Prema studiji provedenoj prije nekoliko godina u Nizozemskoj, ozljede u profesionalnom nogometu pretrpi 62,7 posto igrača. Na tisuću sati provedenih na travnjaku dogodi se u prosjeku 2,8 ozljeda na treninzima te 32,8 na utakmicama. Od svih tih ozljeda akutnih je 68,5 posto. Ponavlja se 8 posto ozljeda te takve ozljede, očekivano, izazivaju dugotrajnije izostajanje s terena nego one koje se događaju prvi put. Čak 82,9 posto otpada, logično, na donje ekstremitete. Na izostanak s terena najviše utječu ozljede koljena, zbog njih se s terena izostaje u prosjeku 45 dana.
Ipak je najčešća dijagnoza ozljeda mišića i tetiva donjih ekstremiteta, 32,9 posto. Nogomet je sport kojim se danas bavi najveći broj stanovnika Zemlje, više od 200 milijuna ljudi u 211 nacije i teritorija, koliko danas broji Fifa. Ozljede su onaj ključni ali nesretni dio najljepše igre na svijetu koje presudno utječu na njezin tok, pa i na konačni rezultat utakmice ili cijelog prvenstva. Tako je jedna ovogodišnja studija, odnosno metaanaliza statistika provedena na vremenskom uzorku od 18 godina, 12.000 ozljeda koje su zadobivene tijekom 1,8 milijuna sati igre, zaključila da se prosječni broj ozljeda – smanjuje. I to do sada oko tri posto.
Međutim, nama kao pasioniranim gledateljima nogometa u interesu je da se, barem oni glavni igrači, ne ozljeđuju, odnosno da igraju veliku većinu poglavito onih najbitnijih utakmica. Pogotovo kada se radi o kombiniranom sustavu kakav je ovaj na Euru 2021. na kojem ćemo navijati da Hrvatska barem ponovi uspjeh koji je imala na Svjetskom prvenstvu u Rusiji prije tri godine.
Čimbenici rizika
Da bi se to dogodilo, potrebno je da uvijek Zlatku Daliću na raspolaganju budu oni najbolji u tom trenutku. S kartonima ne možemo ništa, oni su posljedica stila i toka igre. No, ozljede su nešto drugo. Možda. Može li se ozljede zapravo predvidjeti? Znanost tvrdi kako je to moguće korištenjem strojnog učenja, odnosno umjetne inteligencije. Autor je te teze i uz nju povezanog istraživanja Alessio Rossi, nekadašnji perspektivni nogometaš, a danas postdoktorand na Sveučilištu u Pisi gdje prikuplja i analizira nizove podataka kako bi pomogao nogometašima da izbjegnu ozljede. Rossi to čini jer je i sam nekada bio nogometaš, igrao je za mali talijanski USD Olginatese gdje je pokazivao potencijal sve dok ga 2005. nije pokosila i dalju mu karijeru onemogućila teška ozljeda, potrgao je, naime, dva ligamenta u svojem desnom zglobu. U to vrijeme kada se on bavio nogometom kao pomoć u izbjegavanju ozljeda igrač je imao tek trenerovo iskustvo i instinkte. Danas igrači vrhunskih svjetskih klubova na raspolaganju imaju opremu koja je često premrežena različitim tehnologijama poput GPS-a, akcelerometra, žiroskopa i digitalnog kompasa. Onda su tu senzori koji će tijekom treninga bilježiti njihov puls, maksimalne i prosječne brzine trčanja, koliko su u treningu prešli kilometara.
– Pratimo momčad cijelu sezonu, snimamo podatke prikupljene GPS-om za treninga kao i za utakmica. A onda strojno učenje koristimo kako bismo uočili šablone u prikupljenim podacima, ako one postoje. To nam pruža mogućnost procjene vjerojatnosti da će se igrač ozlijediti sljedećih dana ili tjedana, rekao je Rossi u priči koju je o njegovu projektu pripremio Nature.
Podaci ključni za procjenu mogućnosti ozljeda su opterećenje, koliko često igrač trenira, koliko intenzivno. Logika je jasna, točno pogođena količina treniranja može sportaša odvesti i do medalje, ali preopterećeno tijelo može se pobuniti – ozljedom. Uvijek se u obzir kod određivanja treninga uzimalo opće stanje sportaša ili nogometaša, no sada puno preciznije mogu proračunati kolika je mogućnost da se igrač ozljedi u sljedećoj utakmici, sljedećeg tjedna ili mjeseca. Jedna druga studija iz 2016. godine istražila je glavne čimbenike rizika za ozljede kod sportaša mlađe generacije i onih profesionalnih.
Tamo su pronašli kako je jedna trećina ozljeda zapravo posljedica pretjerivanja te su stoga te ozljede i predvidive. Većina ozljeda traje tjedan dana, ali one koje se ponavljaju, a ova studija utvrđuje čak i veći broj od one s početka teksta, 15 posto, često traži i dulje odmore. Za vrijeme rekonvalescencije igračevo fizičko i mentalno stanje pada pa karijere takvih igrača sklonih ponavljanju ozljeda pate zbog stjecanja reputacije igrača sklonog ozljeđivanju ili manjka sposobnosti da se oporavi u cijelosti. U toj se studiji iznosi i teza kako ozljeda uzrokuje i dodatno opterećenje na ostatak momčadi koja zbog toga i sama dolazi u rizik ozljeđivanja. No, rekli bismo kako u vrhunskim momčadima ili barem onima koje igraju u najvišim rangovima natjecanja te situacije rješava konkurencija za svako mjesto u momčadi te kvalitetan trener i prateće službe unutar kluba. Svejedno, nije se teško sjetiti barem nekoliko primjera nogometnih fantasta čije su karijere uništile ozljede a bez kojih bi možda dosegli i svjetsku slavu. Međutim, češće nego ne, to nije slučaj u kategorijama koje nemaju tako snažnu logistiku a to su mladi.
Postoje razlike u odgoju i razvoju mladih igrača čak i u vrhunskim klubovima gdje je neko nepisano pravilo kako su ipak najuspješniji oni sastavi u kojima igra veći broj domaćih igrača. Dinamo bi tu bio poprilično dobar primjer, bez obzira na to što tko mislio o sadašnjoj situaciji s vodstvom našeg najboljeg kluba. Ambicija je mladih igrača koji prođu kroz najmlađe selekcije da dođu do prvog sastava i pri tome se nerijetko tijela koja su dobno nespremna na najveće napore izlažu stresu koji nije adekvatan njihovu uzrastu. Ova studija iznosi prosjek od čak 19,4 ozljede na 1.000 sati provedenih na terenu kada se radi o nogometašima mlađih uzrasta. Nužna je tako primjena sličnih metoda koje se danas koriste u vrhunskim momčadima kako se ne bi samo sačuvale karijere već i novac koji je kasnije potreban da bi se izliječila ozljeda te igrač nastavio trenirati ili, u onom gorem slučaju, da uopće može nastaviti dalje u nekoj drugoj karijeri.
Današnje tehnologije dopuštaju da se analiza podataka vrši i u nizu drugih sportova, bilo momčadskih, bilo individualnih u svrhu unapređenja ne samo rezultata već i trajanja sportskog vijeka kod natjecatelja. Rossi je u znanstvenom časopisu PLoS ONE objavio studiju nastalu temeljem promatranja 26 elitnih nogometaša kroz 931 individualnih treninga obavljenih u periodu od 23 tjedna. Rad pod imenom Effective injury forecasting in soccer with GPS training data and machine learning ne otkriva o kojem se točno sastavu radi, tek da je to vrhunski talijanski klub te da su u tom istraživanju sudjelovali i stručnjaci FC Barcelone, no tek kao suradnici te sama Barcelona nema s tim veze. Vodstvo je kluba, nažalost, od Rossija tražilo da ime kluba kao i bilo čega što bi to otkrilo ostane anonimnim.
Kako god bilo, ta je studija prepoznala 12 varijabli koje utječu na mogućnost ozljede kod igrača vrhunskog nogometnog kluba. Među njima su ukupno pretrčana udaljenost, udaljenost pretrčana brzinom većom od 5,5 m/s, broj visokointenzivnih ubrzanja i usporenja, sve, dakle, ono što tijelo izlaže dodatnom stresu. Jasno je kako se te varijable razlikuju u odnosu na sport. Kao primjer naveden je baseball u kojem se senzorima opremljenim rukavima mjeri kut zgloba, brzina izbacivanja loptice i zbog toga postignut stres, dok su kod klizačica i klizača bitniji kukovi.
Može se mjeriti gotovo sve
Tehnologijom je danas moguće mjeriti gotovo sve, od pulsa do kvalitete sna, svega što je bitno za optimalnu tjelesnu pripremljenost sportaša koja onda znači i smanjenje mogućnosti ozljede. Ambicioznije studije uključit će i kontekstualizirane podatke poput raspoloženja, BMI-ja, ranijih ozljeda pa i koliko je tekućine sportaš popio u promatranom razdoblju ili koliko su putovali autobusom ili avionom do sljedećeg borilišta. Strojno učenje je, međutim, tehnologija kojom se svi ti podaci čine doista učinkovitima i daleko iskoristivijima.
Alessio Rossi je u svojem istraživanju za parametre uzeo prijašnje zdravstvene probleme promatranih sportaša, ukupnu udaljenost koju su prevalili u treningu, udaljenost koja je napravljena pri velikoj brzini. Sustav je nizom upita na dobivene podatke uspio predvidjeti 80 posto ozljeda a čak je za istegnuća i nategnuća bio u pravu praktično svaki puta. Taj model u tri točke koji je osmislio talijanski znanstvenik koriste i drugi ali s nizom upita koji uključuju i potpitanja kako bi se prognoze još i poboljšale. Duboke neuralne mreže tehnologija o kojoj se svako toliko nešto čuje, a u upotrebi je i na ovom polju iako sam Rossi ne misli da će u sportu dati tako sjajne rezultate kakve daje na nekim drugim poljima. I to zato što se kroz primjenu dubokih neuralnih mreža dobiva tek konkretan odgovor na pitanje ‘ozljeda, da ili ne’, ali ne i odgovor na pitanje ‘zašto’. Ovakav nešto jednostavniji algoritam može dati i takav odgovor te ga daje na razumljiv način. Naprosto, bez odgovora na pitanje ‘zašto’ nema ni odgovora na pitanje ‘kako spriječiti ozljedu’.
K tome, analize kod momčadi nude daleko bolju preciznost nego analize pojedinca naprosto zbog količine podataka koji se može dobiti. Automatizaciju analize jako je teško dobiti kod individualnih sportova poput atletike ili klizanja. Dok se ne dosegne dovoljan broj sportaša iz takvih sportova koji su voljni nositi senzore i druge tehnologije, teško će se moći primjenjivati tehnike predviđanja ozljeda. Prikupljanje svih postojećih podataka jedno je od rješenje, ali vjerojatno i nedostižno, a tu je i problem što nisu baš svi treneri skloni primjeni tehnologije na svojim sportašima. Oni su, na kraju krajeva, ti koji odlučuju hoće li se i na koji način promijeniti trening pojedinog sportaša kojega vode.
hoće - hoće! Samo će si Messi i Ronaldo to moći priuštiti, a Jura iz Odranskog Obreža - frišku figu!