Clasificador de Lesiones de Rodilla

Descripción del Proyecto

Este proyecto representa la segunda fase de un sistema predictivo aplicado al ámbito clínico-deportivo, centrado en el desarrollo de un modelo de machine learning para predecir el riesgo de lesión de rodilla a partir de datos biomecánicos.

Tras evaluar múltiples algoritmos, el modelo Random Forest fue seleccionado por su robustez, interpretabilidad y rendimiento general, optimizado mediante GridSearchCV con validación cruzada.

Este trabajo surge como evolución de la investigación inicial presentada en el 11º Congreso Conjunto AEA-SEROD (Barcelona) (ver certificado), donde se abordó el riesgo global de lesiones musculoesqueléticas. En esta fase, el foco se centra exclusivamente en lesiones de rodilla, destacando la aplicación práctica de la inteligencia artificial en biomecánica.

Contexto del Proyecto

• Fase 1: Diseño y despliegue de un sistema predictivo para lesiones musculoesqueléticas generales (ver repositorio), incluyendo el uso de Google Cloud Platform.
• Fase 2: Enfoque específico en la predicción de lesiones de rodilla mediante algoritmos de clasificación supervisada.

Este proyecto ha sido reconocido a nivel científico, y ha contado con colaboración de equipos médicos y de investigación especializados.

Modelos Evaluados

Se evaluaron diferentes algoritmos de clasificación para determinar el más adecuado según criterios de precisión, recall y capacidad de generalización:

• Random Forest (seleccionado)
• Bagging Classifier
• Decision Tree
• Gradient Boosting Classifier
• Voting Classifier

El modelo final fue optimizado mediante GridSearchCV, empleando validación cruzada con 10 pliegues.

Resultados Clave

• Puntuación media de validación cruzada: 0.669
• Parámetros óptimos:
  • max_depth: 6
  • max_features: 'log2'
  • min_samples_leaf: 1
  • min_samples_split: 2
• Precisión entrenamiento: 0.9779
• Precisión test: 0.7353
• AUC-ROC: 0.7612

Métricas Detalladas:

Clase	Precisión	Recall	F1-score
Sin lesión de rodilla	0.75	0.71	0.73
Lesión de rodilla	0.72	0.76	0.74

Matriz de Confusión:

Conclusión

El modelo Random Forest ofreció el mejor equilibrio entre precisión y generalización en comparación con otros algoritmos evaluados, siendo especialmente efectivo para contextos clínicos en los que el riesgo de lesión debe anticiparse con una base cuantificable y replicable.

Características Utilizadas

Las variables utilizadas incluyen datos antropométricos, biomecánicos y clínicos. Algunas de las más relevantes:

• Antropometría: IMC, altura, peso, edad, talla de calzado
• Cinemática y dinámica: step rate, pace, velocidad, step length, stride angle, power, pronation excursion, vertical GRF rate, vertical spring stiffness, contact ratio, impacto GS
• Tipo de pisada: footstrike type, braking GS, shock
• Variables clínicas: Torsión Femoral Externa, Foot Posture Index (FPI), Hallux Limitus, prueba de Jack, prueba de Thomas, genu recurvatum

Consideraciones Éticas y Confidenciales

Por razones de confidencialidad y protección de datos, los archivos del conjunto de datos (dataset_run.csv y asociados) no están disponibles públicamente. Los datos utilizados pertenecen al equipo de investigación de la Universidad San Jorge de Zaragoza, y forman parte de un estudio clínico en curso.

Para más información o interés en colaboración científica, se recomienda contactar directamente con la institución: www.usj.es.