Modelo de Machine Learning basado en factores biomecánicos para la predicción de lesiones de rodilla y zona isquiotibial en futbolistas profesionales

El fútbol profesional presenta un alto riesgo de lesiones, especialmente en la rodilla y los músculos isquiotibiales. Este estudio desarrolló y validó un modelo de predicción de lesiones mediante técnicas de Machine Learning, con el propósito de fortalecer la prevención y la toma de decisiones clínicas y deportivas. Se empleó un conjunto de datos de 5,000 futbolistas profesionales peruanos, con variables biomecánicas, clínicas y de carga validadas por un fisioterapeuta deportivo. El análisis exploratorio evidenció datos completos, clases balanceadas y correlaciones significativas entre peso corporal, índice de masa corporal (BMI), intensidad de entrenamiento y valgo de rodilla. Se entrenaron cuatro algoritmos: Random Forest, K-Nearest Neighbors (KNN), Regresión Logística y Support Vector Machines (SVM). Este último obtuvo el mejor desempeño (accuracy = 90%; F1 = 89%; AUC = 96%), demostrando alta capacidad predictiva para identificar riesgo de lesión. A partir de los resultados, se propuso una estrategia preventiva en cuatro niveles: básico, regular, alto y riguroso. En conclusión, el modelo desarrollado evidenció que el uso del aprendizaje automático permite anticipar el riesgo de lesiones y optimizar la prevención en el fútbol profesional, contribuyendo a una gestión deportiva más precisa y basada en evidencia.