I modelli matematici possono migliorare l'efficacia del vaccino antinfluenzale, secondo gli esperti della Rice University, dove uno di questi modelli esiste da più di 15 anni, e il suo Baker Institute for Public Policy.

Michael Deem, il John W. Cox Professor di ingegneria biochimica e genetica alla Rice; Melia Bonomo, un dottorato di ricerca candidato in fisica e astronomia all'università; e Kirstin Matthews, un borsista in politica scientifica e tecnologica presso il Center for Health and Biosciences presso il Baker Institute, hanno delineato le loro intuizioni in una nuova policy brief, "Migliorare l'efficacia del vaccino antinfluenzale annuale".

L'influenza stagionale (influenza) causa fino a 49 milioni di malattie e 79, 000 decessi negli Stati Uniti ogni anno dal 2010. Per combatterne l'impatto, i Centri per il controllo e la prevenzione delle malattie (CDC) raccomandano a tutti i bambini e gli adulti sani di ottenere una vaccinazione antinfluenzale ogni anno. Nel 2017-18, Il 58% dei bambini sani (dai 6 mesi ai 17 anni) e solo il 37% degli adulti hanno ottenuto il vaccino. Circa l'80% dei decessi pediatrici per influenza durante quella stagione erano bambini non vaccinati.

"Per sviluppare un vaccino in tempo per l'inizio della stagione influenzale in autunno, gli scienziati devono iniziare all'inizio di gennaio, " hanno scritto gli autori. "L'attuale metodo utilizzato dal CDC prevede che gli scienziati vaccinano i furetti con diversi candidati al vaccino. Quindi estraggono gli anticorpi dai furetti per stimare quale vaccino è stato il più efficace contro i virus dominanti della precedente stagione influenzale. Questo metodo è stato utilizzato per quasi 50 anni. Però, è stato dimostrato che è incoerente nel prevedere quanto bene i vaccini funzionerebbero negli esseri umani, soprattutto con il recente, virus A(H3N2) a rapida mutazione. Inoltre, gli esperimenti con i furetti sono lunghi e costosi".

Al contrario, modelli matematici, compreso un modello sviluppato alla Rice più di 15 anni fa, consentire agli scienziati di calcolare quanto bene il vaccino antinfluenzale corrisponda ai virus infettanti. Il modello Riso, chiamato pepitope, stima l'efficacia del vaccino, ed è stato dimostrato che funziona bene per l'influenza A(H3N2), Vaccini A(H1N1) e B. Per la stagione influenzale 2018-19, Gli scienziati del riso prevedono che il vaccino sarà efficace tra il 20 e il 40% contro la maggior parte dei virus A(H3N2).

"I ricercatori della sanità pubblica sono spesso lenti a cambiare, " hanno scritto gli autori. "Nonostante il fatto che il modello pEpitope di Rice sia in circolazione da più di 15 anni, non è chiaro il motivo per cui il CDC deve ancora trarne vantaggio nello sviluppo del vaccino contro l'influenza stagionale. L'aggiunta di un tale modello agli esperimenti già esistenti sui furetti migliorerà l'attuale processo decisionale sulla vaccinazione.

"Questa tecnica di modellizzazione matematica può restringere rapidamente i virus che sarebbero buoni candidati per il vaccino durante una particolare stagione influenzale, " hanno continuato. "Può servire come controllo per assicurarsi che il virus del vaccino non muti durante il processo di fabbricazione. Il modello pEpitope è anche low cost, in quanto non richiede alcuna attrezzatura specializzata. Finalmente, è estremamente veloce, impiegando solo un paio di secondi per analizzare la potenziale efficacia di un vaccino contro migliaia di virus infettanti in una particolare regione geografica".

Gli autori hanno affermato che il CDC dovrebbe rafforzare i suoi attuali protocolli per la scelta dei candidati al vaccino utilizzando tutti i modelli di previsione disponibili. "Ciò migliorerà i tassi complessivi di efficacia del vaccino antinfluenzale e anche i potenziali tassi di copertura, " hanno scritto. "Gli scienziati sperano che con una maggiore efficacia, saranno anche in grado di migliorare i tassi di copertura vaccinale, che sono ancora dietro l'obiettivo del 70 percento di persone sane del CDC. Data la difficoltà nel produrre vaccini efficaci e il clima generale di sfiducia pubblica nei confronti delle vaccinazioni, questo lavoro ha il potenziale per migliorare la selezione e l'istruzione dei ceppi vaccinali fornendo uno strumento accessibile sia ai ricercatori che ai cittadini scienziati".