AI ประเมินว่าคุณตายมานานแค่ไหนได้อย่างไร

ปัญญาประดิษฐ์กำลังก้าวเข้ามาในวงการวิทยาศาสตร์และนิติวิทยาศาสตร์อย่างต่อเนื่อง หนึ่งในงานวิจัยล่าสุดเผยว่า AI อาจช่วยประเมินได้ว่าบุคคลหนึ่งเสียชีวิตมาแล้วนานเท่าไร โดยอาศัยข้อมูลจากจุลินทรีย์ที่เปลี่ยนแปลงอยู่บนร่างกายหลังเสียชีวิต ฟังดูเหมือนเนื้อหาในภาพยนตร์สืบสวน แต่เทคโนโลยีนี้มีพื้นฐานจากชีววิทยาจริงและอาจช่วยเจ้าหน้าที่ไขคดีได้อย่างมีประสิทธิภาพมากขึ้น

ระบบดังกล่าวมีชื่อว่า mHolmes ถูกพัฒนาเพื่อคำนวณช่วงเวลาหลังเสียชีวิต หรือ Postmortem Interval (PMI) นักวิจัยฝึกระบบด้วยข้อมูลจากร่างผู้เสียชีวิตจำนวน 34 ราย โดยเก็บตัวอย่างจุลินทรีย์จากบริเวณใบหน้าและสะโพกทุกวันเป็นเวลา 21 วัน ข้อมูลเหล่านี้ทำให้ AI เรียนรู้ว่ากลุ่มแบคทีเรียชนิดต่าง ๆ เติบโต ลดจำนวน หรือเปลี่ยนแปลงอย่างไรในแต่ละช่วงของการย่อยสลาย

AI ประเมินว่าคุณตายมานานแค่ไหนได้อย่างไร

หัวใจสำคัญของระบบ mHolmes คือการอ่านรูปแบบของจุลินทรีย์บนร่างกาย เพราะหลังเสียชีวิต ระบบภูมิคุ้มกันและกระบวนการทางชีวภาพภายในร่างกายจะหยุดทำงาน ส่งผลให้แบคทีเรียและจุลินทรีย์ชนิดต่าง ๆ เริ่มเปลี่ยนแปลงตามลำดับเวลา แต่ละระยะของการย่อยสลายจะมี “ชุมชนจุลินทรีย์” ที่แตกต่างกัน การเปลี่ยนแปลงเหล่านี้จึงทำหน้าที่คล้ายกับนาฬิกาชีวภาพที่ช่วยบอกเวลาหลังเสียชีวิต

นักวิจัยเปรียบเทียบ mHolmes ว่าเป็น นักพยากรณ์อากาศสำหรับจุลินทรีย์ ระบบไม่ได้ดูเพียงข้อมูล ณ เวลาที่เก็บตัวอย่างเท่านั้น แต่ยังเรียนรู้แนวโน้มการเพิ่มขึ้นและลดลงของแบคทีเรีย จากนั้นจึงคาดการณ์ได้ว่าจุลินทรีย์น่าจะมีสภาพเป็นอย่างไรในวันที่ข้อมูลขาดหายไป หรือในช่วงเวลาที่อยู่ก่อนและหลังวันที่เก็บตัวอย่าง

AI ประเมินว่าคุณตายมานานแค่ไหนได้อย่างไรในกรณีข้อมูลไม่ครบ

จุดเด่นอีกประการของ mHolmes คือความสามารถในการทำงานแม้มีข้อมูลไม่สมบูรณ์ นักวิจัยพบว่าระบบยังสามารถสร้างภาพย้อนกลับของการเปลี่ยนแปลงจุลินทรีย์ในช่วงสัปดาห์แรกหลังเสียชีวิตได้ แม้จะตัดข้อมูลนำเข้าออกมากกว่าครึ่งก็ตาม ความสามารถนี้มีความสำคัญมากในสถานการณ์จริง เพราะศพอาจถูกพบหลังเสียชีวิตเป็นเวลานาน หรือเจ้าหน้าที่อาจเก็บตัวอย่างได้จากบางส่วนของร่างกายเท่านั้น

นอกจากนี้ ระบบยังสามารถนำความรู้จากตัวอย่างบริเวณหนึ่งไปใช้ประเมินอีกบริเวณหนึ่งได้ เช่น หากไม่สามารถเก็บตัวอย่างจากใบหน้าได้ ระบบอาจใช้ข้อมูลจากสะโพกหรือส่วนอื่นมาช่วยวิเคราะห์ ความยืดหยุ่นนี้อาจเป็นประโยชน์ในคดีที่พบชิ้นส่วนร่างกาย ศพได้รับความเสียหาย หรือมีสภาพแวดล้อมที่ทำให้การเก็บหลักฐานทำได้ยาก

แบคทีเรียช่วยบอกระยะการย่อยสลายได้อย่างไร

งานวิจัยระบุว่า mHolmes ตรวจพบกลุ่มแบคทีเรีย 7 กลุ่มที่สัมพันธ์กับระยะการย่อยสลายที่รู้จักกันในทางนิติวิทยาศาสตร์ ตัวอย่างเช่น Gammaproteobacteria มักเพิ่มจำนวนในระยะแรก ขณะที่ Clostridia มีบทบาทเด่นในช่วงที่ร่างกายกำลังย่อยสลายอย่างมาก ส่วน Deinococci มักพบในระยะที่ร่างกายแห้งลง รูปแบบเหล่านี้ช่วยให้ระบบไม่ได้ทำงานแบบกล่องดำที่ไม่มีใครอธิบายได้

• Gammaproteobacteria: มักเพิ่มจำนวนในช่วงต้นหลังเสียชีวิต
• Clostridia: มีความเกี่ยวข้องกับช่วงการย่อยสลายที่เกิดขึ้นอย่างรวดเร็ว
• Deinococci: มักปรากฏในช่วงที่ร่างกายเข้าสู่ระยะแห้ง
• กลุ่มจุลินทรีย์อื่น ๆ: ช่วยเติมข้อมูลเกี่ยวกับการเปลี่ยนแปลงในแต่ละระยะ

การพบความสัมพันธ์ระหว่างแบคทีเรียกับระยะการย่อยสลายทำให้ผลลัพธ์ของ mHolmes มีพื้นฐานทางชีววิทยารองรับ นักวิจัยจึงสามารถอธิบายได้ว่าระบบคาดการณ์ช่วงเวลาหลังเสียชีวิตจากสัญญาณใด ไม่ได้อาศัยเพียงการจับคู่รูปแบบข้อมูลโดยไม่มีเหตุผลที่ตรวจสอบได้

ความแม่นยำและประโยชน์ต่อการสืบสวน

จากการทดสอบ mHolmes สามารถคาดการณ์การเปลี่ยนแปลงของจุลินทรีย์แบบเกือบรายวัน และมีค่าความคลาดเคลื่อนเฉลี่ยต่ำกว่า 2 วันเมื่อต้องประเมินข้อมูลจากบริเวณร่างกายที่แตกต่างกัน วิธีการเดิมที่ใช้ตัวอย่างไมโครไบโอมมักมีจุดเก็บข้อมูลเพียง 3 ถึง 5 ช่วงเวลา และมักเน้นเพียงส่วนเดียวของร่างกาย จึงอาจมีความคลาดเคลื่อนมากกว่า 3 วัน โดยเฉพาะเมื่อพบศพที่ถูกแยกชิ้นส่วนหรือมีข้อมูลจำกัด

การประเมินช่วงเวลาหลังเสียชีวิตที่แม่นยำขึ้นอาจช่วยให้ตำรวจจำกัดกรอบเวลาของการเสียชีวิต ตรวจสอบคำให้การของพยาน และเปรียบเทียบกับหลักฐานจากกล้องวงจรปิด โทรศัพท์ หรือธุรกรรมต่าง ๆ ได้ดีขึ้น ในคดีที่พบศพหลังเวลาผ่านไปนาน การย้อนรอยการเปลี่ยนแปลงของจุลินทรีย์อาจช่วยเติมช่องว่างที่วิธีการตรวจสอบแบบเดิมทำได้ยาก

อย่างไรก็ตาม mHolmes ยังไม่ใช่เครื่องมือที่สามารถใช้งานแทนผู้เชี่ยวชาญได้ทันที ผลการศึกษาอาศัยชุดข้อมูลจากร่างผู้เสียชีวิตเพียง 34 ราย และสภาพแวดล้อม เช่น อุณหภูมิ ความชื้น ดิน เสื้อผ้า ตำแหน่งของร่างกาย รวมถึงสุขภาพก่อนเสียชีวิต อาจส่งผลต่อการเปลี่ยนแปลงของจุลินทรีย์ทั้งหมด ปัจจัยเหล่านี้จำเป็นต้องได้รับการศึกษาเพิ่มเติมก่อนนำระบบไปใช้ในสถานการณ์จริงอย่างแพร่หลาย

ข้อจำกัดก่อนนำ AI ไปใช้ในศาล

แม้เทคโนโลยีนี้จะน่าสนใจ แต่ผลจาก AI ยังต้องผ่านการตรวจสอบตามมาตรฐานนิติวิทยาศาสตร์ นักวิจัยจำเป็นต้องทดลองกับร่างผู้เสียชีวิตในภูมิอากาศและสภาพแวดล้อมที่หลากหลาย รวมถึงทดสอบจากส่วนต่าง ๆ ของร่างกายให้มากขึ้น นอกจากนี้ยังต้องจัดทำแนวทางการเก็บตัวอย่างที่ชัดเจน เพื่อให้ผลลัพธ์จากห้องทดลองสามารถเปรียบเทียบกับผลจากสถานที่เกิดเหตุได้อย่างน่าเชื่อถือ

การนำผลลัพธ์ไปใช้ในศาลยังต้องพิจารณาความโปร่งใส ความสามารถในการอธิบายผล และอัตราความผิดพลาด หากระบบประเมินเวลาหลังเสียชีวิตคลาดเคลื่อนเพียงเล็กน้อย ก็อาจส่งผลต่อทิศทางของคดีได้ ดังนั้น mHolmes ควรถูกใช้เป็นเครื่องมือช่วยประกอบการตัดสินใจ ร่วมกับการชันสูตร หลักฐานทางกายภาพ และความเห็นของผู้เชี่ยวชาญ ไม่ใช่เป็นคำตอบสุดท้ายเพียงอย่างเดียว

โดยสรุป mHolmes แสดงให้เห็นว่า AI สามารถอ่านสัญญาณเล็ก ๆ จากโลกจุลชีพเพื่อช่วยตอบคำถามสำคัญในคดีอาชญากรรมได้ แม้ยังต้องพัฒนาและทดสอบอีกมาก แต่แนวคิดนี้อาจเปลี่ยนวิธีที่นักนิติวิทยาศาสตร์ประเมินเวลาหลังเสียชีวิตในอนาคต หากเทคโนโลยีได้รับการตรวจสอบอย่างรอบคอบ ก็มีโอกาสกลายเป็นผู้ช่วยสำคัญของทีมสืบสวนและอาจปรากฏในคดีจริงหรือพอดแคสต์อาชญากรรมที่เราติดตามกันในอีกไม่กี่ปีข้างหน้า

มุมมองของเรา: เทคโนโลยีนี้น่าตื่นเต้นเพราะไม่ได้มาแทนที่มนุษย์ทันที แต่ช่วยเพิ่มข้อมูลให้ผู้เชี่ยวชาญตัดสินใจได้แม่นยำขึ้น การพัฒนาในอนาคตควรให้ความสำคัญกับความถูกต้อง ความโปร่งใส และการใช้งานอย่างรับผิดชอบควบคู่กันไป

ที่มา – This AI Can Estimate How Long You’ve Been Dead. How It Works Is the Weird Part