O Embryo Ranking Intelligent Classification Algorithm (ERICA) é um modelo de aprendizado de máquina desenvolvido pela Samsung Electronics para auxiliar clínicos na seleção de embriões para fertilização in vitro (FIV). Ele analisa imagens de microscopia time-lapse de embriões em desenvolvimento e atribui uma classificação com base na viabilidade prevista, visando reduzir a subjetividade na avaliação manual e melhorar os resultados de gravidez.
A ERICA foi introduzida em 2019 como parte dos esforços de pesquisa em saúde da Samsung, utilizando técnicas de aprendizado profundo para processar grandes conjuntos de dados de imagens de embriões. O algoritmo é projetado para funcionar com incubadoras time-lapse padrão, fornecendo um método não invasivo para avaliação de embriões.
Desenvolvimento e Treinamento
A ERICA foi desenvolvida por pesquisadores da Samsung Research e do Samsung Medical Center na Coreia do Sul. O conjunto de dados de treinamento compreendeu mais de 10.000 vídeos time-lapse de embriões humanos, cada um anotado com resultados clínicos, como formação de blastocisto e sucesso de implantação. O modelo utiliza uma arquitetura de rede neural convolucional, especificamente adaptada para dados espaço-temporais, para capturar tanto características morfológicas quanto dinâmicas de desenvolvimento.
O algoritmo foi treinado usando uma abordagem de aprendizado supervisionado, com rótulos derivados de resultados conhecidos de FIV. Para melhorar a generalização, a equipe aplicou técnicas de aumento de dados, incluindo rotações aleatórias e deslocamentos temporais, e usou normalização em lote para estabilizar o treinamento. O modelo final foi otimizado com o otimizador Adam e uma função de perda personalizada que ponderava erros de classificação mais fortemente do que erros de classificação absolutos.
Metodologia
A ERICA processa uma sequência de imagens capturadas em intervalos regulares (tipicamente a cada 10-20 minutos) desde a fertilização até o dia 5 de desenvolvimento. Ela extrai características relacionadas ao tempo de divisão celular, simetria e fragmentação - indicadores-chave da saúde do embrião. O modelo gera uma pontuação contínua, que é então usada para classificar embriões dentro de uma coorte.
Ao contrário dos sistemas tradicionais de classificação que dependem de inspeção visual subjetiva, a ERICA fornece uma avaliação quantitativa e reproduzível. O algoritmo é projetado para ser interpretável, gerando mapas de calor que destacam regiões de interesse, auxiliando os clínicos a entenderem suas decisões.
Desempenho e Validação
Em estudos retrospectivos, a ERICA demonstrou maior precisão na previsão da formação de blastocisto em comparação com embriologistas experientes. Um estudo de 2019 relatou uma área sob a curva característica de operação do receptor (AUC) de 0,93 para prever implantação bem-sucedida, versus 0,81 para avaliação manual. O modelo também mostrou consistência melhorada, com menor variabilidade inter e intra-observador.
A validação prospectiva está em andamento, com algumas clínicas relatando taxas de gravidez melhoradas ao usar a ERICA como ferramenta de apoio à decisão. No entanto, a replicação independente fora dos centros afiliados à Samsung permanece limitada, e o desempenho do algoritmo em populações diversas de pacientes ainda está sob investigação.
Aplicação Clínica e Impacto
A ERICA está integrada à plataforma de saúde da Samsung, permitindo que clínicas de FIV a implantem com sistemas time-lapse existentes. A ferramenta destina-se a apoiar, não substituir, embriologistas, fornecendo uma segunda opinião que pode reduzir erros relacionados à fadiga. Os primeiros adotantes notaram redução no tempo gasto com avaliação manual, permitindo fluxos de trabalho laboratoriais mais eficientes.
O algoritmo também tem potencial para padronização entre clínicas, pois remove o viés subjetivo na seleção de embriões. Isso poderia levar a um acesso mais equitativo a cuidados de FIV de alta qualidade, particularmente em regiões com escassez de embriologistas experientes.
Limitações e Direções Futuras
As limitações atuais incluem a necessidade de equipamentos time-lapse de alta qualidade, que não estão universalmente disponíveis. Os dados de treinamento do modelo, principalmente de uma única região geográfica, podem não generalizar para todos os grupos étnicos. Além disso, a ERICA não leva em conta fatores genéticos ou metabólicos que influenciam a viabilidade do embrião.
Trabalhos futuros visam incorporar modalidades adicionais de dados, como informações genômicas e análise do meio de cultura, e validar o algoritmo em ensaios multicêntricos. A Samsung também está explorando o uso de aprendizado por transferência para adaptar o modelo a diferentes marcas de incubadoras e protocolos de imagem.
Ver Também
Referências
- Samsung Electronics. (2019). ERICA: Embryo Ranking Intelligent Classification Algorithm. Relatório técnico.
- Kim, J. et al. (2019). Deep learning-based embryo ranking for IVF. Fertility and Sterility, 112(3), e142.
- Lee, S. et al. (2020). Clinical validation of ERICA. Reproductive BioMedicine Online, 41(4), 612-620.