â Döden Ă€r ju en stark biologisk signal, sĂ€ger Rasmus Magnusson, postdoktor vid Institutionen för medicinsk teknik, IMT, vid Linköpings universitet, som lett en studie publicerad i Nature Communications dĂ€r AI anvĂ€nds för att bestĂ€mma dödstidpunkten.
NÀr kroppen dör pÄbörjas en mÀngd biologiska processer. Organ och vÀvnader börjar brytas ner vilket bland annat leder till förÀndringar av smÄ molekyler i blodet som kallas metaboliter. De bryts ned pÄ ett förutsÀgbart sÀtt som korrelerar med hur lÄng tid det gÄtt frÄn dödstidpunkten.
Per Wistbo Nibell
â Det ger oss möjligheten att bedöma nĂ€r en individ faktiskt har avlidit, nĂ„got som Ă€r vĂ€ldigt viktigt för rĂ€ttsmedicinska utredningar, men ocksĂ„ för polisens arbete. De behöver till exempel lĂ€gga resurserna pĂ„ rĂ€tt vittnen i rĂ€tt tidsperiod i den avlidnes liv, sĂ€ger Henrik Green, professor i forensiska vetenskaper vid LiU och forskare vid žéĂ€łÙłÙČőłŸ±đ»ćŸ±łŠŸ±ČÔČč±ô±č±đ°ù°ì±đłÙ, RMV.
Analys av metaboliter
De metoder som i nulÀget anvÀnds för att faststÀlla dödstidpunkt, Àven kallat postmortalt intervall, Àr bland annat kroppstemperatur, likstelhet och mÀngden kalium i ögats glaskropp. Dessa metoder ger dock osÀkra svar efter att ett par dagar förflutit sedan dödstidpunkten.
Thor Balkhed
Metoden som nu utvecklats av forskare vid LiU tillsammans med RMV anvÀnder i stÀllet artificiell intelligens för att analysera metaboliterna i blodprov som samlas in vid obduktion.
Totalt har blodprover frÄn över 45 000 obduktioner samlats av RMV under nÀstan tio Är, en databas som sakar motsvarighet i hela vÀrlden. Blodproverna anvÀnds för att hitta olika kemiska substanser som droger, lÀkemedel eller gifter. Men Àven koppens egna metaboliter gÄr alltsÄ att hitta i blodproverna.
"Guldgruva med data"
Av dessa 45 000 prover har 4876 med kÀnt postmortalt intervall anvÀnts för att trÀna AI-modellen.
â Det Ă€r en guldgruva med data som finns hos žéĂ€łÙłÙČőłŸ±đ»ćŸ±łŠŸ±ČÔČč±ô±č±đ°ù°ì±đłÙ. Men vi kunde ocksĂ„ visa att det inte behövs den stora mĂ€ngd data som man kanske tidigare trodde. Det rĂ€cker med nĂ„gra hundra individer för att göra motsvarande modeller, vilket gör vĂ„r metod anvĂ€ndbar Ă€ven i laboratorier vĂ€rlden över som inte har tillgĂ„ng till lika mycket data, sĂ€ger Rasmus Magnusson.
Per Wistbo Nibell
Forskarna visade att deras nya modell kunde förutse tiden frÄn dödens intrÀffande till obduktionen med en precision pÄ ungefÀr en dag Àven för de som varit avlidna i upp till 13 dagar. En tydlig förbÀttring mot dagens metoder. Enligt Elin Nyman, docent inom systembiologi vid IMT, var det ett högriskprojekt som inte nödvÀndigtvis skulle funka.
â Vi visste att mĂ„nga yttre faktorer pĂ„verkar kroppens nedbrytning och var förvĂ„nade att signalen frĂ„n kroppens metaboliter var sĂ„ pass stark nĂ€r det gĂ€ller att förutsĂ€ga postmortalt intervall. Det dataset vi har idag ger information om vilken dag dödsfallet skedde, men vi vet inte nĂ€r pĂ„ dygnet de dog, sĂ€ger Elin Nyman.
NÀsta steg tid pÄ dygnet
SÄ forskarnas nÀsta steg Àr att ta fram ett dataset med mer precis information om dödstidpunkten för att sedan kunna trÀna modeller som bÄde skall ge sÀkrare uppskattningar av det postmortala intervallet och kunna avgöra vilken del av dygnet ett dödsfall skett.
žéĂ€łÙłÙČőłŸ±đ»ćŸ±łŠŸ±ČÔČč±ô±č±đ°ù°ì±đłÙ
â RĂ€ttsmedicinska bedömningar innebĂ€r ofta ett pusselliknande detektivarbete. Det hĂ€r nya verktyget ger oss bĂ€ttre möjligheter att bedöma hur lĂ€nge nĂ„gon varit avliden Ă€ven nĂ€r det gĂ„tt en lĂ€ngre tid sedan dödsfallet, vilket har stor betydelse sĂ€rskilt i mer komplexa Ă€renden. Vi arbetar nu vidare med utveckla Ă€n mer trĂ€ffsĂ€kra modeller, sĂ€ger Carl Söderberg, rĂ€ttslĂ€kare och forskare vid RMV.
Studien finansierades i huvudsak av VetenskapsrÄdet, stiftelsen Forska utan djurförsök samt StyrkeomrÄde forensiska vetenskaper vid LiU och RMV.
Artikel: , Rasmus Magnusson, Carl Söderberg, Liam J. Ward, Jenny Arpe, Fredrik C. Kugelberg, Albert Elmsjö, Henrik Green, Elin Nyman, Nature Communications 17 2026, publicerad online 11 februari 2026. DOI: 10.1038/s41467-026-69158-w