Cross-individual generalizability of machine learning models for ball speed prediction in baseball pitching

Resumen Técnico: Generalizabilidad Interindividual de Modelos de Aprendizaje Automático para la Predicción de la Velocidad de la Bola en el Lanzamiento de Béisbol

Planteamiento del Problema
Si bien el aprendizaje automático (ML) ha demostrado una alta precisión predictiva para resultados de rendimiento deportivo (por ejemplo, velocidad de la bola, altura de salto) cuando se entrena y prueba con datos de los mismos individuos, la generalizabilidad interindividual de estos modelos sigue sin comprenderse bien. Los movimientos atléticos implican una coordinación interarticular compleja y no lineal con una variabilidad interindividual significativa. En consecuencia, los modelos que funcionan bien con los datos de un atleta específico suelen fallar al generalizarse a individuos no vistos. Estudios previos frecuentemente confundieron los datos de entrenamiento y de prueba de los mismos atletas o carecieron de una partición de datos clara, lo que llevó a una posible sobreestimación de la utilidad del modelo en entornos del mundo real. Este estudio aborda esta brecha evaluando rigurosamente qué tan bien pueden los modelos de ML entrenados en un grupo de lanzadores predecir la velocidad de la bola para lanzadores completamente nuevos y no vistos.

Metodología
El estudio utilizó un conjunto de datos de 50 lanzadores a través de cinco niveles competitivos (preparatoria, universitario, industrial, independiente y profesional). Los datos de movimiento fueron capturados utilizando 16 cámaras ópticas (200–500 Hz), y la velocidad de la bola fue registrada mediante TrackMan.

• Preprocesamiento de Datos: Se rastrearon 15 puntos de referencia anatómicos. Los datos fueron filtrados, normalizados temporalmente a 101 fotogramas (que abarcan desde 1.0s antes del lanzamiento hasta 0.2s después del lanzamiento) y reflejados para lanzadores zurdos.
• Arquitectura del Modelo: Se evaluaron dos arquitecturas base: una Red Neuronal de Grafos–Unidad Recurrente (GNN-GRU) y un Transformer. Se probaron seis configuraciones de hiperparámetros para cada una.
• Estrategia de Validación: El método de evaluación principal fue la Validación Cruzada de Dejar un Sujeto Fuera (LOSOCV). En esta configuración, todos los lanzamientos de un lanzador sirvieron como el conjunto de prueba, mientras que los datos de los 49 lanzadores restantes formaron el conjunto de entrenamiento. Esto se repitió 50 veces.
• Análisis Comparativo:
  1. Intraindividual vs. Interindividual: Un subconjunto de los datos se dividió para comparar el rendimiento cuando el entrenamiento y las pruebas se realizan en los mismos individuos frente a diferentes individuos.
  2. Efectos de la Pericia: Los lanzadores fueron categorizados en grupos "Intermedio" (preparatoria/universitario) y "Experto" (industrial/independiente/profesional) para analizar si el nivel de habilidad influía en la magnitud y dirección del error de predicción.
  3. Ablación Espaciotemporal: El estudio restringió sistemáticamente los datos de entrada a regiones corporales específicas (brazo de lanzamiento, brazo líder, tronco, pierna de pivote, pierna líder) y ventanas temporales acumulativas para identificar qué características espaciotemporales impulsan la generalizabilidad.

Resultos Clave

• Declive del Rendimiento: Hubo una caída sustancial en el rendimiento predictivo al pasar de la evaluación intraindividual a la interindividual. El coeficiente de determinación ($R^2$) disminuyó de 0.91 (intraindividual) a 0.38 (interindividual).
• Selección del Modelo Base: Entre los candidatos, un modelo Transformer con 4 cabezales de atención, una dimensión latente de 64 y una dimensión de alimentación hacia adelante (feedforward) de 128 logró el $R^2$ interindividual más alto (0.38) y fue seleccionado para análisis posteriores.
• Sesgo de Pericia: Aunque la magnitud del error absoluto no difirió significativamente entre los grupos experto e intermedio, el error de predicción con signo sí lo hizo ($p < 0.05$). El modelo tendió a sobreestimar la velocidad de la bola de los lanzadores intermedios en comparación con los expertos. Esto sugiere que, para entradas cinemáticas similares, los lanzadores intermedios pueden producir velocidades de salida más bajas debido a una menor eficiencia de movimiento, un factor que el modelo no contabilizó completamente.
• Factores Espaciotemporales:
  • Regiones Corporales: El tronco y la pierna de pivote demostraron la mayor generalizabilidad interindividual. Por el contrario, el brazo líder mostró la menor.
  • Fases Temporales: La pierna de pivote exhibió una generalizabilidad significativa incluso durante la fase de iniciación del cambio de peso ($R^2 > 0.25$). La generalizabilidad para el tronco, la pierna líder y el brazo líder tendió a aumentar a medida que el movimiento progresaba hacia el lanzamiento de la bola, mientras que la pierna de pivote y el brazo de lanzamiento mostraron perfiles de rendimiento en forma de U a lo largo del tiempo.

Significancia y Afirmaciones
Los autores afirman que este estudio subraya la necesidad crítica de la evaluación interindividual para evaluar con precisión la aplicabilidad práctica del ML en la ciencia del deporte. Los hallazgos sugieren que:

1. La Generalizabilidad es Limitada pero Informativa: Aunque el poder predictivo cae significamente entre individuos, la señal restante no es aleatoria; revela consistencias biomecánicas.
2. El Nivel de Habilidad Importa: Los modelos pueden estimar erróneamente el rendimiento de forma sistemática según el nivel de habilidad, potencialmente debido a diferencias en la eficiencia del movimiento. Esta desviación podría utilizarse para cuantificar las capacidades específicas de cada individuo.
3. Impulsores Biomecánicos Centrales: El tronco y la pierna de pivote parecen ser los predictores más consistentes de la velocidad de la bola entre diferentes individuos, incluso en fases tempranas del movimiento. Esto se alinea con el entendimiento biomecánico de que estos segmentos inician la cadena cinética y son menos variables en su rol funcional en comparación con los segmentos distales como los brazos.

El artículo concluye que las futuras aplicaciones de ML en el deporte deben ir más allá de la validación a nivel individual para comprender los determinantes biomecánicos del rendimiento y evitar la sobreestimación de las capacidades de los modelos en poblaciones diversas del mundo real.