Svake godine, svjetski zdravstveni stručnjaci suočavaju se s izazovom odabira vrsta virusa gripe koje će biti uključene u godišnje cjepivo. Ovaj proces zahtijeva donošenje odluka mnogo unaprijed, često mjesecima prije nego što počne sezona gripe. U takvim uvjetima, predviđanje koje će sojeve cirkulirati postaje ključni faktor za uspjeh cjepiva. Ako predviđanje bude točno, cjepivo će biti vrlo učinkovito, ali ako se pogriješi, učinkovitost može drastično pasti, ostavljajući više ljudi ranjivima na bolest i dodatno opterećujući zdravstvene sustave. Ovaj izazov je tijekom pandemije COVID-19 postao još očitiji, budući da se virusi i tada mutirali brzo i nepredvidivo, što je otežavalo razvoj učinkovitih cjepiva.
Virus gripe, kao i njegov “ujak”, Covid-19, neprestano mutira i stoga izaziva velike probleme u predviđanju njegovog budućeg djelovanja. To znači da je teško ostati korak ispred i dizajnirati cjepiva koja će i nakon duljeg vremena ostati učinkovita. Trenutno, znanstvenici širom svijeta rade na razvoju naprednih alata koji bi mogli uvelike smanjiti tu nesigurnost i omogućiti preciznije predviđanje sojeva koji će dominirati tijekom nadolazeće sezone gripe.
Korištenje umjetne inteligencije za poboljšanje odabira cjepiva protiv gripe
U sklopu istraživanja koje financira Massachusetts Institute of Technology (MIT), znanstveni tim na odjelu za računalne znanosti i umjetnu inteligenciju (CSAIL), u suradnji s MIT-ova klinikom Abdul Latif Jameel za strojno učenje u zdravstvu, razvio je inovativni AI alat pod nazivom VaxSeer. Ovaj sustav je osmišljen kako bi unaprijedio procjenu koja sojeva gripe će biti dominantnija i ispravnije odabrao najpunovjernije cjepivo, s velikim zakašnjenjem od nekoliko mjeseci prije početka sezone gripe.
Kako VaxSeer tehnologija funkcionira?
Primjena dubokog učenja i modeliranja evolucije virusa
VaxSeer koristi složene modele dubokog učenja, temeljenih na velikim bazama podataka o virusnim genomima i laboratorijskim ispitivanjima koja su prikupljena desetljećima. Cilj je simulirati mogući razvoj virusa i reakciju cjepiva na njega. Ključna inovacija ovoga alata je u primjeni velikih jezičnih modela za proteine, koji dozvoljavaju razumijevanje odnosa između dominacije određenih virusa i složenih međusobnih utjecaja mutacija.
Za razliku od tradicionalnih modela koji proučavaju pojedinačne amino kiseline mutacija, VaxSeer modelira i dinamičke promjene u dominaciji sojeva, što je posebno važno za viruse poput influence, koji se brzo mijenjaju.
Predviđanje širenja virusa i učinkovitosti cjepiva
VaxSeer ima dvije osnovne komponente predviđanja: prva procjenjuje koliko je vjerojatno da će se određeni virusni soj proširiti (dominacija), dok druga procjenjuje koliko učinkovito novo cjepivo može neutralizirati taj soj (antigenost). Zajedno, ove procjene oblikuju sveukupnu ocjenu pokrivenosti, koju možemo razumjeti kao mjerenje koliko je buduće cjepivo vjerojatno učinkovito protiv novog virusa.
Ocjena se kreće od negativnih vrijednosti do 0, gdje je vrijednost bliža 0 bolja jer ukazuje na dobru podudarnost između cjepiva i cirkulirajućih sojeva. Ova vrijednost prikazuje “udaljenost” ili razliku između cjepiva i virusa u antigenom smislu.
Testiranje i provedba u praksi
U retrospektivnoj analizi od deset godina, znanstvenici su usporedili preporuke VaxSeer-a s odlukama koje je donosila Svjetska zdravstvena organizacija (WHO) za dva najvažnija tipa gripe: A/H3N2 i A/H1N1. Rezultati su pokazali da je VaxSeer bio učinkovitiji u devet od deset sezona za A/H3N2, dok je za A/H1N1 bio jednak ili bolji u šest od deset slučajeva. U jednoj važnoj sezoni 2016., model je prepoznao soj koji WHO nije odabrala sve do iduće godine.
Predviđanja modela dobro su korelirala s podacima o učinkovitosti cjepiva iz realnih uvjeta, poput onih koje pružaju CDC, kanadska Sentinel Practitioner Surveillance Network i europski programi poput I-MOVE. To znači da VaxSeer ne predviđa samo teoretski, već odražava i praktične rezultate.
Kako VaxSeer analizira podatke?
Model prvo procjenjuje koliko brzo se određeni virus širi putem analize strukture proteina, a zatim određuje njegovu dominaciju uzimajući u obzir konkurenciju među različitim sojevima. Nakon toga, koriste matematičke modele bazirane na diferencijalnim jednadžbama za simulaciju širenja virusa kroz vrijeme. Pri procjeni antigenosti, alat koristi rezultate testova poput hemaglutinacije inhibicije, koji mjere učinkovitost antitijela u blokiranju virusa od vezanja na crvene krvne stanice.
Prednosti i izazovi korištenja AI sustava u predviđanju gripe
Prednosti
- Brža i točnija predviđanja koja mogu uštedjeti vrijeme i resurse
- Veća učinkovitost u odabiru sojeva koji će biti dominantniji i učinkovitiji u zaštiti populacije
- Omogućava bolju pripremu i strategiju usklađena s najnovijim znanstvenim podacima
- Fleksibilnost za buduće nadogradnje uključivanjem drugih gena ili faktora imunološke povijesti
Nedostaci i izazovi
- Veće količine i visoka kvaliteta podataka su ključni za dobar rad modela
- Primjena na druge viruse zahtijeva posebne prilagodbe i dodatne istražiteljske resurse
- Tehnologija još uvijek nije potpuno integrirana u svakodnevne procedure Svjetske zdravstvene organizacije
Što nam donosi budućnost: AI u predviđanju i razvoju cjepiva
U 2026. godini, najnovija istraživanja pokazuju da će AI alati poput VaxSeer igrati ključnu ulogu u dinamičkom odabiru sojeva i razvoju učinkovitijih cjepiva. Uključivanjem takvih sustava u regularne procese, moguće je unaprijediti strategije javnog zdravstva, smanjiti troškove i povećati zaštitu stanovništva od sezonskih i pandemijskih virusa.
Osim influence, takva stil tehnologije može se primijeniti na razvoj cjepiva za druge zarazne bolesti poput virusa EBV, Zika, ili koronavirusa, pružajući mogućnost brže reakcije i prilagodbe na evolucijske promjene u virusima.
Zaključak
Implementacija umjetne inteligencije u proces odabira sojeva cjepiva, poput VaxSeer, predstavlja presudni korak prema modernizaciji i učinkovitijoj zaštiti od gripe. S napretkom tehnologije, možemo očekivati još preciznije, brže i prilagodljivije sustave koji će smanjiti broj oboljelih i olakšati zdravstvenim sustavima da se bolje pripreme za nadolazeće izazove.
Najčešća pitanja (FAQ) o AI sustavima za odabir cjepiva protiv gripe
- Koje su prednosti korištenja AI u odabiru cjepiva? Glavne prednosti uključuju brža predviđanja, veću preciznost, bolje usklađivanje s aktualnim podacima i potencijalno smanjenje troškova i resursa.
- Može li AI sustav zamijeniti stručnjake u ispravnom odabiru sojeva? Ne zamjenjuje, već nadopunjuje stručnjake informacijama i simulacijama koje su teže ili nemoguće odraditi ručno.
- Koji su uvjeti za učinkovit rad AI modela u medicini? Potrebni su visokokvalitetni podaci, kontinuirano ažuriranje modela i multidisciplinarni timovi koji će interpretirati rezultate.
- Kako će AI utjecati na razvoj cjepiva u budućnosti? Očekuje se brži razvoj i prilagodba cjepiva, s većom točnošću u predviđanju sojeva, što će smanjiti broj oboljelih i poboljšati globalnu javnozdravstvenu zaštitu.
