Článek
Každý rok musí odborníci na globální zdraví rozhodnout, které kmeny chřipky zařadí do nadcházející sezónní vakcíny. Toto klíčové rozhodnutí je nutné učinit s několikaměsíčním předstihem, ještě před začátkem chřipkové sezóny, píše web MIT News.
Pokud se výběr podaří a kmeny odpovídají těm skutečně cirkulujícím, bývá vakcína velmi účinná. V opačném případě se účinnost výrazně snižuje. To může vést k mnoha zbytečným onemocněním a dalšímu tlaku na zdravotnický systém.
Aby snížili nejistotu při výběru vakcín, spojili síly vědci z Laboratoře počítačové vědy a umělé inteligence MIT (CSAIL) a z Kliniky strojového učení ve zdravotnictví MIT Abdul Latif Jameel.
Vyvinuli systém umělé inteligence nazvaný VaxSeer, který má za úkol předpovídat dominantní kmeny chřipky a s předstihem určovat nejvhodnější kandidáty na vakcíny.
Simulace vývoje virů
Nástroj využívá modely hlubokého učení trénované na desítkách let virových sekvencí a výsledků laboratorních testů. Díky tomu dokáže simulovat, jak se virus může vyvíjet a jak účinně na něj budou vakcíny působit.
„VaxSeer využívá rozsáhlý jazykový model proteinů, který se učí rozpoznávat vztah mezi dominancí a kombinovanými účinky mutací,“ vysvětlil hlavní autor studie a doktorand z katedry elektrotechniky a informatiky MIT Wen-sien Š'.
„Na rozdíl od dosavadních proteinových modelů, jež pracují se statickým rozložením virových variant, náš přístup zohledňuje dynamické změny dominance – a to je mnohem vhodnější pro rychle se vyvíjející viry, jakým je chřipka,“ dodal.
Omezené množství dat
AI nástroj se v současné době zaměřuje pouze na hemaglutinin (HA) – hlavní antigen chřipkového viru. Do budoucna by však mohl zahrnout i další proteiny, například neuraminidázu (NA), a také faktory jako imunitní historii, výrobní omezení či dávkování.
Pro použití u jiných virů by bylo nutné mít rozsáhlé a kvalitní datové sady, které sledují jak jejich vývoj, tak i imunitní odpovědi – a taková data nejsou vždy veřejně dostupná.
Výzkumný tým ale už nyní pracuje na metodách, které dokážou předvídat vývoj virů i v situacích s omezeným množstvím dat, a to díky využívání vztahů mezi jednotlivými virovými rodinami.
„Vzhledem k rychlosti evoluce virů současný vývoj léčebných postupů často zaostává. VaxSeer je naším pokusem dohnat zpoždění,“ uvedla profesorka inženýrství pro umělou inteligenci a zdraví na MIT Regina Barzilayová.
„Na práci týmu je působivé hlavně to, že dokáže předvídat vývoj virů i s malým množstvím dat. Takový přístup může pomoci nejen u chřipky, ale i při boji s bakteriemi odolnými vůči antibiotikům nebo rakovinou rezistentní na léčbu. Prediktivní modelování nám dává šanci být o krok napřed a zasáhnout dřív, než se problém rozvine,“ dodal docent Jon Stokes z McMasterovy univerzity.
