@MASTERSTHESIS{ 2022:1227309680,
 	title = {Aplicação de aprendizado de máquina para descobertas de farmacogenômica no tratamento do câncer de esôfago},
 	year = {2022},
 	url = "https://tede2.pucrs.br/tede2/handle/tede/10261",
 	abstract = "A farmacogenômica é a área que estuda como as variações genômicas podem influenciar na resposta aos medicamentos. Através dela é possível explorar e definir os medicamentos mais indicados para diferentes pessoas e seus perfis genéticos, a fim de tornar os tratamentos mais personalizados. Estudos recentes mapeiam a resposta de linhagens celulares relacionadas ao câncer para uma ampla coleção de fármacos utilizados em tratamentos, aplicando técnicas de aprendizado de máquina para tarefas de predição. O objetivo dessa dissertação é desenvolver modelos de redes neurais profundas buscando predizer a resposta de diferentes perfis para 174 fármacos de tratamento do câncer de esôfago. Foram construídos modelos de aprendizagem profunda que, integrando dados do perfil de expressão, mutações e dados clínicos, estimam a resposta de diferentes compostos, com base nos valores de IC50. Foram aplicadas estruturas de autocodificadores para extração de representação dos dados de treinamento, aliado a uma rede neural profunda. O modelo inicial obteve resultados positivos em comparação a trabalhos anteriores e, a partir destes, foram exploradas formas de aprimorar a predição da rede neural. Foi introduzida uma nova arquitetura com a integração dos dados clínicos devido a importância dos fatores de risco relacionados aos casos de câncer de esôfago. Além disso, outra motivação para explorar esses dados é que ainda são mais comuns de serem obtidos na prática clínica. Os modelos apresentaram resultados de 0,74 e 0,72 respectivamente, considerando a métrica de avaliação de erro médio quadrático. Apesar dos resultados positivos, foram identificadas limitações da implementação, especialmente sobre os dados clínicos em relação a sua quantidade e qualidade da informação. Os resultados experimentais mostram que o tema de pesquisa é promissor e podem levar a inovações capazes de melhora na qualidade de vida dos pacientes.",
 	publisher = {Pontifícia Universidade Católica do Rio Grande do Sul},
 	scholl = {Programa de Pós-Graduação em Ciência da Computação},
 	note = {Escola Politécnica}
}