Ny forskning: Så kan AI fastställa dödsögonblicket
Går det att använda AI för att bättre bestämma vilken tidpunkt dödsögonblicket hos en individ ägde rum? Det ville den tidigare ingenjörsstudenten Jenny Arpe undersöka. Till en början möttes hennes idé med skepsis – nu har hennes resultat kammat hem Examenspriset till Christopher Polhems minne och nya AI-modeller utvecklas med hennes arbete som underlag.
Att Jenny Arpes examensarbete blev att utveckla en AI-modell som kan uppskatta tiden sedan dödsfallet – det så kallade postmortem-intervallet (PMI) – var delvis en slump. Inför examensarbetet våren 2024 presenterades flera förslag för studenterna, däribland ett nystartat samarbete mellan Linköpings universitet och Rättsmedicinalverket, där det fanns möjlighet att använda ett stort humant dataset i forskningssyfte.
Intresset för ”true crime” avgörande
Jenny Arpe, tidigare ingenjörsstudent vid Linköpings universitet, numera Business Consultant på CGI, berättar för Voister att hon alltid varit intresserad av rättsväsendet och true crime. Hon kontaktade därför projektansvarig och fick chansen att ansluta till forskningsgruppen.
– Det fanns fyra olika frågeställningar att utgå från och jag valde att utforska dödstillfället. Jag tyckte det kändes spännande. Men när jag valde att fokusera på dödstidpunkt, kommenterade rättsläkaren och handledarna: "Du kan välja den här ingången, men vi har inte så höga förväntningar – det är ett högriskprojekt", säger hon.
Detta är ett banbrytande tvärvetenskapligt projekt som förenar medicin och artificiell intelligens.
Ulrika Lindstrand, Förbundsordförande för Sveriges Ingenjörer
Datadriven metod med hög precision
Vid obduktioner tas blodprov som analyserar ämnen och molekyler. Jenny Arpe fick tillgång till ett omfattande dataset med dessa prover, likt ett Excelblad med en massa siffror. I projektet användes enbart data där dödsdatum var exakt känt.
– Jag visste exempelvis att rad fem dog för fem dagar sedan, rad sju för tio dagar sedan – så jag tränade modellen bara på säkra data.
Datasetet som baserades på nära 5 000 humanprover delades upp i 80 procent träningsdata och 20 procent test- och valideringsdata. Modellen tränades genom att jämföra sina prediktioner med de verkliga värdena och justera för att minimera fel. Därefter testades modellen på den sparade datan för att verifiera att den inte bara lärt sig träningsdata.
Majoriteten av proverna hade ett PMI-värde mellan två och åtta dagar, med flest prover på fem dagar (768 stycken). Det resulterade i att AI-modellen är som mest träffsäker mellan två och sex dagar efter dödsfallet – betydligt bättre än dagens metoder som mäter kroppstemperatur, likstelhet eller kalium i ögat, vilka tappar tillförlitlighet efter två dagar.
När hon presenterade de första resultaten halvvägs in i arbetet märkte hon att forskargruppen blev överraskad.
– Då började jag förstå att det här kan nog bli ganska bra.
Tvärvetenskapligt samarbete och framtida potential
Jenny Arpe arbetade tillsammans med forskare från institutionen för medicinsk teknik på Linköpings Universitet samt Rättsmedicinalverket i Linköping. Gruppen har kommit fram till att det räcker med 256 prover för att ta fram en tillförlitlig AI-modell. Av de cirka 2 300 metaboliter som finns i varje blodprov är det endast omkring 35 procent som förändras efter dödsfallet – och det är dessa man bör fokusera på.
Jenny är idag inte aktiv i forskningen, men forskargruppen fortsätter arbetet baserat på hennes examensarbete. Hon hoppas att det kan leda till en pilotstudie inom några år, även om mycket återstår.
– Mitt arbete visar stor potential, men det krävs mycket mer validering och utveckling innan det kan användas i praktiken.
Läkarna inom rättsmedicin är positiva och ser ett behov av att ta tekniken i bruk. Nästa steg för forskargruppen är att söka mer finansiering för att testa olika AI-modeller, analysera fler prover och inkludera prover från brottsplatser.
Jenny Arpes underlag baserades enbart på nedkylda kroppar från obduktion, vilket innebär att alla hade samma kroppstemperatur vid provtagning.
– Så ser inte verkligheten ut, särskilt inte vid brottsplatser. Kroppar kan hittas inomhus, utomhus eller i vatten, och temperaturen påverkar troligen metaboliternas sammansättning.
För att ta tekniken vidare krävs fler tester med kroppar i varierande temperaturer, bättre förståelse för vilka metaboliter som är mest relevanta, samt utveckling av ett användarvänligt verktyg för praktisk tillämpning.
Examenspris till Christopher Polhems minne
För examensarbetet får Jenny Arpe ett examenspris till Christopher Polhems minne.
Förbundsordförande för Sveriges Ingenjörer Ulrika Lindstrand, ser stor potential i hur Jenny Arpes arbete kan påverka såväl framtida forskning som praktiskt rättsmedicinskt arbete.
– Detta är ett banbrytande tvärvetenskapligt projekt som förenar medicin och artificiell intelligens. Arbetet är grundligt genomfört, väl strukturerat och visar på stor förmåga att omsätta teori till samhällsnyttig tillämpning, säger hon, i ett pressmeddelande.
Utdelningen av priset sker den 19 november i Stockholm och Jenny Arpe gläds åt uppmärksamheten.
– Det är jättekul att arbetet fått publicitet. Jag hoppas det leder till att forskningen kan fortsätta och att AI-modellen blir ännu mer exakt, avslutar hon.
Läs mer om ämnet:

