גם אחרי שחוזרים לפעילות, פציעת ברך קודמת עלולה להשאיר שינויים עדינים בהליכה, בריצה או בפיזור העומס. מחקר חדש בדק אם חיישני תנועה לבישים יכולים לקלוט את השאריות האלה מחוץ למעבדת תנועה — והתוצאה הייתה מבטיחה, אך רחוקה מכלי סינון מוכן.

מה בדקו

108 סטודנטים למדעי הספורט מילאו שאלון היסטוריית פציעות וביצעו רצף של הליכה, ריצה והליכה על מסלול של 400 מטר, כשהם עונדים ארבע יחידות מדידה אינרציאליות (IMU) על הגפיים התחתונות. לאחר השלמת הנתונים נכללו בניתוח 90 משתתפים: 23 עם פציעת ברך קודמת ו־67 ללא פציעה מדווחת.

החוקרים הפיקו 220 מאפיינים, ובהם דפוסי הליכה בסיסיים, שינויים אחרי הריצה, המעבר מהליכה לריצה, אסימטריה בין הצדדים ושונות בתנועה. המודל ניסה לענות על שאלה בינארית בלבד: האם למשתתף הייתה בעבר פציעת ברך.

מעט התראות שווא, הרבה החמצות

באימות בשיטת leave-one-out המודל סיווג נכון 76 מתוך 90 משתתפים. שטח העקומה (AUC) היה 0.74 והדיוק המאוזן 0.72.

הספציפיות הייתה גבוהה — 97%: מתוך 67 המשתתפים ללא פציעה קודמת, 65 סווגו נכון. אבל הרגישות הייתה 48% בלבד: המודל זיהה 11 מתוך 23 המשתתפים עם היסטוריית פציעה, ולכן החמיץ יותר ממחצית מהם.

הערך המנבא החיובי היה 85% והערך המנבא השלילי 84%, אך החוקרים מדגישים שמדדים אלה תלויים בשכיחות הפציעות במדגם ובסף הסיווג. באימות חוזר של חמש חלוקות התקבלו תוצאות משתנות יותר, סימן לכך שהמודל עדיין אינו יציב.

מה אי אפשר להסיק

זהו מחקר חתך קטן ומדגם נוחות של סטודנטים פעילים, לא מעקב קליני אחרי שיקום. המודל גם שילב את נתוני צד ימין ושמאל ולא התאים אותם לצד שנפצע, ולכן אי אפשר לפרש אילו שינויים ביומכניים קשורים לברך הפגועה.

המערכת זיהתה היסטוריה מדווחת של פציעה; היא לא אבחנה פציעה נוכחית, לא חזתה פציעה עתידית ולא הראתה שהיא משפרת החלטות חזרה לספורט. לפני שימוש כזה נדרש אימות חיצוני, פרוספקטיבי ובאוכלוסיות מגוונות יותר.

השורה התחתונה

ארבעה חיישני IMU ומודל למידת מכונה הצליחו לזהות קבוצה עם פציעת ברך קודמת ברמת ספציפיות גבוהה, אך הרגישות הנמוכה והיציבות המוגבלת מונעות שימוש ככלי סינון עצמאי. בשלב זה מדובר בהוכחת היתכנות לניטור ממוקד — לא בתחליף לבדיקה קלינית.