Un sistema de retroalimentación personalizada sobre el sueño, generada con inteligencia artificial (IA) a partir de datos de un reloj Fitbit, resultó viable en un equipo de fútbol femenino de secundaria y mostró diferencias preliminares en la eficiencia del sueño. Los autores insisten en que son resultados exploratorios, que no demuestran efectividad y que deben confirmarse en un ensayo con potencia estadística suficiente.
Retroalimentación del sueño con IA en futbolistas adolescentes: qué se estudió
Dormir lo suficiente favorece la regulación del estado de ánimo y la prevención de lesiones en deportistas adolescentes, pero el sueño insuficiente es frecuente en esta población. Los dispositivos portátiles permiten medir el sueño de forma continua, aunque se ha explorado poco el uso de esos datos diarios para dar retroalimentación personalizada.
Se realizó un ensayo clínico aleatorizado piloto con 25 futbolistas de secundaria de un único equipo. Las semanas 1 a 4 fueron el periodo basal. Tras los cuestionarios de la semana 5, las participantes se estratificaron según la mediana del tiempo total de sueño (TST, por sus siglas en inglés) basal y la puntuación del Índice de Calidad del Sueño de Pittsburgh. Después se asignaron al azar, en proporción 1:1, al grupo de intervención (n=12) o al grupo control (n=13).
Durante las semanas 6 a 9 (cuatro semanas):
- Intervención: mensajes personalizados generados con GPT-4o y enviados por LINE los días en que había datos válidos de Fitbit de la noche previa.
- Control: información diaria sobre el sueño, no personalizada.
La variable principal de eficacia preliminar fue la eficiencia del sueño. Se evaluó además la viabilidad técnica y operativa: entrega de mensajes, noches válidas con el Fitbit, cumplimiento de cuestionarios, problemas técnicos, eventos adversos y violaciones de la privacidad. Como variables secundarias se midieron el TST, la vigilia tras el inicio del sueño (WASO), la calidad subjetiva del sueño, la dificultad para dormir y la somnolencia diurna. Las variables exploratorias fueron la duración del sueño profundo, ligero y REM (movimientos oculares rápidos), el estado de ánimo y la gravedad de las lesiones deportivas.
Resultados: viabilidad, eficiencia del sueño y calidad subjetiva
Viabilidad
- Las 25 participantes completaron el estudio.
- La entrega de mensajes y el cumplimiento de los cuestionarios fueron del 100% en ambos grupos.
- La mediana de noches válidas con Fitbit fue de 26 (rango intercuartílico, RIC, 24-28) en el grupo de intervención y de 22 (RIC 15-26) en el control.
- No hubo problemas técnicos importantes, eventos adversos ni violaciones de la privacidad.
Eficacia preliminar
El cambio en la eficiencia del sueño favoreció al grupo de intervención: diferencia entre grupos de Hodges-Lehmann de 2% (IC 95% 0,50%-4%; P=0,046; r=0,35). También se observaron diferencias nominales en la puntuación total del PSQI-J (versión japonesa del Índice de Calidad del Sueño de Pittsburgh) y en la puntuación de dificultad para dormir. Entre las variables exploratorias, hubo diferencias en la duración del sueño REM y en la alteración total del estado de ánimo.
No se observaron diferencias entre grupos en TST, WASO, sueño profundo o ligero, somnolencia diurna ni gravedad de las lesiones deportivas.
Qué significa para la práctica: monitoreo y retroalimentación del sueño en deportistas jóvenes
Estos datos permiten orientar la práctica, siempre con cautela: se trata de un piloto con una sola muestra pequeña y los autores no consideran demostrada la efectividad.
Lo que sí respalda el estudio
- Es factible monitorear el sueño con wearables en un equipo adolescente. Con un sistema bien configurado, el cumplimiento fue muy alto y se registraron entre 22 y 26 noches válidas de aproximadamente 28 en la mediana. Si trabajas con equipos juveniles, un programa de monitoreo diario es realista.
- La mensajería por una aplicación que las jugadoras ya usan (aquí, LINE) facilitó la entrega de la retroalimentación. Conviene elegir canales cotidianos para el grupo.
- No se detectaron problemas de seguridad ni de privacidad durante cuatro semanas, aunque esto no garantiza que no puedan surgir en otros contextos.
Cómo podría aplicarse con prudencia
- Si se implementa algo similar, definir antes quién accede a los datos, con qué consentimiento y cómo se protege la información de menores de edad. Estos aspectos deben resolverse con la institución, las familias y las jugadoras.
- La retroalimentación se envió solo cuando había datos válidos de la noche anterior. Revisar el uso correcto del dispositivo (ajuste, carga) resulta clave para que el sistema funcione.
- Considerar la herramienta como un complemento de la educación sobre higiene del sueño y del seguimiento por parte del cuerpo técnico, no como su sustituto. El estudio no comparó la IA con la intervención de un profesional.
- Interpretar con cautela los datos de etapas del sueño de un wearable. Los resultados sobre sueño REM fueron exploratorios y no hubo cambios en el sueño profundo o ligero.
Lo que no se puede concluir
- No se puede afirmar que el sistema mejore el rendimiento, el estado de ánimo o reduzca las lesiones: la gravedad de las lesiones no difirió y las diferencias en ánimo fueron exploratorias.
- El TST y la WASO no cambiaron; la mejora observada en eficiencia (2%) es modesta y su relevancia práctica no está establecida.
- No conviene extrapolar los resultados a deportistas masculinos, adultos, otros deportes o contextos distintos al de un equipo de secundaria.
Limitaciones del ensayo piloto
- Muestra pequeña (25 jugadoras) de un solo equipo y estudio piloto, sin potencia suficiente para confirmar efectos.
- El valor de P de la variable principal fue cercano al umbral (P=0,046) y varias diferencias se describen como nominales, por lo que deben considerarse generadoras de hipótesis.
- El ensayo se registró de forma retrospectiva (abril de 2026), después de iniciado el estudio.
- La intervención era multicomponente, de modo que no es posible saber qué elemento (personalización, IA, frecuencia de mensajes u otro) produjo las diferencias.
- La duración de la intervención fue de solo cuatro semanas.
- Hubo menos noches válidas de Fitbit en el grupo control, con mayor variabilidad.
- Los datos no incluyen detalles sobre el contenido específico de las recomendaciones, por lo que no es posible replicarlas con exactitud solo con este resumen.
Conclusiones aplicables
- La retroalimentación personalizada del sueño con IA y Fitbit fue técnica y operativamente factible en un equipo de fútbol femenino de secundaria.
- Se observaron diferencias preliminares, que sirven para generar hipótesis, en la eficiencia del sueño y en algunas medidas subjetivas del sueño y del estado de ánimo.
- No hubo diferencias en TST, WASO, sueño profundo o ligero, somnolencia diurna ni gravedad de lesiones.
- Estos resultados no demuestran efectividad y requieren confirmación en un ensayo con potencia suficiente.
- Si se adopta una herramienta similar, debe acompañarse de protección de datos, supervisión profesional y educación sobre el sueño.
