Motorolyckor är den vanligaste orsaken till akutbesök, sjukhusvistelser och dödsfall relaterade till traumatisk hjärnskada bland personer i åldern 15 till 34 år, enligt en rapport från Centers for Disease Control and Prevention från 2013.

Traumatisk hjärnskada, eller TBI, utgör cirka 30 procent av alla dödsfall i USA, och tidig diagnos och behandling är ett av de viktigaste sätten att förebygga dessa dödsfall.

Professor i rymd- och maskinteknik Samy Missoum, som också är chef för Computational Design Optimization of Engineering Systems, eller CODES Laboratory, och doktoranden Seyed Saeed Ahmadisoleymani publicerade nyligen en uppsats i Datormetoder inom biomekanik och biomedicinsk teknik som beskriver en ny metod för att beräkna sannolikheten för en TBI på grund av en bilolycka.

"Till skillnad från amerikansk fotboll eller militära tillämpningar, det har inte gjorts mycket forskning om sambandet mellan bilolyckor och TBI, "Missoum sa." Vi har utvecklat de första stegen i en metod för att bedöma sannolikheten för TBI baserat på kraschförhållanden, såsom slaghastighet och vinkel. "

Kombination av experiment med beräkningsdata

TBI -forskning har traditionellt involverat experimentella metoder, som att genomföra test på djur eller samla in data om fotbollsspelare. Andra tillvägagångssätt är rent beräknande - till exempel med ändliga elementmodeller, som är matematiska verktyg för att förutsäga hur ett system som hjärnan kommer att bete sig när det utsätts för yttre krafter.

Missoums tillvägagångssätt kombinerar experimentell och beräknad data. Han använder experimentella data för att simulera hur en dummy rör sig i en bilolycka och tillämpar rörelsedata från simuleringen på en datormodell av hjärnan för att se hur det skulle påverkas. Denna sammansmältning av data utgör grunden för en metod som forskare hoppas att så småningom kommer att kunna beräkna sannolikheten för TBI efter en bilolycka.

Metoden kan till och med göra förutsägelser om forskare är osäkra på kollisionshastigheten och slagvinkeln, eller om de inte har mycket information om hjärnan hos den person som var inblandad i kraschen.

"Ur vetenskaplig synvinkel, nyheten här är hur vi kombinerar beräkningsdata och experimentella data, samtidigt som de står för flera källor till osäkerhet, "Missoum sa." Ur praktisk synvinkel, metoden ger ett verktyg för att bestämma sannolikheten för TBI. "

Arbetet är i ett tidigt skede, men ett mål med projektet är att de första respondenterna ska kunna komma till olycksplatsen och mata in informationen om kraschen i ett verktyg, kanske en mobilapplikation, som avgör sannolikheten för en TBI direkt.

"Låt oss säga att en sjukvårdare kommer till platsen för en bilolycka, "Missoum sa." De kunde mata in informationen i ett verktyg och säga, 'Okej, baserat på egenskaperna hos denna olycka, den här personen kommer att ha 70 till 80 procents sannolikhet för allvarlig traumatisk hjärnskada.

Maskininlärning:En viktig möjliggörare

Att hamna i en bilolycka kommer antingen att orsaka en traumatisk hjärnskada eller inte. Forskarna använde en metod för maskininlärning som tidigare utvecklats i CODES -laboratoriet för att förfina tröskeln som skiljer de två resultaten åt och mer exakt bestämma risken för TBI. I framtiden, detta tillvägagångssätt kommer att förbättra noggrannheten ytterligare genom att öka antalet faktorer som det kan beakta, såsom fordonets vikt eller passagerarens ålder.

Forskargruppen hoppas kunna införliva data från faktiska bilolyckor, hämtat från Arizona Department of Transportation, in i deras forskning. Information som slagvinkel vid en krasch är inte tillgänglig i aktuella kraschrapporter, vilket gör denna metod förmåga att göra beräkningar med en viss osäkerhet särskilt viktig.