports no ha dejado de crecer en los últimos meses. Esta temporada 23/24 la situación es especialmente llamativa. Ya alertaba Marca hace unos meses: “122 lesiones entre septiembre y octubre” y desde DxT Campeón incidían en que “las lesiones por roturas de ligamentos cruzados y asociadas a diferentes patologías de la rodilla con una duración de, al menos cinco meses, han aumentado en 2023 en el fútbol de élite, con 39 bajas de este tipo a lo largo del año, cifras superiores a las de 2021 (con 29 lesiones) y de 2022 (30)”.
Mayor inversión sporstech
"La monitorización del rendimiento en tiempo real, la prevención y rehabilitación de lesiones y el seguimiento de marcadores biométricos se han convertido en la norma para los atletas"
Llama la atención el aumento de atletas lesionados cuando, por otro lado, las inversiones en tecnología orientada al rendimiento y actividad crecieron un 41,6% en Norteamérica entre 2018 y 2022, según el Global Sportstech Ecosystem Report 2023 que elabora Sports TechX. Los analistas señalan en el informe que “los rastreadores de actividad han sido una parte importante de los deportes durante un tiempo, revolucionando la forma en que los atletas entrenan y compiten. Lo que los distingue ahora es la democratización de estos dispositivos, poniéndolos a disposición de un público más amplio, especialmente dirigido a la próxima generación de atletas profesionales y aficionados. La monitorización del rendimiento en tiempo real, la prevención y rehabilitación de lesiones y el seguimiento de marcadores biométricos se han convertido en la norma para los atletas que buscan optimizar su entrenamiento y mejorar el rendimiento general”.
Es más, según Drake Star Partners, en el tercer trimestre de 2023 la industria global sports tech generó 1.000 millones de dólares en operaciones de compra, con un récord de 317 transacciones realizadas en ese periodo, principalmente de empresas relacionadas con wearables y tecnologías de análisis de rendimiento.
La tecnología de análisis táctico y de rendimiento deportivo puede marcar una pequeña diferencia, pero vital, cuando hablamos de equipos que física y tácticamente están en niveles parejos
Si bien es cierto que mucho de ese crecimiento ha venido por el lado del fitness y la salud digital, en el ámbito más profesional el auge de estas inversiones obedece al creciente reconocimiento del papel fundamental de los datos en la mejora del rendimiento de los atletas, la prevención de lesiones y la toma de decisiones tácticas. Sobre todo, porque la tecnología de análisis táctico y de rendimiento deportivo puede marcar una pequeña diferencia, pero vital, cuando hablamos de equipos que física y tácticamente están en niveles parejos. Además, la tecnología facilita tanto el seguimiento y análisis a nivel de grupo como personal, recopilando datos que sirven para una mejor gestión de las cargas de los jugadores y sus lesiones, así como una mejor planificación estratégica del juego.
Y, sin embargo, entrando en el tramo decisivo del campeonato de liga en España, el panorama en las enfermerías no ha mejorado. Iniciado marzo, Carlo Ancelotti sigue haciendo malabares en las alineaciones del Real Madrid y Xavi Hernández sumaba dos nuevas bajas: Pedri Rodríguez y Frenkie De Jong. La teoría matemática diría que no es para tanto: un equipo de 25 jugadores en el que hay que seleccionar a 11 para un partido permite hacer 4.457.400 alineaciones diferentes, aunque con las limitaciones de posiciones de los jugadores saldrían 165 combinaciones. La realidad, por mucho que jugadores como Tchouaméni o Camavinga se reinventen, es que la plaga de lesiones afecta a las principales ligas europeas por igual: Premier League, Serie A, Bundesliga, Ligue 1…
El coste de las lesiones aumentó casi un 30% en las cinco principales ligas europeas masculinas
El pasado mes de noviembre, Holden Group, en su 2022/23 Men’s European Football Injury Index, ya advertía sobre la acumulación de partidos y la incidencia del Mundial de Qatar en el aumento de lesiones en la 22/23: los jugadores internacionales que participaron en esta competición pasaron una media de ocho días más apartados del terreno de juego debido a lesiones en los meses posteriores al torneo. Y no sólo pronosticaba un aumento de lesiones para esta temporada 23/24, sino que recogía otra cifra sobre la que reflexionar: el coste de las lesiones aumentó casi un 30 % (de 553,62 millones de euros a 704,89 millones de euros) en las cinco principales ligas europeas masculinas.
Una paradoja tecnológica
Si la tecnología ayuda a velar por la salud del jugador y optimizar su rendimiento y debería ayudar a ahorrar costes ¿qué está pasando? ¿Saturación de calendario como claman jugadores y equipos? ¿No sé está invirtiendo adecuadamente en el uso y despliegue de estas tecnologías de monitorización y análisis? ¿Faltan analistas de datos en el deporte?
El análisis y predicción de lesiones lleva asociados infinitos datos y casuísticas que se pueden ver alteradas por cualquier nimio detalle
Nadie cuestiona el valor de los datos y la necesidad de recopilarlos ya que ofrecen un conocimiento vital que hay que saber aplicar con éxito en las estrategas de entrenamiento, recuperación y juego de los atletas. Claro que, como ocurre en cualquier proyecto de implantación de tecnología, es necesario un perfeccionamiento continuo del análisis de los datos y su aplicación. Los expertos abogan por hacer un análisis crítico de cómo se utilizan estas herramientas teniendo en cuenta que el análisis y predicción de lesiones lleva asociados infinitos datos y casuísticas que se pueden ver alteradas por cualquier nimio detalle: la intensidad del juego, la acumulación de partidos, las condiciones en que se juega y entrena, la predisposición individual de los atletas
De hecho, se han realizado diversos estudios científicos sobre este tema, como el estudio de Jan Ekstrand y otros investigadores sobre la relación entre las tasas de lesiones y las metodologías prácticas de los entrenadores de diferentes clubes profesionales de la UEFA o el “Análisis de la incidencia de lesiones en jugadores masculinos profesionales de fútbol adulto y juvenil de élite” que recoge una premisa interesante: los jugadores de fútbol experimentan entre 2,5 y 9,4 lesiones por cada 1.000 horas de entrenamiento, aproximadamente un tercio de las cuales se deben a la sobre exposición física producida por los movimientos repetitivos y extenuantes. ¿No debería la tecnología alertar sobre esos datos de acumulación?
Oportunidad para la tecnología
La cuestión es que a la fatiga física habría que sumar muchos otros factores que inciden en las lesiones, como pueden ser los entrenamientos de alta intensidad, el escaso margen para el descanso y recuperación entre partidos, técnica inadecuada de ejercicios, condiciones físicas prexistentes del jugador, la fatiga y la deshidratación, las superficies donde se juega y entrena, los materiales de las equipaciones…
Todo un conjunto de variables que la tecnología (sensores, wearables, IoT, IA, big data, computer vision…) puede ayudar a medir, analizar, interpretar y ayudar a predecir en la toma de decisiones en tiempo real basado en analítica predictiva. Esa variedad de factores obliga a adoptar un enfoque multidisciplinar que abarque las características físicas, la nutrición, los regímenes de ejercicio y las necesidades específicas y particularidades de cada deporte.
El mercado de análisis deportivo superó los 4.000 millones de dólares a finales del año pasado
Según Microsoft, el mercado de análisis deportivo superó los 4.000 millones de dólares a finales del año pasado y las profesiones dedicadas a analizar datos en el deporte crece a un ritmo anual del 15% en una industria en la que se espera que los datos generados crezcan un 1.300 % en los próximos cinco años.
Esto supone una gran oportunidad para empresas tecnológicas o nuevas startups. Y es que, a diferencia de los datos de exploración, que se pueden comprar a escala a diferentes proveedores de estadísticas (Statsbomb, Xvalue, Soccerment, The Analyst…) los datos de rendimiento individual tanto dentro como fuera del campo son difíciles de pulir y cualificar y no están disponibles en la escala necesaria para su uso dentro de los modelos de predicción.
¿Qué elementos mínimos se requieren para ese análisis? Una configuración fundamental para monitorizar la salud y el rendimiento de los jugadores debe incluir sensores portátiles para rastrear datos fisiológicos y biomecánicos, herramientas de análisis de vídeo para obtener información táctica y de rendimiento, y un sistema de gestión de datos que integre e interprete diversos flujos de datos, sin olvidar la parte humana formada por los profesionales médicos, los analistas de datos y los científicos de datos aplicados al deporte. Precisamente desde las universidades y escuelas de negocio (Eniit, Universidad Europea, Sports Data Campus, UCAM… por citar alguna) están ofertando una amplia variedad de formaciones asociadas a big data e IA aplicada al deporte, tanto para análisis táctico como para el rendimiento deportivo.
En este contexto, más allá de las grandes tecnológicas como OpenAI (apoyada por Microsoft), Amazon o Google que están invirtiendo en la investigación de la inteligencia artificial, desde Catapult, que trabaja con más de 4.000 equipos de élite en más de 100 países, consideran que sigue habiendo espacio para que las empresas especializadas en IA con acceso exclusivo a datos patentados de alta calidad creen beneficios únicos y específicos para los clubes y la industria del deporte. Sobre todo, cuando ese conocimiento se aplica a entornos específicos de análisis de rendimiento o a deportes minoritarios.
Así, la tecnología debería ser el aliado perfecto para prevenir lesiones, la detección precoz de lesiones, la predicción de potenciales lesiones o riesgos, la elaboración de planes personalizados de tratamiento, la rehabilitación y recuperación e incluso el desarrollo de entornos de realidad virtual para la rehabilitación y acortar los tiempos de recuperación.
Casos de éxito
Desde acens y Telefónica Tech destacan algunos ejemplos donde ya están aplicando la IA, machine learning, big data o IoT para analizar datos y tomar decisiones en el deporte. Por ejemplo, en el ciclismo, donde en los aproximadamente 3.000 kilómetros disputados a lo largo de una vuelta de tres semanas cada ciclista puede llegar a generar más de 3 millones de datos, la tecnología puede inyectar una pequeña dosis adicional de rendimiento, que en un momento crucial de una etapa puede ser diferencial.
En el caso de Carolina Marín (Bádminton), la tecnología permite a su equipo personalizar sus entrenamientos en función del estado físico y mental de la jugadora o en función del rendimiento, formas de jugar y estrategia de sus rivales. También sensores en los entrenamientos permiten medir de forma precisa el aumento o descenso de las aceleraciones para evaluar los riesgos de lesión por aumento de fatiga o sobrecargas.
Por último, Telefónica Tech firmó recientemente un acuerdo con la Real Federación Española de Atletismo para impulsar el proyecto IMUS (Unidades de Medición Inerciales). Unos sensores que el deportista lleva sujetos en las zapatillas para recopilar datos en tiempo real (aceleraciones lineales y velocidades angulares de ambos pies), enviarlos mediante tecnología bluetooth a otro dispositivo de IoT (smartwatch), donde son procesados y analizados en tiempo real para devolver al corredor (en el mismo reloj o en unas gafas de última generación) información de utilidad para tomar decisiones en tiempo de carrera.
En EE.UU., la NFL a través de su Engineering Roadmap, una iniciativa de 60 millones de dólares financiada por la NFL y administrada por Football Research, ha demostrado el potencial de dejar que la ciencia lidere el camino en la prevención y predicción de lesiones. Aplicada al fútbol, la IA puede reinventar la forma en que se visualiza y evalúa la seguridad de los jugadores, dando forma a tecnologías que, en última instancia, pueden permitir la predicción y prevención de lesiones. Algo en lo que viene trabajando desde hace cuatro años con Amazon Web Services, que ya era proveedor de las estadísticas de la plataforma Next Gen Stats (NGS), al utilizar la capacidad tecnológica de AWS (aprendizaje automático, computación en la nube e inteligencia artificial) para mejorar la salud y seguridad de los jugadores.
Uno de los objetivos de la alianza es la creación del “Atleta Digital”, un modelo de simulación por computación que se puede utilizar para replicar infinitos escenarios dentro del entorno del juego, como la posición del jugador, el tipo de juego, la elección del equipo, la superficie de juego, los factores ambientales y la información agregada y anónima sobre lesiones de los jugadores, en un esfuerzo por mejorar el tratamiento y la rehabilitación de las lesiones a corto plazo y, en última instancia, ayudar a predecir y actuar para prevenir las lesiones.
Y es que las variables a medir son infinitas. Es más, la introducción de nuevas variables (como nuevos tipos de superficies, materiales innovadores en elementos deportivos o incluso nuevas reglas) en el rendimiento de los algoritmos de IA puede tener un impacto significativo. Precisamente ahora en marzo, la IFAB, el organismo que decide los cambios del reglamento en el mundo del fútbol, ha presentado algunas de las nuevas normas que entrarán en vigor a partir del 1 de julio. Por ejemplo, las espinilleras, que son un elemento clave para la recopilación de datos, seguirán siendo obligatorias y se ha fijado en ocho segundo el tiempo límite de posesión del balón por parte de los porteros.
¿Pueden unos segundos repercutir en el rendimiento de los atletas? En alabanza a los pilotos británicos que defendieron el cielo de Reino Unido frente a los Stuka y Messerschmit alemanes durante la batalla de Inglaterra en la Segunda Guerra Mundial, el primer ministro Churchill dijo su famosa frase de que nunca tantos habían debido tanto a tan pocos. Casi 85 años después, puede que nunca tantos atletas deban tanto a tan pocas tecnologías, aunque, en realidad, éstas escondan millones de datos.
Si (
No(
