コンピュータシミュレーションと実際の衝突事故を組み合わせて、前面衝突に巻き込まれた乗員の傷害リスクを事前に推定

Preliminary injury risk estimation for occupants involved in frontal crashes by combining computer simulations and real crashes.

• Jinlong Qiu
• Sen Su
• Aowen Duan
• Chengjian Feng
• Jingru Xie
• Kui Li
• Zhiyong Yin

抄録

救急医療の助けを借りることで致死率を大幅に低減することが可能である。本研究の目的は、救急医療の迅速性、適切性、有効性を向上させるために、傷害の重症度を予測する計算機アルゴリズムを確立することです。衝突速度、エアバッグ展開時間、シートベルト装着条件を変えて、LS-DYNAとMADYMOを用いて剛体壁を有する全面衝突のコンピュータシミュレーションを行い、合計84回のシミュレーションを実施した。その後、人工ニューラルネットワークを用いて頭部・胸部傷害と傷害危険因子との関連性を構築し、イベントデータレコーダデータと乗員傷害情報を含む37件の事故事例を収集し、受信機動作特性解析によりモデルの精度を検証しました。その結果、乗員の頭部・胸部傷害には、ΔV、シートベルト装着状態、エアバッグ展開時間が重要な因子であることが明らかになりました。Delta-v が増加した場合、乗員の頭部・胸部の重傷度は有意に高く、シートベルト着用の有無で頭部傷害基準と胸部傷害総合指数に有意な差が見られました。エアバッグの展開時間が 20ms 未満の場合、展開時間が長くなっても頭部と胸部の重症度に有意な差は見られませんでしたが、展開時間が 20ms を超えると頭部と胸部の重症度に有意な差が見られました。しかし、エアバッグの展開時間が20msを超えると、展開時間の増加に伴って頭部・胸部傷害の重症度が有意に増加しました。検証の結果、曲線下面積=0.747, <0.05と、従来のモデルとほぼ同等の中程度の精度が得られた。このように、コンピュータシミュレーションと人工ニューラルネットワークは、先進的な自動衝突通知アプリケーションに適した傷害リスク推定アルゴリズムの開発に大きな可能性を秘めており、医学的な意思決定や医療を支援する可能性があると考えられます。

The fatality rate can be dramatically reduced with the help of emergency medical services. The purpose of this study was to establish a computational algorithm to predict the injury severity, so as to improve the timeliness, appropriateness, and efficacy of medical care provided. The computer simulations of full-frontal crashes with rigid wall were carried out using LS-DYNA and MADYMO under different collision speeds, airbag deployment time, and seatbelt wearing condition, in which a total of 84 times simulation was conducted. Then an artificial neural network is adopted to construct relevance between head and chest injuries and the injury risk factors; 37 accident cases with Event Data Recorder data and information on occupant injury were collected to validate the model accuracy through receiver operating characteristic analysis. The results showed that delta-v, seatbelt wearing condition, and airbag deployment time were important factors in the occupant's head and chest injuries. When delta-v increased, the occupant had significantly higher level of severe injury on the head and chest; there is a significant difference of Head Injury Criterion and Combined Thoracic Index whether the occupant wore seatbelt. When the airbag deployment time was less than 20 ms, the severity of head and chest injuries did not significantly vary with the increase of deployment time. However, when the deployment time exceeded 20 ms, the severity of head and chest injuries significantly increased with increase in deployment time. The validation result of the algorithm showed that area under the curve = 0.747,  < 0.05, indicating a medium level of accuracy, nearly to previous model. The computer simulation and artificial neural network have a great potential for developing injury risk estimation algorithms suitable for Advanced Automatic Crash Notification applications, which could assist in medical decision-making and medical care.