Каждый год эксперты мирового здравоохранения сталкиваются с жизненно важным решением: какие штаммы гриппа включить в вакцину для следующего сезона? Это решение необходимо принимать за несколько месяцев, ещё до начала сезона. При правильном выборе вакцина будет высокоэффективна. Но если она окажется неудачной, уровень защиты значительно снизится, что приведёт к потоку предотвратимых случаев заболевания и создаст огромную нагрузку на системы здравоохранения.

Профессор Регина Барзилай (слева) и аспирант Вэньсянь Ши. Фото: MIT News

Эта проблема стала ещё более очевидной во время пандемии COVID-19, когда новые варианты вируса появлялись одновременно с началом разработки вакцин. Грипп ведёт себя схожим образом – словно «шумный брат», постоянно и непредсказуемо мутируя, оставляя разработку вакцин на шаг позади.

Чтобы снизить неопределенность, ученые из Лаборатории компьютерных наук и искусственного интеллекта (CSAIL) и Клиники машинного обучения в здравоохранении имени Абдула Латифа Джамиля Массачусетского технологического института создали систему искусственного интеллекта VaxSeer. Инструмент прогнозирует доминирующий будущий штамм гриппа и определяет наилучшие вакцины-кандидаты для защиты за несколько месяцев до вспышки. VaxSeer был обучен на основе данных, собранных за десятилетия, включая генетические последовательности вируса и результаты лабораторных испытаний, чтобы смоделировать эволюцию вируса и его реакцию на вакцины.

В отличие от традиционных эволюционных моделей, анализирующих отдельные мутации аминокислот, VaxSeer использует «модель белкового языка» для изучения взаимосвязи между доминированием и комбинированным эффектом множественных мутаций. «Мы моделируем динамическое изменение доминирования, что более подходит для быстро эволюционирующих вирусов, таких как грипп», — сказал Вэньсянь Ши, аспирант Массачусетского технологического института и ведущий автор исследования.

Как работает ВаксСир?

Этот инструмент имеет два основных механизма прогнозирования:

Доминирование: оценка вероятности распространения штамма гриппа.
Антигенность: прогнозирует, насколько эффективна вакцина в нейтрализации данного штамма.
Объединяя эти два фактора, VaxSeer генерирует «прогностический показатель охвата», который показывает, насколько близко вакцина соответствует будущим штаммам вируса. Чем ближе этот показатель к нулю, тем лучше соответствие.

В 10-летнем ретроспективном исследовании группа Массачусетского технологического института сравнила рекомендации VaxSeer с решениями Всемирной организации здравоохранения (ВОЗ) для двух основных подтипов гриппа: A/H3N2 и A/H1N1.

Рекомендации VaxSeer по гриппу A/H3N2 превзошли рекомендации ВОЗ в 9 из 10 эпидемических сезонов.
В отношении вируса A/H1N1 система оказалась равной или лучше системы ВОЗ в 6 из 10 сезонов.
Примечательно, что в сезоне гриппа 2016 года VaxSeer выбрал штамм, который ВОЗ не включила в вакцину до следующего года.

Прогнозы VaxSeer также тесно коррелируют с реальными данными об эффективности вакцин, полученными от CDC (США), Practice Surveillance Network в Канаде и программы I-MOVE в Европе.

Гонка с эволюцией вируса

VaxSeer оценивает скорость распространения каждого штамма вируса, используя модель белкового языка, а затем рассчитывает доминирование на основе конкуренции между штаммами. Затем данные передаются в математическую систему, основанную на дифференциальных уравнениях, для моделирования распространения.

Фото статьи 78.jpg

Что касается антигенности, VaxSeer прогнозирует эффективность вакцины с помощью реакции торможения гемагглютинации (РТГА), общепринятого способа измерения антигенности.

«Моделируя эволюцию вируса и реакцию на вакцину, инструменты искусственного интеллекта, такие как VaxSeer, могут помочь специалистам здравоохранения принимать более быстрые и обоснованные решения, оставаясь на шаг впереди в гонке между инфекцией и иммунитетом», — утверждает Ши.

В настоящее время VaxSeer фокусируется на белке HA (гемагглютинине), основном антигене гриппа. В будущих версиях вакцины могут быть учтены белок NA (нейраминидаза), а также данные об иммунном анамнезе, производственных процессах и дозировке. Команда также разрабатывает метод прогнозирования эволюции вируса в условиях отсутствия данных, основанный на родственных связях между семействами вирусов.

«VaxSeer — это наша попытка идти в ногу с быстрыми темпами эволюции вирусов», — сказала Регина Барзилай, заслуженный профессор кафедры искусственного интеллекта и медицины Массачусетского технологического института и соавтор исследования.

Джон Стоукс, доцент Университета Макмастера (Канада), отметил: «Удивителен не только текущий результат, но и возможность его распространения на другие области: прогнозирование развития лекарственно-устойчивых бактерий или устойчивых к терапии видов рака. Это совершенно новый подход, позволяющий разрабатывать медицинские решения ещё до того, как болезнь сможет преодолеть барьер».

(По данным Массачусетского технологического института)

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