15 Gen 2020
INTELLIGENZA ARTIFICIALE E STILE DI CORSA
Posted by Forrest Group Minerva
Creato: 15 Gennaio 2020

Cosa dice l'intelligenza artificiale sullo stile di corsa

I ricercatori implementano l'apprendimento automatico (machine learning) per abbinare gli stili di corsa al rischio di contrarre diversi tipi di lesioni.

Una volta, il fisiologo e allenatore Jack Daniels ha filmato un gruppo di corridori, passo dopo passo, quindi ha mostrato le riprese ad allenatori e biomeccanici per vedere se potessero stabilire chi fosse il più efficiente. "Assolutamente no, non lo potevano dire", ha ricordato in seguito Daniels. I corridori notoriamente goffi nell’aspetto, come Paula Radcliffe e Alberto Salazar, a volte si rivelano straordinariamente efficienti. La bella falcata, con passi lunghi e morbidi, talvolta, finisce in fondo alla fila.

gif machine learningSi scopre che l'atto di correre è sorprendentemente complicato. Il peso della testa, la rotazione dei fianchi, l'angolazione del piede, sono fattori, assieme a molti altri, che possono variare in infiniti modi. Quindi, è un compito più o meno disperato guardare qualcuno correre e diagnosticare i problemi con la loro andatura, che si tratti di inefficienze o vulnerabilità a determinati tipi di infortunio. Tra le infinite variabili, non possiamo assolutamente concentrarci su quelle che contano in tempo reale.

Una soluzione a questo problema è quella di rallentare il tutto. Riprendere un filmato del corridore e riprodurlo poi al rallentatore. O meglio ancora, applicare un gruppo di marcatori alle articolazioni più importanti, inserire i dati in un computer e creare un modello tridimensionale del passo del corridore, in modo da poter analizzare, a proprio piacimento, ogni angolo e accelerazione articolare. Questo è ciò che i ricercatori di biomeccanica fanno da anni, cercando di collegare determinate caratteristiche dell'andatura - ad esempio un ginocchio che ruota verso l'interno più del solito - con lesioni particolari come il dolore femoro-rotuleo o la sindrome della bandelletta ileotibiale. Hanno avuto suggerimenti di successo ma, nel complesso, i risultati sono stati un po' confusi e difficili da interpretare.

Quindi un'altra soluzione è più radicale: chiama i nostri signori robot, lasciali ordinare le montagne di dati e vedi che cosa ne esce. Questo, in sostanza, è l'approccio di un nuovo studio condotto da ricercatori dell'Università di Jyväskylä, in Finlandia, e dell'Università di Calgary, in Canada. Essi hanno analizzato i dati dell'andatura in 3D di un gruppo di podisti, alcuni infortunati e altri sani, attraverso una forma di intelligenza artificiale chiamata 'apprendimento automatico senza supervisione', per vedere se potessero raggruppare i corridori in categorie, in base al loro passo, e se quelle categorie rispecchiassero i tipi di infortuni ai quali i corridori erano soggetti. Le risposte, sì alla prima domanda e no alla seconda, meritano entrambe una riflessione.

Lo studio, pubblicato sullo Scandinavian Journal of Medicine and Science in Sports, ha coinvolto 291 podisti la cui andatura era stata precedentemente analizzata da Reed Ferber, della Running Injury Clinic dell'Università di Calgary. Il raggruppamento aveva un'età media di 39,5 anni con una divisione approssimativamente uniforme tra uomini e donne e, in base ai loro ultimi tempi di gara, erano un mix di corridori ricreativi e competitivi. Di questi soggetti, 266 presentavano una qualche forma di lesione, tra cui il dolore femoro-rotuleo (44), la sindrome della bandelletta ileotibiale (29), la tendinopatia dell’achilleo (15), la fascite plantare (14), la sindrome da stress tibiale mediale (12) e altre affezioni. Le loro andature sono state analizzate ponendo dei marcatori su sette segmenti della parte inferiore del corpo, e quindi filmati con una configurazione di otto telecamere per digitalizzare i loro movimenti.

Complessivamente, ogni analisi dell'andatura ha prodotto 62 variabili, tra cui angoli del ginocchio e del piede, oscillazione verticale e frequenza del passo. Dopo qualche ulteriore manipolazione, questi dati sono stati immessi nel computer per una "analisi di gruppo gerarchica [N.d.r.: cluster analysis]", che è un modo di suddividere i soggetti in gruppi con caratteristiche comuni. Fondamentalmente, questo processo non comporta di dire anticipatamente al computer che cosa cercare o quali variabili sono più importanti. Questo tipo di apprendimento automatico offre un modo per rilevare modelli nascosti in dati complessi. (Ho scritto alcuni anni fa su alcune ricerche correlate che hanno utilizzato un approccio simile per distinguere tra corridori ricreativi e competitivi).

La cluster analysis ha diviso i corridori in cinque distinti gruppi, ognuno dei quali era diverso dagli altri. Ad esempio, un gruppo aveva podisti le cui ginocchia collassavano e si piegavano maggiormente durante la corsa. Un altro, era caratterizzato da arti rigidi, come indicato dalle ginocchia e dai fianchi che si piegavano meno dell’usuale. Un terzo, aveva una pronunciata battuta del tallone e grandi cambiamenti dell'angolo del piede durante il passo. Individuare questi sottogruppi ad occhio nudo, o anche combinando manualmente i dati dell'analisi dell'andatura, sarebbe stato quasi impossibile ma, a posteriori, i modelli sono abbastanza distinti.

I ricercatori hanno iniziato con l'ipotesi che questi raggruppamenti sarebbero stati mappati in base alla diagnosi delle lesioni dei corridori. Si potrebbe pensare che, per esempio, il gruppo con le ginocchia collassate e flesse accumulerebbe la maggior parte delle lesioni al ginocchio. Ma non c'era un modello di quel tipo. I vari tipi di infortuni, nonché il rapporto tra corridori infortunati e sani, erano distribuiti in modo pressoché casuale in tutti i gruppi. Come corri, secondo l'equivalente biomeccanico di Deep Blue, non determina se dove o come ti infortuni.

Questo ha alcune implicazioni interessanti. Se i risultati fossero confermati da ulteriori studi, suggerirebbero che, come affermano i ricercatori, "non esiste un unico modello di andatura protettiva che riduca la probabilità di sviluppare [lesioni dovute alla corsa]". Su Twitter, Rod Whiteley, un fisioterapista di rilievo dell’Aspetar Sports Medicine Hospital, ha suggerito che ognuno di noi si adatta alle idiosincrasie del nostro stile di corsa. Il rischio di infortunio, in questa prospettiva, deriva dai cambiamenti nel carico di allenamento, piuttosto che, diciamo, dall'angolazione del ginocchio. Ciò fa eco all’esperto di biomeccanica, ora in pensione, dell'Università di Calgary, Benno Nigg che diceva: l'80% delle lesioni da corsa derivano da errori di allenamento come l'aumento troppo rapido del chilometraggio o il mancato recupero.

Alla fine, anche sofisticati algoritmi di intelligenza artificiale non garantiscono che questi risultati siano corretti. Forse i corridori del campione erano troppo simili tra loro oppure troppo diversi. O forse non erano in numero sufficiente. Ma se si scopre che i supercomputer sono davvero impotenti, come gli umani, nel predire futuri infortuni basati sulla tecnica di corsa, allora forse possiamo sognare un futuro idilliaco in cui smettiamo di discutere sulla battuta del piede, sulla cadenza, sull’angolo della tibia e così via – e, invece, solo accettare di riposare una volta ogni tanto.

hutchinson

  Alex Hutchinson - 12 gennaio 2020

 

Articolo correlato
LESIONI DA CORSA E IMPERFEZIONI ANATOMICHE



Tratto da: https://www.outsideonline.com/2404405/maurten-sports-drink-research


Si declina qualunque responsabilità per la presenza di eventuali errori involontariamente introdotti nel testo nella traduzione o nella trascrizione. Si precisa inoltre che il contenuto dell'articolo non sostituisce in modo alcuno ciò che è divulgato nei libri ed in bibliografia e, nel medesimo tempo, non costituisce alcun riferimento tecnico, medico e scientifico.