PODEMOS PREVER A EUPLOIDIA COM O USO DA INTELIGÊNCIA ARTIFICIAL?

Selecionar embriões com maior potencial sempre foi um desafio para nós embriologistas. Todos os dias, temos que enfrentar decisões importantes e, talvez, a mais difícil seja decidir qual embrião transferir. É claro que existem muitas ferramentas para essa escolha, mas, na última década, há uma tendência para desenvolvimento de métodos não invasivos. Em comparação com métodos invasivos, a seleção não invasiva de embriões, como a Inteligência Artificial (IA) por exemplo, aumenta a padronização e nos dá a capacidade de identificar detalhes que não são vistos pelos olhos humanos. A aplicação das técnicas de IA vem trazendo diversos avanços na área médica e, na medicina reprodutiva, por exemplo, muitos estudos têm aplicado técnicas de IA para a classificação de embriões e a predição de gestação.

A aneuploidia é uma das maiores causas das falhas em ciclos de fertilização in vitro. Embriões euplóides, caracterizados por contagens cromossômicas normais, normalmente levam ao sucesso da gestação, enquanto embriões aneuplóides, aqueles com contagem cromossômica anormais, estão associadas a abortos espontâneos e falhas gestacionais. Atualmente, o teste genético pré-implantacional para aneuploidia (PGT-A) é usado para determinar o “status” genético embrionário. Para isto, uma biópsia de células do trofectoderma, a amplificação do DNA deste material e o teste para avaliar as variações do número de cópias cromossômicas precisam ser realizados. Todas estas etapas fazem com que este procedimento diagnóstico seja demorado, exigindo embriologistas mais gabaritados para execução, de alto custo, além de exigir um método invasivo de extração das células que pode, em alguns casos, comprometer a viabilidade embrionária.

Neste sentido, os modelos mais recentes de IA estão focados na predição de euploidia. Estes algoritmos (alguns deles já com plataformas disponíveis no mercado), foram desenvolvidos com o treinamento baseado em imagens de blastocistos ou vídeos de time-lapse, entre outras variáveis, com capacidade média de acurácia de 60% a 70%. Uma metanálise recente avaliou que o modelo de machine learning com melhor desempenho para predição de euploidia em embriões humanos é aquele que inclui dados morfocinéticos dos embriões, parâmetros do desenvolvimento embrionário, como qualidade celular, e dados clínicos e demográficos dos pacientes. Outros estudos publicados indicam que a inclusão da idade materna da paciente, principal fator que interfere na ploidia embrionária, aumenta consideravelmente o desempenho dos algoritmos e poder criar um modelo com junção de todos estes parâmetros citados certamente é o melhor dos cenários.

Apesar de todos estes resultados animadores, vale lembrar que estes modelos de predição de euploidia ainda não tem a capacidade de substituir o procedimento de biópsia embrionária e análise genética, mas podem beneficiar aqueles casos nos quais o PGT-A não é indicado, como pacientes mais jovens e até mesmo nos ciclos de ovodoação, uma vez que existe um ranqueamento dos embriões de melhor potencial. Outros modelos mais específicos estão demostrando a habilidade de distinguir o tipo de aneuploidia dos embriões, indicando que o desenvolvimento destes algoritmos é sim promissor nesta distinção não invasiva para a parte cromossômica, para um futuro bem próximo.

MARIANA NICOLIELO BARRETO

Coordenadora do laboratório de embriologia da Huntington – Unidade Ibirapuera