Алгоритм, позволяющий предотвращать травмы и стрессовые переломы у спортсменов

02 Nov 2020
78
Прослушать

Травма, вызываемая костным напряжением, означает, что кости не выдерживают многократных механических нагрузок, что приводит к структурной усталости и локальной боли в костях. Задержка в диагностике может привести к более серьезным травмам, таким как стрессовые переломы, которые требуют более длительного периода лечения.

Группа американских ученых из университета Вандербильта разработала новый подход к мониторингу костного стресса у спортсменов, с целью предотвращения травм. Используя методы машинного обучения и биомеханического моделирования, они создали мультисенсорные алгоритмы, которые обрабатывают данные, получаемые от легких носимых сенсоров в обуви, для оценки силы, воздействующей на берцовую кость или кость голени, что является обычной причиной при стрессовых переломах у бегунов или других спортсменов.

В результате применения этих алгоритмов были получены данные о силе воздействия на кости, которые в четыре раза более точны, чем информация, которую можно получить от существующих носимых устройств. Исследование также показало, что традиционные метрики, основанные на том, насколько сильно стопа ударяется о землю, могут быть не более точными для мониторинга нагрузки на берцовую кость, чем подсчет шагов с помощью шагомера.

Информация об исследовании опубликована в журнале Human Movement Science.

Кости, естественно, заживают сами по себе, но если скорость микроповреждений от многократной нагрузки на кости опережает скорость заживления тканей, то возрастает риск стрессового перелома, который может вывести бегуна из строя на два-три месяца.

По словам директора университетской Лаборатории анализа движения, реабилитационной техники и вспомогательных технологий Эмилии Матиевич,

Мы обнаружили, что 10-процентные ошибки в оценке нагрузки на кости приводят к 100-процентным ошибкам в оценке ущерба. В значительной степени завышенная или заниженная оценка повреждений костей в результате бега имеет тяжелые последствия для спортсменов, пытающихся со временем понять риск получения травмы.

Алгоритм машинного обучения использует небольшую группу датчиков для получения высокоточных оценок костной нагрузки, со средней погрешностью менее трех процентов, одновременно определяя наиболее ценные входные сигналы датчиков.

В настоящее время ученые начали применять аналогичные методики для мониторинга нагрузок на нижнюю часть спины и рисков получения травм, разработанные для людей, занятых в профессиях, требующих постоянных наклонов и поднимания тяжестей.