《International Journal of Legal Medicine》：Post-mortem interval estimation of skeletal remains using spectroscopic analysis: a systematic review
背景：近年来，光谱学在死后间隔（post-mortem interval，PMI）估算方面的研究进展表明，光谱学是一种具有前景、及时且成本效益较高的工具。然而，其适用程度尚未得到充分探讨。目的：本系统综述旨在综合2015年至2025年间发表的、利用光谱分析估算骨骼遗骸PMI的相关研究。方法：依据PRISMA-2020指南进行系统性数据库检索。所选研究利用光谱学方法分析骨骼遗骸（骨骼和牙齿）的变化以估算PMI。数据提取和偏倚风险评估（JBI）由两名研究人员独立完成。由于异质性较高而无法进行荟萃分析，结果以叙述性方式综合呈现。结果：共纳入19项研究。最常用的光谱模态为傅里叶变换红外光谱（Fourier-transform Infrared Spectroscopy，FTIR）（n=10）和拉曼光谱（Raman spectroscopy）（n=7），其中FTIR产生的数据一致性更高。常研究的参数包括磷酸盐、碳酸盐、酰胺和钙水平，以及各比值的变化。考古遗骸与法医遗骸之间存在差异。然而，这些差异并非总是具有统计学意义（p>0.05），特别是在PMI时间尺度小于90天的骨骼遗骸中。整合所获光谱的机器学习模型准确率达到58%–100%。偏倚风险较低，所有纳入研究的评分均在6.0及以上。结论：尽管光谱学作为PMI估算工具展现出巨大潜力，所选参数随时间呈现一致趋势，但其区分短PMI（小于90天）骨骼遗骸的适用程度仍存在疑问。未来研究应考虑方案标准化、外部验证、多模态整合以及引入机器学习方法，以开发稳健的PMI估算工具。
引言
估算骨骼遗骸的死后间隔（post-mortem interval，PMI）在法医调查中至关重要。确定死亡后经过的时间有助于缩小嫌疑人范围、评估不在场证明以及重构死亡相关情境。科学方法为估算PMI提供了客观基础，并可能提供与死亡方式相关的补充信息。PMI估算依赖于多学科方法，因为生物降解受到多种内源性和外源性因素的影响。目前已开发出多种基于分解过程的方法，利用昆虫活动、微生物演替和体液生化变化等指标进行可靠估算。这些生物学和化学指标作为生物标志物，综合评估以建立可靠的PMI估算。然而，这些方法的适用性在很大程度上取决于分解阶段。一旦分解达到骨骼化阶段，软组织和体液的缺乏便限制了上述方法的使用。在此类情境下，PMI估算超越了时间评估的范畴，延伸至法医学分类，有助于区分当代法医相关案例与历史或考古遗骸。
骨骼由于其高矿物质含量而成为具有弹性的生物结构，能够抵抗环境损害。目前已提出多种用于骨骼遗骸PMI估算的技术，包括组织病理学检测、联苯胺试验、氮损失和氨基酸含量评估、鲁米诺化学发光反应、X射线衍射、显微计算机断层扫描和放射性同位素测定等。然而，这些方法往往受到成本、复杂性、侵入性和适用性差异的限制。例如，放射性碳测年资源密集，在法医环境中并非常规可行。此外，骨骼与牙齿在组成和结构特征上的差异要求开发组织特异性的PMI估算方法。骨由弱结晶碳酸盐取代羟基磷灰石（Ca
10(PO
4)
6(OH)
2）的矿物相组成，嵌入以I型胶原蛋白为主的有机基质中。同样，牙齿主要由生物磷灰石组成，尤其是牙釉质，其矿化程度和结晶度显著高于骨组织。
光谱技术，特别是傅里叶变换红外光谱（Fourier-transform Infrared Spectroscopy，FTIR）和拉曼光谱，已成为研究骨骼组织与死后降解相关的分子和结构改变的重要分析工具。然而，研究设计、分析方法和报告结果方面的显著异质性阻碍了对其可靠性和法医适用性的统一评估。因此，本系统综述旨在综合当前关于光谱技术用于骨骼遗骸PMI估算的证据，并批判性评估其法医适用性、优势和局限性。通过识别方法学趋势、知识空白和有前景的分析生物标志物，本综述旨在为未来研究提供信息，并促进光谱方法向法医实践的转化。
方法论
研究设计与方案
本综述遵循PRISMA（系统综述和荟萃分析首选报告项目）指南，并在PROSPERO（国际系统综述前瞻性注册系统）上注册（CRD420261355259）。采用PEO（人群、暴露、结局）框架定义了研究问题：“在涉及骨骼遗骸的法医调查中（P），不同光谱分析方法（E）对估算PMI的适用性如何（O）？”
检索策略
用于检索的查询式为：（skelet* OR hard tissue* OR bone* OR tooth OR teeth OR collagen OR dentin* OR dental OR mineralized tissue OR hard tissue OR hydroxyapatite）AND（spectroscop* OR Raman OR Fourier transform infrared OR FTIR OR FT-IR OR NIR OR NIRS OR near infrared OR MIR OR MIRS OR mid-infrared OR spectral analysis）AND（postmortem OR post mortem interval OR post-mortem interval OR PMI OR time since death OR TSD OR postmortem period OR post-mortem period OR post mortem period）。该查询式根据所用数据库（PubMed、Scopus和Web of Science）进行调整，关键词限定出现在文章标题和摘要中。仅纳入2015年以来的英文出版物。
研究筛选
仅纳入原始同行评审文章，纳入标准为：（i）发表时间在2015年1月至2025年12月之间；（ii）英文撰写；（iii）可获得全文。排除综述、系统综述、范围综述和荟萃分析。去除重复文献后，由ST和RAAR进行标题、摘要及最终全文的筛选。
数据提取
从符合条件的研究中提取数据并制表。记录的数据包括：（i）研究元数据（标题、作者、发表年份）和研究目的；（ii）所用样本的特征；（iii）所使用的光谱方法和分析的波谱标记；（iv）主要发现；（v）局限性。所有数据由ST和RAAR独立提取并交叉核对。由于所有相关信息均已在已发表报告中获得，故未联系原始研究的作者。
质量评估
使用乔安娜·布里格斯研究所（Joanna Briggs Institute，JBI）关键评估工具评估偏倚风险。对方案中的每个问题，文章被分类为“否”、“是”或“不清楚”。每个“是”计1分，得分6.0及以上的文章被纳入综述。评估由ST和RAAR独立完成，分歧由AHAR解决。
数据综合
所选研究在研究设计方面存在异质性，即所用样本的特征和所应用的光谱方法不同。所报告的参数也存在差异。因此，无法进行定量荟萃分析，数据以叙述性方式综合并列成表格，以比较使用相同光谱模态的研究。
结果
研究筛选
通过初步数据库检索共识别出167条记录（PubMed，n=39；Scopus，n=69；Web of Science，n=59），未通过其他来源识别出额外记录。去除88篇重复文献后，对剩余记录进行标题和摘要筛选。对20篇可能符合条件的文章进行全文检索，其中19篇符合纳入标准，随后纳入数据提取和分析。
纳入的研究根据样本来源、沉积环境、骨骼组成和光谱模态进行分类。值得注意的是，58%的纳入研究基于或延伸了Nagy等人、Patonai等人或两者的基础工作。尽管这些开创性研究对该领域后续研究产生了重大影响，但由于发表时间在2015年之前，未纳入本综述。
人群与样本来源
纳入研究的样本量差异较大，范围为6至145个样本。大多数研究使用了人类遗骸，而四项研究使用了动物模型，包括家猪、Wistar大鼠以及家猪和东部灰袋鼠的组合。
在涉及人类遗骸的研究中，九项研究同时纳入了法医和考古标本。考古标本主要来自欧洲的埋葬地点，特别是意大利、西班牙、斯洛文尼亚、葡萄牙和奥地利。值得注意的是，斯洛文尼亚队列还包括从第二次世界大战万人坑中发现的遗骸。一项研究使用了来自美国的遗骸，另一项研究未报告考古标本的来源。
与此同时，两项研究专门分析了PMI范围为15至87年的标本。在其余研究中，骨骼样本被纵向监测并在预定的PMI时间点进行分析。沉积环境差异较大，包括地表暴露、埋葬、室内常温储存以及水环境（包括淡水和海水浸泡）。
骨骼组成
股骨是最常分析的骨骼，其次是肋骨。其他骨骼组成包括颅骨、胫骨、肩胛骨以及掌骨、跖骨、岩骨和指骨等多种元素。一项研究分析了未报告骨骼来源的不明骨碎片。在牙齿研究中，切牙和磨牙是最常研究的牙齿类型，其次是前磨牙和尖牙。
样本制备根据所采用的光谱模态而有所不同。常规振动光谱技术主要使用精细粉末标本，取自皮质骨、股骨核心、分离的骨骼元素或牙齿。相比之下，采用光谱成像、手持设备或能量色散X射线光谱（energy-dispersive X-ray spectroscopy，EDX）的研究通常需要最少的样本制备，分析完整或切片的标本，包括股骨横截面和牙齿。切片厚度范围为1 μm至1 cm。值得注意的是，两项基于拉曼的研究直接在骨微结构上进行了位点特异性分析，包括骨单位、间质骨、骨膜、皮质骨和松质骨，从而能够评估空间分辨的死后生化变化。
光谱技术
纳入的研究采用了多种光谱技术来表征骨骼遗骸中的死后生化改变，分析主要针对分子和元素变化。虽然十项研究依赖单一光谱模态，其余研究采用多模态方法以获得关于骨骼降解过程的补充信息。总的来说，这些技术为矿物组成变化、有机基质降解和与PMI增加相关的元素重新分布提供了见解。
红外光谱
基于红外（Infrared，IR）的技术是最常用的光谱模态，占纳入研究的68%。这些方法主要使用台式仪器实施，包括FTIR光谱（n=10）、拉曼光谱（n=5）和IR光谱（n=1）。在基于FTIR的研究中，衰减全反射（attenuated total reflection，ATR）-FTIR是最常见的配置，用于六项研究。中红外（Mid-infrared，MIR）反射也用于两项研究，所得结果与使用ATR-FTIR获得的结果相当。若干研究还通过与显微镜集成进一步增强了光谱分析，包括拉曼显微镜（n=4）和ATR-FTIR或MIR显微镜。这些光谱显微技术通过积分所选光谱波段下的面积生成化学图谱，从而能够对骨骼组织内的生化成分进行空间定位和定量。相比之下，手持仪器的使用相对有限，包括手持拉曼光谱（n=2）和近红外（near-infrared，NIR）光谱（n=2）。
在使用基于IR技术（IR、FTIR、ATR-FTIR和MIR反射光谱）的研究中，包括与显微成像集成的研究，光谱通常以平均120次扫描、光谱分辨率2 cm
?1或4 cm
?1获取。光谱采集通常在中红外区域进行，范围约为400 cm
?1至最大4000 cm
?1。分析侧重于峰强度、积分波段面积和代表骨骼组织无机组分与有机组分变化的衍生光谱比值。常研究的参数包括结晶度指数、磷酸盐和碳酸盐含量、矿物与有机基质比值以及与胶原蛋白相关的标记等。
相比之下，两项使用手持近红外（NIR）光谱的研究在500至1950 nm波长范围内采集光谱，不依赖离散光谱峰进行解释。NIR区域捕获的主要是与O–H、C–H和N–H伸缩振动相关的泛频和组合频带，反映与PMI相关的骨含水量、蛋白质完整性和羟基分布的变化。虽然这些研究在较老样本中识别出600、650、725、850、1600和1800 nm处的显著光谱特征，但光谱使用基于机器学习的分类和预测模型进行整体分析，而非通过单个峰的解读。结果表明从传统的基于峰的分析向数据驱动的化学计量学方法转变。拉曼光谱研究在0–2300 cm
?1范围内以3.24–6 cm
?1的光谱分辨率采集光谱。与IR光谱相似，分析主要侧重于反映骨骼组织矿物和有机组分变化的波谱指数。
EDX光谱
能量色散X射线光谱（energy-dispersive X-ray spectroscopy，EDX/EDS）是第二常用的分析技术（n=5），主要用于研究骨骼遗骸中的元素变化。与表征化学键内分子振动变化的IR光谱不同，EDX提供标本内元素组成的定性和半定量分析。在纳入的研究中，两项研究使用了扫描电子显微镜耦合能量色散X射线光谱（SEM-EDX/SEM-EDS），能够同时进行微观结构成像和元素图谱分析。Longato等人使用EDX元素图谱可视化骨表面元素的空间分布，证明进行性死后分解与相应元素信号强度的变化之间存在相关性。另一项研究将SEM和EDS作为互补但独立的分析程序应用，而非集成系统。
钙和磷是分析最多的元素（n=4），可独立分析或以元素比值表示。其他研究报告的元素包括碳、氧、氯、钠、钾、镁、钡、锌和铁。Selvan等人进一步观察到微量元素的存在，其分布随环境暴露和PMI的变化而变化。
其他技术
值得注意的是，两项研究使用了紫外-可见光谱和电感耦合等离子体技术来评估骨骼材料的组成变化。紫外-可见光谱用于定量骨柠檬酸盐含量，结果表明柠檬酸盐水平随PMI增加总体下降。然而，所报告的相关性较弱，限制了其作为独立法医工具的适用性。与此同时，电感耦合等离子体质谱（inductively coupled plasma–mass spectrometry，ICP-MS）和电感耦合等离子体发射光谱（inductively coupled plasma–optical emission spectroscopy，ICP-OES）用于确定元素重量比，特别是Ba/Ca和Pb/Ca。这些研究表明，随着考古年龄的增加，Ba/Ca和Pb/Ca比值降低，提示其对于长期PMI估算具有潜在用途。然而，作者强调在进行常规法医应用之前需要进一步的方法学验证。
化学计量学方法
光谱数据集的推断统计处理显示，在纳入的研究中方法学发生了显著演进。早期方法主要依赖单变量或基本推断统计，包括配对t检验（n=2）、单因素方差分析（analysis of variance，ANOVA）（n=2）、非参数等价检验（Kruskal–Wallis检验）（n=2）、双因素ANOVA（n=1）和协方差分析（analysis of covariance，ANCOVA）（n=1），通常辅以适当的事后两两比较。这些方法主要用于检测预定义样本类别之间的统计学显著差异，包括考古与法医标本、不同环境暴露条件和不同骨骼元素。此外，两项研究应用线性回归分析评估样本组内选定光谱或元素参数的时间趋势。双变量相关性分析也经常用于评估与PMI的关联，其中三项研究报告了Pearson相关系数，两项研究使用Spearman秩相关。
为解决骨骼分解过程固有的复杂性和多维性，若干研究采用了先进的多元化学计量学方法。主成分分析（principal component analysis，PCA）是最常用的方法（n=5），既作为降维技术，也作为识别复杂光谱数据集内主要方差来源的手段。PCA的方法学改进也有报道。一项研究应用正交旋转以提高成分可解释性，而另一项研究使用ANOVA-同时成分分析（ASCA），这是一种将多因素ANOVA与PCA相结合的混合方法，在成分提取之前将方差划分为单独效应矩阵。此外，Baptista等人将常规Pearson相关性分析与偏相关分析相结合，以分离可特异归因于PMI的方差，从而减少潜在混杂因素的影响。
在探索性数据分析之后，若干研究实施了基于回归的建模方法来开发PMI估算的预测框架。偏最小二乘（partial least squares，PLS）回归用于两项研究，而正交PLS（orthogonal PLS，OPLS）回归和遗传算法辅助PLS（genetic algorithm-assisted PLS，GA-PLS）各应用于一项研究。后两种方法的引入分别是为了提高模型可解释性和优化变量选择。在Longato等人的研究中，使用中红外（MIR）光谱数据构建PLS模型，以评估通过预测选定组成参数进行PMI估算的可行性。在评估的模型中，Ca/C比值的预测表现最佳，交叉验证均方根误差（root mean square error of cross-validation，RMSECV）为0.0518，决定系数（R2）为0.8557。值得注意的是，由于Ca/C比值为无量纲量，对应的RMSECV也无量纲。
在后续研究中，评估了PLS和GA-PLS模型。对于掩埋和未掩埋遗骸，最高的预测性能均使用基于二阶导数光谱而非原始吸光度数据训练的GA-PLS实现。对于未掩埋样本，最优模型产生的RMSECV为68.48天，预测R2为0.64；而掩埋样本表现出更好的性能，RMSECV为54.36天，预测R2为0.82。Ortiz-Herrero的OPLS模型表现出最强的预测能力，RMSECV为1.25年，交叉验证R2为0.89，表明预测值与观测值之间具有极佳的一致性。与连续PMI预测相反，一项研究使用二元逻辑回归结合受试者工作特征（receiver operating characteristic，ROC）分析来评估光谱变量在预定义PMI类别中的分类性能。该模型表现出良好的区分能力，正确分类了87%的PMI为10年的样本、76%的PMI为25年的样本和80%的PMI为50年的样本。
近年来，机器学习（machine learning，ML）方法已被引入以建模法医光谱数据集中固有的复杂非线性关系。随机森林（Random Forest，RF）、人工神经网络（Artificial Neural Networks，ANN）和卷积神经网络（Convolutional Neural Networks，CNN）算法各在一项研究中使用训练和测试数据集进行评估。RF模型在使用二阶导数光谱训练时实现了0.76的分类准确率。基于神经网络的模型通常表现出更高的预测性能，ANN准确率范围为90%至100%，而CNN在PMI跨度从0至2周到超过100年的样本中准确率范围为58%至98%。
偏倚风险评估
方法学质量使用乔安娜·布里格斯研究所（JBI）分析性横断面研究关键评估清单进行评估，该清单包含八个领域，评估观察性研究的方法学严谨性和潜在偏倚风险。每个领域被独立评估为“是”、“否”、“不清楚”或“不适用”。总体而言，纳入的研究表现出中至高的方法学质量，满足适用JBI标准的75%至100%。十项研究满足全部八项评估标准，其余研究满足八项标准中的六项或七项。没有研究表现出显著的方法学局限性或需要排除的高偏倚风险；因此，所有符合条件的研究均被保留用于定性综合。
讨论
本系统综述综合了19项研究关于光谱方法用于骨骼遗骸PMI估算的证据。总体而言，研究结果表明光谱学能够检测与骨骼分解相关的进行性分子、结构和元素改变。红外技术特别是FTIR的证据最为有力，其在广泛的PMI范围内一致识别出矿化、碳酸盐取代、结晶度和胶原蛋白降解的变化。然而，样本来源、沉积环境、所分析的骨骼元素和分析方法方面的显著异质性限制了对研究间的直接比较，目前也妨碍了普遍适用的PMI估算模型的开发。
光谱PMI估算的现状
一个反复出现的观察结果是光谱标记物根据所研究的时间尺度表现出不同的性能。若干研究报告了法医与考古遗骸之间的一致区分，反映了数十年至数百年间积累的成岩变化。相比之下，评估较短PMI的研究通常报告较弱或不一致的关联，表明与分解相关的生化变化可能不足以在骨骼成岩的早期阶段克服生物和环境变异性。因此，尽管光谱学在区分宽泛的PMI类别方面显示出前景，但其对近期法医案件的适用性仍不确定。
生物学因素
生物变异性代表了光谱PMI估算中的重大挑战。尽管人类研究中的总体分解趋势大体一致，但组织组成、骨骼元素和物种的差异影响了所观察变化的幅度。例如，动物模型表现出的光谱模式并不总是与人类遗骸中的报告一致，特别是在磷酸盐相关参数和矿物与有机基质指数方面。虽然猪遗骸被广泛认为是人类分解的合适类似物，但这些发现表明物种特异性差异可能影响光谱响应，在将结果外推至人类法医情境时应予以考虑。
骨骼组织间的差异也可能影响生物标志物的表现。虽然大多数研究报告骨骼和牙齿的时间趋势相似，但Rubio等人观察到牙齿中碳酸盐与磷酸盐比值的下降与骨骼中常见趋势不同。这种差异可能反映了骨骼组织之间矿物质含量、结晶度、有机组成和羟基磷灰石结构的差异。此外，有限的证据表明性别相关差异可能影响光谱变化的幅度，尽管分解趋势的总体方向在男性和女性之间似乎一致。在少数考虑较短时间线的研究中，还注意到PMI小于90天时结果普遍不一致。这可能归因于内在因素的初始相互作用因样本而异，与外源性因素共同作用，在PMI早期阶段表现出不同的骨降解动力学。然而，随着时间推移，这些影响显著减弱，因为系统性埋藏学驱动因素可能对成岩作用变得更加有影响力，使得相似环境条件下的结果趋于收敛。
总的来说，这些发现强调了在常规法医应用之前需要在不同骨骼元素和人群中进行验证。尽管光谱学对短PMI骨骼遗骸的区分能力有限，但其在长期PMI估算方面显示出显著更大的前景，因为此时进行性分子和矿物学变化变得更加明显。这尤其有利，因为基于软组织的常规PMI估算方法（如昆虫学和生化分析）在骨骼化发生后不再适用。因此，光谱学非常适合历史、考古和冷案遗骸的法医学分类，在这些情况下，区分当代法医案例与较老遗骸具有重要的调查和法律意义。
环境因素
环境影响是研究间变异的主要来源之一。紫外线辐射暴露、埋葬条件、水生环境和储存条件均影响骨骼组织内理化变化的速率和程度。例如，Stokes等人证明环境条件改变了常用FTIR标记物的表达，而Selvan等人报告了根据沉积环境不同的元素分布特征。同样，Mein等人观察到与土壤相互作用和骨水合作用断裂相关改变相关的元素组成变化。
这些发现与既定的埋藏学原理一致，即温度、湿度、微生物活性、氧气可用性和土壤化学共同影响骨骼成岩作用。因此，光谱标记物不能脱离环境背景进行解释。未来的预测模型应在光谱参数之外纳入环境变量，以提高稳健性和法医适用性。
方法学因素
方法学异质性仍然是光谱PMI估算向法医转化的重要障碍。在样本制备、所分析的骨骼元素、仪器配置、光谱预处理技术和统计方法方面观察到相当大的差异。此外，若干研究受到相对较小样本量的限制，限制了其研究结果的普遍性。
在评估的模态中，FTIR表现出最大的一致性和验证广度，包括结晶度指数、碳酸盐与磷酸盐比值、胶原蛋白相关波段和矿物与有机基质比值在内的若干生物标志物在独立研究中显示出可重现的时间趋势。拉曼光谱产生了可比的结果，同时提供了减少水干扰的实际优势，使其特别适用于水合样本。相比之下，支持EDX、紫外-可见光谱和基于ICP的方法的证据相对有限。
单个生物标志物的解释也需谨慎。尽管结晶度指数和碳酸盐相关比值通常表现出可预测的时间趋势，但报告了相互矛盾的观察结果，特别是在较短PMI中。这种不一致可能反映了环境暴露、样本组成或重叠光谱波段的差异，使解释复杂化。这些发现强化了评估多个互补生物标志物而非依赖单一参数进行PMI估算的必要性。
从化学计量学的角度来看，从常规多变量方法（如PCA、PLS和OPLS）向ML算法的演进代表了一个显著的发展。ML模型通常表现出更高的分类准确率，反映了其捕获光谱数据集内复杂非线性关系的能力。然而，大多数模型是在相对较小的数据集上开发的，缺乏外部验证。此外，某些ML算法的可解释性有限可能对法医可采纳性和专家证词构成挑战。特别是，缺乏透明度的模型可能难以满足法律标准，如美国使用的Daubert标准，该标准要求法院评估方法是否已得到检验、是否经过同行评审、是否具有已知错误率以及是否被相关科学界普遍接受。这些标准支持所呈现证据的可靠性和科学有效性，从而有助于公正司法。因此，未来的努力应侧重于可解释且经过外部验证的预测模型，以在准确性和透明度之间取得平衡。
未来方向
未来研究应优先考虑标准化和验证，而非仅识别额外生物标志物。需要采用人类骨骼遗骸、逼真的沉积场景和协调分析方案的大规模研究，以建立可重现的参考数据集。应特别关注验证在多项研究中表现一致的生物标志物，包括碳酸盐与磷酸盐比值、结晶度指数、胶原蛋白相关波段和矿物与有机基质比值。
除了验证单个生物标志物外，未来研究应侧重于阐明将分子降解与PMI相联系的机制途径，并辅以可解释的ML方法。应更加关注牙科组织，鉴于光谱学在牙科PMI估算中应用有限。未来研究应调查反映牙齿有机和无机组分进行性死后变化的整合时间分子特征。这种新方法可能提供比基于单个生物标志物（主要来源于骨骼）的模型更有意义和更稳健的PMI预测因子。
互补分析技术的整合可能进一步提高预测性能。将光谱模态与表征结构变化的方法（如显微计算机断层扫描或X射线衍射）相结合，可以更全面地评估骨骼成岩作用。同样，整合光谱和结构数据集的多模态方法已在其他生物医学应用中显示出前景，值得在法医PMI估算中进一步研究。最后，未来的ML模型应纳入环境元数据并进行独立外部验证，以促进最终的法医实施。
结论
光谱技术，特别是FTIR和拉曼光谱，通过检测与分解相关的进行性分子、矿物学和元素变化，显示出对骨骼遗骸PMI估算的巨大潜力。若干生物标志物识别出一致趋势，包括碳酸盐、磷酸盐、胶原蛋白和矿化相关参数。然而，显著的生物学、环境和方法学异质性限制了这些方法当前的法医适用性，特别是对于相对较短PMI的遗骸。虽然化学计量学和ML方法的进展提高了预测性能，但大多数模型仍未经过充分验证，无法用于常规法医案件。未来研究应侧重于方案标准化、多中心验证以及开发能够在真实法医条件下运行的透明多模态预测框架。这些努力对于光谱PMI估算可靠地转化为法医实践至关重要。
