Algoritmo de gerenciamento de tratamento para ciclos naturais de transferência de embrião congelado usando um modelo de aprendizado de máquina para previsão de ovulação em tempo real

Por que o timing é importante no tratamento de fertilidade

Para pessoas que fazem fertilização in vitro, o momento em que um embrião é devolvido ao útero pode ser a diferença entre uma tentativa fracassada e uma gravidez saudável. Em ciclos naturais de transferência de embrião congelado, os médicos tentam sincronizar a transferência com a própria ovulação da mulher, mas encontrar esse dia exato normalmente significa testes sanguíneos repetidos, ultrassons e julgamento especializado. Este estudo apresenta uma nova ferramenta de inteligência artificial (IA) que prevê a ovulação em tempo real e sugere quando testar e quando transferir, com o objetivo de tornar o tratamento mais preciso e menos oneroso.

Um novo assistente digital para ciclos naturais

Os pesquisadores propuseram construir um “algoritmo de gerenciamento de tratamento” para transferência de embrião congelado em ciclo natural (NC-FET). Nesses ciclos, embriões previamente congelados são transferidos de volta ao útero sem o uso de hormônios para controlar artificialmente o ciclo menstrual. O NC-FET tem se tornado popular porque está associado a menores taxas de perda gestacional e a menos complicações, como hipertensão na gravidez. No entanto, exige acompanhamento cuidadoso dos sinais do corpo para identificar corretamente a ovulação, o que tradicionalmente significava visitas frequentes à clínica, coletas de sangue e exames de ultrassom.

Ensinando uma IA a ler os sinais do corpo

Para criar o algoritmo, a equipe usou uma abordagem “professor-aluno”. Primeiro, um modelo anterior — o “professor” — havia sido treinado em centenas de ciclos em que o momento da ovulação foi determinado por três especialistas em fertilidade usando níveis hormonais e imagens de ultrassom. Esse modelo professor era altamente preciso e foi então usado para atribuir dias de ovulação em quase 4.000 ciclos adicionais de transferência natural congelada. O novo modelo “aluno” aprendeu a partir desse conjunto de dados rotulado muito maior. Ele analisa um ou dois dias de monitoramento por ciclo, combinando informações como hormônio luteinizante (LH), estrogênio, progesterona, a razão entre estrogênio e progesterona, tamanho do folículo e espessura do endométrio. Com base nesses insumos, prevê quantos dias faltam até a ovulação ou quantos dias se passaram desde ela.

Da previsão ao gerenciamento de ciclo completo

A inovação deste artigo não é apenas prever a ovulação, mas usar essa previsão para gerenciar todo o tratamento. O Algoritmo de Gerenciamento de Tratamento para FET Natural (NTMA) começa recomendando quando o paciente deve ser testado pela primeira vez, tipicamente por volta do dia 8 do ciclo. Após cada teste, ele usa a saída do modelo para decidir se outro teste é necessário, quando esse teste deve ocorrer ou se o momento da ovulação já está claro o suficiente para agendar a transferência do embrião. Se o modelo concluir que a ovulação já ocorreu há mais de dois dias e não puder ser datada com precisão, o ciclo pode ser cancelado com segurança antes de desperdiçar um embrião. Essa lógica passo a passo é avaliada usando uma simulação estatística que combina padrões reais de ovulação, a acurácia do modelo em diferentes momentos e as regras de decisão do algoritmo.

Quão bem o sistema funciona

Quando testado, o modelo em tempo real mostrou-se especialmente preciso tanto distante da ovulação (no início do ciclo, quando pode afirmar com segurança que a ovulação não está próxima) quanto muito próximo a ela (no dia anterior e no dia da ovulação), quando as alterações hormonais são mais intensas. Em um grupo de ciclos com comprovação detalhada por ultrassom da ovulação, o modelo identificou corretamente o dia anterior e o dia da ovulação em cerca de 95% dos casos. Quando o NTMA completo foi avaliado por simulação, ele conseguiu identificar o dia correto da ovulação em pouco mais de 92% dos ciclos, não conseguiu fazer uma previsão em cerca de 1% dos ciclos e errou em cerca de 7%. Em média, as mulheres precisariam de apenas cerca de 3,1 visitas de monitoramento por ciclo, menos do que nos dados históricos, sugerindo uma carga de monitoramento menor sem sacrificar a precisão.

O que isso pode significar para pacientes

Para pacientes e clínicos do dia a dia, este trabalho sugere que um assistente de IA pode assumir com segurança grande parte das decisões diárias em ciclos naturais de transferência de embrião congelado. Ao interpretar padrões complexos em testes hormonais e achados de ultrassom, o algoritmo pode recomendar quando vir ao consultório para testes e quando agendar a transferência, com precisão comparável às abordagens guiadas por especialistas e com menos visitas à clínica. O estudo é retrospectivo e ainda não prova taxas de nascimento vivo mais altas, portanto ensaios prospectivos ainda são necessários. Ainda assim, esse sistema de gerenciamento impulsionado por IA aponta para um futuro em que o cuidado em fertilidade é mais personalizado, mais eficiente e potencialmente mais bem-sucedido — ajudando a transferir embriões no momento certo do ritmo natural do corpo.

Citação: Moran, E., Hourvitz, A., Luz, A. et al. Treatment management algorithm for natural frozen embryo transfer cycles using a real-time ovulation prediction machine learning model. Sci Rep 16, 13727 (2026). https://doi.org/10.1038/s41598-026-42921-1

Palavras-chave: fertilidade, inteligência artificial, ovulação, transferência de embrião congelado, saúde reprodutiva