[논문 리뷰] Relationship between brain injury criteria and brain strain across different types of head impacts can be different

Xianghao Zhan, Yiheng Li외 11명|arXiv (Cornell University)|2020. 12. 18.

Automotive and Human Injury Biomechanics참고 문헌 49인용 수 8

한 줄 요약

이 연구는 스포츠나 자동차 사고와 같은 특정 두통 타입에 대해 개발된 뇌 손상 기준(BIC)이 다양한 충격 타입 간에 뇌 변형을 정확히 예측할 수 있는지 조사한다. 다섯 개의 데이터셋을 바탕으로 선형 회귀를 수행한 결과, BIC-변형 관계는 충격 타입에 따라 유의미하게 다름을 확인하여 BIC의 일반화 가능성에 의문을 제기하고, 손상 위험 평가에서의 상호 적용에 대한 우려를 제기한다.

ABSTRACT

Multiple brain injury criteria (BIC) are developed to quickly quantify brain injury risks after head impacts. These BIC originated from different types of head impacts (e.g., sports and car crashes) are widely used in risk evaluation. However, the accuracy of using the BIC on brain injury risk estimation across different types of head impacts has not been evaluated. Physiologically, brain strain is often considered the key parameter of brain injury. To evaluate the BIC's risk estimation accuracy across five datasets comprising different head impact types, linear regression was used to model 95% maximum principal strain, 95% maximum principal strain at the corpus callosum, and cumulative strain damage (15%) on each of 18 BIC respectively. The results show a significant difference in the relationship between BIC and brain strain across datasets, indicating the same BIC value may suggest different brain strain in different head impact types. The accuracy of brain strain regression is generally decreasing if the BIC regression models are fit on a dataset with a different type of head impact rather than on the dataset with the same type. Given this finding, this study raises concerns for applying BIC to estimate the brain injury risks for head impacts different from the head impacts on which the BIC was developed.

연구 동기 및 목표

• 다양한 두통 타입에서 뇌 손상 기준(BIC)이 뇌 변형을 얼마나 정확히 예측하는지 평가하기.
• 스포츠와 같은 한 충격 타입에서 개발된 BIC가 다른 충격 타입(예: 자동차 사고)에서 변형을 신뢰성 있게 추정하는지 평가하기.
• 다른 충격 메커니즘을 나타내는 데이터셋 간에 BIC-변형 관계가 얼마나 다름을 정량화하기.
• 한 충격 타입에서 학습한 BIC 기반의 회귀 모델이 다른 충격 타입에서 테스트했을 때의 성능을 분석하기.
• 현재까지 다양한 두통 상황에 동일하게 적용하는 BIC의 관행이 검증 없이 이루어지고 있음을 도전하기.

제안 방법

• 스포츠 관련 충격, 자동차 사고, 기타 충격 메커니즘을 포함한 다섯 개의 데이터셋을 수집하여 각각 다른 두통 타입을 대표하도록 하였다.
• 세 가지 뇌 변형 지표를 측정: 95% 최대 주응력, 대뇌합성체에서의 95% 최대 주응력, 누적 응력 손상(15%).
• 모든 데이터셋에서 18개의 BIC를 각각 세 가지 변형 지표에 대해 선형 회귀 모델링을 적용하였다.
• 다른 데이터셋에서의 예측 성능을 평가하기 위해 한 데이터셋에서 학습하고 다른 데이터셋에서 테스트하는 방식으로 교차 타입 일반화 성능을 평가하였다.
• 다양한 학습-테스트 조합에서 결정계수(R-squared) 값과 모델 적합도를 비교하기 위해 통계 분석을 수행하였다.
• 다양한 데이터셋 간의 회귀 분석 비교를 통해 충격 타입 간 BIC-변형 관계의 일관성을 평가하였다.

실험 결과

연구 질문

• RQ1 두통 타입에 따라 뇌 손상 기준(BIC)과 뇌 변형 간의 관계는 어떻게 달라지나?
• RQ2 한 두통 타입에서 학습한 BIC-변형 회귀 모델이 다른 두통 타입으로 일반화될 수 있는 정도는 어느 정도인가?
• RQ3 모델 개발에 사용된 타입과 다른 타입에 BIC를 적용했을 때, 뇌 변형 예측 정확도가 유의미하게 떨어지는가?
• RQ4 스포츠 관련 두통과 자동차 사고 관련 두통 간에 BIC-변형 상관관계에 체계적인 차이가 있는가?
• RQ5 한 두통 타입에서 개발된 BIC가 다른 두통 타입에서 뇌 변형을 안정적으로 추정할 수 있는가, 아니면 생체역학적 반응에 본질적인 불일치가 존재하는가?

주요 결과

• 뇌 손상 기준(BIC)과 뇌 변형 간의 관계는 다양한 두통 타입에서 유의미하게 다름을 확인하여, BIC가 보편적으로 적용될 수 없음을 시사한다.
• 한 두통 타입에서 학습한 BIC 회귀 모델이 다른 두통 타입에 적용되었을 때 정확도가 유의미하게 떨어졌으며, 교차 타입 예측에서 결정계수(R-squared) 값이 낮아졌다.
• 동일한 BIC 값이 충격 타입에 따라 뇌 변형 수준이 크게 달라질 수 있음을 발견하여, 현재의 위험 평가 관행에 치명적인 한계가 있음을 드러냈다.
• 동일한 두통 타입의 데이터셋에서 학습한 모델은 항상 교차 타입 모델보다 성능이 뛰어나, 두통 타입에 맞는 校정이 필수적임을 확인하였다.
• 학습 데이터와 테스트 데이터의 두통 타입이 다를 경우 BIC 기반의 변형 예측 정확도가 상당히 떨어졌으며, 이는 잘못된 추정의 위험을 강조한다.
• 누적 응력 손상(15%)은 다양한 두통 타입 간에 BIC-변형 관계가 가장 변동성이 크며, 이 지표가 충격 메커니즘에 특히 민감할 수 있음을 시사한다.