Autoencoder Architectures for Athlete Performance Scoring from Wearable Telemetry

Resumen Técnico: Arquitecturas de Autoencoders para la Calificación del Rendimiento de Atletas a partir de Telemetría de Dispositivos Vestibles

Planteamiento del Problema
La proliferación de dispositivos vestibles (wearables) de IoT ha desplazado el desafío principal en la analítica deportiva desde la recolección de datos hacia la síntesis de los mismos. Los corredores generan registros de entrenamiento de alta dimensionalidad y multisensoriales (cinemáticos, fisiológicos y ambientales) que son difíciles de interpretar manualmente para los entrenadores. Los enfoques existentes suelen depender de resúmenes diseñados a mano con pesos fijos, los cuales no logran capturar las interacciones no lineales entre la carga de trabajo, la fatiga y la respuesta cardiovascular (por ejemplo, la caída simultánea del ritmo y el aumento de la frecuencia cardíaca durante una carrera en pendiente). Aunque existen técnicas de reducción de dimensionalidad como el Análisis de Componentes Principales (PCA), estas están limitadas por la linealidad y suelen optimizar únicamente la precisión de la reconstrucción, descuidando la interpretabilidad y la estabilidad de las puntuaciones de rendimiento resultantes. Existe una falta de un marco unificado que comprima la telemetría multisensorial en una puntuación escalar única e interpretable, preservando al mismo tiempo las relaciones fisiológicas no lineales y garantizando la estabilidad en el ranking de las características.

Metodología
El estudio evalúa cinco arquitecturas de reducción de dimensionalidad utilizando un conjunto de datos de 45.836 sesiones de carrera anonimizadas derivadas de la plataforma Golden Cheetah. La entrada consiste en nueve características: ritmo (pace), frecuencia cardíaca promedio, ganancia de elevación, distancia total, cadencia, desacoplamiento aeróbico, edad, peso corporal y sexo.

1. Arquitecturas de Modelos: Se compararon cinco modelos, todos ellos reduciendo la entrada de 9 dimensiones a un cuello de botella unidimensional (puntuación latente):

   • Simple AE: Un mapeo de una sola capa.
   • Medium AE: Entrada → 16 → 1 → 16 → Salida.
   • Deep AE: Entrada → 32 → 8 → 1 → 8 → 32 → Salida.
   • PCA: Una línea base lineal.
   • Autoencoder Variacional (VAE): Un codificador probabilístico con una capa intermedia de 32 dimensiones.
   • Nota de Diseño: Las capas ocultas se mantuvieron anchas (16 o 32 unidades) para asegurar una capacidad de representación suficiente antes del cuello de botella de 1D, distinguiendo así las limitaciones de capacidad de las limitaciones del cuello de botella.

2. Marco de Evaluación:

   • Criterio de Selección Compuesto: La calidad del modelo se evaluó mediante una puntuación ponderada ($Score_{sel}$) que combina la precisión de la reconstrucción y la interpretabilidad de la puntuación latente: $Score_{sel} = \alpha \cdot (1 - MSE_{norm}) + (1 - \alpha) \cdot Q$, donde $\alpha=0.5$, y $Q$ representa la Calidad de la Puntuación Latente.
   • Métricas de Interpretabilidad: Para determinar $Q$, la importancia de las características se midió mediante cuatro métricas: correlación de rango de Spearman, correlación de rango de Kendall, Información Mutua e Importancia de Permutación (utilizando un Random Forest). Estas clasificaciones se agregaron utilizando un conteo de Borda modificado.
   • Estabilidad: Se utilizó validación por Bootstrap (remuestreo con reemplazo) para calcular la probabilidad de que las características aparezcan en los tres primeros puestos y para establecer intervalos de confianza del 95% para los rangos de las características.

Resultos Clave

• Rendimiento de los Modelos: El Deep Autoencoder logró el error de reconstrucción más bajo (MSE = 0.001781) y la puntuación compuesta más alta (0.972).
• Capacidad vs. Cuello de Botella: El ensanchamiento de las capas ocultas del Medium AE mejoró significamente su rendimiento, acercándolo al VAE y al PCA. Esto indica que la limitación en las variantes deterministas anteriores era la capacidad de la capa oculta, no el cuello de botella unidimensional en sí.
• Estabilidad de las Características: A través de todos los modelos y remuestreos de bootstrap, tres características emergieron consistentemente como los impulsores dominantes de la puntuación latente: el ritmo de carrera (pace), el desacoplamiento aeróbico y la frecuencia cardíaca promedio. Estas características alcanzaron una probabilidad de inclusión en el top-3 de 1.000.
• Comparación con la Línea Base Lineal: La puntuación latente del Deep AE está fuertemente correlacionada de forma inversa con una línea base lineal simple (Spearman $\rho = -0.850$). El modelo no lineal priorizó el desacoplamiento aeróbico, un factor omitido por las combinaciones lineales simples de ritmo y frecuencia cardíaca.
• Validez Fisiológica: Las puntuaciones latentes lograron separar a los atletas en grupos fisiológicamente distintos. Los atletas con puntuaciones altas exhibieron ritmos más rápidos (2.2–2.6 min/km), un desacoplamiento aeróbico cercano a cero y frecuencias cardíacas de 125–134 bpm, mientras que los atletas con puntuaciones menores mostraron ritmos más lentos y un aumento significativo de la deriva cardiovascular.

Contribuciones Clave

1. Marco de Evaluación Unificado: El artículo introduce un método para la clasificación no supervisada de atletas que optimiza simultáneamente la precisión de la reconstrucción y la interpretabilidad de la puntuación derivada.
2. Criterio de Selección Compuesto: Propone una métrica de selección que evita la selección exclusiva de modelos basada únicamente en el error de reconstrucción (MSE), favoreciendo así modelos que generen representaciones latentes más interpretables.
3. Ranking de Consenso de Características: El estudio utiliza un conteo de Borda modificado para agregar cuatro métricas distintas de IA Explicable (XAI), proporcionando un consenso robusto sobre la importancia de las características.
4. Evaluación de Estabilidad: Emplea validación por bootstrap para confirmar que los impulsores fisiológicos clave identificados son estables a través de las divisiones de datos y no son artefactos de conjuntos de entrenamiento específicos.

Significancia y Reivindicaciones
El artículo afirma que el marco propuesto logra comprimir la compleja telemetría multisensorial de los corredores en un único indicador de rendimiento interpretable sin requerir resultados etiquetados o pesos definidos por expertos. Los resultados demuestran que los autoencoders profundos pueden recuperar relaciones fisiológicas consistentes con la ciencia del deporte establecida (específicamente los roles del ritmo, la frecuencia cardíaca y el desacoplamiento aeróbico) puramente mediante el aprendizaje no supervisado.

Los autores enfatizan que confiar únicamente en el error de reconstrucción (MSE) es insuficiente para el modelado fisiológico, ya que diferentes arquitecturas pueden producir errores similares pero clasificar a los atletas en órdenes contradictorios. Al integrar verificaciones de interpretabilidad y estabilidad, el marco ofrece una herramienta práctica para que los entrenadores resuman el rendimiento e identifiquen la fatiga o el sobreentrenamiento. El estudio concluye que, si bien los resultados actuales son prometedores, el trabajo futuro requiere validación supervisada contra métricas de verdad fundamental (por ejemplo, VO2max, resultados de carreras) y generalización entre plataformas a otros ecosistemas de dispositivos.