每年冬季來臨前，世衛組織 WHO 都會召集專家，依據當年流感病毒演變趨勢，建議最可能有效的流感疫苗株。然流感病毒演化快速，疫苗常無法十分準確搭配流行病毒株。美國疾病管制局 CDC 指出，2012~2021 年，美國流感疫苗整體保護效力不到 40%，2014 冬季更低至 19%，如何提升選擇疫苗株的準確性，一直是全球公共衛生的大挑戰。
近期《Nature Medicine》研究有突破性進展：麻省理工學院用 VaxSeer 人工智慧模型，結合病毒演化趨勢與抗原性分析，更能準確預測下季可能是主流的流感病毒株，並評估候選疫苗與下一年可能流行的病毒株之間表面蛋白相似度。相較傳統專家主觀判斷，VaxSeer 是更系統化、資料驅動的替代方案。疫苗株選擇有機會跳脫單純靠實驗與經驗法則，進入以 AI 為核心的新時代。
回測驗證：AI 選株較 WHO 傳統建議更準確
團隊以十年來資料進行「回顧性評估」，涵蓋 A 型流感 H3N2 和 H1N1 兩大亞型，比較 AI 模型選出的疫苗株與 WHO 當年度建議。結果顯示，AI 選株的抗原匹配度明顯優於 WHO 建議株。以美國 CDC 數據估算，如果實際使用，可更有效預防 A 型流感。因 AI 模型並非只靠經驗，而是從「病毒演化動態趨勢」掌握變異模式，預測出更符合未來病毒流行株的疫苗。
傳統病毒預測模型，通常假設一個病毒株只要出現優勢突變，就會一直壯大。但事實並非如此，流感病毒「主流株」經常短時間內就快速更替，很快就被其他更具適應性的病毒株取代。VaxSeer 突破在不假設「優勢株會持續」，而是動態追蹤不同病毒株競爭，預測哪些會逐漸佔上風，哪些可能淘汰，並調整預測。
這對預測快速變異的流感病毒非常關鍵，因某些病毒株可能短時間崛起，卻在下一季消失。此外，AI 同時具「抗原匹配度」模擬預測功能，可省去部分實驗室昂貴費時的流程，加速決策，更具時效性。
將來疫苗策略的啟示與限制
但我們仍需對 AI 保持審慎客觀態度。研究時 AI 模型雖以回測數據展現優異性能，但要真正應用，仍需更多前瞻性實驗與實際接種數據驗證；此外，全球各地區病毒株演化速度與樣本收集完整度不一，AI 預測準確性需要基於足夠與正確真實世界數據；最後，AI 模型雖可縮減實驗工作量，但臨床安全性與抗原性測試仍不可少。
整體而言，研究點出，僅憑專家經驗與傳統實驗也難追上流感病毒演變速度。VaxSeer 等 AI 模型是新世代預測工具，可為疫苗選株的重要參考。不是任由病毒造成疫情，而是用 AI 預見病毒趨勢，提前做好準備。將來若能納入疫苗開發與決策，或許有助更精準有效的疫苗策略。
資料來源
延伸閱讀：昔建議同打流感、新冠疫苗 FDA今改口不確定安全有效
歡迎加入[病不毒 空氣濾網]粉絲團