Loading ...Группа исследователей из Оксфордского университета в сотрудничестве с полицией Темз-Вэлли, Национальным агентством по борьбе с преступностью, больницей Джона Рэдклиффа, компанией Lurtis Ltd. и Кардиффским университетом разработала усовершенствованный физический инструмент на базе искусственного интеллекта для помощи в судебно-медицинском расследовании черепно-мозговых травм (ЧМТ).
В исследовании, опубликованном в журнале Communications Engineering , представлена структура машинного обучения с учетом особенностей механики, которая поможет полиции и криминалистическим группам точно прогнозировать результаты черепно-мозговой травмы на основе задокументированных сценариев нападений.
TBI является критической проблемой общественного здравоохранения с тяжелыми и долгосрочными неврологическими последствиями. В судебно-медицинских расследованиях определение того, мог ли удар вызвать зарегистрированную травму, имеет решающее значение для судебного разбирательства , однако в настоящее время не существует стандартизированного, количественно измеримого подхода к этому.
Новое исследование демонстрирует, как инструменты машинного обучения, основанные на механистическом моделировании, могут обеспечить основанные на фактических данных прогнозы травм, что позволит повысить точность и последовательность исследований черепно-мозговых травм.
Ведущий исследователь Антуан Иерусалим, профессор машиностроения на кафедре инженерных наук Оксфордского университета, сказал: «Это исследование представляет собой значительный шаг вперед в судебной биомеханике. Используя искусственный интеллект и физическое моделирование, мы можем предоставить правоохранительным органам беспрецедентный инструмент для объективной оценки черепно-мозговых травм».
Структура искусственного интеллекта, использованная в исследовании и обученная на реальных анонимных полицейских отчетах и судебно-медицинских данных, достигла поразительной точности прогнозирования травм, связанных с черепно-мозговой травмой:
- 94% точность при переломах черепа
- 79% точности при потере сознания
- Точность 79% для внутричерепного кровоизлияния (кровотечения внутри черепа)
В каждом случае модель показала высокую специфичность и высокую чувствительность (низкий уровень ложноположительных и ложноотрицательных результатов).
В основе лежит общая вычислительно-механистическая модель головы и шеи, разработанная для моделирования того, как различные типы ударов — например, удары кулаками, шлепки или удары по плоской поверхности — влияют на различные области. Это обеспечивает базовый прогноз того, может ли удар вызвать деформацию тканей или напряжение.
Однако он сам по себе не прогнозирует риск получения травмы. Это делает верхний уровень ИИ, который объединяет эту информацию с любыми дополнительными соответствующими метаданными, такими как возраст и рост жертвы, прежде чем предоставить прогноз для данной травмы.
Исследователи обучили общую структуру на 53 анонимных реальных полицейских отчетах о случаях нападения. Каждый отчет включал информацию о ряде факторов, которые могли повлиять на тяжесть удара (например, возраст, пол, телосложение жертвы/преступника). Это привело к созданию модели, способной интегрировать механические биофизические данные с криминалистическими подробностями для прогнозирования вероятности получения различных травм.
Когда исследователи оценили, какие факторы оказывают наибольшее влияние на прогностическую ценность каждого типа травм, результаты оказались удивительно схожими с медицинскими данными.
Например, при прогнозировании вероятности перелома черепа наиболее важным фактором было наибольшее количество стресса, испытываемого кожей головы и черепом во время удара. Аналогично, самым сильным предиктором потери сознания были показатели стресса для ствола мозга.
Исследовательская группа настаивает, что модель не предназначена для замены участия судебных и клинических экспертов в расследовании случаев нападения. Скорее, ее цель — предоставить объективную оценку вероятности того, что задокументированное нападение было истинной причиной зарегистрированной травмы.
Модель также может быть использована в качестве инструмента для выявления ситуаций высокого риска, улучшения оценки рисков и разработки превентивных стратегий для снижения частоты и тяжести травм головы.
Профессор Иерусалим добавил: «Наша структура никогда не сможет без сомнений определить виновника, который нанес травму. Все, что она может сделать, это сказать вам, связана ли предоставленная ей информация с определенным результатом. Поскольку качество выходных данных зависит от качества информации, введенной в модель, наличие подробных показаний свидетелей по-прежнему имеет решающее значение».
Г-жа Соня Бейлис, старший менеджер Национального агентства по борьбе с преступностью, которая поддержала этот исследовательский проект, сказала: «Изучение травм головного мозга с использованием инновационных технологий для поддержки полицейского расследования, которое ранее зависело от ограниченной информации, значительно улучшит интерпретацию, необходимую с медицинской точки зрения для поддержки судебного преследования».
Доктор Майкл Джонс, научный сотрудник Кардиффского университета и консультант по судебной экспертизе, сказал: «Ахиллесовой пятой» судебной медицины является оценка того, соответствует ли засвидетельствованный или предполагаемый механизм травмы, часто сила, наблюдаемым травмам.
«Благодаря применению машинного обучения каждый дополнительный случай вносит вклад в общее понимание связи между механизмом причины, первичной травмой , патофизиологией и результатом».
Исследование было проведено междисциплинарной группой инженеров, специалистов по судебной экспертизе и медицинских работников из Оксфордского университета, полиции Темз-Вэлли, Национального агентства по борьбе с преступностью, Кардиффского университета, компании Lurtis Ltd., больницы Джона Рэдклиффа и других партнерских учреждений.
Новости партнеров:
Вам могло бы понравиться:
205
