Frühe Anzeichen und Krankheitsdynamik der Alkoholsucht

Eine Gruppe von e: Med-Forschern des SysMedAlcoholism-Konsortiums und ihre Kooperationspartner von der Universität von Tokio haben einen neuen computationalen Ansatz entwickelt der es erstmals ermöglicht  "Frühwarnsignale" für die Entwicklung von Krankheitszuständen zu detektieren.

 

Die Idee der sogenannten dynamischen Krankheitsentwicklung, die den Ausbruch der Krankheit als dynamischen Übergang des inneren Körperzustands betrachtet, sowie das Studium solcher Krankheitsdynamiken haben ein großes Potential zur Krankheitsvorhersage aber auch zur Vorhersage einer Spontanremission. Dieser theoretische Ansatz ist jedoch aufgrund des Mangels an geeigneten Daten und entsprechenden analytischen Techniken zur Erstellung solcher Vorhersagen noch nicht in die klinische Anwendung gelangt oder in klinische Anwendungen übersetzt worden.

Die Forschergruppe um Professor Rainer Spanagel am ZI in Mannheim nutzte ihr bewährtes Modell des Alkoholrückfalls, bei dem Ratten zunächst Alkohol frei konsumieren dürfen, gefolgt von Entzug und anschließendem erneutem Zugang zu Alkohol, um Rückfall- sowie übermäßiges Trinken zu induzieren, als ein Beispiel für den Beginn einer Alkoholsuchterkrankung.

Über einen Zeitraum von mehreren Monaten erwarben die Forscher kontinuierliche und hochauflösende Längsschnittdaten des Trinkverhaltens und der lokomotorischen Aktivität und analysierten die Daten unter Verwendung eines Multiskalen-Berechnungsansatzes. Sie fanden heraus, dass den Übergängen in ein süchtig machendes Trinkverhalten prädiktive "Frühwarnsignale" vorausgegangen sind, wie etwa instabile Trinkgewohnheiten und Instabilität des zirkadianen Bewegungszyklus und ein daraus resultierender Anstieg der niederfrequenten ultradianen Rhythmen (mehrstündige bis stündliche Tageszyklen).

Die aktuellen Erkenntnisse sind heute besonders relevant, da wir durch die rasante Entwicklung der tragbaren und mobilen biomedizinischen Sensortechnologie große Mengen solcher biomedizinisch aufwendiger Längsschnittdaten sammeln können. Der analytische computationale Ansatz, der in der vorliegenden Studie entwickelt wurde, hat das Potenzial, zu unserem Verständnis des Ausbruchs von Krankheiten bei Menschen beizutragen und Veränderungen in verschiedenen Krankheitsstadien vorherzusagen und kann durch den angemessenen Einsatz dieser Technologien zur Krankheitsprävention direkt in den klinischen Bereich übertragen werden.

"Wir glauben, dass unser neuer computationaler Ansatz eine Blaupause für biomedizinische und biophysikalische Wissenschaftler bietet, die Frühwarnzeichen und Krankheitsverläufe erkennen wollen", sagt Rainer Spanagel. Er fährt fort: "Unser neuer analytischer Ansatz für aufwendige Längsschnittdaten wird von großer Wichtigkeit für vielen e-Health-Anwendungen sein."

Für jede Korrespondenz kontaktieren Sie bitte rainer.spanagel@zi-mannheim.de

Artikel:
Jerome Clifford Foo, Hamid Reza Noori, Ikuhiro Yamaguchi, Valentina Vengeliene, Alejandro Cosa-Linan, Toru Nakamura, Kenji Morita, Rainer Spanagel, Yoshiharu Yamamoto , "Dynamical state transitions into addictive behavior and their early-warning signals ", Proc Biol Sci. 2017 pii: 20170882. doi: 10.1098/rspb.2017.0882

Dynamischer Zustandsübergang zur Alkoholsucht bei Ratten. Die Abbildung links zeigt den Zustandsübergang des biologischen Systems einer Ratte von einem stabilen Zustand vor dem Alkoholentzug (blau) über einen instabilen Zustand während des Einzugs (orange) bis hin zu einem Zustand übermäßigen rückfallartigen Trinkens nach der Wiedereinführung von Alkohol (rot). Die Grenzkreise rechts reflektieren die zirkadiane lokomotorische Aktivität zu Beginn (stabil), in der Nähe des Kipppunkts (instabil) und bei der Abhängigkeit (stabil).