Aplicação da técnica de Inteligência Artificial - Redes Neurais Convolucionais Multi-Entrada - para Predição de Sucesso Gestacional na Reprodução Assistida

• Processo: 25/10242-9
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de outubro de 2025
• Data de Término da vigência: 30 de setembro de 2027
• Área de conhecimento: Ciências da Saúde - Medicina
• Pesquisador responsável: José Celso Rocha
• Beneficiário: Bruno Araújo Mendes
• Instituição Sede: Faculdade de Ciências e Letras (FCL-ASSIS). Universidade Estadual Paulista (UNESP). Campus de Assis. Assis , SP, Brasil
• Vinculado ao auxílio: 23/16156-1 - Predição do sucesso gestacional, utilizando as variáveis da morfologia e morfocinética do embrião humano e da paciente, mediante o uso da técnica de Inteligência Artificial, através do deep learning e multilayer perceptron., AP.R
• Assunto(s): Aprendizagem profunda Inteligência artificial Redes neurais convolucionais Técnicas de reprodução assistida
• Palavra(s)-Chave do Pesquisador: Deep Learning | Inteligência Artificial | Predição de Sucesso Gestacional | Redes Neurais convolucionais | reprodução assistida | Seleção Embrionária | Reprodução Assistida

Resumo

A reprodução assistida tem evoluído significativamente desde os experimentos pioneiros de Lazzaro Spallanzani no século XVIII até técnicas modernas como a Fertilização in Vitro e a Injeção Intracitoplasmática de Espermatozoides. Nas últimas décadas, a reprodução assistida passou por importantes avanços tecnológicos, com a digitalização dos processos laboratoriais e o uso crescente de sistemas de captura e análise de imagens embrionárias. Essa modernização favoreceu o desenvolvimento de métodos mais objetivos e padronizados para avaliação embrionária, com potencial para reduzir a subjetividade das análises tradicionais e aumentar a precisão na seleção dos embriões com maior potencial de implantação. Apesar dos avanços, a seleção embrionária ainda depende de avaliações morfológicas subjetivas, o que pode limitar a eficácia dos tratamentos. O uso de incubadoras com tecnologia time-lapse possibilitou o monitoramento contínuo e não invasivo do desenvolvimento embrionário, abrindo caminho para a aplicação de inteligência artificial na análise dessas imagens. Entre as técnicas mais promissoras, destacam-se as redes neurais convolucionais (RNCs), capazes de identificar padrões visuais complexos associados à viabilidade embrionária. Neste projeto, propõe-se o desenvolvimento de uma arquitetura baseada em RNCs multi-entrada para análise simultânea de imagens segmentadas de três estruturas-chave: massa celular interna, trofectoderme e blastocele. Cada estrutura será processada por uma rede específica, e suas saídas serão combinadas em um modelo unificado. Além disso, será incorporada uma quarta entrada ao sistema, baseada em uma rede Multilayer Perceptron, responsável pelo processamento de 33 variáveis morfológicas quantitativas extraídas digitalmente das imagens segmentadas. Essas variáveis incluem medidas como área, perímetro, circularidade e atributos texturais, oferecendo uma visão complementar e estruturada dos embriões. Ao integrar informações visuais e numéricas, o modelo híbrido visa aumentar a acurácia preditiva, reduzir a subjetividade e apoiar decisões clínicas mais assertivas. Espera-se, com isso, contribuir para a padronização da seleção embrionária e para a melhora das taxas de sucesso na reprodução assistida.