ในแต่ละปี ผู้เชี่ยวชาญ ด้านสุขภาพ ทั่วโลกต้องเผชิญกับการตัดสินใจที่สำคัญยิ่ง นั่นคือ ควรเลือกสายพันธุ์ไข้หวัดใหญ่ใดบ้างมาใช้ในวัคซีนสำหรับฤดูกาลถัดไป การตัดสินใจนี้ต้องทำล่วงหน้าหลายเดือน แม้กระทั่งก่อนฤดูไข้หวัดใหญ่จะเริ่มต้น หากเลือกได้อย่างถูกต้อง วัคซีนจะมีประสิทธิภาพสูง แต่ความผิดพลาดเพียงเล็กน้อยอาจลดประสิทธิภาพการป้องกันลงอย่างมาก นำไปสู่การเพิ่มขึ้นของจำนวนผู้ป่วยที่สามารถป้องกันได้ และสร้างภาระอย่างมหาศาลต่อระบบสาธารณสุข

ศาสตราจารย์เรจินา บาร์ซิเลย์ (ซ้าย) และนักศึกษาปริญญาโท เหวินเซียน ชิ ภาพ: MIT News

ความท้าทายนี้กลายเป็นเรื่องที่คุ้นเคยกันดีในช่วงการระบาดของโควิด-19 เมื่อสายพันธุ์ใหม่ ๆ เกิดขึ้นอย่างต่อเนื่องในขณะที่วัคซีนกำลังถูกแจกจ่ายออกไป ไวรัสไข้หวัดใหญ่ก็มีพฤติกรรมคล้ายกัน คือเหมือน "พี่น้องที่ส่งเสียงดัง" กลายพันธุ์อยู่ตลอดเวลาและคาดเดาไม่ได้ ทำให้การออกแบบวัคซีนตามไม่ทันอยู่เสมอ

เพื่อลดความไม่แน่นอน นักวิทยาศาสตร์ จากห้องปฏิบัติการวิทยาศาสตร์คอมพิวเตอร์และปัญญาประดิษฐ์ (CSAIL) และคลินิกการเรียนรู้ของเครื่องจักรด้านสุขภาพ Abdul Latif Jameel ของ MIT ได้สร้างระบบ AI ที่เรียกว่า VaxSeer เครื่องมือนี้สามารถทำนายสายพันธุ์ไข้หวัดใหญ่ที่แพร่ระบาดในอนาคตและระบุวัคซีนที่ให้การป้องกันที่ดีที่สุดได้หลายเดือนก่อนการระบาด VaxSeer ได้รับการฝึกฝนด้วยข้อมูลหลายสิบปี รวมถึงลำดับยีนของไวรัสและผลการทดสอบในห้องปฏิบัติการ เพื่อจำลองวิวัฒนาการของไวรัสและการตอบสนองต่อวัคซีน

แตกต่างจากแบบจำลองวิวัฒนาการแบบดั้งเดิมที่มักวิเคราะห์การกลายพันธุ์ของกรดอะมิโนแต่ละตัว VaxSeer ใช้ "แบบจำลองภาษาโปรตีน" เพื่อเรียนรู้ความสัมพันธ์ระหว่างลักษณะเด่นและผลกระทบรวมของการกลายพันธุ์หลายๆ อย่าง "เราจำลองการเปลี่ยนแปลงแบบไดนามิกของลักษณะเด่น ซึ่งมีความเกี่ยวข้องกับไวรัสที่วิวัฒนาการอย่างรวดเร็ว เช่น ไวรัสไข้หวัดใหญ่" เหวินเซียน ชิ นักศึกษาปริญญาเอกที่ MIT และผู้เขียนหลักของการศึกษา กล่าว

VaxSeer ทำงานอย่างไร?

เครื่องมือนี้มีกลไกการทำนายหลักสองอย่าง:

ความเด่น: การประเมินโอกาสที่เชื้อไข้หวัดใหญ่สายพันธุ์หนึ่งจะแพร่กระจาย
แอนติเจนิกซิตี้: ทำนายประสิทธิภาพของวัคซีนในการยับยั้งเชื้อไวรัสสายพันธุ์ใดสายพันธุ์หนึ่ง
ด้วยการรวมปัจจัยทั้งสองนี้เข้าด้วยกัน VaxSeer จะสร้าง "คะแนนความครอบคลุมที่คาดการณ์ได้" ซึ่งแสดงระดับความสอดคล้องระหว่างวัคซีนกับสายพันธุ์ไวรัสในอนาคต ยิ่งคะแนนนี้ใกล้เคียงกับ 0 มากเท่าไหร่ ความสอดคล้องก็จะยิ่งสูงขึ้นเท่านั้น

ในการศึกษาแบบย้อนหลัง 10 ปี ทีมงานจาก MIT ได้เปรียบเทียบคำแนะนำของ VaxSeer กับตัวเลือกขององค์การอนามัย โลก (WHO) สำหรับเชื้อไข้หวัดใหญ่สองสายพันธุ์หลัก ได้แก่ A/H3N2 และ A/H1N1

สำหรับไวรัสไข้หวัดใหญ่สายพันธุ์ A/H3N2 คำแนะนำของ VaxSeer มีประสิทธิภาพเหนือกว่าคำแนะนำขององค์การอนามัยโลกใน 9 จาก 10 ครั้งของการระบาด
สำหรับไวรัส A/H1N1 ระบบนี้มีประสิทธิภาพเทียบเท่าหรือดีกว่าองค์การอนามัยโลกใน 6 จาก 10 ฤดูกาล
ที่น่าสังเกตคือ ในช่วงฤดูไข้หวัดใหญ่ปี 2016 VaxSeer ได้ระบุสายพันธุ์หนึ่งที่องค์การอนามัยโลกจะไม่นำมาใช้ในวัคซีนจนกระทั่งปีถัดไป

ผลการคาดการณ์ของ VaxSeer ยังสอดคล้องอย่างใกล้ชิดกับข้อมูลประสิทธิภาพของวัคซีนจริงจาก CDC (สหรัฐอเมริกา) เครือข่ายการติดตามการปฏิบัติงานในแคนาดา และโครงการ I-MOVE ในยุโรป

การแข่งขันกับวิวัฒนาการของไวรัส

VaxSeer ประเมินอัตราการแพร่กระจายของไวรัสแต่ละสายพันธุ์โดยใช้แบบจำลองภาษาโปรตีน จากนั้นคำนวณความเด่นโดยพิจารณาจากการแข่งขันระหว่างสายพันธุ์ ต่อมา ข้อมูลจะถูกป้อนเข้าสู่กรอบทางคณิตศาสตร์ที่อิงตามสมการเชิงอนุพันธ์เพื่อจำลองการแพร่กระจาย

รูปภาพประกอบบทความ 78.jpg

สำหรับด้านแอนติเจนิกส์ VaxSeer ทำนายประสิทธิภาพของวัคซีนผ่านการทดสอบการยับยั้งการเกาะกลุ่มของเม็ดเลือดแดง (HI test) ซึ่งเป็นวิธีการวัดแอนติเจนิกส์ที่ใช้กันทั่วไป

"ด้วยการจำลองวิวัฒนาการของไวรัสและการตอบสนองต่อวัคซีน เครื่องมือ AI อย่าง VaxSeer สามารถช่วยให้เจ้าหน้าที่สาธารณสุขตัดสินใจได้เร็วขึ้นและดีขึ้น โดยสามารถก้าวล้ำหน้าอยู่เสมอในการแข่งขันระหว่างการติดเชื้อและภูมิคุ้มกัน" Shi กล่าว

ปัจจุบัน VaxSeer มุ่งเน้นเฉพาะโปรตีน HA (hemagglutinin) ซึ่งเป็นแอนติเจนหลักของไวรัสไข้หวัดใหญ่ เวอร์ชันในอนาคตอาจเพิ่มโปรตีน NA (neuraminidase) ปัจจัยที่เกี่ยวข้องกับประวัติภูมิคุ้มกัน กระบวนการผลิต หรือปริมาณยา ทีมวิจัยยังกำลังพัฒนาระบบทำนายวิวัฒนาการของไวรัสในบริบทของข้อมูลที่มีจำกัด โดยอาศัยความสัมพันธ์ระหว่างตระกูลไวรัสต่างๆ

เรจินา บาร์ซิเลย์ ศาสตราจารย์ผู้ทรงเกียรติสาขาปัญญาประดิษฐ์และสุขภาพแห่ง MIT และผู้ร่วมเขียนงานวิจัยกล่าวว่า “VaxSeer คือความพยายามของเราที่จะก้าวให้ทันกับการวิวัฒนาการอย่างรวดเร็วของไวรัส”

จอน สโตกส์ ผู้ช่วยศาสตราจารย์จากมหาวิทยาลัยแมคมาสเตอร์ (แคนาดา) ให้ความเห็นว่า “สิ่งที่น่าทึ่งไม่ใช่แค่ผลลัพธ์ในปัจจุบัน แต่ยังมีศักยภาพที่จะขยายไปสู่ด้านอื่นๆ เช่น การทำนายวิวัฒนาการของแบคทีเรียดื้อยา หรือมะเร็งดื้อต่อการรักษา นี่เป็นแนวทางใหม่ทั้งหมดที่ช่วยให้สามารถออกแบบวิธีการรักษาทางการแพทย์ได้ก่อนที่โรคจะมีโอกาสแพร่ระบาด”

(อ้างอิงจาก MIT)

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