MIT membangunkan alat AI untuk meramalkan virus influenza, menyelamatkan berjuta-juta nyawa

Setiap tahun, pakar kesihatan global menghadapi keputusan penting: Jenis selesema manakah yang harus dimasukkan ke dalam vaksin musim depan? Keputusan ini mesti dibuat beberapa bulan lebih awal, walaupun sebelum musim selesema bermula. Jika pilihannya tepat, vaksin akan sangat berkesan. Tetapi satu kesilapan boleh mengurangkan perlindungan dengan ketara, membawa kepada lonjakan dalam kes yang boleh dicegah dan memberi tekanan yang besar pada sistem penjagaan kesihatan.

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

Cabaran ini menjadi terlalu biasa semasa pandemik Covid-19, apabila varian baharu sentiasa muncul ketika vaksin sedang dilancarkan. Virus influenza berkelakuan serupa - seperti "adik beradik yang bising," sentiasa bermutasi dan tidak dapat diramalkan, menjadikan reka bentuk vaksin sentiasa selangkah di belakang.

Untuk mengurangkan ketidakpastian, saintis di Makmal Sains Komputer dan Kecerdasan Buatan (CSAIL) dan Klinik MIT Abdul Latif Jameel untuk Pembelajaran Mesin dalam Kesihatan mencipta sistem AI yang dipanggil VaxSeer. Alat ini meramalkan strain influenza dominan pada masa hadapan dan mengenal pasti calon vaksin pelindung terbaik beberapa bulan sebelum wabak. VaxSeer dilatih mengenai data berdekad-dekad, termasuk jujukan gen virus dan keputusan ujian makmal, untuk mensimulasikan cara virus berkembang dan bertindak balas terhadap vaksin.

Tidak seperti model evolusi tradisional yang biasanya menganalisis mutasi asid amino individu, VaxSeer memanfaatkan "model bahasa protein" untuk mempelajari hubungan antara dominasi dan kesan gabungan pelbagai mutasi. "Kami memodelkan perubahan dinamik dalam penguasaan, yang lebih relevan dengan 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 dalam meneutralkan strain tertentu.
Dengan menggabungkan kedua-dua faktor ini, VaxSeer menjana "skor liputan ramalan," yang menunjukkan tahap padanan antara vaksin dan strain virus masa hadapan. Semakin hampir skor ini kepada 0, semakin tinggi perlawanan.

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.

Dengan A/H3N2, pengesyoran VaxSeer mengatasi prestasi WHO dalam 9 daripada 10 wabak.
Dengan A/H1N1, sistem ini sama atau lebih baik daripada WHO dalam 6 daripada 10 musim.
Terutama, semasa musim selesema 2016, VaxSeer mengenal pasti strain yang tidak akan dimasukkan oleh WHO dalam vaksinnya sehingga tahun berikutnya.

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

Berlumba menentang 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 antigen, VaxSeer meramalkan keberkesanan vaksin melalui perencatan hemagglutinasi (ujian HI), ukuran umum antigen.

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

Pada masa ini, VaxSeer hanya menumpukan pada protein HA (hemagglutinin) - antigen utama influenza. Versi akan datang boleh menambah protein NA (neuraminidase), faktor yang berkaitan dengan sejarah imun, proses pembuatan atau dos. Pasukan penyelidik juga sedang membangunkan kaedah untuk meramalkan evolusi virus dalam konteks kekurangan data, berdasarkan hubungan antara keluarga virus.

Regina Barzilay, Profesor Cemerlang AI dan Kesihatan di MIT dan pengarang bersama kajian itu, berkata: "VaxSeer ialah usaha kami untuk seiring dengan evolusi virus yang pesat."

Jon Stokes, penolong profesor di Universiti McMaster (Kanada), mengulas: "Perkara yang menakjubkan bukan hanya hasil semasa, tetapi potensi untuk berkembang ke kawasan lain: meramalkan evolusi bakteria tahan dadah atau kanser tahan rawatan. Ini adalah pendekatan baharu yang membolehkan reka bentuk penyelesaian perubatan sebelum penyakit berpeluang menembusi."

(Menurut MIT)

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