- La UGR presenta FWF, una IA que transforma datos GPS en indicadores de riesgo lesional y mejora los métodos clásicos.
- Validación con datos reales de un club de LaLiga y colaboración del preparador físico del Aston Villa FC.
- Mejoras en métricas clave frente al ACWR: ROC-AUC, Precisión-Recall y Geometric Mean.
- Contexto de más partidos y más lesiones: +32% en LaLiga y +4% en ligas top; alertas tempranas y uso en otros deportes.
Con el calendario cada vez más apretado y los cuerpos al límite, las lesiones en futbolistas, incluidos los efectos de cabecear el balón, se han convertido en un quebradero de cabeza para clubes y jugadores. La combinación de viajes, entrenamientos y partidos acumulados eleva el riesgo y obliga a afinar la prevención con herramientas más precisas.
En este contexto, un equipo de la Universidad de Granada (UGR) y profesionales del alto rendimiento ha desarrollado Footballer Workload Footprint (FWF), una metodología basada en inteligencia artificial que anticipa el riesgo de lesión a partir de la carga de trabajo real de cada jugador. El trabajo ha sido publicado en PLOS ONE y plantea una alternativa robusta a enfoques extendidos como el Acute: Chronic Workload Ratio (ACWR).
Qué es y cómo funciona la ‘Huella del Futbolista’
La FWF representa de forma matemática y computacional las cargas externas de entrenamiento y competición recogidas mediante GPS. A través de técnicas de procesado de señales y de cálculo diferencial e integral, esos registros se convierten en variables de alto valor que alimentan modelos de aprendizaje automático capaces de estimar la probabilidad de sufrir una lesión.
El enfoque combina ingeniería de características, modelado temporal y análisis multivariante en un entorno real de club, ofreciendo una lectura individualizada de las dinámicas de esfuerzo. Frente a los ratios simplificados, permite una monitorización personalizada y predictiva de cada futbolista a lo largo del tiempo.
Además de elevar la precisión, la propuesta incorpora herramientas de visualización que facilitan la interpretación por parte de servicios médicos y preparadores físicos, lo que acelera la toma de decisiones en microciclos con mucha densidad competitiva.
- Identifica perfiles de riesgo de cada jugador.
- Ayuda a ajustar cargas en tiempo real con trazabilidad.
- Mejora frente a métricas simplificadas como el ACWR.
- Integra datos de forma comprensible para el cuerpo técnico.
Validación en élite y utilidad para los cuerpos técnicos
El desarrollo ha contado con la participación de Moisés de Hoyo Lora, preparador físico del Aston Villa FC, y con datos reales, anónimos, de un equipo que compite en LaLiga y torneos UEFA. En estas validaciones, la FWF superó al ACWR en ROC-AUC, Precisión-Recall y Geometric Mean, indicadores de referencia en evaluación de modelos.
Para preparadores físicos, readaptadores y servicios médicos, el sistema aporta una ventaja operativa: permite visualizar las cargas que acumula cada jugador y ajustar el trabajo de campo o el retorno tras lesión con una base empírica sólida, minimizando el riesgo en semanas de alta exigencia.
El panorama competitivo, además, empuja a innovar: los partes médicos crecen con un 32% más de lesiones en LaLiga y un 4% en las grandes ligas europeas, y más de la mitad de los futbolistas supera los 55 partidos por temporada. Este escenario se traduce en más problemas musculares y roturas de ligamento cruzado.
Mirando a medio plazo, los investigadores proyectan sistemas de alerta temprana basados en la FWF y bases de datos compartidas entre clubes, federaciones y centros de investigación, con intercambio anónimo y seguro. El modelo también admite variables fisiológicas, nutricionales y psicológicas, y es adaptable a otros deportes de equipo e incluso a disciplinas individuales.
Con el respaldo de la comunidad científica y su validación en fútbol profesional, la ‘Huella del Futbolista’ se posiciona como una herramienta práctica para prevenir lesiones, incluyendo la correcta colocación de espinilleras, y optimizar decisiones en calendarios cada vez más exigentes, sin caer en promesas grandilocuentes y apoyándose en datos medibles.
