INTRODUCCIÓN

La tendinopatía rotuliana, comúnmente conocida como “rodilla del saltador”, es una lesión prevalente en atletas que realizan actividades con saltos repetitivos y cargas elevadas sobre el tendón rotuliano, como el básquet y el voleibol. Esta condición se caracteriza por dolor localizado en el polo inferior de la rótula y puede llevar a una disminución significativa del rendimiento deportivo e, incluso, a la incapacidad para competir^1,2.

En los últimos años, el aprendizaje automático ha emergido como una herramienta prometedora en el ámbito de la ortopedia y la traumatología, ofreciendo nuevas perspectivas para el diagnóstico, tratamiento y pronóstico de diversas patologías tendinosas³, por ejemplo, se ha desarrollado un sistema de aprendizaje profundo para la medición automática de la altura rotuliana, demostrando una precisión comparable a la de radiólogos experimentados¹. Además, se ha implementado esta herramienta para analizar imágenes ecográficas en escala de grises del tendón rotuliano, clasificándolas como normales o con tendinopatía, con una precisión cercana al 83 %, similar a la de clínicos expertos⁴.

Mendonça et al. identificaron que factores de la cadera y el pie/tobillo, como la rotación interna de cadera y la alineación pierna-antepié, se asocian con tendinopatía rotuliana en atletas. Mediante árboles de decisión, se logró clasificar con buena precisión la presencia de la lesión. El estudio destaca la utilidad de enfoques no lineales para detectar perfiles de riesgo más allá de los factores locales de rodilla⁵. Adicionalmente, redes neuronales convolucionales han sido utilizadas para descubrir signos tempranos de tendinopatía en imágenes de ultrasonido del manguito rotador, lo que ha demostrado que estas técnicas pueden aplicarse de manera similar en el estudio del tendón rotuliano⁶.

Uno de los mayores desafíos en la prevención de la tendinopatía rotuliana en atletas de alto rendimiento es la identificación temprana de factores de riesgo. Recientes avances en el análisis biomecánico y de imágenes médicas han permitido la detección de patrones que podrían predisponer a los deportistas a esta lesión. Se ha probado que los modelos de aprendizaje profundo pueden analizar dinámicas de salto y cambios en la biomecánica de la rodilla para predecir posibles lesiones^7,8.

A pesar de los avances en la evaluación clínica y en el uso de modelos de aprendizaje automático para el análisis de lesiones deportivas, la literatura actual presenta una limitada aplicación de estos métodos en poblaciones específicas, como los jugadores de básquet. En particular, no se han desarrollado modelos predictivos que integren variables clínicas, funcionales y ecográficas para estimar el riesgo de tendinopatía rotuliana en esta población. Este trabajo busca cubrir ese vacío, proponiendo un enfoque basado en aprendizaje automático que permite identificar atletas en riesgo mediante herramientas accesibles y de aplicación clínica directa.

Objetivos

Desarrollar un modelo de machine learning para predecir el riesgo de tendinopatía rotuliana en jugadores de baloncesto, utilizando variables clínicas, biomecánicas, antropométricas y de carga de entrenamiento.

MATERIALES Y MÉTODOS

Se realizó un estudio observacional, descriptivo y transversal con el objetivo de desarrollar un modelo de machine learning (ML) capaz de predecir la probabilidad de tendinopatía rotuliana en jugadores de baloncesto de alto rendimiento. La recolección de datos se llevó a cabo entre septiembre y octubre de 2024, en coincidencia con el período preparatorio de la temporada. La muestra fue seleccionada por conveniencia, en función de la disponibilidad de los equipos durante el período de recolección de datos.

La muestra estuvo conformada por ochenta y un jugadores (ciento sesenta y dos rodillas) de seis equipos de básquet profesionales y semiprofesionales de la Liga Nacional A, el Torneo Nacional de Ascenso y la Liga Federal. Se incluyeron jugadores de dieciocho años o más, con participación en entrenamientos y competencias durante el período de estudio, quienes firmaron el consentimiento informado. Se excluyeron aquellos con lesiones previas de rodilla que impidieran la práctica deportiva normal, cirugías previas en la rodilla evaluada, uso de corticosteroides en los tres meses previos al estudio o presencia de patologías sistémicas o metabólicas que afectaran la salud musculoesquelética.

Las variables analizadas incluyeron medidas antropométricas, clínicas, deportivas y ecográficas. Se registraron la altura, el peso y el índice de masa corporal (IMC), así como la posición en el campo, las horas de entrenamiento semanales y los años de experiencia profesional. La variable “posición en el campo” fue codificada numéricamente en cinco categorías: base (1), ayuda base (2), alero (3), ala-pívot (4) y pívot (5).

A nivel clínico, se evaluó la función y el dolor mediante la puntuación VISA-P (Victorian Institute of Sport Assessment for Patellar Tendinopathy) y la escala de dolor EVA (Escala Visual Analógica). Para el análisis estructural del tendón rotuliano, se realizaron mediciones ecográficas del diámetro anteroposterior en dos puntos: a 5 mm (AP5) y 10 mm (AP10) del polo inferior de la rótula, obtenidas mediante un transductor lineal de alta frecuencia (7-15 MHz). Se calculó, además, el índice AP Ratio (AP5/AP10) como un marcador de engrosamiento tendinoso.

Los procedimientos incluyeron la administración del cuestionario VISA-P y la realización del Single Leg Squat Test (SLS) para evaluar estabilidad y funcionalidad. Posteriormente, se efectuaron ecografías de ambos tendones rotulianos con la rodilla en flexión de 90° mediante protocolos estandarizados de ganancia y profundidad, y se determinó el diámetro anteroposterior del tendón rotuliano a 5 y 10 mm del polo distal de la rótula.

Para el desarrollo del modelo de machine learning, los datos fueron procesados en Google Colab utilizando Python y las librerías Pandas, NumPy y Scikit-Learn. Se eliminaron columnas irrelevantes y las variables categóricas se transformaron en numéricas. El 6.8 % de los datos presentaban valores nulos en alguna de las variables consideradas, los cuales fueron imputados con la media correspondiente. La variable dependiente se definió a partir del puntaje VISA-P, para el que se establecieron tres categorías: asintomáticos (VISA-P ≥90), en riesgo (VISA-P 80-89) y sintomáticos (VISA-P <80).

Para la clasificación de la variable “Diagnóstico” se utilizó el algoritmo de agrupamiento K-Means. Inicialmente, se aplicó sobre la variable “Score” del conjunto de datos, definiendo tres clusters. Los grupos resultantes fueron denominados “Asintomático”, “En Riesgo” y “Sintomático”, en función de la distancia de cada punto de datos al centroide correspondiente. Posteriormente, se realizó una segunda clasificación empleando K-Means sobre las variables “Score” y “EVA”, manteniendo la agrupación en tres clusters.

Para evaluar la distribución de los datos, se generaron representaciones gráficas en un plano cartesiano, en las cuales la posición de cada centroide sirvió como criterio de clasificación (Fig. 1).

Los datos fueron divididos en un conjunto de entrenamiento (80 %) y otro de prueba (20 %) mediante la función train_test_split de Scikit-Learn. Para asegurar una representación equilibrada de cada clase en el conjunto de entrenamiento y prueba, se aplicó estratificación según la variable “Diagnóstico”. La evaluación del modelo se hizo por medio de métricas estándar de clasificación, incluidas la matriz de confusión, el F1-score y la precisión global (accuracy).

Con el objetivo de predecir el riesgo de tendinopatía rotuliana en jugadores de básquet de alto rendimiento, se desarrolló un modelo de machine learning basado en el algoritmo Random Forest (RF). Este fue seleccionado por su robustez frente al sobreajuste, su capacidad para manejar variables no lineales y por su interpretabilidad, especialmente útil en contextos clínicos.

El conjunto de datos incluyó variables clínicas, funcionales y ecográficas que permitieron clasificar a los atletas en tres categorías: asintomáticos, en riesgo y sintomáticos, utilizando como referencia clínica el score VISA-P. Dado el desbalance de clases, se incorporó el parámetro class_weight=”balanced” para compensar esta distribución.

El protocolo del siguiente estudio fue aprobado por el Comité de Ética de nuestra Institución y todos los pacientes firmaron un consentimiento informado aceptando su participación.

RESULTADOS

El modelo Random Forest fue entrenado inicialmente con las variables seleccionadas por su mayor relevancia clínica y estadística: score VISA-P, AP10, AP5, edad y posición en el campo. En el conjunto de prueba (n = 33), el modelo alcanzó un nivel de precisión del 93.94 %, clasificando correctamente a la mayoría de los jugadores en cada clase. El rendimiento detallado por clase se resume en la Tabla 1, se pueden observar los valores de precisión, recall y F1-score para cada una de las clases (Asintomático, En Riesgo y Sintomático), junto con el soporte o número de casos por clase. El modelo demostró un rendimiento alto y equilibrado, con clasificación perfecta en las clases Asintomático y Sintomático, y un leve descenso en el recall de la clase En Riesgo.

En términos globales, el modelo mostró una precisión promedio ponderada (weighted avg) de 0.95, un recall de 0.94 y un F1-score de 0.94. La matriz de confusión evidenció que todos los casos sintomáticos y asintomáticos fueron correctamente clasificados y solo un caso en riesgo fue clasificado como asintomático (falso negativo), lo cual representa un desafío clínico importante (Fig. 2).

Además del valor global de precisión, se calcularon métricas específicas por clase para evaluar el rendimiento discriminativo del modelo. La clase “Asintomáticos” alcanzó una sensibilidad del 100 %, una precisión del 90 % y una especificidad del 86 %, con un F1-score de 0.95. Para los atletas “En Riesgo”, el modelo mostró una sensibilidad del 78 %, precisión del 100 % y especificidad del 100 %, con un F1-score de 0.88. Finalmente, la clase “Sintomáticos” obtuvo valores perfectos en todas las métricas evaluadas (sensibilidad, precisión, especificidad y F1-score: 100 %). Estos resultados reflejan una capacidad robusta del modelo para distinguir entre los distintos perfiles clínicos, entre los que se destaca, particularmente, su eficacia para detectar correctamente los casos sintomáticos sin generar falsos negativos.

Optimización y validación cruzada del modelo

Para asegurar la estabilidad del modelo y verificar su capacidad de generalización, se realizó una validación cruzada de 10-folds. El nivel de precisión promedio obtenido fue de 93.93 %, con una desviación estándar de apenas 0.0001, lo que sugiere un modelo altamente confiable, con bajo riesgo de sobreajuste. En la Tabla 2 se puede observar cómo cada fold representa una partición distinta de los datos, y en todos los casos el modelo mantuvo un nivel de precisión constante del 94 %. Esta uniformidad en el rendimiento indica una alta estabilidad del modelo y baja variabilidad entre los subconjuntos, lo que refuerza su capacidad de generalización. En el contexto clínico, estos resultados sugieren que el modelo es confiable para predecir el riesgo de tendinopatía rotuliana en diferentes grupos de atletas, sin pérdida de precisión.

Este comportamiento uniforme en todas las particiones del conjunto de entrenamiento valida el uso del modelo Random Forest como una herramienta predictiva sólida para aplicaciones clínicas.

Importancia de las variables predictoras

El análisis de importancia de características (feature importance) reveló que la variable score VISA-P fue la más determinante en el modelo, aportando un 55.3 % de la capacidad predictiva. Le siguieron, en orden descendente, el diámetro del tendón rotuliano a 10 mm (AP10), EVA, edad, y posición en el campo (Fig. 3).

Aplicación clínica: árbol de decisión e interpretación de reglas

Se generó un árbol de decisión simplificado derivado del modelo Random Forest para facilitar su aplicación práctica en entornos clínicos. El flujo de decisiones se inicia con el valor de AP10, seguido por el score VISA-P, las horas de entrenamiento semanales, altura y la prueba funcional SLS. Esta estructura permite clasificar al atleta en una de las tres clases con un razonamiento clínico fácilmente interpretable (Fig. 4).

Ejemplo clínico ilustrativo sobre un caso real

En la Tabla 3 se pueden observar los valores de la evaluación de un caso real: un base (1) de equipo de Liga Nacional A.

Ruta seguida en el árbol de decisión

El árbol de decisión ubica al jugador en la categoría de “Sintomático”, a pesar de no presentar alteraciones funcionales severas en el SLS, esto se debe a:

DISCUSIÓN

En el presente estudio se desarrolló un modelo de machine learning basado en el algoritmo Random Forest para predecir el riesgo de tendinopatía rotuliana en jugadores de básquet de alto rendimiento. El modelo, entrenado con variables clínicas, funcionales y ecográficas, alcanzó un desempeño sobresaliente con una exactitud del 93.94 % en el conjunto de prueba y una validación cruzada 10-fold con un nivel de precisión (accuracy) promedio de 94 %, sin evidencias de sobreajuste. Estos resultados destacan el potencial del modelo como herramienta predictiva en entornos clínicos y deportivos.

La aplicación de modelos de aprendizaje automático (ML) para la predicción de tendinopatías ha sido abordada en investigaciones recientes, principalmente mediante técnicas de deep learning e imagenología.

Por ejemplo, una revisión sistemática y metaanálisis evaluó el rendimiento de modelos de redes neuronales en el diagnóstico de patologías tendinosas encontrando una sensibilidad del 91 % y especificidad del 95 %, lo que indica un alto grado de precisión en la detección de alteraciones tendinosas⁹. Aunque nuestro modelo no se basa en imágenes, sino en datos clínicos y funcionales, el nivel de precisión obtenido se encuentra en línea con estos estudios, lo cual reafirma la utilidad de los algoritmos clásicos de ML, como Random Forest, en contextos clínicos estructurados.

Otro estudio reciente mostró que los modelos de ML pueden predecir la tendinopatía con alta precisión en poblaciones, tanto de atletas de élite como no élite, aunque resaltan la necesidad de identificar las características clínicas más relevantes para maximizar la capacidad predictiva¹⁰. Este hallazgo es consistente con nuestro enfoque, donde el análisis de importancia de variables permitió identificar factores clave que contribuyeron significativamente al rendimiento del modelo.

En nuestro caso, las variables más influyentes para el modelo fueron:

Estos resultados coinciden con la literatura, que identifica factores como el aumento de la carga de entrenamiento, alteraciones biomecánicas durante el salto y el aterrizaje y deficiencias en la flexibilidad como contribuyentes a la aparición de la tendinopatía rotuliana¹⁵. Además, investigaciones recientes han demostrado que la combinación de herramientas clínicas como el umbral de dolor a la presión (UDP), evaluaciones ecográficas y escalas como VISA-P o EVA mejoran significativamente la precisión diagnóstica en poblaciones deportivas¹⁶.

La elección del algoritmo Random Forest fue acertada dado su buen equilibrio entre desempeño, robustez frente al desbalance de clases y capacidad de interpretación. A diferencia de modelos de caja negra, como redes neuronales profundas, Random Forest permite visualizar las reglas de decisión dominantes, extraer árboles simplificados y comprender el papel de cada variable en el resultado final. Esto es especialmente valioso en el entorno clínico, donde la trazabilidad de la decisión diagnóstica es tan importante como el resultado en sí.

Si bien el modelo demostró un rendimiento excelente en esta cohorte, es importante considerar que el tamaño muestral relativamente reducido (ochenta y un atletas, ciento sesenta y dos rodillas) podría limitar la generalización de los resultados. Modelos de aprendizaje automático pueden sobreajustarse en muestras pequeñas, especialmente en escenarios con desbalance de clases, lo que podría comprometer su desempeño en poblaciones externas.

Diversos autores han destacado la necesidad de contar con grandes volúmenes de datos para garantizar la estabilidad y reproducibilidad de modelos predictivos clínicos. En este sentido, la validación externa en cohortes más amplias y diversas será fundamental para confirmar la utilidad práctica de esta herramienta¹⁶.

La implementación de este modelo podría contribuir significativamente a la detección temprana de jugadores en riesgo, optimizando la prevención de lesiones y mejorando los tiempos de intervención médica.

Además, su estructura permite una fácil adaptación a nuevas variables clínicas, biomecánicas o imagenológicas en estudios futuros.

No obstante, es importante señalar que, si bien los resultados fueron prometedores, el modelo se construyó sobre una muestra de tamaño moderado y centrada exclusivamente en atletas de básquet. Por lo tanto, como ya mencionáramos, futuras investigaciones deberían validar este modelo en poblaciones más amplias y diversas, incluyendo atletas de otras disciplinas y diferentes niveles competitivos. La incorporación de nuevas variables, como marcadores biomecánicos en tiempo real, sensores portátiles o resonancia magnética funcional podría enriquecer la capacidad predictiva del modelo.

CONCLUSIÓN

El modelo Random Forest alcanzó una precisión superior al 93 % y permitió identificar de forma temprana el riesgo de tendinopatía rotuliana en jugadores de baloncesto; el score VISA-P y el AP10 se destacaron como los principales predictores. Su precisión y capacidad de interpretación lo convierten en una herramienta útil para la prevención personalizada en el deporte de alto rendimiento.