Elk jaar staan ​​wereldwijde gezondheidsexperts voor een cruciale beslissing: welke griepstammen moeten in het vaccin voor het volgende seizoen worden opgenomen? Deze beslissing moet maanden van tevoren worden genomen, nog voordat het seizoen is begonnen. Als de juiste keuze is gemaakt, is het vaccin zeer effectief. Maar als het misgaat, zal de bescherming aanzienlijk afnemen, wat leidt tot een stortvloed aan vermijdbare gevallen en een enorme druk op de zorgstelsels.

Professor Regina Barzilay (links) en promovendus Wenxian Shi. Foto: MIT News

Deze uitdaging is des te bekender geworden tijdens de COVID-19-pandemie, waar nieuwe varianten opdoken terwijl vaccins werden uitgerold. Griep gedraagt ​​zich vergelijkbaar – als een "luidruchtig broertje of zusje", constant en onvoorspelbaar muterend, waardoor het vaccinontwerp steeds achterloopt.

Om de onzekerheid te verminderen, hebben wetenschappers van het Computer Science and Artificial Intelligence Laboratory (CSAIL) en de MIT Abdul Latif Jameel Clinic for Machine Learning in Healthcare een AI-systeem ontwikkeld genaamd VaxSeer. De tool voorspelt de dominante toekomstige griepstam en identificeert de beste vaccinkandidaten om maanden vóór een uitbraak bescherming te bieden. VaxSeer is getraind met tientallen jaren aan data, waaronder genetische sequenties van virussen en laboratoriumtestresultaten, om te simuleren hoe het virus zich ontwikkelt en reageert op vaccins.

In tegenstelling tot traditionele evolutionaire modellen die individuele aminozuurmutaties analyseren, gebruikt VaxSeer een "eiwittaalmodel" om de relatie tussen dominantie en de gecombineerde effecten van meerdere mutaties te bestuderen. "We simuleren de dynamische verandering van dominantie, wat geschikter is voor snel evoluerende virussen zoals influenza", aldus Wenxian Shi, promovendus aan MIT en hoofdauteur van de studie.

Hoe werkt VaxSeer?

Deze tool heeft twee belangrijke voorspellingsengines:

Dominantie: Een schatting van de waarschijnlijkheid dat een griepstam zich zal verspreiden.
Antigeniciteit: voorspelt hoe effectief het vaccin is bij het neutraliseren van die stam.
Door deze twee factoren te combineren, genereert VaxSeer een 'voorspellende dekkingsscore', die laat zien hoe goed het vaccin overeenkomt met toekomstige virusstammen. Hoe dichter deze score bij nul ligt, hoe beter de match.

In een retrospectief onderzoek van 10 jaar vergeleek het MIT-team de aanbevelingen van VaxSeer met de keuzes van de Wereldgezondheidsorganisatie (WHO) voor twee belangrijke influenzasubtypen: A/H3N2 en A/H1N1.

Voor A/H3N2 overtrof de aanbeveling van VaxSeer die van de WHO in 9 van de 10 epidemische seizoenen.
Voor A/H1N1 was het systeem in 6 van de 10 seizoenen gelijkwaardig aan of beter dan de WHO.
Opvallend is dat VaxSeer tijdens het griepseizoen van 2016 een stam uitkoos die de WHO pas het jaar daarop in een vaccin zou opnemen.

De voorspellingen van VaxSeer komen bovendien nauw overeen met echte gegevens over de werkzaamheid van vaccins van het CDC (VS), het Practice Surveillance Network in Canada en het I-MOVE-programma in Europa.

Racen met virusevolutie

VaxSeer schat de verspreidingssnelheid van elke virusstam met behulp van een eiwittaalmodel en berekent vervolgens de dominantie op basis van de concurrentie tussen de stammen. Vervolgens worden de gegevens ingevoerd in een wiskundig raamwerk op basis van differentiaalvergelijkingen om de verspreiding te simuleren.

Foto van artikel 78.jpg

Wat betreft antigeniciteit voorspelt VaxSeer de werkzaamheid van het vaccin via de hemagglutinatie-inhibitietest (HI-test), een veelgebruikte maatstaf voor antigeniciteit.

"Door de virale evolutie en vaccinreacties te modelleren, kunnen AI-tools zoals VaxSeer gezondheidsfunctionarissen helpen om snellere en betere beslissingen te nemen en zo een stap voor te blijven in de race tussen infectie en immuniteit", aldus Shi.

VaxSeer richt zich momenteel op het HA (hemagglutinine)-eiwit, het belangrijkste influenza-antigeen. Toekomstige versies zouden het NA (neuraminidase)-eiwit, de immuungeschiedenis, productieprocessen of dosering kunnen omvatten. Het team ontwikkelt ook een methode om de evolutie van virussen te voorspellen bij gebrek aan gegevens, gebaseerd op relaties tussen virusfamilies.

"VaxSeer is onze poging om gelijke tred te houden met het snelle tempo van de virusevolutie", aldus Regina Barzilay, MIT Distinguished Professor of AI and Medicine en medeauteur van de studie.

Jon Stokes, universitair docent aan de McMaster University (Canada), merkte op: "Het verbazingwekkende is niet alleen de huidige resultaten, maar ook de mogelijkheid om deze uit te breiden naar andere gebieden: het voorspellen van de evolutie van medicijnresistente bacteriën of therapieresistente kankers. Dit is een volledig nieuwe aanpak, waardoor medische oplossingen kunnen worden ontworpen voordat de ziekte de kans krijgt om de barrière te doorbreken."

(Volgens MIT)

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