Investigating the relationship between kinematic brain injury metrics and brain tissue strain for a football helmet test standard

당신은 지금 매우 빠른 속도로 진행되는 미식축구 경기를 관람하고 있다고 상상해 보세요. 선수가 충격을 받을 때마다 그들의 헬멧은 방패 역할을 합니다. 하지만 과학자들은 의문을 가져왔습니다. 이 방패가 실제로 뇌가 안에서 짓눌리는 것을 막아주고 있는 걸까요?

오랫동안 미식축구 헬멧을 테스트하는 규칙(NOCSAE라고 불리는)은 헬멧이 안전한지 결정하기 위해 몇 가지 구식 "점수판"에 의존해 왔습니다. 이 점수판들은 마치 바람의 속도만을 알려주는 기상 보고서와 같습니다. 그것들은 머리가 얼마나 앞으로 세게 흔들리는지 또는 회전하는지(가속도)를 측정하지만, 실제 뇌 조직 내부에서 어떤 일이 일어나고 있는지는 알려주지 않습니다.

이 연구에서 오타와 대학교의 연구진은 커튼 뒤를 몰래 들여다보기로 했습니다. 그들은 이 오래된 '바람 속도 점수판'이 실제로 충격 시 뇌 조직이 얼마나 늘어나고 변형되는지를 예측할 수 있는지 알고 싶었습니다. 이를 위해 연구진은 단순히 헬멧만 본 것이 아니라, 슈퍼컴퓨터 뇌 모델(인간의 뇌를 디지털로 복제한 트윈)을 사용하여 뇌 조직의 실제 "신축성", 즉 **최대 주 척도 변형률(Maximum Principal Strain, MPS)**을 측정했습니다.

거대한 폭로: 구식 점수판은 빗나가고 있다

연구진은 세 종류의 서로 다른 미식축구 헬멧을 96회의 모의 충돌 실험에 통과시켰습니다. 그들은 두 종류의 충돌 기계를 사용했습니다. 하나는 헬멧을 패드가 깔린 모루 위로 떨어뜨리는 "드롭 리그(drop rig)"이고, 다른 하나는 헬멧을 목표물에 발사하는 "공압식 램(pneumatic ram)"입니다.

여기 반전이 있습니다. 구식 점수판은 뇌의 변형을 예측하는 데 형편없었습니다.

연구진이 기존의 지표들(GSI 또는 HIC 같은)을 컴퓨터 모델로 측정한 실제 뇌 변형과 비교했을 때, 그 연결 고리는 매우 약했습니다. 이는 마치 김이 올라오는 것만 보고 국의 온도를 맞추려는 것과 같았습니다. 기존 지표들은 실제 위험을 전혀 보지 못했습니다.

• 가장 성능이 좋았던 기존 지표(GAMBIT 및 UBrIC)조차 뇌 변형의 분산을 약 **34%**밖에 설명하지 못했습니다.
• 가장 흔히 쓰이는 지표들(GSI 및 HIC)은 훨씬 더 나빴으며, 겨우 11%에서 12% 정도만을 설명했습니다.

이 논문은 현재의 지표들이 이러한 특정 테스트 조건 하에서 뇌진탕을 예측하기에 충분히 훌륭하다는 생각에 대해 명시적으로 반대합니다. 발견된 뇌 변형 값(0.180 ~ 0.641 범위)은 뇌진탕을 유발할 만큼 높았음에도 불구하고, 그 어떤 충격도 기존 점수판의 "실패" 경보를 울리지 않았습니다. 이는 현재의 규칙들이 두개골 골절(외상성 뇌 손상)을 막는 데는 유용할지 모르지만, 뇌진탕을 일으키는 더 미세하고 말랑말랑한 부상에는 눈이 멀어 있을 수 있음을 시사합니다.

새로운 접근법: 다기능 탐정

그렇다면 단일 숫자 형태의 구식 점수판이 실패한다면, 무엇이 정답일까요? 연구진은 새로운 전략을 시도했습니다. 단 하나의 숫자를 보는 대신, 전체적인 그림을 보기로 한 것입니다. 그들은 컴퓨터 모델에 머리가 얼마나 앞으로 움직였는지, 얼마나 회전했는지, 그리고 그러한 움직임의 구체적인 방향(위, 아래, 왼쪽, 오른쪽)을 포함한 혼합 데이터를 입력했습니다.

그들은 퍼즐을 풀기 위해 두 가지 종류의 "스마트" 수학적 방법을 사용했습니다.

1. 다중 회귀(Multiple Regression): 모든 다양한 움직임의 수치를 결но합하는 표준 수학 방법입니다.
2. 랜덤 포레스트(Random Forest): 데이터에서 숨겨진 패턴을 찾기 위해 각기 다른 방식으로 데이터를 살펴보는 팀 단위의 탐정들처럼 작동하는 정교한 머신러닝 방법입니다.

결과는 판도를 바꾸어 놓았습니다.

• 랜덤 포레스트 모델은 뇌 변형의 분산을 90.8%(R² = 0.908)나 설명하며 슈퍼스타 역할을 했습니다.
• 다중 회귀 모델 역시 **86.2%**의 분산을 설명하며 강력한 모습을 보였습니다.

이는 헬멧이 뇌 변형을 방지하는지 제대로 이해하려면, 단 하나의 숫자만 봐서는 안 된다는 것을 시사합니다. 속도, 회전, 그리고 방향을 모두 동시에 고려해야 합니다. 이는 자동차 사고를 묘사하는 것과 같습니다. 단순히 "빨랐다"라고 말하는 것만으로는 부족합니다. 벽에 부딪혔는지, 나무에 부딪혔는지, 혹은 다른 차와 부딪혔는지, 그리고 어떤 각도에서 충돌했는지를 알아야 하는 것과 같습니다.

이것이 미래에 의미하는 바

이 연구는 기존의 테스트를 완전히 버릴 수는 없지만, 반드시 업그레이드해야 한다고 결론짓습니다. 현재의 규칙들은 뇌가 너무 많이 "늘어나는" 상황에서도 헬멧을 통과시키고 있을 가능성이 있습니다.

저자들은 향ya 헬멧 표준이 이러한 더 스마트한 다변량 수학 모델을 사용해야 한다고 제안합니다. "머리가 테스트를 통과할 만큼 강하게 흔들렸는가?"라고 묻는 대신, "속도, 회전, 방향의 조합이 뇌를 너무 많이 늘어나게 했는가?"라고 물어야 합니다.

이 연구는 실제 인간을 실제 경기장에서 테스트한 것은 아니지만, 컴퓨터 시뮬레이션은 실제 인간의 스캔 데이터를 기반으로 구축되고 실제 충돌 데이터에 의해 검증된 매우 상세한 모델을 사용했습니다. 이 결과는 더 안전한 헬멧을 향한 길이, 우리가 수십 년 동안 사용해 온 단순한 구식 점수판이 아니라, 더 복잡하고 뇌에 집중된 수학을 사용하는 데 있음을 강력하게 시사합니다.

요약하자면, 기존의 규칙은 자동차의 안전성을 확인하기 위해 속도계만 보는 것과 같습니다. 새로운 연구는 운전자(또는 뇌)가 정말 안전한지 알기 위해서는 계기판 전체와 스티어링 휠, 그리고 도로 상태까지 모두 살펴봐야 한다고 말합니다.