TEDMED 2015
Russ Altman: What really happens when you mix medications?
راس آلتمن: وقتی داروها را ترکیب می‌کنیم، چه اتفاقی می‌افتد؟
Filmed:
Readability: 4.2
1,766,922 views
اگر دو داروی مختلف را به دو دلیل مختلف مصرف می‌کنید، این هشدار را جدی بگیرید: شاید دکترتان به خوبی نداند با ترکیب آن داروها چه اتفاقی رخ خواهد داد، چون مطالعه تداخلات دارویی بسیار مشکل است. راس آلتمن در این سخنرانی جذاب و خودمانی نشان می‌دهد چگونه دکترها با استفاده از یک منبع غیرمعمول (یعنی سوابق موتورهای جستجو) به مطالعه تداخلات غیرمنتظره دارویی می‌پردازند.
Russ Altman - Big data techno-optimist and internist
Russ Altman uses machine learning to better understand adverse effects of medication. Full bio
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 doctor
and get some tests.
and get some tests.
0
811
3321
فرض کنین رفتین دکتر
و چند تا آزمایش دادین.
و چند تا آزمایش دادین.
00:16
The doctor determines
that you have high cholesterol
that you have high cholesterol
1
4674
2620
دکتر تشخیص میده
که کلسترول شما بالاست
که کلسترول شما بالاست
00:19
and you would benefit
from medication to treat it.
from medication to treat it.
2
7318
3171
و بهتره دارو مصرف کنید.
00:22
So you get a pillbox.
3
10981
1556
پس یک بسته قرص می گیرید.
00:25
You have some confidence,
4
13505
1199
تا حدودی مطمئن هستید،
00:26
your physician has some confidence
that this is going to work.
that this is going to work.
5
14728
2937
پزشک شما تا حدودی مطمئنه
که این دارو اثر خواهد کرد.
که این دارو اثر خواهد کرد.
00:29
The company that invented it did
a lot of studies, submitted it to the FDA.
a lot of studies, submitted it to the FDA.
6
17689
3553
شرکتی که اون دارو رو اختراع کرده مطالعات زیادی انجام داده
و به اف دی ای (سازمان غذا و دارو) ارائه کرده.
و به اف دی ای (سازمان غذا و دارو) ارائه کرده.
00:33
They studied it very carefully,
skeptically, they approved it.
skeptically, they approved it.
7
21266
3107
اونها به دقت و وسواس
بررسی و تأییدش کردن.
بررسی و تأییدش کردن.
00:36
They have a rough idea of how it works,
8
24397
1889
اونها جزئیات نحوه ی تأثیر اونو میدونن،
00:38
they have a rough idea
of what the side effects are.
of what the side effects are.
9
26310
2453
اونها جزئیات عوارض جانبی اونو میدونن.
00:40
It should be OK.
10
28787
1150
باید درست باشه.
00:42
You have a little more
of a conversation with your physician
of a conversation with your physician
11
30864
2818
کمی بیشتر با پزشکتان حرف می‌زنید
00:45
and the physician is a little worried
because you've been blue,
because you've been blue,
12
33706
2963
و پزشکتان کمی نگرانه
چون شما افسرده شدین،
چون شما افسرده شدین،
00:48
haven't felt like yourself,
13
36693
1293
سر حال نیستین،
00:50
you haven't been able to enjoy things
in life quite as much as you usually do.
in life quite as much as you usually do.
14
38010
3731
مثل سابق از زندگی لذت نمی‌برین.
00:53
Your physician says, "You know,
I think you have some depression.
I think you have some depression.
15
41765
3186
پزشک شما میگه، «ببینید،
فکر کنم افسرده شدی.
فکر کنم افسرده شدی.
00:57
I'm going to have to give
you another pill."
you another pill."
16
45792
2315
یک قرص دیگه به شما میدم.»
01:00
So now we're talking
about two medications.
about two medications.
17
48934
2483
پس حالا داریم درباره
دو تا دارو صحبت می‌کنیم.
دو تا دارو صحبت می‌کنیم.
01:03
This pill also -- millions
of people have taken it,
of people have taken it,
18
51441
3104
این قرص هم-- میلیونها
نفر اونو مصرف کردن،
نفر اونو مصرف کردن،
01:06
the company did studies,
the FDA looked at it -- all good.
the FDA looked at it -- all good.
19
54569
3631
شرکت مطالعاتی انجام داده،
اف دی ای اونو بررسی کرده-- همه چیز خوبه.
اف دی ای اونو بررسی کرده-- همه چیز خوبه.
01:10
Think things should go OK.
20
58823
2057
فکر می‌کنید همه چیز درسته.
01:12
Think things should go OK.
21
60904
2197
فکر می کنید همه چیز درسته.
01:15
Well, wait a minute.
22
63125
1439
خوب، یک دقیقه صبر کنید.
01:16
How much have we studied
these two together?
these two together?
23
64588
3517
چقدر این دو دارو
رو با هم مطالعه کردیم؟
رو با هم مطالعه کردیم؟
01:20
Well, it's very hard to do that.
24
68630
2300
خوب، انجام این کار خیلی سخته.
01:22
In fact, it's not traditionally done.
25
70954
2130
در واقع این کار مرسوم نیست.
01:25
We totally depend on what we call
"post-marketing surveillance,"
"post-marketing surveillance,"
26
73108
5518
این کاملاً وابسته به چیزیه
که ما بهش میگیم «نظارت پس از فروش،»
که ما بهش میگیم «نظارت پس از فروش،»
01:30
after the drugs hit the market.
27
78650
1880
بعد از ورود دارو به بازار.
01:32
How can we figure out
if bad things are happening
if bad things are happening
28
80996
2848
چطور میشه فهمید اتفاق بدی افتاده
01:35
between two medications?
29
83868
1357
بین دو دارو؟
01:37
Three? Five? Seven?
30
85249
2030
سه؟ پنج؟ هفت؟
01:39
Ask your favorite person
who has several diagnoses
who has several diagnoses
31
87708
2415
از هر کس که چند تا مریضی داشته باشه
میخواین بپرسین
میخواین بپرسین
01:42
how many medications they're on.
32
90147
1834
چند تا دارو مصرف می کنن.
01:44
Why do I care about this problem?
33
92530
1580
چرا این مسئله برام مهمه؟
01:46
I care about it deeply.
34
94134
1157
برام خیلی مهمه.
01:47
I'm an informatics and data science guy
and really, in my opinion,
and really, in my opinion,
35
95315
4304
من متخصص انفورماتیک و
داده شناسی هستم و به نظرم،
داده شناسی هستم و به نظرم،
01:51
the only hope -- only hope --
to understand these interactions
to understand these interactions
36
99643
3745
تنها راه-- تنها راه--
فهمیدن این تداخلات
فهمیدن این تداخلات
01:55
is to leverage lots
of different sources of data
of different sources of data
37
103412
3056
استفاده از منابع متعدد و متنوع داده‌هاست
01:58
in order to figure out
when drugs can be used together safely
when drugs can be used together safely
38
106492
3556
برای این که بفهمیم مصرف هم زمان داروها
کی بی‌خطره
کی بی‌خطره
02:02
and when it's not so safe.
39
110072
1777
و کی بی خطر نیست.
02:04
So let me tell you a data science story.
40
112615
2051
پس بذارین یه قصه بگم
درباره ی علم داده شناسی.
درباره ی علم داده شناسی.
02:06
And it begins with my student Nick.
41
114690
2154
این قصه با دانشجویم "نیک" شروع میشه.
02:08
Let's call him "Nick,"
because that's his name.
because that's his name.
42
116868
2380
بذارین "نیک" صداش کنیم،
چون اسمش همینه.
چون اسمش همینه.
02:11
(Laughter)
43
119272
1592
(خنده)
02:12
Nick was a young student.
44
120888
1201
نیک یه دانشجوی جوان بود.
02:14
I said, "You know, Nick, we have
to understand how drugs work
to understand how drugs work
45
122113
3079
بهش گفتم، "ببین، نیک،
باید نحوه ی اثر داروها رو بدونیم
باید نحوه ی اثر داروها رو بدونیم
02:17
and how they work together
and how they work separately,
and how they work separately,
46
125216
2626
و این که با هم چه اثری دارن
و جدا از هم چه اثری دارن،
و جدا از هم چه اثری دارن،
02:19
and we don't have a great understanding.
47
127866
1922
و چیز زیادی نمی‌دونیم.
02:21
But the FDA has made available
an amazing database.
an amazing database.
48
129812
2405
اما اف دی ای
یه پایگاه داده جالب داره.
یه پایگاه داده جالب داره.
02:24
It's a database of adverse events.
49
132241
1699
یه پایگاه داده درباره عوارض دارویی.
02:26
They literally put on the web --
50
134321
1642
این داده‌ها عیناً در اینترنت منتشر شده--
02:27
publicly available, you could all
download it right now --
download it right now --
51
135987
3119
در دسترس عموم، همه
همین الان می‌تونین دانلودش کنین--
همین الان می‌تونین دانلودش کنین--
02:31
hundreds of thousands
of adverse event reports
of adverse event reports
52
139130
3627
صدها تا هزاران گزارش عوارض دارویی
02:34
from patients, doctors,
companies, pharmacists.
companies, pharmacists.
53
142781
3760
از بیماران، دکترها،
شرکتها و داروسازها.
شرکتها و داروسازها.
02:38
And these reports are pretty simple:
54
146565
1749
و این گزارشها کاملاً ساده است:
02:40
it has all the diseases
that the patient has,
that the patient has,
55
148338
2658
همه بیماریهایی که مریض داره،
02:43
all the drugs that they're on,
56
151020
1767
همه داروهایی که مصرف میکنه،
02:44
and all the adverse events,
or side effects, that they experience.
or side effects, that they experience.
57
152811
3818
و همه عوارض جانبی که تجربه کرده.
02:48
It is not all of the adverse events
that are occurring in America today,
that are occurring in America today,
58
156653
3436
این همه عوارضی نیست که
امروز تو آمریکا اتفاق میفته،
امروز تو آمریکا اتفاق میفته،
02:52
but it's hundreds and hundreds
of thousands of drugs.
of thousands of drugs.
59
160113
2578
اما صدها و صدها تا
هزاران دارو اینجا هست.
هزاران دارو اینجا هست.
02:54
So I said to Nick,
60
162715
1299
پس به نیک گفتم،
02:56
"Let's think about glucose.
61
164038
1826
«بیا به قند فکر کنیم.
02:57
Glucose is very important,
and we know it's involved with diabetes.
and we know it's involved with diabetes.
62
165888
3567
قند خیلی مهمه،
و میدونیم که به دیابت ربط داره.
و میدونیم که به دیابت ربط داره.
03:01
Let's see if we can understand
glucose response.
glucose response.
63
169479
3970
بذار ببینیم چه اتفاقی
برای قند میفته.»
برای قند میفته.»
03:05
I sent Nick off. Nick came back.
64
173473
2458
نیک مرخص شد.
وقتی برگشت،
وقتی برگشت،
03:08
"Russ," he said,
65
176248
1786
گفت، «راس،
03:10
"I've created a classifier that can
look at the side effects of a drug
look at the side effects of a drug
66
178351
5112
من یه نرم افزار درست کردم که
عوارض جانبی داروها رو نگاه میکنه
عوارض جانبی داروها رو نگاه میکنه
03:15
based on looking at this database,
67
183487
2051
از روی این پایگاه داده،
03:17
and can tell you whether that drug
is likely to change glucose or not."
is likely to change glucose or not."
68
185562
4271
و به ما میگه این دارو
ممکنه قند خون رو بالا ببره یا نه.»
ممکنه قند خون رو بالا ببره یا نه.»
03:21
He did it. It was very simple, in a way.
69
189857
2016
موفق شد. به عبارتی خیلی ساده بود.
03:23
He took all the drugs
that were known to change glucose
that were known to change glucose
70
191897
2635
همه داروهایی رو که
ثابت شده قند رو تغییر میدن
ثابت شده قند رو تغییر میدن
03:26
and a bunch of drugs
that don't change glucose,
that don't change glucose,
71
194556
2389
و گروهی از داروها که قند رو
تغییر نمیدن با هم مقایسه کرد،
تغییر نمیدن با هم مقایسه کرد،
03:28
and said, "What's the difference
in their side effects?
in their side effects?
72
196969
2888
و گفت، «عوارضشون چه فرقی داره؟
03:31
Differences in fatigue? In appetite?
In urination habits?"
In urination habits?"
73
199881
4852
فرق از نظر خستگی؟ از نظر اشتها؟
از نظر اجابت مزاج؟»
از نظر اجابت مزاج؟»
همه اینها دست به دست هم داد
تا قدرت پیش بینی واقعاً خوبی بهش بده.
تا قدرت پیش بینی واقعاً خوبی بهش بده.
03:36
All those things conspired
to give him a really good predictor.
to give him a really good predictor.
74
204757
2960
03:39
He said, "Russ, I can predict
with 93 percent accuracy
with 93 percent accuracy
75
207741
2548
گفت، «راس، میتونم
با دقت ۹۳ درصد پیش بینی کنم
با دقت ۹۳ درصد پیش بینی کنم
چه موقع یه دارو قند رو تغییر میده.»
03:42
when a drug will change glucose."
76
210313
1572
03:43
I said, "Nick, that's great."
77
211909
1416
گفتم،«نیک، این عالیه.»
03:45
He's a young student,
you have to build his confidence.
you have to build his confidence.
78
213349
2896
او دانشجوی جوونیه که
باید بهش اعتماد به نفس داد.
باید بهش اعتماد به نفس داد.
03:48
"But Nick, there's a problem.
79
216269
1390
« اما نیک، یه مشکل هست.
03:49
It's that every physician in the world
knows all the drugs that change glucose,
knows all the drugs that change glucose,
80
217683
3960
این که هر پزشکی تو دنیا
میدونه چه داروهایی قند رو تغییر میدن،
میدونه چه داروهایی قند رو تغییر میدن،
03:53
because it's core to our practice.
81
221667
2038
چون این تو حرفه ی ما یه اصله.
03:55
So it's great, good job,
but not really that interesting,
but not really that interesting,
82
223729
3722
عالیه، خسته نباشی،
اما نه تا اون حد،
اما نه تا اون حد،
03:59
definitely not publishable."
83
227475
1531
مطمئناً قابل چاپ نیست.»
04:01
(Laughter)
84
229030
1014
(خنده)
04:02
He said, "I know, Russ.
I thought you might say that."
I thought you might say that."
85
230068
2550
گفت، «میدونم، راس،
فکر می‌کردم اینو بگی.»
فکر می‌کردم اینو بگی.»
04:04
Nick is smart.
86
232642
1152
نیک باهوشه.
04:06
"I thought you might say that,
so I did one other experiment.
so I did one other experiment.
87
234149
2874
«فکر می کردم اینو بگی،
پس یه آزمایش دیگه انجام دادم.
پس یه آزمایش دیگه انجام دادم.
04:09
I looked at people in this database
who were on two drugs,
who were on two drugs,
88
237047
2928
نگاه کردم چه کسانی تو این پایگاه داده
دو دارو مصرف می کنن،
دو دارو مصرف می کنن،
04:11
and I looked for signals similar,
glucose-changing signals,
glucose-changing signals,
89
239999
4422
و دنبال پیامها هم گشتم،
پیامهای تغییر قند،
پیامهای تغییر قند،
04:16
for people taking two drugs,
90
244445
1624
برای افرادی که دو دارو مصرف میکنن،
04:18
where each drug alone
did not change glucose,
did not change glucose,
91
246093
5569
که هیچ کدوم از داروها به تنهایی
قند رو تغییر نمیدن،
قند رو تغییر نمیدن،
04:23
but together I saw a strong signal."
92
251686
2460
اما با هم پیام قدرتمندی دیدم.»
04:26
And I said, "Oh! You're clever.
Good idea. Show me the list."
Good idea. Show me the list."
93
254170
3149
و گفتم، «هی! تو باهوشی.
فکر خوبیه. فهرست رو بهم نشون بده.»
فکر خوبیه. فهرست رو بهم نشون بده.»
04:29
And there's a bunch of drugs,
not very exciting.
not very exciting.
94
257343
2254
و چند تا دارو بود،
خیلی هیجان انگیز نبود.
خیلی هیجان انگیز نبود.
04:31
But what caught my eye
was, on the list there were two drugs:
was, on the list there were two drugs:
95
259621
3932
اما چیزی که توی فهرست نظر منو جلب کرد
دو تا دارو بود:
دو تا دارو بود:
04:35
paroxetine, or Paxil, an antidepressant;
96
263577
3393
پاروکستین، یا پاکسیل، یه ضدافسردگی؛
04:39
and pravastatin, or Pravachol,
a cholesterol medication.
a cholesterol medication.
97
267756
3570
و پراواستاتین، یا پراواکول،
یه داروی چربی خون.
یه داروی چربی خون.
04:43
And I said, "Huh. There are millions
of Americans on those two drugs."
of Americans on those two drugs."
98
271936
4283
و گفتم، «هه. میلیونها آمریکایی
این دو تا رو مصرف میکنن.»
این دو تا رو مصرف میکنن.»
04:48
In fact, we learned later,
99
276243
1246
در واقع، بعدها متوجه شدیم،
04:49
15 million Americans on paroxetine
at the time, 15 million on pravastatin,
at the time, 15 million on pravastatin,
100
277513
6032
اون موقع پانزده میلیون آمریکایی پاروکستین
مصرف می‌کردن و پانزده میلیون پراواستاتین،
مصرف می‌کردن و پانزده میلیون پراواستاتین،
04:55
and a million, we estimated, on both.
101
283569
2817
و حساب کردیم، یک میلیون نفر
هر دو رو مصرف می‌کردن.
هر دو رو مصرف می‌کردن.
04:58
So that's a million people
102
286767
1254
خوب یعنی یک میلیون نفر
05:00
who might be having some problems
with their glucose
with their glucose
103
288045
2453
ممکنه یه مشکلی با قند خودشون داشته باشن
05:02
if this machine-learning mumbo jumbo
that he did in the FDA database
that he did in the FDA database
104
290522
3206
اگه این مامبو جامبو (اجی مجی) که نیک با
هوش مصنوعی و پایگاه داده‌های اف دی ای انجام داده
هوش مصنوعی و پایگاه داده‌های اف دی ای انجام داده
05:05
actually holds up.
105
293752
1254
واقعاً کار کنه.
05:07
But I said, "It's still not publishable,
106
295030
1927
اما گفتم، «هنوز قابل چاپ نیست،
05:08
because I love what you did
with the mumbo jumbo,
with the mumbo jumbo,
107
296981
2296
چون عاشق اون کاری هستم که با اجی مجی
05:11
with the machine learning,
108
299301
1246
و هوش مصنوعی انجام دادی،
05:12
but it's not really standard-of-proof
evidence that we have."
evidence that we have."
109
300571
3864
اما شواهدی که داریم قطعی نیست.»
05:17
So we have to do something else.
110
305618
1589
باید یه کار دیگه کنیم.
05:19
Let's go into the Stanford
electronic medical record.
electronic medical record.
111
307231
2876
بیا بریم سراغ
پرونده الکترونیک پزشکی استنفورد.
پرونده الکترونیک پزشکی استنفورد.
05:22
We have a copy of it
that's OK for research,
that's OK for research,
112
310131
2064
یه نسخه ازش داریم که
برای تحقیق مشکل نداره،
برای تحقیق مشکل نداره،
05:24
we removed identifying information.
113
312219
2046
اطلاعات هویتی رو ازش حذف کردیم.
و گفتم، «بذار ببینیم افرادی که
این دو تا دارو رو مصرف میکنن
این دو تا دارو رو مصرف میکنن
05:26
And I said, "Let's see if people
on these two drugs
on these two drugs
114
314581
2503
05:29
have problems with their glucose."
115
317108
1769
با قندشون مشکل دارن.»
05:31
Now there are thousands
and thousands of people
and thousands of people
116
319242
2207
خوب هزاران هزار نفر
05:33
in the Stanford medical records
that take paroxetine and pravastatin.
that take paroxetine and pravastatin.
117
321473
3459
در پرونده‌های الکترونیک پزشکی استنفورد هستن که
پاروکستین و پراواستاتین مصرف میکنن.
پاروکستین و پراواستاتین مصرف میکنن.
05:36
But we needed special patients.
118
324956
1799
اما ما مریضهای خاصی رو لازم داشتیم.
05:38
We needed patients who were on one of them
and had a glucose measurement,
and had a glucose measurement,
119
326779
4597
مریضهایی رو لازم داشتیم که یکی از اونها رو
مصرف می‌کرده و یه آزمایش قند داشته،
مصرف می‌کرده و یه آزمایش قند داشته،
05:43
then got the second one and had
another glucose measurement,
another glucose measurement,
120
331400
3449
بعد داروی دوم رو گرفته و
یه آزمایش قند دیگه داده،
یه آزمایش قند دیگه داده،
05:46
all within a reasonable period of time --
something like two months.
something like two months.
121
334873
3615
همه طی یه فاصله زمانی قابل قبول--
چیزی حدود دو ماه.
چیزی حدود دو ماه.
05:50
And when we did that,
we found 10 patients.
we found 10 patients.
122
338512
3159
و وقتی این کار رو انجام دادیم،
ده تا مریض پیدا کردیم.
ده تا مریض پیدا کردیم.
05:54
However, eight out of the 10
had a bump in their glucose
had a bump in their glucose
123
342592
4538
اما هشت تا از ده مریض
قندشون بالا رفته بود
قندشون بالا رفته بود
05:59
when they got the second P --
we call this P and P --
we call this P and P --
124
347154
2645
وقنی "پی" دوم رو گرفته بودن--
بهش میگیم پی اول و پی دوم--
بهش میگیم پی اول و پی دوم--
06:01
when they got the second P.
125
349823
1310
وقتی پی دوم رو گرفته بودن.
06:03
Either one could be first,
the second one comes up,
the second one comes up,
126
351157
2562
فرقی نداشت هر کدوم اول باشه،
با اضافه شدن دومی،
با اضافه شدن دومی،
06:05
glucose went up
20 milligrams per deciliter.
20 milligrams per deciliter.
127
353743
2847
قند بیست تا بالا رفته بود.
06:08
Just as a reminder,
128
356614
1158
فقط به عنوان یادآوری،
06:09
you walk around normally,
if you're not diabetic,
if you're not diabetic,
129
357796
2325
اگه دیابتی نباشین،
اوضاع شما عادیه
اوضاع شما عادیه
06:12
with a glucose of around 90.
130
360145
1359
با قند حدود نود.
06:13
And if it gets up to 120, 125,
131
361528
2076
و اگه به صدوبیست، صدوبیست وپنج برسه،
06:15
your doctor begins to think
about a potential diagnosis of diabetes.
about a potential diagnosis of diabetes.
132
363628
3450
دکتر شما به فکر تشخیص احتمالی دیابت میفته.
06:19
So a 20 bump -- pretty significant.
133
367102
2991
یعنی افزایش بیست تا-- کاملاً معنی داره.
06:22
I said, "Nick, this is very cool.
134
370601
1904
گفتم،«نیک، خیلی عالیه.
06:25
But, I'm sorry, we still
don't have a paper,
don't have a paper,
135
373616
2053
اما متأسفم،
هنوز مقاله ای نداریم،
هنوز مقاله ای نداریم،
06:27
because this is 10 patients
and -- give me a break --
and -- give me a break --
136
375693
2579
چون این ده تا مریضه
و-- اجازه بدین--
و-- اجازه بدین--
06:30
it's not enough patients."
137
378296
1245
این مریضها کافی نیست.»
06:31
So we said, what can we do?
138
379565
1306
بعدش گفتیم، چه کار میتونیم بکنیم؟
06:32
And we said, let's call our friends
at Harvard and Vanderbilt,
at Harvard and Vanderbilt,
139
380895
2976
و گفتیم، بیا به دوستامون در
هاروارد و وندربلت زنگ بزنیم،
هاروارد و وندربلت زنگ بزنیم،
06:35
who also -- Harvard in Boston,
Vanderbilt in Nashville,
Vanderbilt in Nashville,
140
383895
2587
که اونها هم-- هاروارد در بوستون،
وندربلت در نشویل،
وندربلت در نشویل،
06:38
who also have electronic
medical records similar to ours.
medical records similar to ours.
141
386506
2821
که اونها هم مثل ما
پرونده الکترونیک پزشکی دارن.
پرونده الکترونیک پزشکی دارن.
06:41
Let's see if they can find
similar patients
similar patients
142
389351
2020
بیا ببینیم اونها هم میتونن
مریضهای مشابه پیدا کنن
مریضهای مشابه پیدا کنن
06:43
with the one P, the other P,
the glucose measurements
the glucose measurements
143
391395
3276
با پی اول، پی دوم،
آزمایش قند،
آزمایش قند،
06:46
in that range that we need.
144
394695
1600
با نتیجه‌ای که ما لازم داریم.
06:48
God bless them, Vanderbilt
in one week found 40 such patients,
in one week found 40 such patients,
145
396787
4955
خدا عمرشون بده، وندربلت در عرض یک هفته
چهل مورد پیدا کرد،
چهل مورد پیدا کرد،
06:53
same trend.
146
401766
1189
با همون مشخصات.
06:55
Harvard found 100 patients, same trend.
147
403804
3620
هاروارد صد تا پیدا کرد،
با همون مشخصات.
با همون مشخصات.
06:59
So at the end, we had 150 patients
from three diverse medical centers
from three diverse medical centers
148
407448
4281
یعنی در نهایت صدوپنجاه تا مریض داشتیم
از سه مرکز پزشکی مختلف
از سه مرکز پزشکی مختلف
07:03
that were telling us that patients
getting these two drugs
getting these two drugs
149
411753
3297
که اون مریضها این دو تا دارو رو می گرفتن
و به ما می‌گفتن
و به ما می‌گفتن
07:07
were having their glucose bump
somewhat significantly.
somewhat significantly.
150
415074
2703
قندشون تا حد معنی دار بالا رفته.
07:10
More interestingly,
we had left out diabetics,
we had left out diabetics,
151
418317
2810
جالبتر این که،
دیابتی‌ها رو کنار گذاشته بودیم،
دیابتی‌ها رو کنار گذاشته بودیم،
07:13
because diabetics already
have messed up glucose.
have messed up glucose.
152
421151
2317
چون دیابتی‌ها خودشون
قند بالا دارن.
قند بالا دارن.
07:15
When we looked
at the glucose of diabetics,
at the glucose of diabetics,
153
423492
2238
وقتی به قند دیابتی‌ها نگاه کردیم،
07:17
it was going up 60 milligrams
per deciliter, not just 20.
per deciliter, not just 20.
154
425754
3435
شصت تا بالا رفته بود، نه فقط بیست تا.
07:21
This was a big deal, and we said,
"We've got to publish this."
"We've got to publish this."
155
429760
3452
موفقیت بزرگی بود، و گفتیم،
«این یکی رو باید چاپ کنیم.»
«این یکی رو باید چاپ کنیم.»
07:25
We submitted the paper.
156
433236
1179
مقاله رو تحویل دادیم.
07:26
It was all data evidence,
157
434439
2111
همه ی اونها شواهد داده‌ای بود،
07:28
data from the FDA, data from Stanford,
158
436574
2483
داده‌های اف دی ای، داده‌های استنفورد،
07:31
data from Vanderbilt, data from Harvard.
159
439081
1946
داده‌های وندربلت، داده‌های هاروارد.
07:33
We had not done a single real experiment.
160
441051
2396
آزمایش واقعی انجام نداده بودیم.
07:36
But we were nervous.
161
444495
1296
اما نگران بودیم.
07:38
So Nick, while the paper
was in review, went to the lab.
was in review, went to the lab.
162
446201
3730
در حالی که مقاله در دست بررسی بود،
نیک به آزمایشگاه رفت.
نیک به آزمایشگاه رفت.
07:41
We found somebody
who knew about lab stuff.
who knew about lab stuff.
163
449955
2462
کسی رو پیدا کردیم که
از آزمایشگاه سررشته داشت.
از آزمایشگاه سررشته داشت.
07:44
I don't do that.
164
452441
1393
من بلد نیستم.
07:45
I take care of patients,
but I don't do pipettes.
but I don't do pipettes.
165
453858
2417
مریض می‌بینم اما
کار با پیپت رو بلد نیستم.
کار با پیپت رو بلد نیستم.
07:49
They taught us how to feed mice drugs.
166
457420
3053
به ما گفتن به موشها دارو بدیم.
07:52
We took mice and we gave them
one P, paroxetine.
one P, paroxetine.
167
460864
2414
موشها رو گرفتیم و بهشون
پی اول، پاروکستین دادیم.
پی اول، پاروکستین دادیم.
07:55
We gave some other mice pravastatin.
168
463302
2508
به موشهای دیگه پراواستاتین دادیم.
07:57
And we gave a third group
of mice both of them.
of mice both of them.
169
465834
3595
و به گروه سوم هر دو رو دادیم.
08:01
And lo and behold, glucose went up
20 to 60 milligrams per deciliter
20 to 60 milligrams per deciliter
170
469893
3946
و قند موشها بیست تا شصت تا
08:05
in the mice.
171
473863
1171
بالا رفت.
08:07
So the paper was accepted
based on the informatics evidence alone,
based on the informatics evidence alone,
172
475058
3158
یعنی مقاله فقط بر اساس
شواهد داده‌ای پذیرفته شد،
شواهد داده‌ای پذیرفته شد،
08:10
but we added a little note at the end,
173
478240
1894
اما یه یادداشت به آخرش اضافه کردیم،
08:12
saying, oh by the way,
if you give these to mice, it goes up.
if you give these to mice, it goes up.
174
480158
2899
و گفتیم که در هر حال، اگه این داروها رو
به موشها بدین، قند بالا میره.
به موشها بدین، قند بالا میره.
08:15
That was great, and the story
could have ended there.
could have ended there.
175
483081
2508
این عالی بود، و داستان
میتونست همونجا تموم بشه.
میتونست همونجا تموم بشه.
08:17
But I still have six and a half minutes.
176
485613
1997
اما هنوز شش و نیم دقیقه وقت دارم.
08:19
(Laughter)
177
487634
2807
(خنده)
08:22
So we were sitting around
thinking about all of this,
thinking about all of this,
178
490465
2815
همه جا می‌نشستیم و
درباره ش فکر می‌کردیم،
درباره ش فکر می‌کردیم،
08:25
and I don't remember who thought
of it, but somebody said,
of it, but somebody said,
179
493304
2735
و یادم نیست کی به فکرش رسید،
اما یکی گفت،
اما یکی گفت،
08:28
"I wonder if patients
who are taking these two drugs
who are taking these two drugs
180
496063
3201
"نمیدونم آیا مریضهایی که
این دو دارو رو مصرف میکنن
این دو دارو رو مصرف میکنن
08:31
are noticing side effects
of hyperglycemia.
of hyperglycemia.
181
499288
3553
خودشون متوجه عوارض جانبی
افزایش قند خون میشن.
افزایش قند خون میشن.
08:34
They could and they should.
182
502865
1496
ممکنه و باید بشن.
08:36
How would we ever determine that?"
183
504761
1877
چطوری میتونیم مشخص‌اش کنیم؟
08:39
We said, well, what do you do?
184
507551
1443
ما گفتیم، خوب،
چی کار می‌کنی؟
چی کار می‌کنی؟
08:41
You're taking a medication,
one new medication or two,
one new medication or two,
185
509018
2580
یه دارو داری مصرف می‌کنی،
یکی دو تا داروی جدید،
یکی دو تا داروی جدید،
08:43
and you get a funny feeling.
186
511622
1538
و احساس خوبی داری.
08:45
What do you do?
187
513184
1151
چی کار می‌کنی؟
08:46
You go to Google
188
514359
1151
میری به گوگل
08:47
and type in the two drugs you're taking
or the one drug you're taking,
or the one drug you're taking,
189
515534
3349
و اسم دو دارو که گرفتی می‌نویسی
یا یه دارو که مصرف می‌کنی،
یا یه دارو که مصرف می‌کنی،
08:50
and you type in "side effects."
190
518907
1603
و "عوارض جانبی" رو می‌نویسی،
08:52
What are you experiencing?
191
520534
1356
چه تجربه‌ای داشتید؟
08:54
So we said OK,
192
522239
1151
خوب ما گفتیم مشکلی نبود،
08:55
let's ask Google if they will share
their search logs with us,
their search logs with us,
193
523414
3056
بذارین از گوگل بپرسیم آیا
سوابق جستجو رو به ما میگه،
سوابق جستجو رو به ما میگه،
08:58
so that we can look at the search logs
194
526494
1833
تا به سوابق جستجو نگاه کنیم
09:00
and see if patients are doing
these kinds of searches.
these kinds of searches.
195
528351
2565
و ببینیم مریضها
چه نوع جستجوهایی رو انجام میدن.
چه نوع جستجوهایی رو انجام میدن.
09:02
Google, I am sorry to say,
denied our request.
denied our request.
196
530940
3275
گوگل، متأسفم که اینو میگم،
درخواست ما رو رد کرد.
درخواست ما رو رد کرد.
09:06
So I was bummed.
197
534819
1151
خوب، ناامید شده بودم.
09:07
I was at a dinner with a colleague
who works at Microsoft Research
who works at Microsoft Research
198
535994
3166
داشتم با یه همکار شام می‌خوردم که
در مرکز پژوهش میکروسافت کار میکنه
در مرکز پژوهش میکروسافت کار میکنه
09:11
and I said, "We wanted to do this study,
199
539184
1941
و گفتم، « می‌خواستیم این مطالعه رو انجام بدیم.
09:13
Google said no, it's kind of a bummer."
200
541149
1880
گوگل جواب رد داد، یه جورایی ناامید کننده است.»
09:15
He said, "Well, we have
the Bing searches."
the Bing searches."
201
543053
2086
گفت، «خوب، ما جستجوی بینگ رو داریم.»
09:18
(Laughter)
202
546195
3483
(خنده)
09:22
Yeah.
203
550805
1267
آره.
09:24
That's great.
204
552096
1151
عالیه.
09:25
Now I felt like I was --
205
553271
1151
حالا حس می‌کردم--
09:26
(Laughter)
206
554446
1000
(خنده)
09:27
I felt like I was talking to Nick again.
207
555470
2412
حس می‌کردم باز دارم با نیک حرف میزنم.
09:30
He works for one of the largest
companies in the world,
companies in the world,
208
558437
2624
او برای یکی از بزرگترین
شرکت های جهان کار میکنه،
شرکت های جهان کار میکنه،
09:33
and I'm already trying
to make him feel better.
to make him feel better.
209
561085
2206
و من داشتم سعی می کردم
احساس بهتری داشته باشه.
احساس بهتری داشته باشه.
09:35
But he said, "No, Russ --
you might not understand.
you might not understand.
210
563315
2445
اما او گفت، «نه، راس--
شاید متوجه نشدی.
شاید متوجه نشدی.
09:37
We not only have Bing searches,
211
565784
1500
ما نه تنها جستجوی بینگ رو داریم،
09:39
but if you use Internet Explorer
to do searches at Google,
to do searches at Google,
212
567308
3340
بلکه اگه برای جستجوی گوگل
از اینترنت اکسپلورر استفاده کنی،
از اینترنت اکسپلورر استفاده کنی،
09:42
Yahoo, Bing, any ...
213
570672
1891
یاهو، بینگ، هر چی...
09:44
Then, for 18 months, we keep that data
for research purposes only."
for research purposes only."
214
572587
3643
بعد، برای هجده ماه، اون داده‌ها رو
فقط با اهداف تحقیقاتی نگه می‌داریم.»
فقط با اهداف تحقیقاتی نگه می‌داریم.»
09:48
I said, "Now you're talking!"
215
576254
1936
گفتم، «این شد حرف حساب!»
09:50
This was Eric Horvitz,
my friend at Microsoft.
my friend at Microsoft.
216
578214
2198
این اریک هورویتز بود،
دوستم در میکروسافت.
دوستم در میکروسافت.
09:52
So we did a study
217
580436
1695
پس یه تحقیق انجام دادیم
09:54
where we defined 50 words
that a regular person might type in
that a regular person might type in
218
582155
4619
پنجاه کلمه رو تعریف کردیم
که یه فرد عادی ممکنه بنویسه
که یه فرد عادی ممکنه بنویسه
09:58
if they're having hyperglycemia,
219
586798
1602
اگه دچار افزایش قند خون بشه،
10:00
like "fatigue," "loss of appetite,"
"urinating a lot," "peeing a lot" --
"urinating a lot," "peeing a lot" --
220
588424
4762
مثل "خستگی،" "بی اشتهایی،"
" تکرر ادراری،" "پرشاشی"--
" تکرر ادراری،" "پرشاشی"--
10:05
forgive me, but that's one
of the things you might type in.
of the things you might type in.
221
593210
2767
ببخشید، اما این یکی از چیزایی هست
که ممکنه بنویسید.
که ممکنه بنویسید.
10:08
So we had 50 phrases
that we called the "diabetes words."
that we called the "diabetes words."
222
596001
2790
پس پنجاه عبارت داشتیم
که بهش می گفتیم "کلمات دیابت."
که بهش می گفتیم "کلمات دیابت."
10:10
And we did first a baseline.
223
598815
2063
و ابتدا یه بررسی اولیه انجام دادیم.
10:12
And it turns out
that about .5 to one percent
that about .5 to one percent
224
600902
2704
و معلوم شد
حدود نیم تا یک درصد
حدود نیم تا یک درصد
10:15
of all searches on the Internet
involve one of those words.
involve one of those words.
225
603630
2982
همه ی جستجوها در اینترنت
شامل یکی از این کلمات است.
شامل یکی از این کلمات است.
10:18
So that's our baseline rate.
226
606636
1742
خوب این یه رقم اولیه بود.
10:20
If people type in "paroxetine"
or "Paxil" -- those are synonyms --
or "Paxil" -- those are synonyms --
227
608402
4143
اگه مردم بنویسن "پاروکستین"
یا "پاکسیل"-- اینها مترادف هستن--
یا "پاکسیل"-- اینها مترادف هستن--
10:24
and one of those words,
228
612569
1215
و یکی از اون کلمات،
10:25
the rate goes up to about two percent
of diabetes-type words,
of diabetes-type words,
229
613808
4890
رقم حدود دو درصد
بیشتر از کلمات دیابتی میشه،
بیشتر از کلمات دیابتی میشه،
10:30
if you already know
that there's that "paroxetine" word.
that there's that "paroxetine" word.
230
618722
3044
اگه قبلاً بدونین که اون کلمه "پاروکستین" است.
10:34
If it's "pravastatin," the rate goes up
to about three percent from the baseline.
to about three percent from the baseline.
231
622191
4547
اگه اون کلمه "پراواستاتین" باشه،
رقم حدود سه درصد بیشتر از رقم اولیه میشه.
رقم حدود سه درصد بیشتر از رقم اولیه میشه.
10:39
If both "paroxetine" and "pravastatin"
are present in the query,
are present in the query,
232
627171
4390
اگه هر دو کلمه ی "پاروکستین" و "پراواستاتین"
در جستجو باشن،
در جستجو باشن،
10:43
it goes up to 10 percent,
233
631585
1669
رقم تا ده درصد بالا میره،
10:45
a huge three- to four-fold increase
234
633278
3461
یه افزایش قابل توجه سه تا چهار برابری
10:48
in those searches with the two drugs
that we were interested in,
that we were interested in,
235
636763
3389
در اون جستجوها با دو تا دارو
که مورد نظر ما بود،
که مورد نظر ما بود،
10:52
and diabetes-type words
or hyperglycemia-type words.
or hyperglycemia-type words.
236
640176
3566
و کلمات دیابتی
یا کلمات مشابه افزایش قند خون.
یا کلمات مشابه افزایش قند خون.
10:56
We published this,
237
644216
1265
اینو چاپ کردیم،
10:57
and it got some attention.
238
645505
1466
و تا حدودی توجه‌ها رو جلب کرد.
10:58
The reason it deserves attention
239
646995
1778
علت قابل توجه بودنش
11:00
is that patients are telling us
their side effects indirectly
their side effects indirectly
240
648797
4312
اینه که بیماران عوارض جانبی
خودشون رو غیرمستقیم به ما میگن
خودشون رو غیرمستقیم به ما میگن
11:05
through their searches.
241
653133
1156
از طریق جستجوهاشون.
11:06
We brought this
to the attention of the FDA.
to the attention of the FDA.
242
654313
2138
ما توجه اف دی ای رو
به اینها جلب کردیم.
به اینها جلب کردیم.
11:08
They were interested.
243
656475
1269
اونها علاقمند بودن.
11:09
They have set up social media
surveillance programs
surveillance programs
244
657768
3606
اونها برنامه‌هایی راه انداخته بودن
برای نظرسنجی در رسانه‌های اجتماعی
برای نظرسنجی در رسانه‌های اجتماعی
11:13
to collaborate with Microsoft,
245
661398
1751
برای همکاری با مایکروسافت،
11:15
which had a nice infrastructure
for doing this, and others,
for doing this, and others,
246
663173
2794
که زیرساختار خوبی برای انجام
این کار داشت و سایر جاها،
این کار داشت و سایر جاها،
11:17
to look at Twitter feeds,
247
665991
1282
بررسی فیدهای توییتر،
11:19
to look at Facebook feeds,
248
667297
1716
بررسی فیدهای فیسبوک،
11:21
to look at search logs,
249
669037
1311
بررسی سوابق جستجو،
11:22
to try to see early signs that drugs,
either individually or together,
either individually or together,
250
670372
4909
برای این که سعی کنیم متوجه علائم زودرسی
بشیم که اون داروها، جداگانه یا باهم،
بشیم که اون داروها، جداگانه یا باهم،
11:27
are causing problems.
251
675305
1589
مشکلاتی ایجاد می‌ٰکنن.
11:28
What do I take from this?
Why tell this story?
Why tell this story?
252
676918
2174
چه نتیجه‌ای از این می‌گیرم؟
چرا این داستان رو میگم؟
چرا این داستان رو میگم؟
11:31
Well, first of all,
253
679116
1207
خوب، اول از همه،
11:32
we have now the promise
of big data and medium-sized data
of big data and medium-sized data
254
680347
4037
ما هم اکنون چشم انداز داده‌های بزرگ
و داده‌های متوسط رو داریم
و داده‌های متوسط رو داریم
11:36
to help us understand drug interactions
255
684408
2918
برای کمک به فهم تداخلات دارویی
11:39
and really, fundamentally, drug actions.
256
687350
2420
و یه واقعیت اساسی، اثر داروها.
11:41
How do drugs work?
257
689794
1413
داروها چه اثری دارن؟
11:43
This will create and has created
a new ecosystem
a new ecosystem
258
691231
2836
این اکوسیستم جدیدی ایجاد خواهد کرد
و ایجاد کرده
و ایجاد کرده
11:46
for understanding how drugs work
and to optimize their use.
and to optimize their use.
259
694091
3267
برای فهم نحوه اثر داروها
و بهینه سازی مصرف اونها.
و بهینه سازی مصرف اونها.
11:50
Nick went on; he's a professor
at Columbia now.
at Columbia now.
260
698303
2659
نیک ادامه داد؛
حالا در کلمبیا یه استاده.
حالا در کلمبیا یه استاده.
11:52
He did this in his PhD
for hundreds of pairs of drugs.
for hundreds of pairs of drugs.
261
700986
4072
این کار رو در پی اچ دی خودش
برای صدها جفت دارو انجام داد.
برای صدها جفت دارو انجام داد.
11:57
He found several
very important interactions,
very important interactions,
262
705082
2517
صدها تداخل خیلی مهم دارویی پیدا کرد،
11:59
and so we replicated this
263
707623
1214
و بنابراین توسعه‌ش دادیم
12:00
and we showed that this
is a way that really works
is a way that really works
264
708861
2574
و نشون دادیم که
این روش واقعاً مؤثره
این روش واقعاً مؤثره
12:03
for finding drug-drug interactions.
265
711459
2339
برای پیدا کردن تداخلات بین دو دارو.
12:06
However, there's a couple of things.
266
714282
1734
اما، چند نکته هست.
12:08
We don't just use pairs
of drugs at a time.
of drugs at a time.
267
716040
3046
ما فقط از دو دارو
استفاده نمی‌کنیم.
استفاده نمی‌کنیم.
12:11
As I said before, there are patients
on three, five, seven, nine drugs.
on three, five, seven, nine drugs.
268
719110
4469
همون طور که قبلاً گفتم، بعضی مریضها
از سه، پنج، هفت، نه دارو استفاده میکنن.
از سه، پنج، هفت، نه دارو استفاده میکنن.
12:15
Have they been studied with respect
to their nine-way interaction?
to their nine-way interaction?
269
723981
3642
آیا مطالعه‌ای با توجه به
تداخلات نه گانه انجام شده؟
تداخلات نه گانه انجام شده؟
12:19
Yes, we can do pair-wise,
A and B, A and C, A and D,
A and B, A and C, A and D,
270
727647
4208
بله، میتونیم تداخلات دوتایی رو بررسی کنیم،
بین آ و ب، بین آ و س، آ و د،
بین آ و ب، بین آ و س، آ و د،
12:23
but what about A, B, C,
D, E, F, G all together,
D, E, F, G all together,
271
731879
4286
اما همه ی اینها با هم چی؟
12:28
being taken by the same patient,
272
736189
1762
اگه یه مریض همه رو با هم مصرف کنه،
12:29
perhaps interacting with each other
273
737975
2118
ممکنه با هم تداخل داشته باشن
12:32
in ways that either makes them
more effective or less effective
more effective or less effective
274
740117
3778
به طریقی که اثراتشون
بیشتر یا کمتر بشه
بیشتر یا کمتر بشه
12:35
or causes side effects
that are unexpected?
that are unexpected?
275
743919
2332
یا عوارضی ایجاد بشه
که غیرمنتظره باشه؟
که غیرمنتظره باشه؟
12:38
We really have no idea.
276
746275
1827
در واقع چیزی نمی‌دونیم.
12:40
It's a blue sky, open field
for us to use data
for us to use data
277
748126
3756
این آسمون آبیه، میدان بزرگی
برای ما برای استفاده از داده‌ها
برای ما برای استفاده از داده‌ها
12:43
to try to understand
the interaction of drugs.
the interaction of drugs.
278
751906
2502
برای این که سعی کنیم
تداخلات دارویی رو بفهمیم.
تداخلات دارویی رو بفهمیم.
12:46
Two more lessons:
279
754848
1370
دو درس دیگه:
12:48
I want you to think about the power
that we were able to generate
that we were able to generate
280
756242
4199
ازتون میخوام به قدرتی
فکر کنید که به دست میاد
فکر کنید که به دست میاد
12:52
with the data from people who had
volunteered their adverse reactions
volunteered their adverse reactions
281
760465
4711
با داده‌های افرادی که عوارض جانبی
خود را داوطلبانه در اختیار ما میذارن
خود را داوطلبانه در اختیار ما میذارن
12:57
through their pharmacists,
through themselves, through their doctors,
through themselves, through their doctors,
282
765200
3269
از طریق دکتر داروساز،
خودشون یا دکتر معالج،
خودشون یا دکتر معالج،
13:00
the people who allowed the databases
at Stanford, Harvard, Vanderbilt,
at Stanford, Harvard, Vanderbilt,
283
768493
3667
افرادی که اجازه دادن پایگاه‌های داده
در استنفورد، هاروارد، وندربلت،
در استنفورد، هاروارد، وندربلت،
13:04
to be used for research.
284
772184
1427
برای پژوهش استفاده بشه.
13:05
People are worried about data.
285
773929
1445
مردم نگران داده‌ها هستند.
13:07
They're worried about their privacy
and security -- they should be.
and security -- they should be.
286
775398
3187
اونها نگران حریم شخصی
و امنیت خودشون هستن-- باید باشن.
و امنیت خودشون هستن-- باید باشن.
13:10
We need secure systems.
287
778609
1151
ما به سامانه های امن نیاز داریم.
13:11
But we can't have a system
that closes that data off,
that closes that data off,
288
779784
3406
اما نمی‌تونیم سامانه‌ای داشته باشیم
که اون داده‌ها رو کاملاً از دسترس خارج کنه،
که اون داده‌ها رو کاملاً از دسترس خارج کنه،
13:15
because it is too rich of a source
289
783214
2752
چون یه منبع بسیار ارزشمنده
13:17
of inspiration, innovation and discovery
290
785990
3971
برای الهام گرفتن، نوآوری و اکتشاف
13:21
for new things in medicine.
291
789985
1578
برای چیزهای جدید در پزشکی.
13:24
And the final thing I want to say is,
292
792494
1794
و چیز آخری که میخوام بگم اینه که،
13:26
in this case we found two drugs
and it was a little bit of a sad story.
and it was a little bit of a sad story.
293
794312
3357
ما در این مورد دو دارو پیدا کردیم
و داستانش کمی غم انگیز بود.
و داستانش کمی غم انگیز بود.
13:29
The two drugs actually caused problems.
294
797693
1921
دو دارو که واقعاً مشکل ساز بودن.
13:31
They increased glucose.
295
799638
1475
قند خون رو بالا می‌بردن.
13:33
They could throw somebody into diabetes
296
801137
2446
این داروها ممکنه فردی رو دچار دیابت کنن،
13:35
who would otherwise not be in diabetes,
297
803607
2294
که در غیر این دچار دیابت نمی‌شد،
13:37
and so you would want to use
the two drugs very carefully together,
the two drugs very carefully together,
298
805925
3175
و بنابراین ممکنه تصمیم بگیریم در مورد
مصرف هم زمان این دو دارو احتیاط کنیم،
مصرف هم زمان این دو دارو احتیاط کنیم،
13:41
perhaps not together,
299
809124
1151
شاید از مصرف هم زمان
به طور کلی خودداری کنیم،
به طور کلی خودداری کنیم،
13:42
make different choices
when you're prescribing.
when you're prescribing.
300
810299
2340
موقع تجویز دارو
تصیم های متفاوتی بگیریم.
تصیم های متفاوتی بگیریم.
13:44
But there was another possibility.
301
812663
1846
اما یه احتمال دیگه وجود داره.
13:46
We could have found
two drugs or three drugs
two drugs or three drugs
302
814533
2344
ممکن بود دو یا سه دارو پیدا کنیم
13:48
that were interacting in a beneficial way.
303
816901
2261
که تداخل سودمند داشته باشن.
13:51
We could have found new effects of drugs
304
819616
2712
ممکن بود اثرات دارویی جدیدی پیدا کنیم
13:54
that neither of them has alone,
305
822352
2160
که هیچ کدوم به تنهایی نداشتن،
13:56
but together, instead
of causing a side effect,
of causing a side effect,
306
824536
2493
اما با هم، به جای عوارض جانبی،
13:59
they could be a new and novel treatment
307
827053
2425
ممکن بود درمان جدید و نوینی باشن
14:01
for diseases that don't have treatments
308
829502
1882
برای امراضی که علاج ندارن
14:03
or where the treatments are not effective.
309
831408
2007
یا درمان اونها مؤثر نیست.
14:05
If we think about drug treatment today,
310
833439
2395
اگه امروز درباره درمان دارویی فکر کنیم،
14:07
all the major breakthroughs --
311
835858
1752
همه درمانهای اصلی--
14:09
for HIV, for tuberculosis,
for depression, for diabetes --
for depression, for diabetes --
312
837634
4297
برای اچ آی وی، سل، افسردگی، دیابت--
14:13
it's always a cocktail of drugs.
313
841955
2830
همیشه ترکیبی از چند دارو هستن.
14:16
And so the upside here,
314
844809
1730
و بنابراین نکته مثبتش،
14:18
and the subject for a different
TED Talk on a different day,
TED Talk on a different day,
315
846563
2849
و موضوع یه سخنرانی دیگه
در یه روز دیگه،
در یه روز دیگه،
14:21
is how can we use the same data sources
316
849436
2593
اینه که چطور میتونیم با
استفاده از همون منابع داده‌ها
استفاده از همون منابع داده‌ها
14:24
to find good effects
of drugs in combination
of drugs in combination
317
852053
3563
آثار مثبت ترکیب داروها رو پیدا کنیم،
14:27
that will provide us new treatments,
318
855640
2175
که درمانهای جدیدی برای ما فراهم کنه،
14:29
new insights into how drugs work
319
857839
1852
دیدگاه‌های جدیدی درباره
نحوه اثر داروها ایجاد کنه
نحوه اثر داروها ایجاد کنه
14:31
and enable us to take care
of our patients even better?
of our patients even better?
320
859715
3786
و به ما امکان بده از مریضهامون
بهتر مراقبت کنیم؟
بهتر مراقبت کنیم؟
14:35
Thank you very much.
321
863525
1166
خیلی متشکرم.
14:36
(Applause)
322
864715
3499
(تشویق)
ABOUT THE SPEAKER
Russ Altman - Big data techno-optimist and internistRuss 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.
Russ Altman | Speaker | TED.com