mHolmes yapay zekâsı ölümden sonra geçen süreyi tahmin ediyor: Mikroplardaki değişimi izliyor

Bilim insanları, insan bedenindeki mikroorganizmaların ölümden sonra geçirdiği değişimleri yapay zekâ ile analiz ederek ölüm sonrası geçen süreyi tahmin edebilen yeni bir sistem geliştirdi. mHolmes adı verilen model, 34 kadavradan 21 gün boyunca toplanan günlük mikrobiyom verileriyle eğitildi ve farklı vücut bölgeleri arasında yapılan tahminlerde iki günden daha düşük ortalama hata elde etti.

Yapay zekânın kullanım alanlarına adli bilimler de ekleniyor. Çin'deki Huazhong Bilim ve Teknoloji Üniversitesi araştırmacıları, ölümden sonra insan vücudunda meydana gelen mikrobiyal değişimleri analiz ederek ölüm sonrası geçen süreyi (postmortem interval - PMI) tahmin etmeye yönelik mHolmes isimli bir yapay zekâ sistemi geliştirdi.

Nature Communications dergisinde yayımlanan araştırmada tanıtılan sistem, kadavralardaki mikrobiyomun zaman içinde nasıl değiştiğini öğreniyor. Daha sonra eldeki eksik mikrobiyal verilerden yararlanarak başka zaman noktalarındaki değişimleri tahmin edebiliyor.

Araştırmacılara göre bu yaklaşım, özellikle eksik, parçalanmış veya farklı vücut bölgelerine ait kalıntıların bulunduğu adli vakalarda ölüm sonrası geçen sürenin belirlenmesine yardımcı olabilecek yeni bir yöntem sunuyor.

mHolmes nasıl çalışıyor?

Ölümün ardından insan vücudunda bulunan mikroorganizmaların yapısı sabit kalmıyor. Zaman ilerledikçe farklı bakteri gruplarının miktarı artıyor veya azalıyor. Araştırmacılar da bu değişimin belirli bir zaman çizelgesi oluşturmasından yararlandı.

mHolmes, bu mikrobiyal değişimleri Transformer tabanlı bir transfer öğrenme modeli kullanarak analiz ediyor. Sistem yalnızca tek bir zaman noktasındaki mikrobiyom görüntüsüne bakmak yerine, mikroorganizmaların zaman içindeki hareketini öğrenmeye odaklanıyor.

Çalışmada modelin eğitilmesi için 34 kadavranın yüz ve kalça bölgelerinden 21 gün boyunca günlük olarak alınan örnekler kullanıldı.

Bu sayede yapay zekâ, ölüm sonrası süreçte mikroorganizmaların nasıl değiştiğine ilişkin daha yoğun bir zaman serisi elde etti.

34 kadavradan 21 günlük veri toplandı

Araştırmanın dikkat çeken noktalarından biri, veri setinin günlük örneklemeye dayanması.

Araştırmacılar, 34 kadavranın belirlenen vücut bölgelerindeki mikrobiyom değişimini 21 gün boyunca takip etti. Böylece mHolmes'a ölüm sonrası mikrobiyal değişimin zamana bağlı seyrini öğrenebileceği yüksek yoğunluklu bir veri sağlandı.

Bu yaklaşım, daha önceki bazı yöntemlerin karşılaştığı önemli bir sorunu hedefliyor. Araştırmacılara göre geleneksel mikrobiyom temelli tahmin çalışmalarında örnekleme genellikle yalnızca birkaç zaman noktasıyla sınırlı kalabiliyor.

Bu durum, özellikle ölüm sonrası geçen sürenin kesin olarak belirlenmeye çalışıldığı adli incelemelerde hata payının yükselmesine neden olabiliyor.

Yapay zekâ farklı vücut bölgelerindeki verileri de kullanabiliyor

mHolmes araştırmasının en dikkat çekici özelliklerinden biri, bir vücut bölgesinden elde edilen mikrobiyal değişim bilgisini başka bir bölgenin tahmininde kullanabilmesi.

Araştırmacılar bu yöntemi çapraz anatomik tahmin olarak tanımlıyor.

Örneğin; model, bir bölgeden elde edilen zaman serisindeki bilgileri kullanarak başka bir vücut bölgesindeki mikrobiyal değişimin nasıl ilerlemiş olabileceğini tahmin edebiliyor. Çalışmada yüz ve kalça gibi farklı anatomik bölgeler arasındaki tahminler özellikle ele alındı.

Bu özellik adli bilimler açısından önem taşıyor.

Çünkü; gerçek vakalarda araştırmacıların her zaman bütün vücut bölgelerinden eksiksiz ve düzenli örnek alma şansı bulunmayabilir. Özellikle parçalanmış veya eksik kalıntıların incelendiği durumlarda bir bölgedeki verinin başka bir bölge hakkında tahmin yapılmasına yardımcı olması mümkün olabilir.

mHolmes ölümden sonra geçen süreyi iki günden az hatayla tahmin etti

Araştırmanın en dikkat çekici sonuçlarından biri, modelin farklı anatomik bölgeler arasında yaptığı tahminlerde elde ettiği hata oranı oldu.

Nature Communications'ta yayımlanan çalışmaya göre; mHolmes, çapraz anatomik tahmin görevlerinde ortalama mutlak hata değerini iki günün altında tuttu. Araştırmacılar ayrıca modelin günlük mikrobiyal değişimleri tahmin edebildiğini ve eksik gözlemlerden hareketle ölüm sonrası zaman çizelgesini yeniden oluşturabildiğini bildirdi.

Buradaki “iki günden az hata” ifadesinin, her olayda ölüm saatinin iki günlük kesinlikle bulunacağı anlamına gelmediğinin altını çizmek gerekiyor.

Bu değer, araştırmada kullanılan veri ve test koşullarındaki model performansını ifade ediyor. Gerçek adli vakalarda çevre koşulları, sıcaklık, nem, ölüm şekli, bedenin bulunduğu ortam ve diğer değişkenler sonucu etkileyebilir.

Dolayısıyla mHolmes'u şu aşamada ölüm zamanını tek başına kesin biçimde belirleyen bir sistem olarak değerlendirmek doğru olmaz.

Eksik verilerle çalışabilmesi dikkat çekiyor

Modelin bir başka avantajı, verilerin tamamının bulunmasına her zaman ihtiyaç duymaması.

Araştırmacılar, mHolmes'un girdi verilerinin önemli bir bölümü çıkarıldığında dahi performansının tutarlı kaldığını bildirdi. Bu özellik, gerçek adli vakalarda karşılaşılabilecek eksik örnekleme problemleri açısından önem taşıyor.

Örneğin; bir cesetten her gün veya her vücut bölgesinden örnek alınması mümkün olmayabilir. mHolmes'un amacı da mevcut mikrobiyal verilerden hareketle aradaki zaman dilimindeki değişimleri tahmin edebilmek.

Bu yaklaşım, özellikle parçalanmış kalıntıların incelenmesi ve eksik mikrobiyom gözlemlerinin tamamlanması gibi senaryolarda gelecekte kullanılabilecek araçlardan biri olabilir.

Hangi mikroorganizmalar önemli?

Araştırmacılar yalnızca genel mikrobiyal değişimi takip etmekle kalmadı. Modelin kararlarını yorumlamak amacıyla yapılan analizlerde, ölüm sonrası geçen süreyle ilişkili olabilecek yedi bakteri sınıfı belirlenerek aday özellikler olarak değerlendirildi.

Bu bulgu, yapay zekânın tamamen “kara kutu” şeklinde çalışmasının önüne geçilmesi açısından da önemli.

Araştırmacılar, modelin hangi mikrobiyal özelliklerden yararlandığını inceleyerek ölüm sonrası değişimin biyolojik temelleri hakkında daha fazla bilgi edinmeyi amaçlıyor.

Adli bilimlerde neden önemli?

Bir kişinin ne zaman öldüğünün belirlenmesi, adli soruşturmalarda kritik bilgilerden biri.

Ölüm sonrası geçen sürenin tahmin edilmesinde vücut sıcaklığı, ölüm sonrası değişimler ve çevresel koşullar gibi çeşitli göstergeler kullanılabiliyor. Ancak zaman ilerledikçe bu göstergelerin yorumlanması zorlaşabiliyor.

Mikrobiyom ise ölümden sonra değişmeye devam eden biyolojik unsurlardan biri.

Bu nedenle araştırmacılar, mikroorganizmaların zamana bağlı değişimini bir çeşit biyolojik saat gibi değerlendirmeye çalışıyor.

mHolmes'un farkı ise bu değişimi yalnızca belirli birkaç zaman noktasından okumak yerine, uzunlamasına veriler üzerinden modellemesi ve eksik zaman noktalarını tahmin etmeye çalışması.

mHolmes adli tıp için yeni bir araç olabilir

Araştırmanın sonuçları, mHolmes'un özellikle ölüm sonrası geçen sürenin daha yüksek çözünürlükte tahmin edilmesi ve eksik mikrobiyom verilerinin değerlendirilmesi açısından potansiyel taşıdığını gösteriyor.

Bununla birlikte sistem henüz adli tıpta her vakada kullanılabilecek standart bir araç haline gelmiş değil.

Çalışmanın sonuçları belirli bir araştırma düzeninde ve 34 kadavradan elde edilen 21 günlük veri üzerinden değerlendirildi. Bu nedenle modelin farklı iklimlerde, farklı çevre koşullarında ve daha geniş insan popülasyonlarından elde edilen verilerle ayrıca test edilmesi gerekiyor.

Araştırmacıların ortaya koyduğu sonuç, yapay zekânın adli bilimlerde kullanılabileceğine ilişkin önemli bir araştırma adımı niteliğinde.

mHolmes nedir?

mHolmes, kadavralardaki mikrobiyal değişimleri zaman içinde tahmin etmek için geliştirilen Transformer tabanlı bir transfer öğrenme sistemi.

mHolmes neyi tahmin ediyor?

Sistem, mikrobiyomdaki zamana bağlı değişimleri kullanarak ölüm sonrası geçen sürenin (PMI) tahmin edilmesine yardımcı oluyor.

mHolmes ne kadar doğru?

Araştırmada farklı vücut bölgeleri arasında yapılan tahminlerde ortalama mutlak hata iki günün altında bildirildi. Bu değer araştırma koşullarındaki model performansını gösteriyor; gerçek adli vakalarda kesinlik garantisi anlamına gelmiyor.

mHolmes gerçek vakalarda kullanılabilir mi?

Çalışma, sistemin adli bilimlerde potansiyel kullanım alanlarına sahip olduğunu gösteriyor. Ancak daha geniş ve farklı koşullarda yapılacak doğrulama çalışmalarına ihtiyaç var.

Araştırma, mHolmes'un mikrobiyomdaki zamanla değişen örüntüleri kullanarak ölüm sonrası geçen sürenin tahmininde yeni bir yapay zekâ yaklaşımı sunabileceğini ortaya koyuyor. Sistem özellikle eksik örneklerin bulunduğu veya farklı vücut bölgelerinden veri elde edilen adli vakalar açısından dikkat çekiyor.