VaxSeer: la IA que predice la evolución de la gripe y selecciona cepas que mejora vacunas

• curecompass
• 6 septiembre, 2025
• I+D, Salud, Tecnología
• A/H1N1, A/H3N2, COVID-19, gripe, Inteligencia Artificial, MIT, MIT Abdul Latif Jameel Clinic for Machine Learning in Health, OMS, Portada, VaxSeer, Wenxian Shi
• 0 Comments

Investigadores del MIT desarrollan una innovadora herramienta de IA para predecir la evolución del virus de la gripe y optimizar la selección de cepas para vacunas, superando los resultados de la OMS en estudios retrospectivos.

La selección de cepas para la vacuna contra la gripe es una de las decisiones más críticas y complejas en la salud pública mundial. Cada año, expertos deben anticipar qué variantes del virus circularán meses después, tomando decisiones “que pueden sentirse como una carrera contra el reloj”. Un acierto salva millones de vidas; un error deja a la población vulnerable y sobrecarga a los sistemas de salud.

Durante la pandemia de Covid-19, la dificultad de anticipar nuevas variantes se hizo aún más evidente. La gripe, con sus constantes mutaciones, enfrenta a los científicos a desafíos similares, complicando la tarea de diseñar vacunas que ofrezcan verdadera protección.

VaxSeer: Predicción precisa y basada en datos masivos

Frente a esta incertidumbre, especialistas del Computer Science and Artificial Intelligence Laboratory (CSAIL) del MIT y la MIT Abdul Latif Jameel Clinic for Machine Learning in Health, crearon VaxSeer, una herramienta de inteligencia artificial diseñada para predecir las cepas de gripe dominantes y seleccionar los candidatos vacunales más eficaces, con meses de anticipación. Utilizando modelos de aprendizaje profundo, VaxSeer se entrena con décadas de secuencias virales y resultados de laboratorio, simulando tanto la evolución del virus como la respuesta prevista de las vacunas.

A diferencia de los modelos tradicionales, que analizan mutaciones de proteínas de forma aislada, “VaxSeer adopta un gran modelo de lenguaje proteico para aprender la relación entre dominancia y los efectos combinatorios de las mutaciones”, explica Wenxian Shi, estudiante de doctorado y autor principal del estudio publicado en Nature Medicine. “A diferencia de los modelos actuales que asumen una distribución estática de variantes, nosotros modelamos cambios de dominancia dinámicos, lo cual es esencial para virus de rápida evolución como la gripe”.

VaxSeer opera a través de dos motores de predicción:n uno para estimar la propagación de cada cepa (dominancia) y otro para calcular la eficacia de la vacuna frente a esa cepa (antigenicidad). Ambos producen un “score de cobertura”: cuanto más cercano a 0, mejor es la coincidencia entre la vacuna y los virus circulantes.

Un sistema que supera las predicciones tradicionales

En un estudio retrospectivo de 10 años, los investigadores compararon las recomendaciones de VaxSeer con las hechas por la Organización Mundial de la Salud (OMS) para dos subtipos de gripe: A/H3N2 y A/H1N1. Los resultados son contundentes:

• Para A/H3N2, VaxSeer superó a la OMS en 9 de 10 temporadas, usando scores de cobertura calculados a partir de la dominancia observada y tests de inhibición de hemaglutinación.
• Para A/H1N1, igualó o superó a la OMS en 6 de 10 temporadas.
• En el caso de la temporada 2016, VaxSeer identificó una cepa que la OMS solo recomendaría al año siguiente.
• Los scores predichos por VaxSeer mostraron una fuerte correlación con las estimaciones de eficacia reales reportadas por el CDC, la Canadian Sentinel Practitioner Surveillance Network y el programa europeo I-MOVE.

Las predicciones del sistema se basan en modelos matemáticos que simulan la propagación y dominancia viral, así como en la estimación de la capacidad de la vacuna de inhibir el virus en laboratorio, evaluando con precisión la “antigenicidad”.

Perspectivas futuras: IA para anticipar amenazas emergentes

“Al modelar la evolución viral y cómo interactúan las vacunas, herramientas de IA como VaxSeer pueden ayudar a los funcionarios sanitarios a tomar mejores decisiones y estar un paso adelante en la carrera entre infección e inmunidad”, señala Shi.

Por el momento, VaxSeer se enfoca en la proteína HA (hemaglutinina), principal antígeno del virus, pero el equipo planea ampliarlo a otras proteínas como NA (neuraminidasa), y considerar factores como el historial inmunológico y restricciones de fabricación. Su aplicación a otros virus requerirá nuevos y robustos conjuntos de datos sobre evolución viral y respuestas inmunes.

“Debido a la velocidad de evolución viral, el desarrollo terapéutico suele quedar rezagado. VaxSeer es nuestro intento de ponernos al día”, afirma Regina Barzilay, profesora distinguida de IA y Salud del MIT, líder de IA en Jameel Clinic y principal investigadora de CSAIL.

El potencial de la IA en salud va más allá de la gripe. “Las implicancias superan con creces la influenza. Imagina anticipar cómo evolucionarán bacterias resistentes a antibióticos o cánceres resistentes a fármacos. Este tipo de modelado predictivo abre un modo completamente nuevo de anticipar cambios en enfermedades y diseñar intervenciones clínicas antes de que la resistencia se convierta en un problema mayor”, destaca Jon Stokes, profesor asistente de bioquímica y ciencias biomédicas de McMaster University.

El estudio fue realizado por Shi, Barzilay, el postdoctorando Jeremy Wohlwend y la investigadora Menghua Wu de MIT CSAIL, con apoyo de la U.S. Defense Threat Reduction Agency y la MIT Jameel Clinic.