La façon dont les personnes dont le système immunitaire est affaibli réagissent aux vaccins constitue un domaine important de la recherche immunologique. Une nouvelle étude menée par l'Université York a révélé que non seulement les modèles d'apprentissage automatique pouvaient identifier avec précision les différences entre les témoins sains et ceux vivant avec le VIH, mais qu'ils décelaient également des valeurs aberrantes dans les deux groupes qui fournissent un aperçu fascinant de la nature complexe du système immunitaire et de ce à quoi pourrait ressembler la médecine personnalisée à l'avenir, en tenant compte de variables telles que l'âge, les comorbidités et la génétique.
Cette étude constitue une avancée importante dans le potentiel des stratégies d'intervention en matière de vaccination personnelle.
Chapin Korosec, auteur principal de l'étude et boursier postdoctoral, Université York
Korosec a travaillé sur cette étude en tant que boursier postdoctoral à l'Université York sous la supervision de la professeure Jane Heffernan de la Faculté des sciences, dont les recherches portent sur la modélisation des maladies infectieuses.
Il a ajouté : « En apprenant la structure de la variabilité immunitaire à grande échelle, nous nous dirigeons vers une base fondée sur les données pour une vaccination personnalisée et une conception thérapeutique. »
Korosec, maintenant professeur adjoint à l’Université de Guelph, a utilisé un ensemble de données de personnes séropositives et non séropositives qui avaient reçu jusqu’à cinq doses de vaccin contre la COVID-19 au cours d’une période de 100 semaines. Toutes les personnes vivant avec le VIH venaient de la région du Grand Toronto et leur maladie était contrôlée grâce à un traitement antirétroviral. Les chercheurs ont utilisé un type de méthode d'apprentissage automatique appelé forêt aléatoire pour analyser 64 biomarqueurs immunitaires provoqués par une réponse au vaccin COVID-19, puis ont créé un groupe de « patients virtuels » pour modéliser davantage les réponses immunitaires.
« Alors que nous travaillions avec un riche ensemble de données bien adapté aux tests statistiques, les modèles mathématiques longitudinaux sont toujours confrontés à des limites d'identifiabilité lorsque les données ne peuvent pas résoudre de manière unique la dynamique immunitaire. Nous nous sommes donc tournés vers l'apprentissage automatique pour identifier les différences fondamentales entre les groupes, puis avons exploité cette structure apprise pour générer des patients virtuels qui capturent la façon dont les modèles immunitaires diffèrent entre les groupes.
Ils ont pu montrer que les anticorps basés sur la salive, en particulier un type d’anticorps dans la salive appelé IgA, couplés aux globules blancs, connus depuis longtemps pour être associés au statut VIH, créent la différence de signature entre les deux groupes. Korosec dit que cela est important car de nombreuses recherches montrent une immunité muqueuse altérée chez les personnes vivant avec le VIH et comment elle est influencée à court et à long terme.
Heffernan note qu'ils ont identifié des sous-groupes au sein du groupe séropositif, ce qui met en valeur l'importance des stratégies de vaccination personnalisées et les défis de la modélisation des réponses immunitaires dues à la variabilité individuelle.
« La réponse immunitaire est très, très compliquée. » explique Heffernan. « Parfois, quelque chose peut agir comme un inhibiteur d'un bras de la réponse immunitaire, mais dans d'autres cas, cela peut être un activateur. Il existe également une grande variabilité individuelle parmi les personnes ayant un statut de système immunitaire similaire. Grâce à l'apprentissage automatique, à la modélisation mécaniste et aux « patients virtuels », nous pouvons essayer de découvrir des différences importantes dans les sous-groupes et entre les individus – même des composants du système immunitaire qui ne sont pas mesurés dans les données. Un peu comme essayer de trouver ce dont nous avons besoin dans une botte de foin, mais avec une vision plus claire. chemin pour le trouver.
Le groupe séropositif, malgré les avantages du traitement antirétroviral, présentait de nettes différences dans ses réponses au vaccin par rapport au groupe témoin et le modèle d'apprentissage automatique était capable de classer ces différences avec une précision de près de 100 %, mais il y avait deux individus qu'ils ne pouvaient pas différencier du groupe témoin.
« Peu importe la façon dont nous avons mélangé les données ou les biomarqueurs que nous avons utilisés, l'algorithme d'apprentissage automatique n'a pas pu distinguer un petit sous-ensemble d'individus séropositifs de ceux qui étaient séronégatifs », explique Korosec. « Chez ces individus, les réponses immunitaires induites par le vaccin étaient impossibles à distinguer du groupe séronégatif. Cela suggère que, au moins en termes de réponse vaccinale, leur fonction immunitaire a été efficacement restaurée. »
À l’inverse, il y avait une personne dans le groupe témoin sain dont les marqueurs semblaient impossibles à distinguer de ceux d’une personne vivant avec le VIH, ce qui peut suggérer des problèmes immunitaires sous-jacents qui n’ont peut-être pas encore été identifiés cliniquement.
Soutenue par le Centre de collaboration en sciences mathématiques Fields du Conseil national de recherches du Canada (CNRC), le Conseil national des sciences et de l'ingénierie et de recherches du Canada et l'Intelligence artificielle pour la santé publique (AI4PH), l'étude a été publiée en pré-impression dans le Journal Motifs et paraîtra sous forme imprimée en couverture le 13 mars 2026.
Korosec a travaillé avec des collaborateurs, dont Heffernan, Mohammad Sajjad Ghaemi, agent de recherche principal du Centre de recherche sur les technologies numériques du CNRC, la professeure agrégée Jessica Conway de l'Université d'État de Pennsylvanie et des chercheurs de l'Université de Toronto et de l'Hôpital St. Michael's.
« Cette étude nous rapproche de la compréhension de la diversité immunitaire chez les personnes vivant avec le VIH : comment leurs réponses se comparent à celles des témoins du même âge, dans quelle mesure les anticorps sont conservés au fil du temps et pourquoi certains individus présentent des schémas étonnamment différents », a conclu Korosec.
