Every year, health officials around the world take on the daunting task of selecting the right flu strains for the subsequent season’s vaccine. This high-stakes decision is made months in advance, often involving educated guesswork about the dominance of certain strains. The repercussions of inaccurate predictions are significant, not only leading to a rise in illness but also burdening healthcare systems.
The flu’s unpredictability is nothing new, but the COVID-19 pandemic has truly amplified the challenges posed by rapid viral evolution. Like the SARS-CoV-2 variants that sprouted worldwide, the influenza virus is continuously mutating, making it tricky to contain. Thankfully, scientific advancements are making strides in this uphill race against mutating pathogens. The researchers at MIT’s Computer Science and Artificial Intelligence Laboratory (CSAIL) and the MIT Abdul Latif Jameel Clinic for Machine Learning in Health have designed an AI tool named VaxSeer to outsmart the flu’s relentless evolution.
VaxSeer ist wie eine ausgeklügelte Kristallkugel, die sowohl dominante Grippestämme als auch wirksame Impfstoffpräparate vor Beginn der Grippesaison vorhersagt. Ihre Geheimwaffe sind Deep-Learning-Modelle, die auf jahrzehntelangen genetischen Virensequenzen und Labortestdaten basieren. Diese Modelle sagen die Virusentwicklung voraus und bewerten die potenzielle Wirksamkeit von Impfstoffen gegen künftige Stämme.
Im Gegensatz zu herkömmlichen Modellen, die einzelne Aminosäuremutationen berücksichtigen, greift VaxSeer auf ein großes Protein-Sprachmodell zurück, um die komplexen Interaktionen zwischen mehreren Mutationen zu verstehen. Dieser Ansatz liefert ein genaueres Bild der viralen Dominanzveränderungen und eignet sich daher perfekt für den Umgang mit sich schnell entwickelnden Viren wie Influenza.
VaxSeer’s forecasting power lies in two main components. One projects the likelihood of a flu strain becoming dominant, and the second appraises how well a vaccine can neutralize that strain — a concept known as antigenicity. These predictions are woven into a ‘predicted coverage score’ that illustrates how well the vaccine matches circulating strains. The closer the score is to zero, the more compatible the vaccine is.
But does VaxSeer really work? A 10-year retrospective study comparing VaxSeer’s predictions with those from the World Health Organization (WHO) indicates a promising outlook. For two main flu subtypes, A/H3N2 and A/H1N1, VaxSeer outperformed or matched WHO recommendations in most seasons. Moreover, VaxSeer’s predictions aligned closely with real-world vaccine effectiveness data from various health departments.
Bei der Erstellung seiner Vorhersagen geht VaxSeer auf eine einzigartige Weise vor. Es schätzt zunächst ab, wie schnell sich ein Virusstamm ausbreiten wird, und simuliert dann die virale Konkurrenz, nachdem es die Dominanz berechnet hat. Nach Durchlaufen dieses mathematischen Prozesses schätzt das Modell die Wirksamkeit des Impfstammes anhand eines Standard-Labortests, der als Hämagglutinationshemmungstest (HI) bekannt ist und als weithin akzeptierter Ersatz für die Messung der Impfstoffwirksamkeit dient.
Future plans for VaxSeer involve widening its focus beyond the influenza virus’s main target protein (or hemagglutinin – HA). Researchers hope to include additional viral proteins, immune history, vaccine manufacturing limitations, and dosage strategies. All this expansion, though, would require extensive datasets, which are not always easy to come by. Nonetheless, the team is hopeful about finding ways to predict viral evolution even in data-scarce environments.
VaxSeer könnte auch über die Grippe hinaus Bedeutung haben. Führende Forscher gehen davon aus, dass das Programm die Entwicklung von antibiotikaresistenten Bakterien oder arzneimittelresistenten Krebsarten vorhersagen wird. Die Idee der Vorhersage von Krankheitsverläufen könnte unsere Herangehensweise an die Heilung von Krankheiten grundlegend verändern. Auch wenn sich diese Technologie noch im Anfangsstadium befindet, können ihre künftigen Anwendungen unser Verständnis von Krankheitsmanagement und -prävention erweitern.
Diese bahnbrechende Studie wurde veröffentlicht in Naturmedizin und erreichte seine Dynamik mit Unterstützung der U.S. Defense Threat Reduction Agency und der MIT Jameel Clinic. Es bleibt abzuwarten, wie diese Innovation unseren Kampf gegen sich schnell entwickelnde Viren beeinflusst.
Möchten Sie mehr darüber lesen? Besuchen Sie den Originalartikel auf MIT News: https://news.mit.edu/2025/vaxseer-ai-tool-to-improve-flu-vaccine-strain-selection-0828
Diese Website verwendet Cookies.