利用病理图像和人工智能模型估算不同温度下死后间隔时间：开拓法医学精准新局面

在法医学调查中，估算死后间隔时间（PMI）面临难题，传统方法受环境和主观因素影响。研究人员开展利用病理组织图像和人工智能（AI）估算 PMI 的研究。模型在不同温度下表现良好，这有望提升法医学调查准确性和案件侦破效率。

　　在法医学调查中，估算死后间隔时间（Postmortem Interval，PMI）是一项关键但复杂的任务。准确及时地确定 PMI 在案件侦破和法律判决中起着关键作用。传统方法常受环境变化和主观偏差的影响，这凸显了对更可靠、客观方法的需求。在本研究中，首次提出一种新颖的 PMI 预测模型，该模型利用病理组织图像和人工智能（Artificial Intelligence，AI）技术。该模型设计用于在 25°C、37°C 和 4°C 三种温度条件下工作。借助 ResNet50 神经网络分析补丁级图像，提取深度学习特征，并结合机器学习算法对全切片图像（Whole Slide Image，WSI）进行分类。该模型性能优异，在训练集和测试集中，补丁级的微平均和宏平均曲线下面积（AUC）值至少为 0.949，WSI 级至少为 0.800。在外部验证中，补丁级的微平均和宏平均 AUC 值超过 0.960。这些结果突出了 AI 在提高 PMI 估算准确性和效率方面的潜力。随着 AI 技术的不断进步，这种方法有望加强法医学调查，助力更精确地解决案件。