麻省理工学院（MIT）的科研团队开发出名为VaxSeer的人工智能系统，能够提前数月预测未来主导的流感病毒株，并显著提升疫苗毒株选择的准确性。该系统在一项为期十年的回顾性研究中，对甲型H3N2流感亚型的预测表现优于世界卫生组织（WHO）的推荐方案，在10个流感季中有9次取得更高预测覆盖率得分；对于甲型H1N1，VaxSeer在6个季度中表现更优或持平。这一成果发表于《自然·医学》期刊，标志着AI在流感疫苗研发中的关键突破。 传统流感疫苗株的选择依赖WHO专家小组基于病毒监测数据和有限实验结果的判断，但因病毒快速变异，常出现匹配度不足的问题，导致疫苗有效性仅达40%–60%。VaxSeer通过深度学习模型，整合了数十年的流感病毒基因序列与实验室抗原性数据，突破了传统静态进化模型的局限。其核心创新在于采用大型蛋白质语言模型，不仅分析单个氨基酸突变，更捕捉突变组合对病毒传播优势的动态影响，模拟病毒在人群中的竞争与主导性演变。 VaxSeer包含两个预测引擎：一是评估病毒株的传播潜力（主导性），二是预测疫苗对其的中和能力（抗原性）。两者结合生成“预测覆盖率得分”，该指标越接近0，表示疫苗与未来流行毒株的匹配度越高。系统通过蛋白质语言模型估算病毒演化轨迹，并利用常微分方程框架模拟传播过程；抗原性评估则基于血凝抑制实验数据，衡量抗体中和病毒的能力。这种融合进化动力学与免疫反应的建模方式，使VaxSeer能更前瞻性地识别最具保护力的候选疫苗株。 尽管目前VaxSeer仅聚焦于流感病毒的血凝素蛋白，研究团队正探索整合神经氨酸酶等其他抗原蛋白，以及人群免疫史、生产限制和剂量因素。未来拓展至其他病毒仍需高质量、长期追踪的病毒与免疫数据，而这类数据往往难以获取。为此，MIT团队正在开发适用于低数据环境的预测方法，基于病毒科属关系进行泛化推断，提升模型在数据稀缺场景下的鲁棒性。 业内专家高度评价该研究的深远意义。麦克马斯特大学的Jon Stokes教授指出，VaxSeer不仅优化流感防控，更代表了应对病毒快速演化的全新范式。MIT人工智能与健康特聘教授Regina Barzilay强调，该系统是“在病毒逃逸与疫苗开发的赛跑中抢占先机”的关键尝试。随着AI与生物医学的深度融合，VaxSeer为未来传染病防控提供了可扩展、可预测的智能决策工具，预示着精准疫苗研发的新时代。