Las lesiones son una parte de la vida de los deportistas. En el caso de los profesionales, por la necesidad de llevar cuerpo y mente hasta el límite del rendimiento, lo que con frecuencia los sitúa al borde de la lesión. Hay muchos factores que contribuyen a esto, incluyendo la intensidad de la actividad física (no solo en cuanto a la dureza de las sesiones, sino también a su frecuencia, duración, tiempos de descanso entre partidos, etcétera), historial de lesiones, edad, genética e incluso género.
Hasta ahora, la prevención de las lesiones se ha basado en una mezcla de ciencia y arte, pero los avances en campos como la inteligencia artificial parecen abrir una ventana para poder mejorar por un lado la salud y, por otro, el rendimiento y la longevidad de los deportistas. De hecho, ya hay varias compañías que ofrecen servicios de asesoramiento para intentar prevenir lesiones en diferentes deportes. Por supuesto, si alguien pensaba que la razón es altruista y que tiene su origen en el deseo benefactor de minimizar daño y dolor a esos deportistas o incluso al resto de la humanidad, que se lo haga mirar: como suele suceder, detrás de ello está el dinero. Ingentes cantidades de dinero. Un estudio reciente ha cuantificado el dinero que las lesiones costaron a las franquicias de la NBA durante la temporada 22-23: los 388 jugadores lesionados se perdieron aproximadamente 5.900 partidos, y aun así cobraron durante esos días que no jugaron unos 812 millones de dólares. Más que el presupuesto anual de los ayuntamientos de A Coruña y Vigo juntos, para ponerlo en proporción.
Pero, además, la baja de un deportista puede afectar profundamente al rendimiento de su equipo: mientras Karl-Anthony Towns, de los Timberwolves, estuvo de baja, su equipo pasó de ser número 16 en eficacia ofensiva a descender al número 28 del ránking, y el efecto económico de ese cambio es difícil de cuantificar, pero también es significativo. No digamos ya si ello supone un descenso de categoría: ¿quién puede cuantificar el efecto que la baja de Álex Bergantiños pudo tener en la ausencia de estabilidad defensiva en el partido de vuelta del play off de ascenso a Primera en Mallorca?
Los sistemas de IA trabajan en escenarios de aprendizaje supervisados, recogiendo datos temporada tras temporada y teniendo en cuenta el número de partidos, tiempos de calentamiento, distancias recorridas, velocidades, percepción subjetiva de nivel de descanso, estrés, incluso colisiones y choques; pero en breve se añadirán otros parámetros como frecuencia cardíaca, analítica sanguínea con niveles hormonales, datos genéticos, etcétera. Todos esos datos se introducen en algoritmos de machine learning, que buscan encontrar patrones comunes, y, cuando el volumen y la calidad de los datos sea suficiente, muy probablemente tendremos mecanismos de predicción bastante precisos. Por ahora, cada compañía está desarrollando su propio algoritmo -secreto, por supuesto- pero la bola de nieve ha empezado a rodar, y se va a ir haciendo cada vez más grande y cada vez más rápido. Por ahora, los expertos advierten que podemos estar viviendo un efecto GIGO, el acrónimo para referirse a que si alimentamos el conocimiento con datos poco fiables o «basura» (Garbage In), lo que obtenemos son resultados e información adornada con cifras y porcentajes complejos pero pobre y falsa, aunque muy bonita (Garbage Out).
Con las cifras de dinero que se mueven en el mundo del deporte profesional y las mejoras de rendimiento individual y colectivo que reducir el número de lesiones por equipo pueden suponer, que nadie dude de que el mercado se va a lanzar a ello en tromba, pero, cuidado, que nos pueden vender GIGO por liebre.