Le virus de la grippe évolue rapidement, ce qui rend difficile la prédiction des souches qui domineront au cours d’une saison donnée. Deux fois par an, l’Organisation mondiale de la Santé (OMS) réunit des experts du monde entier afin de recommander les souches destinées aux prochains vaccins. Un nouvel outil d’IA, VaxSeer, présenté par des chercheurs du MIT, pourrait réduire l’incertitude à laquelle sont confrontés les planificateurs et les fabricants de vaccins.
Fonctionnement de VaxSeer
VaxSeer utilise l’apprentissage automatique pour anticiper la manière dont les virus de la grippe mutent et dont les systèmes immunitaires pourraient réagir. Les chercheurs ont indiqué que le système pourrait aider les agences de santé publique et les entreprises pharmaceutiques à prendre des décisions mieux informées plusieurs mois à l’avance, à un moment critique pour le développement des vaccins, et améliorer les taux de concordance, qui se situent souvent entre 40 % et 60 % d’efficacité au cours des saisons moyennes.
VaxSeer vise à améliorer ce processus grâce à un modèle d’apprentissage automatique à deux volets : l’un prédit quelles souches virales sont les plus susceptibles de devenir dominantes, tandis que l’autre estime leur similarité antigénique, c’est-à-dire la mesure dans laquelle les systèmes immunitaires les reconnaîtraient. Le modèle calcule ensuite un « score de couverture », une métrique prospective qui indique avec quelle efficacité une formulation vaccinale devrait agir contre les futures populations virales.
Précision de VaxSeer
Lorsqu’ils ont testé l’outil sur une décennie de données relatives à la grippe, les chercheurs du MIT ont constaté que VaxSeer prédisait plus précisément les souches H3N2 dominantes lors de neuf saisons sur dix. Pour le H1N1, ses recommandations égalaient ou surpassaient celles de l’OMS la plupart des années. Un exemple s’est présenté en 2016, lorsque l’outil d’IA a signalé une souche que les responsables sanitaires mondiaux n’ont ajoutée à la composition du vaccin que l’année suivante.
Conséquences pour le développement des vaccins
La précision prédictive de VaxSeer pourrait accroître l’efficacité des vaccins en améliorant la concordance des souches, un facteur clé des résultats en matière de santé publique. De meilleures prévisions permettraient aux fabricants de vaccins de lancer leur production plus tôt et avec davantage de confiance, ce qui faciliterait la logistique de la chaîne d’approvisionnement et réduirait les risques de mauvaise concordance.
En outre, ce cadre ne se limite pas à la grippe. Les chercheurs du MIT ont souligné que la même approche de modélisation pourrait être adaptée à d’autres virus à mutation rapide, comme les coronavirus.
Les défis à venir
Bien que VaxSeer soit prometteur dans les évaluations rétrospectives, son intégration aux processus mondiaux de santé publique présente des difficultés.
Le processus de sélection piloté par l’OMS repose sur un consensus international, une supervision réglementaire et une transparence avérée. Les chercheurs du MIT ont reconnu qu’une validation rigoureuse, une publication évaluée par les pairs et l’instauration de la confiance seraient nécessaires à son adoption.
Le projet reflète néanmoins une tendance plus générale : la biologie computationnelle et l’intelligence artificielle contribuent de plus en plus à orienter des décisions cruciales en santé publique, des diagnostics à la découverte de médicaments.