Video Experimental Relacionado
Updated: Sep 10, 2025
An Inertial Measurement Unit Based Method to Estimate Hip and Knee Joint Kinematics in Team Sport Athletes on the Field
Published on: May 26, 2020
Inteligencia artificial en la biomecánica deportiva: una revisión de alcance sobre tecnología portátil, análisis de
Marouen Souaifi1,2, Wissem Dhahbi1,2, Nidhal Jebabli1
1Research Unit: Sport Sciences, Health and Movement, UR22JS01, High Institute of Sport and Physical Education of Kef, University of Jendouba, Kef 7100, Tunisia.
La inteligencia artificial (IA) mejora la biomecánica deportiva para el rendimiento y la prevención de lesiones. Los modelos de aprendizaje automático muestran una alta precisión en la evaluación de la técnica, la predicción de lesiones y la optimización de la capacitación, aunque persisten los desafíos en la implementación y la interpretabilidad.
Área de la Ciencia:
- Biomecánica de los deportes
- Inteligencia artificial
- Aprendizaje automático
Sus antecedentes:
- Los métodos tradicionales de análisis biomecánico tienen limitaciones en el procesamiento de datos atléticos complejos.
- La integración de la inteligencia artificial (IA) ofrece nuevos enfoques para mejorar el rendimiento deportivo y la prevención de lesiones.
- Se necesita una comprensión completa de las aplicaciones de la IA en la biomecánica deportiva.
Objetivo del estudio:
- Realizar una revisión de alcance sobre la aplicación de la inteligencia artificial (IA) en la biomecánica deportiva.
- Identificar los métodos primarios de IA, su eficacia en la mejora del rendimiento y las capacidades de predicción de lesiones.
- Explorar las aplicaciones específicas del deporte, las estrategias de traducción del conocimiento, las consideraciones éticas y las brechas de investigación.
Principales métodos:
- Se realizó una búsqueda sistemática de la literatura en cinco bases de datos (PubMed/MEDLINE, Web of Science, IEEE Xplore, Scopus, SPORTDiscus) desde enero de 2015 hasta diciembre de 2024.
- Los estudios fueron seleccionados siguiendo las directrices de PRISMA- ScR, con 73 seleccionados entre 3248 artículos.
- La extracción de datos se centró en técnicas de IA, parámetros biomecánicos, métricas de rendimiento y detalles de implementación.
Principales resultados:
- Los métodos de aprendizaje automático se utilizan cada vez más, reemplazando a los modelos estadísticos tradicionales.
- Las redes neuronales convolucionales lograron un 94% de acuerdo con los expertos para la evaluación de la técnica (evidencia moderada).
- La IA demostró potencial para mejorar la precisión del entrenamiento (25%), predecir lesiones (85% para lesiones de isquiotibiales) y reducir las tasas de relesión (23%).
Conclusiones:
- La integración de la IA en la biomecánica deportiva proporciona capacidades analíticas avanzadas más allá de los métodos tradicionales.
- Los desafíos incluyen la estandarización de datos, la interpretabilidad del modelo, la validación en el mundo real y la integración en el entrenamiento.
- La investigación futura debe priorizar la IA explicable, la validación rigurosa, el manejo ético de los datos y el acceso equitativo.
