TEDMED 2015
Russ Altman: What really happens when you mix medications?
Russ Altman: Cosa accade davvero quando si assumono più medicine insieme?
Filmed:
Readability: 4.2
1,766,922 views
Se prendi due diversi farmaci per due ragioni differenti, ecco un pensiero su cui riflettere: il tuo medico potrebbe non sapere pienamente cosa accade quando si usano insieme, perché le interazioni tra medicine sono estremamente difficili da studiare. In questo intervento accattivante e accessibile, Russ Altman spiega come i medici stanno studiando le interazioni inattese tra farmaci utilizzando una fonte inaspettata: le query dei motori di ricerca.
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
Vai dal dottore e gli porti delle analisi.
00:16
The doctor determines
that you have high cholesterol
that you have high cholesterol
1
4674
2620
Il dottore scopre che
hai il colesterolo alto
hai il colesterolo alto
00:19
and you would benefit
from medication to treat it.
from medication to treat it.
2
7318
3171
e che ti servirebbero
delle medicine per curarlo.
delle medicine per curarlo.
00:22
So you get a pillbox.
3
10981
1556
Così ti dà una
scatola di pillole.
scatola di pillole.
00:25
You have some confidence,
4
13505
1199
Sei abbastanza sicuro,
00:26
your physician has some confidence
that this is going to work.
that this is going to work.
5
14728
2937
e anche il tuo medico
è abbastanza sicuro che funzionerà.
è abbastanza sicuro che funzionerà.
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
L'azienda che l'ha formulata ha fatto
molti studi, l'ha sottoposta all'FDA.
molti studi, l'ha sottoposta all'FDA.
L'hanno studiata attentamente,
scrupolosamente, e l'hanno approvata.
scrupolosamente, e l'hanno approvata.
00:33
They studied it very carefully,
skeptically, they approved it.
skeptically, they approved it.
7
21266
3107
00:36
They have a rough idea of how it works,
8
24397
1889
Hanno grosso modo idea di come funzioni,
hanno una vaga idea
degli effetti collaterali.
degli effetti collaterali.
00:38
they have a rough idea
of what the side effects are.
of what the side effects are.
9
26310
2453
00:40
It should be OK.
10
28787
1150
Dovrebbe essere a posto.
00:42
You have a little more
of a conversation with your physician
of a conversation with your physician
11
30864
2818
Poi parli ancora un po' con il tuo medico
00:45
and the physician is a little worried
because you've been blue,
because you've been blue,
12
33706
2963
e lui è un po' preoccupato
perché ultimamente ti senti giù,
perché ultimamente ti senti giù,
00:48
haven't felt like yourself,
13
36693
1293
non ti senti te stesso,
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
non riesci a goderti la vita
tanto quanto prima.
tanto quanto prima.
00:53
Your physician says, "You know,
I think you have some depression.
I think you have some depression.
15
41765
3186
Il tuo medico dice "sai,
credo che tu sia un po' depresso.
credo che tu sia un po' depresso.
00:57
I'm going to have to give
you another pill."
you another pill."
16
45792
2315
Ti devo dare un'altra pastiglia."
01:00
So now we're talking
about two medications.
about two medications.
17
48934
2483
Quindi ora si tratta di due medicine.
01:03
This pill also -- millions
of people have taken it,
of people have taken it,
18
51441
3104
Anche questa pillola... è stata presa
da milioni di persone,
da milioni di persone,
01:06
the company did studies,
the FDA looked at it -- all good.
the FDA looked at it -- all good.
19
54569
3631
l'azienda ha effettuato degli studi,
l'FDA l'ha controllata... tutto a posto.
l'FDA l'ha controllata... tutto a posto.
01:10
Think things should go OK.
20
58823
2057
Pensi che con questa tutto andrà bene.
01:12
Think things should go OK.
21
60904
2197
Pensi che con quest'altra
tutto andrà bene.
tutto andrà bene.
01:15
Well, wait a minute.
22
63125
1439
Beh, aspetta un minuto.
01:16
How much have we studied
these two together?
these two together?
23
64588
3517
Quanto abbiamo studiato
le due medicine insieme?
le due medicine insieme?
01:20
Well, it's very hard to do that.
24
68630
2300
È una cosa molto difficile da fare.
01:22
In fact, it's not traditionally done.
25
70954
2130
In realtà, di solito non si fa.
01:25
We totally depend on what we call
"post-marketing surveillance,"
"post-marketing surveillance,"
26
73108
5518
Facciamo completamente affidamento sulla
cosiddetta "sorveglianza post-marketing,"
cosiddetta "sorveglianza post-marketing,"
01:30
after the drugs hit the market.
27
78650
1880
dopo che i farmaci
vengono immessi sul mercato.
vengono immessi sul mercato.
01:32
How can we figure out
if bad things are happening
if bad things are happening
28
80996
2848
Come facciamo a rilevare
eventuali effetti collaterali
eventuali effetti collaterali
01:35
between two medications?
29
83868
1357
tra due farmaci?
01:37
Three? Five? Seven?
30
85249
2030
Tre? Cinque? Sette?
01:39
Ask your favorite person
who has several diagnoses
who has several diagnoses
31
87708
2415
Chiedete a chiunque
abbia numerose diagnosi
abbia numerose diagnosi
01:42
how many medications they're on.
32
90147
1834
quante medicine prendano.
Perché mi preoccupa
questo problema?
questo problema?
01:44
Why do I care about this problem?
33
92530
1580
01:46
I care about it deeply.
34
94134
1157
Mi sta molto a cuore.
01:47
I'm an informatics and data science guy
and really, in my opinion,
and really, in my opinion,
35
95315
4304
Mi occupo di informatica e
scienza dei dati e, davvero, credo che
scienza dei dati e, davvero, credo che
01:51
the only hope -- only hope --
to understand these interactions
to understand these interactions
36
99643
3745
l'unica e sola speranza
di comprendere queste interazioni
di comprendere queste interazioni
01:55
is to leverage lots
of different sources of data
of different sources of data
37
103412
3056
sia sfruttare molte diverse fonti di dati
per capire quando i farmaci possano
essere utilizzati insieme in modo sicuro,
essere utilizzati insieme in modo sicuro,
01:58
in order to figure out
when drugs can be used together safely
when drugs can be used together safely
38
106492
3556
02:02
and when it's not so safe.
39
110072
1777
e quando non è così sicuro.
Lasciate che vi racconti
una storia sui dati.
una storia sui dati.
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
E inizia con il mio studente Nick.
02:08
Let's call him "Nick,"
because that's his name.
because that's his name.
42
116868
2380
Chiamiamolo "Nick,"
dato che è il suo nome.
dato che è il suo nome.
02:11
(Laughter)
43
119272
1592
(Risate)
Nick era un giovane studente.
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
Dissi: "Sai, Nick, dobbiamo capire
come funzionano i farmaci,
come funzionano i farmaci,
02:17
and how they work together
and how they work separately,
and how they work separately,
46
125216
2626
come funzionano insieme e
come funzionano separatamente,
come funzionano separatamente,
02:19
and we don't have a great understanding.
47
127866
1922
e non ne sappiamo molto.
Ma l'FDA ha reso disponibile
un fantastico database.
un fantastico database.
02:21
But the FDA has made available
an amazing database.
an amazing database.
48
129812
2405
02:24
It's a database of adverse events.
49
132241
1699
È un database
di effetti collaterali.
di effetti collaterali.
02:26
They literally put on the web --
50
134321
1642
Hanno letteralmente messo in rete,
02:27
publicly available, you could all
download it right now --
download it right now --
51
135987
3119
disponibili al pubblico,
potreste scaricarli ora,
potreste scaricarli ora,
02:31
hundreds of thousands
of adverse event reports
of adverse event reports
52
139130
3627
centinaia di migliaia di resoconti
di effetti collaterali
di effetti collaterali
02:34
from patients, doctors,
companies, pharmacists.
companies, pharmacists.
53
142781
3760
da pazienti, dottori, aziende, farmacisti.
Questi dati sono abbastanza semplici:
02:38
And these reports are pretty simple:
54
146565
1749
si riportano tutte le malattie
da cui è affetto il paziente,
da cui è affetto il paziente,
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
tutti i farmaci che assume,
02:44
and all the adverse events,
or side effects, that they experience.
or side effects, that they experience.
57
152811
3818
e tutte le reazioni avverse,
o effetti collaterali, che incontra.
o effetti collaterali, che incontra.
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
Non sono tutte le reazioni avverse
che sono presenti in America oggi,
che sono presenti in America oggi,
ma si tratta di centinaia e
centinaia di migliaia di farmaci.
centinaia di migliaia di farmaci.
02:52
but it's hundreds and hundreds
of thousands of drugs.
of thousands of drugs.
59
160113
2578
02:54
So I said to Nick,
60
162715
1299
Quindi dissi a Nick:
02:56
"Let's think about glucose.
61
164038
1826
"Parliamo del glucosio.
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
Il glucosio è molto importante e
sappiamo che è correlato al diabete.
sappiamo che è correlato al diabete.
03:01
Let's see if we can understand
glucose response.
glucose response.
63
169479
3970
Vediamo se riusciamo a capire
la risposta glicemica."
la risposta glicemica."
03:05
I sent Nick off. Nick came back.
64
173473
2458
Ho mandato Nick al lavoro.
Nick è tornato.
Nick è tornato.
03:08
"Russ," he said,
65
176248
1786
"Russ" disse,
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
"Ho creato un classificatore che legge
gli effetti collaterali di un farmaco
gli effetti collaterali di un farmaco
03:15
based on looking at this database,
67
183487
2051
e, in base a questo database,
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
può dire se è probabile che quel farmaco
modifichi o meno il glucosio."
modifichi o meno il glucosio."
Ci era riuscito. In un certo senso,
era molto semplice.
era molto semplice.
03:21
He did it. It was very simple, in a way.
69
189857
2016
Ha preso tutti i farmaci
che è noto modifichino il glucosio
che è noto modifichino il glucosio
03:23
He took all the drugs
that were known to change glucose
that were known to change glucose
70
191897
2635
03:26
and a bunch of drugs
that don't change glucose,
that don't change glucose,
71
194556
2389
e una manciata di farmaci
che non lo fanno,
che non lo fanno,
03:28
and said, "What's the difference
in their side effects?
in their side effects?
72
196969
2888
e si è chiesto: "Qual è la differenza
negli effetti collaterali?
negli effetti collaterali?
03:31
Differences in fatigue? In appetite?
In urination habits?"
In urination habits?"
73
199881
4852
Differenze nella stanchezza?
Nell'appetito? Nelle abitudini urinarie?"
Nell'appetito? Nelle abitudini urinarie?"
Tutti questi fattori hanno contribuito
a creare un ottimo predittore.
a creare un ottimo predittore.
03:36
All those things conspired
to give him a really good predictor.
to give him a really good predictor.
74
204757
2960
Ha detto: "Russ, posso predirre
con il 93% di precisione
con il 93% di precisione
03:39
He said, "Russ, I can predict
with 93 percent accuracy
with 93 percent accuracy
75
207741
2548
03:42
when a drug will change glucose."
76
210313
1572
se un farmaco
cambierà il glucosio."
cambierà il glucosio."
03:43
I said, "Nick, that's great."
77
211909
1416
Dissi: "Nick, è ottimo."
03:45
He's a young student,
you have to build his confidence.
you have to build his confidence.
78
213349
2896
È un giovane studente,
bisogna fargli acquisire sicurezza.
bisogna fargli acquisire sicurezza.
03:48
"But Nick, there's a problem.
79
216269
1390
"Ma, Nick, c'è un problema.
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
È che ogni medico al mondo conosce
tutti i farmaci che modificano il glucosio
tutti i farmaci che modificano il glucosio
03:53
because it's core to our practice.
81
221667
2038
perché è fondamentale
per il nostro lavoro.
per il nostro lavoro.
03:55
So it's great, good job,
but not really that interesting,
but not really that interesting,
82
223729
3722
Quindi è fantastico, un buon lavoro,
ma non è così interessante,
ma non è così interessante,
03:59
definitely not publishable."
83
227475
1531
sicuramente non pubblicabile."
04:01
(Laughter)
84
229030
1014
(Risate)
04:02
He said, "I know, Russ.
I thought you might say that."
I thought you might say that."
85
230068
2550
Disse: "Lo so, Russ.
Credevo l'avresti detto."
Credevo l'avresti detto."
Nick è sveglio.
04:04
Nick is smart.
86
232642
1152
"Credevo l'avresti detto, quindi
ho fatto un altro esperimento.
ho fatto un altro esperimento.
04:06
"I thought you might say that,
so I did one other experiment.
so I did one other experiment.
87
234149
2874
Ho cercato nel database le persone
che assumevano due farmaci,
che assumevano due farmaci,
04:09
I looked at people in this database
who were on two drugs,
who were on two drugs,
88
237047
2928
04:11
and I looked for signals similar,
glucose-changing signals,
glucose-changing signals,
89
239999
4422
e ho cercato segnali simili
di modifica del livello di glucosio,
di modifica del livello di glucosio,
in persone che assumono due farmaci,
04:16
for people taking two drugs,
90
244445
1624
04:18
where each drug alone
did not change glucose,
did not change glucose,
91
246093
5569
casi in cui ogni farmaco singolo
non modificava il livello di glucosio,
non modificava il livello di glucosio,
ma se presi insieme,
ho rilevato un segnale importante."
ho rilevato un segnale importante."
04:23
but together I saw a strong signal."
92
251686
2460
E ho detto: "Oh! Sei sveglio.
Buona idea. Fammi vedere la lista."
Buona idea. Fammi vedere la lista."
04:26
And I said, "Oh! You're clever.
Good idea. Show me the list."
Good idea. Show me the list."
93
254170
3149
Vidi una manciata di farmaci,
non molto entusiasmanti.
non molto entusiasmanti.
04:29
And there's a bunch of drugs,
not very exciting.
not very exciting.
94
257343
2254
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
Ma quello che attirò la mia
attenzione furono due farmaci:
attenzione furono due farmaci:
04:35
paroxetine, or Paxil, an antidepressant;
96
263577
3393
la paroxetina, o Paxil, un antidepressivo;
04:39
and pravastatin, or Pravachol,
a cholesterol medication.
a cholesterol medication.
97
267756
3570
e la pravastatina, o Pravachol,
un farmaco per il colesterolo.
un farmaco per il colesterolo.
04:43
And I said, "Huh. There are millions
of Americans on those two drugs."
of Americans on those two drugs."
98
271936
4283
Ho detto: "Uh. Milioni di americani
prendono questi due farmaci insieme."
prendono questi due farmaci insieme."
04:48
In fact, we learned later,
99
276243
1246
In realtà, scoprimmo dopo,
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 milioni erano sotto paroxetina
e 15 milioni sotto pravastatina,
e 15 milioni sotto pravastatina,
04:55
and a million, we estimated, on both.
101
283569
2817
e un milione, stimammo,
che le prendevano insieme.
che le prendevano insieme.
Quindi un milione di persone
04:58
So that's a million people
102
286767
1254
avrebbero potuto avere problemi
con il proprio glucosio
con il proprio glucosio
05:00
who might be having some problems
with their glucose
with their glucose
103
288045
2453
se questo lavoro di machine learning
effettuato sul database della FDA
effettuato sul database della FDA
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
si fosse rivelato valido.
05:07
But I said, "It's still not publishable,
106
295030
1927
Ma dissi: "Non è ancora pubblicabile,
05:08
because I love what you did
with the mumbo jumbo,
with the mumbo jumbo,
107
296981
2296
perché sebbene mi piaccia il tuo lavoro
05:11
with the machine learning,
108
299301
1246
di machine learning,
05:12
but it's not really standard-of-proof
evidence that we have."
evidence that we have."
109
300571
3864
in realtà non siamo di fronte
a prove sufficienti.
a prove sufficienti.
05:17
So we have to do something else.
110
305618
1589
Dobbiamo fare qualcos'altro.
05:19
Let's go into the Stanford
electronic medical record.
electronic medical record.
111
307231
2876
Guardiamo nel registro
medico elettronico di Stanford.
medico elettronico di Stanford.
05:22
We have a copy of it
that's OK for research,
that's OK for research,
112
310131
2064
Ne abbiamo una copia
adatta alla ricerca,
adatta alla ricerca,
05:24
we removed identifying information.
113
312219
2046
abbiamo rimosso le informazioni personali.
Dissi: "Vediamo se pazienti
che assumono questi due farmaci
che assumono questi due farmaci
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
hanno problemi con il loro glucosio."
05:31
Now there are thousands
and thousands of people
and thousands of people
116
319242
2207
Ci sono migliaia e migliaia di persone
05:33
in the Stanford medical records
that take paroxetine and pravastatin.
that take paroxetine and pravastatin.
117
321473
3459
nei registri medici di Stanford
che assumono paroxetina e pravastatina.
che assumono paroxetina e pravastatina.
05:36
But we needed special patients.
118
324956
1799
Ma a noi servivano pazienti speciali.
05:38
We needed patients who were on one of them
and had a glucose measurement,
and had a glucose measurement,
119
326779
4597
Ci servivano pazienti che avessero
misurato il glucosio sotto un farmaco solo
misurato il glucosio sotto un farmaco solo
05:43
then got the second one and had
another glucose measurement,
another glucose measurement,
120
331400
3449
e che l'avessero misurato di nuovo
dopo aver preso il secondo farmaco,
dopo aver preso il secondo farmaco,
05:46
all within a reasonable period of time --
something like two months.
something like two months.
121
334873
3615
il tutto entro un periodo di tempo
ragionevole, qualcosa come due mesi.
ragionevole, qualcosa come due mesi.
05:50
And when we did that,
we found 10 patients.
we found 10 patients.
122
338512
3159
E quando li abbiamo trovati,
erano 10 pazienti.
erano 10 pazienti.
05:54
However, eight out of the 10
had a bump in their glucose
had a bump in their glucose
123
342592
4538
Tuttavia, 8 su 10 avevano rilevato
un aumento di glucosio
un aumento di glucosio
05:59
when they got the second P --
we call this P and P --
we call this P and P --
124
347154
2645
dopo aver assunto la seconda P,
le chiamiamo P e P.
le chiamiamo P e P.
06:01
when they got the second P.
125
349823
1310
dopo la seconda P.
Qualunque fosse stata assunta
per prima, dopo la seconda
per prima, dopo la seconda
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
il glucosio era aumentato
di 20 milligrammi per decilitro.
di 20 milligrammi per decilitro.
06:08
Just as a reminder,
128
356614
1158
Giusto come promemoria,
06:09
you walk around normally,
if you're not diabetic,
if you're not diabetic,
129
357796
2325
se non siete diabetici, andate in giro
06:12
with a glucose of around 90.
130
360145
1359
con circa 90 di glucosio.
06:13
And if it gets up to 120, 125,
131
361528
2076
E se si alza a 120 o 125,
06:15
your doctor begins to think
about a potential diagnosis of diabetes.
about a potential diagnosis of diabetes.
132
363628
3450
il vostro medico inizia a pensare
ad una potenziale diagnosi di diabete.
ad una potenziale diagnosi di diabete.
06:19
So a 20 bump -- pretty significant.
133
367102
2991
Quindi un aumento di 20
è abbastanza significativo.
è abbastanza significativo.
06:22
I said, "Nick, this is very cool.
134
370601
1904
Dissi: "Nick, ciò
è molto interessante.
è molto interessante.
Ma, mi spiace, non abbiamo
ancora un articolo,
ancora un articolo,
06:25
But, I'm sorry, we still
don't have a paper,
don't have a paper,
135
373616
2053
06:27
because this is 10 patients
and -- give me a break --
and -- give me a break --
136
375693
2579
poiché si tratta di 10 pazienti
e, concedimelo,
e, concedimelo,
06:30
it's not enough patients."
137
378296
1245
non sono abbastanza."
06:31
So we said, what can we do?
138
379565
1306
Quindi cosa potevamo fare?
Ci siamo detti, chiamiamo i nostri amici
ad Harvard e Vanderbilt,
ad Harvard e Vanderbilt,
06:32
And we said, let's call our friends
at Harvard and Vanderbilt,
at Harvard and Vanderbilt,
139
380895
2976
06:35
who also -- Harvard in Boston,
Vanderbilt in Nashville,
Vanderbilt in Nashville,
140
383895
2587
anche loro, Harvard a Boston
e Vanderbilt a Nashville,
e Vanderbilt a Nashville,
06:38
who also have electronic
medical records similar to ours.
medical records similar to ours.
141
386506
2821
hanno registri medici
elettronici simili ai nostri.
elettronici simili ai nostri.
06:41
Let's see if they can find
similar patients
similar patients
142
389351
2020
Vediamo se possono trovare pazienti simili
06:43
with the one P, the other P,
the glucose measurements
the glucose measurements
143
391395
3276
con una P, l'altra P e
le misurazioni di glucosio
le misurazioni di glucosio
06:46
in that range that we need.
144
394695
1600
nell'intervallo di tempo utile.
06:48
God bless them, Vanderbilt
in one week found 40 such patients,
in one week found 40 such patients,
145
396787
4955
Dio li benedica, Vanderbilt trovò
in una settimana 40 pazienti del genere,
in una settimana 40 pazienti del genere,
06:53
same trend.
146
401766
1189
stesse caratteristiche.
06:55
Harvard found 100 patients, same trend.
147
403804
3620
Harvard trovò 100 pazienti,
stesse caratteristiche.
stesse caratteristiche.
06:59
So at the end, we had 150 patients
from three diverse medical centers
from three diverse medical centers
148
407448
4281
Alla fine, avevamo 150 pazienti
da tre diversi centri medici
da tre diversi centri medici
07:03
that were telling us that patients
getting these two drugs
getting these two drugs
149
411753
3297
che ci stavano dicendo
che, assumendo questi farmaci,
che, assumendo questi farmaci,
07:07
were having their glucose bump
somewhat significantly.
somewhat significantly.
150
415074
2703
il loro glucosio si alzava
in maniera significativa.
in maniera significativa.
Ancora più interessante,
non avevamo considerato i diabetici
non avevamo considerato i diabetici
07:10
More interestingly,
we had left out diabetics,
we had left out diabetics,
151
418317
2810
perché nei diabetici il glucosio
è già fuori dalla norma.
è già fuori dalla norma.
07:13
because diabetics already
have messed up glucose.
have messed up glucose.
152
421151
2317
07:15
When we looked
at the glucose of diabetics,
at the glucose of diabetics,
153
423492
2238
Quando l'abbiamo fatto,
il glucosio dei diabetici
il glucosio dei diabetici
07:17
it was going up 60 milligrams
per deciliter, not just 20.
per deciliter, not just 20.
154
425754
3435
aumentava fino a 60 milligrammi
per decilitro, non solo 20.
per decilitro, non solo 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
Questo era importante, e ci siamo detti:
"Dobbiamo pubblicarlo."
"Dobbiamo pubblicarlo."
Abbiamo presentato l'articolo.
07:25
We submitted the paper.
156
433236
1179
07:26
It was all data evidence,
157
434439
2111
Erano tutti dati oggettivi,
07:28
data from the FDA, data from Stanford,
158
436574
2483
dati dall'FDA, dati da Stanford,
07:31
data from Vanderbilt, data from Harvard.
159
439081
1946
dati da Vanderbilt, dati da Harvard.
07:33
We had not done a single real experiment.
160
441051
2396
Non avevamo fatto un singolo esperimento.
07:36
But we were nervous.
161
444495
1296
Ma eravamo nervosi.
07:38
So Nick, while the paper
was in review, went to the lab.
was in review, went to the lab.
162
446201
3730
Così Nick, mentre l'articolo era in esame,
è andato al laboratorio.
è andato al laboratorio.
Abbiamo trovato qualcuno
che ne capisse di laboratorio
che ne capisse di laboratorio
07:41
We found somebody
who knew about lab stuff.
who knew about lab stuff.
163
449955
2462
07:44
I don't do that.
164
452441
1393
Io non faccio queste cose.
07:45
I take care of patients,
but I don't do pipettes.
but I don't do pipettes.
165
453858
2417
Mi preoccupo dei pazienti,
ma non uso pipette.
ma non uso pipette.
07:49
They taught us how to feed mice drugs.
166
457420
3053
Ci hanno insegnato come
somministrare medicine ai topi.
somministrare medicine ai topi.
Presi dei topi gli abbiamo dato
una P, paroxetina.
una P, paroxetina.
07:52
We took mice and we gave them
one P, paroxetine.
one P, paroxetine.
167
460864
2414
Abbiamo dato ad altri topi
la pravastatina.
la pravastatina.
07:55
We gave some other mice pravastatin.
168
463302
2508
07:57
And we gave a third group
of mice both of them.
of mice both of them.
169
465834
3595
Ad un terzo gruppo di topi
abbiamo dato entrambe.
abbiamo dato entrambe.
08:01
And lo and behold, glucose went up
20 to 60 milligrams per deciliter
20 to 60 milligrams per deciliter
170
469893
3946
Ed ecco! Il glucosio è aumentato
tra 20 e 60 milligrammi per decilitro
tra 20 e 60 milligrammi per decilitro
08:05
in the mice.
171
473863
1171
nei topi.
08:07
So the paper was accepted
based on the informatics evidence alone,
based on the informatics evidence alone,
172
475058
3158
Così l'articolo è stato accettato.
in base alle sole prove informatiche,
in base alle sole prove informatiche,
08:10
but we added a little note at the end,
173
478240
1894
ma abbiamo aggiunto
una nota alla fine
una nota alla fine
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
dicendo, oh a proposito,
se le date ai topi, funziona.
se le date ai topi, funziona.
08:15
That was great, and the story
could have ended there.
could have ended there.
175
483081
2508
È stato fantastico e la storia
potrebbe finire qui.
potrebbe finire qui.
08:17
But I still have six and a half minutes.
176
485613
1997
Ma ho ancora sei minuti e mezzo.
08:19
(Laughter)
177
487634
2807
(Risate)
08:22
So we were sitting around
thinking about all of this,
thinking about all of this,
178
490465
2815
Dunque ce ne stavamo lì
pensando a tutto questo,
pensando a tutto questo,
08:25
and I don't remember who thought
of it, but somebody said,
of it, but somebody said,
179
493304
2735
e non ricordo chi ci ha pensato,
ma qualcuno ha detto:
ma qualcuno ha detto:
08:28
"I wonder if patients
who are taking these two drugs
who are taking these two drugs
180
496063
3201
"Mi chiedo se i pazienti che
prendono queste due medicine
prendono queste due medicine
08:31
are noticing side effects
of hyperglycemia.
of hyperglycemia.
181
499288
3553
stanno notando gli effetti collaterali
dell'iperglicemia."
dell'iperglicemia."
08:34
They could and they should.
182
502865
1496
Potevano e dovevano.
08:36
How would we ever determine that?"
183
504761
1877
"Come possiamo mai stabilirlo?"
Ci siamo detti, bene, cosa fai?
08:39
We said, well, what do you do?
184
507551
1443
08:41
You're taking a medication,
one new medication or two,
one new medication or two,
185
509018
2580
Stai prendendo una medicina,
una medicina nuova o due,
una medicina nuova o due,
08:43
and you get a funny feeling.
186
511622
1538
e avverti una strana sensazione.
08:45
What do you do?
187
513184
1151
Cosa fai?
08:46
You go to Google
188
514359
1151
Vai su 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
e scrivi le due medicine che prendi
o la medicina che prendi
o la medicina che prendi
08:50
and you type in "side effects."
190
518907
1603
e scrivi "effetti collaterali".
08:52
What are you experiencing?
191
520534
1356
Quali sintomi hai?
Così abbiamo detto OK,
08:54
So we said OK,
192
522239
1151
chiediamo a Google di condividere
i loro registri di ricerca con noi,
i loro registri di ricerca con noi,
08:55
let's ask Google if they will share
their search logs with us,
their search logs with us,
193
523414
3056
così controlliamo i registri di ricerca
08:58
so that we can look at the search logs
194
526494
1833
09:00
and see if patients are doing
these kinds of searches.
these kinds of searches.
195
528351
2565
e vediamo se i pazienti
stanno facendo questo tipo di ricerche.
stanno facendo questo tipo di ricerche.
09:02
Google, I am sorry to say,
denied our request.
denied our request.
196
530940
3275
Google, mi spiace dirlo,
ha respinto la nostra richiesta.
ha respinto la nostra richiesta.
09:06
So I was bummed.
197
534819
1151
Quindi ero scoraggiato.
09:07
I was at a dinner with a colleague
who works at Microsoft Research
who works at Microsoft Research
198
535994
3166
Ero a una cena con un collega
che lavora alla Microsoft Research
che lavora alla Microsoft Research
e ho detto: "Volevamo fare questa ricerca,
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
Google ha detto no, è un peccato."
Ha detto: "Beh, noi abbiamo
le ricerche su Bing"
le ricerche su Bing"
09:15
He said, "Well, we have
the Bing searches."
the Bing searches."
201
543053
2086
09:18
(Laughter)
202
546195
3483
(Risate)
09:22
Yeah.
203
550805
1267
Già.
09:24
That's great.
204
552096
1151
È fantastico.
09:25
Now I felt like I was --
205
553271
1151
Ora mi sentivo come...
09:26
(Laughter)
206
554446
1000
(Risate)
09:27
I felt like I was talking to Nick again.
207
555470
2412
Mi sentivo come se stessi
parlando di nuovo a Nick.
parlando di nuovo a Nick.
09:30
He works for one of the largest
companies in the world,
companies in the world,
208
558437
2624
Lavora per una delle aziende
più grandi al mondo,
più grandi al mondo,
09:33
and I'm already trying
to make him feel better.
to make him feel better.
209
561085
2206
e sto ancora provando
a farlo sentire meglio.
a farlo sentire meglio.
09:35
But he said, "No, Russ --
you might not understand.
you might not understand.
210
563315
2445
Ma ha detto: "No, Russ,
forse non hai capito.
forse non hai capito.
Non solo abbiamo le ricerche su Bing,
09:37
We not only have Bing searches,
211
565784
1500
09:39
but if you use Internet Explorer
to do searches at Google,
to do searches at Google,
212
567308
3340
ma se usi Internet Explorer
per fare ricerche su Google,
per fare ricerche su Google,
Yahoo, Bing, qualsiasi...
09:42
Yahoo, Bing, any ...
213
570672
1891
09:44
Then, for 18 months, we keep that data
for research purposes only."
for research purposes only."
214
572587
3643
Allora, per 18 mesi, conserviamo quei dati
a solo scopo di ricerca."
a solo scopo di ricerca."
09:48
I said, "Now you're talking!"
215
576254
1936
Ho detto: " Questo sì che è parlare."
09:50
This was Eric Horvitz,
my friend at Microsoft.
my friend at Microsoft.
216
578214
2198
Questo era Eric Horvitz,
mio amico alla Microsoft.
mio amico alla Microsoft.
09:52
So we did a study
217
580436
1695
Quindi abbiamo fatto uno studio
09:54
where we defined 50 words
that a regular person might type in
that a regular person might type in
218
582155
4619
con cui abbiamo definito 50 parole
che una persona comune potrebbe scrivere
che una persona comune potrebbe scrivere
09:58
if they're having hyperglycemia,
219
586798
1602
se avesse l'iperglicemia,
10:00
like "fatigue," "loss of appetite,"
"urinating a lot," "peeing a lot" --
"urinating a lot," "peeing a lot" --
220
588424
4762
come "fatica", "perdita di appetito",
"urinare molto", "fare molta pipì",
"urinare molto", "fare molta pipì",
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
perdonatemi, ma è una delle cose
che potreste scrivere.
che potreste scrivere.
Così avevamo 50 frasi che
abbiamo chiamato le "parole del diabete".
abbiamo chiamato le "parole del diabete".
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
E abbiamo ottenuto un primo riferimento.
10:12
And it turns out
that about .5 to one percent
that about .5 to one percent
224
600902
2704
Si è scoperto che circa tra lo 0,5 e l'1%
10:15
of all searches on the Internet
involve one of those words.
involve one of those words.
225
603630
2982
di tutte le ricerche su Internet
contengono una di queste parole.
contengono una di queste parole.
10:18
So that's our baseline rate.
226
606636
1742
Così questo è il nostro riferimento.
10:20
If people type in "paroxetine"
or "Paxil" -- those are synonyms --
or "Paxil" -- those are synonyms --
227
608402
4143
Se le persone scrivono "paroxetina"
o "Paxil", sono sinonimi,
o "Paxil", sono sinonimi,
10:24
and one of those words,
228
612569
1215
e una di quelle parole,
10:25
the rate goes up to about two percent
of diabetes-type words,
of diabetes-type words,
229
613808
4890
il tasso sale fino a circa il 2 percento
di parole di tipo diabete,
di parole di tipo diabete,
10:30
if you already know
that there's that "paroxetine" word.
that there's that "paroxetine" word.
230
618722
3044
se già sai che
c'è la parola "paroxetina".
c'è la parola "paroxetina".
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
Se c'è "pravastina", il tasso sale
fino a circa il 3 % dal riferimento.
fino a circa il 3 % dal riferimento.
10:39
If both "paroxetine" and "pravastatin"
are present in the query,
are present in the query,
232
627171
4390
Se sia "paroxetina" che "pravastina"
sono presenti nella query,
sono presenti nella query,
10:43
it goes up to 10 percent,
233
631585
1669
sale al 10 percento,
10:45
a huge three- to four-fold increase
234
633278
3461
un incremento enorme da 3 a 4 volte
10:48
in those searches with the two drugs
that we were interested in,
that we were interested in,
235
636763
3389
nelle ricerche con le due medicine
che ci interessavano,
che ci interessavano,
10:52
and diabetes-type words
or hyperglycemia-type words.
or hyperglycemia-type words.
236
640176
3566
e le parole di tipo diabete
o di tipo iperglicemia.
o di tipo iperglicemia.
Lo abbiamo pubblicato,
10:56
We published this,
237
644216
1265
ha ricevuto una certa attenzione.
10:57
and it got some attention.
238
645505
1466
10:58
The reason it deserves attention
239
646995
1778
La ragione per cui merita attenzione
11:00
is that patients are telling us
their side effects indirectly
their side effects indirectly
240
648797
4312
è che i pazienti ci stanno dicendo
i loro effetti collaterali indirettamente
i loro effetti collaterali indirettamente
attraverso le loro ricerche.
11:05
through their searches.
241
653133
1156
11:06
We brought this
to the attention of the FDA.
to the attention of the FDA.
242
654313
2138
Lo abbiamo posto all'attenzione dell'FDA.
11:08
They were interested.
243
656475
1269
Erano interessati.
11:09
They have set up social media
surveillance programs
surveillance programs
244
657768
3606
Hanno stabilito programmi di sorveglianza
basati sui social media
basati sui social media
11:13
to collaborate with Microsoft,
245
661398
1751
per collaborare con Microsoft,
11:15
which had a nice infrastructure
for doing this, and others,
for doing this, and others,
246
663173
2794
che ha una buona infrastruttura
per fare questo, e altri,
per fare questo, e altri,
per vedere messaggi su Twitter
11:17
to look at Twitter feeds,
247
665991
1282
11:19
to look at Facebook feeds,
248
667297
1716
e su Facebook,
per vedere i registri di ricerca,
11:21
to look at search logs,
249
669037
1311
11:22
to try to see early signs that drugs,
either individually or together,
either individually or together,
250
670372
4909
per cercare di vedere i primi segni che
delle medicine, da sole o insieme,
delle medicine, da sole o insieme,
11:27
are causing problems.
251
675305
1589
stanno causando problemi.
Cosa mi è rimasto?
Perché racconto questa storia?
Perché racconto questa storia?
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
Bene, prima di tutto,
11:32
we have now the promise
of big data and medium-sized data
of big data and medium-sized data
254
680347
4037
ora abbiamo la promessa
di dati di grandi e medie dimensioni
di dati di grandi e medie dimensioni
11:36
to help us understand drug interactions
255
684408
2918
per aiutarci a comprendere
le interazioni tra medicine
le interazioni tra medicine
11:39
and really, fundamentally, drug actions.
256
687350
2420
e davvero, fondamentalmente,
l'azione delle medicine.
l'azione delle medicine.
11:41
How do drugs work?
257
689794
1413
Come funziona un medicinale?
11:43
This will create and has created
a new ecosystem
a new ecosystem
258
691231
2836
Questo creerà e ha creato
un nuovo ecosistema
un nuovo ecosistema
11:46
for understanding how drugs work
and to optimize their use.
and to optimize their use.
259
694091
3267
per capire come funzionano le medicine
e ottimizzare il loro uso.
e ottimizzare il loro uso.
11:50
Nick went on; he's a professor
at Columbia now.
at Columbia now.
260
698303
2659
Nick è andato avanti;
ora è professore alla Columbia.
ora è professore alla Columbia.
11:52
He did this in his PhD
for hundreds of pairs of drugs.
for hundreds of pairs of drugs.
261
700986
4072
Ha fatto questo nel suo PhD
per migliaia di coppie di medicine.
per migliaia di coppie di medicine.
11:57
He found several
very important interactions,
very important interactions,
262
705082
2517
Ha trovato molte interazioni
davvero importanti
davvero importanti
11:59
and so we replicated this
263
707623
1214
e così l'abbiamo ripetuto
12:00
and we showed that this
is a way that really works
is a way that really works
264
708861
2574
e abbiamo dimostrato che è un metodo
che funziona davvero
che funziona davvero
12:03
for finding drug-drug interactions.
265
711459
2339
per trovare interazioni tra medicinali.
12:06
However, there's a couple of things.
266
714282
1734
Comunque, ci sono un paio di cose.
12:08
We don't just use pairs
of drugs at a time.
of drugs at a time.
267
716040
3046
Non abbiamo considerato solo
due medicine alla volta.
due medicine alla volta.
12:11
As I said before, there are patients
on three, five, seven, nine drugs.
on three, five, seven, nine drugs.
268
719110
4469
Come ho detto prima, ci sono pazienti
che assumono 3, 5, 7, 9 medicine.
che assumono 3, 5, 7, 9 medicine.
12:15
Have they been studied with respect
to their nine-way interaction?
to their nine-way interaction?
269
723981
3642
Sono state studiate rispetto
alle loro interazioni se prese insieme?
alle loro interazioni se prese insieme?
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
Sì, possiamo prendere delle coppie,
A e B, A e C, A e D,
A e B, A e C, A e D,
12:23
but what about A, B, C,
D, E, F, G all together,
D, E, F, G all together,
271
731879
4286
ma cosa accade con A, B, C,
D, E, F, G tutte insieme
D, E, F, G tutte insieme
12:28
being taken by the same patient,
272
736189
1762
se prese dallo stesso paziente,
12:29
perhaps interacting with each other
273
737975
2118
forse interagendo una con l'altra
12:32
in ways that either makes them
more effective or less effective
more effective or less effective
274
740117
3778
in modi che le rendano
o più efficaci o meno efficaci
o più efficaci o meno efficaci
o causino effetti collaterali
che sono inaspettati?
che sono inaspettati?
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
Non ne abbiamo proprio idea.
12:40
It's a blue sky, open field
for us to use data
for us to use data
277
748126
3756
È teoria, un campo aperto
per noi per usare i dati
per noi per usare i dati
12:43
to try to understand
the interaction of drugs.
the interaction of drugs.
278
751906
2502
per cercare di capire
le interazioni tra medicinali.
le interazioni tra medicinali.
12:46
Two more lessons:
279
754848
1370
Ancora due lezioni:
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
Vorrei che pensaste al potere
che siamo stati in grado di generare
che siamo stati in grado di generare
12:52
with the data from people who had
volunteered their adverse reactions
volunteered their adverse reactions
281
760465
4711
con i dati da persone che hanno
fornito le loro reazioni avverse
fornito le loro reazioni avverse
12:57
through their pharmacists,
through themselves, through their doctors,
through themselves, through their doctors,
282
765200
3269
attraverso i loro farmacisti,
loro stesse, i loro dottori,
loro stesse, i loro dottori,
le persone che hanno reso disponibili
database a Stanford, Harvard, Vanderbilt,
database a Stanford, Harvard, Vanderbilt,
13:00
the people who allowed the databases
at Stanford, Harvard, Vanderbilt,
at Stanford, Harvard, Vanderbilt,
283
768493
3667
13:04
to be used for research.
284
772184
1427
per usarli nella ricerca.
Le persone si preoccupano dei dati.
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
Si preoccupano della loro privacy
e sicurezza, dovrebbero farlo.
e sicurezza, dovrebbero farlo.
Ci servono sistemi sicuri.
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
Ma non possiamo avere sistemi
che bloccano quei dati
che bloccano quei dati
13:15
because it is too rich of a source
289
783214
2752
perché è una fonte troppo ricca
13:17
of inspiration, innovation and discovery
290
785990
3971
di ispirazione, innovazione e scoperta
13:21
for new things in medicine.
291
789985
1578
di nuove cose in medicina.
E l'ultima cosa che voglio dire è questa,
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
in questo caso abbiamo due medicine
ed è una storia un po' triste.
ed è una storia un po' triste.
Le due medicine in realtà
causavano problemi.
causavano problemi.
13:29
The two drugs actually caused problems.
294
797693
1921
13:31
They increased glucose.
295
799638
1475
Facevano aumentare il glucosio.
13:33
They could throw somebody into diabetes
296
801137
2446
Possono far diventare diabetico qualcuno
13:35
who would otherwise not be in diabetes,
297
803607
2294
che altrimenti non lo sarebbe,
13:37
and so you would want to use
the two drugs very carefully together,
the two drugs very carefully together,
298
805925
3175
quindi dovreste usare le due medicine
insieme con molta cautela,
insieme con molta cautela,
13:41
perhaps not together,
299
809124
1151
magari non insieme,
13:42
make different choices
when you're prescribing.
when you're prescribing.
300
810299
2340
fate scelte differenti quando
prescrivete medicine.
prescrivete medicine.
13:44
But there was another possibility.
301
812663
1846
Ma c'era un'altra possibilità.
13:46
We could have found
two drugs or three drugs
two drugs or three drugs
302
814533
2344
Avremmo potuto trovare
2 o 3 medicinali
2 o 3 medicinali
13:48
that were interacting in a beneficial way.
303
816901
2261
che interagissero in modo benefico.
13:51
We could have found new effects of drugs
304
819616
2712
Avremmo potuto trovare
nuovi effetti delle medicine
nuovi effetti delle medicine
13:54
that neither of them has alone,
305
822352
2160
che nessuna di loro ha da sola,
13:56
but together, instead
of causing a side effect,
of causing a side effect,
306
824536
2493
ma insieme, invece di
causare effetti collaterali,
causare effetti collaterali,
13:59
they could be a new and novel treatment
307
827053
2425
potrebbero essere
un trattamento nuovo e insolito
un trattamento nuovo e insolito
14:01
for diseases that don't have treatments
308
829502
1882
per malattie che non hanno cure
14:03
or where the treatments are not effective.
309
831408
2007
o per le quali le cure non sono efficaci.
14:05
If we think about drug treatment today,
310
833439
2395
Se pensiamo alle cure con medicinali oggi,
14:07
all the major breakthroughs --
311
835858
1752
tutte le svolte maggiori,
14:09
for HIV, for tuberculosis,
for depression, for diabetes --
for depression, for diabetes --
312
837634
4297
per l'HIV, per la tubercolosi,
per la depressione, per il diabete,
per la depressione, per il diabete,
14:13
it's always a cocktail of drugs.
313
841955
2830
è sempre un cocktail di medicine.
14:16
And so the upside here,
314
844809
1730
Così, ecco il lato positivo,
14:18
and the subject for a different
TED Talk on a different day,
TED Talk on a different day,
315
846563
2849
e l'argomento per un altro
TED Talk in un altro giorno è:
TED Talk in un altro giorno è:
14:21
is how can we use the same data sources
316
849436
2593
come possiamo le stesse fonti di dati
14:24
to find good effects
of drugs in combination
of drugs in combination
317
852053
3563
per trovare effetti positivi
di combinazioni di farmaci
di combinazioni di farmaci
14:27
that will provide us new treatments,
318
855640
2175
che ci forniranno nuovi trattamenti,
nuove visioni sul funzionamento
delle medicine
delle medicine
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
e ci permetteranno di prenderci cura
dei nostri pazienti ancora meglio?
dei nostri pazienti ancora meglio?
14:35
Thank you very much.
321
863525
1166
Grazie molto.
14:36
(Applause)
322
864715
3499
(Applausi)
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