病毒，特別是RNA病毒，如新冠病毒，透過累積新的突變不斷進化。其中一些突變對病毒更有利，能夠幫助變異體逃避宿主免疫系統並迅速傳播。從理論上講，如果科學家能夠預測病毒未來的演化路徑，就可以事先設計疫苗和抗病毒療法。

目前，人工智慧（AI）工具能夠預測哪些單一突變會使病毒更具優勢，以及哪些變異體可能在短期內佔據主導地位。然而，這些工具尚無法預測長期內病毒可能經歷的複雜突變組合。

過去，研究人員透過實驗室實驗識別出具有增強特性的病毒變體，但這些實驗耗時且費力。近年來，AI驅動的蛋白質結構預測工具為這一領域注入了新動力。例如，DeepMind開發的AlphaFold和Meta推出的ESM-2以及ESMFold，都展現了技術突破。

AI模型需要大量資料才能實現病毒演化預測。由於新冠疫情期間廣泛的基因定序，研究人員目前擁有近1,700萬個基因序列作為訓練資料。

儘管如此，免疫學家指出，要顯著提高AI模型的預測能力，可能需要超過五年的病毒演化數據。此外，目前大多數的AI模型仍主要關注單一突變的影響，而病毒的演化空間幾乎是無限的。例如，當奧密克戎變種出現時，它攜帶了50多個突變，其中許多是研究人員先前未曾預料到的。