Onderzoekers werken aan een zogenoemd AI‑vaccin: een vaccin waarvan de samenstelling met behulp van algoritmen wordt ontworpen. Het doel is om bij een volgende pandemie sneller en gerichter te kunnen vaccineren. De ontwikkeling loopt internationaal en is ook relevant voor Europa en Nederland. De innovatie sluit aan op de Europese digitalisering van de zorg en heeft gevolgen voor het bedrijfsleven en de publieke gezondheid.
AI versnelt vaccinontwerp
Bij een AI‑vaccin gebruikt een systeem grote hoeveelheden virusdata om bouwstenen voor een vaccin te kiezen. Het model zoekt naar virusonderdelen die weinig muteren en een sterke afweerreactie opwekken. Daardoor kan het ontwerpproces in dagen tot weken gebeuren, in plaats van maanden. Dat is vooral van waarde in de eerste fase van een uitbraak.
De aanpak belooft sneller te reageren op nieuwe varianten. Een ontwerp kan direct worden aangepast als het virus verandert. Zo blijft de bescherming zo actueel mogelijk. Voor overheden maakt dit snellere besluitvorming en inkoop eenvoudiger.
Er zijn ook grenzen. Voorspellingen van een algoritme moeten altijd in het lab worden getest. Zonder goede en diverse data kan het model verkeerde keuzes maken. Daarom blijft klinisch onderzoek noodzakelijk voordat brede inzet mogelijk is.
Van data naar antigeenkeuze
De kern van de methode is patroonherkenning in genetische sequenties van virussen. Machine‑learningmodellen selecteren zogeheten epitopen: kleine stukjes eiwit waarop het afweersysteem reageert. Het systeem weegt stabiliteit, variatie en zichtbaarheid voor het immuunsysteem. Zo ontstaat een kandidaat die breed inzetbaar kan zijn.
Voor training gebruiken onderzoekers open databronnen zoals GenBank en, bij respiratoire virussen, vaak ook GISAID. Die databanken bevatten miljoenen sequenties uit veel landen. Dat vraagt om continue updates van het model. Nieuwe data betekenen immers nieuwe patronen en mogelijk betere keuzes.
Een AI‑vaccin is een vaccin waarvan de samenstelling is ontworpen met algoritmen die virusdata analyseren en de beste doelwitten voor het immuunsysteem selecteren.
Bias blijft een risico. Als data vooral uit één regio of periode komen, kan de uitkomst scheef zijn. Europese samenwerking voor datadeling helpt dit te beperken. Standaarden voor datakwaliteit en herkomst worden daarom steeds belangrijker.
Snellere productie met mRNA
Het AI‑ontwerp sluit logisch aan op mRNA‑platforms. Bij mRNA‑technologie wordt de genetische code van het doeleiwit verpakt in een vetdeeltje. Die code is snel te wijzigen als het ontwerp verandert. Zo kunnen fabrieken sneller schakelen bij nieuwe varianten.
In Europa staan meerdere productielocaties voor mRNA‑vaccins en hulpstoffen. Dit maakt regionale levering mogelijk, wat logistieke risico’s verkleint. De Europese Commissie stimuleert dit via initiatieven voor crisisproductie. Bedrijven kunnen zo in korte tijd de productie opschalen.
Er blijven praktische vragen. Hoe groot is de productiecapaciteit écht in een crisissituatie? En hoe snel kunnen grondstoffen en flesjes worden geleverd? Overheden en industrie testen daarom noodscenario’s en leveringsketens.
Toetsing door EMA en HERA
Voor toelating in de EU beoordeelt het Europees Geneesmiddelenbureau (EMA) de veiligheid en werking. Bekende routes zoals rolling review en voorwaardelijke toelating kunnen snelheid geven, zonder de kwaliteit te verlagen. HERA, de Europese gezondheidsautoriteit voor noodsituaties, coördineert inkoop en paraatheid. Zo ontstaat een keten van ontwerp tot distributie.
De AI‑verordening (AI Act) raakt deze innovatie indirect. Ontwerpalgoritmen voor onderzoek vallen doorgaans niet in de hoogste risicoklasse. Toch gelden eisen aan datakwaliteit, documentatie en transparantie als de software dichter bij klinische beslissingen komt. Dit dwingt ontwikkelaars om het model traceerbaar en uitlegbaar te maken.
Voor burgers is dit goed nieuws, maar het schept ook plichten. Fabrikanten moeten kunnen uitleggen hoe het model keuzes maakt. Toezichthouders kunnen zo gerichter toetsen op risico’s. Dat verhoogt het vertrouwen in nieuwe vaccinplatforms.
Privacy en datagebruik AVG
AI‑vaccins vragen om veel data, waaronder genetische sequenties en soms klinische patiëntgegevens. De AVG eist dan dataminimalisatie: gebruik alleen wat nodig is. Gegevens moeten worden gepseudonimiseerd of geanonimiseerd, en veilig worden opgeslagen. Toegang hoort strikt gelogd en versleuteld te zijn.
Grensoverschrijdende dataoverdracht blijft een aandachtspunt. Europese clouds en afspraken over datadoorstroming beperken risico’s. Onderzoekscentra werken steeds vaker met federated learning. Daarbij blijven data lokaal, en reist alleen het model.
Ook toestemming en doelbinding zijn belangrijk. De reden voor datagebruik moet helder zijn en vooraf zijn vastgelegd. Voor hergebruik in nieuw onderzoek is vaak opnieuw toestemming nodig. Dit voorkomt verrassingen voor deelnemers en verkleint juridische risico’s.
Impact voor Nederland en EU
Nederland kan profiteren van de koppeling tussen AI‑ontwerp en bestaande kennis bij organisaties als RIVM en Erasmus MC. Onze labs hebben ervaring met virusbewaking en immunologie. Door die kennis te verbinden met datateams kan het ontwerp sneller en lokaler. Dit helpt bij eigen beoordeling en inkoop.
De zorgketen moet wel klaarstaan. Denk aan GGD‑logistiek, koeling en digitale uitnodigingen. Eerdere coronacampagnes lieten zien dat opschalen kan, maar ook waar het wringt. Vroege oefening met simulaties en datasets kan vertraging voorkomen.
Er blijft behoefte aan bewijs uit klinische studies. Hoe breed beschermt een AI‑ontworpen vaccin, en hoe lang? Ook de kosten en beschikbaarheid spelen mee. Pas met die gegevens kunnen beleidsmakers en het bedrijfsleven besluiten over grootschalige inzet.
Wat nu nodig is
Drie zaken zijn cruciaal: betere en diverse data, duidelijke regels en testcapaciteit. Zonder rijke datasets is elk model beperkt. Heldere richtlijnen vanuit EMA, HERA en de AI Act zorgen voor voorspelbare stappen. En snelle proefopzetten in Europa versnellen het leren.
Publiek‑private samenwerking kan hier het verschil maken. Universiteiten, biotech en farmabedrijven hebben elkaar nodig. Ook leveranciers van data‑infrastructuur en cloud spelen een rol. Zo groeit een veerkrachtig ecosysteem.
Tot slot vraagt dit om transparantie naar het publiek. Leg uit wat een AI‑vaccin is, wat het wel en niet kan, en hoe privacy wordt beschermd. Dat vergroot draagvlak bij een volgende uitbraak. En het helpt misinformatie voor te blijven.