牛津大学研究人员领导的研究描述了一种首创的方法，该方法通过将机器学习应用于质谱数据来区分真假疫苗。事实证明，该方法可以有效区分之前发现进入供应链的一系列真疫苗和“假疫苗”。

这项研究的结果发表在npj Vaccines上，提供了一种概念验证方法，可以扩展以满足对更有效的全球疫苗供应链筛查的迫切需求。一个关键的好处是它使用已经在全球分布的临床质谱仪进行医学诊断。

论文题目为《利用基质辅助激光解吸电离质谱结合机器学习进行疫苗真实性筛查》。

全球人口越来越依赖疫苗来维持人口健康，全球免疫计划每年使用数十亿剂疫苗。绝大多数疫苗质量优良。然而，劣质疫苗和伪造疫苗的增多威胁着全球公共卫生。

除了无法治疗预期的疾病外，这些疫苗还可能造成严重的健康后果，包括亡，并降低人们对疫苗的信心。不幸的是，目前全球还没有建立基础设施来使用专门为识别无效疫苗而开发的筛选方法来监控供应链。

在这项新研究中，研究人员开发并验证了一种方法，该方法可以使用为医院微生物实验室识别细菌而开发的仪器来区分真假疫苗。