机器学习可以预测膝伤吗该领域有史以来收集的最大数据集
于韦斯屈莱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。使用了为此目的收集的最大数据集，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受伤情况。
前交叉韧带 (ACL) 损伤在团队运动和切割运动中很常见。预防它们对精英和业余运动员都很重要。以往的研究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运动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 ACL 损伤的风险。
“该研究中使用的机器学习方法以大约 65% 的总体准确率成功预测了损伤。结果具有统计学意义，但在实践中，预测能力非常低，以至于在 ACL 损伤的实际临床评估中没有用，”说进行这项研究的 Susanne Jauhiainen。
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，它们也使偶然产生有希望的预测和分类模型变得容易。
“该研究的核心部分还在于开发一个流程，以确保 AI 模型综合测试结果的质量和可靠性。这种方法已经应用于之前与 UKK 研究所进行的损伤研究。”
研究中使用的数据集是该领域中最大的
该研究中使用的数据是挪威运动科学学院广泛的损伤研究项目的一部分，是该领域收集的最大数据集。
研究数据包括女性手球和足球专业人士。研究的运动员总数为880人。
尽管数据集庞大而全面，并且使用了各种机器学习方法，但该研究在实践中仍不能很好地预测 ACL 损伤。
“尽管这次我们有点失败，但不能说机器学习和人工智能仍然不能预测未来的伤害。结果很有用，因为它将帮助伤害研究人员收集更多相关的测量数据，” Jauhiainen 总结道。
机器学习和数据在运动和锻炼应用中的使用正在迅速增加，现在获得的结果为该领域方法开发的机遇和挑战提供了宝贵的见解。
该研究发表在《运动医学杂志》上。
版权声明：本文由用户上传，如有侵权请联系删除！