Prever euploidia sem tocar no embrião: TCC leva aprendizado de máquina à fertilização in vitro
Maria Eduarda dos Santos Abritta Ferreira e Sabrina Caldas Berno defenderam na FCTE/UnB um TCC que aplica aprendizado de máquina à predição não-invasiva de euploidia em embriões humanos a partir de dados morfocinéticos.
Brasília, 17 de julho de 2025
Selecionar embriões viáveis é uma das etapas mais críticas na fertilização in vitro — e uma daquelas em que cada intervenção invasiva carrega custo biológico. A dupla Maria Eduarda dos Santos Abritta Ferreira e Sabrina Caldas Berno assumiu esse desafio no TCC defendido em julho de 2025, orientado pelo Prof. George Marsicano Corrêa .
O trabalho investiga se dados morfocinéticos — a evolução das divisões celulares filmada por sistemas time-lapse — carregam sinal suficiente para prever euploidia sem exigir biópsia. A pergunta é ao mesmo tempo clínica e computacional: a fertilização in vitro precisa de decisões apoiadas em evidência, e a evidência disponível está em imagens temporais que só a análise sistemática consegue transformar em previsão.
Ao aplicar aprendizado de máquina a um problema biomédico específico, o TCC contribui para um terreno de fronteira onde clínicos e computeiros ainda desenvolvem vocabulário compartilhado. É um trabalho que interessa a laboratórios de reprodução assistida no país — e a pesquisadores dispostos a atravessar disciplinas para tratar de decisões de alto impacto humano com mais rigor.
O TCC pode ser lido na Biblioteca Digital da Produção Intelectual Discente da UnB.
Sobre o CEDIS: O Centro de Estudos, Desenvolvimento e Inovação de Software (CEDIS), vinculado à Universidade de Brasília, pesquisa e desenvolve soluções inovadoras em software.