Beyond DNA: An Explainable AI-Driven Multimodal Framework for Long-Term Missing Person Identification: A Systematic Review and Conceptual Model

毎年、何千人もの人々が行方不明になり、家族や捜査官がその空白を埋めようと苦闘する沈黙の跡を残していきます。法科学の世界において、目標は未知なるものに名前を与えることです。しかし、この作業は伝統的にいくつかの強力なツールに依存してきました。最も信頼されているのはDNAプロファイリングであり、遺伝物質を比較して一致を見つけ出しますが、この手法は生物学的試料が利用できない場合や、親族からの参照試料が見つからない場合には機能しません。骨格の残骸を分析して年齢や身長を推定したり、顔写真を比較したりする他の手法も手がかりを提供しますが、これらは証拠の質や時間の経過によって制限されることがよくあります。人が長年行方不明である場合、顔つきは変化し、骨は損傷している可能性があり、記録も不完全であるため、捜査官は容易には結びつかない断片的な情報しか手にできないのです。

数十年にわたり、科学者たちは一度に一つの種類の証拠を見てこれらのパズルを解こうとしてきましたが、行方不明事件の現実はそれほど単純なものではありません。一枚の写真がぼやけすぎていたり、DNAサンプルが劣化していたり、歯科記録が紛失していたりすることもあります。課題は、これらバラバラの糸——視覚的、生物学的、そして文脈的な要素——を、一つの首尾一貫した絵へと織りなしていくことにあります。ここで、国立法科学大学の研究者たちの仕事が登場します。彼らは、人工知能を単に答えを吐き出す「魔法の箱」としてではなく、人間の専門家が混沌とした状況を理解するのを助ける透明なパートナーとして活用することで、これらの調査にアプローチする新しい方法を開発しました。

研究者たちは、現実世界における行方不明事件の乱雑で不完全な性質を扱うように設計されたシステムを構築しました。単一の手法に頼るのではなく、顔画像、骨格の測定値、生物学的データ、人口統計学的詳細、そして失踪に関する状況といった異なる種類の証拠を統合するフレームワークを作成したのです。かつて、識別のために使用されていたコンピュータプログラムは、どのようにその結果に至ったのかを説明せずに結果を提供する「ブラックボックス」として機能することがよくありました。この透明性の欠如は、誤った識別が人生を左右する法的結果をもたらしかねない法科学において、重大な問題です。これを解決するために、チームは「説明可能な人工知能（Explainable AI）」と呼ばれる機能を統合しました。この技術は単に正体を推測するのではなく、そのプロセスを提示します。それはどの証拠が決定において最も重要であったかを正確にハイライトし、人間の専門家がコンピュータの提案の背後にある論理を確認し、それが科学的に妥当であるかどうかを検証できるようにします。

このアイデアをテストするために、チームは1,200件の行方不明事件を代表する膨大なデジタルデータセットを構築しました。これらの記録は完璧なものではなく、鮮明な写真があるケースもあれば、DNAがあるケースもあり、多くは部分的な情報しか持たないという現実の世界を模倣しています。研究者たちはこのデータを新しいシステムに投入し、一度に一つの種類の証拠のみを見る従来の手法と比較しました。結果は明白でした。すべての情報を組み合わせたシステムは、単一の手法によるものよりも有意に高い識別能力を示したのです。システムが顔の特徴のみを使用した場合、AUCは0.82でした。生物学的証拠のみを使用した場合は0.88でした。しかし、利用可能なすべての手がかりを融合させたとき、そのAUCは0.96に上昇しました。この向上は、異なる種類の証拠が互いに補い合い、欠落を埋めることで、劣化したり欠落したりしたデータの限界を克服できることを示唆しています。

極めて重要な点として、この研究は単に正しい答えを得ることに留まらず、その答えがどのように導き出されたかに焦点を当てました。研究者たちは、コンピュータの意思決定プロセスを分解するための特定のツールを使用しました。彼らは、システムが顔の一致といった単一の要因だけに依存しているのではなく、複数の要因を共に加重していることを発見しました。例えば、システムは、顔の特徴が似ていること、骨から推定される年齢が失踪者のタイムラインと一致していること、そして発見された地理的場所がその人物の履歴と矛盾しないことなどを考慮して、一致の可能性が高いと判断するかもしれません。システムはこれらの手がかりそれぞれに特定の重み付けを行い、顔の画像が最も強力な指標として最終決定の29パーセント近くを占め、地理的一致性や生物学的プロファイルの推定などの他の要因が補完的な役割を果たしていることを示しました。このレベルの詳細さにより、法科学の専門家はコンピュータの出力を見て、「なぜそのような結びつきが生じたのか理解できる」あるいは「この推論の一部は的外れである」と言うことができ、テクノロジーが人間の判断に取って代わるのではなく、人間の判断のためのツールであり続けることを保証します。

また、研究ではシステムが人物を正しく識別できなかったケースについても調査を行いました。これらのエラーを分析することで、研究者たちは、間違いの最も一般的な原因が、低品質な画像、生物学的証拠の完全な欠如、あるいは異なる情報源間の矛盾した情報であることを発見しました。この発見は、捜査官がどこに注力すべきかを正確に伝える重要なものです。もしケースに鮮明な写真が欠けている場合、システムは他のデータにより強く依存するように指示されますが、もし証拠があまりに矛盾していたり質が低すぎたりする場合、システムは自信を持って一致を判定できないことを信号として送ります。この不確実性に関する誠実さはフレームワークの重要な部分であり、過信したコンピュータの推測から生じる「偽りの希望」を防ぎます。

研究者たちは、このシステムは最終的な判決ではなく、意思決定支援ツールであることを強調しています。法および科学の世界において、識別の責任は常に、科学的証拠をケースの文脈に照らして検討できる人間の専門家にあるべきです。新しいフレームワークは、単に複雑な情報を整理し、最も有望な手がかりを強調する方法を提供するものです。人工知能を透明にすることで、研究者たちは高度なコンピューティング能力と法科学の厳格な基準との間の架け橋を築きました。この研究は、将来、長期行方不明事件の解決が、単一の完璧な証拠を見つけることではなく、利用可能な多くの不完全な手がかりをいかに知的に組み合わせることができるかにかかっていることを示唆しています。このアプローチは、散乱したデータの集まりを、明確で理解可能、かつ科学的に妥当な識別への道へと変え、長年未解決のままとなっている事件に前進する道筋を提供しています。