Araştırma: geçmiş dizilerden gelecekteki değişimlere
2023’te Nature’da yayımlanan EVEscape çalışması, geçmiş viral protein dizilerinden öğrenen derin öğrenmeyi yapısal ve biyofiziksel bilgilerle birleştirdi. Amaç, virüsün işlevini korurken antikorlardan kaçmasına yardımcı olabilecek değişimleri sıralamaktı. Araştırmacılar, 2020 öncesinde mevcut bilgilerle yapılan geriye dönük sınamada SARS-CoV-2’nin daha sonra gözlenen değişimleriyle uyum bildirdi. Ancak makale, yeni bir pandeminin bütün koşullarının veya virüsün izleyeceği kesin yolun öngörülemeyeceğini de belirtiyor. Bu, aşı etkinliğini hastalarda ölçen bir klinik çalışma değildir.
Aşı geliştirmeye katkı: önce hangi soruyu sınamalı?
Oxford Üniversitesi’nin 19 Ekim 2023 tarihli açıklaması, bu yaklaşımın aşı tasarımını ve izlem çalışmalarını bilgilendirebileceğini aktarıyor; tasarıma pratik katkının gösterilmesini ise sonraki adım olarak tanımlıyor. Aradaki fark önemlidir: aday değişimlerin önceliklendirilmesi, bu adaylara göre geliştirilen bir aşının insanlarda daha iyi koruma sağladığını göstermez. Editoryal çıkarımımız, AI’ın değerinin yalnızca tahmin listesinde değil, o listenin daha sonra hangi deneyleri yönlendirdiğinin açıklanmasında aranması gerektiğidir.
Güncel değerlendirme: WHO hangi kanıtları birlikte okuyor?
WHO’nun 16 Mayıs 2026 tarihli aşı antijeni değerlendirmesi; genetik izlem, nötralizasyon deneyleri, bağışıklık yanıtları ve aşı etkililiği verilerini birlikte inceliyor. Bildirim, coğrafi temsiliyet ve izlem eksikleri yanında gelecekteki varyantların zamanlaması ve özelliklerine ilişkin belirsizliği de vurguluyor. Dolayısıyla bir kaçış skoru, bu kanıt bütünüyle aynı şey değildir. Antikor düzeyi veya laboratuvar sonucu ile enfeksiyon ve ağır hastalık gibi klinik sonuçları birbirinden ayırmak gerekir. Bu tarihli belgeyi, kanıt değerlendirmesinin örneği olarak ele alıyoruz.
Düzenleyici izin: model yayını ile ürün onayı farklıdır
FDA’nın aşı geliştirme rehberi; laboratuvar araştırması, klinik öncesi çalışmalar, insan çalışmaları ve ürün değerlendirmesini ayrı aşamalar olarak açıklıyor. ABD’de ruhsat değerlendirmesi güvenlilik ve etkililik verilerinin yanı sıra üretim kalitesi ve tutarlılığına da bakar. Bir AI makalesinin yayımlanması, modelin önerdiği aşı adayına kullanım izni sağlamaz. Belirli bir ürünün onaylı kullanım kapsamı kendi belgelerinden değerlendirilmelidir; bu yazı kişisel aşı seçimi veya uygulama takvimi önermez.
Editoryal değerlendirme: bir tahmin haberini nasıl okuyalım?
Bir araştırma haberinde önce modelin neyi tahmin ettiğini, hangi tarihe kadar olan verilerle geliştirildiğini ve sonradan hangi bağımsız verilerle sınandığını aramayı öneriyoruz. Ardından laboratuvar bulgusunu, insanlardaki sonucu ve düzenleyici kararı ayrı ayrı sorgulayın. Kaçırılan değişimlerin ve yanlış uyarıların da açıklanması değerlendirmeyi güçlendirir. Bu çerçeve araştırma okuryazarlığı içindir; burada ele alınan çalışmalar RAI ürünlerine ait performans, klinik etkinlik veya düzenleyici uygunluk kanıtı değildir.
Kaynaklar
- Thadani et al. — Learning from prepandemic data to forecast viral escape (Nature, 2023) ↗
Erişim tarihi: 2026-10-26 - University of Oxford — New AI tool could help predict viral outbreaks (19 October 2023) ↗
Erişim tarihi: 2026-10-26 - WHO — Statement on the antigen composition of COVID-19 vaccines (16 May 2026) ↗
Erişim tarihi: 2026-10-26 - FDA — Vaccine Development – 101 ↗
Erişim tarihi: 2026-10-26
Bu yazı eğitim ve bilgilendirme amaçlıdır. Kaynaklara referans verilmesi, ilgili kuruluşların RAI Health Pro’yu onayladığı anlamına gelmez. Ürün veya model için klinik etkinlik iddiası değildir.