O ensaio de micronúcleo (MN) é usado mundialmente por órgãos reguladores para avaliar produtos químicos quanto à toxicidade genética. O ensaio pode ser realizado de duas maneiras: pontuando MN em células binucleadas bloqueadas por citocinese ou células mononucleadas totalmente divididas. Historicamente, a microscopia óptica tem sido o método padrão-ouro para pontuar o ensaio, mas é trabalhosa e subjetiva. A citometria de fluxo tem sido usada nos últimos anos para pontuar o ensaio, mas é limitada pela incapacidade de confirmar visualmente aspectos-chave da imagética celular. A citometria de fluxo por imagem (IFC) combina captura de imagem de alto rendimento e análise automatizada de imagens, e tem sido aplicada com sucesso para adquirir rapidamente imagens e pontuar todos os eventos-chave no ensaio de MN. Recentemente, foi demonstrado que métodos de inteligência artificial (IA) baseados em redes neurais convolucionais podem ser usados para pontuar dados de ensaios de MN adquiridos por IFC. Este documento descreve todas as etapas para usar o software de IA para criar um modelo de aprendizado profundo para pontuar todos os eventos-chave e aplicar esse modelo para pontuar automaticamente dados adicionais. Os resultados do modelo de aprendizagem profunda de IA se comparam bem à microscopia manual, permitindo assim a pontuação totalmente automatizada do ensaio MN combinando IFC e IA.