机器学习可以预测膝盖损伤吗?这是迄今为止该领域收集的最大数据集
Jyväskylä大学信息技术学院数字健康智能实验室进行的一项研究使用机器学习来预测前交叉韧带损伤。为此目的收集的最大数据集被使用，但结果表明，即使是机器学习也无法开发出足够有效的模型来预测个别运动员的损伤。
前交叉韧带(ACL)损伤在临床上很常见团队运动削减运动。对精英运动员和业余运动员来说，预防它们都很重要。在以往的研究中已经认识到多种损伤危险因素，但ACL损伤的实际预测仍然存在争议。
Jyväskylä大学的数字健康智能实验室与挪威体育科学学院的研究人员合作，试图使用机器学习预测个别运动员前交叉韧带损伤的风险。
“研究中使用的机器学习方法预测伤害的总体准确率约为65%。这项研究的负责人Susanne Jauhiainen说:“结果在统计上有显著意义，但在实践中，预测能力很低，在ACL损伤的实际临床评估中没有用处。”
如今，由于工具的可用性和可访问性，使用机器学习开发人工智能应用程序和进行不同的实验相对容易。另一方面，它们也使得随机生成有前景的预测和分类模型变得容易。
“这项研究的核心部分还包括开发一种流程，以确保人工智能模型综合测试结果的质量和可靠性。这种方法已经在之前与UKK研究所进行的伤害研究中得到应用。”
该研究使用的数据集是该领域最大的
该研究中使用的数据是挪威体育科学学院广泛损伤研究项目的一部分，也是该领域收集的最大数据集。
的研究数据由女性手球和足球职业选手组成。研究的运动员总数为880人。
尽管有庞大而全面的数据集，并使用了各种机器学习方法，但该研究在实践中无法很好地预测ACL损伤。
“尽管我们这次有点失败，但不能说机器学习和人工智能现在还不能预测将来会受伤。这个结果是有用的，因为它会有所帮助受伤研究人员正在努力收集更多相关的测量数据。”
使用机器学习运动和锻炼应用中的数据正在迅速增加，现在获得的结果为该领域的方法开发提供了有价值的机会和挑战。
这项研究发表在美国运动医学杂志．
更多信息:Susanne Jauhiainen等人，使用机器学习预测前交叉韧带损伤，这些数据来自880名女性精英运动员的广泛筛选测试，美国运动医学杂志(2022)。DOI: 10.1177 / 03635465221112095
