Scalable Injury-Risk Screening in Baseball Pitching From Broadcast Video

Este trabajo presenta un pipeline de video monoculares basado en DreamPose3D que recupera métricas biomecánicas precisas de grabaciones de transmisión en vivo para realizar una detección escalable del riesgo de lesiones en lanzadores de béisbol, logrando un rendimiento comparable a los sistemas de captura de movimiento de estadio y demostrando su eficacia en la predicción de cirugías como la de Tommy John.

Lo esencial

Imagina que el brazo de un lanzador de béisbol es como una máquina de alta precisión que, si no se ajusta bien, puede romperse. Los expertos saben que para prevenir lesiones, necesitan medir exactamente cómo se doblan las rodillas, cómo gira la cadera y qué ángulo tiene el codo en cada milisegundo del lanzamiento.

El problema es que, hasta ahora, para obtener estas medidas precisas, tenías que llevar al jugador a un laboratorio costoso lleno de cámaras especiales y sensores pegados a su cuerpo (como un traje de espía). Esto es imposible de hacer en escuelas, ligas amateurs o incluso en muchos estadios profesionales donde solo hay una cámara de televisión.

La solución de este paper es como un "detective de video" que puede ver lo invisible.

Aquí te explico cómo funciona, paso a paso, con analogías sencillas:

1. El Problema: Ver el movimiento en una foto borrosa

Cuando ves un lanzamiento en la televisión, la cámara está lejos, el brazo se mueve tan rápido que se ve borroso, y a veces el cuerpo del jugador tapa sus propias extremidades. Si intentas medir los ángulos directamente de ese video, los números salen mal, como intentar medir la altura de una persona con una regla de goma.

2. La Magia: El "Arquitecto Virtual" (La Pipeline)

Los autores crearon un sistema de inteligencia artificial que toma ese video de TV y hace tres cosas mágicas para convertirlo en datos científicos:

• El "Ancla" (Levantamiento Global): Imagina que el sistema de IA primero ve al jugador como si flotara en el vacío. El sistema añade un "ancla" invisible: la cadera. Calcula exactamente cómo se mueve la cadera por el campo (como si fuera un GPS) para que el jugador no parezca que se desliza por el suelo como un fantasma.
• El "Artesano de Huesos" (Refinamiento): A veces, la IA ve que el brazo del jugador se estira y se encoge mágicamente (porque el video es borroso). El sistema actúa como un artesano que sabe que los huesos no se estiran. Si el video dice que el antebrazo creció 5 cm, el sistema lo corrige inmediatamente para que tenga el tamaño real y constante, como si ajustara un maniquí.
• El "Espejo de Simetría": Los humanos somos mayormente simétricos. Si el video muestra que el brazo derecho es mucho más largo que el izquierdo por un error de cámara, el sistema usa el brazo izquierdo para corregir al derecho, asegurando que todo tenga sentido físico.

3. El Resultado: 18 Reglas de Oro

Después de limpiar el video y corregir los errores, el sistema calcula 18 medidas clave (como el ángulo de la rodilla, la separación entre cadera y hombro, etc.).

• La prueba de fuego: Lo probaron con 13 lanzadores profesionales comparando sus resultados con las cámaras de laboratorio de alta tecnología.
• El éxito: ¡Funcionó! En 16 de las 18 medidas, el error fue menor que el grosor de un cabello (menos de 1 grado de diferencia). Es como si pudieras medir la altura de una persona con una cinta métrica desde 100 metros de distancia y acertar al milímetro.

4. El Propósito: El "Semáforo de Seguridad"

¿Para qué sirve todo esto? Para predecir lesiones.
El sistema toma esas medidas y las compara con miles de historiales médicos. Funciona como un semáforo de riesgo:

• Si un lanzador tiene un movimiento de cadera muy extremo en el 10% de sus lanzamientos más duros, el sistema pone una luz ROJA.
• Esto permite a los entrenadores decir: "Oye, tu brazo está en peligro, vamos a descansar un poco o corregir tu técnica antes de que te rompas el ligamento (la famosa cirugía Tommy John)".

En resumen

Este trabajo es como haber inventado una cámara de rayos X para el deporte que solo necesita una grabación de TV normal.

Antes, solo los equipos millonarios podían ver los "huesos" y "ángulos" de sus jugadores para evitar lesiones. Ahora, con este sistema, cualquier entrenador en cualquier parte del mundo puede usar el video que ya tiene para proteger la salud de sus atletas, democratizando la seguridad en el béisbol. Es pasar de necesitar un laboratorio de $500,000 a usar el video que ya tienes en tu computadora.

Resumen técnico

Resumen Técnico: Detección Escalable de Riesgo de Lesiones en Lanzadores de Béisbol

1. El Problema

La predicción y prevención de lesiones en el lanzamiento de béisbol dependen críticamente de señales biomecánicas precisas (flexión de articulaciones, orientaciones del tronco y la pelvis, separación cadera-hombro, etc.). Actualmente, la "norma de oro" para medir estos datos son los sistemas de seguimiento óptico multicámara (como Hawk-Eye), instalados en estadios profesionales.

• Limitaciones: Estos sistemas son extremadamente costosos (entre $150,000 y $500,000 por estadio) y no están disponibles fuera del nivel profesional.
• Brecha: Ligas amateur, programas universitarios y entrenadores individuales carecen de la infraestructura necesaria para obtener retroalimentación cinemática fiable, lo que impide la detección temprana de riesgos de lesiones y la corrección mecánica dirigida.
• Desafío Técnico: Recuperar métricas biomecánicas precisas a partir de un solo video de transmisión (monocular) es difícil debido a la borrosidad por movimiento, artefactos de compresión, oclusiones frecuentes y deformaciones extremas propias de la mecánica de lanzamiento.

2. Metodología

Los autores proponen una tubería (pipeline) de video monocular que recupera 18 métricas biomecánicas clínicamente relevantes. El proceso se basa en DreamPose3D y se refina mediante dos módulos principales:

A. Módulo de Elevación de Pelvis a Global (PGLM)

• Los modelos de pose 3D suelen estar anclados a la pelvis y no proporcionan la traslación global del cuerpo.
• Se introduce un módulo ligero basado en un transformador (estilo BERT) que estima la trayectoria global de la pelvis utilizando la velocidad relativa.
• Estrategia de inferencia: Para evitar la deriva (drift) a largo plazo, el modelo se ejecuta en ventanas superpuestas. Se comprometen solo los primeros 10 cuadros de cada ventana antes de avanzar, asegurando continuidad temporal y estabilidad.

B. Pila de Refinamiento de Biomecánica (BRS)
Para convertir las estimaciones de pose crudas (ruidosas) en datos físicamente plausibles, se aplica un proceso de post-procesamiento estructurado:

1. Imposición de Longitud Ósea Constante: Se calcula un esqueleto de referencia y se fuerza a que las longitudes de los huesos permanezcan constantes en cada cuadro, corrigiendo errores de escala.
2. Cinemática Inversa (IK) con Límites Articulares: Se optimizan los ángulos articulares respetando límites fisiológicos específicos para cada lanzador, minimizando el error de reproyección.
3. Suavizado y Simetría: Se aplican filtros para reducir el "jitter" (temblor) y se imponen restricciones de simetría bilateral para huesos como los brazos, reduciendo asimetrías espurias causadas por oclusiones.

C. Cálculo de Métricas y Predicción de Lesiones

• Métricas: Se extraen 18 métricas (flexión de rodilla, ángulos de espinilla, rotación de tronco, separación cadera-hombro, etc.) en momentos clave del lanzamiento (plantado del pie, rotación externa máxima, liberación de la pelota).
• Características de Riesgo: Se agregan estadísticas (media, desviación estándar, percentil 90, rango) de estas métricas, junto con datos de carga de trabajo, demografía e historial médico.
• Modelo de ML: Se utiliza un ensemble (promedio) de Gradient Boosting Machine (GBM), Random Forest balanceado y Regresión Logística L1 para predecir el riesgo de cirugía de Tommy John (reconstrucción del LCU) o lesiones graves de brazo.

3. Contribuciones Clave

1. Pipeline Monocular Escalable: Demostración de que es posible recuperar kinemática de grado clínico a partir de video de transmisión estándar sin hardware especializado.
2. Módulos de Refinamiento (PGLM y BRS): Introducción de técnicas específicas para estabilizar trayectorias globales y garantizar consistencia física (longitud de huesos, límites articulares) en condiciones de video difíciles.
3. Validación Clínica y a Gran Escala:
   • Validación contra datos de seguimiento profesional en 13 lanzadores (156 lanzamientos).
   • Generalización a 119,561 lanzamientos profesionales.
   • Implementación de un modelo de cribado automatizado en 7,348 lanzadores.

4. Resultados

Precisión de las Métricas Biomecánicas:

• De las 18 métricas evaluadas, 16 alcanzaron un acuerdo sub-grado (Error Absoluto Medio - MAE < 1°) comparado con los sistemas de seguimiento profesional.
• Métricas de alto rendimiento:
  • Flexión de rodilla (líder y traseo) y ángulos de espinilla: MAE < 0.5°.
  • Flexión de codo: MAE < 0.5°.
  • Rotación de pelvis y tronco, separación cadera-hombro: MAE < 1°.
  • Coordenadas del centro de gravedad (COG): Precisión de 0.02 a 0.50 pies.
• Limitación: La abducción del hombro mostró un error mayor (6.2° en el brazo lanzador), debido a la dificultad de localizar el centro de la articulación glenohumeral bajo tejidos blandos y ropa en estimación de pose sin marcadores.

Rendimiento del Modelo de Predicción de Lesiones:

• El modelo de cribado automatizado logró un AUC de 0.811 para predecir cirugía de Tommy John y 0.825 para lesiones significativas de brazo.
• Esto supera significativamente a las líneas base de umbral estático (AUC 0.503) y detección de anomalías (AUC 0.633).
• Hallazgos de Importancia: La variabilidad biomecánica (rango y coeficiente de variación) y los valores extremos (Percentil 90) fueron predictores más fuertes que los promedios. El historial médico previo y el volumen de lanzamientos también fueron factores críticos.

5. Significado e Impacto

• Democratización de la Biomecánica: El sistema cierra la brecha entre el valor conocido de la biomecánica para la prevención de lesiones y la escasez de herramientas para medirlas a escala. Permite que equipos amateurs y universitarios accedan a análisis de riesgo de nivel profesional.
• Viabilidad Operativa: Al eliminar la necesidad de hardware costoso y sistemas multicámara, el enfoque basado en video monocular permite una monitorización escalable, periódica y de bajo costo.
• Aplicación Clínica: El sistema proporciona una herramienta accionable para entrenadores y médicos, permitiendo ajustar la carga de trabajo, corregir mecánicas o derivar a evaluación médica basándose en umbrales de riesgo calculados automáticamente.

En conclusión, el trabajo demuestra que, mediante un refinamiento riguroso de la pose 3D, el video de transmisión puede convertirse en una fuente viable y precisa de señales de riesgo de lesiones, transformando la prevención de lesiones en el béisbol de un lujo estadiario a una práctica accesible.