İnsan metabolomu ve makine öğrenimi post-mortem aralığı tahminlerini geliştiriyor

Ölüm zamanının neden önemi var

Birinin ne zaman öldüğünü bilmek, birçok ceza ve açıklanamayan ölüm soruşturmasında merkezi bir bulmacadır. Ölümden sonra geçen sürenin hassas bir tahminine post-mortem aralık denir; bu tahminler yalanlamaları doğrulayabilir veya çürütebilir, şüpheli sayısını daraltabilir ve bir kişinin son saatleri ile günlerinde neler olduğunu yeniden yapılandırmaya yardımcı olabilir. Ancak bugünün araçları—vücut ısısı veya gözdaki kimyasal ölçümler gibi—ilk bir veya iki günden sonra hızla güvenilirliklerini yitirir. Bu çalışma, kanda görünmez kimyasal izlerin modern yapay zekâ ile birleşmesinin, kullanışlı pencereyi birkaç günden ölümden sonra neredeyse iki aya kadar uzatıp uzatamayacağını araştırıyor.

Bugünün adli ipuçlarının sınırları

Adli uzmanlar geleneksel olarak ciltte renk değişimi, bedenin sertleşmesi ya da cesedin soğuması gibi görünür ve fiziksel işaretlere; ayrıca gözün saydam sıvısındaki potasyum düzeylerine güvenirler. Bu ipuçları erken dönemde makul derecede işe yarar, ancak özneldir, çevresel koşullardan büyük ölçüde etkilenir ve genellikle bir ila üç günden sonra güvenilirliklerini yitirirler. Daha uzun süreler için soruşturmacılar böcek aktivitesi, çürüme durumu veya iskelete dönüşmüş kalıntıların analizi gibi çok daha kaba göstergelere başvurmak zorunda kalır. Erken, sıcaklığa dayalı tahminlerle çok geç, çürüme tabanlı yaklaşımlar arasındaki boşluğu kapatacak nicel yöntemlere kesin bir ihtiyaç vardır.

Vücudun kimyasal izleri: gizli bir saat

Ölümden sonra, hücreler enerji kaybedip zarlar bozuldukça ve proteinler sindirildikçe vücudun küçük molekülleri—toplu olarak metabolom olarak adlandırılır—sistematik biçimde değişir. Araştırmacılar bunu, otopsiler sırasında rutin olarak toplanan femoral kandan elde edilen yüksek çözünürlüklü binlerce kimyasal özelliğin mevcut toksikoloji verilerini yeniden kullanarak değerlendirdiler. Toplamda, ölüm ile otopsi arasındaki zamanı bilinen 4.876 gerçek adli dava analiz edildi; bunların çoğu bir ila on üç gün arasındaydı ancak 67 güne kadar uzanıyordu. Tek bir “mucize” belirteç aramak yerine, birçok metabolitin birlikte oluşturduğu desenin kimyasal bir saat gibi işleyip işlemeyeceği soruldu.

Kimyasal saati okumayı öğreten bir yapay zekâ

Ekip, yaklaşık 2.300 kimyasal sinyali alıp tahmini ölüm sonrası gün sayısını veren, ileri beslemeli bir sinir ağını—bir tür makine öğrenimi modelini—eğitti. Modelin ayarlarını optimize edip vakaların bir kısmını eğitim, bir kısmını test için kullanıldıktan sonra, sistem görülmemiş vakalarda post-mortem aralığı yaklaşık 1,5 günlük ortalama hata ve medyan olarak biraz üzeri bir günlük hata ile tahmin etti. Bu performans, birkaç standart istatistiksel ve makine öğrenimi yöntemini içeren altı alternatif yaklaşımdan daha iyiydi. Tahminler zaman aralığının ortasındaki ölümler için en doğru, çok kısa veya çok uzun aralıklar için daha az kesin olmakla birlikte, genel hata kaydedilen ölüm zamanlarındaki belirsizlikle benzer düzeydeydi.

Modelin vücut içi çürüme hakkında ne gösterdiği

Sinir ağları genellikle kara kutu olarak görüldüğünden, yazarlar modelin hangi kimyasal değişiklikleri kullandığına daha yakın baktılar. Hangi metabolitlerin zamanla yükselme veya düşme eğiliminde olduğuna bakarak üç geniş desen keşfettiler. Bazı moleküller, özellikle belirli lipitler ve asilkarnitinler, hücre zarlarının parçalanması ve mitokondriyal enerji üretiminin düşmesiyle uyumlu olarak sürekli azaldı. Diğerleri, özellikle aminoasitler ve kısa protein parçacıkları, artarak dokular bozuldukça proteinlerin parçalanmasıyla tutarlı bir görünüm sergiledi. Üçüncü bir grup ise zaman içinde daha karmaşık eğriler gösterdi. Bu eğilimler daha önceki hayvan ve insan çalışmalarını yansıtıyor ve lipit yıkımı, mitokondriyal yetmezlik ve protein sindirimi gibi tanınabilir biyolojik süreçlerin ölüm sonrası kademeli olarak gerçekleştiğine işaret ediyor.

Büyük çalışmalardan pratik araçlara

Yöntemlerinin tek bir laboratuvarın ötesinde işe yarayıp yaramayacağını test etmek için araştırmacılar eğitilmiş sinir ağını farklı bir yıl içinde başka bir kütle spektrometresiyle ölçülmüş 512 yeni vakanın üzerine uyguladılar. Yeniden eğitim olmadan bile modelin hatası yaklaşık 1,8 gün civarında kaldı; bu da kimyasal sinyalin ekipman ve zamanlamadaki farklılıklara dayanacak kadar sağlam olduğunu gösteriyor. Ayrıca sadece birkaç yüz vaka ile eğitilmiş daha basit modellerin bile kullanılabilir doğruluk sağladığını gösterdiler; bu da daha küçük adli kurumların kendi tahmin araçlarını oluşturabileceğini ima ediyor. Çevresel faktörler ve ölüm nedeni metabolomu şekillendirebileceği ve çok kısa ile çok uzun aralıklarda daha dengeli verilere ihtiyaç olduğu halde, sonuçlar rutin toksikoloji verilerinin ölümden geçen süre tahmini için güçlü bir yardıma dönüştürülebileceğini gösteriyor.

Gerçek soruşturmalar için anlamı

Uzman olmayan biri için temel çıkarım, vücudun ölüm sonrası kimyasının yavaş hareket eden bir saat gibi görünmesi ve modern yapay zekânın bu saati bir haftadan uzun süre boyunca yaklaşık bir günlük hassasiyetle okuyabilmesidir. Bu kusursuz bir kronometre değildir ve adli uzmanların veya diğer kanıtların yerini almaz. Ancak bu yöntemler daha fazla ortamda rafine edilip doğrulandıkça, özellikle bugünün standart yaklaşımlarının güvenilirliğini yitirmeye başladığı kritik pencerede, soruşturmacılara ölümden geçen süre hakkında daha nesnel, verilere dayalı tahminler sunabilirler.

Atıf: Magnusson, R., Söderberg, C., Ward, L.J. et al. The human metabolome and machine learning improves predictions of the post-mortem interval. Nat Commun 17, 1504 (2026). https://doi.org/10.1038/s41467-026-69158-w

Anahtar kelimeler: adli bilim, ölüm zamanı, metabolomik, makine öğrenimi, post-mortem aralık