프로 야구 투수에게 팔꿈치 부상은 선수 생명을 좌우하는 문제다. 특히 팔꿈치 척골측부인대(ulnar collateral ligament, UCL)가 손상되면 토미존 서저리(Tommy John Surgery, TJS)로 이어지는데, 이 수술의 평균 회복 기간은 약 20.5개월에 달하며, 194명의 메이저리그(MLB) 투수를 대상으로 한 선행 연구에서는 선수 1인당 평균 190만 달러의 재정적 손실이 발생하는 것으로 추정된 바 있다. 기존의 부상 예측 연구는 주로 사전 시즌 영상 분석이나 초음파 등 의료 영상 데이터에 의존해왔는데, 이는 실제 경기 중의 실시간 생체역학 변화를 반영하지 못하고 접근성도 떨어진다는 한계가 있었다.
이런 배경에서 성균관대학교와 스페인 하우메 1세 대학교(Jaume I University) 연구팀이 2025년 Journal of Big Data에 발표한 연구(Kang et al., 2025)는 실제 경기 데이터만으로 TJS 위험을 최대 100일 전에 예측하는 딥러닝 프레임워크를 제시했다.
연구 방법
연구팀은 Pybaseball 패키지를 통해 2016~2023 시즌 MLB 정규시즌 투구 데이터를 수집했다. 총 5,537,981개 투구, 94개 지표(구속, 회전율, 릴리스 각도 등)로 구성된 데이터셋이며, 6개 구종(포심 패스트볼, 슬라이더, 커브, 커터, 싱커, 체인지업)별로 지표를 세분화해 투수 1인당 102개의 특징(feature)을 구성했다. 대상은 총 620명으로, TJS를 받은 투수 101명(좌완 25명, 우완 76명)과 받지 않은 투수 519명(좌완 149명, 우완 370명)이 포함됐다. TJS 그룹은 수술 직전 2개 시즌 데이터를, 비수술 그룹은 최근 4개 시즌 중 3개 시즌 이상 데이터를 사용했다.
분류(classification) 과제에는 LSTM, CNN-LSTM, Transformer-Encoder, ResNet, Vision Transformer(ViT) 5개 모델을 적용해 부상 최대 100일 전 시점에서 부상군/비부상군을 구분하도록 학습시켰다. 회귀(regression) 과제에는 1D-CNN 모델을 적용해 부상 직전 최대 550일 데이터를 바탕으로 “수술까지 남은 일수”를 예측하도록 했다.
핵심 결과
10회 반복 실험 기준, 분류 모델 중 ViT가 가장 우수한 성능을 보였다. 부상군(Injured class) 기준 정밀도(Precision) 0.79, 재현율(Recall) 0.68, F1-score 0.73, ROC-AUC 0.93이었으며, 이는 2위 모델(ResNet, F1 0.64)보다 0.09 이상 높은 수치다. 다만 ViT는 ResNet 대비 학습 시간 약 3배, 추론 시간 약 7배, GPU 사용량 약 4배가 소요됐다. 연구팀은 실제 124명 선수에 대한 전체 추론 시간이 0.64초에 불과해 경기별 실시간 적용이 현실적으로 가능하다고 평가했다.
회귀 모델(1D-CNN)은 R² 0.79, 부상 임박 시점(100일 이내) 예측 오차를 나타내는 100-Day RMSE 95.7을 기록했다.
SHAP 분석 – 어떤 지표가 부상을 예고하는가
연구팀은 설명가능 AI(XAI) 기법인 SHAP(정확히는 Gradient SHAP)을 회귀 모델에 적용해, 10회 실험에서 반복적으로 상위권에 오른 20개 지표를 추출했다. 이 중 특히 SHAP 값이 높았던 3개 지표는 모두 포심 패스트볼(four-seam fastball)과 관련이 있었다.
- Release_Speed_FF(포심 패스트볼 릴리스 구속): 수술일이 가까워질수록 감소하는 경향을 보였다. 다만 피어슨 상관분석 결과 r=0.18, p=0.07로 통계적 유의수준(p<0.05)에는 도달하지 못했다.
- Spin_Axis_FF(포심 패스트볼 스핀축): 수술 직전 게임까지 약 6도 더 수평 방향으로 변화했으며, r=-0.61, p<0.05로 통계적으로 유의한 역상관관계를 보였다.
- Release_Extension_SL(슬라이더 릴리스 익스텐션): 수술일이 가까워질수록 약 0.2피트 증가했으며, r=0.70, p<0.05로 유의했다. 이 지표는 포심 패스트볼의 Release_Extension_FF와도 강한 상관관계(R²=0.59)를 보여, 추가 분석은 Release_Extension_FF와 세로 릴리스 위치(Release_Pos_Z_FF) 중심으로 진행됐다. 그 결과 Release_Pos_Z_FF(수직 릴리스 포인트)가 수술일에 가까워질수록 낮아지는 경향(r=0.39, p<0.05)이 확인됐다.
이 20개 지표만으로 재학습한 모델은 R² 0.73(전체 특징 사용 대비 0.06 감소), 100-Day RMSE 93.6(오히려 2.2 개선)으로, 소수의 핵심 지표만으로도 예측력이 크게 저하되지 않음을 보여줬다.
기전 해석
연구팀은 이 결과를 기존 생체역학 연구와 연결해 해석했다. 릴리스 시점에 팔을 낮게 떨어뜨리는 동작(Release_Pos_Z_FF 감소)은 팔꿈치 굴곡각(elbow flexion angle) 감소로 이어지고, 이는 팔꿈치 외반 토크(valgus torque) 증가와 관련된다는 것이다. 이 해석은 다음 두 선행 연구 결과와 일치한다.
- Anz et al.(2010)은 프로 투수 23명을 3시즌 추적한 결과, 부상군의 외반 토크(91.6 N·m)가 비부상군(74.7 N·m)보다 유의하게 높았다고 보고했다(p=0.013).
- Aguinaldo & Chambers(2009)는 성인 투수 69명을 대상으로 릴리스 시 팔꿈치 굴곡각과 외반 토크 사이에 유의한 음의 상관관계(r=-0.36, p=0.04)를 확인했다.
즉 포심 패스트볼 릴리스 포인트가 낮아지고 스핀축이 수평화되며 구속이 저하되는 일련의 변화는, 팔을 낮춰 던지는 동작이 팔꿈치 외반 스트레스를 누적시켜 UCL 손상을 앞당기는 과정과 맥락이 닿아 있다는 것이 연구팀의 해석이다.
실무 시사점
연구팀은 이 모델이 경기 단위로 매일 갱신되는 데이터를 기반으로 하기 때문에, 실제 현장에서 경기 후 데이터가 갱신될 때마다 위험도를 재산정하는 방식의 실시간 적용이 이론적으로 가능하다고 언급했다. 위험 신호가 감지될 경우 코칭스태프와 메디컬스태프가 포심 패스트볼 구속, 스핀축, 릴리스 포인트 등 구체적 지표를 참고해 투구 수 조절이나 재활 개입 시점을 앞당길 수 있다는 것이다.
한계
연구팀이 직접 명시한 한계는 다음과 같다. 첫째, 전체 표본이 620명(부상군 101명)으로 크지 않아 F1-score 등 평가지표의 실험 간 변동성이 컸다. 둘째, 데이터가 MLB 투수에 한정되어 있어 마이너리그나 타 리그, 아마추어·유소년 선수에게 그대로 일반화하기는 어렵다. 셋째, 본 연구에서 제시된 지표 간 관계는 상관관계이며 인과관계를 입증한 것은 아니다. 넷째, 저자들은 이 모델이 오탐(false positive)을 낼 경우 실제로는 문제가 없는 선수가 조기에 출전 기회를 잃을 수 있다는 윤리적 우려를 명시하며, 모델의 예측은 어디까지나 전문가 판단을 보조하는 도구로 활용돼야 한다고 강조했다.
참고문헌
Kang, B., Park, M., del Pobil, A. P., & Park, E. (2025). Data-driven approaches for predicting Tommy John Surgery risk in major league baseball pitchers. Journal of Big Data, 12(1), 87. https://doi.org/10.1186/s40537-025-01138-1