Elitesport tracker holdet.
Twinspire studerer individet.
Du træffer søndagens beslutning med tirsdagens data.
Det uløste beslutningsproblem
GPS i én platform. Styrkedata i en anden. Kliniske noter forbliver lokale. Wearable-signaler forlader ofte aldrig atletens egen enhed. Udfordringen i elitesport handler ikke længere kun om adgang til data alene, men om fraværet af en sammenhængende longitudinel model af den enkelte atlet på tværs af kontekster og over tid.
Det uløste beslutningsproblem
GPS i én platform. Styrkedata i en anden. Kliniske noter forbliver lokale. Wearable-signaler forlader ofte aldrig atletens egen enhed. Udfordringen i elitesport handler ikke længere kun om adgang til data alene, men om fraværet af en sammenhængende longitudinel model af den enkelte atlet på tværs af kontekster og over tid.
Return-to-Play-kløften
Fodboldskade-epidemiologi er veletableret gennem langvarige kohortestudier, herunder UEFA Elite Club-forskning, der spænder over tusindvis af spillere på tværs af flere lande og sæsoner. Alligevel, trods stadigt mere sofistikerede monitoreringsmiljøer, forbliver det centrale beslutningsproblem uløst: hvordan man fortolker skiftende signaler på individniveau, når beslutninger om genoptræning, returspil og belastningsmodifikation skal træffes under usikkerhed.
Return-to-Play-kløften
Fodboldskade-epidemiologi er veletableret gennem langvarige kohortestudier, herunder UEFA Elite Club-forskning, der spænder over tusindvis af spillere på tværs af flere lande og sæsoner. Alligevel, trods stadigt mere sofistikerede monitoreringsmiljøer, forbliver det centrale beslutningsproblem uløst: hvordan man fortolker skiftende signaler på individniveau, når beslutninger om genoptræning, returspil og belastningsmodifikation skal træffes under usikkerhed.
Tilbagevendende skader
Efterfølgende og tilbagevendende skader udgør fortsat en betydelig del af byrden i professionel fodbold, og perioden efter tilbagevenden er særligt følsom. Kløften handler derfor ikke blot om dataindsamling, men om individualiseret fortolkning.
Tilbagevendende skader
Efterfølgende og tilbagevendende skader udgør fortsat en betydelig del af byrden i professionel fodbold, og perioden efter tilbagevenden er særligt følsom. Kløften handler derfor ikke blot om dataindsamling, men om individualiseret fortolkning.
Fra populationsgennemsnit til individualiseret dynamik
Digital twin framework
Twinspire is developing a research-based digital twin framework for individualized athlete modeling. The system integrates longitudinal data from multiple sources, including training load, neuromuscular testing, clinician input, and wearable-derived physiological measures.
Approach
The approach combines principles from computational motor control, adaptive nonlinear systems, system identification, longitudinal sequence modelling, and self supervised learning to identify individualized representations of how an athlete’s physiological and functional state changes over time.
Structured data layer
In parallel, Twinspire is building a structured data layer that links sessions, tests, symptoms, and contextual information into a portable athlete history, supporting continuity and decision-making across performance and rehabilitation.
Fra forskningsprototype til anvendt validering
Vi har udviklet en forskningsprototype til individualiseret atletmodellering på mobil, tablet og browser, som integrerer heterogene præstations-, fysiologiske og neuromuskulære data med minimal ekstra indsats fra praktikere. Prototypen går nu ind i realverdensvalidering for at sikre, at rammeværket forbliver brugbart, robust og fortolkeligt i elite‑performance og rehabiliteringspraksis. Det aktuelle arbejde fokuserer på tre praktiske spørgsmål: Er arbejdsgangene operationelt brugbare for personalet? Lever indtastnings‑pipelinesne tilstrækkelig datakvalitet og kontinuitet? Understøtter de indsamlede signaler meningsfuld individualiseret modellering i praksis?
Det aktuelle arbejde adresserer tre spørgsmål:
- 01
Er arbejdsgangene operationelt brugbare for personalet?
- 02
Leverer data-pipelinesne tilstrækkelig kvalitet og kontinuitet?
- 03
Understøtter signalerne meningsfuld individualiseret modellering i praksis?
De fleste systemer beskriver belastning. Twinspire er under udvikling til at modellere individuel respons.
Individualiseret Modellering
Metodologien undersøger, hvordan multimodale data kan bruges til at identificere tilpasningsdygtige matematiske modeller af den enkelte atlet, som fanger skiftende fysiologiske, neuromuskulære og præstationsrelaterede dynamikker over tid.
Multi-Signal Analyse
Sideløbende med individualiseret modellering undersøger Twinspire storskala-relationer mellem signaler på tværs af integrerede partnerdatastrømme for at fastslå, hvilke kombinationer af målinger giver den stærkeste forklaringskraft. Dette inkluderer igangværende og planlagte forskningssamarbejder inden for præstationsovervågning, rehabiliteringsmiljøer, neuromuskulær sensing samt kognitive og mentale belastningsrelaterede vurderinger.
Validering & Risikoreduktion
Den aktuelle fase fokuserer på metodologisk validering, løsning af centrale videnskabelige usikkerheder og reduktion af de tekniske risici, der er nødvendige, før bredere anvendt implementering i præstations- og rehabiliteringsmiljøer.
Det aktuelle arbejde adresserer tre spørgsmål:
- 01
Hvor tidligt kan afvigelser fra en atlets personlige baseline detekteres, og hvilke afvigelser er meningsfuldt forbundet med forhøjet sårbarhed efter tilbagevenden til spil?
- 02
Hvad er den minimale sensor- og datakonfiguration, der kræves for at etablere en stabil og pålidelig individualiseret model?
- 03
Hvordan påvirker manglende perioder, skiftende kontekster og klubskift modellens robusthed over tid?
- 04
Kan fremvoksende kompensationsmønstre identificeres, inden de bliver tydelige gennem symptomer eller konventionel monitorering?
Hvem vi arbejder med
Vi kontakter i øjeblikket klubber, klinikker og performanceinstitutioner for at deltage i vores forskningsvalideringsstudie.
Fodboldspillere
Din krop har genereret data hele din karriere. Det meste er forsvundet. Denne forskning sigter mod at fastslå, om et struktureret datapas kan ændre det og give dig ejerskab over din egen atletiske historie.
Trænere og Performance Staff
Hjælp os med at forstå, hvordan parathedsmodellering integreres i reelle beslutningsmiljøer, og hvor modellens resultater er og ikke er handlingsbare.
Fysioterapeuter
Medudvikl samlede afvigelses-alarm og restitutionssignal-arbejdsgange baseret på data fra flere kilder. Hjælp os med at forstå, hvordan et klinisk nyttigt signal faktisk ser ud i praksis.
Forskningen kom først. Holdet blev bygget omkring den.
Atletdata skal håndteres ansvarligt, transparent og klare grænser.
Twinspire udvikles med datastyring og forskningsetik som centrale designprincipper.
Kerneprincipper
Den nuværende fase er fokuseret på videnskabelig validering med opmærksomhed på lovlig behandling, sporbarhed, gennemsigtighed og ansvarlig håndtering af longitudinelle atletdata.
Governance & Compliance
Projektet er bygget op omkring GDPR-tilpassede datapraksisser, EU-baseret hosting og behandling, relevante databehandleraftaler og forskningsworkflows designet til at understøtte klar governance på tværs af klubber, behandlere og atleter. Hvor det er relevant, er forskningsdatastyring struktureret i overensstemmelse med FAIR-principperne.
Forskningsansvarsfraskrivelse
Twinspire er en forskningsstadie-beslutningsstøtteprototype. Den er ikke beregnet til at diagnosticere, behandle eller erstatte klinisk vurdering.
FAQ
Svar på de mest almindelige spørgsmål om Twinspire, vores metode, og hvordan klubber kan komme i gang.
Twinspire er en AI-drevet beslutningsstøtteplatform til fodboldklubber. Den bygger en kontinuerligt opdateret fysiologisk model af hver spiller ved at samle GPS-data, styrkeoutput, neuromuskulære sensordata, fysioterapinoter og atletens egne wearables, og advarer medicinsk personale og trænere, når noget ændrer sig. Målet er at fange advarselstegnene, før en skade bliver til en genskade.