– Döden är ju en stark biologisk signal, säger Rasmus Magnusson, postdoktor vid Institutionen för medicinsk teknik, IMT, vid Linköpings universitet, som lett en studie publicerad i Nature Communications där AI används för att bestämma dödstidpunkten.
När kroppen dör påbörjas en mängd biologiska processer. Organ och vävnader börjar brytas ner vilket bland annat leder till förändringar av små molekyler i blodet som kallas metaboliter. De bryts ned på ett förutsägbart sätt som korrelerar med hur lång tid det gått från dödstidpunkten.
Per Wistbo Nibell
– Det ger oss möjligheten att bedöma när en individ faktiskt har avlidit, något som är väldigt viktigt för rättsmedicinska utredningar, men också för polisens arbete. De behöver till exempel lägga resurserna på rätt vittnen i rätt tidsperiod i den avlidnes liv, säger Henrik Green, professor i forensiska vetenskaper vid LiU och forskare vid Rättsmedicinalverket, RMV.
Analys av metaboliter
De metoder som i nuläget används för att fastställa dödstidpunkt, även kallat postmortalt intervall, är bland annat kroppstemperatur, likstelhet och mängden kalium i ögats glaskropp. Dessa metoder ger dock osäkra svar efter att ett par dagar förflutit sedan dödstidpunkten.
Thor Balkhed
Metoden som nu utvecklats av forskare vid LiU tillsammans med RMV använder i stället artificiell intelligens för att analysera metaboliterna i blodprov som samlas in vid obduktion.
Totalt har blodprover från över 45 000 obduktioner samlats av RMV under nästan tio år, en databas som sakar motsvarighet i hela världen. Blodproverna används för att hitta olika kemiska substanser som droger, läkemedel eller gifter. Men även koppens egna metaboliter går alltså att hitta i blodproverna.
"Guldgruva med data"
Av dessa 45 000 prover har 4876 med känt postmortalt intervall använts för att träna AI-modellen.
– Det är en guldgruva med data som finns hos Rättsmedicinalverket. Men vi kunde också visa att det inte behövs den stora mängd data som man kanske tidigare trodde. Det räcker med några hundra individer för att göra motsvarande modeller, vilket gör vår metod användbar även i laboratorier världen över som inte har tillgång till lika mycket data, säger Rasmus Magnusson.
Per Wistbo Nibell
Forskarna visade att deras nya modell kunde förutse tiden från dödens inträffande till obduktionen med en precision på ungefär en dag även för de som varit avlidna i upp till 13 dagar. En tydlig förbättring mot dagens metoder. Enligt Elin Nyman, docent inom systembiologi vid IMT, var det ett högriskprojekt som inte nödvändigtvis skulle funka.
– Vi visste att många yttre faktorer påverkar kroppens nedbrytning och var förvånade att signalen från kroppens metaboliter var så pass stark när det gäller att förutsäga postmortalt intervall. Det dataset vi har idag ger information om vilken dag dödsfallet skedde, men vi vet inte när på dygnet de dog, säger Elin Nyman.
Nästa steg tid på dygnet
Så forskarnas nästa steg är att ta fram ett dataset med mer precis information om dödstidpunkten för att sedan kunna träna modeller som både skall ge säkrare uppskattningar av det postmortala intervallet och kunna avgöra vilken del av dygnet ett dödsfall skett.
Rättsmedicinalverket
– Rättsmedicinska bedömningar innebär ofta ett pusselliknande detektivarbete. Det här nya verktyget ger oss bättre möjligheter att bedöma hur länge någon varit avliden även när det gått en längre tid sedan dödsfallet, vilket har stor betydelse särskilt i mer komplexa ärenden. Vi arbetar nu vidare med utveckla än mer träffsäkra modeller, säger Carl Söderberg, rättsläkare och forskare vid RMV.
Studien finansierades i huvudsak av Vetenskapsrådet, stiftelsen Forska utan djurförsök samt Styrkeområde forensiska vetenskaper vid LiU och RMV.
Artikel: The human metabolome and machine learning improves predictions of the post-mortem interval, Rasmus Magnusson, Carl Söderberg, Liam J. Ward, Jenny Arpe, Fredrik C. Kugelberg, Albert Elmsjö, Henrik Green, Elin Nyman, Nature Communications 17 2026, publicerad online 11 februari 2026. DOI: 10.1038/s41467-026-69158-w
