ABOUT THE SPEAKER
Russ Altman - Big data techno-­optimist and internist
Russ Altman uses machine learning to better understand adverse effects of medication.

Why you should listen

Professor of bioengineering, genetics, medicine and computer science at Stanford University, Russ Altman's primary research interests are in the application of computing and informatics technologies to problems relevant to medicine. He is particularly interested in methods for understanding drug actions at molecular, cellular, organism and population levels, including how genetic variation impacts drug response.

Altman received the U.S. Presidential Early Career Award for Scientists and Engineers, a National Science Foundation CAREER Award and Stanford Medical School's graduate teaching award. He has chaired the Science Board advising the FDA Commissioner and currently serves on the NIH Director’s Advisory Committee. He is a clinically active internist, the founder of the PharmGKB knowledge base, and advisor to pharmacogenomics companies.

More profile about the speaker
Russ Altman | Speaker | TED.com
TEDMED 2015

Russ Altman: What really happens when you mix medications?

Russ Altman: Co se skutečně stane, když smícháte léky?

Filmed:
1,766,922 views

Pokud berete dva různé léky ze dvou různých důvodů, zde je podnět k zamyšlení: Váš doktor nemusí úplně rozumět tomu, co se stane, když se zkombinují, protože studovat interakce léků je neuvěřitelně náročné. Ve své fascinující a přístupné přednášce Russ Altman představuje, jak doktoři studují neočekávané interakce léků pomocí překvapivého zdroje informací: dotazů ve vyhledávačích.
- Big data techno-­optimist and internist
Russ Altman uses machine learning to better understand adverse effects of medication. Full bio

Double-click the English transcript below to play the video.

00:12
So you go to the doctordoktor
and get some teststesty.
0
811
3321
Přijdete k doktorovi
a udělají Vám nějaké testy.
00:16
The doctordoktor determinesurčuje
that you have highvysoký cholesterolcholesterolu v krvi
1
4674
2620
Doktor zjistí, že máte vysoký choresterol,
00:19
and you would benefitvýhoda
from medicationléky to treatzacházet it.
2
7318
3171
a že by Vám asi pomohly léky.
00:22
So you get a pillboxhnízdo.
3
10981
1556
Takže dostanete krabičku léků.
00:25
You have some confidencedůvěra,
4
13505
1199
Máte určitou důvěru,
00:26
your physicianlékař has some confidencedůvěra
that this is going to work.
5
14728
2937
Váš doktor má určitou důvěru,
že to bude fungovat.
00:29
The companyspolečnost that inventedvymyslel it did
a lot of studiesstudie, submittednapsané it to the FDAFDA.
6
17689
3553
Ta firma, která je vynalezla udělala řadu
studií, odevzdala je FDA.
00:33
They studiedstudoval it very carefullyopatrně,
skepticallyskepticky, they approvedschválený it.
7
21266
3107
Oni je pečlivě prozkoumali,
a skepticky je potvrdili.
00:36
They have a roughhrubý ideaidea of how it workspráce,
8
24397
1889
Mají určitou představu,
jak fungují,
00:38
they have a roughhrubý ideaidea
of what the sideboční effectsúčinky are.
9
26310
2453
mají určitou představu,
jaké jsou vedlejší účinky.
00:40
It should be OK.
10
28787
1150
Mělo by to být OK.
00:42
You have a little more
of a conversationkonverzace with your physicianlékař
11
30864
2818
Máte další rozhovor se svým doktorem,
00:45
and the physicianlékař is a little worriedustaraný
because you've been bluemodrý,
12
33706
2963
a Váš doktor se obává, protože
jste byli melancholičtí,
00:48
haven'tnemáte feltcítil like yourselfvy sám,
13
36693
1293
necítili jste se dobře,
00:50
you haven'tnemáte been ableschopný to enjoyužívat si things
in life quitedocela as much as you usuallyobvykle do.
14
38010
3731
nedařilo se Vám užívat si
života normálně.
00:53
Your physicianlékař saysříká, "You know,
I think you have some depressionDeprese.
15
41765
3186
Váš doktor řekne,
"Myslím, že máte trochu depresi.
00:57
I'm going to have to give
you anotherdalší pillpilulka."
16
45792
2315
Předepíši Vám další lék."
01:00
So now we're talkingmluvící
about two medicationsléky.
17
48934
2483
Takže teď mluvíme o dvou lécích.
01:03
This pillpilulka alsotaké -- millionsmiliony
of people have takenpřijat it,
18
51441
3104
I druhý lék užívají miliony lidí,
01:06
the companyspolečnost did studiesstudie,
the FDAFDA lookedpodíval se at it -- all good.
19
54569
3631
výrobce provedl studie, FDA to
zkontrolovala -- všechno v pořádku.
01:10
Think things should go OK.
20
58823
2057
Všechno by mělo být v pořádku.
01:12
Think things should go OK.
21
60904
2197
Všechno by mělo být v pořádku.
01:15
Well, wait a minuteminuta.
22
63125
1439
Ale, počkejte chvilku.
01:16
How much have we studiedstudoval
these two togetherspolu?
23
64588
3517
Studovali jsme je dohromady?
01:20
Well, it's very hardtvrdý to do that.
24
68630
2300
Je velmi složité to udělat.
01:22
In factskutečnost, it's not traditionallytradičně doneHotovo.
25
70954
2130
Po pravdě, normálně se to nedělá.
01:25
We totallynaprosto dependzáviset on what we call
"post-marketingpo uvedení přípravku na surveillancedohled,"
26
73108
5518
Zcela závisíme na tom, čemu se říká
"post-marketingový dohled."
01:30
after the drugsdrogy hitudeřil the markettrh.
27
78650
1880
Poté, co jsou léky uvedeny na trh,
01:32
How can we figurepostava out
if badšpatný things are happeninghappening
28
80996
2848
jak zjistíme, že dva léky
01:35
betweenmezi two medicationsléky?
29
83868
1357
společně fungují špatně?
01:37
ThreeTři? FivePět? SevenSedm?
30
85249
2030
Tři? Pět? Sedm?
01:39
AskZeptejte se your favoriteoblíbený personosoba
who has severalněkolik diagnosesdiagnóz
31
87708
2415
Zeptejte se Vašich blízkých
s několika diagnózami,
01:42
how manymnoho medicationsléky they're on.
32
90147
1834
kolik léků užívají.
01:44
Why do I carepéče about this problemproblém?
33
92530
1580
Proč se zabývám tímto problémem?
01:46
I carepéče about it deeplyhluboce.
34
94134
1157
Záleží mi na něm hodně.
01:47
I'm an informaticsinformatika and datadata scienceVěda guy
and really, in my opinionnázor,
35
95315
4304
Jsem informatik a analytik dat
a podle mně opravdu jediná šance -
01:51
the only hopenaděje -- only hopenaděje --
to understandrozumět these interactionsinterakcí
36
99643
3745
jediná šance,
jak porozumět těmto interakcím
01:55
is to leveragevliv lots
of differentodlišný sourcesZdroje of datadata
37
103412
3056
je použít hodně různých zdrojů dat,
01:58
in orderobjednat to figurepostava out
when drugsdrogy can be used togetherspolu safelybezpečně
38
106492
3556
abychom zjistili, které léky mohou
být bezpečně užívány společně,
02:02
and when it's not so safebezpečný.
39
110072
1777
a kdy to není bezpečné.
02:04
So let me tell you a datadata scienceVěda storypříběh.
40
112615
2051
Řeknu Vám příběh vědy o datech.
02:06
And it beginszačíná with my studentstudent NickNick.
41
114690
2154
Začíná mým studentem Nickem.
02:08
Let's call him "NickNick,"
because that's his namenázev.
42
116868
2380
Budeme mu říkat "Nick,"
protože se tak jmenuje.
02:11
(LaughterSmích)
43
119272
1592
(Smích)
02:12
NickNick was a youngmladý studentstudent.
44
120888
1201
Nick byl mladý student.
02:14
I said, "You know, NickNick, we have
to understandrozumět how drugsdrogy work
45
122113
3079
Řekl jsem, "Víš, Nicku, musíme
pochopit, jak léky fungují
02:17
and how they work togetherspolu
and how they work separatelyodděleně,
46
125216
2626
a jak fungují dohromady,
a jak fungují zvlášť,
02:19
and we don't have a great understandingporozumění.
47
127866
1922
a moc dobře tomu nerozumíme.
02:21
But the FDAFDA has madevyrobeno availabledostupný
an amazingúžasný databasedatabáze.
48
129812
2405
Ale FDA zveřejnila tuhle skvělou databázi.
02:24
It's a databasedatabáze of adversenežádoucí eventsUdálosti.
49
132241
1699
Je to databáze nežádoucích účinků.
02:26
They literallydoslovně put on the webweb --
50
134321
1642
Doslova je dali na web-
02:27
publiclyveřejně availabledostupný, you could all
downloadstažení it right now --
51
135987
3119
veřejně přístupné, všichni
byste si je nyní mohli stáhnout-
02:31
hundredsstovky of thousandstisíce
of adversenežádoucí eventudálost reportszpráv
52
139130
3627
stovky tisíc zpráv o nepříznivých účincích
02:34
from patientspacientů, doctorslékaři,
companiesspolečnosti, pharmacistslékárníků.
53
142781
3760
od pacientů, doktorů,
společností a lékárníků.
02:38
And these reportszpráv are prettydosti simplejednoduchý:
54
146565
1749
Tyto zprávy jsou celkem jednoduché:
02:40
it has all the diseasesnemoci
that the patienttrpěliví has,
55
148338
2658
obsahuji všechny pacientovy nemoci,
02:43
all the drugsdrogy that they're on,
56
151020
1767
všechny užívané léky,
02:44
and all the adversenežádoucí eventsUdálosti,
or sideboční effectsúčinky, that they experienceZkusenosti.
57
152811
3818
a všechny nežádoucí účinky,
anebo vedlejší účinky, které zažil.
02:48
It is not all of the adversenežádoucí eventsUdálosti
that are occurringvyskytující se in AmericaAmerika todaydnes,
58
156653
3436
Nejsou to všechny nežádoucí účinky,
které se dnes objeví v USA,
02:52
but it's hundredsstovky and hundredsstovky
of thousandstisíce of drugsdrogy.
59
160113
2578
ale jsou to stovky a stovky tisíc léků.
02:54
So I said to NickNick,
60
162715
1299
Tak jsem řekl Nickovi,
02:56
"Let's think about glucoseglukóza.
61
164038
1826
"Zamysleme se nad glukózou.
02:57
GlucoseGlukózy v krvi is very importantdůležité,
and we know it's involvedzapojeno with diabetesdiabetes.
62
165888
3567
Glukóza je velmi důležitá, a my víme,
že je spojená s cukrovkou.
03:01
Let's see if we can understandrozumět
glucoseglukóza responseOdezva.
63
169479
3970
Zkusme zjistit, jestli můžeme
pochopit odezvu glukózy.
03:05
I sentodesláno NickNick off. NickNick camepřišel back.
64
173473
2458
Poslal jsem Nicka pryč.
Nick přišel zpátky.
03:08
"RussRuss," he said,
65
176248
1786
"Russi," řekl,
03:10
"I've createdvytvořeno a classifiertřídění that can
look at the sideboční effectsúčinky of a druglék
66
178351
5112
"vytvořil jsem klasifikátor,
který může ukázat vedlejší účinky léků
03:15
basedna základě on looking at this databasedatabáze,
67
183487
2051
na základě zkoumání této databáze,
03:17
and can tell you whetherzda that druglék
is likelypravděpodobně to changezměna glucoseglukóza or not."
68
185562
4271
a může Vám říct, jestli ten lék
pravděpodobně ovlivní glukózu či ne."
03:21
He did it. It was very simplejednoduchý, in a way.
69
189857
2016
Zvládl to. Svým způsobem
to bylo jednoduché.
03:23
He tookvzal all the drugsdrogy
that were knownznámý to changezměna glucoseglukóza
70
191897
2635
Vzal všechny léky, o kterých víme,
že mění glukózu,
03:26
and a bunchchomáč of drugsdrogy
that don't changezměna glucoseglukóza,
71
194556
2389
a řadu léků, které nemění glukózu,
03:28
and said, "What's the differencerozdíl
in theirjejich sideboční effectsúčinky?
72
196969
2888
a řekl, "Jaký je rozdíl mezi
jejich vedlejšími účinky?
03:31
DifferencesRozdíly in fatigueúnava? In appetitechuť?
In urinationmočení habitszvyky?"
73
199881
4852
Rozdíl v únavě? V chuti k jídlu?
V močení?"
03:36
All those things conspiredspikli
to give him a really good predictors prognostickými proměnnými.
74
204757
2960
Všechny tyto věci dohromady
mu daly velmi dobrý prediktor.
03:39
He said, "RussRuss, I can predictpředpovědět
with 93 percentprocent accuracypřesnost
75
207741
2548
Řekl, "Russi, mohu předpovědět
s přesností 93 %,
03:42
when a druglék will changezměna glucoseglukóza."
76
210313
1572
kdy lék změní glukózu."
03:43
I said, "NickNick, that's great."
77
211909
1416
Řekl jsem, "Nicku, to je skvělé."
03:45
He's a youngmladý studentstudent,
you have to buildstavět his confidencedůvěra.
78
213349
2896
Je to mladý student, musíte
budovat jeho sebedůvěru.
03:48
"But NickNick, there's a problemproblém.
79
216269
1390
"Ale Nicku, je tu problém.
03:49
It's that everykaždý physicianlékař in the worldsvět
knows all the drugsdrogy that changezměna glucoseglukóza,
80
217683
3960
Každý doktor na světě ví,
že všechny léky mění glukózu,
03:53
because it's corejádro to our practicepraxe.
81
221667
2038
protože to je základ naší praxe.
03:55
So it's great, good jobpráce,
but not really that interestingzajímavý,
82
223729
3722
Takže skvělé, dobrá práce,
ale ne moc zajímavé,
03:59
definitelyrozhodně not publishablepublikovatelný."
83
227475
1531
určitě ne publikovatelné."
04:01
(LaughterSmích)
84
229030
1014
(Smích)
04:02
He said, "I know, RussRuss.
I thought you mightmohl say that."
85
230068
2550
Řekl, "Já vím, Russ. Myslel jsem si,
že to řekneš."
04:04
NickNick is smartchytrý.
86
232642
1152
Nick je chytrý.
04:06
"I thought you mightmohl say that,
so I did one other experimentexperiment.
87
234149
2874
"Myslel jsem si, že to řekneš,
udělal jsem ještě jeden pokus.
04:09
I lookedpodíval se at people in this databasedatabáze
who were on two drugsdrogy,
88
237047
2928
Podíval jsem se na všechny v této
databázi užívající dva léky,
04:11
and I lookedpodíval se for signalssignály similarpodobný,
glucose-changingměnící se glukóza signalssignály,
89
239999
4422
a hledal jsem podobné signály,
signály měnící se glukózy,
04:16
for people takingpřijmout two drugsdrogy,
90
244445
1624
pro osoby užívající tyto dva léky,
04:18
where eachkaždý druglék alonesama
did not changezměna glucoseglukóza,
91
246093
5569
kde každý lék zvlášť neovlivnil glukózu,
04:23
but togetherspolu I saw a strongsilný signalsignál."
92
251686
2460
ale dohromady jsem viděl výrazný signál."
04:26
And I said, "Oh! You're cleverchytrý.
Good ideaidea. ShowZobrazit me the listseznam."
93
254170
3149
A já řekl, "Aha! Jsi chytrý.
Dobrý nápad. Ukaž mi ten seznam."
04:29
And there's a bunchchomáč of drugsdrogy,
not very excitingvzrušující.
94
257343
2254
A je tu řada léků, nepříliš zajímavých.
04:31
But what caughtchycen my eyeoko
was, on the listseznam there were two drugsdrogy:
95
259621
3932
Ale co mne zaujalo,
na seznamu byly dva léky:
04:35
paroxetineparoxetinu, or PaxilPaxil, an antidepressantantidepresivum;
96
263577
3393
paroxetin, nebo Paxil, antidepresant,
04:39
and pravastatinpravastatin, or PravacholPravachol,
a cholesterolcholesterolu v krvi medicationléky.
97
267756
3570
a pravastin, nebo Pravachol,
lék na cholesterol.
04:43
And I said, "Huh. There are millionsmiliony
of AmericansAmeričané on those two drugsdrogy."
98
271936
4283
A já jsem řekl, "Aha. Miliony Američanů
užívají tyto dva léky."
04:48
In factskutečnost, we learnednaučil se laterpozději,
99
276243
1246
Později jsme zjistili, že
04:49
15 millionmilión AmericansAmeričané on paroxetineparoxetinu
at the time, 15 millionmilión on pravastatinpravastatin,
100
277513
6032
na paroxetinu bylo
15 miliónů Američanů,
15 miliónů na pravastinu,
04:55
and a millionmilión, we estimatedodhadnuto, on bothoba.
101
283569
2817
a milión, odhadem, na obou.
04:58
So that's a millionmilión people
102
286767
1254
Takže to je milión lidí,
05:00
who mightmohl be havingmít some problemsproblémy
with theirjejich glucoseglukóza
103
288045
2453
kteří mohou mít problémy s glukózou,
05:02
if this machine-learningstrojové učení mumbozbytečně jumboJumbo
that he did in the FDAFDA databasedatabáze
104
290522
3206
pokud obstojí tenhle mechanický nesmysl,
který s databází FDA provedl.
05:05
actuallyvlastně holdsdrží up.
105
293752
1254
05:07
But I said, "It's still not publishablepublikovatelný,
106
295030
1927
Řekl jsem, "Stále
to není publikovatelné,
05:08
because I love what you did
with the mumbozbytečně jumboJumbo,
107
296981
2296
ale protože se mi líbí,
co jsi s tím provedl,
05:11
with the machinestroj learningučení se,
108
299301
1246
s tím strojovým učením,
05:12
but it's not really standard-of-proofstandardní doklad
evidencedůkaz that we have."
109
300571
3864
ale není to standardní důkaz."
05:17
So we have to do something elsejiný.
110
305618
1589
Takže musíme provést něco jiného.
05:19
Let's go into the StanfordStanford
electronicelektronický medicallékařský recordzáznam.
111
307231
2876
Pojďme do Stanfordských
elektronických lékařských záznamů.
05:22
We have a copykopírovat of it
that's OK for researchvýzkum,
112
310131
2064
Máme jejich kopii pro výzkumné účely,
05:24
we removedodstraněno identifyingIdentifikace informationinformace.
113
312219
2046
odstranili jsem identifikující informace.
Řekl jsem, "Podívejme se,
jestli lidé na těchto dvou lécích
05:26
And I said, "Let's see if people
on these two drugsdrogy
114
314581
2503
05:29
have problemsproblémy with theirjejich glucoseglukóza."
115
317108
1769
mají problémy s hladinou cukru krvi."
05:31
Now there are thousandstisíce
and thousandstisíce of people
116
319242
2207
Ve Stanfordských lékařských záznamech
05:33
in the StanfordStanford medicallékařský recordsevidence
that take paroxetineparoxetinu and pravastatinpravastatin.
117
321473
3459
Jsou tisíce a tisíce lidí,
kteří užívají paroxetin a pravastatin.
05:36
But we neededpotřeboval specialspeciální patientspacientů.
118
324956
1799
My ale potřebovali speciální pacienty.
05:38
We neededpotřeboval patientspacientů who were on one of them
and had a glucoseglukóza measurementměření,
119
326779
4597
Potřebovali jsme pacienty, kteří užívali
jeden z nich a znali hladinu cukru v krvi,
05:43
then got the seconddruhý one and had
anotherdalší glucoseglukóza measurementměření,
120
331400
3449
a poté dostali ten druhý
a měli znovu změřenou hladinu cukru,
05:46
all withinv rámci a reasonablerozumné perioddoba of time --
something like two monthsměsíců.
121
334873
3615
to vše v rozumném časovém
období -- okolo dvou měsíců.
05:50
And when we did that,
we foundnalezeno 10 patientspacientů.
122
338512
3159
A když jsme to udělali,
našli jsme 10 pacientů.
05:54
HoweverNicméně, eightosm out of the 10
had a bumpnarazit in theirjejich glucoseglukóza
123
342592
4538
Ale osm z 10 měli výkyv v hladině cukru,
05:59
when they got the seconddruhý P --
we call this P and P --
124
347154
2645
když dostali druhé P
-- nazýváme je P a P --
06:01
when they got the seconddruhý P.
125
349823
1310
když dostali to druhé P.
06:03
EitherBuď one could be first,
the seconddruhý one comespřijde up,
126
351157
2562
Kterýkoliv mohl být první,
pak přišel ten druhý a
06:05
glucoseglukóza wentšel up
20 milligramsmiligramů perza deciliterdecilitr.
127
353743
2847
glukóza se zvýšila
o 20 miligramů na decilitr.
06:08
Just as a reminderpřipomenutí,
128
356614
1158
Jen pro připomenutí,
06:09
you walkProcházka around normallynormálně,
if you're not diabeticdiabetik,
129
357796
2325
pokud nejste diabetik,
normálně chodíte okolo,
06:12
with a glucoseglukóza of around 90.
130
360145
1359
s glukózou okolo 90.
06:13
And if it getsdostane up to 120, 125,
131
361528
2076
A když se dostane na 120, 125,
06:15
your doctordoktor beginszačíná to think
about a potentialpotenciál diagnosisDiagnóza of diabetesdiabetes.
132
363628
3450
Váš doktor začne uvažovat
o diagnóze cukrovky.
06:19
So a 20 bumpnarazit -- prettydosti significantvýznamný.
133
367102
2991
Takže skok o 20 -- celkem zásadní.
06:22
I said, "NickNick, this is very coolchladný.
134
370601
1904
Řekl jsem, "Nicku, tohle je vážně cool.
06:25
But, I'm sorry, we still
don't have a paperpapír,
135
373616
2053
Ale, obávám se, že stále nemáme článek,
06:27
because this is 10 patientspacientů
and -- give me a breakPřestávka --
136
375693
2579
protože tohle je 10 pacientů
06:30
it's not enoughdost patientspacientů."
137
378296
1245
to není dost pacientů."
06:31
So we said, what can we do?
138
379565
1306
Co můžeme dělat?
06:32
And we said, let's call our friendspřátelé
at HarvardHarvard and VanderbiltVanderbilt,
139
380895
2976
Řekli jsme si, že zavoláme přátelům
na Harvardu a Vanderbiltu,
06:35
who alsotaké -- HarvardHarvard in BostonBoston,
VanderbiltVanderbilt in NashvilleNashville,
140
383895
2587
kteří -- Harvard v Bostonu,
Vanderbilt v Nashville,
06:38
who alsotaké have electronicelektronický
medicallékařský recordsevidence similarpodobný to oursnaše.
141
386506
2821
kteří také mají lékařské
záznamy podobné našim.
06:41
Let's see if they can find
similarpodobný patientspacientů
142
389351
2020
Uvidíme, jestli najdou podobné pacienty
06:43
with the one P, the other P,
the glucoseglukóza measurementsMěření
143
391395
3276
s jedním P, druhým P, měřeními glukózy
06:46
in that rangerozsah that we need.
144
394695
1600
v rozmezí, které potřebujeme.
06:48
God blessžehnat them, VanderbiltVanderbilt
in one weektýden foundnalezeno 40 suchtakový patientspacientů,
145
396787
4955
Bůh jim žehnej, Vanderbilt našli
za týden 40 takových pacientů,
06:53
samestejný trendtrend.
146
401766
1189
stejný trend.
06:55
HarvardHarvard foundnalezeno 100 patientspacientů, samestejný trendtrend.
147
403804
3620
Harvard našel 100 pacientů, stejný trend.
06:59
So at the endkonec, we had 150 patientspacientů
from threetři diverserůznorodé medicallékařský centerscentra
148
407448
4281
Nakonec jsme měli 150 pacientů
ze tří různých zdravotnických center,
07:03
that were tellingvyprávění us that patientspacientů
gettingdostat these two drugsdrogy
149
411753
3297
kteří nám říkali, že pacienti,
kteří užívají tyto dva léky,
07:07
were havingmít theirjejich glucoseglukóza bumpnarazit
somewhatponěkud significantlyvýznamně.
150
415074
2703
měli celkem podstatný skok ve své glukóze.
07:10
More interestinglyzajímavě,
we had left out diabeticsdiabetici,
151
418317
2810
Zajímavější je,
že jsme vynechali diabetiky,
07:13
because diabeticsdiabetici alreadyjiž
have messedzmatený up glucoseglukóza.
152
421151
2317
protože diabetici už
rozkolísanou glukózu mají.
07:15
When we lookedpodíval se
at the glucoseglukóza of diabeticsdiabetici,
153
423492
2238
Když jsme se podívali
na glukózu diabetiků,
07:17
it was going up 60 milligramsmiligramů
perza deciliterdecilitr, not just 20.
154
425754
3435
stoupala o 60 miligramů
na decilitr, ne 20.
07:21
This was a bigvelký dealobchod, and we said,
"We'veMáme got to publishpublikovat this."
155
429760
3452
Tohle bylo podstatné, a řekli jsme,
"Tohle musíme publikovat."
07:25
We submittednapsané the paperpapír.
156
433236
1179
Odeslali jsme článek.
07:26
It was all datadata evidencedůkaz,
157
434439
2111
Všechno to bylo podloženo daty,
07:28
datadata from the FDAFDA, datadata from StanfordStanford,
158
436574
2483
daty z FDA, ze Stanfordu,
07:31
datadata from VanderbiltVanderbilt, datadata from HarvardHarvard.
159
439081
1946
z Vanderbiltu, z Harvardu.
07:33
We had not doneHotovo a singlesingl realnemovitý experimentexperiment.
160
441051
2396
Neudělali jsme ani jediný
skutečný experiment.
07:36
But we were nervousnervový.
161
444495
1296
Ale byli jsme nervózní.
07:38
So NickNick, while the paperpapír
was in reviewPosouzení, wentšel to the lablaboratoř.
162
446201
3730
Takže Nick, zatímco byl článek
posuzován, šel do laboratoře.
07:41
We foundnalezeno somebodyněkdo
who knewvěděl about lablaboratoř stuffvěci.
163
449955
2462
Našli jsme někoho, kdo
něco věděl o laboratořích.
07:44
I don't do that.
164
452441
1393
To já nedělám.
07:45
I take carepéče of patientspacientů,
but I don't do pipettespipety.
165
453858
2417
Starám se o pacienty,
ale nedělám pipety.
07:49
They taughtvyučován us how to feedkrmivo micemyši drugsdrogy.
166
457420
3053
Naučili nás, jak dávat myším léky.
07:52
We tookvzal micemyši and we gavedal them
one P, paroxetineparoxetinu.
167
460864
2414
Vzali jsme myši a dali jsme
jim jedno P, paroxetin.
07:55
We gavedal some other micemyši pravastatinpravastatin.
168
463302
2508
Jiným myším jsme dali pravastatin.
07:57
And we gavedal a thirdTřetí groupskupina
of micemyši bothoba of them.
169
465834
3595
A třetí skupině myší jsme dali oba.
08:01
And lohle and beholdspatřit, glucoseglukóza wentšel up
20 to 60 milligramsmiligramů perza deciliterdecilitr
170
469893
3946
A podívejme, glukóza stoupla
o 20 až 60 miligramů na decilitr
08:05
in the micemyši.
171
473863
1171
u myší.
08:07
So the paperpapír was acceptedpřijat
basedna základě on the informaticsinformatika evidencedůkaz alonesama,
172
475058
3158
Takže článek byl přijat,
založen pouze na datech,
08:10
but we addedpřidal a little notePoznámka at the endkonec,
173
478240
1894
a na konec jsme přidali
malou poznámku,
08:12
sayingrčení, oh by the way,
if you give these to micemyši, it goesjde up.
174
480158
2899
mimochodem, pokud je dáte
myším, stoupne nahoru.
08:15
That was great, and the storypříběh
could have endedskončil there.
175
483081
2508
To bylo skvělé, a ten
příběh by tu mohl skončit.
08:17
But I still have sixšest and a halfpolovina minutesminut.
176
485613
1997
Ale ještě pořád mám šest a půl minuty.
08:19
(LaughterSmích)
177
487634
2807
(Smích.)
08:22
So we were sittingsedící around
thinkingmyslící about all of this,
178
490465
2815
Tak jsme seděli a přemýšleli o tom všem,
08:25
and I don't rememberpamatovat who thought
of it, but somebodyněkdo said,
179
493304
2735
a nepamatuji si, koho to
napadlo, ale někdo řekl,
08:28
"I wonderdivit se if patientspacientů
who are takingpřijmout these two drugsdrogy
180
496063
3201
"Zajímalo by mne, jestli si pacienti
užívající tyto dva léky,
08:31
are noticingvšiml si sideboční effectsúčinky
of hyperglycemiahyperglykémie.
181
499288
3553
všímají vedlejších účinků hyperglykémie.
08:34
They could and they should.
182
502865
1496
Mohli by a měli by.
08:36
How would we ever determineurčit that?"
183
504761
1877
Jak to zjistíme?"
08:39
We said, well, what do you do?
184
507551
1443
Řekli jsme, no, co uděláte?
08:41
You're takingpřijmout a medicationléky,
one newNový medicationléky or two,
185
509018
2580
Mluvíme o užívání léků,
jednoho či dvou nových,
08:43
and you get a funnylegrační feelingpocit.
186
511622
1538
a máte zvláštní pocit.
08:45
What do you do?
187
513184
1151
Co uděláte?
08:46
You go to GoogleGoogle
188
514359
1151
Půjdete na Google
08:47
and typetyp in the two drugsdrogy you're takingpřijmout
or the one druglék you're takingpřijmout,
189
515534
3349
a zadáte ty dva léky, které užíváte,
nebo ten jeden, který užíváte,
08:50
and you typetyp in "sideboční effectsúčinky."
190
518907
1603
a napíšete "vedlejší účinky".
08:52
What are you experiencingzažívá?
191
520534
1356
Co zažíváte?
08:54
So we said OK,
192
522239
1151
Tak jsme řekli OK,
08:55
let's askdotázat se GoogleGoogle if they will sharepodíl
theirjejich searchVyhledávání logsprotokoly with us,
193
523414
3056
zeptáme se Googlu, jestli nám
zpřístupní záznamy o vyhledávání,
08:58
so that we can look at the searchVyhledávání logsprotokoly
194
526494
1833
abychom se na ně mohli podívat
09:00
and see if patientspacientů are doing
these kindsdruhy of searcheshledání.
195
528351
2565
a vidět, zda pacienti toto hledají.
09:02
GoogleGoogle, I am sorry to say,
deniedpopřel our requestpožadavek.
196
530940
3275
Google, bohužel musím
říct, odmítl naši žádost.
09:06
So I was bummedzklamaný.
197
534819
1151
Byl jsem zklamaný.
09:07
I was at a dinnervečeře with a colleaguekolega
who workspráce at MicrosoftMicrosoft ResearchVýzkum
198
535994
3166
Byl jsem na večeři s kolegou,
který pracuje v Microsoft Research,
09:11
and I said, "We wanted to do this studystudie,
199
539184
1941
a řekl jsem, "Chtěli jsme
udělat tuto studii
09:13
GoogleGoogle said no, it's kinddruh of a bummerprůšvih."
200
541149
1880
a Google řekl ne. Je to
trochu zklamání."
09:15
He said, "Well, we have
the BingBing searcheshledání."
201
543053
2086
Řekl, "No, my máme vyhledávání na Bingu."
09:18
(LaughterSmích)
202
546195
3483
(Smích.)
09:22
Yeah.
203
550805
1267
Jo.
09:24
That's great.
204
552096
1151
To je skvělé.
09:25
Now I feltcítil like I was --
205
553271
1151
Cítil jsem se jako bych --
09:26
(LaughterSmích)
206
554446
1000
(Smích.)
09:27
I feltcítil like I was talkingmluvící to NickNick again.
207
555470
2412
Měl jsem pocit, jako bych
znovu mluvil s Nickem.
09:30
He workspráce for one of the largestnejvětší
companiesspolečnosti in the worldsvět,
208
558437
2624
Pracuje pro jednu z největších
výzkumných organizacích na světě,
09:33
and I'm alreadyjiž tryingzkoušet
to make him feel better.
209
561085
2206
a já se ho snažím utěšit.
09:35
But he said, "No, RussRuss --
you mightmohl not understandrozumět.
210
563315
2445
Ale on řekl, "Ne Russi-
ty mi možná nerozumíš.
09:37
We not only have BingBing searcheshledání,
211
565784
1500
Máme nejenom vyhledávání na Bingu,
09:39
but if you use InternetInternetu ExplorerPrůzkumník
to do searcheshledání at GoogleGoogle,
212
567308
3340
ale pokud použiješ Internet Explorer
pro vyhledávání na Googlu,
09:42
YahooYahoo, BingBing, any ...
213
570672
1891
Yahoo, Bingu, čemkoliv...
09:44
Then, for 18 monthsměsíců, we keep that datadata
for researchvýzkum purposesúčely only."
214
572587
3643
po 18 měsíců si ponecháváme
tyto údaje pouze pro výzkumné účely.
09:48
I said, "Now you're talkingmluvící!"
215
576254
1936
Řekl jsem, "Teď se bavíme pořádně!"
09:50
This was EricEric HorvitzHorvitz,
my friendpřítel at MicrosoftMicrosoft.
216
578214
2198
To byl Eric Horvitz,
můj přítel z Microsoftu.
09:52
So we did a studystudie
217
580436
1695
Tak jsme udělali studii,
09:54
where we defineddefinované 50 wordsslova
that a regularpravidelný personosoba mightmohl typetyp in
218
582155
4619
ve které jsme definovali 50 slov,
které by normální člověk mohl zadat
09:58
if they're havingmít hyperglycemiahyperglykémie,
219
586798
1602
pokud má hyperglykémii,
10:00
like "fatigueúnava," "lossztráta of appetitechuť,"
"urinatingmočení a lot," "peeingmočení a lot" --
220
588424
4762
jako "únava", "ztráta chuti k jídlu",
"hodně močení", "hodně čůrání"-
10:05
forgiveodpustit me, but that's one
of the things you mightmohl typetyp in.
221
593210
2767
omluvte mne, ale je to jedna z věcí,
které by mohl zadat.
10:08
So we had 50 phrasesfráze
that we calledvolal the "diabetesdiabetes wordsslova."
222
596001
2790
Měli jsme 50 frází, které
jsme nazvali "diabetická slova".
10:10
And we did first a baselinevýchozí.
223
598815
2063
Udělali jsme tak základnu.
10:12
And it turnsotočí out
that about .5 to one percentprocent
224
600902
2704
A ukázalo se, že asi 0,5 až 1 %
10:15
of all searcheshledání on the InternetInternetu
involvezapojit one of those wordsslova.
225
603630
2982
všech vyhledávání na Internetu
obsahují jedno z těch slov.
10:18
So that's our baselinevýchozí ratehodnotit.
226
606636
1742
To je náš základní poměr.
10:20
If people typetyp in "paroxetineparoxetinu"
or "PaxilPaxil" -- those are synonymssynonyma --
227
608402
4143
Když lidé zadají "paroxetin"
nebo "Paxil"- to jsou synonyma-
10:24
and one of those wordsslova,
228
612569
1215
a jedno z těch slov,
10:25
the ratehodnotit goesjde up to about two percentprocent
of diabetes-typediabetes typu wordsslova,
229
613808
4890
ten poměr stoupne na asi
2 % diabetických slov,
10:30
if you alreadyjiž know
that there's that "paroxetineparoxetinu" wordslovo.
230
618722
3044
a jak už víte, to je to slovo "paroxetin".
10:34
If it's "pravastatinpravastatin," the ratehodnotit goesjde up
to about threetři percentprocent from the baselinevýchozí.
231
622191
4547
Pokud je to "pravastatin", základní poměr
stoupne asi o 3 % od základny.
10:39
If bothoba "paroxetineparoxetinu" and "pravastatinpravastatin"
are presentsoučasnost, dárek in the querydotaz,
232
627171
4390
Když se oba zároveň
vyskytují ve vyhledávání,
10:43
it goesjde up to 10 percentprocent,
233
631585
1669
poměr stoupne asi na 10 %,
10:45
a hugeobrovský three-tři- to four-foldčtyřnásobně increasezvýšit
234
633278
3461
obrovský tří- až čtyřnásobný nárůst
10:48
in those searcheshledání with the two drugsdrogy
that we were interestedzájem in,
235
636763
3389
v těch hledáních, kde jsou oba léky
10:52
and diabetes-typediabetes typu wordsslova
or hyperglycemia-typehyperglykémie typ wordsslova.
236
640176
3566
a slovy typu diabetes
nebo hyperglykémie.
10:56
We publishedpublikováno this,
237
644216
1265
Publikovali jsme to
10:57
and it got some attentionPozor.
238
645505
1466
a vzbudili jsme pozornost.
10:58
The reasondůvod it deservessi zaslouží attentionPozor
239
646995
1778
Důvod, proč si to zasluhuje pozornost
11:00
is that patientspacientů are tellingvyprávění us
theirjejich sideboční effectsúčinky indirectlynepřímo
240
648797
4312
je ten, že pacienti nám nepřímo
říkají své vedlejší účinky
11:05
throughpřes theirjejich searcheshledání.
241
653133
1156
skrz svoje vyhledávání.
11:06
We broughtpřinesl this
to the attentionPozor of the FDAFDA.
242
654313
2138
Upozornili jsme na to FDA.
11:08
They were interestedzájem.
243
656475
1269
A FDA to zaujalo.
11:09
They have setsoubor up socialsociální mediamédia
surveillancedohled programsprogramy
244
657768
3606
Vytvořili programy na
sledování sociálních médií
11:13
to collaboratespolupracovat with MicrosoftMicrosoft,
245
661398
1751
ve spoluprácí s Microsoftem,
11:15
whichkterý had a nicepěkný infrastructureinfrastruktura
for doing this, and othersostatní,
246
663173
2794
který na to měl hezkou
infrastrukturu, a dalšími,
11:17
to look at TwitterTwitter feedskanály,
247
665991
1282
ke zkoumání příspěvků
11:19
to look at FacebookFacebook feedskanály,
248
667297
1716
na Twitteru,na Facebooku,
11:21
to look at searchVyhledávání logsprotokoly,
249
669037
1311
záznamů o vyhledávání,
11:22
to try to see earlybrzy signsznamení that drugsdrogy,
eitherbuď individuallyjednotlivě or togetherspolu,
250
670372
4909
abychom brzy viděli signály,
že léky samostatně nebo dohromady,
11:27
are causingzpůsobuje problemsproblémy.
251
675305
1589
způsobují problémy.
11:28
What do I take from this?
Why tell this storypříběh?
252
676918
2174
Co z toho je?
Proč tento příběh?
11:31
Well, first of all,
253
679116
1207
Především máme příslib
11:32
we have now the promiseslib
of bigvelký datadata and medium-sizedstřední datadata
254
680347
4037
velkého a středně velkého
množství dat
11:36
to help us understandrozumět druglék interactionsinterakcí
255
684408
2918
k pochopení interakcí mezi léky
11:39
and really, fundamentallyzásadně, druglék actionsakce.
256
687350
2420
a skutečného fungování léků.
11:41
How do drugsdrogy work?
257
689794
1413
Jak fungují léky?
11:43
This will createvytvořit and has createdvytvořeno
a newNový ecosystemekosystému
258
691231
2836
Toto vytvoří a vytvořilo
nový ekosystém
11:46
for understandingporozumění how drugsdrogy work
and to optimizeoptimalizovat theirjejich use.
259
694091
3267
pro pochopení fungování léků
a optimalizaci jejich užívání.
11:50
NickNick wentšel on; he's a professorprofesor
at ColumbiaKolumbie now.
260
698303
2659
Nick pokračoval dále;
je profesorem na Columbii.
11:52
He did this in his PhDPhD
for hundredsstovky of pairspáry of drugsdrogy.
261
700986
4072
Svou dizertační práci věnoval
stovkám párů léků.
11:57
He foundnalezeno severalněkolik
very importantdůležité interactionsinterakcí,
262
705082
2517
Nalezl několik velmi významných interakcí,
11:59
and so we replicatedreplikované this
263
707623
1214
tak jsme to zopakovali
12:00
and we showedukázal that this
is a way that really workspráce
264
708861
2574
a ukázali, že toto je
skutečně fungující způsob
12:03
for findingnález drug-druglékových interakcí interactionsinterakcí.
265
711459
2339
nalézání interakcí mezi léky.
12:06
HoweverNicméně, there's a couplepár of things.
266
714282
1734
Nicméně je zde pár drobností.
12:08
We don't just use pairspáry
of drugsdrogy at a time.
267
716040
3046
Najednou neužíváme pouze dvojice léků.
12:11
As I said before, there are patientspacientů
on threetři, fivePět, sevensedm, ninedevět drugsdrogy.
268
719110
4469
Jak jsem řekl dříve, jsou pacienti
se třemi, pěti, sedmi, devíti léky.
12:15
Have they been studiedstudoval with respectrespekt
to theirjejich nine-waydevět cesta interactioninterakce?
269
723981
3642
Byly zkoumány vzájemné interakce
všech devíti?
12:19
Yes, we can do pair-wisePair-Wise,
A and B, A and C, A and D,
270
727647
4208
Můžeme párovat A a B, A a C, A a D,
12:23
but what about A, B, C,
D, E, F, G all togetherspolu,
271
731879
4286
ale co A, B, C, D, E, F, G dohromady,
12:28
beingbytost takenpřijat by the samestejný patienttrpěliví,
272
736189
1762
užívané jedním pacientem,
12:29
perhapsmožná interactinginterakce with eachkaždý other
273
737975
2118
možná vzájemně reagující způsobem,
12:32
in wayszpůsoby that eitherbuď makesdělá them
more effectiveefektivní or lessméně effectiveefektivní
274
740117
3778
který zvyšuje nebo snižuje jejich efekt
12:35
or causespříčin sideboční effectsúčinky
that are unexpectednečekané?
275
743919
2332
nebo způsobuje nečekané účinky.
12:38
We really have no ideaidea.
276
746275
1827
My opravdu netušíme.
12:40
It's a bluemodrý skynebe, openotevřeno fieldpole
for us to use datadata
277
748126
3756
Je to pole neorané, příležitost
pro nás využít data
12:43
to try to understandrozumět
the interactioninterakce of drugsdrogy.
278
751906
2502
k pochopení interakcí mezi léky.
12:46
Two more lessonslekce:
279
754848
1370
Další dvě věci:
12:48
I want you to think about the powerNapájení
that we were ableschopný to generategenerovat
280
756242
4199
chci, abyste přemýšleli o moci,
kterou jsme byli schopni vytvořit
12:52
with the datadata from people who had
volunteereddobrovolně theirjejich adversenežádoucí reactionsreakcí
281
760465
4711
s daty od lidí, kteří
poskytli nežádoucí účinky
12:57
throughpřes theirjejich pharmacistslékárníků,
throughpřes themselvesoni sami, throughpřes theirjejich doctorslékaři,
282
765200
3269
prostřednictvím lékárníků,
nich samotných, jejich doktorů
13:00
the people who allowedpovoleno the databasesdatabáze
at StanfordStanford, HarvardHarvard, VanderbiltVanderbilt,
283
768493
3667
lidé, kteří umožnili databázím
ve Stanfordu, Harvardu, Vanderbiltu,
13:04
to be used for researchvýzkum.
284
772184
1427
užívání pro výzkum.
13:05
People are worriedustaraný about datadata.
285
773929
1445
Lidé se bojí o data.
13:07
They're worriedustaraný about theirjejich privacysoukromí
and securitybezpečnostní -- they should be.
286
775398
3187
Obávají se o své soukromí a bezpečnost
- měli by.
Potřebujeme bezpečné systémy.
13:10
We need securezabezpečení systemssystémy.
287
778609
1151
13:11
But we can't have a systemSystém
that closeszavře that datadata off,
288
779784
3406
Ale nemůžeme mít systém,
který uzavírá data,
13:15
because it is too richbohatý of a sourcezdroj
289
783214
2752
protože je to příliš cenný zdroj
13:17
of inspirationinspirace, innovationinovace and discoveryobjev
290
785990
3971
inspirace, inovace a objevů
13:21
for newNový things in medicinemedicína.
291
789985
1578
nových věcí v lékařství.
13:24
And the finalfinále thing I want to say is,
292
792494
1794
A poslední věc, kterou chci říct je,
13:26
in this casepouzdro we foundnalezeno two drugsdrogy
and it was a little bitbit of a sadsmutný storypříběh.
293
794312
3357
že jsme v tomto případě našli dva léky
a byl to trošku smutný příběh.
13:29
The two drugsdrogy actuallyvlastně causedzpůsobené problemsproblémy.
294
797693
1921
Dva léky skutečně způsobující problémy.
13:31
They increasedzvýšené glucoseglukóza.
295
799638
1475
Zvyšovaly glukózu.
13:33
They could throwhod somebodyněkdo into diabetesdiabetes
296
801137
2446
Mohly u někoho vyvolat cukrovku,
13:35
who would otherwisev opačném případě not be in diabetesdiabetes,
297
803607
2294
u někoho, kdo by ji jinak neměl,
13:37
and so you would want to use
the two drugsdrogy very carefullyopatrně togetherspolu,
298
805925
3175
a tak byste měli používat tyto léky
dohromady velmi opatrně,
13:41
perhapsmožná not togetherspolu,
299
809124
1151
možná ne společně,
13:42
make differentodlišný choicesvolby
when you're prescribingpředepisování léků.
300
810299
2340
prostě zvolit jiné, když je předepisujete.
13:44
But there was anotherdalší possibilitymožnost.
301
812663
1846
Ale byla zde ještě další možnost.
13:46
We could have foundnalezeno
two drugsdrogy or threetři drugsdrogy
302
814533
2344
Mohli jsme nalézt dva nebo tři léky,
13:48
that were interactinginterakce in a beneficialprospěšné way.
303
816901
2261
které reagovaly přínosným způsobem.
13:51
We could have foundnalezeno newNový effectsúčinky of drugsdrogy
304
819616
2712
Mohli jsme nalézt nové účinky léků,
13:54
that neitherani of them has alonesama,
305
822352
2160
které by žádný z nich samostatně neměl,
13:56
but togetherspolu, insteadmísto toho
of causingzpůsobuje a sideboční effectúčinek,
306
824536
2493
ale dohromady způsobovaly
nový vedlejší účinek,
13:59
they could be a newNový and novelromán treatmentléčba
307
827053
2425
mohly být novou a novátorskou léčbou
14:01
for diseasesnemoci that don't have treatmentsléčby
308
829502
1882
chorob, které nemají léčbu
14:03
or where the treatmentsléčby are not effectiveefektivní.
309
831408
2007
nebo jejichž léčba není účinná.
14:05
If we think about druglék treatmentléčba todaydnes,
310
833439
2395
Když přemýšlíme o lécích dnes,
14:07
all the majorhlavní, důležitý breakthroughsprůlomů --
311
835858
1752
všechny zlomové průlomy --
14:09
for HIVHIV, for tuberculosistuberkulóza,
for depressionDeprese, for diabetesdiabetes --
312
837634
4297
pro HIV, tuberkulózu, depresi, cukrovku --
14:13
it's always a cocktailkoktejl of drugsdrogy.
313
841955
2830
jsou vždy mixem léků.
14:16
And so the upsidesol Advertisement Advertisement syntosita Bay PE Bay Advertisement Tuto Advertisement PE Betite S.itaophiterodnyitaite S.ita Bay o here,
314
844809
1730
Takže ten pozitivní aspekt,
14:18
and the subjectpředmět for a differentodlišný
TEDTED Talk on a differentodlišný day,
315
846563
2849
a téma pro odlišnou TED přednášku,
14:21
is how can we use the samestejný datadata sourcesZdroje
316
849436
2593
je jak můžeme použít stejné zdroje dat
14:24
to find good effectsúčinky
of drugsdrogy in combinationkombinace
317
852053
3563
pro nalezení positivních účinků
kombinace léčiv,
14:27
that will provideposkytnout us newNový treatmentsléčby,
318
855640
2175
které nám poskytnou novou léčbu,
14:29
newNový insightspoznatky into how drugsdrogy work
319
857839
1852
nový vhled do fungování léčiv
14:31
and enableumožnit us to take carepéče
of our patientspacientů even better?
320
859715
3786
a umožní nám postarat se ještě lépe
o naše pacienty.
14:35
Thank you very much.
321
863525
1166
Děkuji Vám.
14:36
(ApplausePotlesk)
322
864715
3499
(potlesk)
Translated by Katerina Jaburkova
Reviewed by Jakub Cervenka

▲Back to top

ABOUT THE SPEAKER
Russ Altman - Big data techno-­optimist and internist
Russ Altman uses machine learning to better understand adverse effects of medication.

Why you should listen

Professor of bioengineering, genetics, medicine and computer science at Stanford University, Russ Altman's primary research interests are in the application of computing and informatics technologies to problems relevant to medicine. He is particularly interested in methods for understanding drug actions at molecular, cellular, organism and population levels, including how genetic variation impacts drug response.

Altman received the U.S. Presidential Early Career Award for Scientists and Engineers, a National Science Foundation CAREER Award and Stanford Medical School's graduate teaching award. He has chaired the Science Board advising the FDA Commissioner and currently serves on the NIH Director’s Advisory Committee. He is a clinically active internist, the founder of the PharmGKB knowledge base, and advisor to pharmacogenomics companies.

More profile about the speaker
Russ Altman | Speaker | TED.com