Un equip internacional d’investigadors liderat pel Barça Innovation Hub (BIHUB), els Serveis Mèdics del FC Barcelona, l’Institut de Salut Global de Barcelona (ISGlobal), la Universitat de Bonn, i Made of Genes ha desenvolupat un nou marc computacional que representa un avenç significatiu en la predicció de lesions en el futbol femení d’elit.

Publicat a npj Digital Medicine, una revista científica internacional del grup Nature, l’estudi combina intel·ligència artificial, anàlisi de supervivència, calibratge estadístic i teoria de la decisió per transformar la predicció del risc en una eina útil per a la pràctica clínica i esportiva.

L’estudi aborda un dels principals reptes de la medicina esportiva: anticipar les lesions abans que es produeixin. Tot i que en els darrers anys s’han desenvolupat nombrosos models basats en intel·ligència artificial, la majoria presenten limitacions importants que en dificulten l’aplicació als clubs professionals. En lloc de limitar-se a construir un model més precís, aquest treball proposa un nou marc metodològic que aborda diverses de les principals mancances identificades en la literatura científica.

Una nova manera d’entendre el risc de lesió

La principal innovació consisteix a tractar la predicció de lesions com un problema d’anàlisi de supervivència. Això permet representar matemàticament una realitat que els professionals ja coneixen: el risc augmenta progressivament a mesura que s’acumulen minuts d’entrenament o de competició. A diferència dels classificadors tradicionals, aquest comportament està incorporat al model des del seu disseny.

Aquest enfocament es complementa amb tres innovacions addicionals:

  • La calibració beta (Beta Calibration), que ajusta les probabilitats perquè reflecteixin amb precisió el risc real observat;
  • La incorporació de la teoria de la decisió, que adapta els llindars de risc en funció de la importància esportiva de cada situació;
  • La introducció del Rest Benefit Certainty (RBC), que permet al cos tècnic definir el nivell de certesa que vol assolir abans de decidir si una jugadora ha de descansar.
     

En conjunt, aquests elements transformen una probabilitat abstracta en una recomanació contextualitzada que ajuda els professionals a valorar quan és més beneficiós per a una jugadora participar o descansar.

Quatre temporades de dades del primer equip femení

L’estudi s’ha desenvolupat utilitzant una de les bases de dades longitudinals més completes disponibles en el futbol femení d’elit: quatre temporades consecutives del primer equip femení del FC Barcelona (2019-2023), que inclouen 34 jugadores, gairebé 14.000 observacions diàries i 83 lesions musculoesquelètiques sense contacte. Les dades integren informació GPS, càrrega d’entrenament, minuts jugats, competicions, compromisos amb les seleccions nacionals i durada de les lesions.

Un sistema de detecció del risc de lesió molt més fiable

Els resultats mostren que els models basats en l’anàlisi de supervivència superen de manera consistent els algoritmes tradicionals d’aprenentatge automàtic utilitzats fins ara per predir lesions. En particular, aquests models van aconseguir una millor capacitat de discriminació que els classificadors convencionals, millorant substancialment la identificació de situacions d’alt risc.

El calibratge estadístic també va corregir la tendència dels models a subestimar el risc real, fet que va fer que les probabilitats resultants fossin molt més fiables i interpretables per l’equip mèdic.

En la validació temporal amb una temporada completament nova, el sistema va produir millores positives en la disponibilitat de les jugadores, fet que suggereix que aquest tipus de model pot ajudar a reduir l’impacte de les lesions mantenint més jugadores disponibles al llarg de la temporada.

La fatiga acumulada, el predictor més important

L’anàlisi mostra que el predictor més important és la distància acumulada durant els 21 dies anteriors, seguit de la intensitat de carrera a alta velocitat i de les acceleracions i desacceleracions del mateix dia. Aquest resultat reforça la idea que la fatiga acumulada és el principal mecanisme associat al risc de lesió musculoesquelètica sense contacte.

“A diferència dels enfocaments anteriors, aquest marc permet identificar, classificar i calibrar els factors associats al risc de lesió amb rigor estadístic, i quantificar la contribució de la fatiga acumulada. Sobretot, ofereix una nova perspectiva científica sobre un fenomen complex”, afirma Juan R. González, investigador d’ISGlobal.

“El repte metodològic era doble: representar com s’acumula el risc amb l’exposició i, alhora, contextualitzar les probabilitats resultants perquè es puguin interpretar d’acord amb la rellevància de cada situació. La incorporació de la teoria de la decisió permet adaptar els llindars de risc a cada context esportiu i convertir les prediccions en una eina útil per donar suport a la presa de decisions professionals”, explica Manuel Huth, primer autor de l’estudi, de la Universitat de Bonn.

De la recerca al terreny de joc i més enllà

Aquesta recerca proporciona una visió única dels factors que expliquen el risc de lesió, amb la càrrega externa com a punt de partida. El bessó digital de l’esportista integra aquesta informació amb la càrrega interna —com respon el cos a l’esforç, a través de biomarcadors, indicadors fisiològics i dades moleculars— i amb el perfil genètic de cada esportista: una eina essencial per donar suport als equips tècnics i mèdics, personalitzar el seguiment de cada esportista i anticipar les lesions. Aquesta és la línia que el Barça Innovation Hub impulsa conjuntament amb Made of Genes.

“Aquest tipus de recerca aporta rigor científic a factors que, fins ara, sovint interpretàvem de manera intuïtiva. El valor real rau a entendre millor com es relacionen la càrrega i la biologia de cada esportista amb el risc de lesió”, explica Gil Rodas, metge del FC Barcelona.

“Avançar en aquest camp requereix recerca i metodologia del màxim rigor científic, com la d’aquest treball. Com a soci de plataforma de dades i intel·ligència artificial, a Made of Genes traslladem la recerca al terreny de joc mitjançant models d’anticipació i millora del rendiment que integren, dins d’un bessó digital, la càrrega externa, la càrrega interna i el perfil genètic de cada esportista”, afegeix Berta Canal, científica de dades de Made of Genes.

El potencial va molt més enllà del futbol d’elit: com que actualment els sensors portables s’utilitzen àmpliament no només per esportistes professionals, sinó també en l’esport amateur i en ocupacions que exigeixen un gran esforç físic, aquest mateix enfocament podria contribuir a la prevenció de lesions molt més enllà del terreny de joc.

Sobre l’estudi

Títol: Injury prediction in elite women's football: an integrative machine learning-based decision-support framework
Revista: npj Digital Medicine (Nature Portfolio)
Publicació: En línia, 8 de juliol del 2026
DOI: 10.1038/s41746-026-02937-3
Dades: Primer equip femení del FC Barcelona · 4 temporades (2019/20-2022/23) · 34 jugadores · 83 lesions sense contacte
Autors: Manuel Huth, Berta Canal-Simón, Eva Ferrer, Gil Rodas, Xavier Yanguas, Jan Hasenauer i Juan R. González
Institucions: Universitat de Bonn · ISGlobal · Made of Genes · Departament Mèdic del FC Barcelona i Barça Innovation Hub · Hospital Clínic-Sant Joan de Déu · Leitat · CIBERESP · Universitat Autònoma de Barcelona

Força Barça