De la descripción al diagnóstico: evaluación de las capacidades de la IA en la clasificación forense de heridas de...

Área de la Ciencia:

• Ciencias forenses
• Imágenes médicas
• Inteligencia artificial

Sus antecedentes:

• La integración de la IA en la ciencia forense está creciendo, pero su uso en el diagnóstico de lesiones por armas de fuego es limitado.
• Este estudio evalúa la capacidad de ChatGPT-4 para diferenciar la entrada de heridas de bala de las heridas de salida.

Objetivo del estudio:

• Para evaluar las capacidades de diagnóstico de ChatGPT-4 para lesiones por armas de fuego.
• Determinar el potencial y las limitaciones de la IA en patología forense.
• Evaluar la aplicabilidad de la IA para distinguir las heridas de entrada de las de salida.

Principales métodos:

• ChatGPT-4 se probó en tres conjuntos de datos: imágenes externas de lesiones por armas de fuego, imágenes de piel intacta e imágenes de lesiones por armas de fuego reales.
• El rendimiento de la IA se evaluó antes y después del entrenamiento de aprendizaje automático (ML).
• La exactitud de la clasificación se evaluó utilizando estadísticas descriptivas e inferenciales.

Principales resultados:

• ChatGPT-4 mejoró significativamente la identificación de heridas de entrada después del entrenamiento ML, mejorando las descripciones morfológicas.
• El rendimiento de la IA en la clasificación de heridas de salida se mantuvo limitado, consistente con los desafíos de la literatura forense.
• La IA logró una precisión del 95% para distinguir la piel intacta de las lesiones, pero carecía de datos contextuales para las clasificaciones erróneas.

Conclusiones:

• ChatGPT-4 muestra potencial como herramienta complementaria de diagnóstico forense debido a su capacidad de aprendizaje.
• Los modelos especializados de aprendizaje profundo son actualmente superiores a ChatGPT-4 para aplicaciones forenses.
• La supervisión de expertos es crucial para mitigar riesgos como clasificaciones erróneas excesivas y alucinaciones en el uso de la IA.