Cada año, los expertos en salud global se enfrentan a una decisión crucial: ¿qué cepas de influenza deben incluirse en la próxima vacuna estacional? Esta elección debe hacerse con meses de antelación, mucho antes de que comience la temporada de gripe, y a menudo se siente como una carrera contra el reloj.
Para abordar este desafío, científicos del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) del MIT y la Clínica Abdul Latif Jameel para el Aprendizaje Automático en Salud han creado VaxSeer, un sistema de inteligencia artificial diseñado para predecir las cepas de gripe dominantes e identificar los candidatos a vacunas más protectores, con meses de anticipación.
¿Cómo Funciona VaxSeer?
VaxSeer utiliza modelos de aprendizaje profundo entrenados con décadas de secuencias virales y resultados de pruebas de laboratorio para simular cómo podría evolucionar el virus de la gripe y cómo responderán las vacunas. A diferencia de los modelos de evolución tradicionales, VaxSeer adopta un modelo de lenguaje de proteínas para aprender la relación entre la dominancia y los efectos combinatorios de las mutaciones.
Wenxian Shi, estudiante de doctorado en el Departamento de Ingeniería Eléctrica y Ciencias de la Computación del MIT, investigador de CSAIL y autor principal del estudio, explica: “A diferencia de los modelos de lenguaje de proteínas existentes que asumen una distribución estática de variantes virales, modelamos los cambios dinámicos de dominancia, lo que lo hace más adecuado para virus de rápida evolución como la influenza”.
Los Componentes Clave de VaxSeer
VaxSeer cuenta con dos motores de predicción centrales:
- Uno que estima la probabilidad de que cada cepa viral se propague (dominancia).
- Otro que estima la eficacia con la que una vacuna neutralizará esa cepa (antigenicidad).
Juntos, producen una puntuación de cobertura predicha: una medida prospectiva de qué tan bien es probable que una vacuna determinada funcione contra virus futuros. Cuanto más cerca esté la puntuación de 0, mejor será la coincidencia antigénica de las cepas de la vacuna con los virus circulantes.
Resultados Prometedores
En un estudio retrospectivo de 10 años, los investigadores evaluaron las recomendaciones de VaxSeer frente a las realizadas por la Organización Mundial de la Salud (OMS) para dos subtipos principales de gripe: A/H3N2 y A/H1N1. Para A/H3N2, las elecciones de VaxSeer superaron a las de la OMS en nueve de cada diez temporadas, según las puntuaciones de cobertura empírica retrospectiva.
Para A/H1N1, superó o igualó a la OMS en seis de cada diez temporadas. En un caso notable, para la temporada de gripe de 2016, VaxSeer identificó una cepa que no fue elegida por la OMS hasta el año siguiente.
Las predicciones del modelo también mostraron una fuerte correlación con las estimaciones de efectividad de la vacuna en el mundo real, según lo informado por los CDC, la Red de Vigilancia de Médicos Centinelas de Canadá y el programa I-MOVE de Europa.
El Futuro de la Predicción de la Gripe
VaxSeer actualmente se centra solo en la proteína HA (hemaglutinina) del virus de la gripe, el principal antígeno de la influenza. Las versiones futuras podrían incorporar otras proteínas como la NA (neuraminidasa) y factores como el historial inmunológico, las limitaciones de fabricación o los niveles de dosificación.
Regina Barzilay, profesora de la Escuela de Ingeniería Distinguida para IA y Salud en el MIT, líder de IA de la Clínica Jameel e investigadora principal de CSAIL, afirma: “Dada la velocidad de la evolución viral, el desarrollo terapéutico actual a menudo se queda atrás. VaxSeer es nuestro intento de alcanzarlo”.
Conclusión
VaxSeer representa un avance significativo en la lucha contra la gripe, ofreciendo una herramienta poderosa para predecir las cepas dominantes y seleccionar vacunas más efectivas. Su capacidad para modelar la evolución viral y la interacción con las vacunas podría ayudar a los funcionarios de salud a tomar decisiones más rápidas y mejor informadas, manteniéndose un paso adelante en la carrera entre la infección y la inmunidad.
Fuente: MIT News – AI
Leave a Comment