一种结合ATR-FTIR光谱技术与集成学习的皮肤挫伤老化估算方法，适用于死亡后24小时内的情况

《Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》：An ATR-FTIR spectroscopy strategy coupled with ensemble learning for skin contusion age estimation under a 24?h Postmortem interval

　　

• •
  开发了一种用于皮肤伤口年龄估计的预测模型，该模型考虑了死后24小时变化的影响。
• •
  整合了遗传算法优化和集成学习方法，以提高预测性能和泛化能力。
• •
  提出了一种新的技术策略，用于复杂法医案件中的伤口年龄估计。

引言

准确的伤口年龄估计对于区分生前伤害和死后伤害、重建事件时间线以及评估证人陈述的可靠性至关重要。作为直接受到外部力量影响的最外层屏障，皮肤通常在早期就表现出与伤害相关的变化。此外，在法医实践中，皮肤也是最容易获取的生物组织之一 [1]，[2]。因此，皮肤长期以来一直是伤口年龄估计的关键研究对象。近年来，许多研究从组织形态学 [3]、免疫组化学 [4]，[5]，[6] 和分子生物学 [7] 的角度揭示了皮肤受伤后的动态变化。例如，Chen 等人证明了炎症细胞因子 IL-36α、IL-36γ 和 IL-38 在小鼠皮肤伤口愈合过程中表现出时间依赖性的表达模式 [8]。Cecchi 等人利用免疫组化学染色方法评估了 MMP-9 的表达水平，为评估受伤后 1 小时内的急性皮肤损伤提供了辅助证据 [9]。Kondo 等人根据泛素表达水平的时间变化，将 0 至 21 天的皮肤伤口年龄分为四个阶段 [4]。这些研究为皮肤伤口年龄估计提供了重要的基础。

然而，大多数先前的研究都是基于新鲜受伤的组织，其实验条件与实际法医案例中遇到的情况有很大差异。在实际法医工作中，受伤的皮肤组织往往不是在死亡后立即收集和检查的，而是在经历了不同程度的复杂死后变化（如自溶和腐败）之后才获得 [10]。这些死后过程可能会显著改变组织的原始损伤反应特征。例如，Qian 等人报告称，死后腐败会破坏与骨骼肌损伤相关的时间模式，从而降低伤口年龄估计的准确性 [11]。此外，炎症因子、修复相关基因和某些调节分子容易受到内源性酶降解、微环境变化和分解过程的影响，限制了它们作为伤口年龄指标的可靠性 [12]，[13]，[14]。因此，如何在死后变化和分解的干扰下从受伤的皮肤组织中提取和识别与伤口年龄相关的信息，已成为该领域亟需解决的关键问题。

近年来，振动光谱技术的进步为法医医学中的伤口年龄估计提供了一种新的技术方法。在这些技术中，衰减全反射傅里叶变换红外（ATR-FTIR）光谱因其快速性、对样本制备要求低以及能够同时捕获来自多种生物分子（包括蛋白质、脂质和核酸）的生化信息而受到广泛关注 [15]，[16]。ATR-FTIR 已被应用于多种法医领域，包括体液鉴定 [17]、体液老化估计 [18]，[19]、死因分析 [20]、死后时间间隔确定 [21]、伤口年龄评估 [11]，[22] 以及区分生前和死后伤害 [23]，[24]。与容易被死后降解的单一生物标志物不同，ATR-FTIR 提供了关于组织整体分子组成和结构变化的全面信息，即使在自溶和分解条件下也能保留与伤害进展相关的时间信息 [11]，[25]。然而，由于光谱信号的高复杂性和峰的重叠特性，传统的分析方法难以有效捕捉其中的细微变化模式。因此，从复杂的光谱数据中有效提取与伤口年龄相关的信息并建立稳健的预测模型仍然是 ATR-FTIR 在法医伤口年龄估计应用中的主要挑战。

随着计算机科学的快速发展，机器学习已成为分析此类高维数据的强大工具。机器学习算法通过高维特征提取和模式识别，能够在光谱特征和时间信息之间建立复杂的映射关系，从而显著提高模型的预测性能和泛化能力 [26]，[27]。目前，各种机器学习算法已广泛应用于 ATR-FTIR 研究，并在分类和回归任务中表现出优于传统方法的性能 [28]，[29]，[30]。然而，面对法医样本中的复杂生物学差异和死后变化，单一模型往往存在稳定性和泛化能力的问题。相比之下，集成学习整合了来自多个基础学习器的互补信息，有效地减少了模型偏差和方差，同时在复杂样本条件下提高了预测的稳定性和准确性 [31]。

因此，本研究旨在基于集成学习策略开发一个预测框架，并评估其在受到死后24小时变化干扰下的皮肤挫伤伤口年龄估计的准确性和可靠性。首先，在不同的伤口年龄（0、0.5、1、2、4、8、12、18、24、36 和 48 小时）和死后时间间隔（0 和 24 小时）下建立了大鼠皮肤挫伤模型，并从相应的受伤组织中收集了 ATR-FTIR 光谱数据。随后，结合光谱预处理、机器学习算法和集成学习策略，开发了基于 ATR-FTIR 的伤口年龄估计预测模型。进一步应用 SHAP 分析来确定对模型预测有贡献的关键光谱特征，并探索它们的潜在生物学意义。本研究为复杂法医场景中的皮肤挫伤年龄估计提供了一种快速、侵入性小且适用性强的方法。

部分摘录

实验动物和样本采集

本研究共使用了220只8周大的雄性SD大鼠（体重250–280克），从重庆医科大学实验动物中心购买。所有动物都饲养在SPF级别的动物设施中，生活在相对恒定的环境中，并遵循12小时光照/黑暗周期的管理模式。所有实验均符合“实验室动物护理和使用指南”的要求，并得到了重庆医科大学动物伦理委员会的批准

平均光谱

首先分析了实验-0组和实验-24组的原始ATR-FTIR光谱，以研究皮肤受伤后生化成分的时间依赖性变化以及死后24小时变化对伤口年龄估计的影响。主要特征吸收带及其对应的生化成分在表1中进行了总结 [33]，[46]，[47]，[48]。在实验-0组中，随着伤口年龄的增加，吸收强度

讨论

准确估计伤口年龄是法医实践中的一个重大挑战。然而，死后变化会改变组织结构和生化成分，从而降低了在实际法医条件下使用新鲜皮肤挫伤样本建立的常规伤口年龄估计方法的适用性。在这项研究中，开发了一种基于ATR-FTIR光谱技术的集成预测模型，该模型结合了GA-LightGBM和GA-SVR，实现了高精度估计

结论

建立一种能够考虑死后24小时内变化影响的伤口年龄估计方法在法医实践中具有重要意义。在这项研究中，基于ATR-FTIR光谱技术，开发了一种整合了GA-LightGBM和GA-SVR的平均集成预测模型，用于估计死后24小时内的皮肤挫伤年龄。结果表明，尽管受到死后变化的影响，该模型仍然保持了良好的预测性能

利益冲突声明

作者声明他们没有已知的可能会影响本文所述工作的竞争性财务利益或个人关系。

致谢

重庆医科大学的杰出教授支持计划为这项工作提供了资金（R1025）。

Bi Wei|Xuehong Qian|Hongbing Chen|Yusen Wang|Hongli Xiong|Jiang Guo|Hao Xiao|Kai Yu|Jianbo Li