Palles AI-app kan finde skjulte fingeraftryk i uløste kriminalsager

Overlappende fingeraftryk på gerningssteder har længe været en udfordring for politiets efterforskere. Når to eller flere aftryk ligger oven i hinanden, kræver det mange timers omhyggeligt manuelt arbejde at adskille dem - hvis det overhovedet er muligt. 

I dette fjerde afsnit af Inside Healths serie om kunstig intelligens i sundhedsforskning møder vi lektor Palle Villesen fra Institut for Klinisk Medicin, der har været med til at udvikle en AI-metode, der automatisk kan separere de komplekse aftryk og potentielt hjælpe politiet med at løse uopklarede sager.

Hvordan endte du med at arbejde med AI?

Jeg er biolog af baggrund og var med fra starten på Bioinformatics Research Center på AU for mange år siden. Jeg skiftede til Institut for Klinisk Medicin, fordi jeg gerne ville lave noget, der kunne bruges til noget konkret. Jeg har de seneste mange år arbejdet sammen med retsmedicinere, fordi de havde et område drevet af meget simple analysemetoder. Det er håndgribeligt arbejde, og vi er med til at udvikle metoder til retssager og efterforskning.

Hvordan bruger du AI konkret i dit arbejde?

Vi arbejder med fingeraftryk og blodanalyser sammen med retskemikere og blodbanken. Al den slags data er kompleks – tusindvis af molekyler – og fyldt med støjsignaler fra sensitive apparater. Her kan AI håndtere mønstre, som vi ikke kan se. For eksempel har vi udviklet en metode til at analysere overlappende fingeraftryk, hvor AI automatisk kan adskille to fingeraftryk, der ligger oven i hinanden. Tidligere krævede det mange timers manuelt arbejde.

Hvor langt er I med implementeringen af metoden?

Jeg har lavet en app til Institut for Retsmedicin, som gør ”fremkaldelsen” af molekylære fotos lettere. Det kommer til at betyde, at politiet potentielt kan få fremkaldt nye fingeraftryk i sager, som de ikke kunne løse tidligere – især når fingeraftryk er beskadiget eller lapper over hinanden. Det åbner en helt ny værktøjskasse for efterforskningen.

Konsekvenserne er store, hvis metoden begår fejl. Hvordan validerer I resultaterne?

Vi fokuserer enormt meget på at undgå det, man kalder falske positive resultater – resultater, der ser rigtige ud, men ikke er det. Når man analyserer tusindvis af molekyler, vil nogle tilfældigt se betydningsfulde ud. Derfor designer vi AI-systemer, der kun udtaler sig, når de er sikre og rapporterer eventuel usikkerhed. I efterforskninger foretrækker politiet faktisk også, at vi siger ”det tør vi ikke udtale os om” frem for at få et svar, som vi ikke er 100 procent sikre på.

Hvordan står vi i Danmark i forhold til andre lande i udviklingen af AI-metoder på dette område?

Danmark har en ufattelig stor fordel i kraft af vores omfattende sundhedsregistre og biobanker. Det danske bloddonorstudie er en ting, som vi burde fremhæve meget mere. Vi har blodprøver fra folk, før de blev syge, kombineret med deres sygehistorik. Det er helt unikt og giver os muligheder, som forskere i USA og Kina ikke har. Det gør, at vi i Danmark på trods af vores beskedne størrelse er blandt verdens førende på dette område.

Hvad er de største udfordringer for forskere som dig, der udvikler disse metoder?

GDPR-lovgivning. Det er selvfølgelig vigtigt, at det er på plads, men det er enormt tungt at få adgang til data, selvom forskningen er vigtig. Der er få grupper, der allerede har adgang til data, og de sidder tungt på det, da det kræver ekstrem tålmodighed og meget stor indsats at få adgang til data.

Hvad er løsningen?

Jeg sidder i en arbejdsgruppe med fokus på kunstig intelligens og datahåndtering, og vi har blandt andet foreslået, at man udpeger en enkelt kontaktperson på AU og Region Midtjylland, som forskere kan henvende sig til for hjælp med jura og projektopstart, så man på den måde har de bedste forudsætninger for at få grønt lys til sine projekter, der jo ofte kræver samarbejde på tværs af organisationerne.

Tror du AI kommer til at revolutionere det medicinske område, eller bliver det mere en gradvis forbedring?

På nogle områder har det potentiale til at revolutionere sektoren. Her tænker jeg især på nyuddannede læger. AI ligger allerede nu på et niveau, der svarer til en meget erfaren overlæge i forhold til at diagnosticering. Det svarer til, at en nyuddannet læge kan få støtte fra en meget skarp bagvagt, der kan give et ensartet og hurtigt udgangspunkt, som lægerne så kan finjustere. Men vi skal bevare den sunde skepsis. Det er nemt at blive grebet af udviklingen, fordi man kan alt muligt nu, der virker fantastisk. Når vi siger, at AI kan spare penge i sundhedssektoren, skal vi også bevise, at behandlingen ikke bliver dårligere. Vi skal måle effekten over mange år – ikke bare antage, at den er der.

Kontakt

Lektor Palle Villesen
Aarhus Universitet, Institut for Klinisk Medicin – Enhed for Bioinformatik
Telefon: 24471214
Mail: palle@birc.au.dk