一组研究人员开发了一种基于物理的先进AI驱动工具，以协助创伤性脑损伤（TBI）的法医学调查。
来自牛津大学的研究团队，与泰晤士谷警察局、国家犯罪署、约翰·拉德克利夫医院、Lurtis有限公司和卡迪夫大学合作，开发了一种基于物理的先进AI驱动工具，以协助创伤性脑损伤（TBI）的法医学调查。
该研究于今天（2月26日）在《通信工程》上发表，介绍了一种基于力学的机器学习框架，以帮助警方和法医学团队根据记录的攻击场景准确预测TBI的结果。
TBI是一个关键的公共卫生问题，具有严重和长期的神经后果。在法医学调查中，确定某种冲击是否可能导致报告的伤害对于法律程序至关重要，但目前尚无标准化的、可量化的方法来做到这一点。新研究展示了如何利用基于机制的模拟的信息驱动的机器学习工具提供基于证据的伤害预测，以提高TBI调查的准确性和一致性。
首席研究员安托万·耶路撒冷（Antoine Jérusalem），牛津大学工程科学系的机械工程教授表示：“这项研究代表了法医生物力学的重大进步。通过利用AI和基于物理的模拟，我们可以为执法部门提供一个前所未有的工具，以客观地评估TBI。”
该研究的AI框架在真实的匿名警察报告和法医数据上进行了训练，达到了关于TBI相关伤害的显著预测准确性：
– 94%用于颅骨骨折的准确性
– 79%用于失去意识的准确性
– 79%用于颅内出血（颅内出血）的准确性
在每种情况下，模型显示出高特异性和高敏感性（低假阳性和假阴性结果率）。
该框架使用了一个通用的头部和颈部的计算力学模型，旨在模拟不同类型的冲击——例如拳击、掌击或对平面表面的撞击——如何影响各个区域。这提供了对冲击是否可能造成组织变形或应力的基本预测。然而，它并不会单独预测任何伤害风险。这是通过一个上层AI层实现的，该层将此信息与任何其他相关元数据结合起来，例如受害者的年龄和身高，然后为特定伤害提供预测。
研究人员在53份匿名真实的攻击案警察报告上训练了整体框架。每份报告都包含有关一系列可能影响冲击严重性的因素的信息（例如，受害者/犯罪者的年龄、性别、体型）。这导致模型能够将机械生物物理数据与法医细节结合起来，以预测不同伤害发生的可能性。
当研究人员评估哪些因素对每种类型伤害的预测值影响最大时，结果与医学发现非常一致。例如，在预测颅骨骨折的可能性时，最重要的因素是头皮和颅骨在冲击过程中过承受的最大应力。同样，失去意识的最强预测因素是脑干的应力指标。
研究团队坚称，该模型并不打算替代人类法医和临床专家在调查攻击案件中的参与。相反，目的是提供一个基于客观的估算，即记录的攻击是否是真实的伤害原因。该模型还可以用作识别高风险情况的工具，改善风险评估，并制定防范战略，以减少头部伤害的发生及其严重性。
耶路撒冷教授补充道：“我们的框架永远无法毫无疑问地识别出造成伤害的罪犯。它所能做的只是告诉您提供的信息是否与某种结果相关。由于输出的质量取决于输入模型的信息质量，因此详细的证人陈述仍然至关重要。”
支持该研究项目的国家犯罪署高级经理索尼娅·贝利斯（Sonya Baylis）表示：“利用创新技术理解脑损伤以支持警方调查，之前依赖于有限信息，这将极大地增强从医学角度支持起诉所需的解读。”
卡迪夫大学研究员、法医学顾问迈克尔·琼斯（Michael Jones）表示：“法医学的一个‘阿基里斯之踵’是评估目击或推断的伤害机制——通常是力量——是否与观察到的伤害相匹配。通过机器学习的应用，每增加一个案例都有助于整体理解伤害机制、主要伤害、病理生理学和结果之间的关联。”
该研究由来自牛津大学、泰晤士谷警察局、国家犯罪署、卡迪夫大学、Lurtis有限公司、约翰·拉德克利夫医院和其他合作机构的跨学科团队进行。
