在医疗与法医学领域，准确判定饮酒的时间与剂量至关重要，但受限于污名化及法律后果，当事人自述数据往往不可靠。传统的血液酒精浓度（BAC）和呼气酒精浓度（BrAC）虽为常用指标，但其代谢速度快，难以用于还原复杂的饮酒场景，特别是在反驳“事后饮酒”（即“酒壶辩护”）等法律抗辩时显得力不从心。相比之下，葡萄糖醛酸乙酯（EtG）、乙酯（EtS）及尿液酒精浓度（UAC）等代谢物具有更慢的动力学特征，能提供互补的时间信息，但现有方法未能充分挖掘这些数据的联合价值。
针对这一痛点，瑞典科研团队在《科学报告》发表了一项突破性研究，提出了一种统一的生理数字孪生框架。该模型在单一机制内整合了BAC、BrAC、EtG、EtS和UAC，能够同时捕捉快速与慢速代谢物的动态变化。通过这种整合，模型实现了对个人饮酒及代谢过程的个性化模拟，显著提升了过往饮酒事件的重构精度，为需要高时间分辨率的法医学评估提供了强有力的工具。
该研究构建的机制模型不仅增加了肝脏中EtG和EtS的代谢相互作用及膀胱排泄动力学，还引入了组织室和总体水（TBW）计算，以更精确地描述酒精分布。此外，模型还纳入了利尿效应及进食对酶活性的调节机制。研究团队利用来自10项研究的实验数据对模型进行了训练和验证，包括双次饮酒场景及独立数据集。统计结果显示，模型在模拟不同饮酒配置（如啤酒、威士忌、伏特加、葡萄酒）及不同剂量下的BAC、UAC、EtG和EtS动态时，与实验数据高度吻合。
在个性化预测方面，模型成功应用于两名不同体型个体的数据预测，无论是男性还是女性，其模拟轨迹均与实测数据高度一致。更关键的是，该模型展示了区分相似饮酒挑战的能力。在模拟场景中，仅凭BAC曲线可能难以区分单次大量饮酒与分次饮酒，但结合EtG和EtS等多指标的综合分析，模型能够识别出不同的代谢轨迹，从而为法医学中判断“事后饮酒”等复杂辩护提供科学依据。
尽管模型在部分低剂量啤酒场景下的EtS合成预测上存在偏差，且尚未完全纳入基因和酶表达等个体差异因素，但其作为决策支持工具的潜力已得到证实。对于中国从业者而言，随着司法鉴定对证据链精确度要求的提升，此类融合多源生物标志物的数字化建模技术，或将成为未来处理酒驾、毒驾等案件时，还原事实真相、提升司法公正性的关键参考方向。
