Estudio comparativo de métodos de rehabilitación tradicionales frente a los asistidos por IA para lesiones de miembros inferiores en jugadores de baloncesto: seguimiento semiexperimental de 12 meses
DOI:
https://doi.org/10.47197/retos.v74.118127Palabras clave:
Rehabilitación asistida por IA, jugadores de baloncesto, lesiones de miembros inferiores, métodos de rehabilitaciónResumen
Introducción: La prevención y rehabilitación de lesiones son componentes fundamentales de la ciencia deportiva moderna y la gestión de atletas. Las lesiones deportivas no solo impactan negativamente el rendimiento atlético y la longevidad de la carrera.
Método: Este estudio tiene como objetivo comparar la efectividad de los protocolos de rehabilitación tradicionales versus los programas de rehabilitación modernos asistidos por técnicas de Inteligencia Artificial (IA) en jugadores de baloncesto que sufrieron lesiones en las extremidades inferiores (rodilla, tobillo o musculatura).
Resultado: Los resultados primarios incluyen el tiempo para volver a jugar (RTP), los cambios en los indicadores de rendimiento físico (fuerza muscular, potencia explosiva, equilibrio, precisión de tiro) y las tasas de re-lesión durante un período de seguimiento de 12 meses. Los resultados secundarios examinan la satisfacción del atleta y el clínico con cada protocolo.
Conclusión: El ensayo utiliza medición inicial, evaluaciones posteriores a la intervención a los 3 y 6 meses, y un seguimiento de 12 meses de la re-lesión. Se plantea la hipótesis de que el grupo asistido por IA demostrará un tiempo de RTP más corto, ganancias superiores en las medidas de rendimiento y una menor incidencia de re-lesión en comparación con el grupo tradicional. Estos hallazgos pueden informar la práctica de rehabilitación en el deporte y respaldar la adopción basada en evidencia de herramientas de IA en los programas de recuperación de atletas.
Referencias
Adetiba, E., Iweanya, V. C., Popoola, S. I., Adetiba, J. N., & Menon, C. J. C. E. (2017). Automated detection of heart defects in athletes based on electrocardiography and artificial neural. network. 4(1), 1411220. https://doi.org/10.1080/23311916.2017.1411220.
Amendolara, A., Pfister, D., Settelmayer, M., Shah, M., Wu, V., Donnelly, S., . . . Bills, K. (2023). An Over-view of Machine Learning Applications in Sports Injury Prediction. Cureus, 15(9), e46170. https://doi.org/10.7759/cureus.46170.
Andriollo, L., Picchi, A., Sangaletti, R., Perticarini, L., Rossi, S. M. P., Logroscino, G., & Benazzo, F. (2024). The Role of Artificial Intelligence in Anterior Cruciate Ligament Injuries: Current Concepts and Future Perspectives. Healthcare (Basel), 12(3). https://doi.org/10.3390/healthcare12030300.
Arzehgar, A., Seyedhasani, S. N., Ahmadi, F. B., Bagheri Baravati, F., Sadeghi Hesar, A., Kachooei, A. R., & Aalaei, S. (2025). Sensor-based technologies for motion analysis in sports injuries: a scoping re-view. BMC Sports Sci Med Rehabil, 17(1), 15. https://doi.org/10.1186/s13102-025-01063-z.
Babu, A., Thuau, D., & Mandal, D. (2023). AI-enabled wearable sensor for real-time monitored personal-ized training of sportsperson. MRS Communications, 13(6), 1071-1075. https://doi.org/10.1557/s43579- 023-00464-w.
Boltaboyeva, A., Baigarayeva, Z., Imanbek, B., Ozhikenov, K., Getahun, A. J., Aidarova, T., & Karymsa-kova, N. (2025). A Review of Innovative Medical Rehabilitation Systems with Scalable AI-Assisted Platforms for Sensor-Based Recovery Monitoring. Applied Sciences, 15(12), 6840. https://doi.org/10.3390/app15126840
Calderón-Díaz, M., Silvestre Aguirre, R., Vásconez, J. P., Yáñez, R., Roby, M., Querales, M., & Salas, R. (2024). Explainable Machine Learning Techniques to Predict Muscle Injuries in Professional Soccer Players through Biomechanical Analysis. 24(1), 119. https://doi.org/10.3390/s24010119.
Cancino-Jiménez, J., Moya-Jofre, C., Araya-Ibacache, M., Retamal-Espinoza, M., Arriagada-Tarifeño, D., Cifuentes-Silva, E., Miarka, B., & Aedo Muñoz, E. (2025). Two different techniques for the recon-struction of the anterior cruciate ligament. Which is better concerning postural control? . Retos, 72, 643-653. https://doi.org/10.47197/retos.v72.114375
Cejudo-Alba, R., Borràs Boix, X., & Martínez Gramage, J. (2025). Methodological protocol of running on a treadmill using IMU in healthy people. Scoping review. Retos, 73, 269-287. https://doi.org/10.47197/retos.v73.116214
Corban, J., Lorange, J. P., Laverdiere, C., Khoury, J., Rachevsky, G., Burman, M., & Martineau, P. A. (2021). Artificial Intelligence in the Management of Anterior Cruciate Ligament Injuries. Orthop J Sports Med, 9(7),23259671211014206. https://doi.org/10.1177/23259671211014206
Desai, V. (2024). The Future of Artificial Intelligence in Sports Medicine and Return to Play. Semin Mus-culoskelet Radiol, 28(2), 203-212. https://doi.org/10.1055/s-0043-1778019.
Ekambaram, D., & Ponnusamy, V. (2023). AI-assisted Physical Therapy for Post-injury Rehabilitation: Current State of the Art. IEIE Transactions on Smart Processing & Computing, 12(3), 234-242. https://doi.org/10.5573/IEIESPC.2023.12.3.234
Gai, X. (2025). Application of flexible sensor multimodal data fusion system based on artificial synapse and machine learning in athletic injury prevention and health monitoring. Discover Artificial In-telligence, 5(1), 31. https://doi.org/10.1007/s44163-025-00254-4.
Gu, C., Lin, W., He, X., Zhang, L., & Zhang, M. (2023). IMU-based motion capture system for rehabilitation applications: A systematic review. Biomimetic Intelligence and Robotics, 3(2), 100097. https://doi.org/10.1016/j.birob.2023.100097.
Guelmami, N., Fekih-Romdhane, F., Mechraoui, O., & Bragazzi, N. L. (2023). Injury prevention, opti-mized training and rehabilitation: how is AI reshaping the field of sports medicine. New Asian Journal of Medicine, 1(1), 30-34. doi: 10.61186/najm.1.1.30.
Guo, X., Liu, P., & Li, T. (2024). Sports Injury Prediction and Prevention: Analysis Methods Based on Big Data and Artificial Intelligence. Paper presented at the 2024 5th International Conference on Big Data & Artificial Intelligence & Software Engineering (ICBASE). https://doi.org/10.1109/ICBASE63199.2024.10762288.
Hernández Oñate, G., Campo, M. Ángel, Calero-Saa, P., & Tierradentro Gómez, L. M. (2025). Functional characteristics in soccer players with and without knee injury history: a cross-sectional study. Retos, 74, 395-405. https://doi.org/10.47197/retos.v74.110951
Hliš, T., Fister, I., & Fister Jr, I. (2024). Digital twins in sport: Concepts, taxonomies, challenges and prac-tical potentials. Expert Systems with Applications, 258, 125104. https://doi.org/10.1016/j.eswa.2024.125104.
Huang, Y., Huang, S., Wang, Y., Li, Y., Gui, Y., & Huang, C. (2022). A novel lower extremity non-contact injury risk prediction model based on multimodal fusion and interpretable machine learning. Front Physiol, 13, 937546. https://doi.org/10.3389/fphys.2022.937546
LaBoone, P. A., & Marques, O. (2024). Overview of the future impact of wearables and artificial intelli-gence in healthcare workflows and technology. International Journal of Information Manage-ment Data Insights, 4(2), 100294. https://doi.org/10.1016/j.jjimei.2024.100294.
Lanotte, F., O'Brien, M. K., & Jayaraman, A. (2023). AI in Rehabilitation Medicine: Opportunities and Challenges. Ann Rehabil Med, 47(6), 444-458. https://doi.org/10.5535/arm.23131.
Leong, W. Y., Leong, Y. Z., & Leong, W. S. (2024). Sports Medicine Protocols: A Comprehensive Guide to Injury Management and Rehabilitation. Paper presented at the 2024 IEEE 6th Eurasia Confer-ence on Biomedical Engineering, Healthcare and Sustainability (ECBIOS). https://doi.org/10.1109/ECBIOS61468.2024.10885452.
Letsholo, T. C., Dawood, M. A., & Boby, F. A. (2025). Incidence and prevalence of injury in adolescent female cricketers. Retos, 74, 383-394. https://doi.org/10.47197/retos.v74.117537
Li, A., & Huang, W. (2024). A comprehensive survey of artificial intelligence and cloud computing appli-cations in the sports industry. Wireless Networks, 30(8), 6973-6984. https://doi.org/10.1007/s11276-023- 03567-3.
Li, W. (2024). A Big Data Approach to Forecast Injuries in Professional Sports Using Support Vector Machine. Mobile Networks and Applications. https://doi.org/10.1007/s11036-024-02377-x.
Luo, Z., Wang, Y., Zhang, T., & Wang, J. (2025). Effectiveness of AI-assisted rehabilitation for musculo-skeletal disorders: a network meta-analysis of pain, range of motion, and functional out-comes. Frontiers in Bioengineering and Biotechnology, 13, 1660524. https://doi.org/10.3389/fbioe.2025.1660524
Mishra, N., Habal, B. G. M., Garcia, P. S., & Garcia, M. B. (2024). Harnessing an AI-Driven Analytics Model to Optimize Training and Treatment in Physical Education for Sports Injury Prevention. Paper presented at the Proceedings of the 2024 8th International Conference on Education and Mul-timedia Technology, Tokyo, Japan. https://doi.org/10.1145/3678726.3678740.
Nurfaiza, M. T., Purnama, S. K., Syaifullah, R., Azizah, A. N., Perdana, S. S., Hazar, F., Saputra, D., & Purwo-to, S. P. (2025). Occurance of injury during ASEAN Paragames Cambodia 2023: a study in Indo-nesia para-athletics team. Retos, 70, 367-374. https://doi.org/10.47197/retos.v70.115164
Qazi, A., & Iqbal, A. (2024). ExerAide: AI-assisted multimodal diagnosis for enhanced sports perfor-mance and personalised rehabilitation. In Proceedings of the IEEE/CVF Conference on Comput-er Vision and Pattern Recognition (pp. 3430-3438). https://openaccess.thecvf.com/content/CVPR2024W/CVsports
Wang, P., Wang, A., & Wang, S. (2025). Integrating multimodal AI technologies for sports injury predic-tion and rehabilitation: Systematic review. Journal of Human Sport and Exercise , 21(1), 22-37. https://doi.org/10.55860/w6j5wc21
Wang, P., Wang, A., & Wang, S. (2026). Integrating multimodal AI technologies for sports injury predic-tion and rehabilitation: Systematic review. Journal of Human Sport and Exercise, 21(1), 22-37. https://doi.org/10.55860/w6j5wc21
Zhang, X., Rong, X., & Luo, H. (2024). Optimizing lower limb rehabilitation: The intersection of machine learning and rehabilitative robotics. Frontiers in rehabilitation sciences, 5, 1246773.https://doi.org/10.3389/fresc.2024.1246773
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2025 Yazan, S, Haddad, Ruba, F Kharashqah, Aysheh, Y, Ababaneh, Ra'ed, R, Bataineh, Tajuddin, A, Alwedyan, Mohammad, F, Alzu’bi, Saed Bani Hani, Hassan, F, Kulaep, Laith, K, Al-Sababha
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Los autores que publican en esta revista están de acuerdo con los siguientes términos:
- Los autores conservan los derechos de autor y garantizan a la revista el derecho de ser la primera publicación de su obra, el cuál estará simultáneamente sujeto a la licencia de reconocimiento de Creative Commons que permite a terceros compartir la obra siempre que se indique su autor y su primera publicación esta revista.
- Los autores pueden establecer por separado acuerdos adicionales para la distribución no exclusiva de la versión de la obra publicada en la revista (por ejemplo, situarlo en un repositorio institucional o publicarlo en un libro), con un reconocimiento de su publicación inicial en esta revista.
- Se permite y se anima a los autores a difundir sus trabajos electrónicamente (por ejemplo, en repositorios institucionales o en su propio sitio web) antes y durante el proceso de envío, ya que puede dar lugar a intercambios productivos, así como a una citación más temprana y mayor de los trabajos publicados (Véase The Effect of Open Access) (en inglés).
Esta revista sigue la "open access policy" de BOAI (1), apoyando los derechos de los usuarios a "leer, descargar, copiar, distribuir, imprimir, buscar o enlazar los textos completos de los artículos".
(1) http://legacy.earlham.edu/~peters/fos/boaifaq.htm#openaccess
