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?

Ρας Ώλτμαν: Τι στ' αλήθεια συμβαίνει όταν τα φάρμακα συνδυάζονται;

Filmed:
1,766,922 views

Οι αλληλεπιδράσεις των φαρμάκων είναι δύσκολο να μελετηθούν. Οι ίδιοι οι γιατροί πιθανόν δεν κατανοούν τι συμβαίνει όταν τα φάρμακα συνδυάζονται. Έτσι, δίκαια αισθανόμαστε ανήσυχοι, όταν παίρνουμε δύο διαφορετικά φάρμακα για δύο διαφορετικές παθήσεις. Σ' αυτή τη συναρπαστική ομιλία, ο Ρας Ώλτμαν μας εξηγεί πώς η Επιστήμη των Δεδομένων μπορεί να βοηθήσει να προσδιοριστούν απροσδόκητες αλληλεπιδράσεις φαρμάκων, χρησιμοποιώντας μια εκπληκτική πηγή: Τις μηχανές αναζήτησης του διαδικτύου.
- 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.

Πας, λοιπόν, στον γιατρό
και κάνεις κάποιες εξετάσεις.
00:12
So you go to the doctorγιατρός
and get some testsδοκιμές.
0
811
3321
O γιατρός βρίσκει
πως έχεις υψηλή χοληστερόλη
00:16
The doctorγιατρός determinesκαθορίζει
that you have highυψηλός cholesterolχοληστερόλη
1
4674
2620
00:19
and you would benefitόφελος
from medicationφαρμακευτική αγωγή to treatκέρασμα it.
2
7318
3171
και θα ωφεληθείς
από μια φαρμακευτική αγωγή.
Οπότε βρίσκεσαι με ένα κουτί χαπιών.
00:22
So you get a pillboxPillbox.
3
10981
1556
Τα εμπιστεύεσαι κι ο γιατρός σου
πιστεύει πως θα έχουν αποτέλεσμα.
00:25
You have some confidenceαυτοπεποίθηση,
4
13505
1199
00:26
your physicianγιατρός has some confidenceαυτοπεποίθηση
that this is going to work.
5
14728
2937
Η εταιρεία που τα παρασκεύασε
έκανε μελέτες,
00:29
The companyΕταιρία that inventedεφευρέθηκε it did
a lot of studiesσπουδές, submittedυποβλήθηκε it to the FDAFDA.
6
17689
3553
τις υπέβαλε στον FDA, τον Οργανισμό
Τροφίμων και Φαρμάκων των ΗΠΑ.
00:33
They studiedμελετημένος it very carefullyπροσεκτικά,
skepticallyΔυσπιστώς, they approvedεγκριθεί it.
7
21266
3107
Εκείνοι τις μελέτησαν με μεγάλη προσοχή
και σκεπτικισμό, πριν τις εγκρίνουν.
00:36
They have a roughτραχύς ideaιδέα of how it worksεργοστάσιο,
8
24397
1889
Έχουν μια γενική ιδέα για το πώς δρουν.
00:38
they have a roughτραχύς ideaιδέα
of what the sideπλευρά effectsυπάρχοντα are.
9
26310
2453
Έχουν μια γενική ιδέα
για τις πιθανές παρενέργειες.
00:40
It should be OK.
10
28787
1150
Θα πρέπει να είναι εντάξει.
00:42
You have a little more
of a conversationσυνομιλία with your physicianγιατρός
11
30864
2818
Συζητάς περισσότερο με τον γιατρό σου
00:45
and the physicianγιατρός is a little worriedανήσυχος
because you've been blueμπλε,
12
33706
2963
κι εκείνος είναι λίγο ανήσυχος
γιατί έχεις μελαγχολήσει,
00:48
haven'tδεν έχουν feltένιωσα like yourselfσύ ο ίδιος,
13
36693
1293
δεν αισθάνεσαι πολύ καλά
00:50
you haven'tδεν έχουν been ableικανός to enjoyαπολαμβάνω things
in life quiteαρκετά as much as you usuallyσυνήθως do.
14
38010
3731
και δεν απολαμβάνεις τη ζωή όπως πριν.
Ο γιατρός σου λέει, «Ξέρεις, νομίζω ότι
έχεις πάθει ένα είδος κατάθλιψης.
00:53
Your physicianγιατρός saysλέει, "You know,
I think you have some depressionκατάθλιψη.
15
41765
3186
00:57
I'm going to have to give
you anotherαλλο pillχάπι."
16
45792
2315
Θα σου δώσω άλλο ένα χάπι».
01:00
So now we're talkingομιλία
about two medicationsφάρμακα.
17
48934
2483
Οπότε τώρα, πρέπει να πάρεις δύο φάρμακα.
01:03
This pillχάπι alsoεπίσης -- millionsεκατομμύρια
of people have takenληφθεί it,
18
51441
3104
Αυτό το χάπι --
εκατομμύρια άνθρωποι το παίρνουν,
01:06
the companyΕταιρία did studiesσπουδές,
the FDAFDA lookedκοίταξε at it -- all good.
19
54569
3631
η εταιρεία έκανε μελέτες,
ο FDA το εξέτασε -- όλα καλά.
01:10
Think things should go OK.
20
58823
2057
Νομίζεις ότι όλα θα πάνε καλά.
01:12
Think things should go OK.
21
60904
2197
Νομίζεις ότι όλα θα πάνε καλά.
01:15
Well, wait a minuteλεπτό.
22
63125
1439
Όμως, μισό λεπτό.
01:16
How much have we studiedμελετημένος
these two togetherμαζί?
23
64588
3517
Πόσο έχουν μελετηθεί αυτά τα δύο μαζί;
01:20
Well, it's very hardσκληρά to do that.
24
68630
2300
Ε, λοιπόν, αυτό είναι πολύ δύσκολο.
01:22
In factγεγονός, it's not traditionallyπαραδοσιακά doneΈγινε.
25
70954
2130
Συνήθως μάλιστα δε συμβαίνει.
01:25
We totallyεντελώς dependεξαρτώμαι on what we call
"post-marketingμετά την κυκλοφορία surveillanceεπιτήρηση,"
26
73108
5518
Εξαρτόμαστε από αυτό που λέγεται
«παρακολούθηση μετά την κυκλοφορία»,
01:30
after the drugsφάρμακα hitΚτύπημα the marketαγορά.
27
78650
1880
αφότου τα φάρμακα φθάσουν στην αγορά.
Πώς μπορούμε να ξέρουμε
αν κάτι κακό συμβαίνει
01:32
How can we figureεικόνα out
if badκακό things are happeningσυμβαίνει
28
80996
2848
με την ταυτόχρονη χορήγηση
δύο φαρμάκων;
01:35
betweenμεταξύ two medicationsφάρμακα?
29
83868
1357
01:37
ThreeΤρεις? FiveΠέντε? SevenΕπτά?
30
85249
2030
Τριών; Πέντε; Επτά;
Ρωτήστε κάποιον που έχει
διαγνωσθεί με διάφορες παθήσεις
01:39
AskΡωτήστε your favoriteαγαπημένη personπρόσωπο
who has severalαρκετά diagnosesδιαγνώσεις
31
87708
2415
01:42
how manyΠολλά medicationsφάρμακα they're on.
32
90147
1834
πόσα φάρμακα παίρνει.
Γιατί μ' απασχολεί αυτό το πρόβλημα;
Και μάλιστα πολύ σοβαρά.
01:44
Why do I careΦροντίδα about this problemπρόβλημα?
33
92530
1580
01:46
I careΦροντίδα about it deeplyκατα ΒΑΘΟΣ.
34
94134
1157
Ο τομέας μου είναι η Πληροφορική
και η Επιστήμη Δεδομένων,
01:47
I'm an informaticsΠληροφορική and dataδεδομένα scienceεπιστήμη guy
and really, in my opinionγνώμη,
35
95315
4304
και πιστεύω, πως η μόνη μας ελπίδα
-- η μόνη --
01:51
the only hopeελπίδα -- only hopeελπίδα --
to understandκαταλαβαίνουν these interactionsαλληλεπιδράσεις
36
99643
3745
να κατανοήσουμε αυτές τις αλληλεπιδράσεις
01:55
is to leverageμόχλευση lots
of differentδιαφορετικός sourcesπηγές of dataδεδομένα
37
103412
3056
είναι να αξιοποιήσουμε πολλά
δεδομένα από διάφορες πηγές
για να καταλάβουμε πότε τα φάρμακα
μπορούν να ληφθούν ταυτόχρονα με ασφάλεια
01:58
in orderΣειρά to figureεικόνα out
when drugsφάρμακα can be used togetherμαζί safelyμε ασφάλεια
38
106492
3556
02:02
and when it's not so safeασφαλής.
39
110072
1777
και πότε υπάρχει κίνδυνος.
Να σας πω μια ιστορία
από την Επιστήμη των Δεδομένων.
02:04
So let me tell you a dataδεδομένα scienceεπιστήμη storyιστορία.
40
112615
2051
02:06
And it beginsαρχίζει with my studentμαθητης σχολειου NickNick.
41
114690
2154
Αρχίζει με τον φοιτητή μου, τον Νικ.
02:08
Let's call him "NickNick,"
because that's his nameόνομα.
42
116868
2380
Ας τον πούμε «Νικ», επειδή έτσι τον λένε.
02:11
(LaughterΤο γέλιο)
43
119272
1592
(Γέλια)
Ο Νικ ήταν νεαρός φοιτητής.
02:12
NickNick was a youngνεαρός studentμαθητης σχολειου.
44
120888
1201
02:14
I said, "You know, NickNick, we have
to understandκαταλαβαίνουν how drugsφάρμακα work
45
122113
3079
Του είπα, «Νικ, πρέπει να κατανοήσουμε
πώς δρουν τα φάρμακα,
02:17
and how they work togetherμαζί
and how they work separatelyχωριστά,
46
125216
2626
πώς δρουν σε συνδυασμό
και πώς δρουν μεμονωμένα,
02:19
and we don't have a great understandingκατανόηση.
47
127866
1922
κάτι που δεν το κατανοούμε καλά».
Όμως ο FDA έχει κάνει διαθέσιμη
μια τεράστια βάση δεδομένων.
02:21
But the FDAFDA has madeέκανε availableδιαθέσιμος
an amazingφοβερο databaseβάση δεδομένων.
48
129812
2405
02:24
It's a databaseβάση δεδομένων of adverseδυσμενείς eventsγεγονότα.
49
132241
1699
Δεδομένα ανεπιθύμητων αντιδράσεων.
02:26
They literallyΚυριολεκτικά put on the webιστός --
50
134321
1642
Είναι στο διαδίκτυο,
Κυριολεκτικά, ανοιχτά σε όλους.
02:27
publiclyδημόσια availableδιαθέσιμος, you could all
downloadΚατεβάστε it right now --
51
135987
3119
Ο καθένας μπορεί να τα κατεβάσει άμεσα.
02:31
hundredsεκατοντάδες of thousandsχιλιάδες
of adverseδυσμενείς eventΕκδήλωση reportsΑναφορές
52
139130
3627
Εκατοντάδες χιλιάδες
αναφορές ανεπιθύμητων αντιδράσεων
02:34
from patientsασθενείς, doctorsτους γιατρούς,
companiesεταιρείες, pharmacistsφαρμακοποιούς.
53
142781
3760
από ασθενείς, γιατρούς,
εταιρείες, φαρμακοποιούς.
02:38
And these reportsΑναφορές are prettyαρκετά simpleαπλός:
54
146565
1749
Οι αναφορές αυτές είναι πολύ απλές:
02:40
it has all the diseasesασθένειες
that the patientυπομονετικος has,
55
148338
2658
Περιλαμβάνουν όλες τις παθήσεις
ενός ασθενούς,
02:43
all the drugsφάρμακα that they're on,
56
151020
1767
όλα τα φάρμακα που παίρνει,
02:44
and all the adverseδυσμενείς eventsγεγονότα,
or sideπλευρά effectsυπάρχοντα, that they experienceεμπειρία.
57
152811
3818
όλες τις ανεπιθύμητες αντιδράσεις
ή παρενέργειες, που παρουσιάζουν.
02:48
It is not all of the adverseδυσμενείς eventsγεγονότα
that are occurringπου συμβαίνουν in AmericaΑμερική todayσήμερα,
58
156653
3436
Δεν είναι το σύνολο των ανεπιθύμητων
αντιδράσεων που εκδηλώνονται στις Η.Π.Α.
02:52
but it's hundredsεκατοντάδες and hundredsεκατοντάδες
of thousandsχιλιάδες of drugsφάρμακα.
59
160113
2578
είναι όμως εκατοντάδες χιλιάδες φάρμακα.
Είπα λοιπόν στον Νικ:
02:54
So I said to NickNick,
60
162715
1299
«Ας επικεντρωθούμε στη γλυκόζη.
02:56
"Let's think about glucoseγλυκόζη.
61
164038
1826
02:57
GlucoseΓλυκόζη is very importantσπουδαίος,
and we know it's involvedεμπλεγμένος with diabetesΔιαβήτης.
62
165888
3567
Η γλυκόζη είναι πολύ σημαντική,
ξέρουμε ότι σχετίζεται με το διαβήτη.
03:01
Let's see if we can understandκαταλαβαίνουν
glucoseγλυκόζη responseαπάντηση.
63
169479
3970
Ας δούμε αν κατανοούμε
την απόκριση στη γλυκόζη».
03:05
I sentΑπεσταλμένα NickNick off. NickNick cameήρθε back.
64
173473
2458
Τον έστειλα για έρευνα.
Ο Νικ γύρισε.
03:08
"RussRuss," he said,
65
176248
1786
«Ρας», μου είπε,
03:10
"I've createdδημιουργήθηκε a classifierταξινομητής that can
look at the sideπλευρά effectsυπάρχοντα of a drugφάρμακο
66
178351
5112
«δημιούργησα μια ταξινόμηση
των ανεπιθύμητων αντιδράσεων ενός φαρμάκου
03:15
basedμε βάση on looking at this databaseβάση δεδομένων,
67
183487
2051
από αυτή τη βάση δεδομένων,
03:17
and can tell you whetherκατά πόσο that drugφάρμακο
is likelyπιθανός to changeαλλαγή glucoseγλυκόζη or not."
68
185562
4271
που δείχνει αν το φάρμακο
μπορεί να επηρεάσει τη γλυκόζη ή όχι».
03:21
He did it. It was very simpleαπλός, in a way.
69
189857
2016
Το κατάφερε. Ήταν σχετικά απλό.
Πήρε όλα τα φάρμακα που
ήταν γνωστό ότι επηρέαζαν τη γλυκόζη
03:23
He tookπήρε all the drugsφάρμακα
that were knownγνωστός to changeαλλαγή glucoseγλυκόζη
70
191897
2635
03:26
and a bunchδέσμη of drugsφάρμακα
that don't changeαλλαγή glucoseγλυκόζη,
71
194556
2389
και κάποια φάρμακα
που δεν επηρεάζουν τη γλυκόζη,
03:28
and said, "What's the differenceδιαφορά
in theirδικα τους sideπλευρά effectsυπάρχοντα?
72
196969
2888
κι αναρωτήθηκε αν υπάρχει διαφορά
στις ανεπιθύμητες ενέργειες.
03:31
DifferencesΔιαφορές in fatigueκόπωση? In appetiteόρεξη?
In urinationούρηση habitsσυνήθειες?"
73
199881
4852
Υπάρχει διαφορά στην κόπωση,
στην όρεξη, στην ούρηση;
03:36
All those things conspiredσυνωμότησαν
to give him a really good predictorπρογνωστικός δείκτης.
74
204757
2960
Όλα αυτά συνδυάστηκαν ώστε
να του δώσουν μια καλή πρόβλεψη.
03:39
He said, "RussRuss, I can predictπρολέγω
with 93 percentτοις εκατό accuracyακρίβεια
75
207741
2548
Μου είπε, «Ρας, μπορώ να προβλέψω
με ακρίβεια 93%
αν ένα φάρμακο επηρεάζει τη γλυκόζη».
03:42
when a drugφάρμακο will changeαλλαγή glucoseγλυκόζη."
76
210313
1572
03:43
I said, "NickNick, that's great."
77
211909
1416
Του λέω, «Μπράβο Νικ, σπουδαία».
03:45
He's a youngνεαρός studentμαθητης σχολειου,
you have to buildχτίζω his confidenceαυτοπεποίθηση.
78
213349
2896
Νέος φοιτητής είναι,
πρέπει ν' αποκτήσει αυτοπεποίθηση.
03:48
"But NickNick, there's a problemπρόβλημα.
79
216269
1390
«Όμως, Νικ, υπάρχει πρόβλημα.
03:49
It's that everyκάθε physicianγιατρός in the worldκόσμος
knowsξέρει all the drugsφάρμακα that changeαλλαγή glucoseγλυκόζη,
80
217683
3960
Κάθε γιατρός στον κόσμο γνωρίζει
όλα τα φάρμακα που επηρεάζουν τη γλυκόζη,
03:53
because it's coreπυρήνας to our practiceπρακτική.
81
221667
2038
είναι βασικό στην εκπαίδευσή τους.
03:55
So it's great, good jobδουλειά,
but not really that interestingενδιαφέρων,
82
223729
3722
Άρα, έκανες καλή δουλειά,
αλλά δεν είναι και τόσο ενδιαφέρον,
και σίγουρα δεν είναι δημοσιεύσιμο».
03:59
definitelyοπωσδηποτε not publishableδημοσιεύσιμη."
83
227475
1531
04:01
(LaughterΤο γέλιο)
84
229030
1014
(Γέλια)
04:02
He said, "I know, RussRuss.
I thought you mightθα μπορούσε say that."
85
230068
2550
«Το ξέρω, Ρας» μου λέει.
«Ήξερα ότι θα το πεις αυτό».
04:04
NickNick is smartέξυπνος.
86
232642
1152
Έξυπνος ο Νικ.
04:06
"I thought you mightθα μπορούσε say that,
so I did one other experimentπείραμα.
87
234149
2874
«Το ήξερα και γι' αυτό
έκανα άλλο ένα πείραμα.
04:09
I lookedκοίταξε at people in this databaseβάση δεδομένων
who were on two drugsφάρμακα,
88
237047
2928
Μελέτησα σ' αυτή τη βάση δεδομένων
τα άτομα που έπαιρναν δύο φάρμακα
04:11
and I lookedκοίταξε for signalsσήματα similarπαρόμοιος,
glucose-changingγλυκόζη-αλλαγή signalsσήματα,
89
239999
4422
κι έψαξα για παρόμοια συμπτώματα,
μεταβολής της γλυκόζης,
04:16
for people takingλήψη two drugsφάρμακα,
90
244445
1624
σε άτομα που έπαιρναν δύο φάρμακα.
04:18
where eachκαθε drugφάρμακο aloneμόνος
did not changeαλλαγή glucoseγλυκόζη,
91
246093
5569
Όταν δηλαδή το ένα φάρμακο
δεν επηρέαζε τη γλυκόζη,
04:23
but togetherμαζί I saw a strongισχυρός signalσήμα."
92
251686
2460
αλλά σε συνδυασμό
υπήρχε σοβαρή ένδειξη».
04:26
And I said, "Oh! You're cleverέξυπνος.
Good ideaιδέα. ShowΕμφάνιση me the listλίστα."
93
254170
3149
«Μπράβο, έξυπνο», του λέω.
«Για δείξε μου τη λίστα».
Είναι πολλά τα φάρμακα,
δεν είναι πολύ συναρπαστικό.
04:29
And there's a bunchδέσμη of drugsφάρμακα,
not very excitingσυναρπαστικός.
94
257343
2254
04:31
But what caughtπου αλιεύονται my eyeμάτι
was, on the listλίστα there were two drugsφάρμακα:
95
259621
3932
Αλλά αυτό που τράβηξε την προσοχή μου
ήταν δύο φάρμακα στη λίστα:
04:35
paroxetineπαροξετίνη, or PaxilPaxil, an antidepressantαντικαταθλιπτικό;
96
263577
3393
η παροξετίνη ή Paxil, ένα αντικαταθλιπτικό
04:39
and pravastatinπραβαστατίνη, or PravacholPravachol,
a cholesterolχοληστερόλη medicationφαρμακευτική αγωγή.
97
267756
3570
και η πραβαστατίνη ή Pravachol,
ένα φάρμακο για τη χοληστερόλη.
04:43
And I said, "Huh. There are millionsεκατομμύρια
of AmericansΟι Αμερικανοί on those two drugsφάρμακα."
98
271936
4283
Και λέω, «Α, εκατομμύρια Αμερικανοί
παίρνουν αυτά τα δύο φάρμακα».
04:48
In factγεγονός, we learnedέμαθα laterαργότερα,
99
276243
1246
Και όπως μάθαμε αργότερα,
04:49
15 millionεκατομμύριο AmericansΟι Αμερικανοί on paroxetineπαροξετίνη
at the time, 15 millionεκατομμύριο on pravastatinπραβαστατίνη,
100
277513
6032
15 εκατομμύρια Αμερικανοί
παίρνουν παροξετίνη,
15 εκατομμύρια παίρνουν πραβαστατίνη
04:55
and a millionεκατομμύριο, we estimatedυπολογίζεται, on bothκαι τα δυο.
101
283569
2817
και ένα εκατομμύριο,
κατά τους υπολογισμούς μας, και τα δύο.
Άρα, ένα εκατομμύριο άνθρωποι
04:58
So that's a millionεκατομμύριο people
102
286767
1254
05:00
who mightθα μπορούσε be havingέχοντας some problemsπροβλήματα
with theirδικα τους glucoseγλυκόζη
103
288045
2453
ίσως έχουν προβλήματα με το σάκχαρο,
05:02
if this machine-learningπολυβόλο-μαθαίνω mumbomumbo jumboJumbo
that he did in the FDAFDA databaseβάση δεδομένων
104
290522
3206
αν αυτή η έξυπνη μηχανή που έφτιαξε
με τα δεδομένα του FDA, κάνει δουλειά.
05:05
actuallyπράγματι holdsκρατάει up.
105
293752
1254
Είπα, όμως,
05:07
But I said, "It's still not publishableδημοσιεύσιμη,
106
295030
1927
«Και πάλι δεν είναι δημοσιεύσιμο,
05:08
because I love what you did
with the mumbomumbo jumboJumbo,
107
296981
2296
γιατί, μ' αρέσει μεν αυτό που έκανες
με την έξυπνη μηχανή,
05:11
with the machineμηχανή learningμάθηση,
108
299301
1246
αλλά το αποτέλεσμα
δεν είναι ασφαλής απόδειξη».
05:12
but it's not really standard-of-proofπρότυπο της απόδειξης
evidenceαπόδειξη that we have."
109
300571
3864
05:17
So we have to do something elseαλλού.
110
305618
1589
Άρα πρέπει να κάνουμε κάτι άλλο.
05:19
Let's go into the StanfordΠανεπιστήμιο του Στάνφορντ
electronicηλεκτρονικός medicalιατρικός recordΡεκόρ.
111
307231
2876
Ας δούμε το ηλεκτρονικό ιατρικό αρχείο
του Στάνφορντ.
05:22
We have a copyαντιγραφή of it
that's OK for researchέρευνα,
112
310131
2064
Έχουμε ένα αντίγραφο,
διαθέσιμο προς διερεύνηση,
05:24
we removedνα αφαιρεθεί identifyingτον εντοπισμό informationπληροφορίες.
113
312219
2046
αφαιρώντας τις προσωπικές πληροφορίες.
Είπα λοιπόν, «Ας δούμε αν
όσοι παίρνουν και τα δύο φάρμακα
05:26
And I said, "Let's see if people
on these two drugsφάρμακα
114
314581
2503
05:29
have problemsπροβλήματα with theirδικα τους glucoseγλυκόζη."
115
317108
1769
έχουν πρόβλημα με το σάκχαρό τους».
Υπάρχουν φυσικά χιλιάδες άνθρωποι
05:31
Now there are thousandsχιλιάδες
and thousandsχιλιάδες of people
116
319242
2207
στα ιατρικά αρχεία του Στάνφορντ
που παίρνουν παροξετίνη και πραβαστατίνη.
05:33
in the StanfordΠανεπιστήμιο του Στάνφορντ medicalιατρικός recordsαρχεία
that take paroxetineπαροξετίνη and pravastatinπραβαστατίνη.
117
321473
3459
05:36
But we neededαπαιτείται specialειδικός patientsασθενείς.
118
324956
1799
Όμως χρειαζόμασταν ειδικούς ασθενείς.
05:38
We neededαπαιτείται patientsασθενείς who were on one of them
and had a glucoseγλυκόζη measurementμέτρηση,
119
326779
4597
Θέλαμε ασθενείς που έπαιρναν ένα φάρμακο
και παρακολούθησαν τη γλυκόζη τους,
05:43
then got the secondδεύτερος one and had
anotherαλλο glucoseγλυκόζη measurementμέτρηση,
120
331400
3449
μετά πήραν το δεύτερο
και ξαναμέτρησαν τη γλυκόζη τους,
05:46
all withinστα πλαίσια a reasonableλογικός periodπερίοδος of time --
something like two monthsμήνες.
121
334873
3615
για μια λογική χρονική περίοδο-
κάπου δύο μήνες.
05:50
And when we did that,
we foundβρέθηκαν 10 patientsασθενείς.
122
338512
3159
Το κάναμε αυτό, και βρήκαμε 10 ασθενείς.
05:54
HoweverΩστόσο, eightοκτώ out of the 10
had a bumpχτύπημα in theirδικα τους glucoseγλυκόζη
123
342592
4538
Παρόλα αυτά, 8 στους 10
παρουσίασαν αύξηση της γλυκόζης
05:59
when they got the secondδεύτερος P --
we call this P and P --
124
347154
2645
όταν πήραν τη δεύτερη Π
-ας τις ονομάσουμε Π και Π-
06:01
when they got the secondδεύτερος P.
125
349823
1310
όταν πήραν τη δεύτερη Π.
Όποια κι αν πήραν πρώτα
και μετά τη δεύτερη,
06:03
EitherΕίτε one could be first,
the secondδεύτερος one comesέρχεται up,
126
351157
2562
06:05
glucoseγλυκόζη wentπήγε up
20 milligramsχιλιόγραμμα perανά deciliterδεκατόλιτρο.
127
353743
2847
το σάκχαρο ανέβαινε κατά 20 mg/dL.
06:08
Just as a reminderυπενθύμιση,
128
356614
1158
Να υπενθυμίσω,
06:09
you walkΠερπατήστε around normallyκανονικά,
if you're not diabeticδιαβητικός,
129
357796
2325
ότι αν δεν είσαι διαβητικός, κυκλοφορείς
με τιμή γλυκόζης γύρω στα 90.
06:12
with a glucoseγλυκόζη of around 90.
130
360145
1359
06:13
And if it getsπαίρνει up to 120, 125,
131
361528
2076
Αν ανέβει στα 120-125,
06:15
your doctorγιατρός beginsαρχίζει to think
about a potentialδυνητικός diagnosisδιάγνωση of diabetesΔιαβήτης.
132
363628
3450
ο γιατρός σου εξετάζει
μια πιθανή διάγνωση διαβήτη.
06:19
So a 20 bumpχτύπημα -- prettyαρκετά significantσημαντικός.
133
367102
2991
Επομένως, μια αύξηση 20 μονάδων
είναι σημαντική.
06:22
I said, "NickNick, this is very coolδροσερός.
134
370601
1904
Είπα, «Νικ, είναι πολύ καλό.
Αλλά, λυπάμαι,
και πάλι δεν είναι δημοσιεύσιμο,
06:25
But, I'm sorry, we still
don't have a paperχαρτί,
135
373616
2053
γιατί έχουμε μόνο 10 ασθενείς
06:27
because this is 10 patientsασθενείς
and -- give me a breakΔιακοπή --
136
375693
2579
και βέβαια είναι πολύ λίγοι».
06:30
it's not enoughαρκετά patientsασθενείς."
137
378296
1245
06:31
So we said, what can we do?
138
379565
1306
Οπότε λέμε, τι να κάνουμε;
06:32
And we said, let's call our friendsοι φιλοι
at HarvardΧάρβαρντ and VanderbiltVanderbilt,
139
380895
2976
Eίπαμε, να μιλήσουμε στους φίλους μας
στο Χάρβαρντ, στη Βοστώνη
06:35
who alsoεπίσης -- HarvardΧάρβαρντ in BostonΒοστώνη,
VanderbiltVanderbilt in NashvilleΝάσβιλ,
140
383895
2587
και στο Βάντερμπιλντ, στο Νάσβιλ
06:38
who alsoεπίσης have electronicηλεκτρονικός
medicalιατρικός recordsαρχεία similarπαρόμοιος to oursΔικός μας.
141
386506
2821
που έχουν ηλεκτρονικά ιατρικά αρχεία
παρόμοια με τα δικά μας.
06:41
Let's see if they can find
similarπαρόμοιος patientsασθενείς
142
389351
2020
Να δούμε αν μπορούν να βρουν
τέτοιους ασθενείς
06:43
with the one P, the other P,
the glucoseγλυκόζη measurementsΜετρήσεις
143
391395
3276
με τη μία Π, την άλλη Π,
και τις μετρήσεις σακχάρου
στα επίπεδα που μας ενδιαφέρουν.
06:46
in that rangeσειρά that we need.
144
394695
1600
Να είναι καλά το Βάντερμπιλντ
σε μία βδομάδα βρήκε 40 τέτοιους ασθενείς,
06:48
God blessευλογώ them, VanderbiltVanderbilt
in one weekεβδομάδα foundβρέθηκαν 40 suchτέτοιος patientsασθενείς,
145
396787
4955
06:53
sameίδιο trendτάση.
146
401766
1189
με την ίδια τάση.
Το Χάρβαρντ βρήκε 100 τέτοιους ασθενείς,
με την ίδια τάση.
06:55
HarvardΧάρβαρντ foundβρέθηκαν 100 patientsασθενείς, sameίδιο trendτάση.
147
403804
3620
06:59
So at the endτέλος, we had 150 patientsασθενείς
from threeτρία diverseποικίλος medicalιατρικός centersκέντρα
148
407448
4281
Οπότε, τελικά, είχαμε 150 ασθενείς
από τρία διαφορετικά ιατρικά κέντρα
07:03
that were tellingαποτελεσματικός us that patientsασθενείς
gettingνα πάρει these two drugsφάρμακα
149
411753
3297
που έδειχναν ότι οι ασθενείς
που έπαιρναν αυτά τα δύο φάρμακα
07:07
were havingέχοντας theirδικα τους glucoseγλυκόζη bumpχτύπημα
somewhatκάπως significantlyσημαντικά.
150
415074
2703
ανέβαζαν σημαντικά
τα επίπεδα της γλυκόζης τους.
Και μάλιστα, δεν είχαμε συμπεριλάβει
τους διαβητικούς,
07:10
More interestinglyμε ενδιαφέρο,
we had left out diabeticsδιαβητικούς,
151
418317
2810
07:13
because diabeticsδιαβητικούς alreadyήδη
have messedμπέρδεμα up glucoseγλυκόζη.
152
421151
2317
γιατί οι διαβητικοί είχαν ήδη
αυξημένη γλυκόζη.
07:15
When we lookedκοίταξε
at the glucoseγλυκόζη of diabeticsδιαβητικούς,
153
423492
2238
Όταν προσέξαμε
τη γλυκόζη των διαβητικών,
07:17
it was going up 60 milligramsχιλιόγραμμα
perανά deciliterδεκατόλιτρο, not just 20.
154
425754
3435
είδαμε ότι αυξανόταν κατά 60 mg/dL,
όχι μόνο κατά 20.
07:21
This was a bigμεγάλο dealσυμφωνία, and we said,
"We'veΈχουμε got to publishδημοσιεύω this."
155
429760
3452
Αυτό ήταν πολύ σημαντικό, οπότε είπαμε,
«Πρέπει να το δημοσιεύσουμε».
07:25
We submittedυποβλήθηκε the paperχαρτί.
156
433236
1179
Υποβάλαμε την εργασία.
07:26
It was all dataδεδομένα evidenceαπόδειξη,
157
434439
2111
Περιλάμβανε στοιχεία από τα δεδομένα,
07:28
dataδεδομένα from the FDAFDA, dataδεδομένα from StanfordΠανεπιστήμιο του Στάνφορντ,
158
436574
2483
από τον FDA, από το Στάνφορντ,
07:31
dataδεδομένα from VanderbiltVanderbilt, dataδεδομένα from HarvardΧάρβαρντ.
159
439081
1946
από το Βάντερμπιλντ και το Χάρβαρντ.
07:33
We had not doneΈγινε a singleμονόκλινο realπραγματικός experimentπείραμα.
160
441051
2396
Δεν είχαμε κάνει ούτε ένα πείραμα.
07:36
But we were nervousνευρικός.
161
444495
1296
Ήμασταν όμως ανήσυχοι.
07:38
So NickNick, while the paperχαρτί
was in reviewανασκόπηση, wentπήγε to the labεργαστήριο.
162
446201
3730
Τότε ο Νικ, όσο η εργασία ήταν
υπό αναθεώρηση, μπήκε στο εργαστήριο.
07:41
We foundβρέθηκαν somebodyκάποιος
who knewήξερε about labεργαστήριο stuffυλικό.
163
449955
2462
Βρήκαμε κάποιον που ήξερε
από εργαστηριακή δουλειά.
07:44
I don't do that.
164
452441
1393
Εγώ δεν ξέρω.
Ξέρω να φροντίζω ασθενείς,
07:45
I take careΦροντίδα of patientsασθενείς,
but I don't do pipettesσιφώνια.
165
453858
2417
δεν ξέρω από δοκιμαστικούς σωλήνες.
07:49
They taughtδιδακτός us how to feedταίζω miceποντίκια drugsφάρμακα.
166
457420
3053
Μας έμαθαν πώς να δίνουμε
φάρμακα σε ποντίκια.
07:52
We tookπήρε miceποντίκια and we gaveέδωσε them
one P, paroxetineπαροξετίνη.
167
460864
2414
Δώσαμε στα ποντίκια τη μια Π,
την παροξετίνη.
07:55
We gaveέδωσε some other miceποντίκια pravastatinπραβαστατίνη.
168
463302
2508
Δώσαμε σε κάποια άλλα ποντίκια
πραβαστατίνη,
07:57
And we gaveέδωσε a thirdτρίτος groupομάδα
of miceποντίκια bothκαι τα δυο of them.
169
465834
3595
Και δώσαμε σε μια τρίτη ομάδα
ποντικιών και τις δυο Π.
08:01
And loΙο and beholdβλέπω, glucoseγλυκόζη wentπήγε up
20 to 60 milligramsχιλιόγραμμα perανά deciliterδεκατόλιτρο
170
469893
3946
Και ιδού! Η γλυκόζη τους ανέβηκε
από 20 ως 60 mg/dL.
08:05
in the miceποντίκια.
171
473863
1171
Οπότε, η εργασία εγκρίθηκε
08:07
So the paperχαρτί was acceptedαποδεκτό
basedμε βάση on the informaticsΠληροφορική evidenceαπόδειξη aloneμόνος,
172
475058
3158
με βάση μόνο τα πληροφοριακά στοιχεία,
08:10
but we addedπρόσθεσε a little noteΣημείωση at the endτέλος,
173
478240
1894
όμως προσθέσαμε μια σημείωση στο τέλος
08:12
sayingρητό, oh by the way,
if you give these to miceποντίκια, it goesπηγαίνει up.
174
480158
2899
που έλεγε: «Παρεμπιπτόντως,
και στα ποντίκια αυξάνεται».
08:15
That was great, and the storyιστορία
could have endedέληξε there.
175
483081
2508
Ωραία, η υπόθεση θα μπορούσε
να είχε τελειώσει εδώ.
08:17
But I still have sixέξι and a halfΉμισυ minutesλεπτά.
176
485613
1997
Αλλά μου μένουν ακόμη 6,5 λεπτά.
08:19
(LaughterΤο γέλιο)
177
487634
2807
(Γέλια)
08:22
So we were sittingσυνεδρίαση around
thinkingσκέψη about all of this,
178
490465
2815
Καθόμασταν και τα σκεφτόμασταν όλα αυτά,
08:25
and I don't rememberθυμάμαι who thought
of it, but somebodyκάποιος said,
179
493304
2735
και δε θυμάμαι ποιος σκέφτηκε,
ή κάποιος είπε,
08:28
"I wonderθαύμα if patientsασθενείς
who are takingλήψη these two drugsφάρμακα
180
496063
3201
«Αναρωτιέμαι αν οι ασθενείς
που παίρνουν αυτά τα φάρμακα
08:31
are noticingπαρατηρώντας sideπλευρά effectsυπάρχοντα
of hyperglycemiaυπεργλυκαιμία.
181
499288
3553
έχουν προσέξει παρενέργειες
από την υπεργλυκαιμία.
08:34
They could and they should.
182
502865
1496
Θα έπρεπε.
08:36
How would we ever determineκαθορίσει that?"
183
504761
1877
Πώς θα μπορούσαμε να το βρούμε αυτό;»
08:39
We said, well, what do you do?
184
507551
1443
Τι θα έκανε κάποιος, λοιπόν;
08:41
You're takingλήψη a medicationφαρμακευτική αγωγή,
one newνέος medicationφαρμακευτική αγωγή or two,
185
509018
2580
Αν πάρεις ένα φάρμακο,
ένα νέο φάρμακο ή και δύο,
08:43
and you get a funnyαστείος feelingσυναισθημα.
186
511622
1538
και νιώσεις περίεργα...
08:45
What do you do?
187
513184
1151
Τι κάνεις;
08:46
You go to GoogleGoogle
188
514359
1151
Πας στο Google
08:47
and typeτύπος in the two drugsφάρμακα you're takingλήψη
or the one drugφάρμακο you're takingλήψη,
189
515534
3349
και πληκτρολογείς το φάρμακο
ή τα δύο φάρμακα που παίρνεις
08:50
and you typeτύπος in "sideπλευρά effectsυπάρχοντα."
190
518907
1603
και γράφεις «Παρενέργειες».
08:52
What are you experiencingβιώνουν?
191
520534
1356
Τι νιώθεις;
Είπαμε, εντάξει,
08:54
So we said OK,
192
522239
1151
ας ζητήσουμε από την Google να μας δώσει
08:55
let's askπαρακαλώ GoogleGoogle if they will shareμερίδιο
theirδικα τους searchΨάξιμο logsαρχεία καταγραφής with us,
193
523414
3056
το ιστορικό, τις καταγραφές
των αναζητήσεων
08:58
so that we can look at the searchΨάξιμο logsαρχεία καταγραφής
194
526494
1833
για να δούμε αν οι ασθενείς
κάνουν αυτές τις αναζητήσεις.
09:00
and see if patientsασθενείς are doing
these kindsείδη of searchesαναζητήσεις.
195
528351
2565
09:02
GoogleGoogle, I am sorry to say,
deniedαρνήθηκε our requestαίτηση.
196
530940
3275
Δυστυχώς, η Google
αρνήθηκε το αίτημά μας.
Απογοητεύτηκα.
09:06
So I was bummedτράκα.
197
534819
1151
09:07
I was at a dinnerβραδινό with a colleagueσυνάδελφος
who worksεργοστάσιο at MicrosoftMicrosoft ResearchΈρευνα
198
535994
3166
Έτρωγα με ένα συνάδελφο
που δουλεύει στο ερευνητικό της Microsoft
και του λέω, «Θέλαμε να κάνουμε
αυτή την έρευνα,
09:11
and I said, "We wanted to do this studyμελέτη,
199
539184
1941
09:13
GoogleGoogle said no, it's kindείδος of a bummerΚρίμα."
200
541149
1880
και η Google μας αρνήθηκε».
Και μου λέει,
«Καλά, υπάρχει και το Bing».
09:15
He said, "Well, we have
the BingBing searchesαναζητήσεις."
201
543053
2086
(Γέλια)
09:18
(LaughterΤο γέλιο)
202
546195
3483
09:22
Yeah.
203
550805
1267
Ναι!
09:24
That's great.
204
552096
1151
Φανταστικά!
09:25
Now I feltένιωσα like I was --
205
553271
1151
Μου φαινόταν ότι...
09:26
(LaughterΤο γέλιο)
206
554446
1000
(Γέλια)
09:27
I feltένιωσα like I was talkingομιλία to NickNick again.
207
555470
2412
Μου φαινόταν σαν
να μιλούσα πάλι με το Νικ.
Δουλεύει σε μία από τις μεγαλύτερες
εταιρείες του κόσμου,
09:30
He worksεργοστάσιο for one of the largestμεγαλύτερη
companiesεταιρείες in the worldκόσμος,
208
558437
2624
και ήδη προσπαθώ να τον κάνω
να νιώσει καλύτερα.
09:33
and I'm alreadyήδη tryingπροσπαθεί
to make him feel better.
209
561085
2206
09:35
But he said, "No, RussRuss --
you mightθα μπορούσε not understandκαταλαβαίνουν.
210
563315
2445
Και μου λέει,
«Όχι, Ρας-δεν κατάλαβες.
Δεν έχουμε μόνο
τις αναζητήσεις του Bing.
09:37
We not only have BingBing searchesαναζητήσεις,
211
565784
1500
09:39
but if you use InternetΣτο διαδίκτυο ExplorerΕξερεύνηση
to do searchesαναζητήσεις at GoogleGoogle,
212
567308
3340
Αν χρησιμοποιείς Internet Explorer
για να ψάξεις στο Google,
στη Yahoo, στο Bing, οπουδήποτε...
09:42
YahooYahoo, BingBing, any ...
213
570672
1891
εμείς κρατάμε αυτά τα δεδομένα
18 μήνες, για ερευνητικούς σκοπούς μόνο».
09:44
Then, for 18 monthsμήνες, we keep that dataδεδομένα
for researchέρευνα purposesσκοποί only."
214
572587
3643
09:48
I said, "Now you're talkingομιλία!"
215
576254
1936
«Τώρα μιλάς σωστά!», του λέω.
Ήταν ο Έρικ Χόρβιτς,
ο φίλος μου απ' τη Microsoft.
09:50
This was EricEric HorvitzHorvitz,
my friendφίλος at MicrosoftMicrosoft.
216
578214
2198
09:52
So we did a studyμελέτη
217
580436
1695
Οπότε, κάναμε μια μελέτη
09:54
where we definedορίζεται 50 wordsλόγια
that a regularτακτικός personπρόσωπο mightθα μπορούσε typeτύπος in
218
582155
4619
στην οποία ορίσαμε 50 λέξεις που ένας
συνηθισμένος άνθρωπος θα πληκτρολογούσε
09:58
if they're havingέχοντας hyperglycemiaυπεργλυκαιμία,
219
586798
1602
αν είχε υπεργλυκαιμία,
10:00
like "fatigueκόπωση," "lossαπώλεια of appetiteόρεξη,"
"urinatingούρηση a lot," "peeingκατούρημα a lot" --
220
588424
4762
όπως «κόπωση», «ανορεξία»,
«συχνουρία», «πολύ κατούρημα»,
συγγνώμη, αλλά είναι μία απ' τις λέξεις
που θα έγραφε κάποιος.
10:05
forgiveσυγχωρώ me, but that's one
of the things you mightθα μπορούσε typeτύπος in.
221
593210
2767
Συγκεντρώσαμε 50 φράσεις
που τις είπαμε «λέξεις του διαβήτη».
10:08
So we had 50 phrasesφράσεις
that we calledπου ονομάζεται the "diabetesΔιαβήτης wordsλόγια."
222
596001
2790
10:10
And we did first a baselineβασική γραμμή.
223
598815
2063
Θέσαμε ένα σημείο αναφοράς.
10:12
And it turnsστροφές out
that about .5 to one percentτοις εκατό
224
600902
2704
Και φάνηκε ότι περίπου 0,5 ως 1%
όλων των αναζητήσεων στο Ίντερνετ
περιλαμβάνουν μια απ' αυτές τις λέξεις.
10:15
of all searchesαναζητήσεις on the InternetΣτο διαδίκτυο
involveεμπλέκω one of those wordsλόγια.
225
603630
2982
10:18
So that's our baselineβασική γραμμή rateτιμή.
226
606636
1742
Αυτό ήταν το σημείο αναφοράς μας.
10:20
If people typeτύπος in "paroxetineπαροξετίνη"
or "PaxilPaxil" -- those are synonymsσυνώνυμα --
227
608402
4143
Αν έγραφαν «παροξετίνη» ή «Paxil»
- που είναι συνώνυμα -
και μία απ' αυτές τις λέξεις
10:24
and one of those wordsλόγια,
228
612569
1215
10:25
the rateτιμή goesπηγαίνει up to about two percentτοις εκατό
of diabetes-typeο διαβήτης τύπου wordsλόγια,
229
613808
4890
η συχνότητα ανέβαινε περίπου στο 2%
για τις «λέξεις του διαβήτη»,
10:30
if you alreadyήδη know
that there's that "paroxetineπαροξετίνη" wordλέξη.
230
618722
3044
αν ήταν γνωστό
ότι υπήρχε η λέξη παροξετίνη.
10:34
If it's "pravastatinπραβαστατίνη," the rateτιμή goesπηγαίνει up
to about threeτρία percentτοις εκατό from the baselineβασική γραμμή.
231
622191
4547
Αν έγραφαν πραβαστατίνη, η συχνότητα
ανέβαινε στο 3% από το σημείο αναφοράς.
10:39
If bothκαι τα δυο "paroxetineπαροξετίνη" and "pravastatinπραβαστατίνη"
are presentπαρόν in the queryερώτημα,
232
627171
4390
Αν και οι δυο λέξεις «παροξετίνη» και
«πραβαστατίνη» υπάρχουν στην αναζήτηση
10:43
it goesπηγαίνει up to 10 percentτοις εκατό,
233
631585
1669
ανεβαίνει στο 10%,
10:45
a hugeτεράστιος three-τρία- to four-foldτετραπλάσια increaseαυξάνουν
234
633278
3461
μια τεράστια, σχεδόν τετραπλάσια αύξηση,
10:48
in those searchesαναζητήσεις with the two drugsφάρμακα
that we were interestedενδιαφερόμενος in,
235
636763
3389
για τις αναζητήσεις με τα δυο φάρμακα
που μας ενδιέφεραν,
10:52
and diabetes-typeο διαβήτης τύπου wordsλόγια
or hyperglycemia-typeυπεργλυκαιμία-τύπος wordsλόγια.
236
640176
3566
και τις «λέξεις του διαβήτη»
ή της υπεργλυκαιμίας.
10:56
We publishedδημοσίευσε this,
237
644216
1265
Το δημοσιεύσαμε αυτό,
10:57
and it got some attentionπροσοχή.
238
645505
1466
και έτυχε κάποιας προσοχής.
10:58
The reasonλόγος it deservesαξίζει attentionπροσοχή
239
646995
1778
Ο λόγος που αξίζει την προσοχή
11:00
is that patientsασθενείς are tellingαποτελεσματικός us
theirδικα τους sideπλευρά effectsυπάρχοντα indirectlyέμμεσα
240
648797
4312
είναι ότι οι ασθενείς μας λένε
για τις παρενέργειες που έχουν
έμμεσα, μέσω των αναζητήσεών τους.
11:05
throughδιά μέσου theirδικα τους searchesαναζητήσεις.
241
653133
1156
11:06
We broughtέφερε this
to the attentionπροσοχή of the FDAFDA.
242
654313
2138
Το κοινοποιήσαμε στον FDA.
11:08
They were interestedενδιαφερόμενος.
243
656475
1269
Και ενδιαφέρθηκαν.
11:09
They have setσειρά up socialκοινωνικός mediaμεσο ΜΑΖΙΚΗΣ ΕΝΗΜΕΡΩΣΗΣ
surveillanceεπιτήρηση programsπρογράμματα
244
657768
3606
Ξεκίνησαν προγράμματα παρακολούθησης
μέσω των μέσων κοινωνικής δικτύωσης
11:13
to collaborateσυνεργάζομαι with MicrosoftMicrosoft,
245
661398
1751
σε συνεργασία με τη Microsoft
11:15
whichοι οποίες had a niceόμορφη infrastructureυποδομή
for doing this, and othersοι υπολοιποι,
246
663173
2794
που είχε ισχυρή υποδομή
γι' αυτά και για άλλα,
11:17
to look at TwitterΠειραχτήρι feedsτροφές,
247
665991
1282
για έρευνα στο Twitter και στο Facebook
11:19
to look at FacebookΣτο Facebook feedsτροφές,
248
667297
1716
στις καταγραφές των αναζητήσεων,
11:21
to look at searchΨάξιμο logsαρχεία καταγραφής,
249
669037
1311
11:22
to try to see earlyνωρίς signsσημάδια that drugsφάρμακα,
eitherείτε individuallyατομικά or togetherμαζί,
250
670372
4909
ώστε να δουν πρώιμα σημεία ότι τα φάρμακα,
είτε ανεξάρτητα είτε σε συνδυασμό
11:27
are causingπροκαλώντας problemsπροβλήματα.
251
675305
1589
προκαλούν προβλήματα.
Τι συνάγεται απ' αυτό;
Γιατί σας λέω αυτή την ιστορία;
11:28
What do I take from this?
Why tell this storyιστορία?
252
676918
2174
11:31
Well, first of all,
253
679116
1207
Λοιπόν, πρώτα-πρώτα,
έχουμε τώρα
11:32
we have now the promiseυπόσχεση
of bigμεγάλο dataδεδομένα and medium-sizedμεσαίου μεγέθους dataδεδομένα
254
680347
4037
το πλεονέκτημα των μεγα-δεδομένων
και των μεσαίας τάξης δεδομένων
11:36
to help us understandκαταλαβαίνουν drugφάρμακο interactionsαλληλεπιδράσεις
255
684408
2918
που μας βοηθούν να καταλάβουμε
τις αλληλεπιδράσεις των φαρμάκων
11:39
and really, fundamentallyθεμελιωδώς, drugφάρμακο actionsΕνέργειες.
256
687350
2420
και στην πραγματικότητα,
στην ουσία, τη δράση τους
11:41
How do drugsφάρμακα work?
257
689794
1413
Πώς δρουν τα φάρμακα.
11:43
This will createδημιουργώ and has createdδημιουργήθηκε
a newνέος ecosystemοικοσυστήματος
258
691231
2836
Αυτό θα δημιουργήσει και ήδη δημιούργησε
ένα νέο περιβάλλον για την κατανόηση
της δράσης των φαρμάκων
11:46
for understandingκατανόηση how drugsφάρμακα work
and to optimizeβελτιστοποίηση της theirδικα τους use.
259
694091
3267
και τη βελτίωση της χρήσης τους.
11:50
NickNick wentπήγε on; he's a professorκαθηγητής
at ColumbiaΚολούμπια now.
260
698303
2659
Ο Νικ προχώρησε. Είναι τώρα
καθηγητής στο Κολούμπια.
11:52
He did this in his PhDPhD
for hundredsεκατοντάδες of pairsζεύγη of drugsφάρμακα.
261
700986
4072
Έκανε το διδακτορικό του
πάνω σε εκατοντάδες ζεύγη φαρμάκων.
11:57
He foundβρέθηκαν severalαρκετά
very importantσπουδαίος interactionsαλληλεπιδράσεις,
262
705082
2517
Βρήκε μερικές ενδιαφέρουσες
αλληλεπιδράσεις
κι έτσι ξανακάναμε την έρευνα
11:59
and so we replicatedαναπαραγωγή this
263
707623
1214
12:00
and we showedέδειξε that this
is a way that really worksεργοστάσιο
264
708861
2574
και δείξαμε πως είναι
μια μέθοδος που αποδίδει
12:03
for findingεύρεση drug-drugφαρμάκων interactionsαλληλεπιδράσεις.
265
711459
2339
για την έρευνα των αλληλεπιδράσεων
των φαρμάκων.
12:06
HoweverΩστόσο, there's a coupleζευγάρι of things.
266
714282
1734
Όμως, υπάρχουν κάποια θέματα.
12:08
We don't just use pairsζεύγη
of drugsφάρμακα at a time.
267
716040
3046
Τώρα, δε μελετάμε ζεύγη φαρμάκων.
12:11
As I said before, there are patientsασθενείς
on threeτρία, fiveπέντε, sevenεπτά, nineεννέα drugsφάρμακα.
268
719110
4469
Όπως είπα νωρίτερα, κάποιοι ασθενείς
παίρνουν 3 ,5, 7, 9 φάρμακα.
12:15
Have they been studiedμελετημένος with respectΣεβασμός
to theirδικα τους nine-wayεννέα-way interactionΑΛΛΗΛΕΠΙΔΡΑΣΗ?
269
723981
3642
Έχει μελετηθεί η αλληλεπίδραση
και των εννιά;
12:19
Yes, we can do pair-wiseΤαξινόμηση ανά,
A and B, A and C, A and D,
270
727647
4208
Ναι, μπορούμε να το κάνουμε ανά ζέυγη,
το Α με το Β, το Α με το Γ, το Α με το Δ,
12:23
but what about A, B, C,
D, E, F, G all togetherμαζί,
271
731879
4286
αλλά το Α με το Β, το Γ, το Δ, το Ε
το Ζ, το Η, όλα μαζί,
12:28
beingνα εισαι takenληφθεί by the sameίδιο patientυπομονετικος,
272
736189
1762
να λαμβάνονται από τον ίδιο άρρωστο,
12:29
perhapsίσως interactingαλληλεπιδρώντας with eachκαθε other
273
737975
2118
και ίσως να αλληλεπιδρούν
το ένα με το άλλο
12:32
in waysτρόπους that eitherείτε makesκάνει them
more effectiveαποτελεσματικός or lessπιο λιγο effectiveαποτελεσματικός
274
740117
3778
με τρόπους που τα κάνουν
περισσότερο ή λιγότερο αποτελεσματικά
12:35
or causesαιτίες sideπλευρά effectsυπάρχοντα
that are unexpectedαπροσδόκητος?
275
743919
2332
ή προκαλούν απροσδόκητες παρενέργειες;
12:38
We really have no ideaιδέα.
276
746275
1827
Δεν έχουμε ιδέα.
12:40
It's a blueμπλε skyουρανός, openΆνοιξε fieldπεδίο
for us to use dataδεδομένα
277
748126
3756
Ανεξερεύνητο, ανοιχτό πεδίο
για τη χρήση δεδομένων
για να προσπαθήσουμε να κατανοήσουμε
την αλληλεπίδραση των φαρμάκων.
12:43
to try to understandκαταλαβαίνουν
the interactionΑΛΛΗΛΕΠΙΔΡΑΣΗ of drugsφάρμακα.
278
751906
2502
12:46
Two more lessonsμαθήματα:
279
754848
1370
Δυο ακόμη μαθήματα:
12:48
I want you to think about the powerεξουσία
that we were ableικανός to generateπαράγω
280
756242
4199
Θα ήθελα να αναλογιστείτε τη δύναμη
που μπορούμε να δημιουργήσουμε
12:52
with the dataδεδομένα from people who had
volunteeredεθελοντικά theirδικα τους adverseδυσμενείς reactionsαντιδράσεις
281
760465
4711
με τα δεδομένα που διέθεσαν
αυτοί που είχαν ανεπιθύμητα συμπτώματα
12:57
throughδιά μέσου theirδικα τους pharmacistsφαρμακοποιούς,
throughδιά μέσου themselvesτους εαυτούς τους, throughδιά μέσου theirδικα τους doctorsτους γιατρούς,
282
765200
3269
οι ίδιοι ή μέσω των φαρμακοποιών
και των γιατρών τους.
Οι άνθρωποι που διέθεσαν
τις βάσεις δεδομένων
13:00
the people who allowedεπιτρέπεται the databasesβάσεις δεδομένων
at StanfordΠανεπιστήμιο του Στάνφορντ, HarvardΧάρβαρντ, VanderbiltVanderbilt,
283
768493
3667
στο Στάνφορντ, το Χάρβαρντ,
το Βάντερμπιλντ
13:04
to be used for researchέρευνα.
284
772184
1427
για ερευνητική χρήση.
13:05
People are worriedανήσυχος about dataδεδομένα.
285
773929
1445
Ο κόσμος ανησυχεί για τα δεδομένα.
13:07
They're worriedανήσυχος about theirδικα τους privacyπροστασίας προσωπικών δεδομένων
and securityασφάλεια -- they should be.
286
775398
3187
Ανησυχούν για την ιδιωτικότητα
και την ασφάλεια.
Καλά κάνουν.
Χρειαζόμαστε ασφαλή συστήματα.
13:10
We need secureασφαλής systemsσυστήματα.
287
778609
1151
13:11
But we can't have a systemΣύστημα
that closesκλείνει that dataδεδομένα off,
288
779784
3406
Αλλά δε γίνεται να έχουμε ένα σύστημα
που αποκλείει τα δεδομένα
13:15
because it is too richπλούσιος of a sourceπηγή
289
783214
2752
γιατί είναι μια τόσο πλούσια πηγή
13:17
of inspirationέμπνευση, innovationκαινοτομία and discoveryανακάλυψη
290
785990
3971
έμπνευσης, καινοτομίας
και νέων ανακαλύψεων, στην Ιατρική.
13:21
for newνέος things in medicineφάρμακο.
291
789985
1578
13:24
And the finalτελικός thing I want to say is,
292
792494
1794
Και το τελευταίο, που θα ήθελα να πω
13:26
in this caseπερίπτωση we foundβρέθηκαν two drugsφάρμακα
and it was a little bitκομμάτι of a sadλυπημένος storyιστορία.
293
794312
3357
είναι ότι σ' αυτή την περίπτωση βρήκαμε
δύο φάρμακα και ήταν στενάχωρο.
13:29
The two drugsφάρμακα actuallyπράγματι causedπροκαλούνται problemsπροβλήματα.
294
797693
1921
Τα δύο φάρμακα προκαλούσαν προβλήματα.
13:31
They increasedαυξήθηκε glucoseγλυκόζη.
295
799638
1475
Ανέβαζαν το σάκχαρο.
13:33
They could throwβολή somebodyκάποιος into diabetesΔιαβήτης
296
801137
2446
Μπορούσαν να κάνουν κάποιον διαβητικό
13:35
who would otherwiseσε διαφορετική περίπτωση not be in diabetesΔιαβήτης,
297
803607
2294
που διαφορετικά δε θα γινόταν,
13:37
and so you would want to use
the two drugsφάρμακα very carefullyπροσεκτικά togetherμαζί,
298
805925
3175
οπότε η ταυτόχρονη χρήση τους
πρέπει να γίνεται με μεγάλη προσοχή.
Ίσως όχι σε συνδυασμό,
13:41
perhapsίσως not togetherμαζί,
299
809124
1151
13:42
make differentδιαφορετικός choicesεπιλογές
when you're prescribingσυνταγογράφηση.
300
810299
2340
να υπάρχουν άλλες επιλογές
στη συνταγογράφηση.
13:44
But there was anotherαλλο possibilityδυνατότητα.
301
812663
1846
Αλλά υπάρχει κι άλλη πιθανότητα.
13:46
We could have foundβρέθηκαν
two drugsφάρμακα or threeτρία drugsφάρμακα
302
814533
2344
Θα μπορούσαμε να βρούμε
2 ή 3 φάρμακα
13:48
that were interactingαλληλεπιδρώντας in a beneficialευεργετική way.
303
816901
2261
που να αλληλεπιδρούν με ευεργετικό τρόπο.
13:51
We could have foundβρέθηκαν newνέος effectsυπάρχοντα of drugsφάρμακα
304
819616
2712
Θα μπορούσαμε να βρούμε
νέες δράσεις των φαρμάκων
13:54
that neitherκανενα απο τα δυο of them has aloneμόνος,
305
822352
2160
που κανένα από μόνο του δεν είχε,
13:56
but togetherμαζί, insteadαντι αυτου
of causingπροκαλώντας a sideπλευρά effectαποτέλεσμα,
306
824536
2493
αλλά μαζί, αντί για παρενέργειες
13:59
they could be a newνέος and novelμυθιστόρημα treatmentθεραπεία
307
827053
2425
θα μπορούσαν να είναι μια νέα θεραπεία
14:01
for diseasesασθένειες that don't have treatmentsθεραπείες
308
829502
1882
για ασθένειες που δε θεραπεύονται
ή όπου η αγωγή δεν είναι αποτελεσματική.
14:03
or where the treatmentsθεραπείες are not effectiveαποτελεσματικός.
309
831408
2007
Αν αναλογιστούμε σήμερα
14:05
If we think about drugφάρμακο treatmentθεραπεία todayσήμερα,
310
833439
2395
τις μεγάλες τομές στη φαρμακευτική αγωγή,
14:07
all the majorμείζων breakthroughsανακαλύψεις --
311
835858
1752
14:09
for HIVHIV, for tuberculosisφυματίωση,
for depressionκατάθλιψη, for diabetesΔιαβήτης --
312
837634
4297
για το AIDS, τη φυματίωση,
την κατάθλιψη, το διαβήτη,
14:13
it's always a cocktailκοκτέιλ of drugsφάρμακα.
313
841955
2830
πάντα δίνονται κοκτέιλ φαρμάκων.
14:16
And so the upsideάνω μέρος here,
314
844809
1730
Έτσι, το πλεονέκτημα εδώ,
14:18
and the subjectθέμα for a differentδιαφορετικός
TEDTED Talk on a differentδιαφορετικός day,
315
846563
2849
κι ίσως το θέμα μιας άλλης
ομιλίας στο TED κάποια στιγμή,
14:21
is how can we use the sameίδιο dataδεδομένα sourcesπηγές
316
849436
2593
είναι η πιθανή χρήση των ίδιων πηγών
14:24
to find good effectsυπάρχοντα
of drugsφάρμακα in combinationσυνδυασμός
317
852053
3563
για να βρούμε ευεργετικές επιδράσεις
συνδυασμών φαρμάκων
14:27
that will provideπρομηθεύω us newνέος treatmentsθεραπείες,
318
855640
2175
που θα οδηγήσουν σε νέες θεραπείες,
14:29
newνέος insightsπληροφορίες into how drugsφάρμακα work
319
857839
1852
νέες ιδέες για τη δράση των φάρμακων
14:31
and enableεπιτρέπω us to take careΦροντίδα
of our patientsασθενείς even better?
320
859715
3786
ώστε η φροντίδα για τους ασθενείς
να βελτιωθεί περισσότερο;
14:35
Thank you very much.
321
863525
1166
Σας ευχαριστώ πολύ.
14:36
(ApplauseΧειροκροτήματα)
322
864715
3499
(Χειροκρότημα)
Translated by Sofia Savvopoulou
Reviewed by Dimitra Papageorgiou

▲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