AI a halál időpontjának pontosabb meghatározására

A mesterséges intelligencia alkalmazása új lehetőséget kínál a halál beálltának pontosabb meghatározására, ami különösen nagy jelentőségű lehet például emberölési ügyek kivizsgálása során. A módszert a Linköpingi Egyetem és a Svéd Igazságügyi Orvostani Hivatal kutatói fejlesztették ki, akik az AI-modellt több ezer, valós esetekből származó vérminta metabolitjainak elemzésével tanították be. Rasmus Magnusson a Nature Communications folyóiratban megjelent tanulmányában arra mutatott rá, hogy a halál egy olyan “erős biológiai jel”, amely jól felismerhető mintázatokat hagy maga után a vérben.

A halál beálltát követően számos biológiai folyamat indul el: a szervek és szövetek lebomlása megkezdődik, és ennek következtében megváltozik a vérben található kis molekulák, az úgynevezett metabolitok összetétele. Ezek a változások jól követhető, időfüggő mintázatot mutatnak, amely összefügg a halál óta eltelt idővel. Henrik Green, a Linköpingi Egyetem igazságügyi orvostani professzora hangsúlyozta, hogy a halál pontos időpontjának meghatározása nemcsak a törvényszéki vizsgálatokban kulcsfontosságú, hanem a rendőrségi munkát is segíti, például abban, hogy a nyomozók a megfelelő időszakban jelen lévő tanúkra összpontosíthassanak.

A jelenleg alkalmazott módszerek – mint a testhőmérséklet mérése, a hullamerevség vizsgálata vagy a szem üvegtestében található káliumszint meghatározása – néhány nap elteltével már kevésbé megbízhatóak. Az új megközelítés ezzel szemben mesterséges intelligenciát használ a boncolás során vett vérminták metabolitjainak elemzésére. A Svéd Igazságügyi Orvostani Hivatal az elmúlt közel tíz évben több mint 45 ezer boncoláskor levett vérmintát gyűjtött össze, ami egy mindezidáig egyedülálló adatbázist eredményezett. Ezeket a mintákat eredetileg gyógyszerek, drogok vagy mérgek kimutatására használták, de a szervezet saját metabolitjai is jelen vannak bennük. A kutatók csaknem ötezer olyan mintát választottak ki, amelyeknél a halál és a boncolás közötti időtartam pontosan ismert volt, és ezekkel tanították be az AI-modellt.

Magnusson szerint ez az adatbázis valódi kincsesbánya, ugyanakkor a vizsgálat azt is megmutatta, hogy a módszer működéséhez nincs feltétlenül szükség ekkora adatmennyiségre: néhány száz minta is elegendő lehet hasonló modellek létrehozásához, ami világszerte elérhetővé teheti a módszert olyan laboratóriumok számára is, amelyek nem rendelkeznek ilyen nagy adatállománnyal.

Az új modell a halál és a boncolás között eltelt időt akár 13 napos időtartamig körülbelül egy nap pontossággal tudta megbecsülni, ami jelentős előrelépés a jelenlegi módszerekhez képest. Elin Nyman, a Linköpingi Egyetem rendszerbiológiai kutatója elmondta, hogy a projekt kockázatosnak számított, mivel a test lebomlását számos külső tényező befolyásolja, mégis meglepő módon a metabolitok jelzése rendkívül erős prediktornak bizonyult. A jelenlegi adatbázis ugyan csak a halál napját tartalmazza, azaz nem a pontos időpontot, ezért a kutatók következő célja olyan adatkészlet létrehozása, amely még részletesebb információkkal szolgálhat. Ennek segítségével a jövőben még pontosabb modellek készülhetnek, amelyek akár a napszakot is képesek lesznek meghatározni.

Carl Söderberg igazságügyi orvos szakértő szerint a törvényszéki munka gyakran összetett, kirakószerű feladat és az új eszköz különösen nagy segítséget jelenthet olyan esetekben, ahol hosszabb idő telt el a halál beállta óta, így különösen örvendetes, hogy  a kutatócsoport nem elégszik meg a mostani eredményekkel, hanem már jelenleg is a modell további pontosításán dolgozik.

Írásunk az alábbi közlemények alapján készült:

Metabolite-driven AI model accurately estimates time of death

The human metabolome and machine learning improves predictions of the post-mortem interval

Irodalmi hivatkozás:

Magnusson, R., et al. (2026). The human metabolome and machine learning improves predictions of the post-mortem interval. Nature Communications. DOI: 10.1038/s41467-026-69158-w. https://doi.org/10.1038/s41467-026-69158-w