בכל שנה, מומחי בריאות עולמיים ניצבים בפני החלטה מכרעת: אילו זני שפעת יש לכלול בחיסון של העונה הבאה? החלטה זו חייבת להתקבל חודשים מראש, עוד לפני תחילת עונת השפעת. אם הבחירה נכונה, החיסון יהיה יעיל ביותר. אך טעות אחת יכולה להפחית משמעותית את ההגנה, להוביל לעלייה במקרים שניתן היה למנוע ולהטיל עומס עצום על מערכות הבריאות.

פרופסור רגינה ברזילי (משמאל) וסטודנטית לתואר שני וונשיאן שי. צילום: MIT News

אתגר זה הפך מוכר מדי במהלך מגפת הקורונה, כאשר וריאנטים חדשים צצו ללא הרף בדיוק עם פריסת החיסונים. נגיפי שפעת מתנהגים באופן דומה - כמו "אח רועש", משתנה ללא הרף ובלתי צפוי, ומשאירים את עיצוב החיסונים תמיד צעד אחד מאחור.

כדי להפחית את אי הוודאות, מדענים במעבדה למדעי המחשב ובינה מלאכותית (CSAIL) ובמרפאת עבדול לטיף ג'מיל ללמידת מכונה בתחום הבריאות ב-MIT יצרו מערכת בינה מלאכותית בשם VaxSeer. כלי זה חוזה זני שפעת דומיננטיים עתידיים ומזהה את החיסונים בעלי ההגנה הטובה ביותר חודשים לפני התפרצות. VaxSeer מאומן על סמך עשרות שנים של נתונים, כולל רצפי גנים ויראליים ותוצאות בדיקות מעבדה, כדי לדמות כיצד הנגיף מתפתח ומגיב לחיסונים.

בניגוד למודלים אבולוציוניים מסורתיים שבדרך כלל מנתחים מוטציות של חומצות אמינו בודדות, VaxSeer ממנף "מודל שפת חלבונים" כדי ללמוד את הקשר בין דומיננטיות לבין ההשפעות המשולבות של מוטציות מרובות. "אנו ממדלים שינויים דינמיים בדומיננטיות, דבר הרלוונטי יותר לווירוסים המתפתחים במהירות כמו שפעת", אמר וונשיאן שי, דוקטורנט ב-MIT והמחבר הראשי של המחקר.

איך VaxSeer עובד?

לכלי זה שני מנועי חיזוי עיקריים:

דומיננטיות: הערכה של הסבירות שזן של שפעת יתפשט.
אנטיגניות: מנבאת את יעילותו של חיסון בנטרול זן מסוים.
על ידי שילוב שני גורמים אלה, VaxSeer מייצר "ציון כיסוי ניבוי", המציג את מידת ההתאמה בין החיסון לזני וירוסים עתידיים. ככל שציון זה קרוב יותר ל-0, כך ההתאמה גבוהה יותר.

במחקר רטרוספקטיבי בן 10 שנים, צוות MIT השווה את המלצות VaxSeer לבחירות ארגון הבריאות העולמי (WHO) עבור שני תת-סוגים עיקריים של שפעת: A/H3N2 ו-A/H1N1.

עם נגיף A/H3N2, המלצות VaxSeer עלו על אלו של ארגון הבריאות העולמי ב-9 מתוך 10 התפרצויות.
עם A/H1N1, מערכת זו שווה או טובה יותר מ-WHO ב-6 מתוך 10 עונות.
ראוי לציין כי במהלך עונת השפעת של 2016, VaxSeer זיהה זן שארגון הבריאות העולמי לא יכלול בחיסון שלו עד השנה שלאחר מכן.

תחזיות VaxSeer מתואמות קשר הדוק גם עם נתוני יעילות חיסונים בפועל מה-CDC (ארה"ב), רשת ניטור התכשירים בקנדה ותוכנית I-MOVE באירופה.

מרוץ נגד התפתחות הווירוסים.

VaxSeer מעריך את קצב ההתפשטות של כל זן וירוס באמצעות מודל שפת חלבונים, ולאחר מכן מחשב דומיננטיות על סמך תחרות בין זנים. לאחר מכן, הנתונים מוזנים למסגרת מתמטית המבוססת על משוואות דיפרנציאליות כדי לדמות התפשטות.

תמונה עבור מאמר 78.jpg

עבור אנטיגניות, VaxSeer מנבא את יעילות החיסון באמצעות עיכוב ההמגלוטינציה (מבחן HI), מדד נפוץ לאנטיגניות.

"על ידי מידול התפתחות הנגיף ותגובת החיסון, כלי בינה מלאכותית כמו VaxSeer יכולים לעזור לפקידי בריאות לקבל החלטות מהירות וטובות יותר, תוך שהם תמיד צעד אחד קדימה במרוץ בין הדבקה לחסינות", טען שי.

נכון לעכשיו, VaxSeer מתמקד רק בחלבון HA (hemagglutinin) - האנטיגן העיקרי של שפעת. גרסאות עתידיות עשויות להוסיף את חלבון NA (neuraminidase), גורמים הקשורים להיסטוריה חיסונית, תהליך ייצור או מינון. צוות המחקר מפתח גם שיטה לחיזוי התפתחות נגיפית בהקשר של מחסור בנתונים, המבוססת על קשרים בין משפחות נגיפיות.

רגינה ברזילי, פרופסור מצטיינת לבינה מלאכותית ובריאות ב-MIT ושותפה לכתיבת המחקר, אמרה: "VaxSeer הוא המאמץ שלנו לעמוד בקצב האבולוציה המהירה של וירוסים."

ג'ון סטוקס, פרופסור משנה באוניברסיטת מקמאסטר (קנדה), העיר: "הדבר המדהים הוא לא רק התוצאות הנוכחיות, אלא הפוטנציאל להתרחב לתחומים אחרים: ניבוי התפתחותם של חיידקים עמידים לתרופות או סרטן עמיד לטיפול. זוהי גישה חדשה לחלוטין המאפשרת תכנון פתרונות רפואיים לפני שלמחלות יש הזדמנות לפרוץ."

(על פי MIT)

מקור: https://vietnamnet.vn/mit-phat-develop-ai-tool-predicting-flu-virus-millions-of-cases-2439275.html