Forensische Altersdiagnostik, Abusive Head Trauma/Shaken Baby Syndrome
Shaken Baby Syndrom:
Misshandlungsbedingte Kopfverletzungen bei Säuglingen und Kleinkindern werden unter dem Überbegriff des Abusive Head Trauma (AHT) zusammengefasst. Das Schütteltrauma-Syndrom (engl. Shaken Baby Syndrome, SBS) stellt die häufigste Variante des AHT dar. Verletzungen des Gehirns sind dabei von wesentlicher prognostischer Bedeutung. Unsere Arbeitsgruppe untersucht daher vordergründig die Entstehung und Entwicklung von SDCs und anderer subdural lokalisierter Indikatoren des Verletzungsalters bei Säuglingen und Kleinkindern mittels neuroradiologischer Analysemethoden und unter Berücksichtigung umfassender Ermittlungs- und Gerichtsakten. Dabei werden auch die Möglichkeiten der Unterstützung durch künstliche Intelligenz ausgelotet. Befunde an verstorbenen und lebenden Kinder stehen dabei gleichermaßen im wissenschaftlichen Interesse.
Zum anderen zielen unsere Forschungsbemühungen auf ein besseres Verständnis der verschiedenen weiteren mit AHT/SBS einhergehenden Verletzungen und deren – zum Teil auch vor Gericht vorgebrachten – Differenzialdiagnosen. Im Rahmen zahlreicher flankierender Untersuchungen werden dabei unter anderem skelettradiologische, laborchemische oder auch kriminalsoziologische Themen beleuchtet. Interdisziplinäre und multizentrische Kooperationen sind daher in diesem Forschungsfeld unverzichtbar.
Forensiche Alterdiagnostik:
Verschiedene radiologische Modalitäten bilden die bildtechnische Grundlage für die klassische morphologiebasierte Forensische Altersdiagnostik bei lebenden Personen. Röntgenaufnahmen von Zähnen und Handskelett stehen dabei während der Routinebegutachtung ebenso im Fokus wie CT-Aufnahmen der Schlüsselbeine (vgl. hierzu auch unser Dienstleistungsangebot zur Forensischen Altersdiagnostik).
Für die altersdiagnostische Praxis sind in der Zukunft auch strahlenfreie Methoden von besonderem Interesse, weshalb hier ein Fokus unserer Forschungsarbeit liegt. Zusätzlich möchten wir die Datenbasis etablierter Methoden und Klassifikationssysteme erweitern, den Nutzen neuer Modelle und Entwicklungssysteme evaluieren und die Einsatzmöglichkeiten von Künstlicher Intelligenz erforschen.