ポルトガルリーグで常に上位5位以内に入るS.C.ブラガは、ユース育成の強化とトップチームのパフォーマンス向上を通じて、リーグ順位のさらなる向上を目指しています。その目標を実現するため、ブラガはアカデミーおよびトップチームの施設をアップグレードし、インテリジェンス・プラットフォーム（iP）を導入して、クラブ内の研究と根拠に基づく選手管理を支える統合データ基盤の整備に投資しました。
研究の背景
過去7年間、S.C.ブラガはクレアチンキナーゼ（CK）検査を選手の負荷管理に活用してきました。
CKは筋損傷の指標となる血液マーカーであり、選手の疲労状態を把握するための一般的な手法です。しかし、この検査は血液採取を伴うため侵襲的で、時間とコストがかかります。理想としては、検査なしでCKレベルの変化を把握できる方法が求められていました。
ブラガは2017年からCKデータの収集を開始しましたが、検査は試合の48時間以内といった過密日程に限定して実施していました。その理由は、侵襲性が高いこと、スタッフの負担が大きいこと、そしてこれらの時期における管理の重要性が高いことにありました。
ブラガはCK検査と他の指標（GPSやウェルネスなど）を組み合わせることで、より広範囲かつ科学的根拠に基づく選手の負荷管理を目指しました。これにより、Kitman Labsとの共同研究が始まりました。
1. ブラガの過去のCKデータの理解
データヘルス
最初のステップは、データの品質評価でした。信頼性の高い研究には、正確かつ一貫性のあるデータが不可欠です。Kitman Labsのデータサイエンスチームは、既往歴やGPSデータなどの全データセットを精査し、不整合、欠損値、外れ値などの問題を特定し、ブラガのチームと協力して修正しました。
この過程でデータの背景や文脈を共有することが、分析時の前提や意思決定の質を高める重要な要素となりました。たとえば、過去2シーズンでCKの測定方法が変化していたことが判明し、それに応じて分析対象を直近2シーズンに限定しました。
記述的分析
次に、ブラガが現在どのようにCKデータを活用しているかを理解するために、CKの絶対値および過去との変化量を分析しました。
分析の結果、試合の過密具合、出場時間、負傷歴との明確な関連は見られませんでした。
一方で、シーズンを通じたCKの変動に注目したところ、選手の年齢とCK値の変化量に興味深い傾向が見られました。
特に29歳以上の選手では、シーズン終盤（Q4）に向けてCK値の変化率が増加する傾向が確認されました。 Overall change in CK values is highest at Q4/end of season for players over 25 (Figure 1).
The insight from these descriptive analyses informed the features that were engineered to model CK using GPS metrics in the next stage.
2. CK値の変動要因の特定
最初に、ブラガスタッフがCKの変化に基づいて介入する基準となる「変動閾値（％）」を特定しました。
This formulated the initial research classification problem: “What are the drivers of % change in CK level above a certain threshold?”
最終的に、CKの変化率が50％を超える場合を基準とするのが最も効果的と判断され、以下の研究課題が設定されました：
「CK変化率が50％を超える場合に影響する指標は何か？」
GPSとウェルネスの各種指標を用いて、マルチバリアント（多変量）モデルを構築しました。GPSデータはAPI経由で、ウェルネスデータはKitman Labsのアスリートアプリから収集されています。
モデルの重要因子を可視化するため、SHAPという説明可能なAI技術を使用しました（図2参照）。モデルの精度は非常に高く（ROC AUC：89％）、さまざまな評価指標で検証されています。
3. 結果
CK変化に最も寄与した要因は、直近2日間の累積移動距離であり、11km以上で顕著な影響が見られました。
これは1試合分の走行距離に相当し、試合に出場した選手の筋損傷リスクが高まっていることを示唆しています。
その他の要因には以下が含まれます：
- 合計運動時間の増加
- スプリント距離の増加
- 睡眠の質の低下
インサイトからアクションへ：新指標のモニタリング
ブラガのスタッフは、iP: Intelligence Platform上でダッシュボードを構築し、主要因子をモニタリングできるようにしました（図4）。さらに、MD+2（試合2日後）の分析ダッシュボードも構築し、選手の負荷をリアルタイムで管理しています（図5）。
   |
|
Figure 4: Athlete Metrics in Braga’s Intelligence Platform to actively monitor the top contributing factors, with alerting thresholds set based on the model results.
|
今後の展望
この研究を通じて、高品質なデータを一元的に収集・管理するインフラの重要性が明確になりました。
ブラガは今後もCKデータの収集を継続し、より非侵襲的かつコスト効率の高い負荷管理を目指して、分析を再実施する予定です。これにより、シーズンを通じて選手の健康とパフォーマンスを高水準で維持する体制が整います。
¹ 個人ベースのクレアチンキナーゼ（CK）参照値とサッカー試合に対する反応
João Ribeiro、Petrus Gantois、Vitor Moreira、Francisco Miranda、Nuno Romano、Fábio Yuzo Nakamura
PMID: 35000188 DOI: 10.1055/a-1678-7340
² ROC AUC：ROC曲線下面積（Area Under the Curve） ROC AUCは、バイナリ分類モデルの性能を評価する代表的な指標です。
ROC曲線は、さまざまな閾値における真陽性率（TPR）と偽陽性率（FPR）の関係をプロットしたもので、完全な分類モデルではAUCが「1」、完全にランダムな分類では「0.5」になります。したがって、AUCが高いほどモデルの分類性能が優れていることを意味します。
