L’apprentissage automatique peut-il être utilisé pour prévenir une blessure au LCA ?

Une étude de l’Université de Jyväskylä a examiné la possibilité d’utiliser l’apprentissage automatique pour prédire le risque de lésion du LCA.

Les lésions du ligament croisé antérieur (LCA) sont fréquentes chez les sportifs et leur prévention est très importante dans les sports d’élite. Plusieurs facteurs de risque de blessure ont été reconnus dans des recherches antérieures. Cependant, la prédiction des lésions du LCA a été un sujet de controverse.

La blessure au LCA est l’une des blessures au genou les plus courantes, survenant à la suite d’une surextension de la partie inférieure de la jambe. La blessure est particulièrement fréquente chez les sportifs car elle est souvent causée par un changement brusque de direction ou lors d’une collision.

Une blessure au LCA peut avoir de graves conséquences sur les sportifs

Lorsque le LCA est déchiré, le genou peut devenir instable et perdre toute son amplitude de mouvement. Cela rend certains mouvements, comme tourner sur place, difficiles à réaliser. Par conséquent, certains sports peuvent être impossibles à pratiquer après une blessure au LCA.

Des chercheurs de la Laboratoire d’intelligence numérique de la santé de l’Université de Jyväskylä collaboré avec des chercheurs du École norvégienne des sciences du sport pour voir s’ils pouvaient prédire le risque de blessure au LCA chez les athlètes individuels en utilisant l’apprentissage automatique.

« Les méthodes d’apprentissage automatique utilisées dans l’étude ont réussi à prédire les blessures avec une précision globale d’environ 65 %. Le résultat était statistiquement significatif, mais en pratique, la capacité prédictive est si faible qu’elle n’est pas utile dans l’évaluation clinique pratique des lésions du LCA », a déclaré Susanne Jauhiainen, qui a mené l’étude.

Développer des applications d’intelligence artificielle, pour mener des expériences médicales grâce à l’apprentissage automatique, est devenu relativement facile dans le secteur de la santé, grâce à une meilleure accessibilité des outils. Cela a facilité la production aléatoire de modèles de prédiction et de classification prometteurs.

« Une partie centrale de l’étude consistait également à développer un processus qui garantirait la qualité et la fiabilité des résultats pour des tests complets des modèles d’IA. Cette approche a déjà été appliquée dans une précédente étude sur les blessures menée avec l’institut UKK », a ajouté Jauhiainen.

L’apprentissage automatique n’est pas prêt à prédire les blessures

Les chercheurs ont analysé les données du vaste projet de recherche sur les blessures de l’École norvégienne des sciences du sport, qui constitue le plus grand ensemble de données recueillies sur le terrain. Les données concernaient les femmes professionnelles du handball et du football en Norvège. Au total, 880 athlètes ont participé à l’étude.

Malgré un ensemble de données aussi vaste et complet et l’utilisation de plusieurs méthodes d’apprentissage automatique, l’étude n’a pas pu prédire suffisamment bien les lésions du LCA, selon les chercheurs.

« Même si nous avons en quelque sorte échoué cette fois, on ne peut pas dire que l’apprentissage automatique et l’intelligence artificielle ne peuvent toujours pas prédire les blessures à l’avenir. Le résultat est utile car il aidera les chercheurs sur les blessures à progresser vers la collecte de mesures plus pertinentes », a expliqué Jauhiainen.