Polisiye dizilerde o meşhur sahneyi çoğumuz görmüşüzdür: Olay yeri inceleme uzmanı odaya girer, kan lekelerinin doğrultularını kırmızı iplerle gösterir ve kısa sürede olayın nasıl gerçekleştiğini açıklar. Televizyonda Kan Lekesi Model Analizi kimi zaman sihirli bir yöntem gibi sunulsa da gerçek hayattaki uygulamalar çok daha karmaşıktır. Ölçüm, matematiksel modelleme, deneysel doğrulama ve uzman yorumu birlikte kullanılır.
Gelin, geleneksel yöntemlerden bilgisayar destekli analizlere ve yapay zekâ uygulamalarına uzanan bu dönüşüme birlikte bakalım.
Geleneksel Teknikler ve İnsan Faktörü
Kan lekesi modellerinin incelenmesinde geometri, trigonometri, fizik ve istatistikten yararlanılır. Dizilerde gördüğümüz “kırmızı ipler”, literatürde stringing yöntemi olarak bilinen geleneksel bir uygulamayı temsil eder. Bu yöntemde lekelerin biçimlerinden hareketle damlaların çarpma açıları ve hareket doğrultuları tahmin edilir. Daha sonra ipler bu doğrultular boyunca uzatılarak kan damlalarının kaynaklanmış olabileceği üç boyutlu bölge belirlenmeye çalışılır.
Ancak yöntem zaman alıcıdır ve lekelerin seçilmesi, sınırlarının belirlenmesi ve sonuçların yorumlanması gibi aşamalarda uzmanın kararlarından etkilenebilir. Bu nedenle sonuç her zaman kesin bir nokta değil, belirsizlik içeren bir orijin bölgesi olarak değerlendirilmelidir.
İnsan faktörünün sonuçlara etkisini inceleyen kapsamlı bir “kara kutu” araştırmasında 75 kan lekesi modeli analisti değerlendirmeye alınmıştır. Oluşum nedeni bilinen örüntülere verilen yanıtların %11,2’si bilinen nedenle çelişmiş; yanıtların %7,8’i ise diğer analistlerin değerlendirmeleriyle çelişmiştir. Bu sonuçlar yöntemin bütünüyle geçersiz olduğunu değil, standart terminolojiye, doğrulanmış yöntemlere ve belirsizliğin açıkça raporlanmasına ihtiyaç bulunduğunu göstermektedir.
Birleşik Krallık’ta 78 adli soruşturma dosyası üzerinden gerçekleştirilen başka bir araştırmada, bilimsel çalışmalarda sıkça ele alınan “darbe kaynaklı sıçrama örüntülerinin” olay yerlerinin yalnızca %22’sinde sınıflandırıldığı belirlenmiştir. İncelenen olaylarda kesici-delici aletle gerçekleştirilen saldırıların daha yaygın olduğu görülmüştür. Bu bulgu, araştırmaların gerçek olay yeri çeşitliliğini daha iyi yansıtması gerektiğine işaret etmektedir.
Dijital Dönüşüm: Fotoğraflar ve Üç Boyutlu Hesaplamalar
Teknolojik gelişmeler sayesinde kan lekelerinin doğrultularını fiziksel iplerle göstermek yerine dijital görüntülerden ve bilgisayar algoritmalarından yararlanılabilmektedir. HemoVision gibi yazılımlar, uygun biçimde ölçeklendirilmiş olay yeri fotoğraflarını kullanarak lekelerin çarpma açılarını hesaplamakta ve olası kaynak bölgesini üç boyutlu olarak tahmin etmektedir.
En küçük kareler gibi matematiksel yöntemler, çok sayıda damla doğrultusunu birlikte değerlendirerek ölçüm farklılıklarının sonuca etkisini azaltabilir. Bir HemoVision doğrulama çalışmasında önerilen yöntemin ortalama toplam hatası 17,29 cm olarak bildirilmiştir. Ancak bu değer her olay yeri için geçerli sabit bir hata payı değildir; araştırmada kullanılan deney düzeneği ve örüntüler kapsamında elde edilmiş bir sonuçtur.
Benzer şekilde, bazı deneysel çalışmalar belirli koşullarda yaklaşık dokuz uygun lekenin kaynak bölgesi tahmininde yeterli bilgi sağlayabileceğini göstermektedir. Bununla birlikte gerekli leke sayısı; örüntünün niteliğine, fotoğraf kalitesine, yüzey özelliklerine ve lekelerin dağılımına bağlı olarak değişebilir.
Dijital görüntü işleme yöntemleriyle lekeler arka plandan ayrılabilir, yani “segmentasyon” uygulanabilir. Python gibi programlama dilleri kullanılarak lekenin uzunluğu, genişliği, eliptik yapısı ve yönlülüğü hesaplanabilir.
Bu sistemler analizi hızlandırabilir ve ölçümleri daha tekrarlanabilir hâle getirebilir. Bununla birlikte kötü görüntü kalitesi, pürüzlü yüzeyler, birleşmiş lekeler ve yanlış sınır belirleme gibi etkenler dijital sonuçları da etkileyebilir. Bu nedenle bilgisayar çıktılarının uzman değerlendirmesi ve doğrulanmış yöntemlerle birlikte kullanılması gerekir.
Yapay Zekâ Her Ayrıntıya İhtiyaç Duymayabilir
Makine öğrenmesi çalışmalarında dikkat çekici sonuçlardan biri, sınıflandırma için her zaman en yüksek görüntü çözünürlüğünün veya çok sayıda değişkenin gerekli olmayabileceğidir. Kontrollü koşullarda oluşturulan kan lekesi görüntüleriyle yapılan yakın tarihli bir araştırmada, daha küçük görüntülerin kullanılmasının sınıflandırma performansını belirgin biçimde azaltmadığı bildirilmiştir.
Aynı çalışmada başlangıçta incelenen 58 görüntü özelliği yerine seçilmiş dört temel özellik kullanıldığında benzer bir sınıflandırma başarısı elde edilmiştir. Burada modelin ağırlıklı olarak darbe sonucu meydana gelen kan lekesi örüntüleri ile ateşli silah atışına bağlı geri sıçrama örüntülerini ayırdığı özellikle belirtilmelidir.
Bu sonuçlar, gelecekte daha pratik görüntüleme sistemlerinin geliştirilebileceğini düşündürmektedir. Ancak sıradan bir akıllı telefon fotoğrafının bugün tek başına güvenilir adli analiz için yeterli olduğu sonucuna varılamaz. Işık, ölçek, kamera açısı, görüntü sıkıştırması ve yüzey yapısı gibi değişkenlerin standartlaştırılması gerekir.
Olay Yerindeki Sessiz Karıştırıcılar: Sinek Kaynaklı Artefaktlar
Kan lekesi modellerinin yorumlanmasını zorlaştıran etkenlerden biri de olay yerine gelen böceklerin oluşturduğu izlerdir. Calliphora vicina gibi leş sinekleri kan veya ayrışma sıvılarıyla beslendikten sonra farklı yüzeylere kusmuk ve dışkı damlacıkları bırakabilir. Ayrıca mevcut kan lekelerinin üzerinde yürüyerek kanı başka bölgelere mekanik olarak taşıyabilirler.
Literatürde bunlar genel olarak sinek kaynaklı artefaktlar veya böcek kaynaklı lekeler şeklinde adlandırılır. Bazıları küçük kan damlalarına, sıçrama lekelerine veya temas izlerine benzeyebildiği için olayın yanlış yorumlanmasına yol açabilir. Bu lekeler yalnızca şekillerine bakılarak güvenilir biçimde ayırt edilemez; büyüklük, renk, dağılım, yüzey özelliği ve böcek etkinliğine ilişkin diğer bulgular birlikte değerlendirilmelidir.
Yakın tarihli bir çalışmada Calliphora vicina tarafından oluşturulan lekelerle insan kanı lekelerinin kuruma davranışları karşılaştırılmıştır. Özellikle sineklerin çıkardığı kusmuk, yani regürjitasyon lekelerinin, benzer büyüklükteki insan kanı lekelerine göre bazı deney koşullarında iki ila üç kat daha uzun sürede kuruyabildiği görülmüştür. Kuruma süresinin sıcaklık, sıvı hacmi ve lekenin bırakılmasından sonra geçen süre gibi değişkenlerden etkilendiği de belirlenmiştir.
Böcek kaynaklı lekeler kururken insan kanından farklı kenar ve çatlama biçimleri gösterebilir. Ancak bu özelliklerin hiçbiri tek başına kesin bir tanı ölçütü değildir. Morfolojik inceleme; kimyasal testler, DNA analizi ve entomolojik bulgularla desteklenmelidir. Dolayısıyla uzmanların yanıtlaması gereken soru yalnızca “Bu bir kan lekesi mi?” değil, aynı zamanda “Bu leke doğrudan olay sırasında mı oluştu, yoksa böcek etkinliği sonucunda mı taşındı veya bırakıldı?” olmalıdır.
Yapay Kanlarla Daha Güvenli Bir Gelecek
Kan lekesi modeli analizinde kullanılan algoritmaların ve eğitim yöntemlerinin kontrollü deneylerle sınanması gerekir. İnsan veya hayvan kanı kullanılması biyolojik güvenlik, saklama, standardizasyon ve etik açıdan çeşitli sorunlar doğurabilir. Bu nedenle eğitim ve araştırma çalışmalarında yapay kan, sentetik kan veya daha teknik adıyla adli amaçlı kan ikameleri geliştirilmektedir.
Bazı kan ikamelerinde insan kanının akış davranışını ve kimyasal özelliklerini taklit etmek amacıyla hyalüronik asit ve sığır hemoglobini gibi bileşenlerden yararlanılmaktadır. Bu ürünler viskozite, yüzey gerilimi, renk ve leke oluşturma davranışı gibi seçilmiş özellikler bakımından insan kanına benzetilmeye çalışılır. Ancak hiçbir kan ikamesinin insan kanını bütün özellikleriyle birebir temsil ettiği varsayılmamalıdır.
Yeni geliştirilen bazı adli kan ikameleri, hemoglobinin kimyasal etkisini taklit ederek luminolle ışıldama tepkisi verebilmektedir. Böylece kan lekesi modeli oluşturma, gizli leke arama ve görüntüleme eğitimleri daha güvenli ve kontrollü koşullarda yapılabilir.
Yapay kanlar, dijital görüntüleme ve yapay zekâ sistemleri birlikte değerlendirildiğinde adli bilimler için önemli olan yalnızca daha hızlı sonuç almak değildir. Asıl amaç; ölçülebilir, tekrarlanabilir, doğrulanabilir ve belirsizlikleri açıkça ifade edilen sonuçlara ulaşmaktır.