Seleção do melhor embrião na FIV – visão computacional (RNA) e inteligência artificial (IA)

Seleção do melhor embrião na FIV - visão computacional (RNA) e inteligência artificial (IA)

A seleção do melhor embrião na FIV envolve recursos como a visão computacional e a inteligência artificial que são cada vez mais utilizadas nos meios médicos no auxílio diagnóstico e terapêutico.

A seleção do melhor embrião na FIV com transferência para o útero é uma tarefa importante enfrentada diariamente por médicos e embriologistas. A avaliação da morfologia (forma) do embrião e o teste genético pré-implantação para aneuploidias (PGT-A) são as duas ferramentas mais usadas para selecionar o melhor embrião. Embora novas tecnologias, incluindo o uso de DNA livre de células do fluido de blastocele e de meios de cultura onde os embriões se desenvolvem estejam surgindo, mais pesquisas são necessárias antes que isso possa entrar na prática clínica.

Os sistemas modernos de cultura embrionária com o Time-lapse Imaging

Os sistemas de cultura de embriões fechados com imagens de lapso de tempo (time-lapse imaging) fornecem uma grande quantidade de dados de imagem para análise. Existem alguns estudos que mostram o possível valor preditivo de parâmetros morfocinéticos individuais (dados do desenvolvimento dos embriões) e sua associação com a ploidia embrionária (número de cromossomas do embrião); no entanto, a maioria dos estudos não mostrou benefício consistente a esse respeito, apesar da promessa inicial de melhorar os resultados.

O papel da visão computacional e da inteligência artificial na seleção de embriões para transferência

Mais recentemente, o aprendizado de máquina e a inteligência artificial (IA) estão sendo investigados para analisar dados de imagem de lapso de tempo com sofisticados algoritmos de computador, o que vem melhor a seleção do melhor embrião na FIV. Isso inclui o uso de IA para analisar dados morfocinéticos de desenvolvimento de embriões, bem como o uso de visão computacional com software de processamento de imagem para examinar imagens de lapso de tempo brutas e detectar características sutis do desenvolvimento do embrião não discernidas a olho nu.

O estudo atual envolve redes neurais artificiais (RNA) e visão computacional

Bori et al. descrevem novas características do embrião capazes de prever o potencial de implantação quando usado como dados de entrada para um modelo de rede neural artificial (RNA). Os novos parâmetros avaliados foram distância e velocidade de migração pronuclear (os pronúcleos são estruturas do zigoto que contêm o DNA do pai e da mãe), diâmetro expandido do blastocisto, área de massa celular interna (o futuro corpo do embrião) e duração do ciclo celular de formação da futura placenta (trofectoderma). Estamos bem próximos de conseguir a seleção do melhor embrião na FIV.

O estudo analisou, em duas fases, o tamanho do embrião em blastocisto e o tempo de formação das células que vão originar a placenta (trofectoderma)

O diâmetro expandido do blastocisto e a duração do ciclo celular do trofectoderma foram estatisticamente diferentes entre embriões implantados e não implantados. Os autores também avaliaram o desempenho de um modelo de RNA construído com uma extensa lista de parâmetros morfocinéticos convencionais, separadamente ou em combinação com novas características do embrião.

Em última análise, um modelo de RNA que incluiu morfocinética convencional e todos os novos parâmetros embrionários teve melhor capacidade preditiva de implantação, com uma área sob a curva (AUC) de 0,77, ou seja, o modelo acertava 77% das vezes qual embrião vai implantar, o que já é bem melhor do que os tradicionais 50% que oferecemos aos nosso pacientes atualmente.

A força do estudo é a avaliação de embriões de doadoras de oócitos com transferência única de blastocisto, o que diminui o fator de confusão associado à idade e outros parâmetros específicos do paciente.

Outras características do ciclo de fertilização devem melhorar o valor preditivo de implantação de embriões – um modelo aperfeiçoado!!

Seria interessante também ver se essas novas características do embrião terão potencial preditivo quando avaliadas na população geral de fertilização in vitro (FIV). Considerando a heterogeneidade dessa população, os fatores relacionados ao paciente, como idade e diagnóstico de infertilidade, provavelmente precisarão ser integrados para o desenvolvimento do modelo ideal. A comparação da avaliação de embriões baseada em inteligência artificial com as avaliações morfológicas convencionais, com ou sem PGT-A, também precisa ser realizada para examinar a superioridade (se houver) dessa tecnologia.

O aperfeiçoamento desse modelo com a repetição desse tipo de estudo em várias clínicas vai nos dar muitas respostas sobre qual embrião transferir.

Este foi um estudo retrospectivo e os resultados precisam ser validados em um cenário prospectivo. Além disso, apesar do fato de que a adição de novos recursos do embrião melhorou a capacidade preditiva do algoritmo de IA, em geral essa previsão ainda é apenas “razoável”, com uma AUC de 0,77. Os resultados do número atual e crescente de outras investigações apontam para o papel potencial da IA em um laboratório de fertilização in vitro. Se as descobertas desses estudos puderem ser replicadas de forma consistente, a viabilidade da integração da IA ao fluxo de trabalho de embriologia de rotina precisará ser considerada. Embora o uso de IA no laboratório de embriologia seja promissor, mais pesquisas nesta área são necessárias, e a logística de uso de IA neste ambiente precisa ser elaborada.

https://www.fertstert.org/article/S0015-0282(20)32507-3/fulltext

Você pode se interessar:

Compartilhe:

WhatsApp
Email
Facebook
LinkedIn
Twitter