Et skridt i retning af at afgøre, hvilke bilulykker der forårsager traumatisk hjerneskade - og hvilke der ikke gør

Motorkøretøjsulykker er den hyppigste årsag til skadestuebesøg, hospitalsindlæggelser og dødsfald relateret til traumatisk hjerneskade blandt personer i alderen 15 til 34, ifølge en rapport fra 2013 fra Centers for Disease Control and Prevention.

Traumatisk hjerneskade, eller TBI, udgør omkring 30 procent af alle skadesdødsfald i USA, og tidlig diagnose og behandling er en af ​​de vigtigste måder at forhindre disse dødsfald på.

Luftfarts- og maskinteknikprofessor Samy Missoum, som også er direktør for Computational Design Optimization of Engineering Systems, eller CODES Laboratory, og kandidatstuderende Seyed Saeed Ahmadisoleymani har for nylig offentliggjort et papir i Computermetoder i biomekanik og biomedicinsk teknik der beskriver en ny metode til at beregne sandsynligheden for en TBI på grund af en bilulykke.

"I modsætning til amerikansk fodbold eller militærapplikationer, der er ikke lavet meget forskning i sammenhængen mellem bilulykker og TBI, " sagde Missoum. "Vi har udviklet de første trin i en metode til at vurdere sandsynligheden for TBI baseret på styrtforhold, såsom anslagshastighed og vinkel."

Kombination af eksperimenter med beregningsdata

TBI-forskning har traditionelt involveret eksperimentelle metoder, såsom at udføre forsøg på dyr eller indsamle data om fodboldspillere. Andre tilgange er rent beregningsmæssige - f.eks. ved hjælp af finite element-modeller, som er matematiske værktøjer til at forudsige, hvordan et system som hjernen vil opføre sig, når det udsættes for ydre kræfter.

Missoums tilgang fusionerer eksperimentelle og beregningsmæssige data. Han bruger eksperimentelle data til at simulere, hvordan en dummy bevæger sig i en bilulykke og anvender bevægelsesdata fra simuleringen til en computermodel af hjernen for at se, hvordan den ville blive påvirket. Denne sammensmeltning af data danner grundlaget for en metode, som forskerne håber på med tiden vil være i stand til at beregne sandsynligheden for TBI efter et biluheld.

Metoden kan endda komme med forudsigelser, hvis forskerne er usikre på kollisionshastigheden og anslagsvinklen, eller hvis de ikke har meget information om hjernen på den person, der var involveret i styrtet.

"Fra et videnskabeligt synspunkt, Det nye her er, hvordan vi kombinerer beregningsdata og eksperimentelle data, samtidig med, at det tegner sig for flere kilder til usikkerhed, " sagde Missoum. "Fra et praktisk synspunkt, metoden giver et værktøj til at bestemme sandsynligheden for TBI."

Arbejdet er i en tidlig fase, men et mål med projektet er, at førstehjælpere skal være i stand til at ankomme til ulykkesstedet og indtaste oplysningerne om styrtet i et værktøj, måske en mobilapplikation, som vil bestemme sandsynligheden for en TBI med det samme.

"Lad os sige, at en paramediciner ankommer til stedet for en bilulykke, " sagde Missoum. "De kunne indtaste oplysningerne i et værktøj og sige, 'Okay, baseret på denne ulykkes karakteristika, denne person vil have 70 til 80 procents sandsynlighed for alvorlig traumatisk hjerneskade."

Machine Learning:A Key Enabler

At komme ud i et biluheld vil enten forårsage en traumatisk hjerneskade, eller også vil det ikke. Forskerne brugte en maskinlæringstilgang, der tidligere er udviklet i CODES Laboratory til at forfine tærsklen, der adskiller de to resultater og mere præcist bestemme risikoen for TBI. I fremtiden, denne tilgang vil forbedre nøjagtigheden yderligere ved at øge antallet af faktorer, den kan overveje, køretøjets vægt eller passagerens alder.

Forskerholdet håber at inkorporere data fra faktiske bilulykker, hentet fra Arizona Department of Transportation, ind i deres forskning. Oplysninger som kollisionsvinklen ved et styrt er ikke tilgængelig i aktuelle styrtrapporter, gør denne metodes evne til at foretage beregninger med en vis usikkerhed særlig vigtig.