Desenvolvimento de uma Plataforma Automatizada de Segmentação de Imagens para Ensaios de Migração Celular Baseada em Inteligência Artificial

Resumo

A análise de imagens biomédicas tem se beneficiado significativamente dos avanços em inteligência artificial, especialmente com o uso de redes neurais convolucionais (CNNs) aplicadas à segmentação de estruturas celulares. Este trabalho propôs o desenvolvimento de uma ferramenta de visão computacional baseada na web para automatizar a análise de ensaios de migração celular (wound healing), substituindo o método manual tradicional realizado via ImageJ. Foram coletadas e processadas 1.040 imagens, convertidas, normalizadas, redimensionadas e expandidas por técnicas de data augmentation, totalizando 4.160 imagens utilizadas para treinamento. A segmentação foi anotada no Roboflow, utilizando a ferramenta Smart Polygon em conjunto com o modelo Segment Anything Model 2 (SAM2). A ferramenta final foi disponibilizada em uma interface interativa na plataforma Hugging Face Spaces, permitindo o upload e a análise automática de imagens com sobreposição gráfica dos resultados. A eficácia da ferramenta foi avaliada comparando-se a análise manual e a automatizada em conjuntos de imagens analisados por três operadores independentes. Observou-se que o modelo Roboflow fast apresentou desempenho superior ao YOLOv11 fast (mAP@50 = 94,9; precisão = 99,6%; recall = 87,7%) e promoveu maior consistência entre operadores, reduzindo a variabilidade interobservador observada no método tradicional. Os resultados evidenciam que a solução automatizada reduz significativamente o tempo de análise, elimina subjetividades e melhora a reprodutibilidade, destacando-se como uma alternativa eficiente, padronizada e acessível para estudos de migração celular.