麻省理工学院（MIT）的研究团队开发了一款名为VaxSeer的人工智能系统，能够在流感疫苗毒株选择上显著超越世界卫生组织（WHO）的推荐。每年，WHO专家小组基于全球监测数据，为下一个流感季推荐疫苗毒株，以期最大化疫苗有效性。然而，由于流感病毒变异迅速，现有疫苗的保护效力通常仅为40%至60%，且匹配度常受滞后影响。为提升预测准确性，MIT团队利用深度学习技术构建VaxSeer，通过分析数十年的病毒基因序列与实验室测试数据，模拟病毒进化路径及疫苗反应机制。 与传统模型仅关注单一氨基酸突变不同，VaxSeer采用大型蛋白质语言模型，捕捉突变组合对病毒传播能力的协同效应，并动态模拟病毒主导性随时间的变化，更贴合流感病毒快速演化的特性。该系统包含两个核心模块：一个评估毒株的传播潜力（主导性），另一个评估疫苗对特定毒株的中和能力（抗原性）。两者结合生成“预测覆盖率得分”，用于衡量疫苗对未来流行毒株的潜在保护力——得分越接近0，匹配度越高。 在为期10年的回顾性测试中，VaxSeer在甲型H3N2流感亚型的9个流感季中表现优于WHO建议，而在甲型H1N1中则有6个季度表现更优或持平。该系统通过蛋白质语言模型预测毒株传播速度，并结合常微分方程模型模拟病毒动态传播过程；抗原性评估则基于血凝抑制实验数据，该实验可有效反映抗体对病毒的抑制能力。 研究人员指出，VaxSeer目前聚焦于流感病毒的血凝素蛋白，未来有望整合神经氨酸酶等其他抗原蛋白，并纳入人群免疫史、生产限制和剂量等现实因素。尽管跨病毒应用仍受限于高质量、长期追踪数据的可及性，但团队正致力于开发适用于低数据环境的预测方法，以增强模型的普适性。 MIT人工智能与健康特聘教授、CSAIL首席研究员Regina Barzilay强调，VaxSeer代表了在“病毒进化与免疫反应竞赛”中抢占先机的重要尝试。其意义不仅在于提升流感防控效率，更在于为应对其他快速变异病毒提供了前瞻性建模新范式。麦克马斯特大学助理教授Jon Stokes也评价称，这项工作为疾病干预策略的提前设计开辟了全新路径，标志着从被动应对向主动预测的重大转变。