Predicción de riesgo de lesiones deportivas mediante algoritmos de aprendizaje supervisado

Abstract

Las lesiones deportivas no traumáticas representan uno de los principales desafíos en el deporte profesional contemporáneo, con consecuencias médicas, económicas y competitivas de gran magnitud. La presente monografía propone el desarrollo y validación de modelos de Machine Learning (ML) robustos e interpretables para la predicción del riesgo de lesión no traumática en deportistas de alto rendimiento. A partir de datos de carga de entrenamiento externa e interna recopilados mediante dispositivos GPS, acelerómetros y escalas de percepción subjetiva del esfuerzo se construye un sistema predictivo que integra tres algoritmos de clasificación supervisada: regresión logística como línea base, Random Forest y XGBoost. El diseño metodológico adopta un esquema de validación temporal (Time Series Split) que respeta la estructura longitudinal de los datos y evita la fuga de información cronológica, una limitación recurrente en la literatura existente. Para abordar el severo desbalance entre clases inherente a los datos de lesiones, se comparan técnicas de sobre muestreo sintético (SMOTE), ponderación de clases y ajuste adaptativo del umbral de decisión. La evaluación del rendimiento predictivo se realiza mediante métricas apropiadas para clases desbalanceadas: AUC-ROC, sensibilidad, especificidad, F1-Score y AUC-PR. Adicionalmente, se integran marcos de Inteligencia Artificial Explicable (XAI), específicamente análisis de importancia de variables por permutación y valores SHAP, para traducir las predicciones matemáticas en información comprensible y accionable para el cuerpo técnico y médico. Los resultados empíricos confirmaron la superioridad de los modelos de ensamble. El algoritmo XGBoost alcanzó el mejor rendimiento global con un AUC-ROC de 0.999 y una sensibilidad de 0.966, superando ampliamente a la regresión logística (F1-Score de 0.344 frente a 0.949 de XGBoost). El análisis SHAP identificó a la Ratio de Carga Aguda: Crónica (ACWR), la Distancia a Alta Velocidad (HSR) y el historial de lesiones como los predictores más determinantes. Finalmente, se propone un protocolo de semaforización fundamentado en las probabilidades del modelo, dotando al cuerpo técnico de una herramienta interpretable y directamente aplicable.