Μπορεί η τεχνητή νοημοσύνη να προβλέψει την απόκριση στα εμβόλια;

Νέα έρευνα δείχνει ότι η τεχνητή νοημοσύνη μπορεί στο μέλλον να προβλέπει πόσο αποτελεσματικά θα ανταποκριθεί ο οργανισμός ενός ανθρώπου σε ένα εμβόλιο, ακόμη και πριν αυτό χορηγηθεί.

Τι διαπίστωσαν οι ερευνητές

Ερευνητές από το Arizona State University και συνεργαζόμενα ιδρύματα ανέλυσαν δείγματα αίματος από 4.089 ανθρώπους, εξετάζοντας συνολικά 8.687 δείγματα και αντισώματα που αναγνώριζαν 185 διαφορετικά αντιγόνα.

Στα αντιγόνα περιλαμβάνονταν στόχοι από συνηθισμένους ιούς και βακτήρια, καθώς και στόχοι που σχετίζονται με αυτοάνοσα νοσήματα.

Με τη χρήση τεχνητής νοημοσύνης, οι ερευνητές αναζήτησαν μοτίβα στα δείγματα αίματος πριν και μετά τον εμβολιασμό κατά της COVID-19.

Η ανάλυση εντόπισε συγκεκριμένα μοτίβα αντισωμάτων που μπορούσαν να ξεχωρίσουν ποιοι άνθρωποι είχαν ισχυρή ανοσολογική απόκριση και ποιοι ασθενέστερη.

Όπως επισημαίνει ο επικεφαλής της μελέτης, Joshua LaBaer, ορισμένοι βιοδείκτες, όταν αναλύονται με τη βοήθεια τεχνητής νοημοσύνης, μπορούν να δείξουν ποιοι άνθρωποι είναι πιθανότερο να ανταποκριθούν καλά σε ένα εμβόλιο, ακόμη και πριν το λάβουν.

Τι δείχνουν τα αντισώματα

Συνήθως οι επιστήμονες εξετάζουν την απόκριση ενός οργανισμού σε ένα εμβόλιο μετά τη χορήγησή του, μετρώντας αν έχει δημιουργήσει τα απαραίτητα αντισώματα.

Στη συγκεκριμένη μελέτη, οι ερευνητές ακολούθησαν την αντίστροφη προσέγγιση.

Εξέτασαν αν τα μοτίβα αντισωμάτων που υπάρχουν ήδη στο αίμα μπορούν να δείξουν πώς θα αντιδράσει κάποιος πριν εμβολιαστεί.

Η απόκριση στα εμβόλια επηρεάζεται από πολλούς παράγοντες, όπως η ηλικία, το φύλο, η γενετική, προηγούμενες ασθένειες και η γενικότερη κατάσταση της υγείας.

Ωστόσο, ακόμη και άνθρωποι με παρόμοια χαρακτηριστικά υγείας μπορεί να παρουσιάσουν πολύ διαφορετική ανοσολογική απόκριση.

Η κατάσταση της υγείας δεν αρκεί για πρόβλεψη

Στη μελέτη συμμετείχαν τόσο υγιείς άνθρωποι όσο και άτομα με ασθένειες ή θεραπείες που επηρεάζουν το ανοσοποιητικό σύστημα, μεταξύ άλλων άνθρωποι με HIV, αυτοάνοσα νοσήματα, φλεγμονώδεις παθήσεις του εντέρου και άτομα που είχαν υποβληθεί σε μεταμόσχευση οργάνου.

Ορισμένες ομάδες με εξασθενημένο ανοσοποιητικό σύστημα ήταν πιθανότερο να παρουσιάσουν μειωμένη απόκριση στο εμβόλιο κατά της COVID-19.

Ωστόσο, η κατηγοριοποίηση ενός ανθρώπου ως «υγιούς» ή ως ατόμου με εξασθενημένο ανοσοποιητικό σύστημα δεν μπορούσε από μόνη της να προβλέψει με αξιοπιστία την απόκριση.

Μάλιστα, ορισμένοι άνθρωποι με εξασθενημένο ανοσοποιητικό σύστημα ανέπτυξαν ισχυρή απόκριση, ενώ περίπου 5%-6% των υγιών συμμετεχόντων παρουσίασαν ασθενή απόκριση στο εμβόλιο.

Τα «σημάδια» στο αίμα

Ορισμένα αντισώματα που υπήρχαν ήδη πριν από τον εμβολιασμό ξεχώρισαν στην ανάλυση.

Υψηλότερα επίπεδα αντισωμάτων που στόχευαν συνηθισμένους μικροοργανισμούς, όπως ο Staphylococcus aureus, ο RSV και ο ανθρώπινος ρεσπιροϊός 3, συνδέθηκαν με ισχυρότερη απόκριση στα εμβόλια κατά της COVID-19.

Οι ερευνητές τα αποκαλούν «αντισώματα-δείκτες», καθώς μπορεί να αποτελούν ένδειξη για το πόσο έτοιμο είναι το ανοσοποιητικό σύστημα να αντιδράσει.

Τα συγκεκριμένα αντισώματα δεν σημαίνει απαραίτητα ότι δρουν άμεσα απέναντι στον στόχο του εμβολίου.

Η παρουσία τους μπορεί, αντίθετα, να δείχνει πόσο έτοιμο είναι το ανοσοποιητικό σύστημα να αντιδράσει.

Η τεχνητή νοημοσύνη αναλύει εκατομμύρια δεδομένα

Οι ερευνητές εξέτασαν επίσης αν ο συνδυασμός όλων των αντισωμάτων μπορεί να προσφέρει περισσότερες πληροφορίες από την εξέταση μεμονωμένων βιοδεικτών.

Ένα μοντέλο βαθιάς μάθησης ανέλυσε μοτίβα σε ολόκληρο το πάνελ αντισωμάτων, συνδυάζοντας μεγάλο αριθμό μετρήσεων για να δημιουργήσει μια ευρύτερη εικόνα της κατάστασης του ανοσοποιητικού συστήματος κάθε συμμετέχοντα.

Τα ευρήματα δείχνουν μία από τις δυνατότητες της τεχνητής νοημοσύνης στη βιοϊατρική έρευνα, καθώς μπορεί να εντοπίζει σύνθετες σχέσεις σε τεράστιους όγκους βιολογικών δεδομένων, οι οποίες ενδέχεται να είναι δύσκολο να εντοπιστούν με τις παραδοσιακές μεθόδους.

Η έρευνα δείχνει επίσης τις δυνατότητες νέων τεχνολογιών που μπορούν να μετρούν ταυτόχρονα πολλές διαφορετικές αντιδράσεις αντισωμάτων.

Έτσι, αντί να εξετάζεται αν ένας άνθρωπος έχει αντισώματα απέναντι σε έναν μόνο μικροοργανισμό, οι ερευνητές μπορούν να εξετάζουν μια πολύ ευρύτερη εικόνα του ανοσοποιητικού συστήματος.

Προς πιο εξατομικευμένους εμβολιασμούς

Εάν τα ευρήματα επιβεβαιωθούν σε μελλοντικές μελέτες και επεκταθούν και σε άλλα εμβόλια, η συγκεκριμένη μέθοδος θα μπορούσε να αξιοποιηθεί πέρα από την COVID-19.

Η ανάλυση των «αντισωμάτων-δεικτών» θα μπορούσε στο μέλλον να βοηθήσει στην έρευνα και ανάπτυξη εμβολίων, αλλά και στην καλύτερη παρακολούθηση ανθρώπων που είναι πιθανότερο να εμφανίσουν ασθενή ανοσολογική απόκριση.

Απολαμβάνετε το περιεχόμενο μας? Εγγραφείτε στο newsletter μας!

Οι γιατροί θα μπορούσαν ενδεχομένως να εντοπίζουν ποιοι άνθρωποι μπορεί να χρειάζονται επιπλέον δόσεις εμβολίου, στενότερη παρακολούθηση ή άλλες προστατευτικές στρατηγικές.

Η έρευνα ανοίγει έτσι τον δρόμο για μια πιο εξατομικευμένη προσέγγιση στον εμβολιασμό, με βάση την ετοιμότητα του ανοσοποιητικού συστήματος κάθε ανθρώπου.