Una aplicación más de la IA: proporcionar una hora de la muerte más precisa, crucial para investigaciones forenses

El método fue desarrollado por investigadores de la Universidad de Linköping y la Junta Nacional Sueca de Medicina Forense, quienes entrenaron el modelo de IA con los llamados metabolitos en miles de muestras de sangre de muertes reales.

El modelo de IA se entrena con los llamados metabolitos en miles de muestras de sangre de muertes reales.

“La muerte es una fuerte señal biológica”, afirma Rasmus Magnusson, investigador postdoctoral del Departamento de Ingeniería Biomédica, IMT, en la Universidad de Linköping, quien dirigió un estudio publicado en Nature Communications donde se utiliza IA para determinar el momento de la muerte.

Cuando el cuerpo muere, se desencadenan diversos procesos biológicos. Los órganos y tejidos comienzan a descomponerse, lo que provoca cambios en pequeñas moléculas de la sangre llamadas metabolitos. Su descomposición se produce de forma predecible y correlacionada con el tiempo transcurrido desde la muerte.

“Esto nos permite determinar la hora exacta de la muerte de una persona, lo cual es fundamental en las investigaciones forenses, pero también para el trabajo de la policía. Por ejemplo, necesitan destinar sus recursos a los testigos adecuados en el período adecuado de la vida de la persona fallecida”, afirma Henrik Green, profesor de ciencias forenses en la LiU e investigador de la Junta Nacional de Medicina Forense del RMV.

Análisis de metabolitos

Los métodos que se utilizan actualmente para determinar la hora de la muerte, también conocida como intervalo post mortem, incluyen la temperatura corporal, el rigor mortis y la cantidad de potasio en el vítreo ocular. Sin embargo, estos métodos arrojan resultados menos precisos cuando han transcurrido algunos días desde el fallecimiento.

El RMV ha recolectado muestras de sangre de más de 45.000 autopsias durante casi diez años, lo que ha dado lugar a una base de datos única en el mundo. Las muestras se utilizan para detectar diversas sustancias químicas, como fármacos, productos farmacéuticos o toxinas. Sin embargo, también se pueden encontrar metabolitos corporales en las muestras de sangre.

"Mina de oro de datos"

De estas 45.000 muestras, 4.876 con intervalo post mortem conocido se utilizaron para entrenar el modelo de IA.

Esta es una mina de oro de datos para la Junta Nacional de Medicina Forense. Pero también se pudo demostrar que no se necesitan cantidades tan grandes de datos como quizás se creía anteriormente. Bastan unos pocos cientos de personas para construir los modelos correspondientes, lo que hace que nuestro método sea útil incluso en laboratorios de todo el mundo que no tienen acceso a tantos datos, afirma Rasmus Magnusson.

Los investigadores demostraron que su nuevo modelo podía predecir el tiempo transcurrido entre la muerte y la autopsia con una precisión de aproximadamente un día, incluso para personas fallecidas hasta 13 días antes. Una clara mejora con respecto a los métodos actuales. Según Elin Nyman, docente de biología de sistemas en el IMT, este fue un proyecto de alto riesgo que no se esperaba que funcionara.

Se sabe que muchos factores externos afectan la descomposición corporal y nos sorprendió que la señal de los metabolitos corporales fuera tan potente para predecir el intervalo post mortem. El conjunto de datos que tenemos hoy proporciona información sobre la fecha de fallecimiento, pero desconocemos la hora, afirma Elin Nyman.

El siguiente paso es la mejora

El próximo paso de los investigadores es producir un conjunto de datos con información más precisa sobre el momento de la muerte y luego entrenar modelos que proporcionen estimaciones más confiables del intervalo post-mortem y puedan determinar durante qué parte del día ocurrió una muerte.

Las evaluaciones forenses suelen implicar un trabajo detectivesco complejo. Esta nueva herramienta nos brinda mejores oportunidades para evaluar cuánto tiempo lleva una persona fallecida, incluso cuando ha transcurrido mucho tiempo desde su fallecimiento, lo cual es fundamental, especialmente en casos más complejos.

Actualmente, se trabaja en el desarrollo de modelos aún más precisos, afirma Carl Söderberg, patólogo forense e investigador del RMV.

El estudio fue financiado principalmente por el Consejo Sueco de Investigación, la fundación Forska utan djurförsök (Investigación sin experimentos con animales) y el Área de Investigación Estratégica en Ciencias Forenses de LiU y RMV.

Fuente: Universidad de Linköping

Referencia

Magnusson, R., Söderberg, C., Ward, L.J. et al. The human metabolome and machine learning improves predictions of the post-mortem interval. Nat Commun 17, 1504 (2026). https://doi.org/10.1038/s41467-026-69158-w