TEDMED 2015
Russ Altman: What really happens when you mix medications?
ראס אלטמן: מה באמת קורה כשאתם מערבבים תרופות?
Filmed:
Readability: 4.2
1,766,922 views
אם אתם לוקחים שתי תרופות, משתי סיבות שונות, הנה מחשבה מפכחת: הרופא שלכם לא בהכרח מבין לגמרי מה קורה כשמשלבים את שתיהן, כי אינטראקציות בין תרופות הן משהו שקשה במיוחד לחקור. בהרצאה המרתקת והמובנת הזו, ראס אלטמן מראה איך רופאים חוקרים אינטראקציות בלתי צפויות בין תרופות תוך שימוש במקור מפתיע: שאילתות של מנועי חיפוש.
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
אתם הולכים לרופא
והוא רושם לכם כמה בדיקות.
והוא רושם לכם כמה בדיקות.
00:16
The doctor determines
that you have high cholesterol
that you have high cholesterol
1
4674
2620
הרופא קובע שיש לכם
כולסטרול גבוה
כולסטרול גבוה
00:19
and you would benefit
from medication to treat it.
from medication to treat it.
2
7318
3171
ושכדאי לכם לקחת תרופה
בשביל זה.
בשביל זה.
00:22
So you get a pillbox.
3
10981
1556
אז אתם מקבלים קופסת גלולות.
00:25
You have some confidence,
4
13505
1199
יש לכם ביטחון מסוים,
00:26
your physician has some confidence
that this is going to work.
that this is going to work.
5
14728
2937
לרופא שלכם יש ביטחון מסוים
שזה יעשה את העבודה.
שזה יעשה את העבודה.
החברה שפיתחה את זה
ערכה מחקרים רבים,
ערכה מחקרים רבים,
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
הגישה את זה
למינהל המזון והתרופות,
למינהל המזון והתרופות,
הם בחנו את זה ביסודיות, בספקנות.
הם אישרו את זה.
הם אישרו את זה.
00:33
They studied it very carefully,
skeptically, they approved it.
skeptically, they approved it.
7
21266
3107
יש להם מושג כללי
איך זה עובד,
איך זה עובד,
00:36
They have a rough idea of how it works,
8
24397
1889
יש להם מושג כללי
מה הן תופעות הלוואי.
מה הן תופעות הלוואי.
00:38
they have a rough idea
of what the side effects are.
of what the side effects are.
9
26310
2453
זה צריך להיות בסדר.
00:40
It should be OK.
10
28787
1150
00:42
You have a little more
of a conversation with your physician
of a conversation with your physician
11
30864
2818
אתם מנהלים שיחה קצת יותר מעמיקה
עם הרופא שלכם
עם הרופא שלכם
00:45
and the physician is a little worried
because you've been blue,
because you've been blue,
12
33706
2963
והרופא קצת מודאג
כי לאחרונה הייתם במצב רוח רע,
כי לאחרונה הייתם במצב רוח רע,
לא הרגשתם כרגיל,
00:48
haven't felt like yourself,
13
36693
1293
לא הצלחתם ליהנות מהדברים בחיים
כמו בדרך כלל.
כמו בדרך כלל.
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
00:53
Your physician says, "You know,
I think you have some depression.
I think you have some depression.
15
41765
3186
הרופא אומר, "אתם יודעים,
אני חושב שאתם קצת בדיכאון.
אני חושב שאתם קצת בדיכאון.
00:57
I'm going to have to give
you another pill."
you another pill."
16
45792
2315
"אני אצטרך לתת לכם עוד כדור."
01:00
So now we're talking
about two medications.
about two medications.
17
48934
2483
עכשיו אנחנו כבר מדברים
על שתי תרופות.
על שתי תרופות.
גם הכדור הזה--
מיליוני אנשים לקחו אותו,
מיליוני אנשים לקחו אותו,
01:03
This pill also -- millions
of people have taken it,
of people have taken it,
18
51441
3104
החברה עשתה מחקרים,
המינהל בחן אותו -- הכל טוב.
המינהל בחן אותו -- הכל טוב.
01:06
the company did studies,
the FDA looked at it -- all good.
the FDA looked at it -- all good.
19
54569
3631
01:10
Think things should go OK.
20
58823
2057
סביר שהכל יהיה בסדר.
סביר שהכל יהיה בסדר.
01:12
Think things should go OK.
21
60904
2197
אבל, רק רגע.
01:15
Well, wait a minute.
22
63125
1439
כמה חקרנו את שתי אלו ביחד?
01:16
How much have we studied
these two together?
these two together?
23
64588
3517
01:20
Well, it's very hard to do that.
24
68630
2300
את זה קשה מאד לעשות.
01:22
In fact, it's not traditionally done.
25
70954
2130
למעשה, לא נוהגים לעשות זאת.
01:25
We totally depend on what we call
"post-marketing surveillance,"
"post-marketing surveillance,"
26
73108
5518
אנחנו מסתמכים באופן מוחלט
על "מעקב לאחר השיווק",
על "מעקב לאחר השיווק",
אחרי שהתרופות הופצו למכירה.
01:30
after the drugs hit the market.
27
78650
1880
01:32
How can we figure out
if bad things are happening
if bad things are happening
28
80996
2848
איך אנחנו יכולים לגלות
אם דברים לא טובים קורים
אם דברים לא טובים קורים
בין שתי תרופות?
01:35
between two medications?
29
83868
1357
שלוש? חמש? שבע תרופות?
01:37
Three? Five? Seven?
30
85249
2030
01:39
Ask your favorite person
who has several diagnoses
who has several diagnoses
31
87708
2415
שאלו את האדם האהוב עליכם
שיש לו כמה אבחונים
שיש לו כמה אבחונים
כמה תרופות הוא לוקח כרגע.
01:42
how many medications they're on.
32
90147
1834
01:44
Why do I care about this problem?
33
92530
1580
למה איכפת לי מהבעיה הזו?
איכפת לי ממנה מאד.
איכפת לי ממנה מאד.
01:46
I care about it deeply.
34
94134
1157
אני מידען וחוקר נתונים,
ולמען האמת, לדעתי,
ולמען האמת, לדעתי,
01:47
I'm an informatics and data science guy
and really, in my opinion,
and really, in my opinion,
35
95315
4304
01:51
the only hope -- only hope --
to understand these interactions
to understand these interactions
36
99643
3745
התקווה היחידה -- היחידה --
להבין את האינטראקציות הללו
להבין את האינטראקציות הללו
01:55
is to leverage lots
of different sources of data
of different sources of data
37
103412
3056
היא לנצל הרבה מקורות של נתונים
01:58
in order to figure out
when drugs can be used together safely
when drugs can be used together safely
38
106492
3556
כדי למצוא מתי ניתן להשתמש
בתרופות בו-זמנית באופן בטוח
בתרופות בו-זמנית באופן בטוח
02:02
and when it's not so safe.
39
110072
1777
ומתי זה לא כל כך בטוח.
02:04
So let me tell you a data science story.
40
112615
2051
אז תרשו לי לספר לכם סיפור
ממדעי הנתונים.
ממדעי הנתונים.
והוא מתחיל עם הסטודנט שלי, ניק.
02:06
And it begins with my student Nick.
41
114690
2154
02:08
Let's call him "Nick,"
because that's his name.
because that's his name.
42
116868
2380
נקרא לו "ניק",
כי זה השם שלו.
כי זה השם שלו.
02:11
(Laughter)
43
119272
1592
(צחוק)
ניק היה סטודנט צעיר.
02:12
Nick was a young student.
44
120888
1201
02:14
I said, "You know, Nick, we have
to understand how drugs work
to understand how drugs work
45
122113
3079
אמרתי, "אתה יודע, ניק,
אנחנו צריכים להבין איך תרופות עובדות
אנחנו צריכים להבין איך תרופות עובדות
02:17
and how they work together
and how they work separately,
and how they work separately,
46
125216
2626
"איך הן עובדות ביחד,
ואיך הן עובדות בנפרד,
ואיך הן עובדות בנפרד,
"ואין לנו הבנה מי יודע מה."
02:19
and we don't have a great understanding.
47
127866
1922
אבל מינהל המזון והתרופות
הנגיש מאגר מידע מדהים.
הנגיש מאגר מידע מדהים.
02:21
But the FDA has made available
an amazing database.
an amazing database.
48
129812
2405
זה מאגר מידע של תופעות שליליות.
02:24
It's a database of adverse events.
49
132241
1699
02:26
They literally put on the web --
50
134321
1642
הם ממש מעלים לאינטרנט --
נגיש לציבור, כולכם יכולים להוריד
את זה ממש עכשיו --
את זה ממש עכשיו --
02:27
publicly available, you could all
download it right now --
download it right now --
51
135987
3119
02:31
hundreds of thousands
of adverse event reports
of adverse event reports
52
139130
3627
מאות אלפי דו"חות
של אירועי תופעות שליליות
של אירועי תופעות שליליות
02:34
from patients, doctors,
companies, pharmacists.
companies, pharmacists.
53
142781
3760
ממטופלים, רופאים, חברות, רוקחים.
02:38
And these reports are pretty simple:
54
146565
1749
והדו"חות האלה הם פשוטים למדי:
כתובות בהם כל המחלות
מהן סובל המטופל,
מהן סובל המטופל,
02:40
it has all the diseases
that the patient has,
that the patient has,
55
148338
2658
02:43
all the drugs that they're on,
56
151020
1767
כל התרופות שהוא לוקח,
02:44
and all the adverse events,
or side effects, that they experience.
or side effects, that they experience.
57
152811
3818
וכל התופעות השליליות,
או תופעות הלוואי, שהם חווים.
או תופעות הלוואי, שהם חווים.
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
אלו לא כל התופעות השליליות
שמתרחשות באמריקה כיום,
שמתרחשות באמריקה כיום,
02:52
but it's hundreds and hundreds
of thousands of drugs.
of thousands of drugs.
59
160113
2578
אבל אלו מאות ומאות אלפי תרופות.
02:54
So I said to Nick,
60
162715
1299
אז אמרתי לניק,
"בוא נחשוב על גלוקוז.
"בוא נחשוב על גלוקוז.
02:56
"Let's think about glucose.
61
164038
1826
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
"הגלוקוז חשוב מאד, ואנחנו יודעים
שהוא קשור בסכרת.
שהוא קשור בסכרת.
03:01
Let's see if we can understand
glucose response.
glucose response.
63
169479
3970
"בוא נראה אם נוכל להבין
את התגובה לגלוקוז."
את התגובה לגלוקוז."
03:05
I sent Nick off. Nick came back.
64
173473
2458
שלחתי את ניק לדרכו. ניק חזר.
03:08
"Russ," he said,
65
176248
1786
"ראס", הוא אמר,
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
"יצרתי כלי מיון שיכול לבחון
את תופעות הלוואי של תרופה
את תופעות הלוואי של תרופה
03:15
based on looking at this database,
67
183487
2051
"בהתבסס על מאגר המידע הזה,
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
"שיכול לומר לך אם סביר
שהתרופה הזו תשנה את רמת הגלוקוז."
שהתרופה הזו תשנה את רמת הגלוקוז."
03:21
He did it. It was very simple, in a way.
69
189857
2016
הוא עשה זאת.
זה מאד פשוט, איכשהו.
זה מאד פשוט, איכשהו.
03:23
He took all the drugs
that were known to change glucose
that were known to change glucose
70
191897
2635
הוא לקח את כל התרופות שהיה ידוע
שהן משנות את הגלוקוז
שהן משנות את הגלוקוז
וכמה תרופות שלא משנות את הגלוקוז,
03:26
and a bunch of drugs
that don't change glucose,
that don't change glucose,
71
194556
2389
03:28
and said, "What's the difference
in their side effects?
in their side effects?
72
196969
2888
ואמר, "מה ההבדל בתופעות הלוואי שלהן?
03:31
Differences in fatigue? In appetite?
In urination habits?"
In urination habits?"
73
199881
4852
"ההבדל בתחושת התשישות? בתיאבון?
בהרגלי מתן השתן?"
בהרגלי מתן השתן?"
03:36
All those things conspired
to give him a really good predictor.
to give him a really good predictor.
74
204757
2960
כל הדברים הללו יחד נתנו לו כלי
בעל יכולות ניבוי ממש טובות.
בעל יכולות ניבוי ממש טובות.
03:39
He said, "Russ, I can predict
with 93 percent accuracy
with 93 percent accuracy
75
207741
2548
הוא אמר, "ראס, אני יכול לנבא,
בדיוק של 93 אחוזים
בדיוק של 93 אחוזים
"מתי תרופה תשנה את הגלוקוז."
03:42
when a drug will change glucose."
76
210313
1572
אמרתי, "ניק, זה נהדר."
03:43
I said, "Nick, that's great."
77
211909
1416
הוא סטודנט צעיר וצריך לעודד
את הבטחון העצמי שלו.
את הבטחון העצמי שלו.
03:45
He's a young student,
you have to build his confidence.
you have to build his confidence.
78
213349
2896
"אבל ניק, יש בעיה:
03:48
"But Nick, there's a problem.
79
216269
1390
"כל רופא בעולם מכיר
את כל התרופות שמשנות את הגלוקוז,
את כל התרופות שמשנות את הגלוקוז,
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
03:53
because it's core to our practice.
81
221667
2038
"כי זה חשוב מאד בפרקטיקה שלנו.
03:55
So it's great, good job,
but not really that interesting,
but not really that interesting,
82
223729
3722
"אז נהדר, עבודה טובה,
אבל לא באמת כל כך מעניין,
אבל לא באמת כל כך מעניין,
03:59
definitely not publishable."
83
227475
1531
"ובהחלט לא משהו שאפשר לפרסם."
04:01
(Laughter)
84
229030
1014
(צחוק)
04:02
He said, "I know, Russ.
I thought you might say that."
I thought you might say that."
85
230068
2550
הוא אמר, "אני יודע, ראס.
חשבתי שזה מה שתגיד."
חשבתי שזה מה שתגיד."
ניק בחור פיקח.
04:04
Nick is smart.
86
232642
1152
04:06
"I thought you might say that,
so I did one other experiment.
so I did one other experiment.
87
234149
2874
"חשבתי שזה מה שתגיד,
אז עשיתי עוד ניסוי אחד.
אז עשיתי עוד ניסוי אחד.
"בדקתי אנשים במאגר המידע הזה
שלקחו שתי תרופות בו זמנית,
שלקחו שתי תרופות בו זמנית,
04:09
I looked at people in this database
who were on two drugs,
who were on two drugs,
88
237047
2928
"וחיפשתי סימנים דומים,
סימני שינוי רמת גלוקוז,
סימני שינוי רמת גלוקוז,
04:11
and I looked for signals similar,
glucose-changing signals,
glucose-changing signals,
89
239999
4422
04:16
for people taking two drugs,
90
244445
1624
"אצל אנשים שלוקחים שתי תרופות,
04:18
where each drug alone
did not change glucose,
did not change glucose,
91
246093
5569
"כאשר כל אחת מהתרופות בפני עצמה
לא משנה את רמת הגלוקוז,
לא משנה את רמת הגלוקוז,
"אבל יחד, הן נתנו סימן חזק."
04:23
but together I saw a strong signal."
92
251686
2460
04:26
And I said, "Oh! You're clever.
Good idea. Show me the list."
Good idea. Show me the list."
93
254170
3149
ואני אמרתי, "או! אתה פיקח. רעיון טוב.
תראה לי את הרשימה."
תראה לי את הרשימה."
04:29
And there's a bunch of drugs,
not very exciting.
not very exciting.
94
257343
2254
ויש קבוצה של תרופות,
לא מאוד מרגש.
לא מאוד מרגש.
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
אבל מה שמשך את תשומת לבי היה,
שברשימה היו שתי תרופות:
שברשימה היו שתי תרופות:
04:35
paroxetine, or Paxil, an antidepressant;
96
263577
3393
פארוקסטין, או פקסיל, נוגד דיכאון;
ופרבסטאטין, או פראבאכול, תרופה לכולסטרול.
04:39
and pravastatin, or Pravachol,
a cholesterol medication.
a cholesterol medication.
97
267756
3570
04:43
And I said, "Huh. There are millions
of Americans on those two drugs."
of Americans on those two drugs."
98
271936
4283
ואני אמרתי, "אהה! מיליוני אמריקאים
לוקחים את שתי התרופות האלה."
לוקחים את שתי התרופות האלה."
04:48
In fact, we learned later,
99
276243
1246
בפועל גילינו אחר כך,
04:49
15 million Americans on paroxetine
at the time, 15 million on pravastatin,
at the time, 15 million on pravastatin,
100
277513
6032
ש-15 מיליון אמריקאים לוקחים פארוקסטין
בכל רגע נתון, 15 מיליון על פרבסטטין,
בכל רגע נתון, 15 מיליון על פרבסטטין,
04:55
and a million, we estimated, on both.
101
283569
2817
וכמיליון, הערכנו, לוקחים את שתיהן.
04:58
So that's a million people
102
286767
1254
אז מדובר במיליון אנשים
שאולי סובלים מבעיות עם הגלוקוז שלהם
שאולי סובלים מבעיות עם הגלוקוז שלהם
05:00
who might be having some problems
with their glucose
with their glucose
103
288045
2453
אם ההוקוס פוקוס של הלמידת-מכונה שלו
במאגר המידע של מינהל המזון והתרופות
במאגר המידע של מינהל המזון והתרופות
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
05:05
actually holds up.
105
293752
1254
יעמוד במבחן.
05:07
But I said, "It's still not publishable,
106
295030
1927
אבל אמרתי,
"זה עדיין לא מספיק לפירסום,
"זה עדיין לא מספיק לפירסום,
05:08
because I love what you did
with the mumbo jumbo,
with the mumbo jumbo,
107
296981
2296
"כי אני אוהב את מה שעשית
עם ההוקוס-פוקוס ולמידת המכונה,
עם ההוקוס-פוקוס ולמידת המכונה,
05:11
with the machine learning,
108
299301
1246
"אבל מה שיש לנו איננו בדיוק
ראיות בלתי מעורערות."
ראיות בלתי מעורערות."
05:12
but it's not really standard-of-proof
evidence that we have."
evidence that we have."
109
300571
3864
05:17
So we have to do something else.
110
305618
1589
אז אנחנו צריכים לעשות משהו אחר.
בוא ניכנס למאגר הרפואי
האלקטרוני של סטנפורד.
האלקטרוני של סטנפורד.
05:19
Let's go into the Stanford
electronic medical record.
electronic medical record.
111
307231
2876
05:22
We have a copy of it
that's OK for research,
that's OK for research,
112
310131
2064
יש לנו עותק שלו שמתאים למחקר,
הוצאנו מידע מזהה.
05:24
we removed identifying information.
113
312219
2046
ואני אמרתי, "בוא נראה אם לאנשים
שלוקחים את שתי התרופות האלה
שלוקחים את שתי התרופות האלה
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
"יש בעיה עם הגלוקוז שלהם."
05:31
Now there are thousands
and thousands of people
and thousands of people
116
319242
2207
יש אלפים רבים של אנשים
במאגר הרפואי של סטנפורד
שלוקחים פרוקסטין ופרבסטטין.
שלוקחים פרוקסטין ופרבסטטין.
05:33
in the Stanford medical records
that take paroxetine and pravastatin.
that take paroxetine and pravastatin.
117
321473
3459
אבל היינו זקוקים למטופלים מיוחדים.
05:36
But we needed special patients.
118
324956
1799
היינו זקוקים למטופלים שלוקחים אחת
מהתרופות האלה ושיש להם מדידות של גלוקוז,
מהתרופות האלה ושיש להם מדידות של גלוקוז,
05:38
We needed patients who were on one of them
and had a glucose measurement,
and had a glucose measurement,
119
326779
4597
05:43
then got the second one and had
another glucose measurement,
another glucose measurement,
120
331400
3449
ואז התחילו עם השנייה
והיתה להם מדידת גלוקוז נוספת,
והיתה להם מדידת גלוקוז נוספת,
כל זה בתקופה לא ארוכה מדי --
משהו כמו חודשיים.
משהו כמו חודשיים.
05:46
all within a reasonable period of time --
something like two months.
something like two months.
121
334873
3615
05:50
And when we did that,
we found 10 patients.
we found 10 patients.
122
338512
3159
וכשעשינו את זה, מצאנו 10 מטופלים.
05:54
However, eight out of the 10
had a bump in their glucose
had a bump in their glucose
123
342592
4538
אבל, ל-8 מתוך ה-10
היתה קפיצה ברמת הגלוקוז
היתה קפיצה ברמת הגלוקוז
כשהם קיבלו את ה-"פ" השנייה --
אנחנו קוראים לזה "פ" ו-"פ" --
אנחנו קוראים לזה "פ" ו-"פ" --
05:59
when they got the second P --
we call this P and P --
we call this P and P --
124
347154
2645
כשהם קיבלו את ה-"פ" השנייה.
06:01
when they got the second P.
125
349823
1310
זה לא משנה איזה היתה קודם,
ברגע שבאה השנייה,
ברגע שבאה השנייה,
06:03
Either one could be first,
the second one comes up,
the second one comes up,
126
351157
2562
06:05
glucose went up
20 milligrams per deciliter.
20 milligrams per deciliter.
127
353743
2847
רמת הגלוקוז עלתה ב-20 מיליגרם לדציליטר.
רק כתזכורת,
06:08
Just as a reminder,
128
356614
1158
באופן טבעי יש לכם,
אם אתם לא חולי סכרת,
אם אתם לא חולי סכרת,
06:09
you walk around normally,
if you're not diabetic,
if you're not diabetic,
129
357796
2325
רמת גלוקוז בסביבות ה-90.
06:12
with a glucose of around 90.
130
360145
1359
06:13
And if it gets up to 120, 125,
131
361528
2076
ואם זה עולה ל-120, 125,
06:15
your doctor begins to think
about a potential diagnosis of diabetes.
about a potential diagnosis of diabetes.
132
363628
3450
הרופא שלכם מתחיל לחשוב
על אבחון של סכרת בפוטנציה.
על אבחון של סכרת בפוטנציה.
06:19
So a 20 bump -- pretty significant.
133
367102
2991
אז קפיצה של 20 -- די משמעותי.
06:22
I said, "Nick, this is very cool.
134
370601
1904
אמרתי, "ניק, זה ממש מדליק.
06:25
But, I'm sorry, we still
don't have a paper,
don't have a paper,
135
373616
2053
"אבל לצערי עדיין אין לנו מאמר,
"כי זה 10 מטופלים, בחייך --
"כי זה 10 מטופלים, בחייך --
06:27
because this is 10 patients
and -- give me a break --
and -- give me a break --
136
375693
2579
"זה לא מספיק מטופלים."
06:30
it's not enough patients."
137
378296
1245
אז אמרנו, מה אנחנו יכולים לעשות?
06:31
So we said, what can we do?
138
379565
1306
06:32
And we said, let's call our friends
at Harvard and Vanderbilt,
at Harvard and Vanderbilt,
139
380895
2976
ואמרנו, בוא נקרא לחברים שלנו
בהרוורד ובוונדרבילט,
בהרוורד ובוונדרבילט,
שגם -- אוניברסיטאות
הרוורד בבוסטון, ו-וונדרבילט בנשוויל,
הרוורד בבוסטון, ו-וונדרבילט בנשוויל,
06:35
who also -- Harvard in Boston,
Vanderbilt in Nashville,
Vanderbilt in Nashville,
140
383895
2587
שגם להם יש מאגרי מידע רפואי אלקטרוניים
דומים לשלנו,
דומים לשלנו,
06:38
who also have electronic
medical records similar to ours.
medical records similar to ours.
141
386506
2821
ונראה אם הם יכולים
למצוא לנו מטופלים דומים
למצוא לנו מטופלים דומים
06:41
Let's see if they can find
similar patients
similar patients
142
389351
2020
06:43
with the one P, the other P,
the glucose measurements
the glucose measurements
143
391395
3276
עם ה-"פ" האחת ועם ה-"פ" השניה,
ועם מדידות הגלוקוז
ועם מדידות הגלוקוז
06:46
in that range that we need.
144
394695
1600
בתחום שאנחנו צריכים.
06:48
God bless them, Vanderbilt
in one week found 40 such patients,
in one week found 40 such patients,
145
396787
4955
וונדרבילט, יבורכו, מצאו בשבוע אחד
40 מטופלים כאלו
40 מטופלים כאלו
עם אותה המגמה.
06:53
same trend.
146
401766
1189
06:55
Harvard found 100 patients, same trend.
147
403804
3620
הרוורד מצאו 100 מטופלים.
אותה המגמה.
אותה המגמה.
06:59
So at the end, we had 150 patients
from three diverse medical centers
from three diverse medical centers
148
407448
4281
כך שלבסוף, היו לנו 150 מטופלים
משלושה מרכזים רפואיים
משלושה מרכזים רפואיים
שהראו לנו שמטופלים שמקבלים
את שתי התרופות הללו
את שתי התרופות הללו
07:03
that were telling us that patients
getting these two drugs
getting these two drugs
149
411753
3297
07:07
were having their glucose bump
somewhat significantly.
somewhat significantly.
150
415074
2703
קיבלו קפיצת גלוקוז משמעותית.
07:10
More interestingly,
we had left out diabetics,
we had left out diabetics,
151
418317
2810
ויותר מעניין,
לא הכללנו את חולי הסכרת,
לא הכללנו את חולי הסכרת,
07:13
because diabetics already
have messed up glucose.
have messed up glucose.
152
421151
2317
כי אצל חולי סכרת, הגלוקוז כבר משובש.
כשהסתכלנו על הגלוקוז של חולי סכרת,
07:15
When we looked
at the glucose of diabetics,
at the glucose of diabetics,
153
423492
2238
07:17
it was going up 60 milligrams
per deciliter, not just 20.
per deciliter, not just 20.
154
425754
3435
הוא עלה ב-60 מ"ג לדציליטר,
לא רק 20.
לא רק 20.
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
זה היה משהו רציני, ואמרנו,
"אנחנו חייבים לפרסם את זה."
"אנחנו חייבים לפרסם את זה."
07:25
We submitted the paper.
156
433236
1179
הגשנו את המאמר.
הכל היה ראיות מנתונים,
הכל היה ראיות מנתונים,
07:26
It was all data evidence,
157
434439
2111
07:28
data from the FDA, data from Stanford,
158
436574
2483
נתונים ממינהל המזון והתרופות,
נתונים מסטנפורד,
נתונים מסטנפורד,
נתונים מוונדרבילט, נתונים מהרוורד.
07:31
data from Vanderbilt, data from Harvard.
159
439081
1946
לא עשינו אפילו ניסוי אמיתי אחד.
07:33
We had not done a single real experiment.
160
441051
2396
07:36
But we were nervous.
161
444495
1296
אבל היינו מתוחים.
07:38
So Nick, while the paper
was in review, went to the lab.
was in review, went to the lab.
162
446201
3730
אז ניק, בזמן שהמאמר עבר ביקורת,
הלך למעבדה.
הלך למעבדה.
07:41
We found somebody
who knew about lab stuff.
who knew about lab stuff.
163
449955
2462
מצאנו מישהו שמתמצא במעבדות.
אני לא מתעסק בזה.
07:44
I don't do that.
164
452441
1393
אני מטפל בחולים,
אבל אני לא עושה פיפטות.
אבל אני לא עושה פיפטות.
07:45
I take care of patients,
but I don't do pipettes.
but I don't do pipettes.
165
453858
2417
07:49
They taught us how to feed mice drugs.
166
457420
3053
הם לימדו אותנו להאכיל עכברים בתרופות.
07:52
We took mice and we gave them
one P, paroxetine.
one P, paroxetine.
167
460864
2414
לקחנו עכברים ונתנו להם "פ" אחת, פרוקסטין.
לכמה עכברים אחרים נתנו פרבסטטין.
07:55
We gave some other mice pravastatin.
168
463302
2508
ולקבוצה שלישית של עכברים
נתנו את שניהם.
נתנו את שניהם.
07:57
And we gave a third group
of mice both of them.
of mice both of them.
169
465834
3595
08:01
And lo and behold, glucose went up
20 to 60 milligrams per deciliter
20 to 60 milligrams per deciliter
170
469893
3946
והפלא ופלא, רמות הגלוקוז עלו בעכברים
ב-20 עד 60 מ"ג לדציליטר.
ב-20 עד 60 מ"ג לדציליטר.
08:05
in the mice.
171
473863
1171
08:07
So the paper was accepted
based on the informatics evidence alone,
based on the informatics evidence alone,
172
475058
3158
אז המאמר התקבל בהתבסס על
הראיות מהנתונים בלבד,
הראיות מהנתונים בלבד,
אבל הוספנו הערה קטנה בסוף:
08:10
but we added a little note at the end,
173
478240
1894
"אה, דרך אגב, אם נותנים את זה
לעכברים, זה עולה."
לעכברים, זה עולה."
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
זה היה נהדר,
והסיפור יכול היה להסתיים שם.
והסיפור יכול היה להסתיים שם.
08:15
That was great, and the story
could have ended there.
could have ended there.
175
483081
2508
אבל יש לי עוד שש וחצי דקות.
08:17
But I still have six and a half minutes.
176
485613
1997
(צחוק)
08:19
(Laughter)
177
487634
2807
08:22
So we were sitting around
thinking about all of this,
thinking about all of this,
178
490465
2815
אז אנחנו יושבים לנו
וחושבים על כל זה,
וחושבים על כל זה,
08:25
and I don't remember who thought
of it, but somebody said,
of it, but somebody said,
179
493304
2735
ואני לא זוכר מי חשב על זה,
אבל מישהו אמר,
אבל מישהו אמר,
"מעניין אם מטופלים
שלוקחים את שתי התרופות הללו
שלוקחים את שתי התרופות הללו
08:28
"I wonder if patients
who are taking these two drugs
who are taking these two drugs
180
496063
3201
08:31
are noticing side effects
of hyperglycemia.
of hyperglycemia.
181
499288
3553
"מבחינים בתופעות לוואי של היפר-גליקמיה.
"הם עלולים וצפויים לחוות זאת."
08:34
They could and they should.
182
502865
1496
08:36
How would we ever determine that?"
183
504761
1877
איך נוכל לבדוק את זה?
08:39
We said, well, what do you do?
184
507551
1443
אמרנו, טוב, מה עושים?
אם אתם לוקחים תרופה,
תרופה חדשה אחת או שתיים,
תרופה חדשה אחת או שתיים,
08:41
You're taking a medication,
one new medication or two,
one new medication or two,
185
509018
2580
ויש לכם הרגשה מוזרה.
08:43
and you get a funny feeling.
186
511622
1538
מה אתם עושים?
08:45
What do you do?
187
513184
1151
אתם נכנסים לגוגל
08:46
You go to Google
188
514359
1151
ומקלידים את שתי התרופות שאתם לוקחים
או את האחת שאתם לוקחים,
או את האחת שאתם לוקחים,
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
ואתם מקלידים "תופעות לוואי."
08:50
and you type in "side effects."
190
518907
1603
את מה שאתם חווים.
08:52
What are you experiencing?
191
520534
1356
08:54
So we said OK,
192
522239
1151
אז אמרנו "בסדר,
08:55
let's ask Google if they will share
their search logs with us,
their search logs with us,
193
523414
3056
"נשאל את גוגל אם הם ישתפו אותנו
ברישומי החיפושים שלהם,
ברישומי החיפושים שלהם,
08:58
so that we can look at the search logs
194
526494
1833
"כך שנוכל לבחון את רישומי החיפוש
09:00
and see if patients are doing
these kinds of searches.
these kinds of searches.
195
528351
2565
"ולבדוק אם מטופלים עורכים חיפושים כאלה."
09:02
Google, I am sorry to say,
denied our request.
denied our request.
196
530940
3275
גוגל, צר לי לומר,
סירבו לבקשה שלנו.
סירבו לבקשה שלנו.
09:06
So I was bummed.
197
534819
1151
אז הייתי בבאסה.
09:07
I was at a dinner with a colleague
who works at Microsoft Research
who works at Microsoft Research
198
535994
3166
הייתי בארוחת ערב עם חבר
שעובד ב"מיקרוסופט מחקר"
שעובד ב"מיקרוסופט מחקר"
ואמרתי, "רצינו לעשות איזה מחקר,
09:11
and I said, "We wanted to do this study,
199
539184
1941
"גוגל סירבו, זה די באסה."
09:13
Google said no, it's kind of a bummer."
200
541149
1880
הוא אמר,
"טוב, לנו יש את החיפושים מבינג."
"טוב, לנו יש את החיפושים מבינג."
09:15
He said, "Well, we have
the Bing searches."
the Bing searches."
201
543053
2086
09:18
(Laughter)
202
546195
3483
(צחוק)
09:22
Yeah.
203
550805
1267
כן.
נהדר.
09:24
That's great.
204
552096
1151
09:25
Now I felt like I was --
205
553271
1151
עכשיו הרגשתי כאילו אני -
09:26
(Laughter)
206
554446
1000
(צחוק)
09:27
I felt like I was talking to Nick again.
207
555470
2412
הרגשתי כאילו אני מדבר אל ניק שוב.
09:30
He works for one of the largest
companies in the world,
companies in the world,
208
558437
2624
הוא עובד באחת החברות הגדולות בעולם,
ואני עוד מנסה לגרום לו
להרגיש יותר טוב.
להרגיש יותר טוב.
09:33
and I'm already trying
to make him feel better.
to make him feel better.
209
561085
2206
אבל הוא אמר,
"לא, ראס, אולי אינך מבין.
"לא, ראס, אולי אינך מבין.
09:35
But he said, "No, Russ --
you might not understand.
you might not understand.
210
563315
2445
"לא רק שיש לנו
החיפושים של בינג:
החיפושים של בינג:
09:37
We not only have Bing searches,
211
565784
1500
"אם אתה משתמש באינטרנט אקספלורר
כדי לעשות חיפושים בגוגל,
כדי לעשות חיפושים בגוגל,
09:39
but if you use Internet Explorer
to do searches at Google,
to do searches at Google,
212
567308
3340
09:42
Yahoo, Bing, any ...
213
570672
1891
"יאהו, בינג, מה שלא יהיה...
09:44
Then, for 18 months, we keep that data
for research purposes only."
for research purposes only."
214
572587
3643
"אז למשך שנה וחצי אנו שומרים את המידע הזה
ל'מטרות מחקר' בלבד."
ל'מטרות מחקר' בלבד."
אמרתי, "אלו דיבורים!"
09:48
I said, "Now you're talking!"
215
576254
1936
זה היה אריק הורוביץ,
החבר שלי במיקרוסופט.
החבר שלי במיקרוסופט.
09:50
This was Eric Horvitz,
my friend at Microsoft.
my friend at Microsoft.
216
578214
2198
09:52
So we did a study
217
580436
1695
אז עשינו מחקר
09:54
where we defined 50 words
that a regular person might type in
that a regular person might type in
218
582155
4619
בו הגדרנו 50 מילים
שאדם רגיל עשוי להקליד
שאדם רגיל עשוי להקליד
09:58
if they're having hyperglycemia,
219
586798
1602
אם יש לו היפרגליקמיה,
10:00
like "fatigue," "loss of appetite,"
"urinating a lot," "peeing a lot" --
"urinating a lot," "peeing a lot" --
220
588424
4762
כגון "תשישות", "חוסר תיאבון",
"נותן הרבה שתן", "משתין הרבה" --
"נותן הרבה שתן", "משתין הרבה" --
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
סלחו לי, אבל זה אחד הדברים
שהוא עשוי להקליד.
שהוא עשוי להקליד.
אז יש לנו 50 ביטויים שכינינו:
"מילות הסכרת."
"מילות הסכרת."
10:08
So we had 50 phrases
that we called the "diabetes words."
that we called the "diabetes words."
222
596001
2790
10:10
And we did first a baseline.
223
598815
2063
וקודם יצרנו בסיס.
ומסתבר שבערך חצי אחוז
עד אחוז אחד
עד אחוז אחד
10:12
And it turns out
that about .5 to one percent
that about .5 to one percent
224
600902
2704
10:15
of all searches on the Internet
involve one of those words.
involve one of those words.
225
603630
2982
מכל החיפושים באינטרנט מכיל
את אחת מהמילים הללו.
את אחת מהמילים הללו.
10:18
So that's our baseline rate.
226
606636
1742
זאת הרמה הבסיסית שלנו.
10:20
If people type in "paroxetine"
or "Paxil" -- those are synonyms --
or "Paxil" -- those are synonyms --
227
608402
4143
אם אנשים מקלידים "פרוקסטין" או "פקסיל" --
אלה מילים נרדפות --
אלה מילים נרדפות --
10:24
and one of those words,
228
612569
1215
ואת אחת המילים הללו,
10:25
the rate goes up to about two percent
of diabetes-type words,
of diabetes-type words,
229
613808
4890
אז תדירות הופעת מילות הסכרת
עולה מעל שני אחוזים,
עולה מעל שני אחוזים,
10:30
if you already know
that there's that "paroxetine" word.
that there's that "paroxetine" word.
230
618722
3044
אם יודעים שהמילה "פרוקסטין"
כבר קיימת.
כבר קיימת.
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
אם זה "פרבסטטין", התדירות עולה
לכ-3% מרמת הבסיס.
לכ-3% מרמת הבסיס.
10:39
If both "paroxetine" and "pravastatin"
are present in the query,
are present in the query,
232
627171
4390
אם "פרוקסטין" ו"פרבסטטין"
מופיעות שתיהן בשאילתא,
מופיעות שתיהן בשאילתא,
10:43
it goes up to 10 percent,
233
631585
1669
זה עולה עד ל-10 אחוזים,
10:45
a huge three- to four-fold increase
234
633278
3461
עליה ענקית של פי שלוש או ארבע
10:48
in those searches with the two drugs
that we were interested in,
that we were interested in,
235
636763
3389
בחיפושים הללו
עם שתי התרופות שמעניינות אותנו,
עם שתי התרופות שמעניינות אותנו,
10:52
and diabetes-type words
or hyperglycemia-type words.
or hyperglycemia-type words.
236
640176
3566
ומילות הסכרת או מילות היפרגליקמיה.
10:56
We published this,
237
644216
1265
פרסמנו את זה,
10:57
and it got some attention.
238
645505
1466
וזה זכה לקצת תשומת לב.
10:58
The reason it deserves attention
239
646995
1778
הסיבה שזה ראוי לתשומת לב
11:00
is that patients are telling us
their side effects indirectly
their side effects indirectly
240
648797
4312
היא שכך המטופלים מספרים לנו בעקיפין
על תופעות הלוואי שלהם
על תופעות הלוואי שלהם
11:05
through their searches.
241
653133
1156
דרך החיפושים שלהם.
הסבנו לכך את תשומת הלב של
מינהל המזון והתרופות.
מינהל המזון והתרופות.
11:06
We brought this
to the attention of the FDA.
to the attention of the FDA.
242
654313
2138
11:08
They were interested.
243
656475
1269
זה סיקרן אותם.
11:09
They have set up social media
surveillance programs
surveillance programs
244
657768
3606
הם התקינו תוכניות מעקב
אחרי רשתות חברתיות
אחרי רשתות חברתיות
11:13
to collaborate with Microsoft,
245
661398
1751
בשיתוף פעולה עם מיקרוסופט,
11:15
which had a nice infrastructure
for doing this, and others,
for doing this, and others,
246
663173
2794
שיש לה תשתית יפה לשם כך,
ועם אחרים,
ועם אחרים,
11:17
to look at Twitter feeds,
247
665991
1282
לבחון ציוצים בטוויטר,
11:19
to look at Facebook feeds,
248
667297
1716
לבחון פרסומים בפייסבוק,
11:21
to look at search logs,
249
669037
1311
לבחון רישומים ממנועי חיפוש,
11:22
to try to see early signs that drugs,
either individually or together,
either individually or together,
250
670372
4909
כדי לנסות ולאתר סימנים מוקדמים
לכך שתרופות, בנפרד או ביחד,
לכך שתרופות, בנפרד או ביחד,
11:27
are causing problems.
251
675305
1589
יוצרות בעיות.
11:28
What do I take from this?
Why tell this story?
Why tell this story?
252
676918
2174
מה הלקח שלי בכל זה?
למה לספר את הסיפור?
למה לספר את הסיפור?
ובכן, קודם כל,
11:31
Well, first of all,
253
679116
1207
יש לנו כעת את ההבטחה
הגלומה בנתונים רבים ובינוניים
הגלומה בנתונים רבים ובינוניים
11:32
we have now the promise
of big data and medium-sized data
of big data and medium-sized data
254
680347
4037
11:36
to help us understand drug interactions
255
684408
2918
שיאפשרו לנו להבין
אינטראקציות בין תרופות
אינטראקציות בין תרופות
11:39
and really, fundamentally, drug actions.
256
687350
2420
ובעצם, באופן בסיסי, פעילות של תרופות.
11:41
How do drugs work?
257
689794
1413
איך עובדות תרופות?
11:43
This will create and has created
a new ecosystem
a new ecosystem
258
691231
2836
זה ייצור, וכבר יצר,
מערכת אקולוגית חדשה
מערכת אקולוגית חדשה
11:46
for understanding how drugs work
and to optimize their use.
and to optimize their use.
259
694091
3267
בשביל להבין איך תרופות עובדות
ולמטב את השימוש בהן.
ולמטב את השימוש בהן.
11:50
Nick went on; he's a professor
at Columbia now.
at Columbia now.
260
698303
2659
ניק התקדם הלאה;
עכשיו הוא פרופסור באוניברסיטת קולומביה.
עכשיו הוא פרופסור באוניברסיטת קולומביה.
11:52
He did this in his PhD
for hundreds of pairs of drugs.
for hundreds of pairs of drugs.
261
700986
4072
הוא עשה את זה בדוקטורט שלו
עם מאות זוגות של תרופות.
עם מאות זוגות של תרופות.
11:57
He found several
very important interactions,
very important interactions,
262
705082
2517
הוא מצא כמה אינטראקציות מאד חשובות,
וכך שיכפלנו את זה
11:59
and so we replicated this
263
707623
1214
12:00
and we showed that this
is a way that really works
is a way that really works
264
708861
2574
והראינו שזו דרך שבאמת פועלת
12:03
for finding drug-drug interactions.
265
711459
2339
ומצליחה לאתר אינטראקציות בין-תרופתיות.
12:06
However, there's a couple of things.
266
714282
1734
אבל יש כמה דברים.
12:08
We don't just use pairs
of drugs at a time.
of drugs at a time.
267
716040
3046
אנחנו לא לוקחים בבת אחת
רק זוגות של תרופות.
רק זוגות של תרופות.
12:11
As I said before, there are patients
on three, five, seven, nine drugs.
on three, five, seven, nine drugs.
268
719110
4469
כפי שאמרתי קודם, ישנם מטופלים שלוקחים
שלוש, חמש, שבע, תשע תרופות.
שלוש, חמש, שבע, תשע תרופות.
האם הן באמת נחקרו בהקשר
לאינטראקציה התשע-כיוונית שלהן?
לאינטראקציה התשע-כיוונית שלהן?
12:15
Have they been studied with respect
to their nine-way interaction?
to their nine-way interaction?
269
723981
3642
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
נכון, אנחנו יכולים לבחון זוגות:
א ו-ב, א ו-ג, א ו-ד,
א ו-ב, א ו-ג, א ו-ד,
12:23
but what about A, B, C,
D, E, F, G all together,
D, E, F, G all together,
271
731879
4286
אבל מה עם א, ב, ג, ד, ה, ו, ו-ז
כולם ביחד,
כולם ביחד,
12:28
being taken by the same patient,
272
736189
1762
בהילקחן על ידי אותו המטופל,
12:29
perhaps interacting with each other
273
737975
2118
שאולי יוצרות אינטראקציה ביניהן
בדרכים שמגבירות
או מקטינות את יעילותן,
או מקטינות את יעילותן,
12:32
in ways that either makes them
more effective or less effective
more effective or less effective
274
740117
3778
12:35
or causes side effects
that are unexpected?
that are unexpected?
275
743919
2332
או גורמות לתופעות לוואי בלתי צפויות?
12:38
We really have no idea.
276
746275
1827
באמת שאין לנו מושג.
12:40
It's a blue sky, open field
for us to use data
for us to use data
277
748126
3756
זהו אופק פתוח, תחום לא-ידוע עבורנו
באשר לשימוש בנתונים
באשר לשימוש בנתונים
12:43
to try to understand
the interaction of drugs.
the interaction of drugs.
278
751906
2502
כדי לנסות ולהבין אינטראקציות בין תרופות.
12:46
Two more lessons:
279
754848
1370
שני לקחים נוספים:
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
אני רוצה שתחשבו על הכוח
שהצלחנו ליצור
שהצלחנו ליצור
12:52
with the data from people who had
volunteered their adverse reactions
volunteered their adverse reactions
281
760465
4711
עם הנתונים מאנשים שנידבו
את התופעות השליליות שלהם
את התופעות השליליות שלהם
12:57
through their pharmacists,
through themselves, through their doctors,
through themselves, through their doctors,
282
765200
3269
דרך הרוקחים שלהם,
בעצמם, דרך הרופאים שלהם,
בעצמם, דרך הרופאים שלהם,
האנשים שאיפשרו למאגרי המידע בסטאנפורד,
הרוורד, וונדרבילט,
הרוורד, וונדרבילט,
13:00
the people who allowed the databases
at Stanford, Harvard, Vanderbilt,
at Stanford, Harvard, Vanderbilt,
283
768493
3667
להיות מנוצלים לצרכי מחקר.
13:04
to be used for research.
284
772184
1427
אנשים מודאגים בקשר למידע.
13:05
People are worried about data.
285
773929
1445
הם דואגים לפרטיות ולבטחון שלהם--
ובצדק.
ובצדק.
13:07
They're worried about their privacy
and security -- they should be.
and security -- they should be.
286
775398
3187
אנחנו צריכים מערכות מאובטחות.
13:10
We need secure systems.
287
778609
1151
13:11
But we can't have a system
that closes that data off,
that closes that data off,
288
779784
3406
אבל אנחנו לא יכולים שתהיה מערכת
שחוסמת את הנתונים,
שחוסמת את הנתונים,
13:15
because it is too rich of a source
289
783214
2752
כי זה מקור יותר מדי עשיר
13:17
of inspiration, innovation and discovery
290
785990
3971
של השראה, חדשנות וגילוי
13:21
for new things in medicine.
291
789985
1578
עבור דברים חדשים ברפואה.
13:24
And the final thing I want to say is,
292
792494
1794
והדבר האחרון שאני רוצה לומר הוא,
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
במקרה הזה מצאנו שתי תרופות
וזה היה סיפור קצת עצוב.
וזה היה סיפור קצת עצוב.
שתי התרופות באמת יצרו בעיות.
13:29
The two drugs actually caused problems.
294
797693
1921
13:31
They increased glucose.
295
799638
1475
הם הגבירו רמות גלוקוז.
13:33
They could throw somebody into diabetes
296
801137
2446
הם יכלו לגרום למישהו סכרת
13:35
who would otherwise not be in diabetes,
297
803607
2294
שבנסיבות אחרות לא היתה לו,
13:37
and so you would want to use
the two drugs very carefully together,
the two drugs very carefully together,
298
805925
3175
כך שכדאי להשתמש בשתי התרופות האלה
מאד בזהירות ביחד,
מאד בזהירות ביחד,
אולי לא לקחת אותן יחד,
13:41
perhaps not together,
299
809124
1151
אולי לרשום תרופות אחרות.
13:42
make different choices
when you're prescribing.
when you're prescribing.
300
810299
2340
13:44
But there was another possibility.
301
812663
1846
אבל היתה אפשרות אחרת.
יכולנו למצוא שתיים או שלוש תרופות
13:46
We could have found
two drugs or three drugs
two drugs or three drugs
302
814533
2344
שפועלות באינטראקציה ויוצרות אפקט חיובי.
13:48
that were interacting in a beneficial way.
303
816901
2261
13:51
We could have found new effects of drugs
304
819616
2712
היינו יכולים לגלות אפקטים חדשים של תרופות
13:54
that neither of them has alone,
305
822352
2160
שלא קיימים לאף אחת מהן בנפרד,
13:56
but together, instead
of causing a side effect,
of causing a side effect,
306
824536
2493
אך ביחד, במקום לגרום לתופעות לוואי,
13:59
they could be a new and novel treatment
307
827053
2425
הן יכולות להוות טיפול חדש וחדשני
14:01
for diseases that don't have treatments
308
829502
1882
למחלות להן אין לנו טיפול
או שהטיפול בהן איננו יעיל.
או שהטיפול בהן איננו יעיל.
14:03
or where the treatments are not effective.
309
831408
2007
אם ניקח טיפול תרופתי כיום,
את כל פריצות הדרך החשובות --
את כל פריצות הדרך החשובות --
14:05
If we think about drug treatment today,
310
833439
2395
14:07
all the major breakthroughs --
311
835858
1752
14:09
for HIV, for tuberculosis,
for depression, for diabetes --
for depression, for diabetes --
312
837634
4297
לאיידס, לשחפת, לדיכאון, לסכרת --
14:13
it's always a cocktail of drugs.
313
841955
2830
זה תמיד קוקטייל של תרופות.
כך שהצד החיובי כאן,
14:16
And so the upside here,
314
844809
1730
14:18
and the subject for a different
TED Talk on a different day,
TED Talk on a different day,
315
846563
2849
והנושא להרצאת TED אחרת, ביום אחר,
14:21
is how can we use the same data sources
316
849436
2593
הוא איך אנחנו יכולים להשתמש
באותם מקורות המידע
באותם מקורות המידע
14:24
to find good effects
of drugs in combination
of drugs in combination
317
852053
3563
כדי למצוא אפקטים חיוביים
של שילובי תרופות
של שילובי תרופות
שייצרו לנו טיפולים חדשים,
14:27
that will provide us new treatments,
318
855640
2175
תובנות חדשות באשר
לדרכי הפעולה של תרופות,
לדרכי הפעולה של תרופות,
14:29
new insights into how drugs work
319
857839
1852
14:31
and enable us to take care
of our patients even better?
of our patients even better?
320
859715
3786
ויאפשרו לנו לטפל בחולים שלנו
אפילו יותר טוב?
אפילו יותר טוב?
תודה רבה.
14:35
Thank you very much.
321
863525
1166
(מחיאות כפיים)
14:36
(Applause)
322
864715
3499
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