TEDxSaltLakeCity
Kevin B. Jones: Why curiosity is the key to science and medicine
Kevin Jones: A tudomány és gyógyítás kulcsa a kíváncsiság
Filmed:
Readability: 4
979,652 views
A tudomány tanulási folyamat, melynek részei a kísérletezés, hibázás és felülvizsgálat, és ez így van a gyógyítás tudományában is. Kevin B. Jones rákkutató szerint a sebészetben és a gyógyításban található hiányosságokra a válasz egyszerű: tisztesség. A tudás természetéről szóló elgondolkoztató előadásában Jones rámutat, hogy az a legjobb a tudománynak, ha a tudósok alázatosan elismerik, amit még nem tudnak.
Kevin B. Jones - Cancer researcher
Kevin B. Jones is a life-long student of human nature, fascinated most by the decision-making capacity intrinsic to each of us. Full bio
Kevin B. Jones is a life-long student of human nature, fascinated most by the decision-making capacity intrinsic to each of us. Full bio
Double-click the English transcript below to play the video.
00:12
Science.
0
840
1200
Tudomány.
00:14
The very word for many of you conjures
unhappy memories of boredom
unhappy memories of boredom
1
2760
3416
E szóról többeknek
középiskolai biológia- és fizikaórák
nyomasztó unalma jut eszébe.
nyomasztó unalma jut eszébe.
00:18
in high school biology or physics class.
2
6200
2896
00:21
But let me assure that what you did there
3
9120
3096
De ami ott folyt,
annak vajmi kevés köze van a tudományhoz.
00:24
had very little to do with science.
4
12240
2176
00:26
That was really the "what" of science.
5
14440
2296
Az a tudomány mit alkotott része volt.
00:28
It was the history
of what other people had discovered.
of what other people had discovered.
6
16760
2720
Mások felfedezéséről szóló történet volt.
00:32
What I'm most interested in as a scientist
7
20720
2336
Engem tudósként
00:35
is the "how" of science.
8
23080
2136
a tudomány hogyanja érdekel.
00:37
Because science is knowledge in process.
9
25240
3816
Mert a tudomány folyamatban
levő tudás.
levő tudás.
00:41
We make an observation,
guess an explanation for that observation,
guess an explanation for that observation,
10
29080
3456
Megfigyelünk valamit,
magyarázatot találunk ki hozzá,
magyarázatot találunk ki hozzá,
aztán feltevést alakítunk ki,
amelyet tesztelhetünk
amelyet tesztelhetünk
00:44
and then make a prediction
that we can test
that we can test
11
32560
2056
00:46
with an experiment or other observation.
12
34640
1920
kísérlettel vagy másik megfigyeléssel.
00:49
A couple of examples.
13
37080
1336
Következzen pár példa.
00:50
First of all, people noticed
that the Earth was below, the sky above,
that the Earth was below, the sky above,
14
38440
3576
Őseink észrevették,
hogy fent az ég és lent a Föld,
hogy fent az ég és lent a Föld,
00:54
and both the Sun and the Moon
seemed to go around them.
seemed to go around them.
15
42040
3880
s úgy tűnt, a Nap s a Hold körötte kering.
00:58
Their guessed explanation
16
46720
1536
Azt a magyarázatot találták ki,
01:00
was that the Earth must be
the center of the universe.
the center of the universe.
17
48280
3080
hogy a Föld biztos az univerzum közepe.
01:04
The prediction: everything
should circle around the Earth.
should circle around the Earth.
18
52240
3200
Föltevésük: a Föld körül kering minden.
01:08
This was first really tested
19
56120
1656
Ezt akkor tesztelték igazán,
01:09
when Galileo got his hands
on one of the first telescopes,
on one of the first telescopes,
20
57800
2816
amikor Galilei hozzájutott
az első távcsövek egyikéhez,
az első távcsövek egyikéhez,
01:12
and as he gazed into the night sky,
21
60640
2376
és föltárult előtte az éjszakai égbolt.
01:15
what he found there was a planet, Jupiter,
22
63040
3696
Meglátta a Jupiter bolygót,
01:18
with four moons circling around it.
23
66760
4000
a körülötte keringő négy holdját.
01:23
He then used those moons
to follow the path of Jupiter
to follow the path of Jupiter
24
71760
4376
A holdak segítségével
követte a Jupiter pályáját,
követte a Jupiter pályáját,
01:28
and found that Jupiter
also was not going around the Earth
also was not going around the Earth
25
76160
3736
s rájött, hogy a Jupiter sem a Föld körül,
01:31
but around the Sun.
26
79920
1960
hanem a Nap körül kering.
01:35
So the prediction test failed.
27
83160
2280
A föltevés tehát nem igazolódott.
01:38
And this led to
the discarding of the theory
the discarding of the theory
28
86400
2096
Elvetették az elméletet,
01:40
that the Earth was the center
of the universe.
of the universe.
29
88520
2176
miszerint a Föld
az univerzum közepe lenne.
az univerzum közepe lenne.
01:42
Another example: Sir Isaac Newton
noticed that things fall to the Earth.
noticed that things fall to the Earth.
30
90720
4096
Másik példa: Isaac Newon észrevette,
hogy a tárgyak leesnek a Földre.
hogy a tárgyak leesnek a Földre.
01:46
The guessed explanation was gravity,
31
94840
2920
A magyarázata a gravitáció volt.
01:50
the prediction that everything
should fall to the Earth.
should fall to the Earth.
32
98520
3136
A feltevés pedig, hogy minden
le kell essen a Földre.
le kell essen a Földre.
01:53
But of course, not everything
does fall to the Earth.
does fall to the Earth.
33
101680
3560
Persze, nem minden esik le a Földre.
01:58
So did we discard gravity?
34
106200
1560
Tehát elvetettük a gravitációt?
02:00
No. We revised the theory and said,
gravity pulls things to the Earth
gravity pulls things to the Earth
35
108920
4416
Nem! Csak kiigazítottuk elméletünket:
a gravitáció addig vonzza a tárgyakat
a gravitáció addig vonzza a tárgyakat
02:05
unless there is an equal
and opposite force in the other direction.
and opposite force in the other direction.
36
113360
4200
a Föld felé. amíg föl nem lép egy
ellentétes irányú ugyanakkora erő.
ellentétes irányú ugyanakkora erő.
02:10
This led us to learn something new.
37
118160
2160
Újat tanultunk.
Több figyelmet fordítottunk
a madarakra és szárnyaikra.
a madarakra és szárnyaikra.
02:12
We began to pay more attention
to the bird and the bird's wings,
to the bird and the bird's wings,
38
120920
3256
02:16
and just think of all the discoveries
39
124200
2376
Gondoljanak csak
a repüléssel összefüggő
összes fölfedezésre.
összes fölfedezésre.
02:18
that have flown
from that line of thinking.
from that line of thinking.
40
126600
2039
02:21
So the test failures,
the exceptions, the outliers
the exceptions, the outliers
41
129639
5137
Ezért a kísérletek kudarca,
a kivételek, a kiugró értékek
a kivételek, a kiugró értékek
02:26
teach us what we don't know
and lead us to something new.
and lead us to something new.
42
134800
4560
még nem ismert új dolgokra tanítanak,
és új felfedezésekhez vezetnek.
és új felfedezésekhez vezetnek.
02:32
This is how science moves forward.
This is how science learns.
This is how science learns.
43
140000
3200
Így tanul és halad a tudomány.
02:35
Sometimes in the media,
and even more rarely,
and even more rarely,
44
143840
2256
Olykor a média és nála ritkábban,
02:38
but sometimes even scientists will say
45
146120
2416
néha még tudósok is használják
02:40
that something or other
has been scientifically proven.
has been scientifically proven.
46
148560
2760
a tudományosan igazolt tény kifejezést.
02:43
But I hope that you understand
that science never proves anything
that science never proves anything
47
151880
4576
De remélem, értik: végérvényesen,
örökre sosem bizonyít be semmit
örökre sosem bizonyít be semmit
02:48
definitively forever.
48
156480
1880
.a tudomány.
02:51
Hopefully science remains curious enough
49
159520
3816
De remélhetőleg a tudomány
elég kíváncsi marad ahhoz,
elég kíváncsi marad ahhoz,
02:55
to look for
50
163360
1416
hogy kutasson,
02:56
and humble enough to recognize
51
164800
1976
és elég szerény ahhoz, hogy felismerje,
02:58
when we have found
52
166800
1496
ha rátalál
03:00
the next outlier,
53
168320
1696
a következő rendhagyó esetre,
03:02
the next exception,
54
170040
1496
a következő kivételre,
03:03
which, like Jupiter's moons,
55
171560
2296
amely – mint a Jupiter holdjai esetében –
03:05
teaches us what we don't actually know.
56
173880
2600
megtanítja nekünk, amit még nem tudunk.
03:09
We're going to change gears
here for a second.
here for a second.
57
177160
2536
Itt váltsunk sebességet.
03:11
The caduceus, or the symbol of medicine,
58
179720
1936
A caduceus, az orvoslás szimbóluma
03:13
means a lot of different things
to different people,
to different people,
59
181680
2456
embere válogatja,
milyen sok jelentéssel bírt.
milyen sok jelentéssel bírt.
03:16
but most of our
public discourse on medicine
public discourse on medicine
60
184160
2256
De az orvoslásról szóló közbeszédet
03:18
really turns it into
an engineering problem.
an engineering problem.
61
186440
2776
jórészt műszaki kérdéssé változtatja.
03:21
We have the hallways of Congress,
62
189240
1736
A Kongresszus folyosóin
03:23
and the boardrooms of insurance companies
that try to figure out how to pay for it.
that try to figure out how to pay for it.
63
191000
4000
és a biztosítók tanácstermeiben
gondolkoznak, mennyit fizessenek érte.
gondolkoznak, mennyit fizessenek érte.
Etikai és járványügyi szakértők
03:27
The ethicists and epidemiologists
64
195680
1616
03:29
try to figure out
how best to distribute medicine,
how best to distribute medicine,
65
197320
2696
jobb gyógyszerelosztáson törik a fejüket,
03:32
and the hospitals and physicians
are absolutely obsessed
are absolutely obsessed
66
200040
2656
a kórházak és az orvosok
rögeszmésen ragaszkodnak
rögeszmésen ragaszkodnak
03:34
with their protocols and checklists,
67
202720
1936
a protokollokhoz és előírásokhoz,
03:36
trying to figure out
how best to safely apply medicine.
how best to safely apply medicine.
68
204680
3536
hogy biztonságosabbá tegyék a gyógyítást.
03:40
These are all good things.
69
208240
2120
Ezek jó elgondolások.
03:42
However, they also all assume
70
210960
2736
Bár bizonyos fokig
03:45
at some level
71
213720
1976
ezek mind feltételezik,
03:47
that the textbook of medicine is closed.
72
215720
2520
hogy az orvosi tankönyvek már teljesek.
03:51
We start to measure
the quality of our health care
the quality of our health care
73
219160
2496
Az egészségügyi szolgáltatás minőségét
03:53
by how quickly we can access it.
74
221680
2536
a hozzáférés sebességével mérjük.
03:56
It doesn't surprise me
that in this climate,
that in this climate,
75
224240
2096
Nem meglepő, hogy e környezetben
03:58
many of our institutions
for the provision of health care
for the provision of health care
76
226360
2816
számos egészségügyi intézmény
04:01
start to look a heck of a lot
like Jiffy Lube.
like Jiffy Lube.
77
229200
2496
inkább autószervizre hasonlít.
04:03
(Laughter)
78
231720
2576
(Nevetés)
04:06
The only problem is that
when I graduated from medical school,
when I graduated from medical school,
79
234320
3936
Az egyetlen gond,
hogy mikor elvégeztem az orvosit,
hogy mikor elvégeztem az orvosit,
04:10
I didn't get one of those
little doohickeys
little doohickeys
80
238280
2056
nem kaptam olyan kütyüt,
04:12
that your mechanic
has to plug into your car
has to plug into your car
81
240360
2376
amit szerelők autónkhoz csatlakoztatnak,
04:14
and find out exactly what's wrong with it,
82
242760
2376
hogy pontosan megtudják, mi a hiba.
04:17
because the textbook of medicine
83
245160
2096
Mert az orvosi tankönyvek
04:19
is not closed.
84
247280
1520
nem teljesek.
04:21
Medicine is science.
85
249320
1840
A gyógyítás pedig tudomány.
04:23
Medicine is knowledge in process.
86
251560
2680
A gyógyítás folyamatban levő tudás.
04:27
We make an observation,
87
255280
1376
Megfigyelünk valamit,
04:28
we guess an explanation
of that observation,
of that observation,
88
256680
2135
magyarázatot találunk rá,
04:30
and then we make a prediction
that we can test.
that we can test.
89
258839
2617
előrejelzést dolgozunk ki,
amelyet tesztelhetünk.
amelyet tesztelhetünk.
04:33
Now, the testing ground
of most predictions in medicine
of most predictions in medicine
90
261480
3576
A gyógyítás legtöbb előrejelzését
04:37
is populations.
91
265080
1536
a népességen tesztelik.
04:38
And you may remember
from those boring days in biology class
from those boring days in biology class
92
266640
3576
Emlékezhetnek unalmas biológiaórákról,
04:42
that populations tend to distribute
93
270240
2176
hogy a népesség valamely mérőszáma
04:44
around a mean
94
272440
1216
az átlagérték körül
04:45
as a Gaussian or a normal curve.
95
273680
1856
Gauss- vagy normális eloszlású.
04:47
Therefore, in medicine,
96
275560
1656
Tehát a gyógyításban
04:49
after we make a prediction
from a guessed explanation,
from a guessed explanation,
97
277240
3216
amikor magyarázat alapján
előrejelzést fogalmazunk meg,
előrejelzést fogalmazunk meg,
04:52
we test it in a population.
98
280480
1880
azt a népességen teszteljük.
04:55
That means that what we know in medicine,
99
283320
2936
Eszerint tudásunk a gyógyításról,
04:58
our knowledge and our know-how,
100
286280
2256
ismereteink és a know-how
05:00
comes from populations
101
288560
2256
a népességből származik,
05:02
but extends only as far
102
290840
2776
de csak addig terjed,
05:05
as the next outlier,
103
293640
1736
míg a következő rendellenesség,
05:07
the next exception,
104
295400
1216
a következő kivétel,
05:08
which, like Jupiter's moons,
105
296640
1736
– mint a Jupiter holdjai –
05:10
will teach us what we don't actually know.
106
298400
2400
meg nem tanítja, amit még nem tudtunk.
05:14
Now, I am a surgeon
107
302080
1336
Sebész vagyok.
05:15
who looks after patients with sarcoma.
108
303440
2416
Szarkómás betegekkel foglalkozom.
05:17
Sarcoma is a very rare form of cancer.
109
305880
2200
A szarkóma ritka rákfajta,
05:20
It's the cancer of flesh and bones.
110
308720
2040
lágy részek és csontok daganata.
05:23
And I would tell you that every one
of my patients is an outlier,
of my patients is an outlier,
111
311240
4336
Minden páciensem
05:27
is an exception.
112
315600
1200
egyedi, rendhagyó eset.
05:30
There is no surgery I have ever performed
for a sarcoma patient
for a sarcoma patient
113
318000
3216
Sosem végeztem olyan sebészeti
műtétet szarkómás páciensen,
műtétet szarkómás páciensen,
05:33
that has ever been guided
by a randomized controlled clinical trial,
by a randomized controlled clinical trial,
114
321240
4256
melyet ellenőrzött randomizált
klinikai kísérletből leszűrt,
klinikai kísérletből leszűrt,
05:37
what we consider the best kind
of population-based evidence in medicine.
of population-based evidence in medicine.
115
325520
3720
népességalapú legjobb bizonyíték
befolyásolt volna.
befolyásolt volna.
05:42
People talk about thinking
outside the box,
outside the box,
116
330400
2296
Emlegetik a kreatív gondolkozást,
de szarkóma esetén a szokványos
sincs meg, amitől eltérjünk.
sincs meg, amitől eltérjünk.
05:44
but we don't even have a box in sarcoma.
117
332720
2736
05:47
What we do have as we take
a bath in the uncertainty
a bath in the uncertainty
118
335480
3336
Csak a bizonytalanba ugorhatunk fejest.
05:50
and unknowns and exceptions
and outliers that surround us in sarcoma
and outliers that surround us in sarcoma
119
338840
4136
A szarkómánál a bennünket körülvevő
ismeretlenek, kivételek, anomáliák révén
ismeretlenek, kivételek, anomáliák révén
05:55
is easy access to what I think
are those two most important values
are those two most important values
120
343000
4536
bármely tudomány
két legfontosabb értékéhez
két legfontosabb értékéhez
05:59
for any science:
121
347560
1536
könnyen hozzájutunk:
06:01
humility and curiosity.
122
349120
2200
alázatossághoz és kíváncsisághoz.
06:04
Because if I am humble and curious,
123
352000
2296
Mert ha alázatosak és kíváncsiak vagyunk,
06:06
when a patient asks me a question,
124
354320
2296
mikor egy szarkómás olyat kérdez,
06:08
and I don't know the answer,
125
356640
1440
amire nem tudom a választ,
akkor a kollégámhoz fordulok,
06:10
I'll ask a colleague
126
358920
1216
06:12
who may have a similar
albeit distinct patient with sarcoma.
albeit distinct patient with sarcoma.
127
360160
3016
akinek lehet más,
de hasonlón kirívó esete.
de hasonlón kirívó esete.
06:15
We'll even establish
international collaborations.
international collaborations.
128
363200
2696
Még nemzetközi együttműködést is keresünk.
06:17
Those patients will start
to talk to each other through chat rooms
to talk to each other through chat rooms
129
365920
3136
A páciensek csevegőszobákban,
támogatói csoportokban
támogatói csoportokban
06:21
and support groups.
130
369080
1200
beszélnek egymással.
06:22
It's through this kind
of humbly curious communication
of humbly curious communication
131
370800
3576
Ezekből a szerény
és érdeklődő beszélgetésekből
és érdeklődő beszélgetésekből
06:26
that we begin to try and learn new things.
132
374400
3560
próbálunk új dolgokat tanulni.
06:31
As an example, this is a patient of mine
133
379240
2056
Pl., ő az egyik páciensem,
06:33
who had a cancer near his knee.
134
381320
1680
akinek a térde táján volt daganata.
06:35
Because of humbly curious communication
135
383480
2376
A szerény s érdeklődő beszélgetésekből
06:37
in international collaborations,
136
385880
2096
nemzetközi együttműködés
során megtudtuk,
során megtudtuk,
06:40
we have learned that we can repurpose
the ankle to serve as the knee
the ankle to serve as the knee
137
388000
4536
hogy a bokát átműthetjük
06:44
when we have to remove the knee
with the cancer.
with the cancer.
138
392560
2256
a daganat miatt
eltávolítandó térd helyére.
eltávolítandó térd helyére.
06:46
He can then wear a prosthetic
and run and jump and play.
and run and jump and play.
139
394840
2840
Protézist kaphat, amellyel futhat,
ugrálhat, játszhat.
ugrálhat, játszhat.
06:50
This opportunity was available to him
140
398360
3016
E lehetőség nemzetközi együttműködés révén
06:53
because of international collaborations.
141
401400
2776
vált elérhetővé számára.
06:56
It was desirable to him
142
404200
1696
Vonzó volt számára,
06:57
because he had contacted other patients
who had experienced it.
who had experienced it.
143
405920
2960
mert kapcsolatba került másokkal,
akik ezt már átélték.
akik ezt már átélték.
07:01
And so exceptions and outliers in medicine
144
409920
4056
A gyógyításban a kivételek
és rendhagyó esetek
és rendhagyó esetek
07:06
teach us what we don't know,
but also lead us to new thinking.
but also lead us to new thinking.
145
414000
3960
megtanítanak rá, amit még nem tudunk
s új gondolkozásmódra késztetnek.
s új gondolkozásmódra késztetnek.
07:11
Now, very importantly,
146
419080
1856
Fontos tudnunk, hogy az orvoslásban
az új gondolkodásmód,
az új gondolkodásmód,
07:12
all the new thinking that outliers
and exceptions lead us to in medicine
and exceptions lead us to in medicine
147
420960
3856
amelyre a rendhagyó esetek
s a kivételek rávezetnek,
s a kivételek rávezetnek,
07:16
does not only apply
to the outliers and exceptions.
to the outliers and exceptions.
148
424840
3360
az nemcsak rájuk alkalmazható.
07:20
It is not that we only learn
from sarcoma patients
from sarcoma patients
149
428920
3176
A szarkómás páciensektől
07:24
ways to manage sarcoma patients.
150
432120
1960
nemcsak kezelésük módját tanuljuk meg.
07:26
Sometimes, the outliers
151
434920
2056
Néha a rendhagyó esetek
07:29
and the exceptions
152
437000
1696
és a kivételek
07:30
teach us things that matter quite a lot
to the general population.
to the general population.
153
438720
3240
jelentős dolgokat tanítanak
a népesség egészéről is.
a népesség egészéről is.
07:35
Like a tree standing outside a forest,
154
443360
1856
Mint egy erdő mellett álló fa
07:37
the outliers and the exceptions
draw our attention
draw our attention
155
445240
4016
felhívja figyelmünket, mi a fa lényege,
07:41
and lead us into a much greater sense
of perhaps what a tree is.
of perhaps what a tree is.
156
449280
4336
a rendhagyó eset és a kivétel
is rámutat a lényegre.
is rámutat a lényegre.
07:45
We often talk about
losing the forests for the trees,
losing the forests for the trees,
157
453640
2496
Szokták mondani,
hogy a fától nem látjuk az erdőt,
hogy a fától nem látjuk az erdőt,
07:48
but one also loses a tree
158
456160
1816
de a fát sem vesszük néha észre
07:50
within a forest.
159
458000
1520
az erdőben.
07:53
But the tree that stands out by itself
160
461000
1856
De a magányosan álló fa is
07:54
makes those relationships
that define a tree,
that define a tree,
161
462880
2896
megtestesíti a fát jellemző kapcsolatokat,
07:57
the relationships between trunk
and roots and branches,
and roots and branches,
162
465800
3816
benne is kétségtelenül megvan
a törzs, a gyökerek
s az ágak közötti viszony.
s az ágak közötti viszony.
08:01
much more apparent.
163
469640
1240
08:03
Even if that tree is crooked
164
471360
1696
Még ha a fa görbe,
08:05
or even if that tree
has very unusual relationships
has very unusual relationships
165
473080
2976
vagy nem szokványos
08:08
between trunk and roots and branches,
166
476080
2296
a törzs, gyökér és ágak összekapcsolódása,
08:10
it nonetheless draws our attention
167
478400
2696
akkor is ráirányítja a figyelmünket,
08:13
and allows us to make observations
168
481120
1896
megfigyelhetjük,
08:15
that we can then test
in the general population.
in the general population.
169
483040
2240
aztán tesztelhetjük a népesség egészén.
08:18
I told you that sarcomas are rare.
170
486000
1976
Említettem, hogy a szarkóma ritka,
08:20
They make up about one percent
of all cancers.
of all cancers.
171
488000
2640
a daganatos betegségek kb. 1%-át teszi ki.
08:23
You also probably know that cancer
is considered a genetic disease.
is considered a genetic disease.
172
491280
3960
Valószínű tudják, hogy a rákot
genetikai eredetűnek tartják.
genetikai eredetűnek tartják.
08:27
By genetic disease we mean
that cancer is caused by oncogenes
that cancer is caused by oncogenes
173
495840
3336
Ez azt jelenti, hogy a rákot
onkogének okozzák,
onkogének okozzák,
08:31
that are turned on in cancer
174
499200
1376
amelyek elrákosodnak,
08:32
and tumor suppressor genes
that are turned off to cause cancer.
that are turned off to cause cancer.
175
500600
3040
és vannak tumorszuppresszor gének,
melyek ha leállnak, rákot okoznak.
melyek ha leállnak, rákot okoznak.
08:36
You might think
that we learned about oncogenes
that we learned about oncogenes
176
504160
2416
Ha azt gondolják, hogy az onkogénekről
08:38
and tumor suppressor genes
from common cancers
from common cancers
177
506600
2216
s tumorszupresszor génekről
a gyakori rákokból
a gyakori rákokból
08:40
like breast cancer and prostate cancer
178
508840
1976
– pl. emlőrák, prosztatarák,
08:42
and lung cancer,
179
510840
1496
tüdőrák – tanultunk,
08:44
but you'd be wrong.
180
512360
1199
akkor tévednek.
08:46
We learned about oncogenes
and tumor suppressor genes
and tumor suppressor genes
181
514000
2895
Az onkogénekről
és tumorszuppresszor génekről
és tumorszuppresszor génekről
08:48
for the first time
182
516919
1216
először
08:50
in that itty-bitty little one percent
of cancers called sarcoma.
of cancers called sarcoma.
183
518159
3441
ebből az icipici 1%-ból tanultunk.
Peyton Rous 1966-ban Nobel-díjat kapott,
08:54
In 1966, Peyton Rous got the Nobel Prize
184
522760
2576
08:57
for realizing that chickens
185
525360
2016
mert felfedezte a csirkéknél
08:59
had a transmissible form of sarcoma.
186
527400
3120
a szarkóma transzmissziós formáját.
09:03
Thirty years later, Harold Varmus
and Mike Bishop discovered
and Mike Bishop discovered
187
531260
2836
30 év múlva Harold Varmus és Mike Bishop
09:06
what that transmissible element was.
188
534120
2536
felfedezte a transzmissziós anyagot.
09:08
It was a virus
189
536680
1576
Egy vírus volt.
09:10
carrying a gene,
190
538280
1416
Hordozta a gént.
09:11
the src oncogene.
191
539720
1440
Az SRC onkogént.
09:13
Now, I will not tell you
that src is the most important oncogene.
that src is the most important oncogene.
192
541880
3656
Nem mondom, hogy az SRC
a legfontosabb onkogén.
a legfontosabb onkogén.
09:17
I will not tell you
193
545560
1216
Azt sem állítom,
09:18
that src is the most frequently
turned on oncogene in all of cancer.
turned on oncogene in all of cancer.
194
546800
3496
hogy minden rákban az SRC
a leggyakrabban előforduló onkogén.
a leggyakrabban előforduló onkogén.
09:22
But it was the first oncogene.
195
550320
2440
De az volt az első onkogén .
09:25
The exception, the outlier
196
553960
2336
A kivétel, a rendhagyó
09:28
drew our attention and led us to something
197
556320
2520
hívta fel figyelmünket valamire,
09:31
that taught us very important things
about the rest of biology.
about the rest of biology.
198
559520
4040
ami nagyon fontos dolgokat
tanított a biológiáról.
tanított a biológiáról.
09:36
Now, TP53 is the most important
tumor suppressor gene.
tumor suppressor gene.
199
564880
4096
A p53 gén a legfontosabb
tumorszuppresszor gén.
tumorszuppresszor gén.
09:41
It is the most frequently turned off
tumor suppressor gene
tumor suppressor gene
200
569000
2736
A leggyakrabban kiiktatott
tumorszupresszor gén
tumorszupresszor gén
09:43
in almost every kind of cancer.
201
571760
1800
majdnem minden rákfajta esetén.
09:46
But we didn't learn about it
from common cancers.
from common cancers.
202
574360
2296
De nem a gyakori rákoknál fedeztük fel.
09:48
We learned about it
when doctors Li and Fraumeni
when doctors Li and Fraumeni
203
576680
2416
Li és Fraumeni orvosok fedezték fel,
09:51
were looking at families,
204
579120
1576
akik családok kezelése során rájöttek,
09:52
and they realized that these families
205
580720
2016
hogy e családokban
09:54
had way too many sarcomas.
206
582760
2520
lényegesen több szarkómás volt.
09:57
I told you that sarcoma is rare.
207
585920
1776
Említettem, hogy a szarkóma ritka.
09:59
Remember that a one
in a million diagnosis,
in a million diagnosis,
208
587720
3176
Egymillió emberből egy a szarkómás.
10:02
if it happens twice in one family,
209
590920
2136
kétszeri előfordulása egy családban
10:05
is way too common in that family.
210
593080
2400
már túl gyakorinak számít.
10:08
The very fact that these are rare
211
596640
2696
A ritka előfordulás
felhívta figyelmünket,
10:11
draws our attention
212
599360
1440
10:13
and leads us to new kinds of thinking.
213
601760
2240
és más gondolatmenethez vezetett.
10:17
Now, many of you may say,
214
605480
1456
Fogalmazhatunk úgy is,
10:18
and may rightly say,
215
606960
1536
és jogosan tesszük:
10:20
that yeah, Kevin, that's great,
216
608520
1896
"Igazad van Kevin, ez nagyszerű,
10:22
but you're not talking
about a bird's wing.
about a bird's wing.
217
610440
2056
de nem a madár szárnyáról van szó.
10:24
You're not talking about moons
floating around some planet Jupiter.
floating around some planet Jupiter.
218
612520
3480
Nem valami Jupiter körül
keringő holdról beszélsz,
keringő holdról beszélsz,
10:28
This is a person.
219
616520
1536
hanem emberekről.
10:30
This outlier, this exception,
may lead to the advancement of science,
may lead to the advancement of science,
220
618080
3256
Ez a rendhagyó eset, kivétel
előre viheti a tudományt,
előre viheti a tudományt,
10:33
but this is a person.
221
621360
1200
de ő ember."
10:36
And all I can say
222
624280
1616
Csak azt mondhatom,
10:37
is that I know that all too well.
223
625920
2360
hogy teljesen tudatában vagyok ennek.
10:41
I have conversations with these patients
with rare and deadly diseases.
with rare and deadly diseases.
224
629760
3400
Beszélgetek ritka és végzetes
betegségben szenvedő páciensekkel.
betegségben szenvedő páciensekkel.
10:45
I write about these conversations.
225
633800
1936
Írok e beszélgetésekről.
10:47
These conversations are terribly fraught.
226
635760
2296
E beszélgetések szörnyen kiborítanak.
10:50
They're fraught with horrible phrases
227
638080
1816
Borzalmas frázisokkal terheltek:
10:51
like "I have bad news"
or "There's nothing more we can do."
or "There's nothing more we can do."
228
639920
3240
"Rossz hírem van",
"Többet már nem tehetünk".
"Többet már nem tehetünk".
10:55
Sometimes these conversations
turn on a single word:
turn on a single word:
229
643760
3200
Néha a beszélgetésekben
egyetlen szó villan föl:
egyetlen szó villan föl:
10:59
"terminal."
230
647760
1200
a "vég".
11:04
Silence can also be rather uncomfortable.
231
652920
2920
A csend is elég kínos.
11:09
Where the blanks are in medicine
232
657360
2576
A gyógyítás fehér foltjai
11:11
can be just as important
233
659960
1856
ugyanolyan fontosak,
11:13
as the words that we use
in these conversations.
in these conversations.
234
661840
2240
mint a beszélgetés során használt szavak.
11:17
What are the unknowns?
235
665080
1536
Melyek a hiányosságok?
11:18
What are the experiments
that are being done?
that are being done?
236
666640
2200
Milyen kísérleteket végzünk?
11:21
Do this little exercise with me.
237
669680
1696
Végezzék e kis gyakorlatot velem.
11:23
Up there on the screen,
you see this phrase, "no where."
you see this phrase, "no where."
238
671400
3216
A képernyőn látható: "no where" – sehol.
11:26
Notice where the blank is.
239
674640
1280
Megjegyezték a szóköz helyét?
11:28
If we move that blank one space over
240
676680
3200
Ha a szóköz egy betűvel arrább van:
11:32
"no where"
241
680640
1576
a "no where" – sehol
11:34
becomes "now here,"
242
682240
2696
átalakul "now here" – most itt-té,
11:36
the exact opposite meaning,
243
684960
1896
pontosan ellentétes értelművé
11:38
just by shifting the blank one space over.
244
686880
2200
csak a szóköz áthelyezésével.
11:43
I'll never forget the night
245
691680
1576
Sosem felejtem el az éjszakát,
11:45
that I walked into
one of my patients' rooms.
one of my patients' rooms.
246
693280
2240
amikor bementem egyik páciensem szobájába.
11:48
I had been operating long that day
247
696280
1656
Hosszan műtöttem aznap,
11:49
but I still wanted to come and see him.
248
697960
2016
de őt mégis szerettem volna megnézni.
11:52
He was a boy I had diagnosed
with a bone cancer a few days before.
with a bone cancer a few days before.
249
700000
3200
Egy fiú volt, akinél csontrákot
állapítottam meg pár nappal korábban.
állapítottam meg pár nappal korábban.
11:55
He and his mother had been meeting
with the chemotherapy doctors
with the chemotherapy doctors
250
703840
3056
A fiú és édesanyja találkoztak
a kemoterápiás orvosokkal
a kemoterápiás orvosokkal
11:58
earlier that day,
251
706920
1216
korábban a nap folyamán,
12:00
and he had been admitted
to the hospital to begin chemotherapy.
to the hospital to begin chemotherapy.
252
708160
2976
akik beutalták a fiút kórházi kezelésre.
12:03
It was almost midnight
when I got to his room.
when I got to his room.
253
711160
2176
Majdnem éjfél volt,
mikor a szobájába értem.
mikor a szobájába értem.
12:05
He was asleep, but I found his mother
254
713360
2176
A fiú aludt, de édesanyja
12:07
reading by flashlight
255
715560
1576
zseblámpánál olvasott
12:09
next to his bed.
256
717160
1456
az ágya mellett.
12:10
She came out in the hall
to chat with me for a few minutes.
to chat with me for a few minutes.
257
718640
2800
Kijött a folyosóra
csevegni velem pár percet.
csevegni velem pár percet.
12:14
It turned out that
what she had been reading
what she had been reading
258
722280
2096
Kiderült,
hogy a kemoterápiás orvosoktól
12:16
was the protocol
that the chemotherapy doctors
that the chemotherapy doctors
259
724400
2176
aznap kapott protokollt olvassa.
12:18
had given her that day.
260
726600
1240
12:20
She had memorized it.
261
728200
1240
Kívülről megtanulta.
12:23
She said, "Dr. Jones, you told me
262
731200
3536
Azt monta: "Dr. Jones,
maga azt mondta,
maga azt mondta,
12:26
that we don't always win
263
734760
2176
hogy nem mindig győzünk
12:28
with this type of cancer,
264
736960
1280
ezzel a rákkal szemben,
12:31
but I've been studying this protocol,
and I think I can do it.
and I think I can do it.
265
739680
3480
de tanulmányoztam a protokollt,
és úgy gondolom, meg tudom tenni.
és úgy gondolom, meg tudom tenni.
12:35
I think I can comply
with these very difficult treatments.
with these very difficult treatments.
266
743960
3576
Meg tudok birkózni e nagyon
bonyolult kezelésekkel.
bonyolult kezelésekkel.
12:39
I'm going to quit my job.
I'm going to move in with my parents.
I'm going to move in with my parents.
267
747560
2976
Felmondok a munkahelyemen.
Összeköltözünk a szüleimmel.
Összeköltözünk a szüleimmel.
12:42
I'm going to keep my baby safe."
268
750560
1960
Meg fogom védeni a gyerekem."
12:47
I didn't tell her.
269
755320
1200
Nem mondtam meg neki.
12:49
I didn't stop to correct her thinking.
270
757840
2920
Nem javítottam ki a gondolatmenetét.
12:53
She was trusting in a protocol
271
761680
2256
Egy protokollban bízott,
12:55
that even if complied with,
272
763960
3216
amit még ha sikerül is kivitelezni,
12:59
wouldn't necessarily save her son.
273
767200
2400
akkor sem biztos, hogy megmenti a fiát.
13:03
I didn't tell her.
274
771960
1200
Nem mondtam meg neki.
13:06
I didn't fill in that blank.
275
774360
1400
Nem töltöttem ki azt az űrt.
13:09
But a year and a half later
276
777080
1976
De másfél évre rá
13:11
her boy nonetheless died of his cancer.
277
779080
2720
a fia mégiscsak meghalt rákban.
13:15
Should I have told her?
278
783400
1320
Meg kellett volna mondjam?
13:17
Now, many of you may say, "So what?
279
785360
2256
Sokan mondhatják: "Na és?
13:19
I don't have sarcoma.
280
787640
1256
Nekem nincs szarkómám.
13:20
No one in my family has sarcoma.
281
788920
1896
Senkinek a családban nincs szarkómája.
13:22
And this is all fine and well,
282
790840
1456
Minden szép és jó,
13:24
but it probably doesn't
matter in my life."
matter in my life."
283
792320
2696
valószínű nem számít az én életemben."
13:27
And you're probably right.
284
795040
1256
Valószínűleg igazuk van.
13:28
Sarcoma may not matter
a whole lot in your life.
a whole lot in your life.
285
796320
2680
A szarkómának lehet
semmi jelentősége egész életükben.
semmi jelentősége egész életükben.
13:33
But where the blanks are in medicine
286
801040
2336
De ahol vannak
hiányosságok a gyógyításban,
hiányosságok a gyógyításban,
13:35
does matter in your life.
287
803400
1320
az jelentőséggel bír az életükben.
13:38
I didn't tell you one dirty little secret.
288
806520
2296
Nem említettem egy csúnya kis titkot.
13:40
I told you that in medicine,
we test predictions in populations,
we test predictions in populations,
289
808840
4376
Mondtam, hogy a lakosságon teszteljük
a gyógyításban az előrejelzéseket,
a gyógyításban az előrejelzéseket,
13:45
but I didn't tell you,
290
813240
1256
de nem mondtam meg,
13:46
and so often medicine never tells you
291
814520
2216
és a gyógyításban soha nem említik,
13:48
that every time an individual
292
816760
2856
hogy minden esetben,
13:51
encounters medicine,
293
819640
2096
amikor valaki gyógykezelést kap,
13:53
even if that individual is firmly
embedded in the general population,
embedded in the general population,
294
821760
4040
még akkor is, ha az illető tökéletesen
benne van az általános népességben,
benne van az általános népességben,
13:59
neither the individual
nor the physician knows
nor the physician knows
295
827360
2376
sem az egyén, sem az orvosa nem tudhatja,
14:01
where in that population
the individual will land.
the individual will land.
296
829760
2680
a népesség melyik részére kerül utána.
14:05
Therefore, every encounter with medicine
297
833040
2696
Minden gyógykezelés
14:07
is an experiment.
298
835760
1440
egy-egy kísérlet.
14:09
You will be a subject
299
837920
2016
A kísérlet alanya
14:11
in an experiment.
300
839960
1680
ön lesz.
14:14
And the outcome will be either
a better or a worse result for you.
a better or a worse result for you.
301
842560
4840
A végén az eredmény vagy kedvező lesz
önnek vagy lehet, hogy nem.
önnek vagy lehet, hogy nem.
14:20
As long as medicine works well,
302
848320
2016
Míg a gyógyítás jól működik,
14:22
we're fine with fast service,
303
850360
3016
nincs baj a gyors szolgáltatással,
14:25
bravado, brimmingly
confident conversations.
confident conversations.
304
853400
3440
a siker, csupa bizalom beszélgetésekkel.
14:29
But when things don't work well,
305
857720
1656
De mikor a dolgok nem mennek jól.
14:31
sometimes we want something different.
306
859400
1840
néha egészen mást szeretnénk.
14:34
A colleague of mine
removed a tumor from a patient's limb.
removed a tumor from a patient's limb.
307
862520
3280
Egy kollégám tumort távolított
el egy páciense végtagjából.
el egy páciense végtagjából.
14:38
He was concerned about this tumor.
308
866920
1816
Nyugtalanította a tumor.
14:40
In our physician conferences,
he talked about his concern
he talked about his concern
309
868760
3016
Az orvosi konferenciánkon
beszélt aggodalmáról,
beszélt aggodalmáról,
14:43
that this was a type of tumor
310
871800
1416
hogy az effajta tumor
14:45
that had a high risk
for coming back in the same limb.
for coming back in the same limb.
311
873240
2560
nagy valószínűséggel visszanő
ugyanabba a végtagba.
ugyanabba a végtagba.
14:48
But his conversations with the patient
312
876680
1976
De a pácienssel a beszélgetései
14:50
were exactly what a patient might want:
313
878680
2096
úgy zajlottak, ahogy a páciensnek
éppen megfelelt:
éppen megfelelt:
14:52
brimming with confidence.
314
880800
1256
telve bizakodással.
14:54
He said, "I got it all
and you're good to go."
and you're good to go."
315
882080
3016
Az mondta: "Eltávolítottam,
jól van, távozhat."
jól van, távozhat."
14:57
She and her husband were thrilled.
316
885120
1736
A páciens és a férje örült.
14:58
They went out, celebrated, fancy dinner,
opened a bottle of champagne.
opened a bottle of champagne.
317
886880
4080
Elmentek, ünnepeltek,
díszvacsora, pezsgőt bontottak.
díszvacsora, pezsgőt bontottak.
15:04
The only problem was a few weeks later,
318
892040
2296
A gond az volt, hogy a nő
egy héttel később
egy héttel később
15:06
she started to notice
another nodule in the same area.
another nodule in the same area.
319
894360
3096
ugyanazon a részen
másik csomót érzékelt.
másik csomót érzékelt.
15:09
It turned out he hadn't gotten it all,
and she wasn't good to go.
and she wasn't good to go.
320
897480
4136
Kiderült, hogy az orvos nem távolított
el mindent, és a nő még sincs jól.
el mindent, és a nő még sincs jól.
15:13
But what happened at this juncture
absolutely fascinates me.
absolutely fascinates me.
321
901640
2840
Ami eme helyzetben történt,
teljesen lenyűgözött.
teljesen lenyűgözött.
15:17
My colleague came to me and said,
322
905200
1616
Kollégám odajött és megkért:
15:18
"Kevin, would you mind
looking after this patient for me?"
looking after this patient for me?"
323
906840
2720
"Kevin, átvennéd tőlem a pácienst?"
"Miért, te is ugyanolyan jól tudod
mit kell tenni, mint én – mondtam.
mit kell tenni, mint én – mondtam.
15:22
I said, "Why, you know the right thing
to do as well as I do.
to do as well as I do.
324
910240
3216
15:25
You haven't done anything wrong."
325
913480
1616
Nem rontottál el semmit."
15:27
He said, "Please, just look
after this patient for me."
after this patient for me."
326
915120
4480
"Csak vedd át, kérlek, tőlem."- mondta.
15:33
He was embarrassed --
327
921200
1536
Zavarban volt,
15:34
not by what he had done,
328
922760
1400
nem azért, amit tett,
15:37
but by the conversation that he had had,
329
925154
1926
hanem a betegével folytatott
15:39
by the overconfidence.
330
927760
1440
önhitt hangnemű beszélgetés miatt.
15:42
So I performed
a much more invasive surgery
a much more invasive surgery
331
930600
2616
Én sokkal kiterjedtebb műtétet végeztem,
15:45
and had a very different conversation
with the patient afterwards.
with the patient afterwards.
332
933240
3136
és utána egész másképp
beszélgettem a pácienssel:
beszélgettem a pácienssel:
15:48
I said, "Most likely I've gotten it all
333
936400
2336
"Valószínű mindent eltávolítottam
– mondtam.
– mondtam.
15:50
and you're most likely good to go,
334
938760
2416
Valószínű elég jól van, hogy távozzon,
15:53
but this is the experiment
that we're doing.
that we're doing.
335
941200
3160
de végzünk egy kísérletet.
15:57
This is what you're going to watch for.
336
945040
2016
Ezért figyeljen erre meg arra.
15:59
This is what I'm going to watch for.
337
947080
1896
Én is figyelni fogom.
16:01
And we're going to work together
to find out if this surgery will work
to find out if this surgery will work
338
949000
3936
Együttműködünk, hogy kiderüljön
a műtét sikerült-e,
a műtét sikerült-e,
16:04
to get rid of your cancer."
339
952960
1320
s megszabadult-e a ráktól."
16:06
I can guarantee you, she and her husband
340
954920
1936
Biztos, hogy beszélgetésünk után
16:08
did not crack another bottle of champagne
after talking to me.
after talking to me.
341
956880
2920
nem bontottak pezsgőt.
16:13
But she was now a scientist,
342
961600
2856
De ez után a nő
tudományos munkatárs lett
tudományos munkatárs lett
16:16
not only a subject in her experiment.
343
964480
3360
és nem csak kísérlete alanya.
16:21
And so I encourage you
344
969960
1616
Biztatom önöket,
16:23
to seek humility and curiosity
345
971600
3456
hogy alázatot és kíváncsiságot kérjenek
16:27
in your physicians.
346
975080
1200
orvosaiktól.
16:28
Almost 20 billion times each year,
347
976760
2976
Évente 20 milliárd ember
16:31
a person walks into a doctor's office,
348
979760
3936
megy be orvosi rendelőbe,
16:35
and that person becomes a patient.
349
983720
2280
és az illetőből páciens lesz.
16:39
You or someone you love
will be that patient sometime very soon.
will be that patient sometime very soon.
350
987320
3520
Önök vagy szeretteik páciensek
lesznek valamikor hamarosan.
lesznek valamikor hamarosan.
16:43
How will you talk to your doctors?
351
991840
1640
Hogy beszélnek majd orvosaikkal?
16:46
What will you tell them?
352
994640
1200
Mit mondanak majd nekik?
16:48
What will they tell you?
353
996760
1520
Mit mondanak ők önöknek?
16:52
They cannot tell you
354
1000600
2216
Nem beszélhetnek arról,
16:54
what they do not know,
355
1002840
1520
amiről ők sem tudnak,
16:57
but they can tell you when they don't know
356
1005560
3560
de megmondhatják, ha nem tudnak valamit:
17:02
if only you'll ask.
357
1010280
1360
csak kérdezniük kell.
17:04
So please, join the conversation.
358
1012160
2840
Kérem, vegyenek részt a beszélgetésben!
17:08
Thank you.
359
1016200
1216
Köszönöm.
17:09
(Applause)
360
1017440
2868
(Taps)
ABOUT THE SPEAKER
Kevin B. Jones - Cancer researcherKevin B. Jones is a life-long student of human nature, fascinated most by the decision-making capacity intrinsic to each of us.
Why you should listen
Kevin B. Jones diagnoses and performs surgeries to remove rare cancers called sarcomas from the limbs of children and adults. Counseling patients -- especially teenagers with bone cancers -- about the decisions they must make with regard to their bodies has brought the uncertainties of medicine into keen focus for him. How does a person decipher what medicine has told her? How can a person choose among options given very limited understanding of the implications of each? Intrigued by these riddles and conundrums that patient-physician communication frequently creates, Jones wrote a book, What Doctors Cannot Tell You: Clarity, Confidence and Uncertainty in Medicine.
Jones also runs a scientific research laboratory focused on the biology of sarcomas. Here, his team studies the decisions cells make on the way to becoming a cancer. Again the complexities and uncertainties inherent to these decisions are in full relief.
Jones sees patients and does surgery as an associate professor at the University of Utah in the Department of Orthopaedics, working at both Primary Children's Hospital and the Huntsman Cancer Institute. His laboratory is in the Huntsman Cancer Institute, where he is an adjunct faculty member in the Department of Oncological Sciences.
Jones studied English literature at Harvard, medicine at Johns Hopkins, orthopedic surgery at the University of Iowa, and musculoskeletal oncology at the University of Toronto. He lives in Salt Lake City with his wife and four children.
Kevin B. Jones | Speaker | TED.com