Artificial intelligence-derived quantitative blastocyst morphology for objective embryo assessment and fetal heart tone stratification

Nos laboratórios silenciosos e com temperatura controlada onde a vida começa fora do útero, os embriologistas enfrentam uma tarefa de profunda delicadeza e alto risco. Eles devem observar imagens microscópicas de embriões humanos iniciais e decidir quais têm as melhores chances de se tornarem um bebê. Essa decisão baseia-se em um sistema chamado classificação de blastocisto, onde especialistas examinam a forma e a estrutura do embrião. Eles observam três coisas principais: o quanto o embrião se expandiu, o aglomerado de células que se tornará o bebê (a massa celular interna) e a camada externa de células que formará a placenta (o trofoectoderme). Durante décadas, isso tem sido um esforço humano, dependendo dos olhos treinados e da experiência do cientista olhando pelo microscópio. No entanto, a visão humana é falível; dois especialistas podem olhar para a mesma imagem e ver qualidades ligeiramente diferentes, levando a julgamentos inconsistentes. À medida que a demanda por tratamentos de fertilidade cresce, a necessidade de uma forma mais objetiva e consistente de ler essas pequenas vidas em desenvolvimento tornou-se urgente.

Um novo estudo de uma equipe de pesquisadores na Coreia do Sul explora se a inteligência artificial pode oferecer uma lente mais clara e confiável para essa avaliação crítica. Os pesquisadores não simplesmente pediram a um computador para adivinhar qual embrião teria sucesso. Em vez disso, construíram uma ferramenta digital que atua como uma fita métrica precisa para a anatomia do embrião. Usando um modelo de aprendizado profundo, o software primeiro identificou os limites específicos da casca externa do embrião, do aglomerado de células interno e da camada de células externa. A partir desses contornos digitais, o sistema extraiu dezessete medições diferentes, como a espessura da casca, a arredondamento do aglomerado de células internas e o número de células na borda. A equipe então testou se esses números concretos poderiam fazer um trabalho melhor do que os especialistas humanos em duas coisas: concordar sobre qual classificação um embrião merece e prever se o embrião eventualmente apresentaria um batimento cardíaco, um marco importante conhecido como tom cardíaco fetal.

O estudo analisou mais de dez mil imagens de embriões coletadas de sete centros de fertilidade diferentes. Quando os pesquisadores compararam a classificação do computador com a classificação de consenso dada por um painel de embriologistas humanos, os resultados foram impressionantes. Para o estágio de desenvolvimento e a qualidade do aglomerado de células internas, o modelo de inteligência artificial concordou com o consenso humano com mais frequência do que qualquer único embriologista humano faria. Embora os especialistas humanos tenham mostrado uma concordância substancial entre si, o computador alcançou um nível de concordância quase perfeita. Isso sugere que as medições quantitativas derivadas das imagens capturam a realidade estrutural do embrião de forma mais consistente do que a interpretação subjetiva de um único observador. O computador não apenas imitou a opinião humana; ele forneceu um padrão estável e reprodutível que reduziu a variação natural entre diferentes médicos.

A descoberta mais significativa, no entanto, diz respeito à previsão do tom cardíaco fetal. Os pesquisadores treinaram um modelo de aprendizado de máquina para usar as dezessete medições quantitativas para prever se um embrião desenvolveria um batimento cardíaco. Eles então compararam esse modelo de IA contra um modelo baseado apenas nas classificações tradicionais de consenso humano. O modelo de IA, usando os números brutos da forma do embrião, teve um desempenho significativamente melhor. Ele distinguiu corretamente entre os embriões que desenvolveriam e os que não desenvolveriam um batimento cardíaco com mais precisão do que o sistema de classificação humana sozinho. Para entender como isso funcionou, os pesquisadores decomporam o processo de tomada de decisão da IA em um fluxograma simples. Eles descobriram que o número de células na borda do embrião e a espessura de sua casca externa eram os indicadores mais poderosos. Por exemplo, embriões com uma contagem específica de células de borda e uma casca externa muito fina mostraram uma taxa muito maior de desenvolvimento de um batimento cardíaco em comparação com outros.

Quando os pesquisadores observaram quão bem os dois sistemas separavam os embriões em grupos de alto e baixo sucesso, a diferença era clara. As classificações de consenso humano podiam separar os embriões em grupos com frequências cardíacas variando de cerca de 16,7% a 36,2%. Em contraste, o modelo quantitativo impulsionado por IA criou uma separação muito mais ampla, com grupos variando de 11,8% a 46,8%. Essa faixa mais ampla significa que a IA poderia identificar um subconjunto de embriões que eram significativamente mais propensos a ter sucesso do que o sistema humano conseguia distinguir. O computador não disse apenas "isso é bom" ou "isso é ruim"; ele forneceu uma escala de probabilidade mais fina, permitindo uma visão mais matizada de quais embriões tinham o maior potencial.

O estudo também confirmou que os números que o computador usou faziam sentido biológico. Os indicadores que mais importaram para a IA, como a espessura da casca externa e a compacidade do aglomerado de células internas, alinham-se com o que os cientistas já sabem sobre o desenvolvimento saudável. Uma casca mais fina geralmente indica que o embrião está pronto para eclodir, e um aglomerado interno compacto sugere um forte potencial para formar um bebê. O fato de a IA ter chegado a essas mesmas conclusões através de pura análise de dados, sem ser explicitamente instruída sobre as regras da biologia, acrescenta peso às descobertas. Isso sugere que essas características mensuráveis são, de fato, as assinaturas físicas de um embrião saudável.

Apesar desses resultados promissores, os pesquisadores tomam cuidado para notar que isso não é uma substituição do julgamento humano, nem uma garantia de um nascimento vivo. O estudo focou na presença de um batimento cardíaco, que é um sinal positivo, mas não é o desfecho final de uma gravidez. O modelo de IA não levou em conta outros fatores cruciais, como a idade da mãe ou a condição do útero. Além disso, o estudo foi conduzido usando dados de um único país, e os resultados podem precisar ser testados em outras populações. Os pesquisadores também reconheceram que o computador foi ligeiramente menos consistente do que os humanos ao classificar a camada externa de células, provavelmente porque uma única imagem plana não pode mostrar a forma tridimensional completa dessa camada.

O que este trabalho demonstra é que a inteligência artificial pode servir como uma parceira poderosa e objetiva no laboratório. Ao transformar a arte visual da classificação de embriões em um conjunto de medições precisas e reprodutíveis, a tecnologia oferece uma maneira de reduzir a inconsistência humana e descobrir padrões sutis que poderiam passar despercebidos. O estudo sugere que combinar a vasta experiência dos embriologistas com os insights rigorosos e baseados em dados da IA pode levar a melhores decisões no tratamento de fertilidade. É um passo em direção a um futuro onde a seleção de um embrião seja guiada não apenas pelo que um olho vê, mas pelo que os dados revelam sobre a pequena vida em desenvolvimento.