@InProceedings{SilvaAlveCarv:2018:MéPrRe,
               author = "Silva, Helen Cristina Ferreira da and Alves, Mariana Saragiotto da 
                         Silva and Carvalho, Tiago",
          affiliation = "Instituto Federal de Educa{\c{c}}{\~a}o, Ci{\^e}ncia e 
                         Tecnologia de S{\~a}o Paulo (IFSP) - Campus Campinas and 
                         Instituto Federal de Educa{\c{c}}{\~a}o, Ci{\^e}ncia e 
                         Tecnologia de S{\~a}o Paulo (IFSP) - Campus Campinas and 
                         Instituto Federal de Educa{\c{c}}{\~a}o, Ci{\^e}ncia e 
                         Tecnologia de S{\~a}o Paulo (IFSP) - Campus Campinas",
                title = "Um M{\'e}todo Para a Previs{\~a}o de Resposta a Medicamentos em 
                         Pacientes com Epilepsia",
            booktitle = "Proceedings...",
                 year = "2018",
               editor = "Ross, Arun and Gastal, Eduardo S. L. and Jorge, Joaquim A. and 
                         Queiroz, Ricardo L. de and Minetto, Rodrigo and Sarkar, Sudeep and 
                         Papa, Jo{\~a}o Paulo and Oliveira, Manuel M. and Arbel{\'a}ez, 
                         Pablo and Mery, Domingo and Oliveira, Maria Cristina Ferreira de 
                         and Spina, Thiago Vallin and Mendes, Caroline Mazetto and Costa, 
                         Henrique S{\'e}rgio Gutierrez and Mejail, Marta Estela and Geus, 
                         Klaus de and Scheer, Sergio",
         organization = "Conference on Graphics, Patterns and Images, 31. (SIBGRAPI)",
            publisher = "Sociedade Brasileira de Computa{\c{c}}{\~a}o",
              address = "Porto Alegre",
             keywords = "machine learning, farmacogen{\'e}tica, resposta a medicamentos, 
                         epilepsia.",
             abstract = "Grande parte dos pacientes com epilepsia n{\~a}o respondem ao 
                         tratamento medicamentoso dispon{\'{\i}}vel no mercado. A 
                         descoberta dessa refratariedade ao tratamento, atualmente, se 
                         d{\'a} por meio de um processo emp{\'{\i}}rico, em que o 
                         paciente {\'e} submetido a diferentes drogas por um longo 
                         per{\'{\i}}odo de tempo at{\'e} ser constatado que ele n{\~a}o 
                         responde a nenhum tratamento e deve ser encaminhado para cirurgia. 
                         Entretanto, ha ind{\'{\i}}cios que tal refratariedade possa 
                         estar ligada a caracter{\'{\i}}sticas gen{\'e}ticas 
                         espec{\'{\i}}ficas do indiv{\'{\i}}duo. Este trabalho 
                         prop{\~o}e uma nova abordagem, baseada em aprendizado de maquina, 
                         para o problema de detec{\c{c}}{\~a}o de refratariedade 
                         medicamentosa em pacientes com epilepsia. Usando uma 
                         combina{\c{c}}{\~a}o do algoritmo XGBoost e de dados 
                         gen{\'e}ticos dos pacientes, nossa abordagem teve um aumento de 
                         319.05% na acur{\'a}cia de predi{\c{c}}{\~a}o de pacientes 
                         refrat{\'a}rios em rela{\c{c}}{\~a}o ao estado da arte.",
  conference-location = "Foz do Igua{\c{c}}u, PR, Brazil",
      conference-year = "29 Oct.-1 Nov. 2018",
             language = "pt",
                  ibi = "8JMKD3MGPAW/3S4GPTH",
                  url = "http://urlib.net/ibi/8JMKD3MGPAW/3S4GPTH",
           targetfile = "
                         
                         Helen_SIBGRAPI_Um_Metodo_Para_Previsao_de_Resposta_Medicamentos_em_Pacientes_com_Epilepsia.pdf",
        urlaccessdate = "2024, May 03"
}