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
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de julho de 2020
• Data de Término da vigência: 30 de junho de 2021
• Área de 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)
• Palavra(s)-Chave do Pesquisador: Deep Learning | Inteligência Artificial | Morfologia do Blastocisto | parâmetros fisiológicos | reprodução assistida | Sucesso Gestacional | Reprodução Assistida

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.

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)

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)