Το πρώτο εμβόλιο από AI δοκιμάστηκε σε ανθρώπους

Τριάντα εννέα εθελοντές στο Κέιμπριτζ μόλις έγιναν οι πρώτοι άνθρωποι που έλαβαν ένα εμβόλιο του οποίου το ενεργό συστατικό δεν το σχεδίασε άνθρωπος, αλλά αλγόριθμος. Λέγεται pEVAC-PS και δεν προστατεύει από έναν συγκεκριμένο ιό. Προσπαθεί να εκπαιδεύσει το ανοσοποιητικό απέναντι σε μια ολόκληρη οικογένεια κορωνοϊών ταυτόχρονα (Cambridge). Η σημασία δεν κρύβεται στο αποτέλεσμα, που ήταν μέτριο, αλλά στη μέθοδο.

Το πρόβλημα που λύνει: γιατί τα εμβόλια «παλιώνουν»

Τα εμβόλια mRNA του COVID-19 απέδειξαν κάτι θεαματικό: μπορείς να τα επικαιροποιήσεις γρήγορα. Όταν εμφανίζεται νέα κυρίαρχη παραλλαγή, αλλάζεις το αντιγόνο ώστε να μοιάζει με τον ιό που κυκλοφορεί τώρα (PubMed). Σαν να ανανεώνεις τη φωτογραφία ενός καταζητούμενου κάθε φορά που αλλάζει εμφάνιση. Λειτουργεί, αλλά είναι ένα ατέλειωτο κυνηγητό.

Η ομάδα του Κέιμπριτζ δοκίμασε την αντίστροφη λογική. Αντί να κυνηγάει κάθε νέα παραλλαγή, ψάχνει τα σημεία του ιού που δεν μπορούν να αλλάξουν. Εδώ μπαίνει η AI: παίρνει χιλιάδες γενετικές αλληλουχίες από συγγενικούς ιούς (τους λεγόμενους sarbecoviruses, την οικογένεια όπου ανήκει και ο SARS-CoV-2) και εντοπίζει τα μοτίβα που παραμένουν σχεδόν αμετάβλητα. Παραμένουν ίδια όχι τυχαία, αλλά επειδή είναι κρίσιμα για τη λειτουργία του ιού. Αν μεταλλαχθούν, ο ιός «σπάει» (Journal of Infection, ScienceDaily).

Σκέψου χιλιάδες κλειδιά της ίδιας οικογένειας. Τα περισσότερα δοντάκια αλλάζουν από κλειδί σε κλειδί, αλλά λίγα μένουν σταθερά σε όλα, γιατί χωρίς αυτά κανένα κλειδί δεν ανοίγει την πόρτα. Η AI βρίσκει αυτά τα σταθερά δοντάκια και τα συναρμολογεί σε ένα συνθετικό «super-antigen», κάτι που δεν υπάρχει στη φύση αλλά συμπυκνώνει τα κοινά αδύναμα σημεία όλης της οικογένειας.

Το «σχεδιασμένο εξ ολοκλήρου με AI» δεν σημαίνει ότι ο αλγόριθμος έτρεξε την κλινική δοκιμή ή εφηύρε μόνος του ένα έτοιμο εμβόλιο. Σχεδίασε το αντιγόνο, το βιολογικό «πρόσωπο» που δείχνει το εμβόλιο στο ανοσοποιητικό. Αυτό χορηγήθηκε στους εθελοντές με μια συσκευή που το εγχέει χωρίς βελόνα (Journal of Infection).

Τι έδειξε πραγματικά η δοκιμή

Εδώ χρειάζεται ψυχραιμία. Η Φάση 1 σχεδιάστηκε για να απαντήσει σε ένα ερώτημα: είναι ασφαλές; Οι 39 υγιείς εθελοντές, 18-50 ετών, έλαβαν δύο δόσεις με 28 ημέρες απόσταση, χωρίς να αναφερθούν σοβαρές παρενέργειες (Cambridge).

Υπάρχει όμως μια λεπτομέρεια που εξηγεί γιατί το ανοσολογικό σήμα ήταν μέτριο: και οι 39 είχαν ήδη κάνει δύο ή τρεις δόσεις εμβολίου COVID-19 (Journal of Infection). Το ανοσοποιητικό τους, δηλαδή, ερχόταν με «προκαταλήψεις», γεγονός που κάνει πιο δύσκολο να ξεχωρίσεις ένα νέο, καθαρό σήμα.

Και το σήμα ήρθε, αλλά αδύναμο. Το ανοσοποιητικό αναγνώρισε τα κοινά σημεία των συγγενικών ιών, δηλαδή πέτυχε η διασταυρούμενη αναγνώριση. Αναγνώριση όμως δεν σημαίνει εξουδετέρωση. Δεν παρατηρήθηκε ακόμη ισχυρή, ευρεία ικανότητα να εξουδετερώνει τους ιούς, ούτε υπάρχουν δεδομένα ότι αποτρέπει λοίμωξη ή νόσηση (Journal of Infection, pharmaphorum). Το ανοσοποιητικό είδε τον στόχο, αλλά δεν τον χτύπησε δυνατά.

Γιατί τότε έχει σημασία ένα «μέτριο» αποτέλεσμα; Επειδή πέρασε το πρώτο πραγματικό τεστ: ένα αντιγόνο που υπήρχε μόνο σε υπολογιστή μπόρεσε να παραχθεί, να μπει σε ανθρώπους και να προκαλέσει απόκριση. Η ιδέα στόχευσης σταθερών σημείων δεν είναι ολότελα νέα, υπάρχει σε προγράμματα εμβολίων επόμενης γενιάς. Πρώτη φορά όμως ένας πλήρης υπολογιστικός σχεδιασμός φτάνει σε ανθρώπινη δοκιμή (Human Vaccines & Immunotherapeutics, Journal of Infectious Diseases).

Πότε, και η άλλη όψη του ίδιου εργαλείου

Πρακτικά για τον πολίτη, το άμεσο όφελος είναι μηδενικό εκτός δοκιμών. Επόμενος σταθμός είναι η Φάση 2 με μεγαλύτερο, πιο ετερογενές δείγμα, πιθανώς 200 και πλέον άτομα, για να φανεί αν το σήμα αντέχει έξω από ένα μικρό υγιές δείγμα (Corriere). Καθαρότερα δεδομένα ίσως το 2027-2028, ευρεία διαθεσιμότητα δύσκολα πριν το τέλος της δεκαετίας.

Το ίδιο AI που ρίχνει το κόστος για χρήσιμα αντιγόνα ρίχνει και το γνωσιακό εμπόδιο για κάθε βιολογικό σχεδιασμό, χρήσιμο ή επικίνδυνο. Γι' αυτό, την ίδια εβδομάδα, στελέχη εταιρειών AI και ειδικοί ζήτησαν αυστηρότερο έλεγχο στις παραγγελίες συνθετικού DNA, στο σημείο όπου μια ψηφιακή αλληλουχία γίνεται φυσικό υλικό (Euronews, Microsoft). Όσο πιο εύκολο γίνεται να σχεδιάζεις κάτι ψηφιακά, τόσο πιο κρίσιμο γίνεται να ελέγχεις ποιος μπορεί να το συνθέσει (thefai.org). Το πραγματικό ορόσημο, λοιπόν, δεν είναι ένα έτοιμο καθολικό εμβόλιο. Είναι ότι ο σχεδιασμός φαρμάκων αρχίζει να αλλάζει χέρια.