Setiap tahun, para ahli kesehatan global menghadapi keputusan penting: Strain flu mana yang harus dimasukkan dalam vaksin musim berikutnya? Keputusan ini harus dibuat berbulan-bulan sebelumnya, bahkan sebelum musim flu dimulai. Jika pilihannya tepat, vaksin akan sangat efektif. Tetapi satu kesalahan langkah saja dapat secara signifikan mengurangi perlindungan, menyebabkan lonjakan kasus yang sebenarnya dapat dicegah dan memberikan tekanan yang sangat besar pada sistem perawatan kesehatan.

Profesor Regina Barzilay (kiri) dan mahasiswa pascasarjana Wenxian Shi. Foto: MIT News

Tantangan ini menjadi sangat familiar selama pandemi Covid-19, ketika varian baru terus bermunculan tepat saat vaksin sedang diluncurkan. Virus influenza berperilaku serupa – seperti "saudara kandung yang berisik," terus bermutasi dan tidak dapat diprediksi, sehingga desain vaksin selalu tertinggal satu langkah.

Untuk mengurangi ketidakpastian, para ilmuwan di Laboratorium Ilmu Komputer dan Kecerdasan Buatan (CSAIL) dan Klinik Pembelajaran Mesin di Bidang Kesehatan MIT Abdul Latif Jameel menciptakan sistem AI bernama VaxSeer. Alat ini memprediksi strain influenza dominan di masa depan dan mengidentifikasi kandidat vaksin yang paling protektif beberapa bulan sebelum wabah terjadi. VaxSeer dilatih menggunakan data selama beberapa dekade, termasuk sekuens gen virus dan hasil uji laboratorium, untuk mensimulasikan bagaimana virus berevolusi dan merespons vaksin.

Berbeda dengan model evolusi tradisional yang biasanya menganalisis mutasi asam amino individual, VaxSeer memanfaatkan "model bahasa protein" untuk mempelajari hubungan antara dominansi dan efek gabungan dari beberapa mutasi. "Kami memodelkan perubahan dinamis dalam dominansi, yang lebih relevan dengan virus yang berevolusi cepat seperti influenza," kata Wenxian Shi, seorang mahasiswa PhD di MIT dan penulis utama studi ini.

Bagaimana cara kerja VaxSeer?

Alat ini memiliki dua mesin prediksi utama:

Dominasi: Perkiraan kemungkinan suatu strain influenza akan menyebar.
Antigenisitas: Memprediksi efektivitas vaksin dalam menetralkan strain tertentu.
Dengan menggabungkan kedua faktor ini, VaxSeer menghasilkan "skor cakupan prediktif," yang menunjukkan tingkat kecocokan antara vaksin dan strain virus di masa mendatang. Semakin dekat skor ini ke 0, semakin tinggi kecocokannya.

Dalam studi retrospektif selama 10 tahun, tim MIT membandingkan rekomendasi VaxSeer dengan pilihan Organisasi Kesehatan Dunia (WHO) untuk dua subtipe influenza utama: A/H3N2 dan A/H1N1.

Dalam kasus A/H3N2, rekomendasi VaxSeer mengungguli rekomendasi WHO dalam 9 dari 10 wabah.
Dalam kasus A/H1N1, sistem ini setara atau lebih baik daripada sistem WHO dalam 6 dari 10 musim.
Yang perlu diperhatikan, selama musim flu 2016, VaxSeer mengidentifikasi strain yang tidak akan dimasukkan WHO ke dalam vaksinnya hingga tahun berikutnya.

Prediksi VaxSeer juga berkorelasi erat dengan data kemanjuran vaksin aktual dari CDC (AS), Practice Monitoring Network di Kanada, dan program I-MOVE di Eropa.

Berlomba melawan evolusi virus.

VaxSeer memperkirakan laju penyebaran setiap strain virus menggunakan model bahasa protein, kemudian menghitung dominasi berdasarkan persaingan antar strain. Selanjutnya, data tersebut dimasukkan ke dalam kerangka kerja matematika berdasarkan persamaan diferensial untuk mensimulasikan penyebaran.

Gambar untuk artikel 78.jpg

Untuk antigenisitas, VaxSeer memprediksi kemanjuran vaksin melalui uji penghambatan hemaglutinasi (uji HI), yang merupakan ukuran umum antigenisitas.

"Dengan memodelkan evolusi virus dan respons terhadap vaksin, alat AI seperti VaxSeer dapat membantu petugas kesehatan membuat keputusan yang lebih cepat dan lebih baik, selalu selangkah lebih maju dalam perlombaan antara infeksi dan kekebalan," tegas Shi.

Saat ini, VaxSeer hanya berfokus pada protein HA (hemagglutinin) – antigen utama influenza. Versi mendatang mungkin akan menambahkan protein NA (neuraminidase), faktor-faktor yang terkait dengan riwayat imun, proses manufaktur, atau dosis. Tim peneliti juga sedang mengembangkan metode untuk memprediksi evolusi virus dalam konteks kelangkaan data, berdasarkan hubungan antar famili virus.

Regina Barzilay, Profesor AI dan Kesehatan Terkemuka di MIT dan salah satu penulis studi tersebut, mengatakan: “VaxSeer adalah upaya kami untuk mengikuti perkembangan pesat virus.”

Jon Stokes, seorang asisten profesor di Universitas McMaster (Kanada), berkomentar: “Hal yang menakjubkan bukanlah hanya hasil saat ini, tetapi juga potensi untuk memperluasnya ke bidang lain: memprediksi evolusi bakteri resisten obat atau kanker resisten pengobatan. Ini adalah pendekatan yang sepenuhnya baru yang memungkinkan perancangan solusi medis sebelum penyakit memiliki kesempatan untuk muncul.”

(Menurut MIT)

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