麻省理工学院（MIT）研究人员开发出一款名为VaxSeer的AI工具，旨在提升流感疫苗株选择的准确性。每年，全球卫生机构都需在流感季开始前数月预测最可能流行的病毒株，以决定疫苗成分。这一决策高度依赖经验判断，若预测偏差，疫苗保护效果将大幅下降，导致疫情加重和医疗系统承压。 新冠疫情让这一挑战更加凸显——病毒变异迅速，疫苗研发常落后于疫情发展。流感病毒同样具有高度变异性，传统预测方法难以应对。为此，MIT计算机科学与人工智能实验室（CSAIL）及MIT阿卜杜勒·拉蒂夫·贾米尔机器学习健康中心的团队开发了VaxSeer，利用深度学习模型，基于数十年的病毒基因序列和实验室测试数据，提前数月预测流感病毒的演化路径及疫苗匹配度。 与传统方法仅分析单一氨基酸突变不同，VaxSeer采用大型蛋白语言模型，捕捉突变之间的组合效应，并动态模拟病毒株间的竞争关系，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：一是预测各病毒株的传播潜力（主导性），二是评估疫苗对特定株的中和能力（抗原性）。两者结合生成“预测覆盖得分”，数值越接近0，表示疫苗匹配度越高。 在为期10年的回溯研究中，VaxSeer在A/H3N2亚型流感中，10年中有9年优于世界卫生组织（WHO）的推荐方案；在A/H1N1中，6年表现更优或持平。例如2016年，VaxSeer提前识别出未被WHO采纳的病毒株，次年才被纳入疫苗。其预测结果与美国疾控中心（CDC）、加拿大及欧洲的流感监测数据高度一致，显示出良好的现实指导价值。 VaxSeer通过蛋白语言模型分析病毒传播趋势，结合微分方程模拟病毒扩散，并利用血凝抑制试验（HI）数据评估疫苗抗原性。目前仅聚焦于流感病毒的血凝素（HA）蛋白，未来有望扩展至神经氨酸酶（NA）及其他因素，如免疫史和生产限制。 MIT教授雷吉娜·巴兹莱表示，VaxSeer的目标是“追上病毒进化的速度”。该团队正探索在数据稀缺场景下的预测能力，未来或可用于抗生素耐药菌、耐药癌症等领域的提前干预。加拿大麦克马斯特大学助理教授乔恩·斯托克斯评价称，这项工作为应对快速变异疾病提供了全新思路，有望实现“防患于未然”的精准防控。