Predição de batimento cardíaco fetal por meio de inteligência artificial e de variáveis morfológicas, morfocinéticas e relacionadas com a paciente

• Ano de defesa: 2022
• Autor(a) principal: Chéles, Dóris Spinosa
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Reprodução humana; Inteligência artificial; Embrião humano
• Link de acesso: http://hdl.handle.net/11449/236762

As tecnologias de reprodução assistida vêm sendo cada vez mais utilizadas e aprimoradas com o passar do tempo. Para a transferência embrionária, a escolha do embrião de melhor qualidade é uma etapa decisiva para a ocorrência de gestação. Para isso, os embriologistas dispõem de sistemas de classificação no momento da avaliação embrionária. Entretanto, esta avaliação é dependente da experiência que os embriologistas possuem e consequentemente é influenciada pela subjetividade intrínseca, tanto entre avaliadores diferentes quanto pelo mesmo avaliador. Além disso, os conhecimentos acerca dos tempos do desenvolvimento embrionário – facilitado pela implementação do sistema time-lapse na rotina laboratorial – e acerca das características relacionadas com a paciente que passa pelo tratamento de reprodução assistida são fatores que podem auxiliar no momento da seleção embrionária, e potencialmente, melhorar a taxa de gestação obtida em clínicas. Portanto, uma forma de avaliação objetiva é necessária para melhorar o sucesso destas tecnologias. Assim, foram utilizados três conjuntos de variáveis de entrada distintas (morfologia do blastocisto, morfocinética embrionária e características relacionadas com a paciente) para a aplicação em inteligência artificial (redes neurais artificiais e algoritmo genético). Para a morfologia, foi realizado o processamento digital de imagens de blastocistos humanos para a obtenção de variáveis preditivas da qualidade do blastocisto. Para a morfocinética, foram utilizados parâmetros relacionados aos tempos do desenvolvimento embrionário. Para a paciente, foram elaboradas pontuações para cada variável de entrada com base em pesquisa bibliográfica. Estes conjuntos de variáveis foram treinados e simulados separadamente e em conjunto para predizer o batimento cardíaco fetal. Além disso, os três conjuntos juntos também foram utilizados para predizer o nascimento vivo. Considerando os três conjuntos juntos como entrada, a melhor rede neural artificial encontrada para a predição de batimento cardíaco fetal obteve uma acurácia geral de 95,2% no treinamento e 78,4% na simulação. Já a melhor rede encontrada para a predição de nascimento vivo obteve uma acurácia geral de 98,0% no treinamento e 81,1% na simulação. Dessa forma, a aplicação de inteligência artificial apresenta potencial para auxiliar, de forma objetiva, os embriologistas durante a escolha do embrião mais apto para a transferência, e assim, transpassar do campo in silico (laboratorial) em direção à prática clínica na reprodução assistida.