Исследователи из MIT разработали систему VaxSeer, которая использует машинное обучение для прогнозирования эволюции вируса гриппа и выбора оптимальных штаммов для создания сезонных вакцин.
Каждый год эксперты ВОЗ должны определить состав вакцины за месяцы до начала эпидемического сезона. Если прогноз неточен, эффективность прививки снижается, что приводит к росту заболеваемости и нагрузке на системы здравоохранения. Исследователи из MIT предложили автоматизировать этот процесс с помощью искусственного интеллекта.
VaxSeer включает два модуля прогнозирования: один оценивает вероятность доминирования каждого штамма вируса, другой — эффективность его нейтрализации существующими вакцинами. Модель обучена на десятилетиях данных о вирусных последовательностях, эффективности вакцин и результатах лабораторных исследований.
В отличие от традиционных подходов, рассматривающих мутации аминокислот по отдельности, VaxSeer использует большую языковую модель белков для анализа сочетаний мутаций и моделирования динамики изменения доминирования штаммов.
Система анализирует белок гемагглютинин (HA) — основной антиген вируса гриппа. Она моделирует антигенность через стандартный тест РТГА, измеряющий способность антител блокировать связывание вируса с эритроцитами человека. Для прогнозирования доминирования применяется математическая модель, учитывающая конкуренцию между различными штаммами.
В ретроспективном анализе за 10 лет VaxSeer превзошла рекомендации ВОЗ для подтипа A/H3N2 в девяти из десяти сезонов, а для A/H1N1 — в шести из десяти. В одном случае система в 2016 году выделила штамм, который ВОЗ рекомендовала только год спустя. Прогнозы модели показали сильную корреляцию с данными об эффективности вакцин от американских центров по контролю за заболеваний, а также канадских и европейских программ наблюдения.
Будущие версии могут учитывать белок нейраминидазу, иммунный анамнез населения и производственные ограничения. Команда также работает над методами прогнозирования в условиях ограниченных данных, чтобы применять ИИ к другим быстро эволюционирующим патогенам.
