AIPress.com.cn報道

2月25日消息，來自Link?ping University與Swedish National Board of Forensic Medicine的研究團隊開發出一套基于代謝物數據的人工智能模型，可更精確地估算死亡時間。相關成果已發表于Nature Communications。

研究人員指出，人體死亡后會觸發一系列可預測的生物化學變化。隨著器官與組織逐漸分解，血液中小分子代謝物的濃度也會發生規律性改變，這些變化與死亡后經過的時間高度相關。

當前法醫學中用于判斷死亡時間（即死后間隔，post-mortem interval, PMI）的方法，通常包括體溫測量、尸僵程度以及眼玻璃體液中鉀離子濃度檢測等。但當死亡時間超過數天后，上述指標的準確性會明顯下降。

新方法則通過人工智能模型分析尸檢采集的血液樣本中的代謝物數據進行預測。研究團隊基于近十年間收集的逾4.5萬例尸檢血樣數據庫開展研究，其中4,876份已知死后間隔的樣本被用于模型訓練。研究人員表示，盡管數據庫規模龐大，但實驗結果顯示，構建類似模型并不一定需要如此大量的數據，數百例樣本即可實現可用精度。

測試結果表明，該模型在死亡至尸檢時間最長達13天的情況下，仍可將預測誤差控制在約一天范圍內，較傳統方法有所提升。研究人員指出，盡管尸體分解過程會受到環境溫度、濕度等多種外部因素影響，但血液代謝物所呈現的時間信號具有較強穩定性。

目前數據庫中記錄的是死亡日期而非具體時刻。研究團隊下一步計劃構建包含更精確死亡時間信息的數據集，以進一步訓練模型，提高時間分辨率，并探索是否能夠推斷死亡發生于一天中的具體時段。

研究人員認為，該工具可為法醫鑒定提供補充手段，尤其在死亡時間較長、傳統方法精度受限的復雜案件中，具有潛在應用價值。（AI普瑞斯編譯）