Оглавление

Исследователи из Массачусетского технологического института разработали систему машинного обучения, которая способна значительно улучшить процесс выбора штаммов для сезонных вакцин против гриппа. Инструмент под названием VaxSeer использует глубокое обучение для прогнозирования эволюции вируса и его антигенных свойств, что позволяет делать более точные предсказания за несколько месяцев до начала сезона гриппа.

Проблема сезонного выбора вакцин

Ежегодно перед мировыми экспертами в области здравоохранения стоит сложнейшая задача: выбрать правильные штаммы гриппа для включения в сезонную вакцину. Это решение должно быть принято за месяцы до начала сезона, и от его точности зависит эффективность вакцинации. Если прогноз окажется неточным, защита может значительно снизиться, что приведет к увеличению заболеваемости и нагрузки на систему здравоохранения.

Как работает VaxSeer

Система VaxSeer, разработанная в лаборатории компьютерных наук и искусственного интеллекта MIT (CSAIL) и клинике машинного обучения в здравоохранении Abdul Latif Jameel, использует два основных прогностических механизма:

  • Оценка вероятности распространения каждого вирусного штамма (доминирование)
  • Прогноз эффективности нейтрализации штамма вакциной (антигенность)

В отличие от традиционных моделей, которые анализируют эффект отдельных мутаций аминокислот независимо, VaxSeer использует крупную языковую модель белков для изучения взаимосвязи между доминированием и комбинаторными эффектами мутаций.

Традиционный подход к прогнозированию штаммов напоминает попытку предсказать погоду по одному облаку — VaxSeer же видит всю атмосферную систему. Моделирование динамических сдвигов доминирования вместо статического распределения вариантов — это именно то, что нужно для быстро эволюционирующих вирусов вроде гриппа.

Результаты тестирования

В 10-летнем ретроспективном исследовании рекомендации VaxSeer сравнивались с выбором Всемирной организации здравоохранения для двух основных подтипов гриппа: A/H3N2 и A/H1N1. Результаты впечатляют:

  • Для A/H3N2: VaxSeer превзошел выбор ВОЗ в 9 из 10 сезонов
  • Для A/H1N1: система показала равный или лучший результат в 6 из 10 сезонов

В особенно показательном случае для сезона гриппа 2016 года VaxSeer идентифицировал штамм, который ВОЗ выбрала только годом позже.

Технические особенности

Модель сначала оценивает скорость распространения вирусного штамма с помощью белковой языковой модели, затем определяет его доминирование с учетом конкуренции между различными штаммами. Эти данные интегрируются в математическую структуру на основе обыкновенных дифференциальных уравнений для моделирования распространения вируса во времени.

Для оценки антигенности система прогнозирует эффективность штамма вакцины в стандартном лабораторном тесте — анализе ингибирования гемагглютинации, который измеряет способность антител ингибировать связывание вируса с человеческими эритроцитами.

Перспективы и ограничения

Текущая версия VaxSeer фокусируется только на белке HA (гемагглютинине) вируса гриппа, основном антигене гриппа. Будущие версии могут включить другие белки, такие как NA (нейраминидаза), а также факторы иммунной истории, производственные ограничения и уровни дозирования.

Применение системы к другим вирусам потребует больших высококачественных наборов данных, отслеживающих как вирусную эволюцию, так и иммунные ответы — данные, которые не всегда общедоступны. Команда уже работает над методами предсказания вирусной эволюции в условиях ограниченности данных, используя связи между семействами вирусов.

По сообщению MIT News, исследование было опубликовано в журнале Nature Medicine в открытом доступе.