MIT vyvinul umělou inteligenci pro přesnější vakcíny proti chřipce

Každý rok čelí odborníci na zdraví náročnému úkolu: Vybrat správné kmeny chřipkového viru pro sezónní vakcínu. Tento výběr musí proběhnout měsíce před začátkem chřipkové sezóny, což často připomíná závod s časem. Pokud se vybrané kmeny shodují s těmi, které skutečně kolují, vakcína je vysoce účinná. Ale pokud se predikce minou, ochrana klesá a zvyšuje se zátěž na zdravotní systémy. Tento problém se stal ještě viditelnější během pandemie Covid-19, kdy nové varianty viru objevovaly měsíce po nasazení vakcín. Chřipka se chová podobně – neustále mutuje a je nepředvídatelná, což ztěžuje design vakcín, které zůstanou ochranné.

Vědci z MIT Computer Science and Artificial Intelligence Laboratory (CSAIL) a MIT Abdul Latif Jameel Clinic for Machine Learning in Health se rozhodli tento nejistotu snížit. Vyvinuli systém umělé inteligence nazvaný VaxSeer, který předpovídá dominantní kmeny chřipky a identifikuje nejochranější kandidáty na vakcíny měsíce dopředu. Tento nástroj využívá modely hlubokého učení (deep learning) trénované na desetiletích sekvencí virů a výsledcích laboratorních testů, aby simuloval, jak se chřipkový virus může vyvíjet a jak na něj vakcíny zareagují.

Jak VaxSeer funguje?

Tradiční modely evoluce často analyzují vliv jednotlivých mutací aminokyselin samostatně. VaxSeer však přijímá velký proteinový jazykový model, aby se naučil vztahy mezi dominancí a kombinovanými efekty mutací. Na rozdíl od existujících proteinových jazykových modelů, které předpokládají statickou distribuci variant virů, VaxSeer modeluje dynamické posuny dominance, což ho činí vhodnějším pro rychle se vyvíjející viry jako chřipka. Podle Wenxian Shi, doktorandky na MIT v oboru elektrotechniky a informatiky a hlavní autorky studie, tento přístup umožňuje lepší přizpůsobení rychle se měnícím virům.

VaxSeer má dva hlavní predikční motory: Jeden odhaduje, jak pravděpodobně se každý kmen viru rozšíří (dominance), a druhý odhaduje, jak efektivně vakcína tento kmen zneškodní (antigenicity, neboli schopnost vyvolat imunitní odpověď). Společně vytvářejí predikovaný skóre pokrytí, které měří, jak dobře daná vakcína pravděpodobně vystačí proti budoucím virům. Skóre se pohybuje od nekonečného záporného čísla k nule – čím blíže k nule, tím lepší antigenická shoda vakcíny s kolujícími viry.

Model nejprve odhaduje rychlost šíření kmene pomocí proteinového jazykového modelu a pak určuje jeho dominanci s ohledem na konkurenci mezi různými kmeny. Tyto poznatky se zapojují do matematického rámce založeného na obyčejných diferenciálních rovnicích, které simulují šíření viru v čase. Pro antigenicity systém odhaduje, jak dobře vakcína funguje v běžném laboratorním testu nazvaném hemaglutinační inhibiční test (hemagglutination inhibition assay), který měří, jak efektivně protilátky brání viru v navázání na lidské červené krvinky.

Výsledky a srovnání s realitou

V desetileté retrospektivní studii vědci vyhodnotili doporučení VaxSeer oproti těm od Světové zdravotnické organizace (WHO) pro dva hlavní subtypy chřipky: A/H3N2 a A/H1N1. Pro A/H3N2 volby VaxSeer překonaly WHO v devíti z deseti sezón na základě retrospektivních empirických skóre pokrytí, které slouží jako náhradní metrika účinnosti vakcíny. Pro A/H1N1 překonal nebo se vyrovnal WHO v šesti z deseti sezón. V jednom případě, pro sezónu 2016, VaxSeer identifikoval kmen, který WHO vybrala až následující rok.

Predikce modelu také ukázaly silnou korelaci s reálnými odhady účinnosti vakcín, jak je hlásí CDC (Centers for Disease Control and Prevention), kanadská síť Sentinel Practitioner Surveillance Network a evropský program I-MOVE. Predikovaná skóre pokrytí VaxSeer se těsně shodovala s údaji o prevenci onemocnění souvisejících s chřipkou a návštěvách u lékařů díky očkování.

Podle Reginy Barzilay, profesorky na MIT School of Engineering a hlavní výzkumnice v CSAIL, VaxSeer pomáhá zdravotním úřadům činit lepší a rychlejší rozhodnutí, aby zůstali o krok napřed před infekcemi a imunitou. Studie byla publikována v časopise Nature Medicine a podporována mimo jiné americkou agenturou Defense Threat Reduction Agency.

Budoucnost VaxSeer

V současnosti se VaxSeer zaměřuje pouze na protein HA (hemaglutinin), hlavní antigen chřipky. Budoucí verze by mohly zahrnout další proteiny jako NA (neuraminidáza) a faktory jako imunitní historie populace, výrobní omezení nebo úrovně dávek. Aplikace systému na jiné viry by vyžadovala velké, kvalitní datové sady sledující evoluci virů a imunitní odpovědi, které nejsou vždy veřejně dostupné. Tým nyní pracuje na metodách pro predikci evoluce virů v režimech s nízkým množstvím dat, založených na vztazích mezi rodinami virů.

Podle Jon Stokese, asistenta na Department of Biochemistry and Biomedical Sciences na McMaster University v Hamiltonu, Ontario, je tato práce působivá a otevírá cestu k predikci evoluce i u jiných problémů, jako jsou antibioticky rezistentní bakterie nebo rakoviny odolné vůči lékům. VaxSeer je navržen jako screeningový nástroj pro priorizaci kandidátů na další laboratorní validaci, ne jako náhrada současného procesu WHO. Jeho predikce by mohly odhalit efektivnější kmeny, které dosud nebyly testovány, a přispět k vyšší účinnosti vakcín, což by mohlo snížit nemoci a zachránit životy.