MIT membangunkan alat AI untuk meramalkan virus selesema, menyelamatkan berjuta-juta kes

Setiap tahun, pakar kesihatan global menghadapi keputusan hidup atau mati: Jenis selesema manakah yang harus dimasukkan ke dalam vaksin musim depan? Keputusan ini mesti dibuat beberapa bulan lebih awal, sebelum musim bermula. Jika dipilih dengan betul, vaksin akan sangat berkesan. Tetapi jika ia salah, perlindungan akan dikurangkan dengan ketara, membawa kepada banjir kes yang boleh dicegah dan memberi tekanan yang besar kepada sistem kesihatan.

Profesor Regina Barzilay (kiri) dan pelajar siswazah Wenxian Shi. Foto: MIT News

Cabaran ini telah menjadi lebih biasa semasa pandemik Covid-19, di mana varian baharu telah muncul ketika vaksin sedang dilancarkan. Influenza berkelakuan serupa - seperti "adik beradik yang bising," sentiasa dan tidak dapat diramalkan bermutasi, meninggalkan reka bentuk vaksin selangkah di belakang.

Untuk mengurangkan ketidakpastian, saintis di Makmal Sains Komputer dan Kepintaran Buatan (CSAIL) dan Klinik MIT Abdul Latif Jameel untuk Pembelajaran Mesin dalam Penjagaan Kesihatan mencipta sistem AI yang dipanggil VaxSeer. Alat ini meramalkan ketegangan selesema masa depan yang dominan dan mengenal pasti calon vaksin terbaik untuk melindungi beberapa bulan sebelum wabak. VaxSeer telah dilatih mengenai data berdekad-dekad termasuk urutan genetik virus dan keputusan ujian makmal untuk mensimulasikan cara virus berkembang dan bertindak balas terhadap vaksin.

Tidak seperti model evolusi tradisional yang menganalisis mutasi asid amino individu, VaxSeer menggunakan "model bahasa protein" untuk mempelajari hubungan antara dominasi dan kesan gabungan pelbagai mutasi. "Kami mensimulasikan perubahan dinamik penguasaan, yang lebih sesuai untuk virus yang berkembang pesat seperti influenza," kata Wenxian Shi, pelajar PhD di MIT dan pengarang utama kajian itu.

Bagaimanakah VaxSeer berfungsi?

Alat ini mempunyai dua enjin ramalan utama:

Penguasaan: Anggaran kemungkinan bahawa jenis influenza akan merebak.
Antigenisiti: Meramalkan keberkesanan vaksin meneutralkan ketegangan itu.
Menggabungkan kedua-dua faktor, VaxSeer menjana "skor liputan ramalan," yang menunjukkan betapa hampir vaksin sepadan dengan strain virus masa depan. Semakin hampir skor ini kepada sifar, semakin baik perlawanan tersebut.

Dalam kajian retrospektif 10 tahun, pasukan MIT membandingkan cadangan VaxSeer dengan pilihan Pertubuhan Kesihatan Sedunia (WHO) untuk dua subtipe influenza utama: A/H3N2 dan A/H1N1.

Untuk A/H3N2, pengesyoran VaxSeer mengatasi prestasi WHO dalam musim wabak 9/10.
Untuk A/H1N1, sistem itu sama atau lebih baik daripada WHO dalam 6/10 musim.
Terutama, pada musim selesema 2016, VaxSeer memilih jenis yang tidak akan dimasukkan oleh WHO dalam vaksin sehingga tahun berikutnya.

Ramalan VaxSeer juga berkait rapat dengan data keberkesanan vaksin dunia sebenar daripada CDC (AS), Rangkaian Pengawasan Amalan di Kanada dan program I-MOVE di Eropah.

Berlumba dengan evolusi virus

VaxSeer menganggarkan kadar penyebaran setiap strain virus menggunakan model bahasa protein, kemudian mengira dominasi berdasarkan persaingan antara strain. Seterusnya, data dimasukkan ke dalam rangka kerja matematik berdasarkan persamaan pembezaan untuk mensimulasikan sebaran.

Untuk antigenisiti, VaxSeer meramalkan keberkesanan vaksin melalui ujian perencatan hemaglutinasi (ujian HI), ukuran biasa antigen.

"Dengan memodelkan evolusi virus dan tindak balas vaksin, alatan AI seperti VaxSeer boleh membantu pegawai kesihatan membuat keputusan yang lebih pantas dan lebih baik, kekal selangkah ke hadapan dalam perlumbaan antara jangkitan dan imuniti," tegas Shi.

VaxSeer kini menumpukan pada protein HA (hemagglutinin), antigen influenza utama. Versi masa depan boleh termasuk protein NA (neuraminidase), sejarah imun, proses pembuatan atau dos. Pasukan itu juga sedang membangunkan kaedah untuk meramalkan evolusi virus tanpa ketiadaan data, berdasarkan hubungan antara keluarga virus.

"VaxSeer ialah percubaan kami untuk mengikuti kepantasan evolusi virus," kata Regina Barzilay, Profesor Cemerlang AI dan Perubatan MIT dan pengarang bersama kajian itu.

Jon Stokes, penolong profesor di Universiti McMaster (Kanada), mengulas: "Perkara yang menakjubkan bukan sahaja keputusan semasa, tetapi juga potensi untuk meluas ke kawasan lain: meramalkan evolusi bakteria tahan dadah atau kanser tahan rawatan. Ini adalah pendekatan yang benar-benar baharu, membolehkan penyelesaian perubatan direka bentuk sebelum penyakit itu mempunyai peluang untuk mengatasi halangan itu."

(Menurut MIT)

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