Mỗi năm, các chuyên gia y tế toàn cầu phải đối diện với một quyết định sống còn: Nên đưa những chủng cúm nào vào vắc xin mùa tới? Quyết định này phải được đưa ra trước nhiều tháng, từ khi mùa cúm còn chưa bắt đầu. Nếu lựa chọn đúng, hiệu quả vắc xin sẽ cao. Nhưng chỉ cần lệch một bước, khả năng bảo vệ giảm đáng kể, dẫn đến hàng loạt ca bệnh có thể phòng tránh được và gây áp lực lớn cho hệ thống y tế.
GS. Regina Barzilay (trái) và nghiên cứu sinh Wenxian Shi. Ảnh: MIT News
Thách thức này càng trở nên quen thuộc trong đại dịch Covid-19, khi các biến chủng mới liên tục xuất hiện đúng lúc vắc xin vừa được triển khai. Virus cúm cũng hành xử tương tự – như một “người anh em ồn ào”, luôn đột biến liên tục và khó lường, khiến việc thiết kế vắc xin luôn đi sau một bước.
Để giảm bớt sự bất định, các nhà khoa học tại Phòng thí nghiệm Khoa học Máy tính và Trí tuệ nhân tạo (CSAIL) cùng Phòng khám MIT Abdul Latif Jameel về Machine Learning trong Y tế đã tạo ra một hệ thống AI có tên VaxSeer. Công cụ này dự đoán chủng cúm trội trong tương lai và xác định ứng viên vắc xin bảo vệ tốt nhất, nhiều tháng trước khi dịch bùng phát. VaxSeer được huấn luyện trên dữ liệu hàng thập kỷ gồm chuỗi gene virus và kết quả xét nghiệm trong phòng thí nghiệm để mô phỏng cách virus tiến hóa và phản ứng với vắc xin.
Khác với các mô hình tiến hóa truyền thống thường phân tích từng đột biến axit amin riêng lẻ, VaxSeer tận dụng “mô hình ngôn ngữ protein” để học mối quan hệ giữa khả năng trội và tác động kết hợp của nhiều đột biến. Wenxian Shi – nghiên cứu sinh Tiến sĩ tại MIT và tác giả chính của nghiên cứu, cho biết: “Chúng tôi mô phỏng sự thay đổi động của tính trội, phù hợp hơn với các virus tiến hóa nhanh như cúm”.
VaxSeer hoạt động như thế nào?
Công cụ này có hai bộ máy dự đoán chính:
Tính trội (dominance): Ước tính khả năng một chủng cúm lan rộng.
Tính kháng nguyên (antigenicity): Dự đoán mức độ hiệu quả của vắc xin trong việc vô hiệu hóa chủng đó.
Kết hợp hai yếu tố, VaxSeer tạo ra một “điểm phủ sóng dự đoán”, cho thấy mức độ khớp giữa vắc-xin và các chủng virus tương lai. Điểm này càng gần 0 thì sự khớp càng cao.
Trong một nghiên cứu hồi cứu kéo dài 10 năm, nhóm MIT so sánh khuyến nghị của VaxSeer với lựa chọn của Tổ chức Y tế Thế giới (WHO) cho hai phân nhóm cúm lớn: A/H3N2 và A/H1N1.
Với A/H3N2, khuyến nghị của VaxSeer vượt trội WHO trong 9/10 mùa dịch.
Với A/H1N1, hệ thống này bằng hoặc tốt hơn WHO trong 6/10 mùa.
Đáng chú ý, mùa cúm 2016, VaxSeer đã chọn ra một chủng mà WHO phải đến năm sau mới đưa vào vắc xin.
Kết quả dự đoán của VaxSeer cũng tương quan chặt chẽ với dữ liệu hiệu quả vắc xin thực tế từ CDC (Mỹ), Mạng lưới Giám sát Thực hành tại Canada và chương trình I-MOVE ở châu Âu.
Chạy đua cùng tiến hóa virus
VaxSeer ước tính tốc độ lan truyền của từng chủng virus bằng mô hình ngôn ngữ protein, sau đó tính toán tính trội dựa trên sự cạnh tranh giữa các chủng. Tiếp đến, các dữ liệu được đưa vào khung toán học dựa trên phương trình vi phân để mô phỏng sự lây lan.
Đối với tính kháng nguyên, VaxSeer dự đoán hiệu quả vắc xin thông qua xét nghiệm ức chế ngưng kết hồng cầu (HI test), thước đo phổ biến về khả năng kháng nguyên.
“Bằng cách mô hình hóa tiến hóa của virus và phản ứng của vắc xin, các công cụ AI như VaxSeer có thể giúp giới chức y tế đưa ra quyết định nhanh và tốt hơn, luôn đi trước một bước trong cuộc đua giữa lây nhiễm và miễn dịch”, Shi khẳng định.
Hiện tại, VaxSeer mới tập trung vào protein HA (hemagglutinin) – kháng nguyên chính của cúm. Các phiên bản tương lai có thể bổ sung thêm protein NA (neuraminidase), yếu tố về lịch sử miễn dịch, quy trình sản xuất, hoặc liều lượng. Nhóm nghiên cứu cũng đang phát triển phương pháp dự đoán tiến hóa virus trong bối cảnh thiếu dữ liệu, dựa trên quan hệ giữa các họ virus.
Regina Barzilay, Giáo sư xuất sắc ngành AI và Y tế tại MIT, đồng tác giả nghiên cứu, cho biết: “VaxSeer là nỗ lực của chúng tôi để bắt kịp tốc độ tiến hóa chóng mặt của virus”.
Jon Stokes, trợ lý giáo sư tại Đại học McMaster (Canada), nhận xét: “Điểm đáng kinh ngạc không chỉ nằm ở kết quả hiện tại, mà ở tiềm năng mở rộng sang những lĩnh vực khác: dự đoán sự tiến hóa của vi khuẩn kháng thuốc hay ung thư kháng điều trị. Đây là hướng tiếp cận hoàn toàn mới, cho phép thiết kế giải pháp y khoa trước khi bệnh kịp vượt rào”.
(Theo MIT)
Nguồn: https://vietnamnet.vn/mit-phat-trien-cong-cu-ai-du-doan-virus-cum-cuu-hang-trieu-ca-benh-2439275.html
https%3A%2F%2Fwww.vietnam.vn%2Fmit-phat-trien-cong-cu-ai-du-doan-virus-cum-cuu-hang-trieu-ca-benh
