Conforme o campo da ciência forense evolui, evidências mais complexas estão sendo processadas com maior precisão, sensibilidade e velocidade do que nunca. Para dar um exemplo da vida real, considere um assalto a banco em que o perpetrador usa uma caneta, à disposição de todos os clientes, para escrever a nota que eles passam ao caixa. Neste caso, o perpetrador depositou células da pele nesta caneta, mas o mesmo aconteceu com várias outras pessoas. O resultado é uma mistura complexa de DNA de todos esses indivíduos. Se há 30 anos um cientista forense provavelmente precisaria que o ladrão de banco deixasse algumas gotas de sangue na caneta para produzir um perfil de DNA, hoje eles precisam apenas de algumas células.
A capacidade de avaliar evidências biológicas que contêm misturas complexas ou baixos níveis de DNA é possível graças ao software de computador que utiliza métodos de modelagem probabilística. Esses programas usam algoritmos complexos para estimar as probabilidades associadas a indivíduos que contribuem para a mistura de DNA. Mas, apesar dessas abordagens inovadoras para a interpretação da mistura, as limitações ainda existem em grande parte devido à complexidade geral do DNA não primitivo e à falta de recursos, como poder computacional, tempo e custo.
Michael Marciano, professor assistente de pesquisa e diretor de pesquisa do Instituto de Ciências Forenses e de Segurança Nacional (FNSSI) da Faculdade de Artes e Ciências, e Jonathan Adelman, professor assistente de pesquisa da FNSSI, inventaram uma nova abordagem híbrida de aprendizado de máquina (MLA) para análise de mistura (patente US número 10.957.421). Seu método combina os pontos fortes das abordagens computacionais e de análise de especialistas atuais com aqueles em mineração de dados e inteligência artificial.
Seu MLA permite a deconvolução (separação) rápida e automatizada de misturas de DNA com maior precisão em comparação aos métodos atuais, potencialmente. O software exigirá recursos financeiros e de computação mínimos e fornecerá conclusões cada vez mais informativas e de alta confiança.
“Eu sabia que nada parecido com essa abordagem havia sido feito antes e, uma vez que esse conjunto de problemas era exclusivamente apropriado para o uso de IA e aprendizado de máquina, envolvemos o Escritório de Transferência de Tecnologia para buscar a proteção da propriedade intelectual”, disse Marciano. “O aspecto mais empolgante deste projeto foi que introduzimos a aplicação de IA para análise forense de DNA.”
Marciano e Adelman receberam financiamento do Instituto Nacional de Justiça para desenvolver ainda mais sua ideia em 2014. Embora essa propriedade intelectual não tenha sido totalmente desenvolvida para uso comercial, eles estão buscando financiamento para fazer a transição da tecnologia. Assim que isso for feito, eles têm esperança de que o novo método seja usado em todas as comunidades de aplicação da lei e justiça criminal, especificamente por cientistas forenses de DNA e a comunidade jurídica.
Marciano diz que os alunos da FNSSI podem usar atualmente os componentes do MLA e, uma vez que um parceiro comercial seja garantido e o produto totalmente desenvolvido, eles começarão a implementá-lo no currículo da FNSSI. Outras tecnologias com patente pendente de Marciano e Adelman estão sendo usadas atualmente por estudantes.
A diretora executiva da FNSSI, Kathleen Corrado, diz que ter essa tecnologia na Syracuse University permitirá que os alunos trabalhem com técnicas de análise inovadoras, que são habilidades essenciais para cientistas forenses à medida que o campo se move mais na direção da análise computacional.
“Esta ferramenta nova e empolgante para análise de mistura de DNA desenvolvida por Michael e Jonathan destaca a criatividade e a natureza colaborativa do trabalho que está sendo feito por nosso corpo docente”, diz Corrado. “Desenvolver essa tecnologia e compartilhá-la com a comunidade forense são elementos importantes do programa de pesquisa da FNSSI.”
Publicado em 30/07/2021 13h02
Artigo original:
Estudo original: