Busca avançada
Ano de início
Entree

Aplicação das técnicas de inteligência artificial, Deep Learning e MLP, para predição de nascimento vivo, em pacientes sujeitas à reprodução assistida, utilizando dados da morfologia do blastocisto e fisiológicos da paciente

Processo: 19/26749-4
Linha de fomento:Bolsas no Brasil - Iniciação Científica
Vigência (Início): 01 de julho de 2020
Vigência (Término): 30 de junho de 2021
Área do conhecimento:Ciências da Saúde - Medicina
Pesquisador responsável:José Celso Rocha
Beneficiário:André Satoshi Ferreira
Instituição-sede: Faculdade de Ciências e Letras (FCL-ASSIS). Universidade Estadual Paulista (UNESP). Campus de Assis. Assis , SP, Brasil
Assunto(s):Inteligência artificial   Aprendizagem profunda   Redes neurais (computação)   Algoritmos genéticos   Blastocisto   Processamento digital de imagens   Técnicas de reprodução assistida   Análise qualitativa comparativa (QCA)

Resumo

A técnica de reprodução assistida - TRA se encontra em grande ascensão sendo acompanhada por uma constante inovação e modernização. Técnicas como injeção intracitoplasmática de espermatozoide - ICSI, utilização de equipamentos como o time-lapse, o diagnóstico e screening genético pré implantacional constituem, atualmente, métodos para aumentar a qualidade e o sucesso da TRA. Acompanhando essa tendência a utilização de inteligência artificial - IA, nesta área, também está sendo intensamente pesquisada seja na determinação da qualidade dos gametas, ou sua seleção, e na classificação embrionária. Apesar de um número exponencial de estudos, a utilização de IA dentro das clínicas de reprodução assistida ainda não é uma realidade, sendo a classificação e seleção embrionária realizadas por embriologistas que acabam incorrendo em erros intra e inter-embriologista. Além disso, os casais que procuram as clínicas têm grande interesse em saber a probabilidade de sucesso da TRA, entretanto é muito abstrato para um ser humano mensurar tal probabilidade devido à complexidade deste processo. Já existem estudos da utilização de IA na predição de live birth, porém esses utilizam apenas a imagem do blastocisto transferido, descartando informações valiosas como aspectos fisiológicos da paciente, tais como: idade, IMC, número de oócitos e folículos antrais. Desta forma, o presente projeto tem como objetivo implementar um software utilizando o processamento digital, as redes neurais artificiais e os algoritmos genéticos que seja capaz de predizer a probabilidade de sucesso da gravidez com base nos dados morfológicos do blastocisto conjuntamente com os dados fisiológicos da paciente. Além disso, pretende-se uma análise comparativa da utilização das técnicas de deep learning e multilayer perceptron - MLP na classificação embrionária.