Специалисты научили ИИ прогнозировать риск новых пандемий
В отличие от традиционного филогенетического анализа, который оценивает эволюционные связи между уже известными вирусами, новая ИИ-модель использует дополнительный биофизический уровень данных – функциональные участки белков и особенности нуклеотидных последовательностей. Это позволяет выявлять потенциально опасные вирусы даже среди генетически далеких штаммов, которые сложно анализировать стандартными методами.
В качестве тестовой модели ученые использовали вирус птичьего гриппа H5N1 – один из наиболее вероятных кандидатов на будущую пандемию. По данным ВОЗ, с 2003 по 2026 год в мире было зарегистрировано 993 подтвержденных случая заражения людей этим вирусом, из них 477 закончились летальным исходом. При этом устойчивой передачи инфекции от человека к человеку пока не зафиксировано. Однако широкая циркуляция H5N1 среди птиц и эпизодические вспышки среди млекопитающих повышают вероятность появления мутаций, которые могут позволить вирусу адаптироваться к человеческому организму.
Для обучения модели специалисты использовали базу из почти 19 тысяч генетических последовательностей вируса птичьего гриппа, охватывающую около 120 подтипов, включая более 600 образцов, полученных от людей. После обучения алгоритм протестировали на независимой выборке данных. В результате система смогла выявлять вирусы с высоким риском перехода к человеку с точностью около 91,9%.
Анализ показал, что ключевую роль играют небольшие участки генома иногда длиной всего несколько нуклеотидов. Мутации в этих областях могут менять способность вируса заражать клетки человека. Наиболее значимые сигналы обнаружены в генах, отвечающих за репликацию вируса (комплекс РНК-полимеразы PA, PB1 и PB2), взаимодействие с клетками хозяина (гемагглютинин), упаковку генетического материала (нуклеопротеин) и подавление иммунного ответа (ген NS1).
Модель уже выявила ряд малоизученных штаммов с потенциально повышенным зоонозным риском. В частности, алгоритм отметил некоторые варианты подтипов H4N6 и H4N8 как возможные кандидаты для дальнейшего изучения, хотя случаи заражения людей ими пока не подтверждены. Следующим этапом должны стать лабораторные исследования, которые позволят проверить механизмы, лежащие в основе прогнозов модели.
Авторы отмечают, что эффективность таких систем будет зависеть от расширения глобальных геномных баз данных и совершенствования алгоритмов анализа. Интерес к подобным технологиям растет, например, в Индии в 2026 году планируется запуск центров Bio-AI Mulankur, которые объединят инструменты искусственного интеллекта, геномные исследования и лабораторные испытания. Так, ИИ не может полностью заменить эпидемиологический мониторинг, однако способен значительно ускорить выявление потенциально опасных вирусных мутаций.
В перспективе подобные технологии могут применяться не только для мониторинга зоонозных угроз, но и для более точного прогнозирования сезонных штаммов гриппа и разработки таргетированных вакцин. Аналогичные методы также могут быть адаптированы для анализа других респираторных вирусов, включая коронавирусы.
Потенциал ИИ в биомедицине рассматривается не только для анализа геномных данных, но и для научной коммуникации. В феврале 2026 года ученые из Университета Висконсина в Мадисоне установили, что диалоги с генеративным ИИ могут снижать распространенность заблуждений о вакцинации против гриппа. В эксперименте с участием 149 студентов после общения с чат-ботом уровень ошибочных представлений о прививках снизился, а поддержка вакцинации выросла.
Подписывайтесь на наши каналы в MAX: Vademecum и Vademecum Live