Les chercheurs dévoilent un « jumeau d’alcool » numérique pour prédire les risques liés à la consommation d’alcool et guider des interventions personnalisées

Dans une étude récente publiée dans la revue npj Médecine Numériqueles chercheurs ont développé un modèle de jumeau numérique qui simule la consommation réelle d’alcool et la relie à des biomarqueurs cliniques à long terme, améliorant ainsi les stratégies de cybersanté visant à réduire les habitudes de consommation dangereuses.

Étude: Un jumeau numérique physiologique pour la consommation d’alcool, prédisant les réactions réelles à la consommation d’alcool et la PEth plasmatique à long terme. Crédit d’image : niksdope/Shutterstock.com

Approches pour réduire l’abus d’alcool

La consommation d’alcool représente environ 5 % des décès dans le monde et peut augmenter le risque de problèmes de santé importants comme les maladies du foie et les cancers. La consommation chronique et excessive d’alcool, deux habitudes fréquentes chez les jeunes adultes, peut causer à la fois des blessures immédiates et des problèmes de santé à long terme.

Les applications de cybersanté, notamment des outils tels que les calculateurs d’alcoolémie estimée (eBAC), se sont révélées prometteuses pour réduire la consommation excessive d’alcool. Cependant, des modèles comme l’équation de Widmark, qui estime les taux d’alcoolémie, ne parviennent pas à saisir les complexités des habitudes de consommation réelles, y compris les interactions avec différents types de boissons et d’aliments.

Ainsi, une mesure précise de la consommation d’alcool à l’aide de marqueurs comme le phosphatidyléthanol (PEth) est essentielle pour de meilleures interventions. Toutefois, des recherches supplémentaires sont nécessaires pour améliorer ces modèles prédictifs et les relier aux résultats en matière de santé.

À propos de l’étude

Dans la présente étude, le modèle de jumeau numérique utilise une série d’équations pour décrire les processus physiologiques impliqués dans la consommation d’alcool. Initialement, le modèle exploite des équations différentielles ordinaires (ODE), illustrant comment la variable d’état change en réponse aux taux de réaction et aux entrées.

Le modèle détaille de manière complexe la dynamique de la vidange gastrique en incorporant des variables telles que le volume de la boisson et le contenu calorique, qui affectent tous deux le volume et le taux de vidange de l’estomac. Cette dynamique est influencée par le contenu calorique des liquides et la présence d’aliments solides, avec des équations spécifiques modélisant la manière dont les calories provenant des aliments ralentissent la vidange gastrique.

Le modèle aborde également le métabolisme de l’éthanol, détaillant comment l’éthanol interagit avec les repas dans l’estomac. Plus précisément, l’éthanol est temporairement encapsulé dans les aliments, modifiant ainsi sa disponibilité pour l’absorption. Le modèle décrit cette interaction, ainsi que la libération et le métabolisme ultérieurs de l’éthanol par des voies enzymatiques dans le foie, telles que l’alcool déshydrogénase (ADH) et le cytochrome P450 2E1 (CYP2E1), qui produisent également des métabolites comme l’acétate et le PEth.

Les conditions initiales supposent que l’individu commence à jeun, sans éthanol résiduel. Les paramètres du modèle sont soigneusement définis et les valeurs optimales sont estimées à partir de données empiriques pour garantir leur exactitude et leur fiabilité.

un Bref aperçu du processus physiologique décrit par le modèle. L’éthanol pénètre dans l’organisme par l’estomac, où une petite quantité peut déjà pénétrer dans le plasma. Via la vidange de l’estomac, l’éthanol pénètre dans l’intestin. Ici, la majeure partie de l’éthanol est absorbée par absorption. La majeure partie de l’éthanol est métabolisée dans le foie et une petite quantité est excrétée par les voies rénales. Dans le foie, l’éthanol est converti en acétaldéhyde via trois voies oxydatives régies par les enzymes : les alcools déshydrogénases (ADH), la catalase et le cytochrome P450 2E1 (CYP2E1). L’acétaldéhyde est ensuite converti en acétate puis en acétyl-COA. Il existe également des voies non oxydantes, responsables d’une infime quantité de dégradation de l’éthanol, par exemple en phosphatidyléthanol (PEth). Ensuite, la concentration d’alcool dans le sang (BAC), ou la concentration d’alcool dans l’haleine (BrAC), est mesurée. Ces processus physiologiques peuvent être décrits à l’aide d’un modèle mathématique, un jumeau numérique physiologique. Le jumeau numérique peut être utilisé pour plusieurs cas d’utilisation, tels que l’éducation et la sensibilisation, l’auto-déclaration et le suivi de la consommation d’alcool, et comme outil pour prendre en charge la combinaison des rapports AUDIT et PEth. b Schéma de l’approche de modélisation. c Schéma montrant la structure du modèle.

Résultats de l’étude

Le modèle de jumeau numérique basé sur la physiologie a été rigoureusement formé et validé à l’aide d’un large éventail de données expérimentales publiées. Ce cadre de modèle s’aligne avec succès sur toutes les données de l’ensemble de données d’estimation en utilisant des paramètres cohérents. De plus, il prédit avec précision les résultats à partir de données de validation indépendantes, confirmées par χ²-tests sous un niveau de confiance de 0,05.

Ce nouveau modèle mécanistique excelle dans la représentation de la dynamique de la vidange gastrique dans différentes conditions expérimentales. Notamment, des études antérieures ont démontré que si le contenu calorique a un impact significatif sur les taux de vidange gastrique, ce n’est pas le cas du type de calories.

Le modèle capture ce phénomène en décrivant des taux de vidange cohérents pour différents types caloriques, mais des taux variés basés sur le contenu calorique total. Ce comportement de vidange gastrique, quelle que soit la densité calorique, est modélisé efficacement, offrant ainsi une compréhension détaillée des processus physiologiques impliqués.

Tout en explorant l’interaction entre les repas et la dynamique de l’éthanol plasmatique, le modèle a évalué quatre hypothèses concernant la façon dont les aliments affectent le métabolisme de l’éthanol. Parmi celles-ci, seule l’hypothèse selon laquelle les aliments encapsulent l’alcool et le libèrent au fur et à mesure de leur digestion pourrait correspondre de manière adéquate aux données empiriques. Cette observation reflète une compréhension approfondie des modifications induites par les repas dans l’absorption et le métabolisme de l’éthanol.

La portée du modèle s’étend à des scénarios détaillés de dynamique de l’éthanol dans le plasma suite à une consommation d’alcool avec ou sans nourriture. De plus, il reflète avec précision l’impact des différentes boissons alcoolisées sur l’alcoolémie en capturant les variations des niveaux d’éthanol introduites par la présence d’aliments. Cela inclut les données d’études montrant comment les repas peuvent moduler le pic et la progression de l’alcoolémie.

Le modèle décrit également les voies métaboliques de l’éthanol, y compris les processus oxydatifs et non oxydatifs. Ces résultats étaient similaires aux données expérimentales précédentes sur l’acétate plasmatique et le PEth, qui sont tous deux des marqueurs importants pour étudier les effets de la consommation d’alcool.

Cette capacité prédictive s’étend aux scénarios personnalisés dans lesquels le modèle prend en compte les données anthropométriques individuelles pour prévoir les effets de différentes habitudes de consommation d’alcool sur les niveaux d’alcoolémie et de PEth. En faisant varier des paramètres tels que l’indice de masse corporelle (IMC), le modèle offre des informations personnalisées sur la façon dont les habitudes de consommation d’alcool spécifiques affectent différemment les individus, améliorant ainsi son application dans les stratégies de médecine personnalisée et de santé publique.

Conclusions

Le modèle développé dans la présente étude reflète des simulations avancées dans la recherche sur l’alcool et sert d’outil essentiel pour les développements futurs des applications de cybersanté visant à gérer et à comprendre la consommation d’alcool. Sa capacité à intégrer des interactions biologiques complexes dans un cadre cohérent en fait une ressource précieuse pour les cliniciens et les chercheurs intéressés à réduire les méfaits liés à l’alcool grâce à des interventions ciblées et des approches personnalisées.