TEDMED 2015
Russ Altman: What really happens when you mix medications?
Russ Altman: Apa yang terjadi ketika Anda menggabungkan obat-obatan?
Filmed:
Readability: 4.2
1,766,922 views
Jika anda menggunakan 2 obat yang berbeda untuk 2 alasan yang berbeda, coba pikirkan: Dokter Anda mungkin tidak terlalu mengerti apa yang akan terjadi ketika kedua obat itu digabungkan, karena interaksi obat-obatan sangat sulit untuk dipelajari. Dalam pembicaraan yang menarik dan mudah dicerna ini, Russ Altman menunjukan bagaimana para dokter mempelajari Interaksi obat yang tidak terduga dengan menggunakan sumber yang mengejutkan: kata kunci di mesin pencari.
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
Ketika Anda pergi ke dokter dan
melakukan beberapa tes,
melakukan beberapa tes,
00:16
The doctor determines
that you have high cholesterol
that you have high cholesterol
1
4674
2620
dan dokter mengatakan Anda
punya kolesterol tinggi
punya kolesterol tinggi
00:19
and you would benefit
from medication to treat it.
from medication to treat it.
2
7318
3171
dan Anda sebaiknya meminum obat.
00:22
So you get a pillbox.
3
10981
1556
Anda diberi sekotak obat.
00:25
You have some confidence,
4
13505
1199
Anda yakin,
00:26
your physician has some confidence
that this is going to work.
that this is going to work.
5
14728
2937
dan dokter Anda juga yakin
bahwa (pengobatan) ini akan berhasil.
bahwa (pengobatan) ini akan berhasil.
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
Produsen obat ini sudah melakukan banyak
pengujian dan mengirimnya ke BPOM.
pengujian dan mengirimnya ke BPOM.
00:33
They studied it very carefully,
skeptically, they approved it.
skeptically, they approved it.
7
21266
3107
BPOM mempelajari dengan teliti,
dengan skeptis, dan mengizinkannya.
dengan skeptis, dan mengizinkannya.
00:36
They have a rough idea of how it works,
8
24397
1889
Mereka tahu konsep cara kerjanya,
00:38
they have a rough idea
of what the side effects are.
of what the side effects are.
9
26310
2453
mereka tahu efek sampingnya,
00:40
It should be OK.
10
28787
1150
seharusnya aman.
00:42
You have a little more
of a conversation with your physician
of a conversation with your physician
11
30864
2818
Anda mengobrol lagi dengan dokter Anda
00:45
and the physician is a little worried
because you've been blue,
because you've been blue,
12
33706
2963
dan dia sedikit khawatir
karena Anda terlihat sedih,
karena Anda terlihat sedih,
00:48
haven't felt like yourself,
13
36693
1293
tidak seperti biasanya,
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
Anda tidak bisa menikmati hidup
seperti biasanya Anda lakukan.
seperti biasanya Anda lakukan.
00:53
Your physician says, "You know,
I think you have some depression.
I think you have some depression.
15
41765
3186
Dokter berkata,
"Menurut saya, Anda mengalami depresi.
"Menurut saya, Anda mengalami depresi.
00:57
I'm going to have to give
you another pill."
you another pill."
16
45792
2315
Saya akan memberi obat lain untuk Anda."
01:00
So now we're talking
about two medications.
about two medications.
17
48934
2483
Jadi kita bicara soal
dua jenis obat sekarang.
dua jenis obat sekarang.
01:03
This pill also -- millions
of people have taken it,
of people have taken it,
18
51441
3104
Obat ini juga -- sudah digunakan
oleh jutaan orang,
oleh jutaan orang,
01:06
the company did studies,
the FDA looked at it -- all good.
the FDA looked at it -- all good.
19
54569
3631
produsen telah menelitinya,
BPOM memberikan izin -- semuanya aman.
BPOM memberikan izin -- semuanya aman.
01:10
Think things should go OK.
20
58823
2057
Harusnya semua baik-baik saja.
01:12
Think things should go OK.
21
60904
2197
Harusnya semua akan baik-baik saja.
01:15
Well, wait a minute.
22
63125
1439
Tapi, tunggu sebentar.
01:16
How much have we studied
these two together?
these two together?
23
64588
3517
Berapa banyak yang telah kita pelajari
tentang penggabungan keduanya?
tentang penggabungan keduanya?
01:20
Well, it's very hard to do that.
24
68630
2300
Nah, sangat sulit melakukannya.
01:22
In fact, it's not traditionally done.
25
70954
2130
Bahkan, biasanya tidak dilakukan.
01:25
We totally depend on what we call
"post-marketing surveillance,"
"post-marketing surveillance,"
26
73108
5518
Kita hanya bergantung pada yang disebut
"pengawasan setelah penjualan,"
"pengawasan setelah penjualan,"
01:30
after the drugs hit the market.
27
78650
1880
setelah obat beredar di pasaran.
01:32
How can we figure out
if bad things are happening
if bad things are happening
28
80996
2848
Bagaimana kita bisa mengetahui
jika hal buruk terjadi
jika hal buruk terjadi
karena pemakaian 2 pengobatan ini?
01:35
between two medications?
29
83868
1357
01:37
Three? Five? Seven?
30
85249
2030
Tiga? Lima? Tujuh?
Tanyakan pada kenalan Anda
yang didiagnosa beberapa penyakit,
yang didiagnosa beberapa penyakit,
01:39
Ask your favorite person
who has several diagnoses
who has several diagnoses
31
87708
2415
01:42
how many medications they're on.
32
90147
1834
berapa jenis obat yang mereka pakai?
01:44
Why do I care about this problem?
33
92530
1580
Kenapa saya peduli dengan ini?
01:46
I care about it deeply.
34
94134
1157
Saya sangat peduli.
01:47
I'm an informatics and data science guy
and really, in my opinion,
and really, in my opinion,
35
95315
4304
Saya seorang ilmuwan IT dan data,
dan sebenarnya, menurut saya,
dan sebenarnya, menurut saya,
01:51
the only hope -- only hope --
to understand these interactions
to understand these interactions
36
99643
3745
satu-satunya harapan untuk
memahami interaksi (antara obat) ini
memahami interaksi (antara obat) ini
01:55
is to leverage lots
of different sources of data
of different sources of data
37
103412
3056
adalah dengan menggali
berbagai sumber data
berbagai sumber data
01:58
in order to figure out
when drugs can be used together safely
when drugs can be used together safely
38
106492
3556
untuk memahami kapan obat-obatan
aman digunakan bersamaan
aman digunakan bersamaan
02:02
and when it's not so safe.
39
110072
1777
dan kapan tidak terlalu aman.
Mari saya ceritakan satu cerita tentang
ilmu data.
ilmu data.
02:04
So let me tell you a data science story.
40
112615
2051
02:06
And it begins with my student Nick.
41
114690
2154
Kisah ini berawal dengan murid saya, Nick.
02:08
Let's call him "Nick,"
because that's his name.
because that's his name.
42
116868
2380
Kita sebut dia "Nick,"
karena itulah namanya.
karena itulah namanya.
02:11
(Laughter)
43
119272
1592
(Tertawa)
02:12
Nick was a young student.
44
120888
1201
Nick adalah pelajar muda.
02:14
I said, "You know, Nick, we have
to understand how drugs work
to understand how drugs work
45
122113
3079
Saya berkata padanya,
"Nick, kita harus memahami kerja obat,
"Nick, kita harus memahami kerja obat,
02:17
and how they work together
and how they work separately,
and how they work separately,
46
125216
2626
bagaimana mereka bekerja bersamaan
dan terpisah,
dan terpisah,
02:19
and we don't have a great understanding.
47
127866
1922
tapi kita tidak mengerti sepenuhnya.
02:21
But the FDA has made available
an amazing database.
an amazing database.
48
129812
2405
Tapi BPOM sudah punya database
yang luar biasa,
yang luar biasa,
02:24
It's a database of adverse events.
49
132241
1699
yaitu database efek samping obat.
02:26
They literally put on the web --
50
134321
1642
Informasi ini tersedia di internet --
02:27
publicly available, you could all
download it right now --
download it right now --
51
135987
3119
dapat dilihat publik dan
dapat diunduh seketika --
dapat diunduh seketika --
02:31
hundreds of thousands
of adverse event reports
of adverse event reports
52
139130
3627
ratusan ribu laporan efek samping
02:34
from patients, doctors,
companies, pharmacists.
companies, pharmacists.
53
142781
3760
dari pasien, dokter, produsen, apoteker.
02:38
And these reports are pretty simple:
54
146565
1749
Dan laporan ini sangat sederhana:
02:40
it has all the diseases
that the patient has,
that the patient has,
55
148338
2658
ada daftar penyakit yang diderita pasien,
02:43
all the drugs that they're on,
56
151020
1767
obat-obatan yang mereka gunakan,
02:44
and all the adverse events,
or side effects, that they experience.
or side effects, that they experience.
57
152811
3818
dan semua efek samping yang mereka alami.
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
Bukan semua efek samping yang
terjadi di Amerika sekarang,
terjadi di Amerika sekarang,
02:52
but it's hundreds and hundreds
of thousands of drugs.
of thousands of drugs.
59
160113
2578
tapi efek samping dari ratusan ribu obat.
02:54
So I said to Nick,
60
162715
1299
Jadi saya katakan pada Nick,
02:56
"Let's think about glucose.
61
164038
1826
"Mari kita ambil glukosa sebagai contoh,
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
Glukosa sangat penting dan kita tahu
ada hubungannya dengan diabetes.
ada hubungannya dengan diabetes.
03:01
Let's see if we can understand
glucose response.
glucose response.
63
169479
3970
Mari kita lihat
apakah kita memahami reaksi glukosa.
apakah kita memahami reaksi glukosa.
03:05
I sent Nick off. Nick came back.
64
173473
2458
Saya mengirim Nick pergi.
Saat Nick kembali,
Saat Nick kembali,
03:08
"Russ," he said,
65
176248
1786
"Russ, " katanya,
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
"Saya telah mengelompokkan
efek samping obat
efek samping obat
03:15
based on looking at this database,
67
183487
2051
berdasarkan database ini,
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
dan bisa memberitahumu apakah obat itu
mungkin mengubah glukosa atau tidak".
mungkin mengubah glukosa atau tidak".
03:21
He did it. It was very simple, in a way.
69
189857
2016
Dia melakukannya. Dengan sederhana sekali.
03:23
He took all the drugs
that were known to change glucose
that were known to change glucose
70
191897
2635
Dia melihat semua obat yang diketahui
mengubah glukosa,
mengubah glukosa,
03:26
and a bunch of drugs
that don't change glucose,
that don't change glucose,
71
194556
2389
dan obat-obatan
yang tidak mengubah glukosa,
yang tidak mengubah glukosa,
03:28
and said, "What's the difference
in their side effects?
in their side effects?
72
196969
2888
dan berkata "Apakah pebedaan
dari efek samping keduanya?
dari efek samping keduanya?
03:31
Differences in fatigue? In appetite?
In urination habits?"
In urination habits?"
73
199881
4852
Tingkat kelelahan? Selera makan?
Kebiasaan buang air kecil?"
Kebiasaan buang air kecil?"
03:36
All those things conspired
to give him a really good predictor.
to give him a really good predictor.
74
204757
2960
Semua ini untuk memberinya
prediksi yang sangat bagus.
prediksi yang sangat bagus.
Katanya, "Russ, saya bisa memprediksi
dengan akurasi 93%
dengan akurasi 93%
03:39
He said, "Russ, I can predict
with 93 percent accuracy
with 93 percent accuracy
75
207741
2548
apakah sebuah obat akan
mengubah glukosa."
mengubah glukosa."
03:42
when a drug will change glucose."
76
210313
1572
03:43
I said, "Nick, that's great."
77
211909
1416
Saya bilang, "Nick, itu hebat."
03:45
He's a young student,
you have to build his confidence.
you have to build his confidence.
78
213349
2896
Dia anak muda,
saya harus membangun kepercayaan dirinya.
saya harus membangun kepercayaan dirinya.
03:48
"But Nick, there's a problem.
79
216269
1390
"Tapi ada satu masalah.
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
Setiap dokter di dunia tahu obat mana
yang dapat mengubah glukosa,
yang dapat mengubah glukosa,
03:53
because it's core to our practice.
81
221667
2038
karena itulah inti dari pekerjaan dokter.
03:55
So it's great, good job,
but not really that interesting,
but not really that interesting,
82
223729
3722
Kamu sudah bekerja dengan baik,
tapi ini tidak terlalu menarik,
tapi ini tidak terlalu menarik,
pastinya tidak layak dipublikasi."
03:59
definitely not publishable."
83
227475
1531
04:01
(Laughter)
84
229030
1014
(Tertawa)
04:02
He said, "I know, Russ.
I thought you might say that."
I thought you might say that."
85
230068
2550
"Saya tahu, Russ. Saya sudah menebak
kamu akan bilang begitu."
kamu akan bilang begitu."
04:04
Nick is smart.
86
232642
1152
Nick itu pintar.
"Saya tahu kamu akan bilang begitu,
jadi saya melakukan satu percobaan lain,
jadi saya melakukan satu percobaan lain,
04:06
"I thought you might say that,
so I did one other experiment.
so I did one other experiment.
87
234149
2874
04:09
I looked at people in this database
who were on two drugs,
who were on two drugs,
88
237047
2928
Saya memeriksa pasien di database
yang menggunakan dua obat,
yang menggunakan dua obat,
04:11
and I looked for signals similar,
glucose-changing signals,
glucose-changing signals,
89
239999
4422
dan saya periksa tanda yang sama,
tanda perubahan glukosa,
tanda perubahan glukosa,
04:16
for people taking two drugs,
90
244445
1624
untuk orang yang memakai dua obat,
04:18
where each drug alone
did not change glucose,
did not change glucose,
91
246093
5569
dimana salah satu obat saja
tidak mengubah glukosa,
tidak mengubah glukosa,
04:23
but together I saw a strong signal."
92
251686
2460
tetapi ketika bersamaan
ada sinyal perubahan."
ada sinyal perubahan."
04:26
And I said, "Oh! You're clever.
Good idea. Show me the list."
Good idea. Show me the list."
93
254170
3149
Saya bilang, "Oh, pintar. Ide bagus.
Tunjukkan daftarnya."
Tunjukkan daftarnya."
04:29
And there's a bunch of drugs,
not very exciting.
not very exciting.
94
257343
2254
Dan ada banyak obat,
tidak terlalu menarik.
tidak terlalu menarik.
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
Tapi yang menarik perhatian saya,
ada 2 obat dalam daftar:
ada 2 obat dalam daftar:
04:35
paroxetine, or Paxil, an antidepressant;
96
263577
3393
paroxetine atau Paxil, obat anti depresi;
04:39
and pravastatin, or Pravachol,
a cholesterol medication.
a cholesterol medication.
97
267756
3570
dan pravastatin atau Pravachol,
obat kolestrerol.
obat kolestrerol.
04:43
And I said, "Huh. There are millions
of Americans on those two drugs."
of Americans on those two drugs."
98
271936
4283
Dan saya bilang,"Wow. Jutaan orang di
Amerika menggunakan dua obat ini."
Amerika menggunakan dua obat ini."
04:48
In fact, we learned later,
99
276243
1246
Bahkan, belakangan kami mengetahui
04:49
15 million Americans on paroxetine
at the time, 15 million on pravastatin,
at the time, 15 million on pravastatin,
100
277513
6032
15 juta warga Amerika menggunakan
paroxetine ketika itu,
paroxetine ketika itu,
dan 15 juta menggunakan pravastatin,
04:55
and a million, we estimated, on both.
101
283569
2817
dan kami perkirakan sejuta orang
mengunakan keduanya.
mengunakan keduanya.
04:58
So that's a million people
102
286767
1254
Jadi ada sejuta orang
05:00
who might be having some problems
with their glucose
with their glucose
103
288045
2453
yang mungkin mengalami masalah glukosa
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
jika riset Nick berdasarkan
database BPOM ini benar.
database BPOM ini benar.
05:05
actually holds up.
105
293752
1254
05:07
But I said, "It's still not publishable,
106
295030
1927
Tapi ini masih tidak layak terbit,
05:08
because I love what you did
with the mumbo jumbo,
with the mumbo jumbo,
107
296981
2296
meskipun saya senang dengan
yang kamu lakukan
yang kamu lakukan
05:11
with the machine learning,
108
299301
1246
dengan riset komputer ini,
05:12
but it's not really standard-of-proof
evidence that we have."
evidence that we have."
109
300571
3864
tapi kita belum memiliki
bukti yang layak.
bukti yang layak.
05:17
So we have to do something else.
110
305618
1589
Jadi kita harus melakukan sesuatu.
05:19
Let's go into the Stanford
electronic medical record.
electronic medical record.
111
307231
2876
Mari kita lihat
rekam medis eletronik Stanford.
rekam medis eletronik Stanford.
Kita punya salinan yang dapat digunakan
untuk penelitian,
untuk penelitian,
05:22
We have a copy of it
that's OK for research,
that's OK for research,
112
310131
2064
05:24
we removed identifying information.
113
312219
2046
kita hapus infomasi identitas (pasien).
Dan saya berkata, "Mari lihat apakah
pasien yang menggunakan kedua obat ini
pasien yang menggunakan kedua obat ini
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
punya masalah glukosa."
05:31
Now there are thousands
and thousands of people
and thousands of people
116
319242
2207
Nah, ada ribuan orang
05:33
in the Stanford medical records
that take paroxetine and pravastatin.
that take paroxetine and pravastatin.
117
321473
3459
di rekam medis Stanford yang memakai
paroxetine dan pravastatin.
paroxetine dan pravastatin.
05:36
But we needed special patients.
118
324956
1799
Tapi kami butuh pasien khusus.
05:38
We needed patients who were on one of them
and had a glucose measurement,
and had a glucose measurement,
119
326779
4597
Kami butuh pasien yang menggunakan
salah satu dan diukur glukosanya,
salah satu dan diukur glukosanya,
05:43
then got the second one and had
another glucose measurement,
another glucose measurement,
120
331400
3449
lalu menggunakan obat kedua
dan diukur lagi glukosanya,
dan diukur lagi glukosanya,
05:46
all within a reasonable period of time --
something like two months.
something like two months.
121
334873
3615
semua ini dalam periode tertentu --
misalnya dalam dua bulan.
misalnya dalam dua bulan.
05:50
And when we did that,
we found 10 patients.
we found 10 patients.
122
338512
3159
kami menemukan 10 pasien.
05:54
However, eight out of the 10
had a bump in their glucose
had a bump in their glucose
123
342592
4538
Akan tetapi, 8 dari 10 pasien
mengalami kenaikan glukosa
mengalami kenaikan glukosa
ketika mereka mendapat P kedua --
kita sebut kedua obat ini P dan P --
kita sebut kedua obat ini P dan P --
05:59
when they got the second P --
we call this P and P --
we call this P and P --
124
347154
2645
06:01
when they got the second P.
125
349823
1310
ketika mendapat P kedua.
06:03
Either one could be first,
the second one comes up,
the second one comes up,
126
351157
2562
Yang mana pun bisa jadi yang pertama,
dan ketika menggunakan obat kedua
dan ketika menggunakan obat kedua
06:05
glucose went up
20 milligrams per deciliter.
20 milligrams per deciliter.
127
353743
2847
glukosa naik 20mg /desiliter.
06:08
Just as a reminder,
128
356614
1158
Sekadar mengingatkan,
kalau Anda bukan penderita diabetes,
Anda berfungsi normal
Anda berfungsi normal
06:09
you walk around normally,
if you're not diabetic,
if you're not diabetic,
129
357796
2325
06:12
with a glucose of around 90.
130
360145
1359
dengan glukosa sekitar 90.
06:13
And if it gets up to 120, 125,
131
361528
2076
Kalau naik ke 120, 125,
06:15
your doctor begins to think
about a potential diagnosis of diabetes.
about a potential diagnosis of diabetes.
132
363628
3450
dokter Anda mulai berpikir
kemungkinan Anda terkena diabetes.
kemungkinan Anda terkena diabetes.
06:19
So a 20 bump -- pretty significant.
133
367102
2991
Jadi, lonjakan 20 sangat berarti.
06:22
I said, "Nick, this is very cool.
134
370601
1904
Saya berkata, "Nick, ini sangat keren.
06:25
But, I'm sorry, we still
don't have a paper,
don't have a paper,
135
373616
2053
Tapi, maaf,
kita masih belum bisa menerbitkan ini,
kita masih belum bisa menerbitkan ini,
06:27
because this is 10 patients
and -- give me a break --
and -- give me a break --
136
375693
2579
karena ini hanya 10 pasien dan
06:30
it's not enough patients."
137
378296
1245
itu tidak cukup."
Jadi apa yang bisa kita lakukan?
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
Mari hubungi teman-teman kita
di Harvard dan Vanderbilt,
di Harvard dan Vanderbilt,
06:35
who also -- Harvard in Boston,
Vanderbilt in Nashville,
Vanderbilt in Nashville,
140
383895
2587
-- Harvard di Boston, dan
Vanderbilt di Nashville --
Vanderbilt di Nashville --
06:38
who also have electronic
medical records similar to ours.
medical records similar to ours.
141
386506
2821
yang juga punya rekam medis elektorik
seperti punya kita.
seperti punya kita.
06:41
Let's see if they can find
similar patients
similar patients
142
389351
2020
Mari lihat apakah mereka bisa menemukan
pasien seperti ini
pasien seperti ini
06:43
with the one P, the other P,
the glucose measurements
the glucose measurements
143
391395
3276
yang menggunakan 1 P, lalu P lainnya,
dan diukur glukosanya
dan diukur glukosanya
06:46
in that range that we need.
144
394695
1600
dalam batas yang kita butuhkan.
06:48
God bless them, Vanderbilt
in one week found 40 such patients,
in one week found 40 such patients,
145
396787
4955
Tuhan memberkahi mereka, Vanderbilt
dalam seminggu menemukan 40 pasien,
dalam seminggu menemukan 40 pasien,
06:53
same trend.
146
401766
1189
gejala yang sama.
06:55
Harvard found 100 patients, same trend.
147
403804
3620
Harvard menemukan 100 pasien,
gejala yang sama.
gejala yang sama.
06:59
So at the end, we had 150 patients
from three diverse medical centers
from three diverse medical centers
148
407448
4281
Maka akhirnya, kami punya 150 pasien
dari 3 pusat medis berbeda
dari 3 pusat medis berbeda
07:03
that were telling us that patients
getting these two drugs
getting these two drugs
149
411753
3297
yang memberi tahu kami bahwa pasien
yang mengkonsumsi 2 obat ini
yang mengkonsumsi 2 obat ini
07:07
were having their glucose bump
somewhat significantly.
somewhat significantly.
150
415074
2703
mengalami lonjakan glukosa yang berarti.
07:10
More interestingly,
we had left out diabetics,
we had left out diabetics,
151
418317
2810
Lebih menarik lagi,
kami mengesampingkan penderita diabetes,
kami mengesampingkan penderita diabetes,
07:13
because diabetics already
have messed up glucose.
have messed up glucose.
152
421151
2317
karena kadar glukosa penderita diabetes
sudah kacau.
sudah kacau.
07:15
When we looked
at the glucose of diabetics,
at the glucose of diabetics,
153
423492
2238
Ketika kita lihat kadar glukosa
penderita diabetes,
penderita diabetes,
07:17
it was going up 60 milligrams
per deciliter, not just 20.
per deciliter, not just 20.
154
425754
3435
kenaikannya 60mg /desiiter,
tidak hanya 20.
tidak hanya 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
Ini masalah besar, dan kami berkata,
"Kita harus menerbitkan ini."
"Kita harus menerbitkan ini."
07:25
We submitted the paper.
156
433236
1179
Kami kirimkan makalahnya.
07:26
It was all data evidence,
157
434439
2111
Semuanya adalah bukti data,
07:28
data from the FDA, data from Stanford,
158
436574
2483
data dari BPOM, data dari Stanford,
07:31
data from Vanderbilt, data from Harvard.
159
439081
1946
data dari Vanderbilt, data dari Harvard.
07:33
We had not done a single real experiment.
160
441051
2396
Kami belum melakukan
satu percobaan apa pun.
satu percobaan apa pun.
07:36
But we were nervous.
161
444495
1296
Tetapi kami gugup.
07:38
So Nick, while the paper
was in review, went to the lab.
was in review, went to the lab.
162
446201
3730
Waktu makalahnya sedang di-review,
Nick pergi ke ke lab.
Nick pergi ke ke lab.
07:41
We found somebody
who knew about lab stuff.
who knew about lab stuff.
163
449955
2462
Kami menemukan seseorang
yang mengerti tentang lab.
yang mengerti tentang lab.
07:44
I don't do that.
164
452441
1393
Saya tidak mengerti lab.
07:45
I take care of patients,
but I don't do pipettes.
but I don't do pipettes.
165
453858
2417
Saya merawat pasien,
tetapi tidak dengan pipet.
tetapi tidak dengan pipet.
07:49
They taught us how to feed mice drugs.
166
457420
3053
Mereka mengajari kami
cara memberi obat pada tikus.
cara memberi obat pada tikus.
Kami ambil tikus dan memberi mereka
satu P, paroxetine.
satu P, paroxetine.
07:52
We took mice and we gave them
one P, paroxetine.
one P, paroxetine.
167
460864
2414
07:55
We gave some other mice pravastatin.
168
463302
2508
Dan kami memberi P lain - pravastatin
pada tikus yang lain.
pada tikus yang lain.
07:57
And we gave a third group
of mice both of them.
of mice both of them.
169
465834
3595
Dan kelompok tikus ketiga
kami berikan kedua obat itu.
kami berikan kedua obat itu.
08:01
And lo and behold, glucose went up
20 to 60 milligrams per deciliter
20 to 60 milligrams per deciliter
170
469893
3946
Dan secara mengejutkan,
kadar glukosa meningkat
kadar glukosa meningkat
20 sampai 60mg/desiliter
pada tikus-tikus itu.
pada tikus-tikus itu.
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
Makalah ini diterima berdasarkan
bukti data saja,
bukti data saja,
tapi kami menambahkan catatan
yang mengatakan,
yang mengatakan,
08:10
but we added a little note at the end,
173
478240
1894
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
ketika obat diberikan pada tikus,
glukosa mereka juga naik.
glukosa mereka juga naik.
08:15
That was great, and the story
could have ended there.
could have ended there.
175
483081
2508
Jadi bagus, dan kisah ini
bisa berakhir di sini.
bisa berakhir di sini.
08:17
But I still have six and a half minutes.
176
485613
1997
Tapi saya masih punya 6 setengah menit.
08:19
(Laughter)
177
487634
2807
(Tertawa)
08:22
So we were sitting around
thinking about all of this,
thinking about all of this,
178
490465
2815
Kami sedang berkumpul
memikirkan semua ini,
memikirkan semua ini,
08:25
and I don't remember who thought
of it, but somebody said,
of it, but somebody said,
179
493304
2735
dan seseorang terpikir,
saya lupa siapa, tapi dia bilang,
saya lupa siapa, tapi dia bilang,
08:28
"I wonder if patients
who are taking these two drugs
who are taking these two drugs
180
496063
3201
"Saya terpikir apakah
pasien yang mengkonsumsi 2 obat ini
pasien yang mengkonsumsi 2 obat ini
08:31
are noticing side effects
of hyperglycemia.
of hyperglycemia.
181
499288
3553
juga menyadari efek samping dari
hyperglycemia.
hyperglycemia.
08:34
They could and they should.
182
502865
1496
Harusnya mereka menyadarinya.
08:36
How would we ever determine that?"
183
504761
1877
Bagaimana kita bisa mengetahuinya?"
08:39
We said, well, what do you do?
184
507551
1443
Jadi, apa yang kamu lakukan?
08:41
You're taking a medication,
one new medication or two,
one new medication or two,
185
509018
2580
Anda menggunakan satu atau dua obat baru,
08:43
and you get a funny feeling.
186
511622
1538
dan merasa agak aneh.
08:45
What do you do?
187
513184
1151
Apa yang Anda lakukan?
08:46
You go to Google
188
514359
1151
Anda buka Google
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
dan mengetik 2 obat yang Anda minum
atau satu obat yang Anda minum,
atau satu obat yang Anda minum,
08:50
and you type in "side effects."
190
518907
1603
dan mengetik "efek samping."
08:52
What are you experiencing?
191
520534
1356
Apa yang Anda rasakan?
08:54
So we said OK,
192
522239
1151
Jadi kami putuskan untuk
08:55
let's ask Google if they will share
their search logs with us,
their search logs with us,
193
523414
3056
bertanya pada Google apakah mereka
bisa membagi Log Pencarian pada kami
bisa membagi Log Pencarian pada kami
08:58
so that we can look at the search logs
194
526494
1833
agar kami dapat mencari tahu
09:00
and see if patients are doing
these kinds of searches.
these kinds of searches.
195
528351
2565
apakah pasien melakukan
pencarian seperti ini.
pencarian seperti ini.
09:02
Google, I am sorry to say,
denied our request.
denied our request.
196
530940
3275
Sayang sekali,
Google menolak permintaan kami.
Google menolak permintaan kami.
09:06
So I was bummed.
197
534819
1151
Saya kecewa.
09:07
I was at a dinner with a colleague
who works at Microsoft Research
who works at Microsoft Research
198
535994
3166
Saat makan malam dengan teman
yang bekerja di Microsoft Research
yang bekerja di Microsoft Research
saya cerita, "Kami ingin melakukan
penelitian ini,
penelitian ini,
09:11
and I said, "We wanted to do this study,
199
539184
1941
09:13
Google said no, it's kind of a bummer."
200
541149
1880
tapi Google menolak, sungguh mengecewakan.
09:15
He said, "Well, we have
the Bing searches."
the Bing searches."
201
543053
2086
Dia bilang,
"Kami punya mesin pencari Bing."
"Kami punya mesin pencari Bing."
09:18
(Laughter)
202
546195
3483
(Tertawa)
09:22
Yeah.
203
550805
1267
Ya.
09:24
That's great.
204
552096
1151
Itu bagus sekali.
09:25
Now I felt like I was --
205
553271
1151
Saya merasa seperti --
09:26
(Laughter)
206
554446
1000
(Tertawa)
09:27
I felt like I was talking to Nick again.
207
555470
2412
Seperti saya sedang bicara
dengan Nick lagi.
dengan Nick lagi.
09:30
He works for one of the largest
companies in the world,
companies in the world,
208
558437
2624
Dia bekerja di salah satu perusahaan
terbesar di dunia,
terbesar di dunia,
09:33
and I'm already trying
to make him feel better.
to make him feel better.
209
561085
2206
dan sudah mencoba membuatnya
merasa lebih baik.
merasa lebih baik.
Tapi dia bilang, "Tidak, Russ --
mungkin kamu tidak mengerti.
mungkin kamu tidak mengerti.
09:35
But he said, "No, Russ --
you might not understand.
you might not understand.
210
563315
2445
09:37
We not only have Bing searches,
211
565784
1500
Kami tidak hanya punya Bing,
09:39
but if you use Internet Explorer
to do searches at Google,
to do searches at Google,
212
567308
3340
tapi kalau kamu pakai IE
untuk melakukan pencarian di Google,
untuk melakukan pencarian di Google,
09:42
Yahoo, Bing, any ...
213
570672
1891
Yahoo, Bing, mesin pencari apa pun...
09:44
Then, for 18 months, we keep that data
for research purposes only."
for research purposes only."
214
572587
3643
Untuk 18 bulan, kami menyimpan data itu
untuk penelitan saja."
untuk penelitan saja."
Saya berkata, "Nah, ini baru menarik."
09:48
I said, "Now you're talking!"
215
576254
1936
09:50
This was Eric Horvitz,
my friend at Microsoft.
my friend at Microsoft.
216
578214
2198
Dia Eric Horvitz, teman saya di Microsoft.
09:52
So we did a study
217
580436
1695
Jadi kami melakukan penelitian
09:54
where we defined 50 words
that a regular person might type in
that a regular person might type in
218
582155
4619
dimana kami menetapkan 50 kata
yang mungkin akan diketik orang awam
yang mungkin akan diketik orang awam
09:58
if they're having hyperglycemia,
219
586798
1602
kalau mereka punya hyperglycemia,
10:00
like "fatigue," "loss of appetite,"
"urinating a lot," "peeing a lot" --
"urinating a lot," "peeing a lot" --
220
588424
4762
sepeti "kecapekan," "kehilangan
nafsu makan," "sering kencing," --
nafsu makan," "sering kencing," --
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
maaf, tapi itu salah satu yang umumnya
akan Anda ketik.
akan Anda ketik.
10:08
So we had 50 phrases
that we called the "diabetes words."
that we called the "diabetes words."
222
596001
2790
Jadi kami punya 50 frase yang kami sebut
"kta-kata diabetes."
"kta-kata diabetes."
10:10
And we did first a baseline.
223
598815
2063
Dan pertama kami menetapkan nilai dasar.
10:12
And it turns out
that about .5 to one percent
that about .5 to one percent
224
600902
2704
Ternyata sekitar 0.5 sampai 1 persen
dari semua pencarian di internet
menggunakan salah satu kata itu.
menggunakan salah satu kata itu.
10:15
of all searches on the Internet
involve one of those words.
involve one of those words.
225
603630
2982
10:18
So that's our baseline rate.
226
606636
1742
Jadi itu adalah nilai dasar kami.
10:20
If people type in "paroxetine"
or "Paxil" -- those are synonyms --
or "Paxil" -- those are synonyms --
227
608402
4143
Bila seseorang mengetik "paroxetine" atau
"Paxil" -- keduanya adalah sama --
"Paxil" -- keduanya adalah sama --
10:24
and one of those words,
228
612569
1215
dan salah satu kata itu,
10:25
the rate goes up to about two percent
of diabetes-type words,
of diabetes-type words,
229
613808
4890
temuan kami naik 2 persen dari
kata-kata diabetes,
kata-kata diabetes,
10:30
if you already know
that there's that "paroxetine" word.
that there's that "paroxetine" word.
230
618722
3044
kalau Anda sudah tahu bahwa disana
terdapat kata "paroxetine."
terdapat kata "paroxetine."
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
Dengan kata "pravastatin," temuan naik
sekitar 3 pesen dari nilai dasar.
sekitar 3 pesen dari nilai dasar.
10:39
If both "paroxetine" and "pravastatin"
are present in the query,
are present in the query,
232
627171
4390
Kalau keduanya -- "paroxetine" dan
"pravastatin" -- ada dalam pencarian,
"pravastatin" -- ada dalam pencarian,
10:43
it goes up to 10 percent,
233
631585
1669
nilainya naik hingga 10 persen,
10:45
a huge three- to four-fold increase
234
633278
3461
meningkat hingga 3-4 kali lipat
10:48
in those searches with the two drugs
that we were interested in,
that we were interested in,
235
636763
3389
pada pencarian dengan 2 obat
yang menjadi fokus penelitian ini
yang menjadi fokus penelitian ini
10:52
and diabetes-type words
or hyperglycemia-type words.
or hyperglycemia-type words.
236
640176
3566
dan kata-kata diabetes atau
kata-kata hyperglycemia.
kata-kata hyperglycemia.
Kami menerbitkan temuan ini
10:56
We published this,
237
644216
1265
10:57
and it got some attention.
238
645505
1466
dan mendapat perhatian.
10:58
The reason it deserves attention
239
646995
1778
Penelitian ini layak diperhatikan
11:00
is that patients are telling us
their side effects indirectly
their side effects indirectly
240
648797
4312
karena pasien memberi tahu kita
efek samping mereka secara tidak langsung
efek samping mereka secara tidak langsung
11:05
through their searches.
241
653133
1156
lewat pencarian mereka.
11:06
We brought this
to the attention of the FDA.
to the attention of the FDA.
242
654313
2138
Kami membawa penelitian ini ke BPOM
11:08
They were interested.
243
656475
1269
dan mereka pun tertarik.
11:09
They have set up social media
surveillance programs
surveillance programs
244
657768
3606
Mereka membuat program pengawasan
di media sosial
di media sosial
11:13
to collaborate with Microsoft,
245
661398
1751
untuk bekerjasama dengan Microsoft,
11:15
which had a nice infrastructure
for doing this, and others,
for doing this, and others,
246
663173
2794
yang punya infrastruktur
untuk melakukannya, dan lainnya,
untuk melakukannya, dan lainnya,
mereka melihat Log Twitter,
11:17
to look at Twitter feeds,
247
665991
1282
11:19
to look at Facebook feeds,
248
667297
1716
melihat Log Facebook,
11:21
to look at search logs,
249
669037
1311
Log Pencarian,
11:22
to try to see early signs that drugs,
either individually or together,
either individually or together,
250
670372
4909
untuk mencari tahu tanda-tanda awal
ketika kedua obat ini menyebabkan masalah,
ketika kedua obat ini menyebabkan masalah,
11:27
are causing problems.
251
675305
1589
baik bersamaan atau terpisah.
Jadi apa pembelajarannya?
Kenapa menceritakan ini?
Kenapa menceritakan ini?
11:28
What do I take from this?
Why tell this story?
Why tell this story?
252
676918
2174
11:31
Well, first of all,
253
679116
1207
Baik, yang pertama,
11:32
we have now the promise
of big data and medium-sized data
of big data and medium-sized data
254
680347
4037
kami sekarang mendapatkan komitmen
perusahaan data besar dan sedang
perusahaan data besar dan sedang
11:36
to help us understand drug interactions
255
684408
2918
untuk membatu kita memahami
interaksi obat-obatan
interaksi obat-obatan
11:39
and really, fundamentally, drug actions.
256
687350
2420
dan pada dasarnya, reaksi obat.
11:41
How do drugs work?
257
689794
1413
Bagaimana obat bekerja?
11:43
This will create and has created
a new ecosystem
a new ecosystem
258
691231
2836
Ini akan membuat dan telah membentuk
ekosistem baru
ekosistem baru
11:46
for understanding how drugs work
and to optimize their use.
and to optimize their use.
259
694091
3267
untuk memahami bagaimana obat bekerja
dan memaksimalkan fungsinya.
dan memaksimalkan fungsinya.
11:50
Nick went on; he's a professor
at Columbia now.
at Columbia now.
260
698303
2659
Nick meneruskan karirnya;
Dia profesor di Columbia sekarang.
Dia profesor di Columbia sekarang.
11:52
He did this in his PhD
for hundreds of pairs of drugs.
for hundreds of pairs of drugs.
261
700986
4072
Dia melakukan studi ini untuk
disertasi doktornya
disertasi doktornya
pada ratusan pasang obat-obatan.
11:57
He found several
very important interactions,
very important interactions,
262
705082
2517
Dia menemukan beberapa interaksi penting,
dan kami mengulang studi ini
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
dan menunjukkan bahwa ini adalah
jalan yang tepat
jalan yang tepat
12:03
for finding drug-drug interactions.
265
711459
2339
untuk mencari tahu interaksi obat.
12:06
However, there's a couple of things.
266
714282
1734
Akan tetapi, ada beberapa hal.
12:08
We don't just use pairs
of drugs at a time.
of drugs at a time.
267
716040
3046
Kita tidak hanya menggunakan sepasang obat
pada satu waktu.
pada satu waktu.
12:11
As I said before, there are patients
on three, five, seven, nine drugs.
on three, five, seven, nine drugs.
268
719110
4469
Seperti saya bilang tadi,
ada pasien yang meminum 3, 5, 7, 9 obat.
ada pasien yang meminum 3, 5, 7, 9 obat.
12:15
Have they been studied with respect
to their nine-way interaction?
to their nine-way interaction?
269
723981
3642
Apakah obat-obatan ini sudah dipelajari
interaksinya ketika digunakan bersamaan?
interaksinya ketika digunakan bersamaan?
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
Tentu kita bisa pasangkan dua-dua,
A dan B, A dan C, A dan D,
A dan B, A dan C, A dan D,
12:23
but what about A, B, C,
D, E, F, G all together,
D, E, F, G all together,
271
731879
4286
tetapi bagaimana jika A, B, C, D, E, F, G
secara bersamaan,
secara bersamaan,
12:28
being taken by the same patient,
272
736189
1762
dikonsumsi oleh pasien yang sama,
12:29
perhaps interacting with each other
273
737975
2118
mungkin interaksi diantara mereka
12:32
in ways that either makes them
more effective or less effective
more effective or less effective
274
740117
3778
bisa membuat mereka lebih efektif
atau menjadi tidak efektif
atau menjadi tidak efektif
atau menimbulkan efek samping
yang tidak diharapkan?
yang tidak diharapkan?
12:35
or causes side effects
that are unexpected?
that are unexpected?
275
743919
2332
12:38
We really have no idea.
276
746275
1827
Kita sungguh tidak tahu.
12:40
It's a blue sky, open field
for us to use data
for us to use data
277
748126
3756
Ini adalah bidang yang sangat luas dan
terbuka bagi kita untuk menggunakan data
terbuka bagi kita untuk menggunakan data
12:43
to try to understand
the interaction of drugs.
the interaction of drugs.
278
751906
2502
dan mencoba memahami Interaksi
antara obat-obat ini.
antara obat-obat ini.
12:46
Two more lessons:
279
754848
1370
Dua pelajaran lagi:
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
Saya ingin Anda pikirkan tentang
kekuatan yang bisa kita hasilkan
kekuatan yang bisa kita hasilkan
12:52
with the data from people who had
volunteered their adverse reactions
volunteered their adverse reactions
281
760465
4711
dengan data dari orang-orang yang sukarela
memberikan reaksi buruk mereka
memberikan reaksi buruk mereka
12:57
through their pharmacists,
through themselves, through their doctors,
through themselves, through their doctors,
282
765200
3269
melalui apoteker, diri mereka sendiri,
dan dokter mereka,
dan dokter mereka,
13:00
the people who allowed the databases
at Stanford, Harvard, Vanderbilt,
at Stanford, Harvard, Vanderbilt,
283
768493
3667
Orang-orang yang mengizinkan database di
Stanford, Harvard, Vanderbilt,
Stanford, Harvard, Vanderbilt,
13:04
to be used for research.
284
772184
1427
digunakan untuk penelitian.
Orang-orang khawatir akan data mereka,
13:05
People are worried about data.
285
773929
1445
13:07
They're worried about their privacy
and security -- they should be.
and security -- they should be.
286
775398
3187
akan privasi dan keamanan mereka --
dan memang seharusnya begitu.
dan memang seharusnya begitu.
13:10
We need secure systems.
287
778609
1151
Kita butuh sistem yang aman.
13:11
But we can't have a system
that closes that data off,
that closes that data off,
288
779784
3406
Tapi harusnya sistem itu tidak menutup
akses kita pada data,
akses kita pada data,
13:15
because it is too rich of a source
289
783214
2752
karena ini adalah sumber yang sangat kaya
13:17
of inspiration, innovation and discovery
290
785990
3971
akan inspirasi, inovasi dan penemuan
13:21
for new things in medicine.
291
789985
1578
hal-hal baru di bidang kedokteran.
Yang terakhir yang ingin saya katakan
adalah,
adalah,
13:24
And the final thing I want to say is,
292
792494
1794
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
dalam studi ini kami menemukan 2 obat
dan ceritanya agak sedih.
dan ceritanya agak sedih.
13:29
The two drugs actually caused problems.
294
797693
1921
Kedua obat ini menimbulkan masalah.
13:31
They increased glucose.
295
799638
1475
Keduanya meningkatkan glukosa.
13:33
They could throw somebody into diabetes
296
801137
2446
Mereka bisa menyebabkan seseorang
terkena diabetes
terkena diabetes
13:35
who would otherwise not be in diabetes,
297
803607
2294
yang sebelumnya tidak punya diabetes,
dan supaya Anda berhati-hati menggunakan
kedua obat ini secara bersamaan,
kedua obat ini secara bersamaan,
13:37
and so you would want to use
the two drugs very carefully together,
the two drugs very carefully together,
298
805925
3175
13:41
perhaps not together,
299
809124
1151
mungkin tidak bersamaan,
13:42
make different choices
when you're prescribing.
when you're prescribing.
300
810299
2340
gunakan obat lain ketika Anda
menulis resep.
menulis resep.
13:44
But there was another possibility.
301
812663
1846
Tapi ada kemungkinan lain.
13:46
We could have found
two drugs or three drugs
two drugs or three drugs
302
814533
2344
Kita bisa menemukan 2 obat atau 3 obat
13:48
that were interacting in a beneficial way.
303
816901
2261
yang interaksinya menguntungkan.
13:51
We could have found new effects of drugs
304
819616
2712
Kita bisa menemukan efek baru obat
yang sendiri-sendiri tidak ditemukan
pada kedua obat ini
pada kedua obat ini
13:54
that neither of them has alone,
305
822352
2160
13:56
but together, instead
of causing a side effect,
of causing a side effect,
306
824536
2493
tapi muncul saat digunakan bersamaan,
alih-alih efek samping.
alih-alih efek samping.
13:59
they could be a new and novel treatment
307
827053
2425
Mereka bisa jadi pengobatan baru
14:01
for diseases that don't have treatments
308
829502
1882
bagi penyakit yang belum bisa diobati
14:03
or where the treatments are not effective.
309
831408
2007
atau pengobatannya belum efektif.
14:05
If we think about drug treatment today,
310
833439
2395
Kalau kita pikirkan tentang
pengobatan saat ini,
pengobatan saat ini,
14:07
all the major breakthroughs --
311
835858
1752
semua terobosan besar --
14:09
for HIV, for tuberculosis,
for depression, for diabetes --
for depression, for diabetes --
312
837634
4297
untuk HIV, untuk tuberculosis,
untuk depresi, untuk diabetes --
untuk depresi, untuk diabetes --
14:13
it's always a cocktail of drugs.
313
841955
2830
semuanya adalah campuran berbagai obat.
14:16
And so the upside here,
314
844809
1730
Jadi sisi positifnya disini,
14:18
and the subject for a different
TED Talk on a different day,
TED Talk on a different day,
315
846563
2849
dan topik untuk TED Talk berikutnya,
14:21
is how can we use the same data sources
316
849436
2593
adalah bagaimana kita bisa menggunakan
sumber data yang sama
sumber data yang sama
14:24
to find good effects
of drugs in combination
of drugs in combination
317
852053
3563
untuk mencari efek positif
dari kombinasi obat-obatan
dari kombinasi obat-obatan
14:27
that will provide us new treatments,
318
855640
2175
yang akan menyediakan kita
pengobatan baru,
pengobatan baru,
14:29
new insights into how drugs work
319
857839
1852
wawasan baru tentang cara kerja obat
14:31
and enable us to take care
of our patients even better?
of our patients even better?
320
859715
3786
dan memungkinkan kita untuk
merawat pasien lebih baik?
merawat pasien lebih baik?
14:35
Thank you very much.
321
863525
1166
Terima kasih banyak.
14:36
(Applause)
322
864715
3499
(Tepuk tangan)
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