Elk jaar staan wetenschappers voor een haast onmogelijke taak: kiezen welke griepstammen in het volgende seizoensvaccin terechtkomen. De keuze moet maanden vooraf worden gemaakt—lang voordat het seizoen echt begint—en een verkeerde inschatting kan leiden tot een dramatische daling in effectiviteit. MIT heeft nu VaxSeer ontwikkeld, een AI-systeem dat deze onzekerheid aanpakt met data‑gedreven voorspellingen.
Een sprong vooruit in vaccinselectie
Bij het Massachusetts Institute of Technology (MIT) hebben onderzoekers van CSAIL en het Jameel Clinic for Machine Learning in Health VaxSeer gecreëerd, een AI-tool die op basis van diepe leermodellen decennialange virale sequenties en laboratoriumresultaten analyseert om te anticiperen op:
- welke griepstammen dominant zullen zijn,
- hoe effectief een vaccin daartegen zal zijn,… en dat alles maanden vooraf.
MIT researchers develop AI tool to improve flu vaccine strain selectionMIT's “VaxSeer” AI system predicts dominant flu strains months ahead and identifies the most protective vaccine candidates. It uses deep learning models that were trained on viral sequences and lab test results to potentially make vaccine selection more accurate. |
Twee pijlers: dominantie en antigeniciteit
VaxSeer bevat twee kernmodules:
- Dominantie-voorspeller: schat in welke stam zich waarschijnlijk het snelst zal verspreiden via een ‘protein language model’ dat combinaties van mutaties begrijpt—waar traditionele modellen vaak elk aminozuur afzonderlijk analyseren.
- Antigentische vergelijking: simuleert hoe goed een vaccin de potentiële stammen neutraliseert, gebaseerd op labtest-gegevens.
Samen vormen deze modules een ‘coverage score’: een vooruitzicht op hoe goed een vaccin in de praktijk zal beschermen.
MIT's VaxSeer AI outperformed WHO flu vaccine picks in 9 of 10 seasons - CO/AIThink weather forecasting, but for which flu strains will dominate next season. |
Betere voorspellingen dan de huidige aanpak
Nature Medicine publiceerde op 28 augustus 2025 het onderzoek dat aantoont dat VaxSeer, op basis van terugkijken in tien jaarlijkse seizoenen, keer op keer betere stamkeuzes maakte dan de officiële WHO‑aanbevelingen.
|
Influenza vaccine strain selection with an AI-based evolutionary and antigenicity model - Nature MedicineCurrent vaccines provide limited protection against rapidly evolving viruses. For example, Centers for Disease Control and Prevention estimates show that the overall influenza vaccine effectiveness against outpatient illness in the United States averaged below 40% between 2012 and 2021. |
Concreet:
- Voor H3N2-selectie had VaxSeer in 9 van de 10 seizoenen een betere match.
- Voor H1N1 presteerde het in 6 van de 10 seizoenen beter.
- In sommige jaren stelde VaxSeer zelfs sneller de juiste stam voor dan de WHO—zoals bij H1N1 in 2016, met Michigan/45/2015.
De geprognosticeerde coverage score correleerde sterk met daadwerkelijke vaccinatie‑effectiviteit en vermindering van ziektelast.
Wat betekent dit voor volksgezondheid?
Huidige vaccinselectie is vaak afhankelijk van deskundige inschatting—met risico op mismatch en lage effectiviteit. VaxSeer belooft deze gok te vervangen door berekende voorspellingen, waardoor het ziekteverloop én de druk op zorgsystemen kunnen afnemen.
AI Tool Developed to Improve Accuracy of Seasonal Flu Vaccine Strain Predictions - GeneOnline NewsGlobal health experts face an annual challenge in deter […] |
MIT benadrukt dat het model momenteel gericht is op het HA-eiwit, maar dat toekomstige uitbreidingen mogelijk ook NA, immuunhistorie en fabricagebeperkingen zullen omvatten.
MIT’s VaxSeer Uses AI to Predict Flu Strains, Beating WHO Picks in Most Seasons Reviewed - iAfrica.comChoosing the right influenza strains months before flu season remains a high-stakes guess. A new AI system from MIT aims to change that. Researchers at MIT’s |
Potentieel breder dan alleen griep
Externe experts wijzen erop dat ‘voorspellende’ AI-systemen zoals VaxSeer verder reiken dan griep alleen. Toepassingen zijn denkbaar bij antibioticaresistentie of evolutie van kanker—situaties waarin veranderende virale of tumorpopulaties vroegtijdige interventie vereisen.
VaxSeer laat zien dat AI een cruciale rol kan spelen bij het verlengen van de effectiviteit van seizoensvaccins. Door dominante stammen te voorspellen en antigeenmatch te simuleren, biedt het wetenschappers en beleidsmakers een krachtig hulpmiddel om vaccins beter af te stemmen op toekomstige dreigingen. Daarmee markeert het een veelbelovende stap naar meer betrouwbare griepbescherming—één die misschien binnenkort de standaard wordt.
