Predição de origem biogeográfica com base na craniometria : estudo comparativo de medidas analógicos versus digitais

Abstract

A identificação humana pós-morte é crucial para a solução de crimes e de questões cíveis. No caso da esqueletização de um cadáver, técnicas forenses, como as de antropologia, são usadas para determinar a identidade da vítima; a avaliação de características únicas do esqueleto, como lesões traumáticas, patologias, bem como a medidas dos ossos, permite inferir um perfil biológico à vítima. Apesar disto, o método métrico padrão internacional da antropologia que é o que analisa as grandezas do crânio para predizer sexo e origem biogeográfica do indivíduo: a craniometria. Ocorre que nem sempre o crânio de um cadáver está totalmente esqueletizado para ser submetido à análise craniométrica. Nestes casos, a fim de aferir as medidas, se faz necessária a limpeza previa da cabeça, a qual envolve tratamentos físicos e químicos, até que resulte apenas na ossada a ser medida. Tal tratamento prévio demanda um tempo longo, que atrasará a identificação da vítima. Assim, na tentativa de acelerar a identificação, foi cogitado que a etapa de limpeza fosse substituída por uma análise craniométrica baseada na imagem computadorizada 3D do crânio e, no sentido de se obter tal imagem, a técnica Cone Beam Computerized Tomography (CBCT) é a melhor que existe. Uma vez obtidas as variáveis craniométricas, elas são comparadas com dados de Bancos. O Banco de Dados de Howells (BDH) é um dos principais já compilados, contendo métricas de amostras oriundas de 28 populações mundiais. Este banco alimenta os softwares de análise craniométrica FORDISC e AncesTrees, atualmente usados nas unidades de antropologia forense brasileiras. Para predizer o sexo e ancestralidade de um indivíduo a partir de seus dados craniométricos, o FORDISC aloca as medidas do crânio questionado em clusters do BDH, via Análise de Função Discriminante (AFD), a qual considera variáveis independentes para agrupar objetos em clusters característicos e mutuamente exclusivos, minimizando a intersecção entre eles. O software AncesTrees, por sua vez, é um software baseado em inteligência artificial, que utiliza random forest para estimar a ancestralidade de um indivíduo a partir dos dados craniométricos. Random forest une os dados da amostra questionada com os do BDH criando conjuntos de árvores de classificação via a seleção aleatória de variáveis, e escolhe como agrupar a amostra questionada pelos melhores índices bootstrap por cada nó. Neste trabalho, 14 crânios humanos foram avaliados para 23 medidas por dois sistemas: 1- Analógico (ANA): realizado diretamente na peça anatômica com uso de paquímetros apropriados; 2- Digital (DIG): realizado sob imagens obtidas de Cone Beam Computerized Tomography (CBCT). Resultados médios oriundos de três triplicatas das medidas ANA e das medidas DIG foram usados para alimentar os softwares FORDISC e AncesTrees, e as predições foram comparadas. Foi possível concluir que 75% das amostras tiveram consistência na predição da origem biogeográfica independente da origem da medida (ANA ou DIG). Estas e outras avaliações quantitativas e qualitativas comparando ainda ambos os softwares FORDISC e AncesTrees, estão aqui apresentadas.

Post-mortem human identification is crucial for solving crimes and civil issues. In the case of skeletonization of a corpse, forensic techniques such as anthropology are used to determine the victim's identity. Assessing unique characteristics of the skeleton, such as traumatic injuries, pathologies, and bone measurements, allows for inferring a biological profile of the victim. However, the standardized international metric method used in anthropology to predict the sex and biogeographical origin of an individual, craniometry, relies on analyzing the dimensions of the skull. Unfortunately, the skull of a cadaver is not always fully skeletonized to undergo craniometric analysis. In such cases, prior cleaning of the skull is necessary, involving physical and chemical treatments until only the bones to be measured remain. This prior treatment takes a long time and delays the victim's identification. Therefore, to expedite the identification process, it has been suggested that the cleaning step be replaced with a craniometric analysis based on a 3D computerized image of the skull. To obtain such an image, the Cone Beam Computerized Tomography (CBCT) technique is the best available. Once craniometric variables are obtained, they are compared with data from databases. The Howells Database (HDB) is one of the main databases compiled, containing metrics from samples from 28 global populations. This database feeds into the craniometric analysis software FORDISC and AncesTrees, currently used in Brazilian forensic anthropology units. To predict an individual's sex and ancestry based on their craniometric data, FORDISC allocates the questioned skull's measurements to HDB clusters using Discriminant Function Analysis (DFA). DFA considers independent variables to group objects into characteristic and mutually exclusive clusters, minimizing intersection between them. AncesTrees, on the other hand, is an artificial intelligence-based software that uses random forest to estimate an individual's ancestry from their craniometric data. Random forest combines the questioned sample data with HDB data to create sets of classification trees through the random selection of variables and chooses how to group the questioned sample by the best bootstrap indices for each node. In this study, 14 human skulls were evaluated for 23 measurements taken by two methods: 1- Analogic (ANA): performed directly on the anatomical piece using appropriate calipers; 2- Digital (DIG): performed under images obtained from Cone Beam Computerized Tomography (CBCT). The average results from three replicates of ANA and DIG measurements were used to feed FORDISC and AncesTrees, and the predictions were compared. It was possible to conclude that 75% of the samples had consistency in predicting biogeographical origin independent of the measurement origin (ANA or DIG). These and other quantitative and qualitative evaluations, comparing both FORDISC and AncesTrees software, are presented in this work.