記事ポイント
- 豆蔵と三遠ネオフェニックスがAI共同研究を開始
- ウェアラブルセンサーで部位別の怪我リスクを推定
- 毎日自動でレポートを出力する仕組みを検証
豆蔵は、B.LEAGUE所属の「三遠ネオフェニックス」を運営するフェニックスと、「バスケットボール選手の怪我リスク低減に向けた負荷モニタリング」をテーマとした共同研究を2026年7月より開始しました。
選手の部位別怪我リスクを事前に察知し、コンディションを最適化する取り組みです。
豆蔵「バスケットボール選手の怪我リスク低減に向けた負荷モニタリング」
- クラブ名：三遠ネオフェニックス
- 所属リーグ・地区：B.LEAGUE PREMIER 西地区
- 開始時期：2026年7月
三遠ネオフェニックスの選手は、激しいプレーや連戦による疲労蓄積など、バスケットボール特有の複雑な負荷にさらされています。
従来の経験則や単純な集計、統計モデルでは精緻な予測が難しく、現場のトレーナーやコーチが日々のリスクをタイムリーに把握することが課題でした。
この課題に対し、豆蔵の高度なAI・機械学習技術を活用した技術検証が始まりました。
データ統計・指標化とレポート作成のシステム化
ウェアラブルセンサーなどから得られるトラッキングデータや過去の怪我データを集計し、トレーナーやコーチが直感的に解釈できる指標、グラフ、比較表を作成します。
怪我の前後に見られるデータの変化も分析し、検索、説明、レポート作成、論点整理までをシステム化する検証を行います。
現場のスタッフが選手の試合・練習可否を判断する材料として、即座に活用できる環境を目指します。
機械学習による部位別リスクの推定
ウェアラブルセンサーから得られる走行距離、加速・減速、身体負荷などの複雑な時系列データから、怪我の予兆となる特徴量を高度なアルゴリズムで抽出します。
これらを過去の怪我データと掛け合わせ、膝や足首など部位別の怪我リスクを算出する予測モデルを検証します。
日々蓄積される最新データをもとにモデルが自動で学習・更新される仕組み(MLOps)の構築も進めます。
現場のトレーナーやコーチは、怪我のリスクが高い選手について、客観的データに基づいて試合や練習への参加可否を判断できるようになります。
豆蔵「バスケットボール選手の怪我リスク低減に向けた負荷モニタリング」の紹介でした。
よくある質問
この共同研究はいつから始まったのですか？
2026年7月より、豆蔵と三遠ネオフェニックスを運営するフェニックスの共同研究として開始されました。
どのようなデータをもとにリスクを推定するのですか？
ウェアラブルセンサーから得られる走行距離や加速・減速、身体負荷などの時系列データと、過去の怪我データを組み合わせて推定します。
レポートはどのくらいの頻度で出力される予定ですか？
部位別の怪我リスク推定に基づくレポートを毎日自動で出力するシステムの構築を目指しています。
どの部位のリスクを対象にしているのですか？
膝や足首など、部位別の怪我リスクを算出する予測モデルの検証が行われています。
