摘要：一组研究人员开发了一种基于高级物理的AI驱动工具，以帮助对创伤性脑损伤进行法医研究（TBI）。...

牛津大学的一组研究人员与泰晤士河谷警察局，国家犯罪局，约翰·拉德克利夫医院，卢蒂斯有限公司和卡迪夫大学合作，开发了一种基于高级物理的AI-Drien驱动工具，以帮助对创伤性脑损伤的法医调查（TBI）。

这项研究于今天（2月26日）发表在通信工程，介绍了一个知情的机器学习框架，以帮助警察和法医团队准确地根据记录的突击场景来预测TBI成果。

TBI是一个关键的公共卫生问题，具有严重和长期的神经系统后果。在法医调查中，确定影响是否可能造成报告的伤害对于法律程序至关重要，但目前尚无标准化的，可量化的方法来执行此操作。这项新的研究表明，通过机械模拟告知的机器学习工具如何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。

牛津大学工程科学系机械工程学教授AntoineJérusalem首席研究员AntoineJérusalem说：“这项研究代表了法医生物力学迈出的重要一步。通过利用AI和基于物理的模拟，我们可以为执法部门提供空前的工具，以客观地评估TBI。

该研究的AI框架接受了真正的匿名警察报告和法医数据的培训，对与TBI相关的伤害实现了显着的预测准确性：

• 颅骨骨折的精度为94％
• 79％的意识丧失精度
• 颅内出血的精度为79％（头骨内出血）

在每种情况下，模型都显示高特异性和高灵敏度（假阳性和假阴性结果的速率较低）。

该框架使用头颈部的一般计算机械模型，旨在模拟不同类型的影响（例如对平坦表面上的拳，巴掌或打击）如何影响各个区域。这提供了对影响是否可能导致组织变形或应力的基本预测。但是，它不会自身预测受伤的风险。这是由上层AI层完成的，该层将这些信息与任何其他相关的元数据（例如受害者的年龄和身高）结合在一起，然后再提供给定伤害的预测。

研究人员对53名匿名警方报告攻击案件进行了培训。每个报告都包含有关可能影响打击严重程度的一系列因素的信息（例如，年龄，性别，受害者/罪犯的身体建立）。这导致了一个模型，能够将机械生物物理数据与法医细节整合在一起，以预测发生不同伤害的可能性。

当研究人员评估哪些因素对每种类型的伤害的预测价值产生最大影响时，结果与医学发现非常一致。例如，在预测头骨骨折的可能性时，最重要的因素是撞击过程中头皮和头骨所经历的最高压力。同样，意识丧失的最强预测指标是脑干的压力指标。

研究小组坚持认为，该模型并不是要取代人类法医和临床专家参与调查攻击案件的参与。相反，目的是提供客观估计被证明的袭击是据报道的真正原因的可能性。该模型还可以用作识别高风险情况，改善风险评估并制定预防策略以减少头部受伤的发生和严重性的工具。

杰鲁萨勒姆教授补充说：“我们的框架将毫无疑问地确定造成伤害的罪魁祸首。它所能做的就是告诉您提供的信息是否与某些结果相关。由于产出的质量取决于馈入模型的信息的质量，因此拥有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局高级经理Sonya Baylis女士说：“使用创新技术来了解脑部受伤，以支持以前依靠有限信息的警察调查，将大大增强从医学角度来支持起诉的医学角度。”

加的夫大学研究员迈克尔·琼斯（Michael Jones）博士，法医顾问说：“法医医学的“阿喀琉斯高跟鞋”是对见证或推断的受伤机制（通常是武力）是否与观察到的伤害相匹配的评估。随着机器学习的应用，每种其他情况都有助于总体理解因果的机理，原发性损伤，病理生理学和结果。

这项研究是由牛津大学，泰晤士河谷警察，国家犯罪局，卡迪夫大学，卢蒂斯有限公司，约翰·拉德克利夫医院，约翰·拉德克利夫医院和其他合作伙伴机构的跨学科工程师，法医专家和医学专业人员进行的。