Pular para o conteúdo
FertGroup Medicina Reprodutiva

Inteligência artificial revela a competência oocitária: o MAGENTA supera preditores clínicos e aprimora a modelagem de euploidia

Setti A, Braga D, Del Collado M, Fjeldstad J, Iaconelli A Jr, Borges E Jr

F&S Science, v. 7, n. 3, p. 196-208, maio 2026

Ilustração de oócito analisado por inteligência artificial em uma tela de laboratório

Objetivo

Avaliar se um escore de morfologia oocitária derivado de inteligência artificial (IA), o MAGENTA, é capaz de predizer fertilização, desenvolvimento embrionário e euploidia, e se a integração do MAGENTA com variáveis clínicas e embriológicas melhora o desempenho de modelos de predição de euploidia.

Desenho do estudo

Estudo de coorte retrospectivo.

Participantes

Foram incluídas 2.196 pacientes submetidas à injeção intracitoplasmática de espermatozoides (ICSI) entre janeiro de 2020 e maio de 2024, totalizando 13.370 oócitos analisados em um único centro de reprodução assistida afiliado a uma universidade. O teste genético pré-implantacional para aneuploidias (PGT-A) foi realizado em 3.514 embriões provenientes de 1.147 ciclos.

Exposição

Todos os oócitos foram submetidos a um protocolo padronizado de aquisição de imagens e avaliação pelo MAGENTA antes da ICSI. Os desfechos analisados incluíram fertilização, formação de blastocisto, formação de blastocistos de alta qualidade e euploidia após PGT-A. Modelos multivariados foram utilizados para avaliar os fatores associados ao MAGENTA. Três modelos preditivos foram avaliados: MAGENTA isoladamente; modelo robusto (MAGENTA + qualidade do blastocisto); e modelo completo (MAGENTA + morfologia embrionária + nove variáveis clínicas). O desempenho foi avaliado por meio da análise da curva ROC, calibração, escore de Brier, importância por permutação e valores SHAP (SHapley Additive exPlanations).

Principais desfechos

Associação dos escores MAGENTA com fertilização, formação de blastocisto, qualidade do blastocisto, euploidia embrionária e gravidez clínica. Também foram avaliados o desempenho de modelos de aprendizado de máquina XGBoost para predição de euploidia e os fatores associados aos escores MAGENTA em análises multivariadas.

Resultados

Os escores MAGENTA aumentaram progressivamente ao longo das diferentes etapas do desenvolvimento embrionário. A idade feminina foi o principal fator associado negativamente ao MAGENTA (B = −0,063/ano). O modelo utilizando apenas o MAGENTA apresentou capacidade discriminatória modesta para predizer euploidia (área sob a curva [AUC] 0,542; intervalo de confiança de 95% [IC95%] 0,505–0,579). A inclusão da morfologia do blastocisto aumentou a AUC para 0,607 (IC95% 0,573–0,641). O modelo completo apresentou o melhor desempenho (AUC 0,666; IC95% 0,632–0,700), com capacidade discriminatória significativamente superior à dos modelos MAGENTA isolado e robusto. As métricas de calibração também melhoraram progressivamente, com redução do escore de Brier de 0,237 para 0,227 e aumento da inclinação de calibração de 0,259 para 0,645. As análises de importância das variáveis e SHAP confirmaram o MAGENTA como um dos principais componentes do desempenho preditivo.

Conclusão

O MAGENTA apresentou associação independente com fertilização, formação de blastocisto, qualidade do blastocisto e euploidia. A integração do MAGENTA com a morfologia embrionária e variáveis clínicas disponíveis antes da ICSI melhorou significativamente a discriminação e a calibração da predição de euploidia, em comparação com o uso isolado do MAGENTA ou da morfologia embrionária.

Ver todos os artigos