сотрудник с 01.01.2025 по настоящее время
Москва, Россия
Малаховка, г. Москва и Московская область, Россия
ВАК 3.1.33 Восстановительная медицина, спортивная медицина, лечебная физкультура, курортология и физиотерапия
ВАК 5.8.5 Теория и методика спорта
УДК 796.332 Футбол
УДК 004.8 Искусственный интеллект
УДК 612.766 Перемещение человека в пространстве
ГРНТИ 77.00 ФИЗИЧЕСКАЯ КУЛЬТУРА И СПОРТ
ГРНТИ 20.00 ИНФОРМАТИКА
ОКСО 02.00.00 Компьютерные и информационные науки
ОКСО 32.00.00 Науки о здоровье и профилактическая медицина
ББК 22 Физико-математические науки
ББК 58 Прикладные отрасли медицины
ББК 75 Физическая культура и спорт
BISAC COM018000 Data Processing
BISAC COM004000 Intelligence (AI) & Semantics
BISAC SPO015000 Football
Цель работы — представить обзор современных направлений применения искусственного интеллекта (ИИ) в профессиональном спорте (на примере футбола) и современных подходов к прогнозированию травматизма. Методология включает в себя scoping-обзор публикаций за период с 2015 по 2025 год в области спортивной медицины, спортивной науки и компьютерного зрения, а также анализ отраслевых стандартов качества данных. В результате систематизированы ключевые классы задач ИИ (от трекинга и скаутинга до поддержки принятия решений штабом), выделены типовые архитектуры данных и моделей, критические источники смещения и утечки информации, а также требования к валидации и внедрению. Показано, что модели риска травм в футболе демонстрируют потенциал в проспективных постановках при наличии качественной маркировки «time-loss» и строгого временного разбиения, однако их практическая ценность определяется не только величиной AUC, но и калибровкой, устойчивостью к дрейфу данных и интеграцией в заранее определенные профилактические меры тренировочного процесса и восстановления. Практическая значимость результатов состоит в формировании прикладной рамки для построения «клубной системы ИИ»: от стандартизации данных и этико-правового контура до выбора метрик, протокола мониторинга и набора профилактических решений, поддерживаемых моделями. Ценность работы заключается в ориентации на спортивных ученых, аналитиков и тренерский штаб, а также в акцентах на воспроизводимости и управлении рисками внедрения ИИ.
искусственный интеллект, футбол, прогнозирование травм, мониторинг нагрузки, трекинговые данные, машинное обучение, объяснимость моделей, спортивная аналитика, скаутинг, принятие решений
1. López-Valenciano A., Ruiz-Pérez I., Garcia-Gómez A., Vera-Garcia F.J., De Ste Croix M., et al. Epidemiology of injuries in professional football: a systematic review and meta-analysis. British Journal of Sports Medicine, 2020, 54 (12), pp. 711–718. https://doi.org/10.1136/bjsports-2018-099577
2. Bengtsson H., Hägglund M., Ekstrand J., Hallén A., Waldén M. No major changes in injury incidence in European club football during the 2022/23 FIFA World Cup season: a subanalysis of the UEFA Elite Club Injury Study. BMJ Open Sport and Exercise Medicine, 2025, 11 (3), e002772. https://doi.org/10.1136/bmjsem-2025-002772
3. Ekstrand J., Waldén M., Hägglund M. Hamstring injuries have increased by 4% annually in men's professional football, since 2001: a 13-year longitudinal analysis of the UEFA Elite Club Injury Study. British Journal of Sports Medicine, 2016, 50 (12), pp. 731–737. https://doi.org/10.1136/bjsports-2015-095359
4. Ekstrand J., Spreco A., Bengtsson H., Bahr R. Injury rates decreased in men's professional football: an 18-year prospective cohort study of almost 12 000 injuries sustained during 1.8 million hours of play. British Journal of Sports Medicine, 2021, 55 (19), pp. 1084–1091. https://doi.org/10.1136/bjsports-2020-103159
5. Hägglund M., Waldén M., Magnusson H., Kristenson K., Bengstton H., Ekstrand J. Injuries affect team performance negatively in professional football: an 11-year follow-up of the UEFA Champions League injury study. British Journal of Sports Medicine, 2013, 47 (12), pp. 738–742. https://doi.org/10.1136/bjsports-2013-092215
6. FIFA. Electronic Performance and Tracking Systems (EPTS) / FIFA Quality Programme. 2025. URL: fifa.com/technical/football-technology/standards/epts
7. Theiner J., Gritz W., Müller-Budack E., Rein R., Memmert D., Ewerth R. Extraction of positional player data from broadcast soccer videos. In: Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision (WACV), 2022, pp. 1463–1473. https://doi.org/10.1109/WACV51458.2022.00153
8. Bassek M., Rein R., Weber H., Memmert D. An integrated dataset of spatiotemporal and event data in elite soccer. Scientific Data, 2025, 12 (1), 195. https://doi.org/10.1038/s41597-025-04505-y
9. Yeung C., Ide K., Someya T., Fujii K. OpenSTARLab: open approach for spatio-temporal agent data analysis in soccer. Complex & Intelligent Systems, 2025, 11, 342. https://doi.org/10.1007/s40747-025-01965-y
10. Hulin B.T., Gabbett T.J., Lawson D.W., Caputi P., Sampson J.A. The acute:chronic workload ratio predicts injury: high chronic workload may decrease injury risk in elite rugby league players. British Journal of Sports Medicine, 2016, 50 (4), pp. 231–236. https://doi.org/10.1136/bjsports-2015-094817
11. Impellizzeri F.M., Tenan M.S., Kempton T., Novak A., Coutts A.J. Acute:chronic workload ratio: conceptual issues and fundamental pitfalls. International Journal of Sports Physiology and Performance, 2020, 15 (6), pp. 907–913. https://doi.org/10.1123/ijspp.2019-0864
12. Gabbett T.J. The training--injury prevention paradox: should athletes be training smarter and harder? British Journal of Sports Medicine, 2016, 50 (5), pp. 273–280. https://doi.org/10.1136/bjsports-2015-095788
13. Martins F., Sarmento H., Gouveia É.R., Saveca P., Przednowek K. Machine learning-based prediction of muscle injury risk in professional football: a four-year longitudinal study. Journal of Clinical Medicine, 2025, 14 (22), 8039. https://doi.org/10.3390/jcm14228039
14. Wang Z., Veličković P., Hennes D., Tomašev N., Prince L., et al. TacticAI: an AI assistant for football tactics. Nature Communications, 2024, 15 (1), 1906. https://doi.org/10.1038/s41467-024-45965-x
15. Zhou D., Keogh J.W.L., Ma Y., Tong R.K.Y., Khan A.R., Jennings N.R. Artificial intelligence in sport: A narrative review of applications, challenges and future trends. Journal of Sports Sciences, 2025, 1–16. https://doi.org/10.1080/02640414.2025.2518694
16. Wang Y., Lee S. Development and validation of a machine learning model for non-contact injury prediction based on lower limb strength asymmetry in professional football. Scientific Reports, 2026, 16, 4456. https://doi.org/10.1038/s41598-025-34468-4
17. Bowen L., Gross A.S., Gimpel M., Li F.X. Accumulated workloads and the acute:chronic workload ratio relate to injury risk in elite youth football players. British Journal of Sports Medicine, 2017, 51 (5), pp. 452–459. https://doi.org/10.1136/bjsports-2016-096547
18. Pietraszewski P., Terbalyan A., Roczniok R., Maszczyk A., Ornowski K., et al. The role of artificial intelligence in sports analytics: a systematic review and meta-analysis of performance trends. Applied Sciences, 2025, 15 (13), 7254. https://doi.org/10.3390/app15137254
19. Li W., Liu M., Liu J., Zhang B., Yu T., Guo Y., Dai Q. A review of artificial intelligence for sports: Technologies and applications. Intelligent Sports and Health, 2025, 1 (3), pp. 113–126. https://doi.org/10.1016/j.ish.2025.05.001
20. Померанцев А.А., Уполовнева А.А. Искусственный интеллект в спорте и физической культуре: тренды, угрозы и адаптация к новой реальности // Человек. Спорт. Медицина. 2024. Т. 24, № 2. С. 137–144. https://doi.org/10.14529/hsm24s221 EDN BLQHWJ
