Hvordan opdager vi den næste farlige virus, inden den spreder sig blandt mennesker? Det spørgsmål rejser et nyt forskerindlæg i The Lancet Infectious Diseases. Her diskuterer forskere fra blandt andet DTU Fødevareinstituttet i Danmark og Erasmus Medical Centre i Holland, hvordan AI kombineret med One Health-tilgangen kan bidrage til bedre forudsigelse og overvågning.
“Kunstig intelligens kan ikke i sig selv forhindre pandemier, men teknologien kan være et stærkt supplement til den viden og de metoder, vi allerede bruger. Jo bedre vi bliver til at kombinere data fra mennesker, dyr og miljø, desto bedre kan vi forberede os,” siger professor Frank Møller Aarestrup fra DTU Fødevareinstituttet, som er blandt forfatterne til kommentaren i det velrenommerede videnskabelige tidsskrift.
Kommentaren er medforfattet af professor Marion Koopmans fra Erasmus Medical Centre i Holland. Hun advarer om, at når en sygdom først begynder at sprede sig, er den meget svær at få under kontrol.
”De nødvendige indgreb vil typisk være drastiske, som vi så under COVID-19. Derfor er det afgørende at opdage nye sygdomme, inden de får fodfæste,” siger Marion Koopmans og understreger, at sygdommene kan blive til vedvarende udfordringer, når de først har etableret sig - som det f.eks. er tilfældet med COVID-19.
Forfattergruppen tæller også eksperter fra Eötvös Loránd Universitet (ELTE) i Ungarn, Universitetet i Bologna, Italien, og Animal and Plant Health Agency i Storbritannien. Forskerne trækker på deres mangeårige samarbejde med fokus på One Health-tilgangen til sygdomsberedskab i VEO-konsortiet – et europæisk forskningsinitiativ, der udvikler datadrevne værktøjer til at opdage og spore nye infektionssygdomme.
Pandemier starter ofte i dyr
Udbrud af sygdomme som SARS-CoV-2, fugleinfluenza og mpox har vist, hvor svært det er at kontrollere nye epidemier. Mange sygdomme har deres oprindelse i dyr, men hvor og hvornår, de springer til mennesker, er uforudsigeligt.
Forskerne bag kommentaren fremhæver, at klimaforandringer, intensiv dyreproduktion og menneskers stigende indtrængen i naturområder øger risikoen for såkaldte spillovers – dvs. hændelser hvor sygdomme springer fra dyr til mennesker – og i værste fald udvikler sig til epidemier. Spillovers kan sammenlignes med gnister: de fleste går ud, men nogle tænder brande, der kan brede sig ukontrolleret. At blive i stand til at opdage dem så tidligt som muligt er en udfordring, som forskerholdet arbejder med ved hjælp af big data.
AI kan finde mønstre i komplekse datasæt
Kunstig intelligens kan hjælpe med at analysere meget store datamængder fra mange forskellige kilder – f.eks. klima, arealanvendelse, dyreproduktion, transport, befolkningsbevægelser og socioøkonomi. Når de forskellige data kobles, kan AI afsløre mønstre, som ellers er svære at opdage.
”AI kan hjælpe os med at finde ud af, hvor i verden vi skal intensivere overvågningen – det kan være geografisk, men også i bestemte dyrearter, i spildevand eller i mennesker. På den måde kan vi prioritere indsatsen der, hvor risikoen er størst – de såkaldte hotspots,” siger Frank Møller Aarestrup.
Genetiske spor som tidlig varsling
Når forskerne har opdaget et potentielt hotspot, kan de bruge metagenomisk sekventering til at opdage sygdomme – både kendte og nye. Metagenomisk sekventering er analysen af arvemateriale i prøver fra spildevand, luft, fødevarer eller miljøet. Metoden bruges i stigende grad til at give indsigt i en enorm mangfoldighed af både kendte og ukendte mikroorganismer. Mange af de genetiske fragmenter, forskerne finder, er endnu ikke karakteriseret.
”Når vi sekventerer en prøve, kan vi stå med millioner af genetiske fragmenter. De fleste ligner noget kendt og ufarligt, men vi står også tilbage med tusindvis af ubekendte. Her kan AI hjælpe os med at se mønstre og pege på, hvad der kan være farligt,” siger Frank Møller Aarestrup.
Når forskere opdager et potentielt smitstof (patogen), vil de først og fremmest overveje, hvor farligt det er. Muligheden for, at en virus fra dyr kan smitte mennesker, sprede sig og forårsage sygdom, ligger delvist gemt i dens genetiske kode. AI-baserede værktøjer kan hjælpe med at forudsige, hvordan mutationer kan ændre virussens egenskaber.
”Her ser vi enorme fremskridt. AI-baserede proteinmodeller kan give en indikation af, hvad en mutation gør ved virussens struktur, og hvordan det så kan oversættes til risiko for spredning eller alvorlig sygdom. Selvom det er udfordrende nu, ser vi et stort potentiale i brugen af AI til at fremskynde risikovurderinger,” siger Marion Koopmans.
AI som med-forsker
Kommentaren beskriver også tidlige prototyper på såkaldte AI-”med-forskere”, der kan gennemføre hele forskningsforløb – fra hypotese og litteraturstudie til dataanalyse og rapportering.
“Jeg ser for mig, at AI kan blive en kompetence omkring bordet – på linje med forskellige typer af forskere. AI kan levere analyser eller forslag, som vi andre kan tage stilling til. På den måde bliver teknologien et supplement, der kan styrke vores beslutningsprocesser,” siger Frank Møller Aarestrup.
”Det betyder også, at vi skal lære, hvad vores fremtidige rolle er som undervisere og vejledere. Hvordan sikrer vi, at de nye måder at arbejde på giver pålidelige resultater? Vil vi være i stand til at opdage fejl, efterhånden som AI-modellerne bliver mere avancerede? Vi skal også tilbage i klasselokalet, og det er meget spændende,” siger Marion Koopmans.
Forfatterne konkluderer, at kunstig intelligens rummer lovende muligheder for at styrke beredskabet mod pandemier. Men AI skal ses som et supplement – ikke en erstatning – for de klassiske overvågnings- og forskningsmetoder, vi allerede bruger.
Læs mere
Kommentaren “Artificial intelligence and One Health: potential for spillover prediction?” blev publiceret i The Lancet Infectious Diseases og er skrevet af Marion Koopmans (Erasmus MC), Istvan Csabai (ELTE), Daniel Remondini (Universitetet i Bologna), Emma Snary (Animal and Plant Health Agency) og Frank Møller Aarestrup (DTU).
Forskningen er finansieret af VEO
Læs mere om One Health på WHO’s hjemmeside
Kontakt
Professor Frank Møller Aarestrup, DTU Fødevareinstituttet, fmaa@food.dtu.dk
Professor Marion Koopmans, Erasmus Medical Centre i Holland, m.koopmans@erasmusmc.nl
