Morfocinética associada à inteligência artificial para a predição do blastocisto humano

• Processo: 18/24252-2
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de fevereiro de 2019
• Data de Término da vigência: 28 de fevereiro de 2021
• Área de conhecimento: Ciências da Saúde - Medicina
• Pesquisador responsável: José Celso Rocha
• Beneficiário: Eleonora Inácio Fernandez
• Instituição Sede: Faculdade de Ciências e Letras (FCL-ASSIS). Universidade Estadual Paulista (UNESP). Campus de Assis. Assis , SP, Brasil
• Assunto(s): Inteligência artificial Redes neurais (computação) Predição Blastocisto Fertilização in vitro Técnicas de reprodução assistida
• Palavra(s)-Chave do Pesquisador: Blastocisto humano | Inteligência Artificial | morfocinética embrionária | Reprodução Assistida

Resumo

Em vista a crescente procura por métodos de fertilização in vitro, se tem observado a necessidade de uma constante busca por aperfeiçoamento em suas técnicas. Uma das etapas de maior importância na reprodução assistida é a forma como são classificados e selecionados os embriões, pois esta seleção terá impacto direto no sucesso ou fracasso do procedimento. Geralmente, a escolha dos embriões a serem implantados é realizada porem briologistas por meio da microscopia, seguindo normalmente o sistema de classificação de Gardner & Schoolcraft (1999), sendo esta análise realizada quando o embrião se encontra em estágio de blastocisto. O fato de ocorrer o desenvolvimento até o estágio do blastocisto é um importante marco para o desenvolvimento e demonstração de aptidão embrionária. Embriões que não chegam ao estágio de blastocisto são incapazes de manter uma gestação. Por meio da introdução das técnicas matemáticas de redes neurais artificiais e algoritmos genéticos, este estudo visa à apresentação de uma alternativa para o aprimoramento da seleção embrionária, na qual seria realizada a predição do alcance ao estágio de blastocisto, por meio de uma análise in silício dos tempos de clivagem apresentados pelo embrião nas primeiras horas pós-fertilização.

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

BORI, LORENA; DOMINGUEZ, FRANCISCO; FERNANDEZ, ELEONORA INACIO; DEL GALLEGO, RAQUEL; ALEGRE, LUCIA; HICKMAN, CRISTINA; QUINONERO, ALICIA; NOGUEIRA, MARCELO FABIO GOUVEIA; ROCHA, JOSE CELSO; MESEGUER, MARCOS. An artificial intelligence model based on the proteomic profile of euploid embryos and blastocyst morphology: a preliminary study. Reproductive BioMedicine Online, v. 42, n. 2, p. 340-350, FEB 2021. (18/24252-2, 18/19371-2)

CHELES, DORIS SPINOSA; FERREIRA, ANDRE SATOSHI; DE JESUS, ISABELA SUEITT; FERNANDEZ, ELEONORA INACIO; PINHEIRO, GABRIEL MARTINS; DAL MOLIN, ELOIZA ADRIANE; ALVES, WALLACE; MILANEZI DE SOUZA, REBECA COLAUTO; BORI, LORENA; MESEGUER, MARCOS; et al. An Image Processing Protocol to Extract Variables Predictive of Human Embryo Fitness for Assisted Reproduction. APPLIED SCIENCES-BASEL, v. 12, n. 7, p. 20-pg., 2022-04-01. (20/07634-9, 18/24252-2, 19/26749-4, 17/19323-5, 19/26684-0)

FERNANDEZ, ELEONORA INACIO; FERREIRA, ANDRE SATOSHI; CECILIO, MATHEUS HENRIQUE MIQUELAO; CHELES, DORIS SPINOSA; DE SOUZA, REBECA COLAUTO MILANEZI; NOGUEIRA, MARCELO FABIO GOUVEIA; ROCHA, JOSE CELSO. Artificial intelligence in the IVF laboratory: overview through the application of different types of algorithms for the classification of reproductive data. JOURNAL OF ASSISTED REPRODUCTION AND GENETICS, v. 37, n. 10, JUL 2020. (18/24252-2, 18/19371-2, 17/19323-5)