Alguns dos crimes de homicídio não resolvidos mais notórios da história puderam ser descobertos graças a uma nova pesquisa forense conduzida na Universidade de Northumbria, em Newcastle.

Dr. Matteo Gallidabino, Professora Sênior em Ciência Forense na Northumbria University, trabalhando com colegas do King's College London e das Universidades de Lausanne, Santiago de Compostela e Roma (La Sapienza), revelaram que o aprendizado de máquina - um campo da inteligência artificial - pode ser usado para determinar qual munição, e, finalmente, qual arma de fogo, foi responsável por um tiro específico do resíduo que deixou para trás.

Suas descobertas foram publicadas na Royal Society of Chemistry's Analista jornal - o lar de descobertas fundamentais, invenções e aplicações em ciências analíticas e bioanalíticas.

"O aprendizado de máquina usa uma série de algoritmos para modelar relacionamentos de dados complexos", explica o Dr. Gallidabino. "Por meio de um ajuste fino cuidadoso, estes podem ser aplicados para prever características importantes da munição usada em um evento de tiro em particular daquelas do respectivo resíduo de arma de fogo (GSR) depositado nas superfícies ou itens circundantes, como casos gastos, feridas e, potencialmente, também as mãos do atirador. "

Esta é uma progressão inovadora quando comparada às técnicas atualmente disponíveis na análise GSR. De fato, as complexas estatísticas computacionais implementadas pela equipe de pesquisa permitem a identificação da munição responsável pelos diferentes vestígios de arma de fogo deixados na cena do crime e eventual associação de tais vestígios, com precisão sem precedentes. Ambos os recursos são atualmente desafiadores com o uso de métodos forenses tradicionais.

Com mais desenvolvimentos da abordagem sugerida, novas pistas investigativas podem ser rapidamente buscadas para evitar assassinatos semelhantes não resolvidos do passado, como Jill Dando em 1999 e os notórios assassinatos do Domingo Sangrento de 1972.

"Depois do Domingo Sangrento, o problema era determinar se os tiros foram disparados por civis ou militares ”, afirma o Dr. Gallidabino.“ Os investigadores encontraram grandes quantidades de GSR em todas as vítimas e concluíram que eram resultado de tiros. Posteriormente foi estabelecido, Contudo, que estes eram provavelmente devido ao secundário, transferência pós-evento de contaminações do pessoal militar - cujas mãos eram ricas em GSRs - para cadáveres. Pequenas quantidades de GSR, na verdade, pode ser transferido por contatos prolongados com superfícies contaminadas, como aqueles que aconteceram quando soldados ajudaram a transportar as vítimas para o hospital após o evento.

"Se técnicas como as que estamos desenvolvendo agora estivessem disponíveis na época, eles poderiam ter sido usados ​​para determinar se GSRs vieram de munição civil ou fogo militar, o que teria sido uma prova crítica. "

O Dr. Gallidabino é especialista em modelagem estatística e técnicas de aprendizado de máquina para aplicações forenses. Ele desenvolveu e testou pessoalmente a técnica química inovadora e os modelos matemáticos usados ​​na abordagem, depois de disparar uma variedade de munições. Depois de coletar os cartuchos de arma, ele os analisou, e particularmente a parte volátil do GSR, antes de voltar sua atenção para os pós sem fumaça originais. Daqui, ele foi capaz de estabelecer uma relação entre a munição e o resíduo, com os mesmos métodos estatísticos usados ​​por cientistas da computação para treinar robôs.

Seguindo a partir disso, a equipe de pesquisa pediu que este método exclusivo seja aplicado de forma muito mais ampla no campo da ciência forense e, De forma geral, química Analítica. “Os benefícios são incontáveis”, disse o Dr. Gallidabino. "Eles podem até se estender a outros campos das ciências analíticas que rotineiramente encontram traços químicos mutáveis, como a análise de dispositivos explosivos improvisados, aceleradores de incêndio criminoso e poluentes ambientais. "

Dr. Leon Barron, Palestrante Sênior em Ciência Forense do King's College London, acrescentou:"A fusão de análises laboratoriais de última geração com aprendizado de máquina baseado em computador nos permitirá capitalizar sobre as vastas quantidades de dados que agora geramos para fazer avanços inovadores como este com mais frequência. Na ciência forense, e, muitas vezes, dados os diversos cenários e sequências de eventos envolvidos, o aprendizado de máquina representa uma das maneiras mais promissoras de dar sentido às evidências mais rapidamente para apoiar o Sistema de Justiça Criminal. "

Jill Dando

Em 26 de abril, 1999, a estrela da BBC de 38 anos foi morta a tiros na porta de sua casa em Fulham, West London, no que continua sendo um dos assassinatos não resolvidos mais notórios do Reino Unido. Barry George, que morava a poucos minutos da casa de Jill, foi presa por oito anos por seu assassinato, mas foi inocentada após um novo julgamento em 2008, após preocupações levantadas sobre evidências forenses. O caso permanece aberto.

Ter mais conhecimento sobre a fonte do GSR no momento do assassinato poderia ter sido útil, de acordo com o Dr. Gallidabino e o resto da equipe de pesquisa.

“Uma única partícula GSR foi encontrada no bolso do casaco de Barry George (o suspeito)”, diz ele. "Esta partícula mostrou ter uma composição muito semelhante às encontradas na vítima, Jill Dando, de acordo com as técnicas disponíveis no momento. Como não existia nenhum método aprovado para comparar as composições GSR em diferentes superfícies, Contudo, esta evidência foi fortemente contestada. Com nossa abordagem, esperamos, no futuro, fornecer ferramentas robustas às agências de aplicação da lei para lidar com este tipo de situação de forma mais eficiente. "