Uitdaging

Traditioneel zijn vingerafdrukken cruciaal geweest in forensisch onderzoek, maar recent onderzoek verkent hun chemische samenstelling voor diepgaandere inzichten. In samenwerking met het Nederlands Forensisch Instituut (NFI) hebben we het potentieel onderzocht van het gebruik van Machine Learning om geslacht te classificeren en drugsgebruik te detecteren op basis van de chemische vingerafdruk.

Oplossing

Op Lowlands in 2016 leverden deelnemers gewassen en ongewassen vingerafdrukken. Via chemische analyse van deze vingerafdrukken, samen met de demografische en gedragsgegevens verkregen door enquêtes, hebben we een interessante dataset verkregen om mee te werken. Door gebruik te maken van geavanceerde Machine Learning-modellen zoals Neurale Netwerken, Random Forests, Decision Trees en Boosted-modellen, hebben we een robuust systeem ontwikkeld dat in staat is om geslacht te onderscheiden en drugsgebruik met opmerkelijke precisie te detecteren. Onze naadloze integratie van dit systeem in een gebruiksvriendelijke webapplicatie vereenvoudigde de toegankelijkheid voor de onderzoeksinspanningen van het NFI.

Resultaat

De nauwkeurigheid van drugsclassificatie werd gehinderd door complexe drugstests en de prevalentie van alcohol. Lipiden vertoonden minimale voorspellende waarde. We hadden nu meer inzicht in welke elementen van de vingerafdrukken voorspellende waarde hadden en welke niet. Onze studie legt de basis voor toekomstig onderzoek in forensische wetenschap door nieuwe inzichten te bieden over toegepaste AI in Forensische Wetenschappen. Toekomstig onderzoek zou bredere factoren moeten verkennen dan geslacht en drugsgebruik. Deze studie benadrukt het transformerende potentieel van AI in de vooruitgang van forensische wetenschap, en biedt veelbelovende wegen voor toekomstig onderzoek en toepassing.