0

16
0

文字

分享

0
16
0

指紋的辨識:從指紋認證系統發展到鑑識科學的應用——《黏黏滑滑》

晨星出版
・2023/01/07 ・3415字 ・閱讀時間約 7 分鐘

這幾年來我拿過幾本護照和簽證,所以我相當熟悉指紋掃描這件事。但是這次的流程感覺有點不一樣。首先,我坐在位於威靈頓的紐西蘭警察總局一間無窗的房間裡。掃描影像也是用一個跟我的智慧型手機差不多大小的儀器掃描。但是我卻著迷似地,用以前不曾有過的方式盯著複雜的紋路看。

指紋負責人吉蘭.哈利爾(Gilane Khalil)帶我走了一趟我的指紋之旅:

指紋的分類與組成

深色線就是凸起區,我們稱作乳突紋線(papillary ridge),其紋路可大略分為三類:箕形紋(loop)、斗形紋(whorl),及弧形紋(arch)。箕形紋的紋線會出現,繞圈之後再彎折回來,回到同一側。弧形紋是從一端往上彎曲或隆起,然後流向另一端—只有大約5%的人口有這種指紋。斗形紋是環形紋路。大部分人會有箕形紋混合斗形紋,你手上的指紋也是如此。

她指著取自我右手中指的指紋說,「不過你的指紋的確很不尋常。你看得出來這個特徵是結合了箕形紋和和斗形紋嗎?真是很好的複合紋路範例。」

-----廣告,請繼續往下閱讀-----
乳突紋線的紋路複雜,但是以上是最常見的三種。你的是哪一種呢?圖/

雖然指紋獲得最多關注,但我們整個手掌其實都被這個有乳突紋線的皮膚包覆,上方覆加一層網絡,有特有的深褶痕和摺皺。這些複雜性全都反映出肉眼可見表面之下的暗潮洶湧。我們皮膚上的紋線圖型是由不同種類的蛋白質角蛋白構成,最強、最耐久的種類就位於凸起的紋線,比較柔韌的則位於兩者之間的凹部。這樣的組合讓紋線可以承受大量擠壓,而凹部則可讓它們有空間屈曲和伸展。

這些紋路的根部很深,延伸到皮膚最外層(表皮)之下,並進入下方的真皮。這層結締組織有類似的紋線形式—大衛.林登(DavidLinden)稱之為「朝內的指紋」—其提供表皮各種支持,包括血管。

皮膚的汗腺和管道也會把這幾層固定在一起,灌注沿指紋線頂端分布的大量汗孔。位於手掌無毛皮膚下的腺體是人體當中最大也最緻密者,每平方公分有 1000 ∼ 1200 個。所以下次你在不合時宜的時刻冒手汗時,你就知道要怪誰了。

人類並不是手腳有乳突紋線皮膚的唯一靈長目。匹茲堡動物園(Pittsburgh Zoo)和聯邦調查局(FBI)在 2011 年進行一項研究,在例行性獸醫檢查期間採集各種不同靈長目的指紋。毫不意外,已知與我們關係密切的物種,如紅毛猩猩、金剛猩猩和黑猩猩,都出現類似的箕形紋、斗形紋和弧形紋,雖然與我們的分布有點不同。

-----廣告,請繼續往下閱讀-----

所有紅毛猩猩的指紋中,幾乎一半都有人類罕見的弧形紋。黑猩猩的斗形紋比我們多,而金剛猩猩的箕形紋比例與一般人類差不多。不過目前已知另外至少還有一種動物也有指紋,儘管其演化路徑與靈長目非常不同:無尾熊(學名是Phascolarctos cinereus)。

無尾熊的指紋與人類相似。圖/envatoelements

這種毛茸茸的有袋動物(也是澳洲的代表動物)指頭上的紋線,不管大小、形狀和排列,都跟人類的紋線相似,牠們前掌每根指頭都有弧形紋,有些後掌也有。斗形紋和箕形紋往往只出現在特定指頭。差異如此大的物種之間有這些共同特定特徵的原因,普遍認為是因為紋線可以增進牠們的抓握能力。對大半時間都待在森林樹冠的物種而言,這是很有效的技能⋯⋯或我們之後將會看到,這種技能更常出現在都市叢林中。

指紋認證系統的起源

指紋長久以來都被當做人類在物體上留下痕跡的方式,從簽合約和泥板文書(clay tablet),到古代墓碑的牆面。但是用來辨識個體—因其明顯的獨特性—是比較近代才開始,且有一段非常成敗參半的過去。

與指紋早期發展關係最密切的有三個人,分別是亨利.佛德斯(HenryFaulds)醫師、優生學家法蘭西斯.高爾頓(Francis Galton),以及殖民地警察愛德華.亨利(Edward Henry)。佛德斯透過實驗證實指紋會永久存在—即使遭遇嚴重的表皮損傷也可以恢復原本的紋路。除了尺寸變大,指紋的紋路從出生到成年都一樣。

-----廣告,請繼續往下閱讀-----

他也設計出第一個正式的紋路分類系統。高爾頓在1892 年的一本著作就是以那些主張為基礎,他從世界各地蒐集了指紋樣本之後,宣稱掌足凸紋(friction ridges)是「比任何身體特徵都還更加肯定的身分判定標準」。這開啟了一扇門,世人開始把指紋當做一種鑑別工具。

高爾頓特別強調此技術對英國殖民地的潛在重要性,「這些地方的土著很難區別」。沒錯,他真的這樣寫。駐紮在印度,擔任孟加拉警察分局督察長的愛德華.亨利非常推崇高爾頓的作品,且確信他可以把分類系統再調整得更實用一點。在他的努力之下,亨利系統(HenrySystem)誕生了, 1901 年獲蘇格蘭場(Scotland Yard)採用,自此之後衍生的不同版本也受到執法機關和其他警政機構使用。

鑑識科學的指紋比對

最近幾十年來, 有些有威望的科學組織開始批評指紋在鑑識科學的地位—尤其是做為刑事案件的證據。癥結點環繞在個化(individualisation)的概念;即鑑識痕跡〔例如犯罪現場找到的潛伏指紋(latent print)〕可以無歧義地連結到特定的某個人,「而因此排除其他所有人。」

2009 年,美國國家研究委員會(National Research Council)發表一份針對美國鑑識科學狀態的大型研究。他們在這份研究中提到,指紋鑑定缺乏提出這種主張所需的科學依據。之後的報告也同意,指出諸如錯誤率、專家之間缺乏可重複性和重現性,以及認知偏誤等風險。

-----廣告,請繼續往下閱讀-----

如果你曾經看過那些時髦的「犯罪現場調查」(CSI)電視劇,你可能會想,這跟認知偏誤有什麼關係。指紋比對想必都是由電腦完成的吧?這個嘛,雖然電腦化的資料庫的確善盡職責,但拿指紋比對資料庫裡的指紋資料這個過程,其實是由人工進行,很意外吧。

在紐西蘭這裡,軟體只會當做初步過濾的工具,用來觀察指紋的整體模式,以及畫面中不同點之間的關係。那樣的電腦分析會吐出一長串可能的候選清單,接著就人工檢查每一位候選人的指紋細節—所謂的人工即是受過訓練的指紋專家。指紋專家要留意很多地方。負責管理紐西蘭國家指紋服務(National Finger Print Service)的塔妮亞.凡.皮爾(Tanja Van Peer)告訴我:

光是一枚完美的潛伏指紋,可能資訊量就很龐大。當我們調出指紋畫面,我們要看的不只是紋線的流動和形狀;汗孔、皮膚褶皺及疤痕也都獨一無二。我們縮小螢幕上的搜尋範圍後,就會調出原始的指紋組,並重複進行分析。我們每一次鑑別都會再跟另外兩位專家進行半盲確認,上法庭時,會再重複進行所有過程。我們的驗證過程非常可靠。

但是即使經過以上所有嚴謹地檢查和斟酌程序,指紋分析還是一直被視為意見證據(opinion evidence)。沒錯,指紋分析是基於最高級專家的判斷,指紋連結到錯誤人選的可能性非常低,但並不是零。

-----廣告,請繼續往下閱讀-----

根據其性質,意見證據無法提供絕對的確定性。 2017 年,美國科學促進會(American Association for the Advancement of Science, AAAS)表示,「(檢查人員)應避免主張或暗示可能來源數量僅限於單一人選的說法。」類似「吻合」、「鑑定」、「個化」等用詞及其同義字,所暗示的含意都超出科學可支援的範圍。

不過,把人類這個因素完全排除於指紋分析之外,也不太可能讓過程更加準確。事實上,許多研究已顯示,說到比對指紋,訓練有素檢查人員的表現都明顯優於任何自動系統。在我參訪期間,凡.皮爾不斷強調,紐西蘭的專家接受了5 年紮實的訓練,精進他們的技能,但是她也坦承,即使是如此可靠的分析方法,也無法保證完全不會出錯。

指紋驗證系統如今還是被視為意見證據。圖/envatoelements

愈來愈多組織也會採用類似的「盲性驗證」步驟,降低偏誤的風險。把過程調整得更科學一點,似乎也是全球趨勢。洛桑大學(University ofLausanne) 鑑識科學教授克里斯托夫.錢帕德(Christophe Champod)認為,有個方法可以辦得到,就是為指紋證據分配數學機率,這能使其更符合在法庭上呈現DNA 證據的方式。有幾個以此為目標的數學模型正在發展中,雖然目前還沒有任何模型可以廣泛採用。

指紋還是會繼續被當做一種法庭上的鑑識證據,但還是希望透過這些努力,可以增進其可靠性和客觀性,同時也正式確立其並非萬無一失—就跟所有鑑識技術一樣。唯一可以有自信地宣稱兩組指紋「完全吻合」的人,只有虛構的電視警探吧。

-----廣告,請繼續往下閱讀-----

——本文摘自《黏黏滑滑》,2022 年 11 月,晨星出版,未經同意請勿轉載。

文章難易度
晨星出版
12 篇文章 ・ 3 位粉絲

0

8
2

文字

分享

0
8
2
快!還要更快!讓國家級地震警報更好用的「都會區強震預警精進計畫」
鳥苷三磷酸 (PanSci Promo)_96
・2024/01/21 ・2584字 ・閱讀時間約 5 分鐘

本文由 交通部中央氣象署 委託,泛科學企劃執行。

  • 文/陳儀珈

從地震儀感應到地震的震動,到我們的手機響起國家級警報,大約需要多少時間?

臺灣從 1991 年開始大量增建地震測站;1999 年臺灣爆發了 921 大地震,當時的地震速報系統約在震後 102 秒完成地震定位;2014 年正式對公眾推播強震即時警報;到了 2020 年 4 月,隨著技術不斷革新,當時交通部中央氣象局地震測報中心(以下簡稱為地震中心)僅需 10 秒,就可以發出地震預警訊息!

然而,地震中心並未因此而自滿,而是持續擴建地震觀測網,開發新技術。近年來,地震中心執行前瞻基礎建設 2.0「都會區強震預警精進計畫」,預計讓臺灣的地震預警系統邁入下一個新紀元!

-----廣告,請繼續往下閱讀-----

連上網路吧!用建設與技術,換取獲得地震資料的時間

「都會區強震預警精進計畫」起源於「民生公共物聯網數據應用及產業開展計畫」,該計畫致力於跨部會、跨單位合作,由 11 個執行單位共同策畫,致力於優化我國環境與防災治理,並建置資料開放平台。

看到這裡,或許你還沒反應過來地震預警系統跟物聯網(Internet of Things,IoT)有什麼關係,嘿嘿,那可大有關係啦!

當我們將各種實體物品透過網路連結起來,建立彼此與裝置的通訊後,成為了所謂的物聯網。在我國的地震預警系統中,即是透過將地震儀的資料即時傳輸到聯網系統,並進行運算,實現了對地震活動的即時監測和預警。

地震中心在臺灣架設了 700 多個強震監測站,但能夠和地震中心即時連線的,只有其中 500 個,藉由這項計畫,地震中心將致力增加可連線的強震監測站數量,並優化原有強震監測站的聯網品質。

-----廣告,請繼續往下閱讀-----

在地震中心的評估中,可以連線的強震監測站大約可在 113 年時,從原有的 500 個增加至 600 個,並且更新現有監測站的軟體與硬體設備,藉此提升地震預警系統的效能。

由此可知,倘若地震儀沒有了聯網的功能,我們也形同完全失去了地震預警系統的一切。

把地震儀放到井下後,有什麼好處?

除了加強地震儀的聯網功能外,把地震儀「放到地下」,也是提升地震預警系統效能的關鍵做法。

為什麼要把地震儀放到地底下?用日常生活來比喻的話,就像是買屋子時,要選擇鬧中取靜的社區,才不會讓吵雜的環境影響自己在房間聆聽優美的音樂;看星星時,要選擇光害比較不嚴重的山區,才能看清楚一閃又一閃的美麗星空。

-----廣告,請繼續往下閱讀-----

地表有太多、太多的環境雜訊了,因此當地震儀被安裝在地表時,想要從混亂的「噪音」之中找出關鍵的地震波,就像是在搖滾演唱會裡聽電話一樣困難,無論是電腦或研究人員,都需要花費比較多的時間,才能判讀來自地震的波形。

這些環境雜訊都是從哪裡來的?基本上,只要是你想得到的人為震動,對地震儀來說,都有可能是「噪音」!

當地震儀靠近工地或馬路時,一輛輛大卡車框啷、框啷地經過測站,是噪音;大稻埕夏日節放起絢麗的煙火,隨著煙花在天空上一個一個的炸開,也是噪音;台北捷運行經軌道的摩擦與震動,那也是噪音;有好奇的路人經過測站,推了推踢了下測站時,那也是不可忽視的噪音。

因此,井下地震儀(Borehole seismometer)的主要目的,就是盡量讓地震儀「遠離塵囂」,記錄到更清楚、雜訊更少的地震波!​無論是微震、強震,還是來自遠方的地震,井下地震儀都能提供遠比地表地震儀更高品質的訊號。

-----廣告,請繼續往下閱讀-----

地震中心於 2008 年展開建置井下地震儀觀測站的行動,根據不同測站底下的地質條件,​將井下地震儀放置在深達 30~500 公尺的乾井深處。​除了地震儀外,站房內也會備有資料收錄器、網路傳輸設備、不斷電設備與電池,讓測站可以儲存、傳送資料。

既然井下地震儀這麼強大,為什麼無法大規模建造測站呢?簡單來說,這一切可以歸咎於技術和成本問題。

安裝井下地震儀需要鑽井,然而鑽井的深度、難度均會提高時間、技術與金錢成本,因此,即使井下地震儀的訊號再好,若非有國家建設計畫的支援,也難以大量建置。

人口聚集,震災好嚴重?建立「客製化」的地震預警系統!

臺灣人口主要聚集於西半部,然而此區的震源深度較淺,再加上密集的人口與建築,容易造成相當重大的災害。

-----廣告,請繼續往下閱讀-----

許多都會區的建築老舊且密集,當屋齡超過 50 歲時,它很有可能是在沒有耐震規範的背景下建造而成的的,若是超過 25 年左右的房屋,也有可能不符合最新的耐震規範,並未具備現今標準下足夠的耐震能力。 

延伸閱讀:

在地震界有句名言「地震不會殺人,但建築物會」,因此,若建築物的結構不符合地震規範,地震發生時,在同一面積下越密集的老屋,有可能造成越多的傷亡。

因此,對於發生在都會區的直下型地震,預警時間的要求更高,需求也更迫切。

-----廣告,請繼續往下閱讀-----

地震中心著手於人口密集之都會區開發「客製化」的強震預警系統,目標針對都會區直下型淺層地震,可以在「震後 7 秒內」發布地震警報,將地震預警盲區縮小為 25 公里。

111 年起,地震中心已先後完成大臺北地區、桃園市客製化作業模組,並開始上線測試,當前正致力於臺南市的模組,未來的目標為高雄市與臺中市。

永不停歇的防災宣導行動、地震預警技術研發

地震預警系統僅能在地震來臨時警示民眾避難,無法主動保護民眾的生命安全,若人民沒有搭配正確的防震防災觀念,即使地震警報再快,也無法達到有效的防災效果。

因此除了不斷革新地震預警系統的技術,地震中心也積極投入於地震的宣導活動和教育管道,經營 Facebook 粉絲專頁「報地震 – 中央氣象署」、跨部會舉辦《地震島大冒險》特展、《震守家園 — 民生公共物聯網主題展》,讓民眾了解正確的避難行為與應變作為,充分發揮地震警報的效果。

-----廣告,請繼續往下閱讀-----

此外,雖然地震中心預計於 114 年將都會區的預警費時縮減為 7 秒,研發新技術的腳步不會停止;未來,他們將應用 AI 技術,持續強化地震預警系統的效能,降低地震對臺灣人民的威脅程度,保障你我生命財產安全。

文章難易度

討論功能關閉中。

鳥苷三磷酸 (PanSci Promo)_96
196 篇文章 ・ 300 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

3

5
4

文字

分享

3
5
4
鑑識故事系列:德國免費電玩,邀玩家扮法醫
胡中行_96
・2023/03/20 ・1664字 ・閱讀時間約 3 分鐘

-----廣告,請繼續往下閱讀-----

本系列以往藉由講解真實案件,來分享鑑識科學;這篇則摘要免費電玩的虛構情境,鼓勵讀者親自體驗辦案。2023 年 1 月的《國際法醫期刊》(International Journal of Legal Medicine),介紹了一款德國漢堡開放線上大學(Hamburg Open Online University)的遊戲,名叫「Adventure Legal Medicine」(非官方中譯:法醫歷險)。論文詳述開發過程與教學功能,還強調玩家不管有無醫學知識,皆能輕易上手。[1]

=========微劇情,防雷線=========

想避開遊戲情境簡介的讀者,請跳過圖片後的第一段,謝謝。

電玩《Adventure Legal Medicine》的繪畫風格。圖/參考資料 1,Figure 1(CC BY 4.0)

情境設定

依照學習的領域,此遊戲有下列 5 個故事情境,可供選擇:

-----廣告,請繼續往下閱讀-----
  1. 估計死亡時間(time of death estimation):有人死在公寓裡。玩家必須選取正確的驗屍工具,例如:直腸體溫計(rectal thermometer)或神經反射錘(reflex hammer),來推估死亡時間。[1, 2]
  2. 體外驗屍檢查(external post-mortem examination):河岸上死者的某些身體部位,藏有非自然死亡的線索。[1]像是顱骨和手肘擦傷等,都有待玩家一探究竟。[2]
  3. 鑑識人類學(forensic anthropology):森林裡,散落著人類骨骸。觀察並測量骨頭,以推估年紀、性別和身高。將結果拿去跟失蹤人口的檔案比對,玩家或許就能找出死者的身份。[1]
  4. DNA親子鑑定(DNA analysis/paternity test):不知從哪迸出 4 個人,想繼承情境 2 那名死者的巨額財產。[1]玩家得從唾液樣本,分析他們的 DNA,判斷誰才是真有血親關係的子嗣。[1, 2]
  5. 解剖、酒精與藥物(autopsy/alcohol and drug influence):玩家幫車禍死者體外驗屍;解剖以檢查器官;並進行毒物學分析。最後,判讀以上檢查所得的結果。[1]

開發過程

這個遊戲是鑑識病理學家、鑑識人類學家、心理學家、醫科學生、遊戲工程師和插畫藝術家,共同合作的結晶。類似於商業開發的線上遊戲,產品正式釋出之前,得先找人來封閉測試。2 名分別為 25 和 49 歲的男性;以及 21、25 與 54 歲的 3 名女性,率先嘗試情境 1 和 2 的前期測試版。研發團隊根據他們的感想與建議,改進遊戲,並設計情境 3。接著,請 40 名醫學系的學生,操作情境 1 至 3 的測試版。另外,其他不同教育程度的學生,作為一般大眾的樣本,也受邀試玩。最終統合大家的評論後,團隊設計出情境 4 和 5 的遊戲。[1]

嚴肅遊戲

德國研發團隊將產品定位成「嚴肅遊戲」(serious game),以教學而非娛樂為主要目的,而且在視覺上多採灰階,來保持中性。[1]筆者試玩了一小部份,又觀賞攻略影片,覺得繪圖和音效雖不華麗,但頗為用心。由於遊戲全程都有電子版的課本唾手可得,玩家本身無須具備專業知識。每個階段結束後,還能透過小測驗,了解學習成效。對相關科系而言,也可用於輔助教學或自學。從 2020 年 1 月在 Google Play 上架以來,有數千人下載,並獲得平均 4.5 星的評價;可惜不曉得線上網頁版的使用人次。[1]下面是此遊戲的基本資料、連結與攻略,歡迎讀者分享闖關心得。

Adventure Legal Medicine

  • 名稱:Adventure Legal Medicine[1](英文別名:Forensic Medicine Adventure;德文名稱:Abenteuer Rechtsmedizin)[2]
  • 對象:醫學相關科系的學生及一般愛好者。[1]
  • 語言:英文和德文。[1]英文版的故事敘述,用字不難;但基於辦案的情境,勢必會出現骨骼、基因等,鑑識科學常見的專有名詞。
  • 行動裝置版:僅支援Android系統的平板電腦和手機;沒有 iOS 的版本。請點超連結下載,或上Google Play搜尋「Abenteuer Rechtsmedizin」。[1]
  • 線上網頁版http://elearning.uke.de/HOOU/RechtsmedizinSeriousGame/ (完全載入後,可以按下方代表德文的「DE」,將語言改為英文「EN」。)[1]
電玩《Adventure Legal Medicine》英文版,前 4 個情境的攻略。影/參考資料 2

  

參考資料

  1. Anders S, Steen A, Müller T, et al. (2023) ‘Adventure Legal Medicine: a free online serious game for supplementary use in undergraduate medical education’. International Journal of Legal Medicine, 137, 545–549.
  2. SLY MobileGaming (15 JAN 2021) ‘Forensic Medicine Adventure Abenteuer Rechtsmedizin | Point and Click Game Walkthrough’. YouTube.
所有討論 3
胡中行_96
169 篇文章 ・ 65 位粉絲
曾任澳洲臨床試驗研究護理師,以及臺、澳劇場工作者。 西澳大學護理碩士、國立台北藝術大學戲劇學士(主修編劇)。邀稿請洽臉書「荒誕遊牧」,謝謝。

0

10
2

文字

分享

0
10
2
鑑識故事系列:Lucia de Berk 值班死幾人?荷蘭護理冤案
胡中行_96
・2023/02/27 ・2983字 ・閱讀時間約 6 分鐘

-----廣告,請繼續往下閱讀-----

前言:本文為鑑識系列中,罕見提及統計學的故事。不過,繁複的計算過程全部省略,僅討論統計概念和辦案原理。請害怕數學的讀者放心。

護理人員 Lucia de Berk。圖/Carole Edrich on Wikimedia Commons(CC BY-SA 3.0)

荷蘭護理人員 Lucia de Berk,長年於海牙茱莉安娜兒童醫院(Juliana Kinderziekenhuis)的 1 個病房,與紅十字醫院(Rode Kruis Ziekenhuis)的 2 個病房工作。2001 年 12 月,她因謀殺罪嫌被捕。[1]

超幾何分佈

警方起先偵辦 2 名住院病患的死因,發現是中毒身亡;後來連帶調查 1997 至 2001 年間,幾家醫院可能的謀殺案件,於是找上了她。[2]在法庭上,司法心理學家 Henk Elffers 用機率的概念,證明 Lucia de Berk 有罪。簡單來說,就是計算嫌犯現身出事班次的機率。他採取的統計方法,叫做超幾何分佈(又稱「超幾何分配」;hypergeometric distribution)。[1]

超幾何分佈適合用在從一個母數中,隨機抽取樣本,不再放回的情形。例如:袋子裝有 N 顆球,其中 L 顆為紅球。一把抓出 n 顆球,不特別挑選的話,紅球碰巧被抓到的機率為 X。[3, 4]以此類推,在此案被調查的時間範圍內,病房總共有 N 個班次,其中 Lucia de Berk 值了 L 班,而有醫療事故的班次共 n 個。如果不刻意安排,則她正好出現在事故班次的機率為 X。[1]公式介紹。[4]

此處實際帶入數據後得到的答案,說明 Lucia de Berk 理論上應該只有 3 億 4 千 2 百萬分之一(X = 1 / 3.42 x 108)的機率,會剛好在醫療事故發生的班次值班。因此,法庭認定她的頻繁出現(> 1 / 3.42 x 108),絕非巧合。[1, 2, 5, 6]2003 年,Lucia de Berk因 7 起謀殺和 3 次殺人未遂,[2]被判終身監禁。[5]

茱利安納兒童醫院(Juliana Kinderziekenhuis)外觀。圖/Joris on Wikimedia Commons(CC BY-SA 3.0)
紅十字醫院(Rode Kruis Ziekenhuis)已於 2021 年關閉。圖/1Veertje on Wikimedia Commons(CC BY-SA 4.0)。

統計謬誤

當時有位醫師任職於 Lucia de Berk 待過的一家醫院。他的女性姻親 Metta de Noo-Derksen 醫師,以及 Metta 的兄弟 Ton Derksen 教授,都覺得事有蹊蹺。[7]Metta 和 Ton 檢視死者的病歷紀錄,並指出部份醫療事故的類型和事發時間,與判決所用的數據對不起來因為後者大半仰賴記憶,他們甚至發現有些遭指控的班次,Lucia de Berk 其實不在現場。然而,光是這些校正,還不足以推翻判決。[1, 7]

-----廣告,請繼續往下閱讀-----

所幸出生於英國的荷蘭萊頓大學(Universiteit Leiden)統計學榮譽教授 Richard Gill,也伸出援手。[2]在協助此案的多年後,他的團隊發表了一篇論文,解釋不該使用超幾何分佈的理由,例如:[1]

  1. 護理人員不可互換:所有受訪醫師都說,護理人員可以相互替換;但是護理人員覺得,他們無法取代彼此。由於各別的個性與行事風格迥異,他們對病患的影響也不同。[1]
  2. 醫療事故通報機率:既然每個護理人員都有自己的個性,他們判定某事件為醫療事故,並且通報醫師的機率也不一樣。[1]畢竟醫院的通報規定是一回事;符合標準與否,都由護理人員判斷。比方說,有個病患每次緊張,血壓就破表。那就讓他坐著冷靜會兒,再登記第二次測量的正常結果即可。不過,難免會有菜鳥護士量一次就嚇到通報,分明給病房添亂。
  3. 班次與季節事故率:夜間與週末只剩護理人員和少數待命的醫師;季節性的特定病例增減;以及病患的生理時鐘等,都會影響出事的機率。[1]
  4. 護理排班並不平均:護理人員的班次安排,理想上會有帶狀的規律。可能連續幾天都是白班,接著是幾個小夜班之類的,[1]比較方便調整作息。此外,護理人員的資歷和個性,通常也會被納入考量。[1]以免某個班次全是資深人員;但另個班次緊急事故發生時,卻只剩不會臨機應變的新手。在這樣的排班原則下,如果單看某個時期的班表,每個人所輪到的各類班次總數,應該不會完全相同。
  5. 出院政策曾經改變:茱莉安娜兒童醫院在案發期間,曾經針對確定救不活的小病患,是否該在家中或病房離世,做過政策上的調整。帳面上來說,算在病房裡的事故量絕對會有變化。[1]

總之,太多因素會影響護理排班,或是干擾醫療事故的通報率,因此不能過度簡化成抽取紅球那樣的隨機概念。更嚴重的是,Henk Elffers 在計算過程中,分開處理 3 個病房的機率,然後再相乘。Richard Gill 的團隊強調,這樣會造成在多處上班的護理人員,比只為一處服務者,看起來有較高的嫌疑。[1]

帕松分佈

因應這種情境,Richard Gill 教授建議採用帕松分佈(又譯「布阿松分配」;Poisson distribution),[1]一種描述特定時間內,事件發生率的統計模型。[8]有別於先前的計算方法,在這裡事故傾向(accident proneness),以及整體排班狀況等變因,都納入了考量。前者採計護理人員通報醫療事故的意願強度;後者則為輪班的總次數。這個模型通常是拿來推估非尖峰時段的來電、大城市的火災等,也適用於 Lucia de Berk 的案子。[1](深入瞭解公式計算(p. 4 – 6)。[1, 8]

雖然此模型的細節複雜,統計學家得大費周章解釋給法官聽,但是考慮的條件比較趨近真實。倘若套用原始判決的數據,這個計算最後的答案是 0.0206161,意即醫療事故本來就有 49 分之 1 的機率,會與 Lucia de Berk 的班次重疊。如果帶入 Mettade Noo-Derksen 和 Ton Derksen 校正過的數據,機率更高達 9 分之 1。[1, 9]換句話說,她單純是倒楣出現在那裡,就被當作連續殺人犯。[6]

其他證據與翻案

大相逕庭的計算結果,顯示出選擇正確統計模型的重要性。然而,最不合理的,是以機率作為判決的主要根據。就謀殺案件來說,怎能不忠於病歷或驗屍報告?Richard Gill 教授接受美國犯罪學講師 Jon Robins 的訪問時,表示後來由醫師和毒物學家組成的獨立團隊,被允許瀏覽當初沒送上法庭的關鍵資料。[2]他們發現原本被視為受害者的病患,根本都喪命於自然死因。[2, 6]

在各方人士的協助下,Lucia de Berk 還是歷經兩次上訴失敗。[6]她曾於 2008 年,被允許在家等候重審結果。[1]但直到 2010 年 4 月,司法才還她清白。[7]Ton Derksen 認為,在荷蘭像這樣誤判的案件,約佔總判決數的 4 至 11%,也就是每年 1,000 人左右。不過,2006 到 2016 年間被判刑的 2 萬 3 千人裡,只有 5 個上訴到最高法院,而且僅 Lucia de Berk 的案子得以平反。[10]

-----廣告,請繼續往下閱讀-----
Lucia de Berk 冤案改編電影的海報。圖/電影《Lucia de B.》(2014) on IMDB

  

參考資料

  1. Gill RD, Groeneboom P, de Jong P. (2018) ‘Elementary Statistics on Trial—The Case of Lucia de Berk’. Chance 31, 4, pp. 9-15.
  2. Robins J. (10 APR 2020) ‘Ben Geen: Statisticians back former nurse’s in last chance to clear name’. The Justice Gap.
  3. 超幾何分佈」國立高雄大學統計學研究所(Accessed on 03 FEB 2023)
  4. 李柏堅(06 FEB 2015)「超幾何分配CUSTCourses on YouTube.
  5. Sims J. (24 FEB 2022) ‘Are We in the Midst of a Data Illiteracy Epidemic?’. Inside Hook.
  6. Schneps L, Colmez C. (26 MAR 2013) ‘Justice Flunks Math’. The New York Times.
  7. Alexander R. (28 APR 2013) ‘Amanda Knox and bad maths in court’. BBC News.
  8. 李伯堅(04 FEB 2015)「布阿松分配」CUSTCourses on YouTube.
  9. Wilson D. (13 DEC 2022) ‘Red flag to be wary of when hunting a killer nurse’. The Herald, Scotland.
  10. One in nine criminals may have been wrongly convicted – research’. (21 NOV 2016) Dutch News.
胡中行_96
169 篇文章 ・ 65 位粉絲
曾任澳洲臨床試驗研究護理師,以及臺、澳劇場工作者。 西澳大學護理碩士、國立台北藝術大學戲劇學士(主修編劇)。邀稿請洽臉書「荒誕遊牧」,謝謝。