عدد اليوم
طور باحثون من معهد ماساتشوستس للتكنولوجيا (MIT) أداة ذكاء اصطناعي لتحسين اختيار سلالة لقاح الإنفلونزا. تستخدم أداة "VaxSeer" التعلم الآلي للتنبؤ بتطور الفيروس وقدرته على توليد المستضدات، بهدف جعل اختيار اللقاح أكثر دقة وأقل اعتمادًا على التخمين.
في كل عام، يواجه خبراء الصحة العالميون قرارًا بالغ الأهمية: أي سلالات الإنفلونزا يجب أن تُدرج في اللقاح الموسمي القادم؟ يجب اتخاذ القرار قبل أشهر، أي قبل وقت طويل من بدء موسم الإنفلونزا، وقد يبدو الأمر في كثير من الأحيان أشبه بسباق مع الزمن. إذا تطابقت السلالات المختارة مع تلك المنتشرة، فمن المرجح أن يكون اللقاح فعالًا للغاية. ولكن إذا أخطأ التنبؤ، فقد تنخفض الحماية بشكل كبير، مما يؤدي إلى أمراض (يمكن الوقاية منها) وضغط على أنظمة الرعاية الصحية.
أصبح هذا التحدي أكثر شيوعًا لدى العلماء خلال سنوات جائحة كوفيد-19. نتذكر تلك الفترة التي ظهرت فيها سلالات جديدة بالتزامن مع طرح اللقاحات. تتصرف الإنفلونزا كالفيروسات، حيث تتحور باستمرار وبشكل غير متوقع. هذا يجعل من الصعب استباق التطورات، وبالتالي تصميم لقاحات تحافظ على فعاليتها.
لتقليل هذا الغموض، شرع علماء في مختبر علوم الحاسوب والذكاء الاصطناعي التابع لمعهد ماساتشوستس للتكنولوجيا في الولايات المتحدة وعيادة عبد اللطيف جميل للتعلم الآلي في مجال الصحة في المعهد في جعل اختيار اللقاح أكثر دقة وأقل اعتمادًا على التخمين. فابتكروا نظام ذكاء اصطناعي يُسمى VaxSeer، مصمما للتنبؤ بسلالات الإنفلونزا السائدة وتحديد اللقاحات المرشحة الأكثر حماية، قبل أشهر من موعدها.
تستخدم الأداة نماذج تعلم عميق مُدربة على عقود من التسلسلات الفيروسية ونتائج الاختبارات المعملية لمحاكاة كيفية تطور فيروس الإنفلونزا وكيفية استجابة اللقاحات.
غالبًا ما تُحلل نماذج التطور التقليدية تأثير طفرات الأحماض الأمينية المفردة بشكل مستقل. يوضح ونشيان شي، في قسم الهندسة الكهربائية وعلوم الحاسوب في المعهد، والباحث في مختبر علوم الحاسوب والذكاء الاصطناعي، والمؤلف الرئيسي لورقة بحثية جديدة حول هذا العمل "يعتمد VaxSeer نموذجًا لغويًا بروتينيًا كبيرًا لمعرفة العلاقة بين الهيمنة والآثار التركيبية للطفرات"، مضيفا "بخلاف نماذج لغة البروتين الحالية التي تفترض توزيعًا ثابتًا للمتغيرات الفيروسية، فإننا ننمذج تحولات الهيمنة الديناميكية، مما يجعلها أكثر ملاءمة للفيروسات سريعة التطور مثل الإنفلونزا".
نُشر تقرير مفتوح المصدر حول الدراسة في مجلة Nature Medicine.
اقرأ أيضا... الذكاء الاصطناعي يساعد في رعاية أكثر فعالية في الطوارئ
مستقبل الإنفلونزا
يحتوي VaxSeer على محركي تنبؤ رئيسيين: أحدهما يُقدّر مدى احتمال انتشار كل سلالة فيروسية (الهيمنة)، والآخر يُقدّر مدى فعالية اللقاح في تحييد تلك السلالة (المستضد). يُنتج هذان المحركان معًا درجة تغطية متوقعة: وهي مقياس استشرافي لمدى فعالية لقاح معين ضد الفيروسات المستقبلية.
في دراسة استرجاعية امتدت لعشر سنوات، قيّم الباحثون توصيات VaxSeer مقارنةً بتوصيات منظمة الصحة العالمية (WHO) لنوعين فرعيين رئيسيين من الإنفلونزا: A/H3N2 وA/H1N1. بالنسبة لنوع A/H3N2، تفوقت اختيارات أداة VaxSeer على توصيات منظمة الصحة العالمية في تسعة مواسم من أصل عشرة، بناءً على درجات التغطية التجريبية الاسترجاعية. استخدم الفريق هذه النتائج لتقييم اختيارات اللقاحات، حيث أن الفعالية متاحة فقط للقاحات التي تُعطى فعليًا للسكان.
بالنسبة لنوع A/H1N1، تفوق VaxSeer على منظمة الصحة العالمية أو ضاهاها في ستة مواسم من أصل عشرة. في إحدى الحالات البارزة، في موسم الإنفلونزا لعام 2016، حددت شركة VaxSeer سلالة لم تخترها منظمة الصحة العالمية حتى العام التالي. أظهرت تنبؤات النموذج أيضًا ارتباطًا قويًا بتقديرات فعالية اللقاحات في العالم الحقيقي، وفقًا لما أوردته مراكز السيطرة على الأمراض والوقاية منها (CDC)، وشبكة مراقبة ممارسي سنتينل الكندية، وبرنامج I-MOVE الأوروبي. وقد توافقت درجات التغطية المتوقعة لبرنامج VaxSeer بشكل وثيق مع بيانات الصحة العامة المتعلقة بالأمراض المرتبطة بالإنفلونزا والزيارات الطبية التي منعها التطعيم.
كيف يُفسر برنامج VaxSeer كل هذه البيانات؟
يُقدر النموذج أولًا سرعة انتشار سلالة فيروسية بمرور الوقت باستخدام نموذج لغة البروتين، ثم يُحدد مدى تفوقها من خلال مراعاة المنافسة بين السلالات المختلفة.
بمجرد أن يحسب النموذج رؤاه، تُدمج في إطار رياضي قائم على ما يُسمى بالمعادلات التفاضلية العادية لمحاكاة انتشار الفيروس بمرور الوقت. بالنسبة لمولدات المستضد، يُقدر النظام مدى جودة أداء سلالة لقاح معينة في اختبار معملي شائع يُسمى اختبار تثبيط التراص الدموي. يقيس هذا مدى فعالية الأجسام المضادة في منع الفيروس من الارتباط بخلايا الدم الحمراء البشرية، وهو مؤشر يُستخدم على نطاق واسع لقياس التطابق/القابلية للمستضد.
تجاوز التطور
يقول شي "من خلال نمذجة كيفية تطور الفيروسات وكيفية تفاعل اللقاحات معها، يمكن لأدوات الذكاء الاصطناعي مثل VaxSeer مساعدة مسؤولي الصحة على اتخاذ قرارات أفضل وأسرع، والبقاء متقدمين بخطوة في السباق بين العدوى والمناعة".
يركز برنامج VaxSeer حاليًا فقط على بروتين HA (الهيماغلوتينين) في فيروس الإنفلونزا، وهو المستضد الرئيسي للإنفلونزا. يمكن أن تتضمن الإصدارات المستقبلية من VaxSeer بروتينات أخرى مثل NA (النورامينيداز)، وعوامل مثل التاريخ المناعي، وقيود التصنيع، ومستويات الجرعات. يتطلب تطبيق النظام على فيروسات أخرى أيضًا مجموعات بيانات كبيرة وعالية الجودة تتتبع كلاً من التطور الفيروسي والاستجابات المناعية، وهي بيانات لا تكون متاحة دائمًا للعامة. ومع ذلك، يعمل الفريق حاليًا على أساليب يمكنها التنبؤ بالتطور الفيروسي في أنظمة البيانات المحدودة، بالاعتماد على العلاقات بين عائلات الفيروسات.
تقول ريجينا بارزيلاي، الأستاذة المتميزة في كلية الهندسة للذكاء الاصطناعي والصحة في معهد ماساتشوستس للتكنولوجيا، وقائدة قسم الذكاء الاصطناعي في عيادة جميل، والباحثة الرئيسية في مختبر علوم الحاسوب والذكاء الاصطناعي "نظرًا لسرعة التطور الفيروسي، غالبًا ما يتأخر تطوير العلاجات الحالية. VaxSeer هو محاولتنا للحاق بالركب".
يقول الأستاذ المساعد جون ستوكس، من قسم الكيمياء الحيوية والعلوم الطبية الحيوية بجامعة "ماكماستر" في هاميلتون، أونتاريو، كندا "هذه الدراسة مثيرة للإعجاب، ولكن ما يثير حماسي أكثر ربما هو العمل المستمر الذي يقوم به الفريق على التنبؤ بتطور الفيروسات في ظل ظروف البيانات المحدودة". ويضيف: "تتجاوز الآثار المترتبة الإنفلونزا بكثير. تخيلوا أن نتمكن من توقع كيفية تطور البكتيريا المقاومة للمضادات الحيوية أو السرطانات المقاومة للأدوية، وكلاهما قادر على التكيف بسرعة. يفتح هذا النوع من النمذجة التنبؤية آفاقًا جديدة وفعّالة للتفكير في كيفية تغير الأمراض، مما يمنحنا فرصةً للبقاء متقدمين على الآخرين وتصميم التدخلات السريرية قبل أن يصبح الهروب من المرض مشكلةً كبيرة".
مصطفى أوفى (أبوظبي)
