Sztuczna inteligencja w służbie zdrowia: MIT opracowuje narzędzie AI do optymalizacji szczepionek przeciw grypie

Sezonowe szczepionki przeciw grypie to od lat wyzwanie dla ekspertów zdrowia publicznego. Coroczna decyzja o doborze odpowiednich szczepów wirusa, które mają wejść w skład szczepionki, musi być podejmowana z dużym wyprzedzeniem, na długo przed rozpoczęciem sezonu grypowego. Od trafności tej decyzji zależy skuteczność szczepionki i ochrona populacji przed zachorowaniami.

W odpowiedzi na tę potrzebę, naukowcy z Laboratorium Informatyki i Sztucznej Inteligencji (CSAIL) MIT opracowali innowacyjne narzędzie oparte na sztucznej inteligencji – VaxSeer. System ten ma na celu przewidywanie dominujących szczepów grypy i identyfikację najbardziej obiecujących kandydatów na szczepionki, znacznie wcześniej niż jest to możliwe przy użyciu tradycyjnych metod.

Jak działa VaxSeer?

VaxSeer wykorzystuje zaawansowane modele głębokiego uczenia, które zostały wytrenowane na danych obejmujących dekady sekwencji wirusowych i wyników testów laboratoryjnych. Dzięki temu system jest w stanie symulować ewolucję wirusa grypy oraz przewidywać reakcję na różne szczepionki.

„VaxSeer przyjmuje duży model języka białek, aby nauczyć się relacji między dominacją a kombinatorycznymi efektami mutacji” – wyjaśnia Wenxian Shi z MIT, główny autor publikacji na temat VaxSeer. W odróżnieniu od istniejących modeli języka białek, które zakładają statyczny rozkład wariantów wirusowych, VaxSeer modeluje dynamiczne przesunięcia dominacji, co czyni go lepiej przystosowanym do szybko ewoluujących wirusów, takich jak grypa.

Przewaga nad tradycyjnymi metodami

W ramach retrospektywnego badania na przestrzeni 10 lat, naukowcy porównali rekomendacje VaxSeer z wyborami dokonanymi przez Światową Organizację Zdrowia (WHO) dla dwóch głównych podtypów grypy: A/H3N2 i A/H1N1. Wyniki pokazały, że w przypadku A/H3N2, VaxSeer przewyższył WHO w dziewięciu z dziesięciu sezonów. Dla A/H1N1, system dorównywał lub przewyższał WHO w sześciu z dziesięciu sezonów.

Co więcej, prognozy VaxSeer wykazały silną korelację z rzeczywistą skutecznością szczepionek, co potwierdzają dane z agencji zdrowia publicznego, takich jak CDC w Stanach Zjednoczonych, Kanadyjski System Nadzoru Lekarskiego Sentinel oraz europejski program I-MOVE. Okazało się, że przewidywane przez VaxSeer wskaźniki pokrycia szczepionkowego ściśle odpowiadają danym o zachorowaniach na grypę i wizytach lekarskich, którym zapobiegła szczepionka.

Przyszłość szczepień przeciw grypie

VaxSeer posiada dwa kluczowe moduły: jeden szacuje prawdopodobieństwo rozprzestrzeniania się każdego szczepu wirusa (dominacja), a drugi ocenia, jak skutecznie szczepionka zneutralizuje dany szczep (antygenowość). Połączenie tych dwóch elementów daje prognozowany wynik zasięgu szczepionki, który wskazuje na jej przyszłą skuteczność przeciwko nowym wirusom.

Obecnie VaxSeer koncentruje się na białku HA wirusa grypy, ale przyszłe wersje mogą uwzględniać inne białka i czynniki, takie jak historia odporności, ograniczenia produkcyjne czy dawkowanie. Zastosowanie systemu do innych wirusów wymagałoby dużych zbiorów danych śledzących zarówno ewolucję wirusa, jak i odpowiedzi immunologiczne.

„Biorąc pod uwagę tempo ewolucji wirusów, obecne metody opracowywania leków często pozostają w tyle. VaxSeer jest naszą próbą nadrobienia zaległości” – podsumowuje Regina Barzilay z MIT. Prace nad systemem trwają, a naukowcy skupiają się na rozwijaniu metod przewidywania ewolucji wirusów w warunkach ograniczonej ilości danych.

Jon Stokes z McMaster University podkreśla, że implikacje tego rozwiązania wykraczają daleko poza grypę. Wyobraźmy sobie, że bylibyśmy w stanie przewidzieć, jak ewoluują bakterie oporne na antybiotyki lub nowotwory oporne na leki. Tego rodzaju modelowanie predykcyjne otwiera zupełnie nowe możliwości myślenia o tym, jak zmieniają się choroby, dając nam szansę na zaprojektowanie interwencji klinicznych, zanim ucieczka stanie się poważnym problemem.