Decidere quando un atleta può tornare in partita dopo un trauma cranico rende molto complicata la gestione del trattamento delle commozioni cerebrali sportive. Gli scienziati stanno insegnando alle macchine come prevedere il tempo di recupero da commozioni cerebrali sportive legate a sintomi come mal di testa, vertigini e stanchezza. I risultati del loro studio possono essere utilizzati come base per un sistema di supporto decisionale che aiuti i medici a sviluppare un trattamento individualizzato per gli atleti feriti.

L’incidenza di commozioni cerebrali nello sport è ben nota. Così anche la sfida che i medici e i ricercatori affrontano quando devono decidere quando un atleta può tornare in partita dopo un trauma cranico. Mentre la maggior parte degli atleti recupera da una commozione  cerebrale sportiva in circa sette a 10 giorni, alcuni hanno bisogno di più tempo. Questa situazione rende molto complessa la gestione del trattamento delle commozioni cerebrali sportive.

Ricercatori del College of Engineering and Computer Science della Florida Atlantic University e di SIVOTEC Analytics a Boca Raton e collaboratori hanno escogitato una nuova soluzione. Stanno insegnando alle macchine come prevedere il tempo di recupero da commozioni cerebrali sportive correlate a sintomi come mal di testa, vertigini e stanchezza.

Il loro studio, pubblicato nel giornale della American College of Sports Medicine, Medicine & Science in Sports & Exercise, può essere utilizzato come base per un sistema di supporto decisionale che aiuti i medici a sviluppare un trattamento individualizzato per gli atleti feriti. Questa ricerca fa anche parte di un più ampio sforzo continuo da parte del team per sviluppare modelli di apprendimento automatico per diagnosticare, monitorare e trattare una serie di problemi di salute del cervello.

Gli scienziati stanno insegnando alle macchine come prevedere il tempo di recupero di un'atleta da commozioni cerebrali sportive

kiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiii

Usando i dati del National Athletic Treatment, Injury and Outcomes Network (NATION), un programma di sorveglianza degli infortuni sugli studenti-atleti delle scuole superiori, i ricercatori hanno esaminato i dati su 2.004 incidenti cerebrali in 22 sport, osservando dove si sono verificate principalmente le lesioni. Hanno scoperto che più della metà delle commozioni cerebrali è avvenuta nel football americano.

Con queste informazioni, hanno creato un nuovo set di dati sugli infortuni concussivi nel calcio e in altri sport di contatto tra cui wrestling, hockey su prato e basket per ragazzi e ragazze, calcio e lacrosse. Questo nuovo set di dati comprendeva 922 commozioni di calcio e 689 commozioni da altri sport di contatto, per un totale di 1611 incidenti a concussione di tutti gli sport di contatto. Per il set di dati di tutti gli sport di contatto, il numero totale di sintomi riportati per incidente di concussione correlato allo sport variava da zero a 17, con il 55% degli studenti-atleti che riportavano cinque o più sintomi.

I ricercatori hanno implementato un approccio modellistico basato sull’apprendimento automatico della macchina per prevedere il tempo di recupero dei sintomi correlati alla concussione entro 7, 14 e 28 giorni. Hanno esaminato l’efficacia di 10 algoritmi di classificazione nella costruzione dei modelli di previsione, utilizzando il set di dati che rappresenta tre anni di commozioni cerebrali subite da questi studenti-atleti delle scuole superiori nel calcio e negli altri sport di contatto.

Il set di dati mostrava che il sintomo prevalente relativo alla commozione cerebrale sportiva riferita era un mal di testa (94,9 per cento), seguito da vertigini (74,3 per cento), e quindi difficoltà di concentrazione (61,1 per cento). I modelli predittivi basati sui sintomi hanno dimostrato un valore clinico pratico nello stimare i tempi di recupero da concussione legati allo sport. Queste informazioni possono essere particolarmente preziose per gli operatori sanitari nella gestione dei casi di trauma cranico e nella cura del paziente. Oltre al supporto decisionale clinico, questa intuizione può anche aiutare nella pianificazione degli alloggi accademici e delle esigenze della squadra.

Abbiamo introdotto un approccio all’avanguardia e un nuovo strumento clinico per la gestione di commozioni cerebrali sportive, che miglioreranno in modo misurabile con dati sempre più inclusivi“, ha detto Taghi Khoshgoftaar, Ph.D., coautore e professore Motorola nel dipartimento della FAU di Computer and Electrical Engineering and Computer Science, che ha collaborato con l’autore principale Michael F. Bergeron, Ph.D., vicepresidente senior per lo sviluppo e le applicazioni di SIVOTEC Analytics, e Sara Landset, co-autore e dottore di ricerca. studente presso FAU. “Il nostro metodo di apprendimento automatico supervisionato ha dimostrato efficacia e garantisce ulteriori approfondimenti.”

I ricercatori hanno notato che il numero totale di sintomi, sensibilità al rumore o alla luce, difficoltà di concentrazione, insonnia e problemi di equilibrio hanno un valore predittivo prioritario, indicando il loro probabile ruolo di contributo e utilità nei loro modelli. Al contrario, non hanno trovato l’amnesia, l’ipereccitabilità, la perdita di coscienza o l’acufene come candidati rilevanti per facilitare in modo misurabile i modelli più performanti.

È davvero importante essere in grado di identificare tempestivamente quegli atleti che avranno bisogno di più tempo per riprendersi dopo aver subito una commozione cerebrale“, ha detto Bergeron. “La capacità di predire il tempo di recupero utilizzando l’apprendimento automatico aiuterà ad aumentare l’efficacia dell’approccio stratificato all’assistenza, aiutando anche le aspettative realistiche dello studente-atleta, oltre a fornire informazioni e prospettive importanti per genitori, allenatori e insegnanti“.

I collaboratori dello studio, “Machine Learning in Modeling High School Sport Concussion Symptom Resolve“, sono Nemours Children’s Hospital, Division of Neurosurgery di Orlando; Cedars-Sinai Kerlan-Jobe Center for Sports Neurology a Los Angeles; e Datalys Center for Sports Injury Research and Prevention, Inc. a Indianapolis.

Questa nuova applicazione dell’apprendimento automatico della macchina all’epidemiologia della concussione sportiva è un passo importante nell’avanzamento dell’approccio nella gestione clinica di una condizione complessa“, ha detto Stella Batalama, Ph.D., preside del College of Engineering and Computer Science della FAU. “L’apprendimento automatico supervisionato ha il potenziale per rivelare in modo più efficace schemi significativi e intuizioni vitali potenzialmente uniche nel complesso complesso interdipendente di determinanti clinici nell’anticipare il recupero dei sintomi da concussione e una miriade di altri aspetti nella gestione delle commozioni cerebrali“.


Riferimenti:

  1. Michael F. Bergeron, Sara Landset, Todd A. Maugans, Vernon B. Williams, Christy L. Collins, Erin B. Wasserman, Taghi M. Khoshgoftaar. Machine Learning in Modeling High School Sport Concussion Symptom ResolveMedicine & Science in Sports & Exercise, 2019; 1 DOI: 1249/MSS.0000000000001903