Современные методы идентификации личности в стоматологии

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Представлен обзор актуальных научных исследований применения цифровых компьютерных технологий в практике стоматологической идентификации личности, проанализированы основные проблемы их внедрения и фактического использования. Установлено, что современные аспекты диагностики и комплексного планирования идентификационного исследования направлены на повышение эффективности решения сложных медико-правовых вопросов. Применение цифровых стоматологических технологий позволило повысить результативность процесса идентификации личности человека, а также достоверность предоставляемых судебных доказательств. Показаны существенные преимущества методов цифрового фото- и рентгенологического исследования по сравнению с традиционными, а также достоинства цифровой 3D-реконструкции лица и дентальной идентификации, что свидетельствует о потенциальных перспективах использования технологии искусственного интеллекта с целью оптимизации решения идентификационных задач.

В то же время в специальной литературе есть свидетельства об обнаружении несовершенства интеллектуальных методов, связанного с дискриминацией, прозрачностью, подотчётностью, неприкосновенностью частной жизни, безопасностью данных, этическими нормами и другими важными аспектами. В связи с этим высказываются мнения о необходимости частичного ограничения использования интеллектуальных компьютерных систем для формулирования окончательных выводов и принятия итоговых решений по результатам проведённых экспертных исследований, вплоть до полного отказа. Несмотря на это, ведущие специалисты отрасли всё чаще с настороженностью заявляют о неизбежности виртуальной эволюции саморазвивающихся систем искусственного интеллекта, призванных к автономному экзистенциализму.

По данным современных научных исследований можно отметить рост интереса научного сообщества к вопросам внедрения цифровых инновационных технологий для обеспечения эффективного решения повседневных научных и практических задач. Таким образом, потенциальные возможности успешного применения цифровых технологий для решения задач идентификации личности и повышения качества предоставляемых судебных доказательств остаются весьма многообещающими.

Об авторах

Андрей Евгеньевич Верховский

Смоленский государственный медицинский университет

Автор, ответственный за переписку.
Email: a.verhovskii@mail.ru
ORCID iD: 0000-0002-1627-9099
SPIN-код: 7617-8166

канд. мед. наук, доцент

Россия, 214019, Смоленск, ул. Крупской, д. 28

Самвел Владиславович Апресян

Российский университет дружбы народов имени Патриса Лумумбы

Email: apresyan@rudn.ru
ORCID iD: 0000-0002-3281-707X
SPIN-код: 6317-9002

д-р мед. наук, профессор

Россия, Москва

Александр Геннадиевич Степанов

Российский университет дружбы народов имени Патриса Лумумбы

Email: stepanovmd@list.ru
ORCID iD: 0000-0002-6543-0998
SPIN-код: 5848-6077

д-р мед. наук, профессор

Россия, Москва

Список литературы

  1. Nagi R., Aravinda K., Rakesh N., et al. Digitization in forensic odontology: A paradigm shift in forensic investigations // J Forensic Dent Sci. 2019. Vol. 11, N. 1. P. 5–10. doi: 10.4103/jfo.jfds_55_19
  2. Gupta S., Agnihotri A., Chandra A., Gupta O.P. Contemporary practice in forensic odontology // J Oral Maxillofac Pathol. 2014. Vol. 18, N. 2. P. 244–250. doi: 10.4103/0973-029X.140767
  3. Wankhade T.D., Ingale S.W., Mohite P.M., Bankar N.J. Artificial intelligence in forensic medicine and toxicology: the future of forensic medicine // Cureus. 2022. Vol. 14, N. 8. P. e28376. doi: 10.7759/cureus.28376
  4. Zolotenkova G.V., Rogachev A.I., Pigolkin Y.I., et al. Age classification in forensic medicine using machine learning techniques // Sovrem Tekhnologii Med. 2022. Vol. 14, N. 1. P. 15–22. doi: 10.17691/stm2022.14.1.02
  5. Manigandan T., Sumathy C., Elumalai M., et al. Forensic radiology in dentistry // J Pharm Bioallied Sci. Vol. 7, Suppl. 1. P. S260–S264. doi: 10.4103/0975-7406.155944
  6. Vodanović M., Subašić M., Milošević D., Savić Pavičin I. Artificial intelligence in medicine and dentistry // Acta Stomatol Croat. 2023. Vol. 57, N. 1. P. 70–84. doi: 10.15644/asc57/1/8
  7. Bucci A., Skrami E., Faragalli A., et al. Segmented Bayesian calibration approach for estimating age in forensic science // Biom J. 2019. Vol. 61, N. 6. P. 1575–1594. doi: 10.1002/bimj.201900016
  8. Rokhshad R., Ducret M., Chaurasia A., et al. Ethical considerations on artificial intelligence in dentistry: A framework and checklist // J Dent. 2023. Vol. 135. P. 104593. doi: 10.1016/j.jdent.2023.104593
  9. Franco A., Mendes S.D.S.C., Picoli F.F., et al. Forensic thanatology and the pink tooth phenomenon: From the lack of relation with the cause of death to a potential evidence of cadaveric decomposition in dental autopsies — case series // Forensic Sci Int. 2018. Vol. 291. P. e8–e12. doi: 10.1016/j.forsciint.2018.08.011
  10. Balaji N., Senapati S., Sumathi M.K. Forensic digital photography: A review // Int J Dent Med Res. 2014. Vol. 1, N. 3. P. 132–135.
  11. Khatri M., Daniel M.J., Srinivasan S.V. A comparative study of overlay generation methods in bite mark analysis // J Forensic Dent Sci. 2013. Vol. 5, N. 1. P. 16–21. doi: 10.4103/0975-1475.114550
  12. Wright F.D., Golden G.S. The use of full spectrum digital photography for evidence collection and preservation in cases involving forensic odontology // Forensic Sci Int. 2010. Vol. 201, N. 1-3. P. 59–67. doi: 10.1016/j.forsciint.2010.03.013
  13. Розов Р.А., Трезубов В.Н., Попов В.Л., и др. Автоматизированное цифровое исследование в судебно-стоматологической экспертизе для сопоставления объемной модели и архивных фотографий полных съемных протезов // Стоматология. 2022. Т. 101, № 3. С. 61–69. EDN: NAQEDB doi: 10.17116/stomat202210103161
  14. Веленко П.С., Полетаева М.П., Бычков А.А., и др. Хроматографический анализ твердых тканей зуба в целях определения возраста личности // Судебно-медицинская экспертиза. 2023. Т. 66, № 4. С. 58–61. EDN: QXBXYU doi: 10.17116/sudmed20236604158
  15. Rajaram Mohan K., Mathew Fenn S. Artificial intelligence and its theranostic applications in dentistry // Cureus. 2023. Vol. 15, N. 5. P. e38711. doi: 10.7759/cureus.38711
  16. Кильдюшов Е.М., Егорова Е.В., Дворников А.С., Делян В.А. Определение биологического возраста индивида в судебно-медицинской практике (обзор литературы) // Судебная медицина. 2020. Т. 6, № 3. С. 4–11. EDN: QQTPDL doi: 10.19048/fm317
  17. Ortiz A.G., Soares G.H., da Rosa G.C., et al. A pilot study of an automated personal identification process: Applying machine learning to panoramic radiographs // Imaging Sci Dent. 2021. Vol. 51, N. 2. P. 187–193. doi: 10.5624/isd.20200324
  18. Heo M.S., Kim J.E., Hwang J.J., et al. Artificial intelligence in oral and maxillofacial radiology: what is currently possible? // Dentomaxillofac Radiol. 2021. Vol. 50, N. 3. P. 20200375. doi: 10.1259/dmfr.20200375
  19. Lewis J.M., Senn D.R. Forensic dental age estimation: an overview // J Calif Dent Assoc. 2015. Vol. 43, N. 6. P. 315–319.
  20. Maji A., Khaitan T., Sinha R., et al. A novel computer-assisted method of bite mark analysis for gender determination // J Environ Public Health. 2018. Vol. 2018. P. 7130876. doi: 10.1155/2018/7130876
  21. Aragón M.L., Pontes L.F., Bichara L.M., et al. Validity and reliability of intraoral scanners compared to conventional gypsum models measurements: a systematic review // Eur J Orthod. 2016. Vol. 38, N. 4. P. 429–434. doi: 10.1093/ejo/cjw033
  22. Zimmermann M., Mehl A., Mörmann W.H., Reich S. Intraoral scanning systems — a current overview // Int J Comput Dent. 2015. Vol. 18, N. 2. P. 101–129.
  23. Huang T., Xu H., Wang H., et al. Artificial intelligence for medicine: Progress, challenges, and perspectives // The Innovation Medicine. 2023. Vol. 1, N. 2. P. 100030. doi: 10.59717/j.xinn-med.2023.100030
  24. Nijhawan R., Ansari S.A., Kumar S., et al. Gun identification from gunshot audios for secure public places using transformer learning // Sci Rep. 2022. Vol. 12, N. 1. P. 13300. doi: 10.1038/s41598-022-17497-1
  25. Shui W., Wu X., Zhou M. A computerized facial approximation method for Homo sapiens based on facial soft tissue thickness depths and geometric morphometrics // J Anat. 2023. Vol. 243, N. 5. P. 796–812. doi: 10.1111/joa.13920
  26. Alam M.K., Alftaikhah S.A.A., Issrani R., et al. Applications of artificial intelligence in the utilisation of imaging modalities in dentistry: A systematic review and meta-analysis of in-vitro studies // Heliyon. 2024. Vol. 10, N. 3. P. e24221. doi: 10.1016/j.heliyon.2024.e24221
  27. Vanezis P., Blowes R.W., Linney A.D., et al. Application of 3-D computer graphics for facial reconstruction and comparison with sculpting techniques // Forensic Sci Int. 1989. Vol. 42, N. 1-2. P. 69–84. doi: 10.1016/0379-0738(89)90200-4
  28. Mays S. The effect of factors other than age upon skeletal age indicators in the adult // Ann Hum Biol. 2015. Vol. 42, N. 4. P. 332–341. doi: 10.3109/03014460.2015.1044470
  29. Cheng C., Cheng X., Dai N., et al. Facial morphology prediction after complete denture restoration based on principal component analysis // J Oral Biol Craniofac Res. 2019. Vol. 9, N. 3. P. 241–250. doi: 10.1016/j.jobcr.2019.06.002
  30. Verma A.K., Kumar S., Bhattacharya S. Identification of a person with the help of bite mark analysis // J Oral Biol Craniofac Res. 2013. Vol. 3, N. 2. P. 88–91. doi: 10.1016/j.jobcr.2013.05.002
  31. Daniel M.J., Pazhani A. Accuracy of bite mark analysis from food substances: A comparative study // J Forensic Dent Sci. 2015. Vol. 7, N. 3. P. 222–226. doi: 10.4103/0975-1475.172442
  32. Shan T., Tay F.R., Gu L. Application of artificial intelligence in dentistry // J Dent Res. 2021. Vol. 100, N. 3. P. 232–244. doi: 10.1177/0022034520969115
  33. Cahan P., Treutlein B. A conversation with ChatGPT on the role of computational systems biology in stem cell research // Stem Cell Reports. 2023. Vol. 18, N. 1. P. 1–2. doi: 10.1016/j.stemcr.2022.12.009
  34. van Dis E.A.M., Bollen J., Zuidema W., et al. ChatGPT: five priorities for research // Nature. 2023. Vol. 614, N. 7947. P. 224–226. doi: 10.1038/d41586-023-00288-7
  35. Kou Y., Gui X. Mediating community — ai interaction through situated explanation. In: Proceedings of the ACM on human-computer interaction. 2020. Vol. 4, N. 102. P. 1–27. doi: 10.1145/3415173
  36. Mehnen L., Gruarin S., Vasileva M., Knapp B. ChatGPT as a medical doctor? A diagnostic accuracy study on common and rare diseases // medRxiv. 2023. doi: 10.1101/2023.04.20.23288859
  37. Koski E., Murphy J. AI in healthcare // Stud Health Technol Inform. 2021. Vol. 284. P. 295–299. doi: 10.3233/SHTI210726

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Эко-Вектор, 2024

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
 


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».