一项突破性研究为法医学领域带来了新进展——科研人员开发出一种利用人工智能分析血液代谢物来估算死亡时间的新方法，相关成果已发表于国际权威期刊《自然·通讯》。该方法通过检测尸体血液中的小分子代谢物浓度变化，显著提升了死亡时间推断的准确性，尤其适用于死亡时间较长、传统方法难以精准判断的复杂案件。
研究团队来自瑞典林雪平大学与国家法医学委员会，他们发现人体死亡后会启动一系列可预测的生物化学过程。随着组织分解，血液中数百种代谢物的浓度会随时间呈现规律性波动，这些变化与死亡后的时间间隔存在强相关性。这一发现为开发新型死亡时间推断工具提供了科学基础。
传统法医学主要依赖体温下降、尸僵程度、眼玻璃体液钾离子浓度等指标，但这些方法在死亡超过48小时后准确性会大幅下降。例如，环境温度波动会显著影响尸体冷却速度，导致基于体温的估算产生较大偏差。而新方法通过机器学习模型分析代谢物数据，有效克服了这些局限性。
该研究的突破性在于建立了迄今最大规模的尸检代谢物数据库。科研人员整合了近十年间4.5万余例尸检样本的检测数据，其中4876例带有确切死亡时间记录的样本被用于模型训练。值得注意的是，研究证实即使使用数百例样本训练，模型仍能达到可用精度，这为后续研究提供了重要参考。
在独立测试集中，新模型对死亡后13天内的尸检样本展现出优异性能，预测误差控制在±1天范围内，较传统方法提升约30%。研究人员特别强调，血液代谢物的时间信号具有高度稳定性，即使面对不同环境温度、湿度等干扰因素，仍能保持可靠的预测能力。
当前研究仍存在一定局限——数据库仅记录死亡日期而非精确时刻。为此，团队正着手构建包含具体死亡时间的新数据集，旨在将时间分辨率提升至小时级别，并探索推断死亡具体时段的可能性。这项技术若能完善，将为刑事侦查提供更精确的物证支持。
法医学专家指出，该工具并非要取代现有方法，而是作为重要补充手段。在涉及尸体长期暴露、环境条件复杂或死亡时间存疑的案件中，代谢物分析可提供独立证据链，帮助法医更准确地还原案发时间线。随着数据积累和技术优化，这项创新有望成为法医鉴定领域的标准工具之一。
