Foto: Anderson Piza
Sci-Tech

MANJA POGREŠKA PROCJENE

Umjetna inteligencija procjenjuje vrijeme smrti analizom bakterija na tijelu

023.hr redakcija

Određivanje trenutka smrti dugo je jedan od najtežih zadataka forenzične znanosti, a znanstvenici su sada u pomoć prizvali umjetnu inteligenciju. Sustav nazvan mHolmes analizira mikrobiom posmrtnih ostataka i na temelju toga procjenjuje takozvani postmortalni interval, odnosno vrijeme koje je proteklo od smrti osobe. Istraživanje je objavljeno u časopisu Nature Communications.

Dosadašnje metode koje se oslanjaju na mikrobiom obično analiziraju tek nekoliko vremenskih točaka i samo jedan dio tijela, zbog čega pogreška u procjeni može premašiti tri dana. Problem je posebno izražen kod raskomadanih ili djelomično sačuvanih posmrtnih ostataka.

Učenje na 34 tijela

mHolmes je treniran na podacima prikupljenima s 34 ljudska tijela. Uzorci mikrobioma kože uzimani su svakoga dana tijekom 21 dana, i to s lica i s kuka, kako bi sustav naučio prepoznavati obrasce promjene mikrobnih zajednica tijekom razgradnje.

Kang Ning, koautor istraživanja i stručnjak za bioinformatiku sa Sveučilišta za znanost i tehnologiju Huazhong, opisao je mHolmes kao svojevrsnog „meteorologa za mikrobe”. Umjesto da promatra samo trenutačno stanje bakterija, sustav uči kako se njihov broj tijekom vremena povećava i smanjuje.

- TEKST SE NASTAVLJA NAKON OGLASA -

Jedna od ključnih mogućnosti alata jest korištenje podataka s jednog dijela tijela za procjenu vremena smrti na nekom drugom dijelu. To bi moglo biti korisno kada istražiteljima nisu dostupni kompletni ostaci.

Manja pogreška u procjeni

Kada se predviđanja rade između različitih dijelova tijela, mHolmes prema podacima istraživača postiže prosječnu pogrešku manju od dva dana, dok dosadašnji pristupi u oba smjera obično imaju pogrešku od oko tri dana. Sustav može raditi i unatrag, odnosno rekonstruirati kako se mikrobiološka zajednica razvijala tijekom prvog tjedna nakon smrti, što bi moglo pomoći kada se tijelo pronađe tek nakon duljeg razdoblja.

Istraživači su testirali i otpornost sustava na nepotpune podatke. mHolmes je zadržao sposobnost rekonstrukcije ranijeg razvoja mikrobioma čak i kada su uklonjeni podaci za više od polovice uzoraka, što upućuje na to da alat može funkcionirati i kada dio informacija nedostaje.

Sedam skupina bakterija

Sustav je identificirao sedam skupina bakterija povezanih s pojedinim fazama razgradnje tijela. Gammaproteobacteria se naglo povećavaju u ranoj fazi, Clostridia prevladavaju tijekom aktivne razgradnje, dok se Deinococci pojavljuju u suhoj fazi. Prema istraživačima, upravo te biološke veze omogućuju da se predviđanja sustava ne tumače kao potpuno neobjašnjiva.

- TEKST SE NASTAVLJA NAKON OGLASA -

mHolmes bi mogao biti od pomoći forenzičkim istražiteljima, osobito u slučajevima fragmentiranih ili izrazito razgrađenih posmrtnih ostataka. Sustav ipak još nije spreman zamijeniti postojeće metode jer se istraživanje temelji na relativno malom skupu podataka. Prije eventualne primjene rezultata pred sudom bit će potrebno dodatno testiranje u stvarnim uvjetima, na različitim okolišima i dijelovima tijela, kao i razvoj standardiziranih protokola za uzorkovanje, piše tportal.hr.

forenzika · mHolmes · mikrobiom · postmortalni interval · umjetna inteligencija

Sve bitno iz Zadra i okolice u dnevnom pregledu

Prijavite se na 023.hr newsletter i redovito primajte selekciju najvažnijih vijesti u svoj inbox.

Please wait...

Hvala na prijavi! Uskoro stiže prvi Newsletter.

MAMAC ZA STARIJE

Četiri izvora iz kojih ne biste trebali instalirati aplikacije na Android mobitel

EPIGENETSKI SATOVI

Znanstvenici s Yalea analizirali 51 studiju: prehrana uz vježbanje smanjuje biološku dob, dodaci prehrani ne

GLEDANJE BEZ INTERNETA

Netflixova opcija Smart Downloads sama preuzima sljedeću epizodu i briše onu koju ste pogledali

VLAGA U KABINI

Kako brzo odmagliti stakla u autu: topao zrak, klima i isključena recirkulacija

RIZIK KRAĐE IDENTITETA

Brojeve kartica, lozinke i bankovne izvode ne dijelite s ChatGPT-om ni drugim chatbotovima

34.652 SUMNJIVE ADRESE

Crni petak 27. studenog: kako prepoznati lažnu internetsku trgovinu prije nego što platite