近日，体育学院运动健康研究团队在运动科学与运动医学领域国际期刊《Journal of Sports Science and Medicine》(中国科学院二区)发表题为Machine Learning Applications in Non-Contact Lower Limb Sports Injury Prediction: A Systematic Review的高水平学术论文。该期刊在运动科学、运动医学和健康促进研究领域具有较高学术影响力。论文于2026年3月1日在线发表，安徽工程大学体育学院23级研究生袁进为论文第一作者，张勇教授和在读博士李俊为论文共同通讯作者，安徽工程大学为第一作者与通讯作者单位。

这项研究聚焦非接触性下肢运动损伤预测这一运动科学与运动医学领域的重要问题。非接触性下肢运动损伤常见于足球、篮球、橄榄球等高速跑动、急停变向和跳跃落地频繁的运动项目，具有发生率高、影响范围广、预测难度大等特点。研究围绕运动员损伤风险早期识别与精准干预需求，系统探讨机器学习技术在下肢运动损伤预测、防控和康复中的应用价值。研究进一步发现，非接触性下肢运动损伤的发生机制复杂，往往受到既往损伤史、身体质量指数、肌肉力量、关节活动度、平衡能力、神经肌肉控制和训练负荷等多因素共同影响。机器学习方法能够整合多源数据，识别传统统计方法难以揭示的复杂交互关系，为运动员伤病筛查、训练监控、个性化干预和康复管理提供科学依据。 

该成果的发表，体现了我校体育学院在运动损伤防控、运动健康促进和人工智能赋能体育科学研究领域取得的新进展。研究不仅系统总结了机器学习应用于非接触性下肢运动损伤预测的最新证据，也为推动运动损伤防控从“经验判断”向“数据驱动精准预防”转变提供了重要参考，对提升运动员健康保障水平、优化训练与康复策略具有积极意义。

论文原文链接：https://doi.org/10.52082/jssm.2026.172

（文/图：袁进；编辑：邢朝芳；初审：金庆红；审核：胡好）