Alcuni dei crimini di omicidio irrisolti più famosi della storia potrebbero essere messi a nudo grazie a una nuova ricerca forense condotta presso la Northumbria University, a Newcastle.
Dott. Matteo Gallidabino, Professore Associato di Scienze Forensi presso la Northumbria University, lavorando con i colleghi del King's College di Londra e delle Università di Losanna, Santiago de Compostela e Roma (La Sapienza), hanno rivelato che l'apprendimento automatico, un campo dell'intelligenza artificiale, potrebbe essere utilizzato per determinare quali munizioni, e infine quale arma da fuoco, è stato responsabile di un particolare colpo di pistola dal residuo che ha lasciato.
I loro risultati sono stati pubblicati nella Royal Society of Chemistry's Analista rivista – la casa delle scoperte fondamentali, invenzioni e applicazioni nelle scienze analitiche e bioanalitiche.
"Il machine learning utilizza una serie di algoritmi per modellare complesse relazioni di dati", spiega il dott. Gallidabino. "Attraverso un'attenta messa a punto, questi possono essere applicati per prevedere caratteristiche importanti delle munizioni utilizzate in un particolare evento di tiro da quelle dei rispettivi residui di sparo (GSR) depositati su superfici o oggetti circostanti, come casi esauriti, ferite e, potenzialmente, anche le mani del tiratore".
Questa è una progressione rivoluzionaria rispetto alle tecniche attualmente disponibili nell'analisi GSR. Infatti, le complesse statistiche informatiche implementate dal gruppo di ricerca consentono l'identificazione delle munizioni responsabili delle diverse tracce di arma da fuoco lasciate sulla scena del crimine e l'eventuale associazione di tali tracce, con una precisione senza precedenti. Entrambe le capacità sono attualmente impegnative utilizzando i metodi forensi tradizionali.
Con ulteriori sviluppi dell'approccio suggerito, nuovi indizi investigativi potrebbero essere rapidamente perseguiti per evitare simili omicidi irrisolti del passato, come Jill Dando nel 1999 e i famigerati omicidi della Bloody Sunday del 1972.
"Dopo la sanguinosa domenica, il problema era determinare se i colpi di arma da fuoco fossero stati sparati da civili o da personale militare" afferma il dottor Gallidabino. "Gli investigatori hanno trovato grandi quantità di GSR su tutte le vittime e hanno concluso che erano il risultato di attività di tiro. Fu poi stabilito, però, che questi erano probabilmente dovuti al secondario, trasferimento post-evento di contaminazioni dal personale militare – le cui mani erano ricche di GSR – ai cadaveri. Piccole quantità di GSR, infatti, possono essere trasferiti da contatti prolungati con superfici contaminate, come quelli che hanno avuto luogo quando i soldati hanno aiutato a trasportare le vittime all'ospedale dopo l'evento.
"Se all'epoca fossero disponibili tecniche come quelle che stiamo sviluppando ora, avrebbero potuto essere usati per determinare se i GSR provenissero da munizioni civili o fuoco militare, che sarebbe stata una prova fondamentale".
Il Dr. Gallidabino è specializzato in modellazione statistica e tecniche di apprendimento automatico per applicazioni forensi. Ha sviluppato e testato personalmente sia l'innovativa tecnica chimica che i modelli matematici utilizzati nell'approccio, dopo aver sparato una serie di munizioni. Dopo aver raccolto le cartucce della pistola, li ha analizzati, e in particolare la parte volatile del GSR, prima di rivolgere la sua attenzione alle originali polveri senza fumo. Da qui, riuscì a stabilire una relazione tra la munizione e il residuo, con gli stessi metodi statistici utilizzati dagli informatici per addestrare i robot.
A seguito di ciò, il gruppo di ricerca ha chiesto che questo metodo unico venga applicato molto più ampiamente nel campo della scienza forense e, più generalmente, chimica analitica. "I benefici sono innumerevoli", ha detto il dottor Gallidabino. "Potrebbero anche estendersi ad altri campi delle scienze analitiche che incontrano abitualmente tracce chimiche mutevoli, come l'analisi di ordigni esplosivi improvvisati, acceleranti di incendi dolosi e inquinanti ambientali".
Dott. Leon Barron, Senior Lecturer in Scienze Forensi al King's College di Londra, ha aggiunto:"La fusione di analisi di laboratorio all'avanguardia con l'apprendimento automatico basato su computer ci consentirà di capitalizzare le grandi quantità di dati che ora generiamo per fare progressi rivoluzionari come questo più frequentemente. Nella scienza forense, e spesso, dati i vari scenari e le sequenze di eventi coinvolti, l'apprendimento automatico rappresenta uno dei modi più promettenti per dare un senso alle prove più rapidamente per supportare il sistema di giustizia penale".
Jill Dando
Il 26 aprile 1999, la star 38enne della BBC è stata uccisa a colpi di arma da fuoco sulla soglia della sua casa a Fulham, West London in quello che rimane uno degli omicidi irrisolti più importanti del Regno Unito. Barry George, che abitava a pochi minuti dalla casa di Jill, è stata incarcerata per otto anni per il suo omicidio, ma è stata scagionata dopo un nuovo processo nel 2008 a seguito di preoccupazioni sollevate sulle prove forensi. Il caso resta aperto.
Avere maggiori informazioni sulla fonte del GSR al momento dell'omicidio avrebbe potuto essere utile, secondo il Dr. Gallidabino e il resto del gruppo di ricerca.
"Una singola particella di GSR è stata trovata nella tasca del cappotto di Barry George (il sospettato)", dice. "È stato dimostrato che questa particella ha una composizione molto simile a quella trovata sulla vittima, Jill Dando, secondo le tecniche disponibili al momento. Poiché non esisteva alcun metodo approvato per confrontare le composizioni GSR su superfici diverse, però, questa prova è stata fortemente contestata. Con il nostro approccio, speriamo in futuro di fornire strumenti solidi alle forze dell'ordine per affrontare in modo più efficiente questo tipo di situazione".
