Setiap tahun, pakar kesihatan global menghadapi keputusan penting: Strain selesema yang manakah harus dimasukkan dalam vaksin musim hadapan? Keputusan ini mesti dibuat beberapa bulan lebih awal, walaupun sebelum musim selesema bermula. Jika pilihan itu tepat, vaksin akan sangat berkesan. Tetapi satu kesilapan langkah boleh mengurangkan perlindungan dengan ketara, menyebabkan lonjakan kes yang boleh dicegah dan memberi tekanan yang besar kepada 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 sebaik sahaja vaksin dilancarkan. Virus influenza bertindak serupa – seperti "adik beradik yang bising", sentiasa bermutasi dan tidak dapat diramalkan, menyebabkan reka bentuk vaksin sentiasa ketinggalan selangkah.

Untuk mengurangkan ketidakpastian, saintis di Makmal Sains Komputer dan Kecerdasan Buatan (CSAIL) dan Klinik MIT Abdul Latif Jameel untuk Pembelajaran Mesin dalam Kesihatan telah mencipta sistem AI yang dipanggil VaxSeer. Alat ini meramalkan strain influenza dominan masa depan dan mengenal pasti calon vaksin perlindungan terbaik beberapa bulan sebelum wabak. VaxSeer dilatih berdasarkan data selama beberapa dekad, termasuk urutan gen virus dan keputusan ujian makmal, untuk mensimulasikan bagaimana 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 dominasi, yang lebih relevan dengan virus yang berkembang pesat seperti influenza," kata Wenxian Shi, seorang pelajar PhD di MIT dan penulis utama kajian ini.

Bagaimanakah VaxSeer berfungsi?

Alat ini mempunyai dua enjin ramalan utama:

Dominasi: Anggaran kemungkinan strain influenza akan merebak.
Antigenisiti: Meramalkan keberkesanan vaksin dalam meneutralkan strain tertentu.
Dengan menggabungkan dua faktor ini, VaxSeer menghasilkan "skor liputan ramalan", yang menunjukkan tahap padanan antara vaksin dan strain virus masa hadapan. Semakin hampir skor ini kepada 0, semakin tinggi padanannya.

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

Dengan A/H3N2, cadangan VaxSeer mengatasi WHO dalam 9 daripada 10 wabak.
Dengan A/H1N1, sistem ini adalah sama atau lebih baik daripada WHO dalam 6 daripada 10 musim.
Terutamanya, semasa musim selesema 2016, VaxSeer mengenal pasti strain yang WHO tidak akan masukkan 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 melawan 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 penyebaran.

Imej untuk artikel 78.jpg

Untuk antigenikiti, VaxSeer meramalkan keberkesanan vaksin melalui perencatan hemaglutinasi (ujian HI), satu ukuran antigenikiti yang biasa.

"Dengan memodelkan evolusi virus dan tindak balas vaksin, alat AI seperti VaxSeer dapat 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 memberi tumpuan kepada protein HA (hemagglutinin) – antigen utama influenza. Versi akan datang mungkin menambah protein NA (neuraminidase), faktor yang berkaitan dengan sejarah imun, proses pembuatan atau dos. Pasukan penyelidikan 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 merupakan usaha kami untuk mengikuti perkembangan pesat virus.”

Jon Stokes, seorang penolong profesor di Universiti McMaster (Kanada), mengulas: “Perkara yang menakjubkan bukan sahaja keputusan semasa, tetapi potensi untuk berkembang ke bidang lain: meramalkan evolusi bakteria yang tahan ubat atau kanser yang tahan rawatan. Ini adalah pendekatan yang sama sekali baharu yang membolehkan reka bentuk penyelesaian perubatan sebelum penyakit berpeluang untuk merebak.”

(Menurut MIT)

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