Prisas för exjobb om tidpunkt för dödens inträde

Hur lång tid har gått sedan den här personen dog? Det har Jenny Arpe tränat en AI-modell att svara på. Och resultatet gav bättre svar än de metoder som används idag och bättre svar än väntat. Nu får hon Sveriges Ingenjörers Examenspris civilingenjörsutbildning till Christopher Polhems minne.

Jenny Arpe har gått civilingenjörsutbildningen i medicinsk teknik i Linköping, och när hon skulle göra exjobb hittade hon ett samarbete med Rättsmedicinalverket bland skolans förslag.

– Jag tyckte att det lät spännande. Jag har alltid varit förtjust i rättsväsendet och har funderat på att plugga till polis, så jag drogs till det området, säger hon.

Utifrån fyra olika förslag från Rättsmedicinalverket valde Jenny Arpe det som handlade om dödstidpunkten. Det passade bra eftersom man skulle använda mycket data och maskininlärning.

Valde ut mest säkra data

Bakgrunden till studien är att en forskargrupp, med forskare från Rättsmedicinalverket och Linköpings universitet, fått tillstånd att använda ett stort dataset med blodprover som tagits vid obduktioner.

Datasetet är som en Excelfil, där varje rad är en person och varje kolumn ett ämne i blodet.

– Idén var att analysera metaboliska förändringar (ämnesomsättningen) efter döden i dessa prover. En noggrann analys av detta skulle kunna ge en uppskattning av hur längesen personen dog, säger Jenny Arpe.

Hon filtrerade ut de poster där det var som mest en dag mellan att personen hittats död och när den senast setts vid liv. På det sättet blev de data hon jobbade med mer säkra att träna AI-modellen på.

– Det jag gjorde var att prova två AI-modeller. Att låta dem uppskatta hur lång tid det gått sedan dödsfallet, först när modellen bara fick se blodprovet, och sedan när den fick se alla data med ålder, kön, med mera.

Avlidit 1–67 dagar innan provet togs

Efter varje körning justerade hon modellens inställningar/parametervärden och lät algoritmen uppdatera vikterna. Hon testade på nytt tills skillnaden mellan modellens uppskattade och den verkliga tidpunkten var så liten som möjligt.

– Jag tränade på 80 procent av materialet och använde två grupper med 10 procent i varje för test och validering.

Proverna kom från personer som avlidit 1–67 dagar innan provet togs, och över hela det intervallet kunde AI-modellen fastställa tidpunkten med en genomsnittlig avvikelse på 1,5 dag.

De metoder som används i dag för att fastställa tiden för dödsfallet – som kroppstemperatur, grad av förruttnelse, hur stel kroppen är och kaliumnivåer i ögat – ger inte lika bra resultat.

– Ungefär två dygn efter dödsfallet minskas precisionen med de metoderna. För kalium kanske det fungerar i 5-6-7 dagar. Och om man misstänker ett brott så är det svårt att knyta personer till platser om man inte vet när dödsfallet inträffade.  

Lite nervöst med maskininlärning

Den modell som fungerade bäst var neuralt nätverk – vilket forskargruppen hade anat.

– Men vi hade inte förväntat oss att det skulle bli så bra, säger Jenny Arpe.

På utbildningen i medicinsk teknik läser man mycket matematik och programmering, men inte så mycket maskininlärning. Det gjorde henne lite nervöst för om det skulle räcka.

– Men det är bara att våga testa. Man behöver ju inte uppfinna hjulet. Modellen finns att använda. Men det hjälpte att jag hade programmeringsvana. Det är tydligt att det finns en potential i AI. Det behöver inte vara så svårt att använda och det kan ge mycket.

2 300 kolumner i datasetet

Efter att hon tränat modellen fortsatte hon att analysera. I datasetet finns 2 300 metaboliter (kolumner) och Jenny Arpe visade att det räckte med 800 som var relaterade till dödstidpunkten för att få samma resultat. Det gör också att det inte blir lika tungt att göra datakörningarna.

Det räckte också att testa på själva blodprovet – att låta modellen se kön, ålder och annan bakgrundsfakta gjorde inte resultatet säkrare.

Efter hennes exjobb har forskargruppen hon jobbade med fortsatt. Hennes resultat har blivit underlag för en vetenskaplig publikation på bioRxiv och till nya ansökningar om forskningsmedel.

I dag jobbar Jenny Arpe på konsultbolaget CGI, i deras e-hälsoteam.

Hur känns det att ha gjort ditt exjobb kopplat till döden?

– Jag tyckte bara att det var superhäftigt. För mig var det aldrig mer än nummer i en excelfil, så det kändes inte så grovt. Det stora var att se dödsorsaker, då kunde jag läsa och tänka ”va?”. Det kunde vara väldigt detaljerat och inte så supernice att läsa.   

Vad tar du med dig för erfarenheter från exjobbet?

– Att exjobbet blev så bra, förutom att det var ett fint dataset och att jag hade lite tur med området, var för att jag la ner mycket tid på det, och det gjorde jag för att det var så spännande. Så jag tar med mig att i arbetslivet också försöka göra det jag tycker är intressant.

– Jag tar också med mig att tro på mig själv. När jag fick samtalet att jag fått det här priset var jag jättechockad. Tänkte att så bra var det väl inte. Men det är superkul och jag tar med mig att jag kan.

Vad har du för råd till andra som ska göra sitt exjobb, förutom att göra något man tycker är intressant?

– Se det som en chans att göra något eget, utan att skolan har bestämt det, och tänk inte att du ska bevisa att du lärt dig något. Ta vara på att ha lite fria tyglar. Var inte nervös – du klarar det.