Κάθε χρόνο, οι παγκόσμιοι ειδικοί στον τομέα της υγείας αντιμετωπίζουν μια κρίσιμη απόφαση: Ποια στελέχη γρίπης θα πρέπει να συμπεριληφθούν στο εμβόλιο της επόμενης σεζόν; Αυτή η απόφαση πρέπει να ληφθεί μήνες νωρίτερα, πριν καν ξεκινήσει η σεζόν. Εάν επιλεγεί σωστά, το εμβόλιο θα είναι εξαιρετικά αποτελεσματικό. Αλλά εάν κάτι πάει στραβά, η προστασία θα μειωθεί σημαντικά, οδηγώντας σε μια πλημμύρα κρουσμάτων που μπορούν να προληφθούν και ασκώντας τεράστια πίεση στα συστήματα υγείας.

Η καθηγήτρια Regina Barzilay (αριστερά) και η μεταπτυχιακή φοιτήτρια Wenxian Shi. Φωτογραφία: MIT News

Αυτή η πρόκληση έχει γίνει ακόμη πιο οικεία κατά τη διάρκεια της πανδημίας Covid-19, όπου νέες παραλλαγές έχουν εμφανιστεί ακριβώς τη στιγμή που κυκλοφορούν εμβόλια. Η γρίπη συμπεριφέρεται παρόμοια - σαν ένα «θορυβώδες αδελφάκι», μεταλλάσσεται συνεχώς και απρόβλεπτα, αφήνοντας τον σχεδιασμό των εμβολίων ένα βήμα πίσω.

Για να μειώσουν την αβεβαιότητα, επιστήμονες στο Εργαστήριο Επιστήμης Υπολογιστών και Τεχνητής Νοημοσύνης (CSAIL) και στην Κλινική Μηχανικής Μάθησης στην Υγειονομική Περίθαλψη του MIT Abdul Latif Jameel δημιούργησαν ένα σύστημα Τεχνητής Νοημοσύνης που ονομάζεται VaxSeer. Το εργαλείο προβλέπει το κυρίαρχο μελλοντικό στέλεχος της γρίπης και εντοπίζει τα καλύτερα υποψήφια εμβόλια για προστασία μήνες πριν από ένα ξέσπασμα. Το VaxSeer εκπαιδεύτηκε σε δεδομένα δεκαετιών, συμπεριλαμβανομένων γενετικών αλληλουχιών ιών και αποτελεσμάτων εργαστηριακών εξετάσεων, για να προσομοιώσει τον τρόπο με τον οποίο ο ιός εξελίσσεται και ανταποκρίνεται στα εμβόλια.

Σε αντίθεση με τα παραδοσιακά εξελικτικά μοντέλα που αναλύουν μεμονωμένες μεταλλάξεις αμινοξέων, το VaxSeer χρησιμοποιεί ένα «μοντέλο πρωτεϊνικής γλώσσας» για να μάθει τη σχέση μεταξύ της κυριαρχίας και των συνδυασμένων επιδράσεων πολλαπλών μεταλλάξεων. «Προσομοιώνουμε τη δυναμική αλλαγή της κυριαρχίας, η οποία είναι πιο κατάλληλη για ταχέως εξελισσόμενους ιούς όπως η γρίπη», δήλωσε η Wenxian Shi, διδακτορική φοιτήτρια στο MIT και επικεφαλής συγγραφέας της μελέτης.

Πώς λειτουργεί το VaxSeer;

Αυτό το εργαλείο διαθέτει δύο κύριες μηχανές πρόβλεψης:

Κυριαρχία: Μια εκτίμηση της πιθανότητας εξάπλωσης ενός στελέχους γρίπης.
Αντιγονικότητα: Προβλέπει πόσο αποτελεσματικό είναι το εμβόλιο στην εξουδετέρωση αυτού του στελέχους.
Συνδυάζοντας τους δύο παράγοντες, το VaxSeer δημιουργεί μια «βαθμολογία προγνωστικής κάλυψης», η οποία δείχνει πόσο στενά ταιριάζει το εμβόλιο με μελλοντικά στελέχη του ιού. Όσο πιο κοντά στο μηδέν είναι αυτή η βαθμολογία, τόσο καλύτερη είναι η αντιστοίχιση.

Σε μια 10ετή αναδρομική μελέτη, η ομάδα του MIT συνέκρινε τις συστάσεις του VaxSeer με τις επιλογές του Παγκόσμιου Οργανισμού Υγείας (ΠΟΥ) για δύο κύριους υποτύπους γρίπης: A/H3N2 και A/H1N1.

Για τον ιό A/H3N2, η σύσταση του VaxSeer ξεπέρασε εκείνη του ΠΟΥ στις 9/10 περιόδους επιδημιών.
Για την A/H1N1, το σύστημα ήταν ίσο ή καλύτερο από τον ΠΟΥ σε 6/10 σεζόν.
Αξίζει να σημειωθεί ότι, κατά την περίοδο της γρίπης του 2016, η VaxSeer επέλεξε ένα στέλεχος που ο ΠΟΥ δεν θα συμπεριλάμβανε σε εμβόλιο μέχρι το επόμενο έτος.

Οι προβλέψεις του VaxSeer συσχετίζονται επίσης στενά με δεδομένα αποτελεσματικότητας εμβολίων σε πραγματικό κόσμο από το CDC (ΗΠΑ), το Δίκτυο Επιτήρησης Πρακτικής στον Καναδά και το πρόγραμμα I-MOVE στην Ευρώπη.

Αγώνας δρόμου με την εξέλιξη του ιού

Το VaxSeer εκτιμά τον ρυθμό εξάπλωσης κάθε στελέχους του ιού χρησιμοποιώντας ένα μοντέλο πρωτεϊνικής γλώσσας και, στη συνέχεια, υπολογίζει την κυριαρχία με βάση τον ανταγωνισμό μεταξύ των στελεχών. Στη συνέχεια, τα δεδομένα τροφοδοτούνται σε ένα μαθηματικό πλαίσιο που βασίζεται σε διαφορικές εξισώσεις για την προσομοίωση της εξάπλωσης.

Φωτογραφία άρθρου 78.jpg

Για την αντιγονικότητα, το VaxSeer προβλέπει την αποτελεσματικότητα του εμβολίου μέσω της δοκιμής αναστολής αιμοσυγκόλλησης (δοκιμή HI), ενός κοινού μέτρου αντιγονικότητας.

«Μοντελοποιώντας την εξέλιξη του ιού και τις αντιδράσεις στα εμβόλια, εργαλεία τεχνητής νοημοσύνης όπως το VaxSeer μπορούν να βοηθήσουν τους υγειονομικούς υπαλλήλους να λαμβάνουν ταχύτερες και καλύτερες αποφάσεις, παραμένοντας ένα βήμα μπροστά στον αγώνα μεταξύ μόλυνσης και ανοσίας», υποστήριξε ο Shi.

Η VaxSeer επικεντρώνεται επί του παρόντος στην πρωτεΐνη HA (αιμαγλουτινίνη), το κύριο αντιγόνο της γρίπης. Μελλοντικές εκδόσεις θα μπορούσαν να περιλαμβάνουν την πρωτεΐνη NA (νευραμινιδάση), το ανοσοποιητικό ιστορικό, τις διαδικασίες παρασκευής ή τη δοσολογία. Η ομάδα αναπτύσσει επίσης μια μέθοδο για την πρόβλεψη της εξέλιξης του ιού ελλείψει δεδομένων, με βάση τις σχέσεις μεταξύ των οικογενειών των ιών.

«Το VaxSeer είναι η προσπάθειά μας να συμβαδίσουμε με τον ταχύ ρυθμό εξέλιξης του ιού», δήλωσε η Regina Barzilay, διακεκριμένη καθηγήτρια Τεχνητής Νοημοσύνης και Ιατρικής του MIT και συν-συγγραφέας της μελέτης.

Ο Jon Stokes, επίκουρος καθηγητής στο Πανεπιστήμιο McMaster (Καναδάς), σχολίασε: «Το εκπληκτικό σημείο δεν είναι μόνο τα τρέχοντα αποτελέσματα, αλλά και η δυνατότητα επέκτασης σε άλλους τομείς: η πρόβλεψη της εξέλιξης των ανθεκτικών στα φάρμακα βακτηρίων ή των ανθεκτικών στις θεραπείες καρκίνων. Πρόκειται για μια εντελώς νέα προσέγγιση, που επιτρέπει τον σχεδιασμό ιατρικών λύσεων προτού η ασθένεια έχει την ευκαιρία να ξεπεράσει το φράγμα».

(Σύμφωνα με το ΜΙΤ)

Πηγή: https://vietnamnet.vn/mit-phat-trien-cong-cu-ai-du-doan-virus-cum-cuu-hang-trieu-ca-benh-2439275.html