Im Zuge der Entwicklung der Forensik werden immer komplexere Beweise mit größerer Präzision, Sensibilität und Geschwindigkeit verarbeitet als je zuvor. Um ein reales Beispiel zu nennen, stellen Sie sich einen Banküberfall vor, bei dem der Täter mit einem Stift, der allen Kunden zur Verfügung steht, die Notiz schreibt, die er dem Kassierer übergibt. In diesem Fall deponierte der Täter Hautzellen auf diesem Stift, aber auch mehrere andere Personen. Das Ergebnis ist eine komplexe DNA-Mischung all dieser Individuen. Wo ein Kriminaltechniker vor 30 Jahren wahrscheinlich hätte brauchen müssen, dass der Bankräuber ein paar Tropfen Blut auf dem Stift hinterlässt, um ein DNA-Profil zu erstellen, braucht er heute nur noch wenige Zellen.
Die Fähigkeit, biologische Beweise zu bewerten, die komplexe Mischungen oder geringe DNA-Mengen enthalten, ist dank Computersoftware möglich, die probabilistische Modellierungsmethoden verwendet. Diese Programme verwenden komplexe Algorithmen, um Wahrscheinlichkeiten zu schätzen, die mit Individuen verbunden sind, die zum DNA-Gemisch beitragen. Trotz dieser innovativen Ansätze zur Interpretation von Mischungen bestehen jedoch zum großen Teil immer noch Einschränkungen aufgrund der Gesamtkomplexität der nicht-reinen DNA und des Mangels an Ressourcen wie Rechenleistung, Zeit und Kosten.
Forscher haben einen neuartigen hybriden maschinellen Lernansatz (MLA) zur Gemischanalyse entwickelt (US-Patent Nr. 10,957,421). Ihre Methode kombiniert die Stärken aktueller Computer- und Expertenanalyseansätze mit denen des Data Mining und der künstlichen Intelligenz.
Ihre MLA ermöglicht eine schnelle und automatisierte Dekonvolution (Trennung) von DNA-Mischungen mit möglicherweise erhöhter Genauigkeit im Vergleich zu aktuellen Methoden. Die Software erfordert minimale Rechen- und Finanzressourcen und liefert immer informativere, zuverlässigere Schlussfolgerungen.
Obwohl dieses geistige Eigentum noch nicht vollständig für die kommerzielle Nutzung entwickelt wurde, bemühen sie sich um eine Finanzierung für den Übergang Technologie. Sobald dies geschehen ist, hoffen sie, dass die neue Methode in allen Bereichen der Strafverfolgung und Strafjustiz eingesetzt wird, insbesondere von forensischen DNA-Wissenschaftlern und der Rechtsgemeinschaft.
Die Forscher sagen, dass FNSSI-Studenten derzeit Komponenten des Maschinelles Lernen Ansatz und sobald ein kommerzieller Partner gewonnen und das Produkt vollständig entwickelt ist, werden sie mit der Implementierung in den FNSSI-Lehrplan beginnen. Andere zum Patent angemeldete Technologien von Marciano und Adelman werden derzeit von Studenten genutzt.
Kathleen Corrado, geschäftsführende Direktorin von FNSSI, sagt, dass diese Technologie an der Syracuse University Studenten die Arbeit mit innovativen Analysetechniken ermöglichen wird, die für Forensiker unerlässlich sind, da sich das Feld mehr in Richtung Computeranalyse bewegt.
Dieses aufregende neue Tool für die Analyse von DNA-Mischungen unterstreicht die Kreativität und den kooperativen Charakter der Arbeit unserer Fakultät. Die Entwicklung solcher Technologien und deren Weitergabe an die forensische Gemeinschaft sind wichtige Elemente des FNSSI-Forschungsprogramms.
