人工智能在法医学中的应用

熊枫，邬震宇

1.湖南省第二人民医院芙蓉司法鉴定中心，湖南长沙 410007；2.江苏省苏州市昆山市青阳社区卫生服务中心，江苏苏州 215300

人工智能是一种利用人工技术与方法延伸、扩展、模拟人的智能，实现机器智能，最终目标为达到与人类智力水平相当的人工智能[1]。随着人工神经网络理论的产生，使得人工智能发展更加快速，在医学研究等领域中得到普遍应用。法医学是一门利用生物学、医学及其他自然科学理论与技术，研究并解决法律实践中有关医学问题的医学学科。法医学具有涉及内容多、影响因素多、经验性强等特点，而人工智能核心就是推理与学习，使其在法医学中的应用优势十分明显，且对学科发展有着非常重要的推进作用。

1 人工智能概述

1.1 不确定推理与自动推理

不确定推理指讨论知识不确定与处理数据不精确的方法与工具，一般包括模糊推理、可信度方法等。自动推理指机器从一个或多个现有逻辑中推论出一个新的结论，其是人工智能的核心内容，也是专家系统、智能机器人、程序推导、程序正确性证明等领域的基础。

1.2 神经网络

神经网络主要是对人脑或生物神经网络的抽象分析与建模，以类似生物交互方式适应环境并从中进行学习。神经网络主要包括很多层，经由感知系统连接层与层，同时进行抽象分析，最后全面处理所得数据。尽管神经网络训练速度比较缓慢，远不如人类大脑，但在多年发展过程中，已经在医疗领域、智能机器人、模式识别等方面取得很大成就。随着神经网络的不断发展与进步，深度学习应运而生，主要经由一系列多层非线性变换抽象分析相关数据，在自然语言处理、语音识别、图像识别等方面得到广泛应用。

1.3 机器学习

机器学习指让机器模拟人的学习能力，获得相应的知识与技能，提高机器性能，使其具备与人类相似的智能。在机器学习方法中，统计学习应用十分普遍，其主要通过大量的数据分析，构建概率模型，利用此模型对相关数据进行分析及预测。在统计学习中，支持向量机是十分常见的类型，即基于监督学习模式，进行数据分类、模式识别、回归分析，是由大量数学理论知识与技术支持。在小样本分析、高维模式识别、非线性分析中，支持向量机应用优势十分明显，也可在其他类型机器学习中进行应用。现阶段，在人体部位识别、医疗、手写文本检测等领域中，支持向量机应用十分广泛。

2 人工智能在法医学中的具体应用

2.1 DNA分析

在DNA分型检验中应用毛细管电泳平台时，经常会受到仪器运行、毛细管状态、样品本身、染料、电压变异等因素的影响。现今，静态峰阈值应用十分普遍，能够尽量过滤杂峰，最大限度地降低影响。在实际工作中，以上影响因素都是动态变化的，静脉峰阈值无法很好地解决问题，经常会出现假阴性或者假阳性的现象[2]。有关研究发现，在DNA分型检验中应用人工智能技术，可以设置动态峰阈值，从而更好地适应复杂情况下的DNA分型检验，以此有效解决各种问题。在峰图处理方面，神经网络的应用潜能非常大。有关研究发现，通过神经网络的应用，能够自动识别电泳图谱，下一步可尝试将其运用到混合DNA图谱处理中。随着基因组测序技术的快速发展与进步，成本日益减少，法医物证不再只是简单进行STR分型，还引入了全基因组的测序信息，所以，基础数据信息挖掘十分重要。在数据挖掘方面，机器学习具有分类、关联、预测、侦查等优势，更适合在法医物证学、人类学DNA数据挖掘中应用，从宏观角度来说，主要是通过DNA确定个人信息（地理信息、民族信息等）；从微观角度而言，主要是确定个人的特殊性状、容貌特征等信息，最后精准定位嫌疑人。

2.2 死亡时间推断

死亡时间指检验尸体时与死亡发生时的时间间隔，是法医学中十分重要的问题。在以往死亡时间推断中，主要通过尸体现象、DNA降解、离子与酶学检验等方法进行确定。近些年来，随着科学技术手段的不断发展与增多，彗星试验、显微分光光度等方法应用越来越普遍。在死亡时间推断中，法医昆虫学与人工智能的方式成为新的方向，即利用两种神经网络方法分析尸体上丝光绿蝇幼虫烃类化学物质的GC-MS谱估计绿蝇生活阶段，以此预测死亡时间，准确性在80.8%～87.7%[3]。还可以利用机器学习方法对尸体鼻腔、外耳道等微生物改变情况进行分析，以此推断死亡时间。有关研究发现，采用多种机器学习方法对家兔死亡48 h内角膜图像进行连续分析推断死亡时间时，发现多种模型预测结果准确性存在一定差异。对于白骨化尸体来说，可采用机器学习方法中随机森林法进行分析，以此推断死亡时间[4]。在死亡时间推断中不仅会受到尸体状态的影响，还会受到所处环境的影响，在一定程度上增加死亡时间推断难度。因此，人工智能联合多种尸体标记（微生物学、昆虫学等）进行数据分析对死亡时间推断有着十分积极的作用。

2.3 人脸识别

尽管在生长发育过程中人的面部容貌会发生一定改变，但个人特征是相对固定的，所以，人的面部容貌是个体识别理想与同一认定的生物学特征。通过对面部不对称特征尺寸及其随着年龄变化特点的分析可知，非对称性面部特征是预测年龄的重要指标，利用支持向量机进行面部不对称特征进行分析，可有效预测人脸图像年龄组，利用神经网络提取不对称面部特征，分析相关误差，以此获取准确信息，提高人脸识别准确率。有关研究表明，在马尔可夫网络基础上，自适应的学习组合图像的多个表征，并利用最小误差边界切割算法对重叠区域予以拼接，构建基于多重表征自适应人脸素描合成方法，极大提高人脸识别效率[5]。在颌面部中，下颌骨是一个非常重要的组成部分，因为其只是以软组织与上颌部进行连接，在尸体白骨化过程中非常容易遗失。为重建颌面部下颌骨，有关学者提出利用支持向量机监督学习算法对哥伦比亚人头颅侧位X线图像中颅颌关节进行分析，以此划分下颌骨相对于上颌骨的矢状位置关系，确定骨性颅颌面结构不依赖下颌骨的独特骨性关系[6]。随着人脸识别研究的不断深入与增加，怎样有效收集与管理和人脸相关的数据成为一大挑战。尽管此项研究尚处在初始阶段，但人工智能为人脸识别提供了新的思路。

2.4 年龄推断

骨骼发育具有阶段性、连续性特点，通过推断遗骸年龄，有助于推断死亡年龄。在以往骨龄鉴定中，主要通过对骨骺生长予以分级的方法进行预测，不仅在骨骺分级方面存在技术难度，还无法消除主观偏差[7]。为克服上述问题，有关学者提出利用支持向量机对青少年腕关节X线图像予以训练，设计年龄预测模型，以此自动分类尺骨远端与桡骨远端的骨骺。相关学者考虑到性别差异，利用体绘制技术提取男性与女性颈椎到第一腰椎区域的CT图像后，分别利用简单线性回归、梯度增强回归、多元线性回归、支持向量机等算法构建男女年龄预测模型，以此为骨骼年龄的推断提供参考依据[8]。除骨骼之外，牙齿发育也是预测年龄的常用指标。有关研究显示，通过对口腔全景X线图像对比度的设置优化，评定下颌第三磨牙特征，并利用Adobe Photoshop CC软件设置矩形边框，采用MATLAB R2017a软件自动识别下颌第三磨牙特征，研发一种基于下颌第三磨牙的年龄检测技术。现今，在缺少完整骨骼证据的情况下，可利用分子生物学方法对案发现场遗留血液、组织等生物学物证进行分析，以此推断年龄[9]。在年龄预测模型构建中，支持向量机、反向传播神经网络、多元回归等方法得到了广泛应用，随后选出16个CpG位点，首次采用神经网络构建年龄预测模式，不仅可以提高预测准确性，还可以排除未成年人与不同种族背景的影响。现今，法医现场检材质量低、数量少是法医学面临的主要问题。与此同时，每种体液或组织均可呈现出不同年龄相关DNA甲基化模式，且此种模式易受到疾病、环境等因素的干扰[10]。在人类细胞、组织类型中开发一种多组织、灵敏的年龄预测模型是一项非常重要的挑战。

2.5 性别鉴定

在重大事故案件、严重自然灾害中经常会涉及高度残缺、腐烂的尸体遗骸，在骨骼形态特征上存在明显差异，经由法医学进行尸体遗骸特征分析，不需要利用DNA分型也能快速确定性别等信息，能够有效缩短搜查时间，节省资源[11]。有关文献报道研究，利用相干点漂移密度对应分析法对成年人颅骨CT图像予以分析时，可利用支持向量机与交叉验证算法进行模型构建，以此准确判断性别，准确率高达90.3%[12]。经过对比发现，在成年人颅骨样本分析中，相较于支持向量机、决策树等方法，MKDSIF-FCM算法鉴别性别的准确性更高。在成人颅骨侧位CT图像中，采用神经网络与模式识别，可实现监督与非监督技术的有机结合，提出了一个不依赖颅骨测量值的建模方法。值得注意的是，性别二态性程度与模式经常会受到环境、地域等因素的干扰，使得不同年龄、地域人群的骨骼存在一定的差异[13]。针对上述情况，可通过收集不同种群的数据资料消除种群特异性，以此提高性别鉴定准确率。

2.6 毒物分析

近些年来，毒物种类增长速度日益加重，毒物检测分析面临着十分巨大的挑战[14]。但在人工智能的辅助下，毒物检测方法也在不断增多，检测速度也在不断加快；在毒物检测开发中，人工智能结合贝叶斯概率可有效筛选目标化合物；在判定检测结果方面开发了一种基于贝叶斯概率的统计模型，可有效辨别物质的真峰与伪峰[15]。由此可以看出，在毒物检测、实验数据实时分析、组织生物标记物筛查等方面，人工智能应用十分普遍。随着不同学科的互相交叉，能够进一步促进人工智能的发展，以此为法医学毒物分析提供指导依据。

2.7 影像图像与病理学切片分析

在医学影像图像与病理学切片分析中，人工智能应用的优越性非常明显。在人工智能的辅助下，能够将病理学图像转变成高保真可挖掘的数据，不仅能够提高病理诊断的精细化，还可以自动生成诊断报告[16]。在法医学鉴定中，影像图像是十分重要的参考依据，根据不完全统计，法医鉴定数量每年约为100万件，需要鉴定的影像图像数量十分庞大。倘若对影像学专家系统进行相应的修改，可极大提高影像诊断准确性[4]。随着其他检验程序的不断增加，开发出全套智能检验鉴定专家系统成为可能，实现从案件受理到鉴定报告的自动生成。在法医病理学中，虚拟解剖优势日益突出，在此过程中会出现大量影像数据，开发配套的人工智能影像诊断系统十分重要。与人工专家阅读方式相比，人工智能不仅能够快速、无疲劳地在鉴别诊断、量化测量等方面发挥作用，还可以随着算法理论的不断更新，深度挖掘分析大量影像图像，以此达到高效的图像信息利用率[12]。

综上所述，在法医学中应用人工智能能够对庞杂的数据进行分析与深挖掘，发挥其最大价值。自动化信息技术与人工智能的结合能够为法医学提供准确、便捷、可重复的方法，以非侵入性方式对群体长期变化予以虚拟人类学、虚拟解剖、DNA分析、毒物分析。然而，要想进一步在法医学中融入人工智能，真正实现法医学专家与人工智能的协同工作模式，还要加大研究力度。