Seleção de cepas vacinais contra influenza: algoritmos preditivos substituem o método tradicional da OMS?

Duas vezes por ano, um comitê de especialistas da Organização Mundial da Saúde (OMS) toma uma das decisões mais consequentes da saúde pública global: quais cepas do vírus influenza entrarão na composição das vacinas sazonais. Quando a escolha é certeira, milhões de hospitalizações são evitadas. Quando falha, o impacto se mede em mortes — estima-se que a influenza sazonal cause entre 290 mil e 650 mil óbitos por ano no mundo, segundo dados consolidados da OMS. No Brasil, o Ministério da Saúde registra cerca de 800 mortes anuais por síndrome respiratória aguda grave (SRAG) associada à influenza, com picos que ultrapassam 1.500 óbitos em anos de baixa concordância vacinal.

Nesse cenário, a promessa de que algoritmos preditivos e modelos computacionais poderiam antecipar com mais precisão as variantes dominantes da próxima temporada gerou entusiasmo na comunidade científica. Mas essa promessa resiste ao escrutínio dos dados?

O debate na Nature Medicine

Uma correspondência publicada na Nature Medicine em junho de 2026 reacende essa discussão. O artigo original havia proposto que modelos computacionais — baseados em análise filogenética, mapeamento antigênico e simulação evolutiva — poderiam otimizar a escolha de cepas vacinais, potencialmente superando o método convencional dos comitês da OMS. Em resposta, pesquisadores publicaram uma réplica contundente: as evidências dessa suposta superioridade são, na melhor das hipóteses, limitadas.

Os autores da réplica identificam falhas metodológicas relevantes nas comparações entre os dois métodos. Entre os problemas apontados estão: períodos de avaliação excessivamente curtos (em geral, 3 a 5 temporadas), ausência de validação prospectiva independente, e uso de métricas — como distância antigênica computada — que não se traduzem diretamente em efetividade vacinal em populações reais. Em outras palavras, demonstrar que um modelo prevê corretamente a cepa dominante não equivale a demonstrar que a vacina resultante protege mais pessoas.

A complexidade da seleção de cepas

O processo tradicional da OMS é sustentado pelo Global Influenza Surveillance and Response System (GISRS), uma rede composta por mais de 140 laboratórios nacionais de referência em 114 países, além de 7 centros colaboradores e 4 laboratórios regulatórios essenciais. A cada ano, o GISRS processa mais de 500 mil amostras clínicas, realiza caracterização antigênica por inibição de hemaglutinação (HAI) e, crescentemente, sequenciamento genômico completo das cepas circulantes.

As reuniões de seleção — realizadas em fevereiro (para o hemisfério norte) e setembro (para o hemisfério sul) — integram dados virológicos, epidemiológicos, sorológicos e logísticos. O comitê avalia não apenas quais cepas provavelmente predominarão, mas também fatores práticos como a capacidade de crescimento das cepas candidatas em ovos embrionados, que ainda representam cerca de 80% da produção global de vacinas contra influenza.

Essa multiplicidade de variáveis é parte central do argumento dos autores da réplica: modelos computacionais tipicamente otimizam uma única dimensão — a predição da cepa dominante — ignorando os demais determinantes da efetividade vacinal real.

Os limites dos modelos preditivos

A crítica se aprofunda em três eixos principais:

1. Imprevisibilidade viral. O vírus influenza A, especialmente o subtipo H3N2, apresenta taxa de mutação no gene da hemaglutinina (HA) estimada em 4,0 × 10⁻³ substituições por sítio por ano — uma das mais altas entre os vírus RNA respiratórios. Eventos como reassortment (rearranjo genético entre cepas co-infectantes) e introdução de linhagens de reservatórios aviários ou suínos são, por definição, estocásticos e escapam à capacidade preditiva de modelos treinados com dados históricos.

2. Efetividade vacinal multifatorial. A efetividade da vacina contra influenza varia amplamente entre temporadas. Dados do CDC norte-americano mostram que, nas últimas duas décadas, a efetividade vacinal global oscilou entre 10% (temporada 2004-2005, com mismatch antigênico grave para H3N2) e 60% (temporadas com boa concordância). No Brasil, estudos do Instituto Butantan e da Fiocruz reportam efetividade entre 25% e 55% para prevenção de hospitalização por SRAG em idosos (IC 95%: 18%–62%), dependendo da temporada e do subtipo predominante.

Essa variação depende de fatores que transcendem a escolha da cepa: plataforma vacinal (ovo embrionado vs. cultura celular vs. recombinante), dose (padrão vs. alta dose para idosos), adjuvante, imunossenescência do hospedeiro e intervalo entre vacinação e exposição. Modelos focados exclusivamente na predição de cepas dominantes não capturam essa complexidade.

3. Métricas inadequadas. Muitos estudos que alegam superioridade computacional utilizam como desfecho a concordância antigênica retrospectiva — isto é, verificam se o modelo teria acertado a cepa dominante em temporadas passadas. Porém, acertar a cepa não garante efetividade clínica: a vacina de 2017-2018 no hemisfério norte continha uma cepa H3N2 razoavelmente concordante, mas a efetividade contra H3N2 foi de apenas 25% (IC 95%: 13%–36%), em parte por mutações adaptativas ao crescimento em ovo (fenômeno conhecido como egg-adapted mutations).

O que o método tradicional oferece

Os defensores do sistema vigente argumentam que, apesar de suas imperfeições, o processo da OMS incorpora um grau de pragmatismo e integração que nenhum modelo computacional replicou até hoje. O comitê pondera simultaneamente: tendências virológicas globais, disponibilidade de cepas candidatas para produção em larga escala, dados de soroprevalência em populações-alvo, e restrições regulatórias e logísticas de cada fabricante.

Além disso, o sistema tem demonstrado capacidade de adaptação. A transição de vacinas trivalentes para quadrivalentes — incorporando duas linhagens de influenza B (Victoria e Yamagata) — e, mais recentemente, a adoção de vacinas produzidas em cultura celular (como a Flucelvax) representam avanços que nasceram dentro do próprio arcabouço institucional da OMS.

Integração, não substituição

É importante ressaltar que os autores da réplica não descartam o valor potencial dos modelos computacionais. Sua posição é mais matizada: ferramentas preditivas podem e devem ser integradas ao processo decisório, desde que submetidas a validação prospectiva rigorosa. Isso significaria, na prática, conduzir ensaios multicêntricos nos quais vacinas formuladas com base em recomendações computacionais fossem comparadas diretamente — em termos de efetividade clínica — com vacinas formuladas pelo método tradicional.

Até que essa evidência prospectiva exista, os autores argumentam, a substituição do método convencional seria prematura e potencialmente arriscada. A analogia utilizada é eloquente: substituir um sistema imperfeito, mas testado em décadas de prática, por um sistema teoricamente superior, mas não validado em campo, é um risco que a saúde pública global não pode correr levianamente.

Implicação clínica: o que muda para o médico

Para o clínico que atende na ponta, o debate sobre métodos de seleção de cepas não altera a conduta imediata. A vacina contra influenza continua sendo a principal estratégia de prevenção, com recomendação formal do Ministério da Saúde para os seguintes grupos prioritários: idosos com 60 anos ou mais, gestantes em qualquer trimestre, puérperas até 45 dias após o parto, crianças de 6 meses a menores de 6 anos, profissionais de saúde, portadores de doenças crônicas (diabetes, cardiopatia, pneumopatia, nefropatia, hepatopatia, obesidade com IMC ≥ 40), imunossuprimidos e pessoas com deficiência.

A efetividade vacinal, embora variável entre temporadas, permanece clinicamente significativa. Metanálise publicada no Lancet Infectious Diseases (n = 35 estudos, > 100 mil participantes) demonstrou que a vacinação reduz o risco de hospitalização por influenza em 40%–60% em adultos e em 50%–70% em crianças, mesmo em temporadas de concordância parcial.

A mensagem-chave é: recomendar a vacina com convicção, todos os anos, independentemente das incertezas inerentes ao processo de seleção de cepas. O benefício populacional da vacinação em massa é robusto e consistente — e o aprimoramento dos métodos de seleção, quando vier, será incremental, não disruptivo.

Fonte: Nature Medicine, junho de 2026. Reply to: Limited evidence of computational model superiority in seasonal influenza vaccine strain selection.

Conteúdo educativo. Não substitui consulta médica profissional.