매년 전 세계 보건 전문가들은 중요한 결정을 내려야 합니다. 다음 시즌 백신에 어떤 독감 바이러스 균주를 포함시킬 것인가 하는 문제입니다. 이 결정은 독감 시즌이 시작되기 몇 달 전부터 내려져야 합니다. 올바른 선택을 한다면 백신의 효과는 매우 높을 것입니다. 하지만 단 한 번의 실수로도 예방 효과가 크게 떨어져, 예방 가능한 감염 사례가 급증하고 의료 시스템에 막대한 부담을 줄 수 있습니다.

레지나 바르질레이 교수(왼쪽)와 대학원생 웬시안 시. 사진: MIT 뉴스

이러한 어려움은 코로나19 팬데믹 기간 동안 백신 접종이 시작되는 시점에 새로운 변종이 끊임없이 나타나면서 더욱 익숙해졌습니다. 인플루엔자 바이러스도 이와 유사하게 "시끄러운 형제"처럼 끊임없이 변이하고 예측 불가능하게 행동하여 백신 개발이 항상 한 발 뒤처지게 만듭니다.

불확실성을 줄이기 위해 컴퓨터 과학 및 인공지능 연구소(CSAIL)와 MIT 압둘 라티프 자밀 의료 머신러닝 클리닉의 과학자들은 VaxSeer라는 AI 시스템을 개발했습니다. 이 도구는 미래에 유행할 인플루엔자 바이러스 변종을 예측하고 발병 몇 달 전에 가장 효과적인 백신 후보를 식별합니다. VaxSeer는 바이러스 유전자 서열 및 실험실 검사 결과를 포함한 수십 년간의 데이터를 기반으로 바이러스의 진화 및 백신 반응을 시뮬레이션하도록 훈련되었습니다.

기존의 진화 모델이 일반적으로 개별 아미노산 돌연변이를 분석하는 것과 달리, VaxSeer는 "단백질 언어 모델"을 활용하여 우세성과 여러 돌연변이의 복합적인 영향 사이의 관계를 학습합니다. MIT 박사 과정 학생이자 이번 연구의 주저자인 웬시안 시는 "우리는 우세성의 동적 변화를 모델링하는데, 이는 인플루엔자와 같이 빠르게 진화하는 바이러스에 더욱 적합합니다."라고 말했습니다.

VaxSeer는 어떻게 작동하나요?

이 도구에는 두 가지 주요 예측 엔진이 있습니다.

지배력: 특정 인플루엔자 바이러스 변종이 확산될 가능성을 추정한 값.
항원성: 특정 균주를 중화하는 백신의 효과를 예측하는 지표입니다.
VaxSeer는 이 두 가지 요소를 결합하여 백신과 향후 바이러스 변종 간의 일치 정도를 보여주는 "예측 커버리지 점수"를 생성합니다. 이 점수가 0에 가까울수록 일치도가 높습니다.

MIT 연구팀은 10년간의 회고적 연구에서 VaxSeer의 권장 사항과 세계 보건기구(WHO)의 주요 인플루엔자 아형 두 가지(A/H3N2 및 A/H1N1)에 대한 권장 사항을 비교했습니다.

A/H3N2의 경우, VaxSeer의 권장 사항은 10건의 발병 사례 중 9건에서 WHO의 권장 사항보다 우수한 결과를 보였습니다.
A/H1N1의 경우, 이 시스템은 10개 시즌 중 6개 시즌에서 WHO의 기준과 같거나 더 우수합니다.
특히, 2016년 독감 시즌 동안 VaxSeer는 WHO가 다음 해가 되어서야 백신에 포함시킨 바이러스 변종을 발견했습니다.

VaxSeer의 예측은 미국 질병통제예방센터(CDC), 캐나다의 진료 모니터링 네트워크, 유럽의 I-MOVE 프로그램에서 제공하는 실제 백신 효능 데이터와도 밀접한 상관관계를 보입니다.

바이러스의 진화와 싸움.

VaxSeer는 단백질 언어 모델을 사용하여 각 바이러스 변종의 확산 속도를 추정하고, 변종 간 경쟁을 기반으로 우위를 계산합니다. 그런 다음, 이 데이터를 미분 방정식 기반의 수학적 프레임워크에 입력하여 확산을 시뮬레이션합니다.

78번 기사 이미지.jpg

항원성을 평가할 때, VaxSeer는 일반적인 항원성 측정 방법인 혈구응집 억제 검사(HI 검사)를 통해 백신 효능을 예측합니다.

"VaxSeer와 같은 AI 도구는 바이러스의 진화와 백신 반응을 모델링함으로써 보건 당국이 더 빠르고 더 나은 결정을 내릴 수 있도록 지원하며, 감염과 면역 사이의 경쟁에서 항상 한 발 앞서 나갈 수 있도록 돕습니다."라고 Shi는 주장했습니다.

현재 VaxSeer는 인플루엔자의 주요 항원인 HA(헤마글루티닌) 단백질에만 초점을 맞추고 있습니다. 향후 버전에서는 NA(뉴라미니다제) 단백질, 면역 이력, 제조 공정 또는 복용량과 관련된 요인들이 추가될 수 있습니다. 연구팀은 또한 바이러스 계통 간의 관계를 기반으로 데이터 부족 상황에서 바이러스 진화를 예측하는 방법을 개발하고 있습니다.

MIT 인공지능 및 보건 분야 석좌교수이자 이번 연구의 공동 저자인 레지나 바르질레이는 “VaxSeer는 바이러스의 빠른 진화에 발맞추기 위한 우리의 노력입니다.”라고 말했습니다.

캐나다 맥마스터 대학교의 조교수인 존 스토크스는 다음과 같이 논평했습니다. "놀라운 점은 현재의 결과뿐만 아니라 다른 분야로 확장될 수 있는 잠재력입니다. 예를 들어 약물 내성 박테리아나 치료 저항성 암의 진화를 예측할 수 있습니다. 이는 질병이 발병하기 전에 의료 솔루션을 설계할 수 있도록 하는 완전히 새로운 접근 방식입니다."

(MIT에 따르면)

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