זיהוי עייפות נוירומוסקולרית ונפשית אצל שחקני טניס שולחן צעירים מובילים באמצעות למידת מכונה

מדוע העייפות אצל ספורטאים צעירים חשובה

עבור שחקני טניס שולחן צעירים השואפים לביצועים על-אנושיים, עייפות היא יותר מתחושה של תשישות רגעית. גם הגוף וגם המוח יכולים באורח שקט להאט תגובות, לשנות טכניקה ולהגדיל את הסיכון לשגיאות או אפילו לפציעה. עם זאת, למאמנים לעתים רחוקות יש אמצעי אובייקטיבי ומידי לזהות מתי שחקן סובל מעייפות מנטלית או פיזית. מחקר זה בוחן האם מחבט חכם המצויד בחיישנים ואלגוריתמים מודרניים לזיהוי תבניות מסוגל לקרוא שינויים זעירים במכות של השחקן ולחשוף את מצב העייפות החבוי שלו.

מחבט חכם שמרגיש כל מכה

צוות המחקר עבד עם תשעה מהשחקנים הצעירים המובילים בצרפת. הם הפכו מחבט רגיל לכלי מדידה על ידי הוספת חיישן תנועה תלת-ממדי קטן בידית וארבעה חיישני לחץ במקומות שבהם היד אוחזת את המחבט וכן במקום שבו האגודל והאצבע המורה נחים על הפלבט. בכל פעם שהשחקן פגע בכדור, המחבט הקליט כמה מהר הוא נע וכמה בחוזקה היד לחצה בנקודות השונות. האותות הללו נמדדו בקצב גבוה, סוננו כדי להסיר רעש, נורמלו ואז אוחדו למעקב נתונים יחיד עבור כל מכה.

עיצוב מצבי משחק עייפים ורעננים

כדי לקשר את דפוסי המכות לסוגים שונים של עייפות, המדענים יצרו בקפידה שלוש תנאים נפרדים. באחד מהם ביצעו השחקנים משימת תשומת לב ממוחשבת תובענית למשך 90 דקות, ידועה ככזו המדלדלת אנרגיה מנטלית ללא עייפות ישירה של השרירים. בתנאי אחר הם ביצעו חזרות של כיווצים אקסצנטריים אינטנסיביים של הבייספס בזרוע המשחק עד שאיבדו כ־15% מכוח המרפק המקסימלי שלהם, מה שייצר עייפות שרירית ברורה. בתנאי הבקרה הם צפו בסרט נטול תוכן קוגניטיבי משמעותי. לפני ואחרי כל מפגש השחקנים ביצעו מבחן טניס שולחן סטנדרטי עם רובוט משגר כדורים, בעוד שנמדדו מהירות הכדור, הדיוק ומספר הטעויות שלהם. הם גם דיווחו עד כמה עייפים הם מרגישים ועד כמה הקשים נראו להם המטלות, וכוח הזרוע נבדק במכשיר מדידת כוח מיוחד.

משינויים חבויים במכות לתבניות מוכרות

המבחנים הסובייקטיביים והבדיקות של הכוח אימתו שהפרוטוקולים המנטליים והפיזיים אכן גרמו לשחקנים להרגיש ולבצע בעייפות: העייפות המנטלית העלתה את המאמץ הנתפס והעייפות, והעייפות הפיזית הקטינה את כוח הזרוע כפי שהתוכנן. באופן מפתיע, מדדי ביצוע קלאסיים כגון מהירות הכדור ודיוק כמעט ולא השתנו באופן ברור ומובהק סטטיסטית בין התנאים, במיוחד בקבוצה הקטנה של הצעירים המיומנים הללו. עם זאת, כאשר החוקרים נעצו בעושר נתוני החיישנים מהמחבט הופיעה תמונה שונה. הם הזינו אלפי מכות מתויגות—כל אחת מסומנת כמגיעה ממפגש של עייפות מנטלית, עייפות פיזית או תנאי בקרה—לשלל מודלים מפוקחים של למידת מכונה, כולל k‑השכנים הקרובים ויערות אקראיים. האלגוריתמים למדו לזהות שינויים עדינים בעקומות התאוצה ולחצי האחיזה שהעין אינה מסוגלת לראות.

מלמדים מחשבים לזהות שחקנים עייפים

כאשר המטרה הייתה פשוט להבחין האם מכה הגיעה ממצב עייפות או לא־עייפות, המודל הטוב ביותר, k‑השכנים הקרובים, סיווג נכון כ־84% מהמקרים. כאשר ביקשו להבחין בין שלוש מצבים ספציפיים—ללא עייפות, עייפות מנטלית ועייפות פיזית—מודל היער האקראי הגיע לדיוק של כ־82%. משמעות הדבר היא שגם כשהשחקנים עדיין יכלו להכות את הכדור במהירות ובדיוק דומים, ה"חתימה" של המחבט שלהם השתנתה די כדי שמערכת מונחית נתונים תוכל לזהות זאת. מבחנים תובעניים יותר שניסו להכליל בין שחקנים הראו הצלחה נמוכה יותר, בעיקר כיוון המדגם היה קטן וסגנון כל אתלט ייחודי, אך ממצאים אלה מרמזים שניתן לאמן מחדש מודלים בתוך קבוצת אימון עלית יציבה.

מה משמעות הדבר לאימון ולבריאות

במילים פשוטות, מחקר זה מראה שמחבט חכם והאלגוריתמים הנכונים יכולים "להאזין" לאופן שבו ספורטאי צעיר נע ולסמן בשקט מתי גופו או מוחו שואבים משאבים, אפילו לפני שמופיעות שגיאות ברורות. מאמנים יוכלו בסופו של דבר להשתמש בכלים כאלה לניהול עומסים באימון, למניעת שימוש יתר ולתזמון הפסקות טקטיות או מנטליות בדיוק רב יותר במהלך אימון ותחרות. בעוד שיהיה צורך ביותר שחקנים, יותר חיישנים ומערכות בזמן אמת לפני שזה יהפוך לעזר סטנדרטי לצד המגרש, המסר המרכזי ברור: שינויים עדינים באופן שבו אנו מחזיקים ומניפים מחבט יכולים לחשוף האם אנחנו רעננים, מותשים מנטלית או מותשים שרירית — ומכונות כבר מספיק טובות כדי להבחין ביניהם.

ציטוט: Delumeau, T., Deschamps, T., Plot, C. et al. Identifying neuromuscular and mental fatigue in elite youth table tennis players using machine learning. Sci Rep 16, 11812 (2026). https://doi.org/10.1038/s41598-026-40324-w

מילות מפתח: טניס שולחן, עייפות ספורטיבית, חיישנים לבישים, למידת מכונה, מתאמנים צעירים