Setiap tahun, para ahli kesehatan global menghadapi keputusan hidup-mati: Strain flu mana yang harus dimasukkan dalam vaksin musim depan? Keputusan ini harus dibuat beberapa bulan sebelumnya, bahkan sebelum musim dimulai. Jika dipilih dengan benar, vaksin akan sangat efektif. Namun, jika salah, perlindungan akan berkurang secara signifikan, yang menyebabkan lonjakan kasus yang sebenarnya dapat dicegah dan memberikan tekanan yang sangat besar pada sistem kesehatan.

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

Tantangan ini semakin terasa selama pandemi Covid-19, di mana varian-varian baru bermunculan tepat ketika vaksin sedang diluncurkan. Influenza berperilaku serupa – seperti "saudara yang berisik", bermutasi secara konstan dan tak terduga, membuat desain vaksin selangkah lebih lambat.

Untuk mengurangi ketidakpastian, para ilmuwan di Laboratorium Ilmu Komputer dan Kecerdasan Buatan (CSAIL) dan Klinik Abdul Latif Jameel MIT untuk Pembelajaran Mesin dalam Layanan Kesehatan menciptakan sistem AI bernama VaxSeer. Alat ini memprediksi strain flu dominan di masa mendatang dan mengidentifikasi kandidat vaksin terbaik untuk melindungi beberapa bulan sebelum wabah. VaxSeer dilatih berdasarkan data puluhan tahun, termasuk sekuens genetik virus dan hasil uji laboratorium, untuk mensimulasikan bagaimana virus berevolusi dan merespons vaksin.

Berbeda dengan model evolusi tradisional yang menganalisis mutasi asam amino individual, VaxSeer menggunakan "model bahasa protein" untuk mempelajari hubungan antara dominasi dan efek gabungan dari beberapa mutasi. "Kami mensimulasikan perubahan dinamis dominasi, yang lebih sesuai untuk virus yang berevolusi cepat seperti influenza," ujar Wenxian Shi, mahasiswa PhD di MIT dan penulis utama studi ini.

Bagaimana cara kerja VaxSeer?

Alat ini memiliki dua mesin prediksi utama:

Dominansi: Perkiraan kemungkinan penyebaran suatu jenis influenza.
Antigenisitas: Memprediksi seberapa efektif vaksin dalam menetralkan strain tersebut.
Dengan menggabungkan kedua faktor tersebut, VaxSeer menghasilkan "skor cakupan prediktif", yang menunjukkan seberapa dekat kecocokan vaksin dengan galur virus di masa mendatang. Semakin dekat skor ini dengan nol, semakin baik kecocokannya.

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

Untuk A/H3N2, rekomendasi VaxSeer mengungguli WHO dalam 9/10 musim epidemi.
Untuk A/H1N1, sistemnya sama atau lebih baik daripada WHO dalam 6/10 musim.
Khususnya, pada musim flu 2016, VaxSeer menemukan jenis virus yang tidak akan dimasukkan WHO dalam vaksin hingga tahun berikutnya.

Prediksi VaxSeer juga berkorelasi erat dengan data kemanjuran vaksin dunia nyata dari CDC (AS), Jaringan Pengawasan Praktik di Kanada, dan program I-MOVE di Eropa.

Berpacu dengan evolusi virus

VaxSeer memperkirakan laju penyebaran setiap galur virus menggunakan model bahasa protein, lalu menghitung dominasi berdasarkan kompetisi antar galur. Selanjutnya, data tersebut dimasukkan ke dalam kerangka matematika berdasarkan persamaan diferensial untuk mensimulasikan penyebarannya.

Foto artikel 78.jpg

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

“Dengan memodelkan evolusi virus dan respons vaksin, perangkat AI seperti VaxSeer dapat membantu petugas kesehatan membuat keputusan yang lebih cepat dan lebih baik, sehingga tetap selangkah lebih maju dalam persaingan antara infeksi dan kekebalan,” tegas Shi.

VaxSeer saat ini berfokus pada protein HA (hemaglutinin), antigen influenza utama. Versi mendatang dapat mencakup protein NA (neuraminidase), riwayat imun, proses manufaktur, atau dosis. Tim juga sedang mengembangkan metode untuk memprediksi evolusi virus tanpa data, berdasarkan hubungan antarfamili virus.

"VaxSeer adalah upaya kami untuk mengimbangi laju evolusi virus yang pesat," ujar Regina Barzilay, Profesor Kecerdasan Buatan dan Kedokteran di MIT sekaligus salah satu penulis studi tersebut.

Jon Stokes, asisten profesor di McMaster University (Kanada), berkomentar: "Hal yang menakjubkan bukan hanya hasil saat ini, tetapi juga potensi untuk diperluas ke area lain: memprediksi evolusi bakteri yang resistan terhadap obat atau kanker yang resistan terhadap pengobatan. Ini adalah pendekatan yang benar-benar baru, yang memungkinkan solusi medis dirancang sebelum penyakit sempat mengatasi hambatannya."

(Menurut MIT)

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