AI新科技助陣 精準預測腦傷成因

牛津大學研究團隊與泰晤士河谷警察局、國家犯罪局、約翰拉德克利夫醫院、Lurtis公司及卡迪夫大學合作，開發出一款基於物理學原理的AI工具，可協助法醫調查創傷性腦損傷（TBI）案件。這項研究成果發表於《通訊工程》期刊，為警方和法醫團隊提供了一套力學導向的機器學習框架，能根據已知的攻擊情境，精準預測TBI的結果。

TBI是重要的公共衛生議題，可能造成嚴重且長期的神經系統後遺症。在法醫調查中，判斷某次撞擊是否確實導致特定傷害，對法律程式至關重要，但目前尚無標準化的量化方法。這項新研究展示瞭如何利用基於力學模擬的機器學習工具，提供科學證據支援的傷害預測，提升TBI調查的準確性和一致性。

研究主持人、牛津大學工程科學系機械工程教授Antoine Jérusalem表示：「這項研究是法醫生物力學領域的重大突破。透過AI和物理模擬技術，我們能為執法單位提供前所未有的工具，客觀評估TBI。」

這套AI框架以真實的匿名警務報告和法醫資料進行訓練，在TBI相關傷害的預測上展現出驚人的準確度：在每個案例中，模型都顯示出高特異性和高靈敏度（即低偽陽性和偽陰性率）。

該框架採用頭頸部的一般計算力學模型，模擬不同型別的撞擊（如拳擊、掌摑或撞擊平面）對各部位的影響，提供是否可能造成組織變形或壓力的基本預測。然而，它本身並不會直接預測傷害風險，而是由上一層AI結合其他相關後設資料（如受害者年齡和身高）後，才給出特定傷害的預測。

研究團隊以53份真實的匿名攻擊案件警務報告訓練整體框架。每份報告都包含可能影響撞擊嚴重性的多種因素（如受害者/加害者的年齡、性別、體型）。這使得模型能整合機械生物物理資料與法醫細節，預測不同傷害發生的可能性。

當研究人員評估哪些因素對每類傷害的預測價值影響最大時，結果與醫學發現高度一致。例如，在預測顱骨骨折可能性時，最重要的因素是撞擊期間頭皮和顱骨承受的最大壓力；而預測意識喪失時，最強的預測指標則是腦幹的壓力資料。

研究團隊強調，該模型並非旨在取代法醫和臨床專家在調查攻擊案件中的參與，而是提供客觀的機率估計，判斷已知攻擊是否確實導致特定傷害。此外，該模型也可用於識別高風險情境、改善風險評估，並制定預防策略，減少頭部傷害的發生率和嚴重程度。

Jérusalem教授補充道：「我們的框架永遠無法確定造成傷害的罪魁禍首。它只能告訴你輸入的資訊是否與特定結果相關。由於輸出品質取決於輸入資訊的品質，詳細的目擊證詞仍然至關重要。」

支援此研究計畫的國家犯罪局高階經理Sonya Baylis表示：「運用創新科技理解腦部傷害，將大幅提升警方調查所需的醫學解讀，支援起訴程式。這突破了以往依賴有限資訊的困境。」

卡迪夫大學研究員兼法醫顧問Michael Jones博士指出：「法醫學的『阿基里斯腱』在於評估目擊或推斷的傷害機制（通常是作用力）是否與觀察到的傷害相符。透過機器學習的應用，每個新增案例都有助於我們更全面理解傷害機制、主要傷害、病理生理學和結果之間的關聯。」

這項研究由牛津大學、泰晤士河谷警察局、國家犯罪局、卡迪夫大學、Lurtis公司、約翰拉德克利夫醫院及其他合作機構的跨領域團隊共同完成，涵蓋工程師、法醫專家和醫療專業人員。