УДК
796.332 004.8 612.766
ГРНТИ
77.00 20.00
ОКСО
02.00.00 32.00.00
ББК
22 58 75
BISAC
COM018000 COM004000 SPO015000
ВАК
1.2.1 3.1.33 5.8.5

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В ПРОФЕССИОНАЛЬНОМ СПОРТЕ: ТЕКУЩИЕ МИРОВЫЕ РЕАЛИИ И ТРЕНДЫ С АКЦЕНТОМ НА ПРОГНОЗИРОВАНИЕ ТРАВМАТИЗМА В ФУТБОЛЕ Искусственный интеллект в профессиональном спорте: текущие мировые реалии и тренды с акцентом на прогнозирование травматизма в футболе

Опубликовано в Российский журнал информационных технологий в спорте · Страницы 1–13 · Рубрика: ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В СПОРТЕ
DOI: https://doi.org/10.62105/2949-6349-2026-3-1-e202601 · EDN: NHSOBX
Получено: 05.02.2026 Одобрено: 05.03.2026 Опубликовано: 11.03.2026
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
Текст Список литературы
Текст (PDF)
Читать Скачать

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: https://elibrary.ru/BLQHWJ

Войти или Создать
* Забыли пароль?