死亡時間推斷最新研究與展望

王 琪 ，林漢成 ，徐紀茹 ，黃 平 ，王振原

（1.重慶醫(yī)科大學(xué)基礎(chǔ)醫(yī)學(xué)院法醫(yī)學(xué)教研室，重慶 400016；2.西安交通大學(xué)醫(yī)學(xué)部法醫(yī)學(xué)院，陜西 西安710061；3.西安交通大學(xué)醫(yī)學(xué)部基礎(chǔ)醫(yī)學(xué)院，陜西 西安 710061；4.司法鑒定科學(xué)研究院 上海市法醫(yī)學(xué)重點實驗室 上海市司法鑒定專業(yè)技術(shù)服務(wù)平臺，上海 200063）

死亡時間（postmortem interval，PMI）通常指的是死亡發(fā)生時至尸體被發(fā)現(xiàn)時的時間跨度，也可以稱為死后間隔時間或死后經(jīng)歷時間[1]。相對準確地推斷PMI對確定偵查方向、確認或排除犯罪嫌疑人、估計案發(fā)時間等犯罪現(xiàn)場重建有著重要的意義。此外，PMI推斷在某些民事糾紛，如保險理賠、財產(chǎn)糾紛等案件中也扮演著極其重要的角色。PMI推斷一直是法醫(yī)學(xué)研究和實踐工作中的重點和難點。由于傳統(tǒng)推斷PMI的方法存在諸多限制，多年來國內(nèi)外法庭科學(xué)學(xué)者嘗試了不同的技術(shù)方法，研究了機體死后不同觀測指標的時序性變化，并取得了可喜的研究進展。

1 傳統(tǒng)推斷PMI的技術(shù)手段

1.1 形態(tài)學(xué)

早在三、四世紀，古希臘和古埃及的學(xué)者們便已發(fā)現(xiàn)尸僵這一尸體現(xiàn)象可用于PMI估計[2]。直至今日的法醫(yī)病理學(xué)工作實踐中，尸體現(xiàn)象仍是推斷PMI最常用的手段之一。此外，其他早期尸體現(xiàn)象（如尸斑、角膜改變）、晚期尸體現(xiàn)象（如尸綠、腐敗水泡）、胃腸內(nèi)容物消化程度、膀胱尿量等也可作為補充方法用于PMI推斷[1]。對這些傳統(tǒng)方法也有部分改良性研究，如YOSUKE等[3]利用分光光度計法研究成人死后72h內(nèi)尸斑的顏色變化趨勢，其推斷PMI的誤差為6.95 h。MEGYESI等[4]提出尸體綜合評分（total body score，TBS）系統(tǒng)法來進行PMI推斷，該評分系統(tǒng)包括尸體現(xiàn)象及其他等十幾個評價指標，根據(jù)每個指標出現(xiàn)的位置、嚴重程度和蔓延范圍給出相應(yīng)的分數(shù)，最后統(tǒng)計出總分并給出相應(yīng)的PMI。該PMI推斷評分法使得早晚期PMI推斷得以量化，一定程度上減小了人為主觀因素的干擾。

1855年，BERGERET首次將昆蟲學(xué)的發(fā)現(xiàn)和PMI推斷聯(lián)系起來，這是現(xiàn)代法醫(yī)昆蟲學(xué)的萌芽[5]。隨后，大量學(xué)者開始運用法庭昆蟲學(xué)的成果和技術(shù)進行PMI推斷的相關(guān)研究。但是到目前為止，經(jīng)典的法醫(yī)昆蟲學(xué)的論著書籍并不多，主要描述嗜尸性蠅類、節(jié)肢動物、甲蟲和螨等物種的生物學(xué)特性，死后不同階段昆蟲的入侵規(guī)律，蠅卵及其孵化幼蟲在尸體的動態(tài)發(fā)育規(guī)律以及個體生態(tài)學(xué)的研究[6]。其中，利用嗜尸性昆蟲的發(fā)育或演替規(guī)律來推斷PMI是法醫(yī)昆蟲學(xué)家們研究的重點[5]，但昆蟲學(xué)的方法主要還是適用于晚期PMI的推斷，而且部分方法主觀性強、技術(shù)門檻要求高，同時由于昆蟲的分布和習(xí)性問題，許多實用結(jié)果僅適用于特定的地區(qū)或季節(jié)。

1.2 物理化學(xué)

隨著PMI的延長，尸體各項物理和化學(xué)指標也會隨之發(fā)生變化。通過相關(guān)的手段檢測這些指標變化，可以用來大致推斷PMI。最值得一提的是，機體死后能量代謝停止，尸體會向周圍環(huán)境逐漸釋放熱量直至降至環(huán)境溫度，這一過程被稱為尸冷。分析和建立尸冷數(shù)學(xué)模型可用于PMI推斷[1]，但實際應(yīng)用中不難發(fā)現(xiàn)，一旦尸體溫度降至室溫，尸冷現(xiàn)象便不再發(fā)生，所以該方法并不適于晚期PMI的推斷。另外，由于各種內(nèi)外界因素的影響，采用單一計算公式或數(shù)學(xué)模型推斷出的PMI結(jié)果的誤差可能很大，不同計算方法推斷的結(jié)果也不一定相同。其他物理化學(xué)指標方面，薛冰等[7]利用γ射線照射技術(shù)測定小鼠死后不同時間點各組織的γ射線吸收值，發(fā)現(xiàn)死后PMI和小鼠對γ射線吸收規(guī)律有著顯著相關(guān)性。HASEGAWA等[8]用計算機體層攝影（computerized tomography，CT）評估死后腦電圖的改變，發(fā)現(xiàn)腦脊液中的早期縱向放射強度變化可以作為PMI推斷的潛在指標。KOOPMANSCHAP等[9]在對死后CT掃描的研究中也發(fā)現(xiàn)，腦脊液和玻璃體液的死后CT密度值與PMI有顯著相關(guān)性。ISHIKAWA等[10]觀測140例死者的CT信息，發(fā)現(xiàn)死后CT成像中的主動脈狹窄具有時序性變化規(guī)律。BILHEUX等[11]利用中子射線照相檢測狗尸體模型的氫豐度變化，結(jié)果發(fā)現(xiàn)，中子透射率的增加可能與組織中氫含量的減少有關(guān)，進而與PMI相關(guān)。MARíN-ROLDAN等[12]利用激光誘導(dǎo)擊穿光譜（laser-induced breakdown spectroscopy，LIBS）檢測豬骨骼肌樣本中 Hα、Na、Mg和K的發(fā)射強度比值來推斷PMI。有學(xué)者[13-19]應(yīng)用電阻抗技術(shù)測定機體死后組織的電阻值、電導(dǎo)率及氧化還原電位值進行PMI推斷，揭示了電化學(xué)相關(guān)方法在PMI推斷方面的潛在價值。STERZIK等[20]應(yīng)用反射光譜技術(shù)測定195名死者尸體右下腹皮膚的反射變化，隨著PMI的延長，反射光譜也隨之發(fā)生規(guī)律性變化。另外，也有學(xué)者[21-25]通過檢測不同器官的最大應(yīng)力、極限載荷等生物力學(xué)參數(shù)的時序性改變來推斷PMI。ROMANELLI等[26]用相差顯微技術(shù)觀察死者鼻黏膜涂片內(nèi)的纖毛運動頻率，發(fā)現(xiàn)該指標隨著PMI的延長不斷降低。楊天潼等[27]利用單體素氫質(zhì)子磁共振波譜技術(shù)測定家兔死后腦組織中N-乙酰天門冬氨酸、膽堿復(fù)合物及磷酸肌酸和肌酸峰下面積，并構(gòu)建了相應(yīng)的PMI推斷回歸方程。

1.3 生物化學(xué)

國內(nèi)外許多法庭科學(xué)學(xué)者對尸體組織和體液中的生化指標進行了檢測，發(fā)現(xiàn)一些生化指標具有較好的死后時序性變化規(guī)律，可用于PMI推斷：（1）蛋白質(zhì)作為生物組織重要組成成分，在生物體中的分布非常廣泛。先后有學(xué)者[28-39]使用免疫組織化學(xué)法、十二烷基硫酸鈉-聚丙烯酰胺凝膠電泳（sodium dodecyl sulphate-polyacrylamide gel electrophoresis，SDS-PAGE）法和蛋白質(zhì)印跡法對死后人體和動物組織內(nèi)多種蛋白質(zhì)進行檢測，發(fā)現(xiàn)蛋白質(zhì)具有一定的死后時序性變化規(guī)律，且不同種類蛋白質(zhì)的穩(wěn)定性和降解速率均互不相同。（2）DNA作為生物體的遺傳物質(zhì)，同樣在機體死后的一段時間內(nèi)會發(fā)生降解。一些學(xué)者[40-41]采用Feulgen-Vans染色、細胞學(xué)涂片和流式細胞儀等技術(shù)系統(tǒng)研究了機體死后DNA降解規(guī)律，結(jié)果表明，DNA降解與PMI顯著相關(guān)，且環(huán)境溫度對DNA的降解具有顯著影響。此外，也有學(xué)者[42-43]利用單細胞凝膠電泳技術(shù)檢測到細胞內(nèi)核酸酶會在機體死后逐漸降解染色體DNA，并且隨著PMI的延長，DNA的碎裂程度逐漸增加。（3）與DNA相比，RNA更不穩(wěn)定，隨著研究的不斷深入，生物體內(nèi)和外環(huán)境中廣泛存在的RNA酶類物質(zhì)在推斷PMI方面的潛力正在逐漸被學(xué)者們所挖掘。一些學(xué)者[44-52]利用反轉(zhuǎn)錄PCR（reverse transcription PCR，RT-PCR）技術(shù)研究了死后人體血液、牙髓、小鼠胸腹部器官和肌肉組織的RNA降解變化規(guī)律，其研究結(jié)果表明，RNA降解與PMI顯著相關(guān)。另外，也有學(xué)者[53-54]發(fā)現(xiàn)某些mRNA或miRNA表達水平具有“生物鐘現(xiàn)象”，與晝夜節(jié)律明顯相關(guān)，也能在一定程度上輔助推斷PMI。（4）除了蛋白質(zhì)和核酸等生物大分子，學(xué)者們還對死后不同組織或體液中各類物質(zhì)或離子的變化情況做了一定研究，目前主要關(guān)注的是玻璃體液內(nèi)鉀離子的濃度變化情況，但是不同學(xué)者建立的推斷PMI模型不盡相同，推斷結(jié)果也存在一定的差異，給實際應(yīng)用帶來了一定的困難[1]。另外，大量的研究[55-69]表明，ATP、檸檬酸鹽、神經(jīng)遞質(zhì)及其分解產(chǎn)物、氨基酸、糖原、葡萄糖、甲酸、還原型輔酶Ⅰ、尿酸、次黃嘌呤、乳酸、肌酐、尿素氮、重金屬、揮發(fā)性有機物等物質(zhì)的含量也存在死后時序性變化。

1.4 振動光譜學(xué)技術(shù)

振動光譜學(xué)技術(shù)主要包括紅外光譜和拉曼光譜技術(shù)，是一類新型的分析技術(shù)，具有操作方便、樣本無破壞性、儀器設(shè)備造價相對較低等優(yōu)點[70]。該技術(shù)也贏得了國內(nèi)外法庭科學(xué)學(xué)者的青睞，其在微量物證、法醫(yī)人類學(xué)和法醫(yī)學(xué)等方面的研究與應(yīng)用也與日俱增[71]。

紅外光譜技術(shù)應(yīng)用于PMI推斷已早有報道。例如，黎世瑩等[72]利用紅外光譜技術(shù)觀察窒息死大鼠肝、脾、心肌、骨骼肌組織的光譜變化規(guī)律，證實了不同區(qū)域的吸收峰峰強比值隨大鼠PMI的延長呈現(xiàn)不同的變化趨勢，其中肝脾組織峰強比與PMI的相關(guān)系數(shù)較高。HUANG等[73-79]采用紅外光譜技術(shù)采集了不同環(huán)境溫度影響下，大鼠、家兔等不同組織器官死后不同PMI的紅外光譜，運用不同吸收峰的峰強比或峰面積指標結(jié)合傳統(tǒng)的數(shù)學(xué)建模方法進行回歸模型的擬合，可較好地推斷PMI。同時，也有其他學(xué)者[80-81]對不同實驗動物不同組織進行類似的研究報道。然而，早期利用單一或幾個吸收峰信息進行數(shù)學(xué)建模的方法較為簡單，不能充分利用宏量的光譜數(shù)據(jù)，也易發(fā)生過擬合而致使模型在進行外部驗證時不能取得滿意效果。而后續(xù)更先進的化學(xué)計量學(xué)分析方法的引入，使所獲得的PMI推斷模型更加穩(wěn)健和準確。例如，WANG等[82]利用紅外光譜技術(shù)分析了掩埋與暴露兩種狀態(tài)下人類顱骨在死后76～552 d的時序性變化，并運用遺傳算法結(jié)合偏最小二乘回歸法建立了能夠較為準確推斷骨骼降解時間的化學(xué)計量學(xué)模型。LIN等[83]利用紅外光譜技術(shù)分析了室內(nèi)外不同條件下人類血痕形成0～107 d的時序性變化并采用偏最小二乘回歸法和判別分析法建立了能夠較為準確推斷血痕形成時間的化學(xué)計量學(xué)模型。此外，也有研究[84-87]利用紅外光譜技術(shù)分析實驗動物血漿、心包液、肝等組織的死后時序性變化并成功建立PMI推斷的化學(xué)計量學(xué)模型。

拉曼光譜技術(shù)在PMI推斷領(lǐng)域也有一定運用。例如，DOTY等[88]利用顯微拉曼光譜技術(shù)分析了人類血痕形成0～7d的時序性變化。熊平等[89]采用顯微拉曼光譜技術(shù)檢測了人體死后離體肝和腎的時序性拉曼光譜變化，發(fā)現(xiàn)組織細胞中DNA含量的變化與PMI的關(guān)系，其結(jié)果顯示相對峰強值I1094/I2923隨著PMI的延長呈下降趨勢，兩者之間存在線性關(guān)系。

1.5 代謝組學(xué)、脂質(zhì)組學(xué)及蛋白組學(xué)

隨著色譜學(xué)和質(zhì)譜學(xué)技術(shù)的發(fā)展，代謝組學(xué)、蛋白組學(xué)和脂質(zhì)組學(xué)的研究逐漸興起，國內(nèi)外法庭科學(xué)學(xué)者也逐漸開始使用相關(guān)的技術(shù)和方法進行PMI推斷研究。不同于傳統(tǒng)單一參數(shù)或指標推斷PMI的方法，代謝組學(xué)、脂質(zhì)組學(xué)及蛋白組學(xué)技術(shù)主要使用多變量分析方法對死后不同代謝產(chǎn)物的整體輪廓進行分析，可以利用大量數(shù)據(jù)挖掘出更多有用的信息。

在代謝組學(xué)方面，KANG等[90]采用液相色譜-質(zhì)譜法（liquid chromatography-mass spectrometry，LC-MS）檢測了大鼠死后24 h和48 h肝組織的代謝物變化，并篩選出15種與PMI相關(guān)的標志物。DONALDSON等[91]利用氣相層析-質(zhì)譜聯(lián)用（gas chromatographymass spectrometry，GC-MS）技術(shù)對大鼠血漿的代謝組學(xué)分析，發(fā)現(xiàn)隨著PMI的推進，谷胱甘肽、γ-氨基丁酸等26種代謝物也隨之增加。SATO等[92]采用同樣的技術(shù)分析了大鼠血漿，利用篩選出的25種代謝指標建立了推斷PMI的偏最小二乘回歸模型。KASZYNSKI等[93]在SATO的研究基礎(chǔ)之上，利用GC-MS技術(shù)對小鼠的血清和肌肉代謝物作了進一步研究，并提出多組分標志物的整合分析和個體數(shù)據(jù)集的疊加分析可有效減少PMI推斷偏差。蔡山青等[94]同樣利用GCMS技術(shù)，檢測窒息死亡大鼠脾組織中代謝產(chǎn)物的死后變化情況，找到了17種具有死后時序性變化規(guī)律的代謝物，并建立了相關(guān)回歸方程。

脂質(zhì)組學(xué)方面，早在2001年，YAN等[95]研究了豬的尸蠟?zāi)Ｐ?，發(fā)現(xiàn)尸蠟內(nèi)的脂肪酸種類會隨著PMI推進而發(fā)生變化。WOOD等[96]采用串聯(lián)質(zhì)譜（tandem mass spectrometry，MS/MS）的方法分析了人體死后骨骼肌內(nèi)的脂質(zhì)變化，發(fā)現(xiàn)其長鏈脂肪酸及磷脂含量隨PMI的推進而減少。FRERE等[97]對嗜尸性昆蟲的蛹殼角質(zhì)層進行提取和分析，發(fā)現(xiàn)樣本的新鮮程度對氫化物、脂肪酸乙酯類化合物有顯著影響。

在蛋白組學(xué)方面，MACHAALANI等[98]利用表面增強激光解吸電離飛行時間質(zhì)譜技術(shù)對大鼠腦部不同功能區(qū)進行了分析，并研究了死后不同時間點蛋白指紋圖譜的變化趨勢。LI等[99-100]利用基質(zhì)輔助激光解吸電離飛行時間質(zhì)譜技術(shù)研究了死后組織中蛋白質(zhì)組時序性變化規(guī)律，發(fā)現(xiàn)不同PMI分組中，質(zhì)譜圖在相對峰位、出峰數(shù)目以及相對峰強上均存在明顯的差異。

1.6 基因組學(xué)和轉(zhuǎn)錄組學(xué)

應(yīng)用遺傳物質(zhì)的特異性序列推斷PMI也有著一定的應(yīng)用前景，基因組學(xué)和轉(zhuǎn)錄組學(xué)的研究主要是為了尋找時序性降解最為規(guī)律的DNA或mRNA序列，從而建立相應(yīng)推斷PMI的數(shù)學(xué)模型。

HUNTER等[101]檢測了小鼠和斑馬魚數(shù)百個上調(diào)基因的死后表達情況，利用基因計量法校準后挑選出1063個顯著上調(diào)基因進行線性回歸分析，確定基因的建模參數(shù)后進行相關(guān)運算，發(fā)現(xiàn)基因轉(zhuǎn)錄組較單個基因轉(zhuǎn)錄物而言，能夠更好地推斷PMI。FENG等[102]使用 mRNA 完整性系數(shù)（mRNA integrity number，mRIN）來直接評估全基因組和基因特異性mRNA的完整性，發(fā)現(xiàn)死后尸體組織中部分RNA碎片3′偏移對整體的表達譜有顯著影響，還進一步驗證了該方法能有效地識別不同mRNA降解水平的樣本。FERREIRA等[103]研究發(fā)現(xiàn)，許多基因在相對較短的 PMI（7～14h）內(nèi)的表達均有明顯變化，14～24h之間轉(zhuǎn)錄組變化趨于穩(wěn)定，通過對比死前和死后的血樣，還發(fā)現(xiàn)mRNA的降解是經(jīng)過死后持續(xù)調(diào)控的，而不是簡單隨機的。

1.7 死亡微生物組學(xué)

死亡微生物組是近年來出現(xiàn)的一個新概念，是指機體死后微生物群落演替的過程，涉及整個尸體內(nèi)部和外部的數(shù)萬億微生物定植、增殖和死亡，導(dǎo)致隨時間推移的群落組成的時空變化[104-105]。隨著高通量測序技術(shù)的快速發(fā)展、人類微生物組計劃（Human Microbiome Project，HMP）不斷深入，已有學(xué)者[105]提出可以將零散的人體死后微生物組研究逐漸擴展到人體死后微生物組計劃（Human Postmortem Microbiome Project，HPMP）。HPMP主要致力于搜集與人體和（或）人的替代品分解相關(guān)的來源廣泛的微生物群落豐度及多樣性的數(shù)據(jù)。通過提高對死亡微生物的認識，解決與死亡方式和PMI相關(guān)的實際應(yīng)用問題，并確立及標準化可操作方案。目前，有關(guān)死后微生物組的研究多采用非培養(yǎng)的方式，即直接對人[105-112]、大鼠[104，113]、小鼠[109，114]及豬[115-116]的尸體樣本不同部位進行取樣，之后采用DNA提取試劑盒或傳統(tǒng)苯酚-氯仿法提取DNA，最后選取細菌16S rRNA基因的1～2個可變區(qū)擴增子進行454焦磷酸測序、Illumina MiSeq平臺高通量測序、毛細管電泳測序來檢測機體死亡后不同部位、不同時間、不同條件、不同環(huán)境等情況下細菌的構(gòu)成、豐度及多樣性。

上述研究結(jié)果均表明，機體死亡后微生物群落會出現(xiàn)可重復(fù)的、與環(huán)境及時間相關(guān)的動態(tài)變化，這種變化被證明可用于PMI推斷。如CAN等[106]在研究人類尸體脾、肝、大腦、心和血液中的死亡微生物組時發(fā)現(xiàn)：同一具尸體中，不同器官的死亡微生物組很相似；不同尸體之間因PMI、死亡和（或）環(huán)境因素不同，死亡微生物組不盡相同；尸體中梭菌占優(yōu)的組織器官的降解期更長。DICKSON等[115]發(fā)表了一項關(guān)于水生環(huán)境中死亡豬的頭部被表面移動的細菌群落分解的研究，并提出將海洋細菌的集群化和繼承演替作為推斷PMI的新工具。HYDE等[108]應(yīng)用454焦磷酸測序技術(shù)研究兩具人類尸體的口腔、肱二頭肌、軀干的細菌群落，發(fā)現(xiàn)兩具尸體間、同一具尸體的不同部位間、同一部位兩次取樣時間點間的微生物群落組成都不一樣，隨PMI的延長所有部位樣本的微生物群落，均從需氧細菌轉(zhuǎn)變?yōu)閰捬跫毦?。GUO等[104]在對大鼠的研究中發(fā)現(xiàn)，在分解的過程中，變形菌門（主要是Gammaproteobacteria）是口腔和直腸的優(yōu)勢菌門，而口腔和直腸中的厚壁菌門和擬桿菌門則逐漸降低。METCALF等[114]研究了小鼠模型中微生物群落的變化趨勢，發(fā)現(xiàn)死后微生物群落的演替過程不但是可測、可觀察的，而且還是動態(tài)、可重復(fù)的，并指出根據(jù)微生物群落的演替變化制定的死后微生物時間鐘可較為準確地推斷晚期PMI。METCALF等[109]在這之后，又進一步研究了小鼠及人類尸體在不同土壤基質(zhì)（沙漠、草地、森林）的分解過程，指出土壤類型不是參與分解微生物群落發(fā)展的主要影響因素。PECHAL等[116]研究了3具豬尸體，發(fā)現(xiàn)其皮膚和口腔細菌群落在死后5d的時間內(nèi)遵循相對一致的變化規(guī)律。TUOMISTO等[112]應(yīng)用細菌培養(yǎng)和實時定量PCR技術(shù)，研究死后人體器官中細菌相對豐度的時序性變化規(guī)律，結(jié)果發(fā)現(xiàn)，葡萄球菌、鏈球菌等豐度隨著PMI延長呈顯著上升趨勢，可用于PMI推斷。DAMANN等[110]對死后15具尸體骨骼樣本進行研究分析，發(fā)現(xiàn)部分骨骼化石仍然保持著與人類腸道相關(guān)的細菌，而干燥骨骼的細菌組成則保持著與土壤群落相似的群落特征。HAUTHER等[111]對12例人類尸體的大腸菌群進行16S rRNA基因定量分析，并對其中6具尸體降解過程中的細菌群落的連續(xù)性變化模式進行量化研究，結(jié)果發(fā)現(xiàn)，擬桿菌屬和乳酸菌屬的相對豐度在死后9～20d具有良好的時序性變化規(guī)律。

上述研究結(jié)果表明，微生物群落數(shù)據(jù)可發(fā)展成為一個精準的“時鐘”對PMI進行預(yù)估，這為法庭科學(xué)領(lǐng)域推斷PMI提供了一種新的工具。

2 基于大數(shù)據(jù)智能推斷PMI的機遇與展望

目前，精確推斷PMI仍然是困擾國內(nèi)外法醫(yī)學(xué)界的重大疑難課題，主要因為PMI推斷受到了很多體內(nèi)外界因素的干擾，如環(huán)境因素、個體差異、死亡原因等因素，另一方面又因單一的檢測技術(shù)手段仍無法全面反映死后機體的多種時序性變化規(guī)律。因此，未來的相關(guān)研究，或可從以下三個方面著手。

2.1 建立多因素參與下的PMI推斷模型

近百余年以來，圍繞PMI的推斷鑒定，國內(nèi)外法庭科學(xué)學(xué)者們從組織學(xué)、分子病理學(xué)、生物化學(xué)、病理生理學(xué)等方面做了大量探索研究工作，但研究所反映出的時序性變化也多局限于某個理想的環(huán)境條件或模型中，如恒溫、恒濕、同等營養(yǎng)狀況、死亡原因模型等。而實際命案現(xiàn)場復(fù)雜多變，影響因素諸多，每一種因素都可能單獨影響PMI的推斷，也可能存在著一定的聯(lián)合作用效應(yīng)。所以，多因素影響下PMI推斷模型的建立將是未來研究的重點。

2.2 多方法、多指標聯(lián)合應(yīng)用推斷PMI

機體死后所發(fā)生的多種時序性變化是一個有機的整體，相互制約也相互影響。而傳統(tǒng)PMI推斷指標相對單一且分散，以至于所發(fā)現(xiàn)的單個或單類指標的變化不足以對人體時序性變化狀態(tài)提供更為精準的信息。因此，在命案現(xiàn)場對發(fā)生時間進行準確推斷的方法手段仍需不斷擴張、更新和優(yōu)化。綜上思考，未來關(guān)于推斷PMI的研究，應(yīng)該是多技術(shù)聯(lián)合運用，各自發(fā)揮作用，共同解決這一法醫(yī)病理學(xué)的難題。

2.3 人工智能算法

如上所述，隨著PMI推斷研究的不斷深入，多影響因素的參與以及多方法、多指標的聯(lián)合應(yīng)用，勢必會伴隨海量數(shù)據(jù)的產(chǎn)生，尤其是多組學(xué)（光譜學(xué)）方法聯(lián)用產(chǎn)生的數(shù)以百萬甚至千萬級的數(shù)據(jù)變量，若要從此海量數(shù)據(jù)中探索隱藏于其中有價值的信息，則必須借助先進的算法來實現(xiàn)。當前，人工智能算法依附于迅猛發(fā)展的計算機技術(shù)也日趨成熟，其強大的信息解析能力可以非常有效地對龐大復(fù)雜的數(shù)據(jù)進行有序分析。人工智能算法的計算過程通常由四個部分組成，即數(shù)據(jù)獲取、特征提取、模型建立、預(yù)測分析。通過上述建模、驗證和預(yù)測過程，可以有效地對研究對象進行判別和預(yù)測。目前，人工智能算法，如人工神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)、支持向量機、聚類分析、偏最小二乘法和最鄰近距離等算法已大范圍地拓展到生物醫(yī)學(xué)和法庭科學(xué)研究領(lǐng)域，成為生物醫(yī)學(xué)和法庭科學(xué)研究的強大工具，其在PMI推斷的研究領(lǐng)域里，也有望提供重大的技術(shù)支撐。