TEDMED 2015
Russ Altman: What really happens when you mix medications?
러스 알트만: 약을 같이 먹을 때 무슨 일이 일어날까?
Filmed:
Readability: 4.2
1,766,922 views
당신이 만약 두 가지의 다른 이유로 두 가지의 다른 약을 동시에 먹고 계신다면, 알아두셔야 할 것이 있습니다. 당신의 의사는 아마도 두 약을 같이 먹었을 때의 작용을 잘 이해하지 못할 수도 있다는 점입니다. 약들간의 상호작용은 연구하기 어려운 주제입니다. 이 흥미롭고 이해하기 쉬운 발표에서, 러스 알트만은 어떻게 의사들이 예상하지 못했던 약의 상호작용에 대해 연구했는지 알려주고 있습니다. 검색 엔진을 이용해서 말이죠.
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
여러분은 의사에게 가서
몇가지 검사를 받습니다.
몇가지 검사를 받습니다.
00:16
The doctor determines
that you have high cholesterol
that you have high cholesterol
1
4674
2620
의사는 여러분의 높은
콜레스테롤 수치를 확인했고
콜레스테롤 수치를 확인했고
00:19
and you would benefit
from medication to treat it.
from medication to treat it.
2
7318
3171
약을 통해서 치료해야 한다고 합니다.
00:22
So you get a pillbox.
3
10981
1556
그래서 약을 받았습니다.
00:25
You have some confidence,
4
13505
1199
여러분은 어떤 확신이 있고
00:26
your physician has some confidence
that this is going to work.
that this is going to work.
5
14728
2937
여러분의 의사는 이 약이
효능이 있다는 확신이 있습니다.
효능이 있다는 확신이 있습니다.
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
그 약을 만든 제약회사는 많은
자체실험 했고, FDA에 그걸 제출했습니다.
자체실험 했고, FDA에 그걸 제출했습니다.
00:33
They studied it very carefully,
skeptically, they approved it.
skeptically, they approved it.
7
21266
3107
FDA는 매우 신중하고 회의적으로 검토한 다음
그 약을 승인했습니다.
그 약을 승인했습니다.
00:36
They have a rough idea of how it works,
8
24397
1889
그들은 그 약이 어떻게
작용하는지 대충 알고 있고
작용하는지 대충 알고 있고
00:38
they have a rough idea
of what the side effects are.
of what the side effects are.
9
26310
2453
부작용이 어떤지도 대충 알고 있습니다.
00:40
It should be OK.
10
28787
1150
이것은 괜찮을 겁니다.
00:42
You have a little more
of a conversation with your physician
of a conversation with your physician
11
30864
2818
약 처방 후, 여러분은 의사와
조금 더 대화를 나누었습니다.
조금 더 대화를 나누었습니다.
00:45
and the physician is a little worried
because you've been blue,
because you've been blue,
12
33706
2963
의사는 살짝 걱정했습니다.
여러분의 내내 우울한 모습과
여러분의 내내 우울한 모습과
00:48
haven't felt like yourself,
13
36693
1293
여러분답지 않은 모습
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
평소만큼 삶을 즐기는 못하고 있는
모습을 말입니다.
모습을 말입니다.
00:53
Your physician says, "You know,
I think you have some depression.
I think you have some depression.
15
41765
3186
여러분의 의사는 말합니다.
"우울증 증세가 있는 것 같네요.
"우울증 증세가 있는 것 같네요.
00:57
I'm going to have to give
you another pill."
you another pill."
16
45792
2315
제가 다른 약을 처방해 드리죠."
01:00
So now we're talking
about two medications.
about two medications.
17
48934
2483
이제 우리는 이 두 약에 대한
이야기를 할 것입니다.
이야기를 할 것입니다.
01:03
This pill also -- millions
of people have taken it,
of people have taken it,
18
51441
3104
우을증 약 역시-- 수백만 명이
복용하고 있고,
복용하고 있고,
01:06
the company did studies,
the FDA looked at it -- all good.
the FDA looked at it -- all good.
19
54569
3631
제약회사가 검토를 했고,
FDA가 그 약을 살펴봤죠. 모든 것이 좋았죠.
FDA가 그 약을 살펴봤죠. 모든 것이 좋았죠.
01:10
Think things should go OK.
20
58823
2057
이것이 괜찮을 거라고 생각합니다.
01:12
Think things should go OK.
21
60904
2197
이것이 괜찮을 거라고 생각합니다.
01:15
Well, wait a minute.
22
63125
1439
음, 잠깐만요.
01:16
How much have we studied
these two together?
these two together?
23
64588
3517
이 두 약을 같이 먹었을 경우에 대해
실험해본 적이 얼마나 될까요?
실험해본 적이 얼마나 될까요?
01:20
Well, it's very hard to do that.
24
68630
2300
글쎄요, 이런 실험을
하는 것이 굉장히 어렵습니다.
하는 것이 굉장히 어렵습니다.
01:22
In fact, it's not traditionally done.
25
70954
2130
사실, 전통적으로 그런 실험을
하진 않습니다.
하진 않습니다.
01:25
We totally depend on what we call
"post-marketing surveillance,"
"post-marketing surveillance,"
26
73108
5518
우리는 약이 시장에 출시되어 팔린 후
전적으로 "시판 후 조사"라고
부르는 것에 의존합니다.
부르는 것에 의존합니다.
01:30
after the drugs hit the market.
27
78650
1880
01:32
How can we figure out
if bad things are happening
if bad things are happening
28
80996
2848
만약에 나쁜 일이
두 약 사이에 일어났다면
두 약 사이에 일어났다면
01:35
between two medications?
29
83868
1357
우리는 이걸 어떻게
알아낼 수 있을까요?
알아낼 수 있을까요?
01:37
Three? Five? Seven?
30
85249
2030
3개는? 5개는? 7개는요?
01:39
Ask your favorite person
who has several diagnoses
who has several diagnoses
31
87708
2415
여러 번 진료를 받은 친한 사람에게
01:42
how many medications they're on.
32
90147
1834
몇 개의 약을 복용하고
있는 지 물어보세요.
있는 지 물어보세요.
01:44
Why do I care about this problem?
33
92530
1580
왜 제가 이 문제에 대해서
신경쓰냐고요?
신경쓰냐고요?
01:46
I care about it deeply.
34
94134
1157
저는 진심으로 걱정스럽습니다.
01:47
I'm an informatics and data science guy
and really, in my opinion,
and really, in my opinion,
35
95315
4304
저는 정보학자이자 데이터 과학자입니다.
그리고 정말로, 제 생각에는
그리고 정말로, 제 생각에는
01:51
the only hope -- only hope --
to understand these interactions
to understand these interactions
36
99643
3745
이러한 상호작용을 이해하기 위한
유일한 희망-- 유일한 희망은
유일한 희망-- 유일한 희망은
01:55
is to leverage lots
of different sources of data
of different sources of data
37
103412
3056
다른 많은 정보 원천의 이점을
01:58
in order to figure out
when drugs can be used together safely
when drugs can be used together safely
38
106492
3556
약을 같이 먹었을때 안전한지
안전하지 않은지
안전하지 않은지
알아내기위해 활용하는 것입니다.
02:02
and when it's not so safe.
39
110072
1777
02:04
So let me tell you a data science story.
40
112615
2051
제가 한가지 데이터 정보학
이야기를 들려드리죠.
이야기를 들려드리죠.
02:06
And it begins with my student Nick.
41
114690
2154
이 이야기는 제 학생
닉과 함께 시작합니다.
닉과 함께 시작합니다.
02:08
Let's call him "Nick,"
because that's his name.
because that's his name.
42
116868
2380
그를 "닉"이라고 하도록 하죠,
왜냐하면 그게 그의 이름이거든요.
왜냐하면 그게 그의 이름이거든요.
02:11
(Laughter)
43
119272
1592
(웃음)
02:12
Nick was a young student.
44
120888
1201
닉은 어린 학생이었습니다.
02:14
I said, "You know, Nick, we have
to understand how drugs work
to understand how drugs work
45
122113
3079
저는 말했죠. "있잖아, 닉,
우리는 약들이 어떻게 작용하는지
우리는 약들이 어떻게 작용하는지
02:17
and how they work together
and how they work separately,
and how they work separately,
46
125216
2626
같이는 어떻게 작용하고
따로는 어떻게 작용하는지
따로는 어떻게 작용하는지
02:19
and we don't have a great understanding.
47
127866
1922
이해를 해야 하는데 그러한
이해가 충분히 되어있지 않아.
이해가 충분히 되어있지 않아.
02:21
But the FDA has made available
an amazing database.
an amazing database.
48
129812
2405
하지만 FDA는 이용할 수 있는
놀라운 데이터베이스를 만들었지.
놀라운 데이터베이스를 만들었지.
02:24
It's a database of adverse events.
49
132241
1699
약물의 부작용에 대한 자료지.
02:26
They literally put on the web --
50
134321
1642
그 자료는 문자 그대로 웹에
올라와 있고--
올라와 있고--
02:27
publicly available, you could all
download it right now --
download it right now --
51
135987
3119
공공연하게 이용할 수 있고, 지금
당장 그 자료를 다운받을 수 있지.
당장 그 자료를 다운받을 수 있지.
02:31
hundreds of thousands
of adverse event reports
of adverse event reports
52
139130
3627
환자들, 의사들, 회사들,
약사들로부터 나온
약사들로부터 나온
02:34
from patients, doctors,
companies, pharmacists.
companies, pharmacists.
53
142781
3760
수백 수천개의 부작용 관련
보고서들 말이야.
보고서들 말이야.
02:38
And these reports are pretty simple:
54
146565
1749
그리고 그 보고서의 내용은 꽤 간단해.
02:40
it has all the diseases
that the patient has,
that the patient has,
55
148338
2658
환자가 가지고 있는 모든 질병
02:43
all the drugs that they're on,
56
151020
1767
환자가 복용하는 모든 약물
02:44
and all the adverse events,
or side effects, that they experience.
or side effects, that they experience.
57
152811
3818
그리고 모든 부작용 사례들, 혹은
환자가 겪고 있는 부작용들이 있지.
환자가 겪고 있는 부작용들이 있지.
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
오늘날 미국에서 일어나는
모든 부작용에 관한 건 아니지만
모든 부작용에 관한 건 아니지만
02:52
but it's hundreds and hundreds
of thousands of drugs.
of thousands of drugs.
59
160113
2578
수백 수천개의 약물에 관련된 거야."
02:54
So I said to Nick,
60
162715
1299
계속 전 닉에게 말했죠.
02:56
"Let's think about glucose.
61
164038
1826
"포도당에 관하여 생각해보자.
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
포도당은 매우 중요하지. 그리고
당뇨병과 관련있다는 것도 알지.
당뇨병과 관련있다는 것도 알지.
03:01
Let's see if we can understand
glucose response.
glucose response.
63
169479
3970
포도당 반응을 이해할 수
있는지 한번 보자꾸나.
있는지 한번 보자꾸나.
03:05
I sent Nick off. Nick came back.
64
173473
2458
저는 닉을 보냈습니다. 닉은 돌아왔죠.
03:08
"Russ," he said,
65
176248
1786
"러스," 그는 말했습니다,
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
"제가 그 데이터베이스를 바탕으로
약의 부작용을 볼 수 있는
분류표를 만들었어요.
분류표를 만들었어요.
03:15
based on looking at this database,
67
183487
2051
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
그리고 그 분류표는 약이 포도당을
변화시키는지 아닌지를 알려주죠.
변화시키는지 아닌지를 알려주죠.
03:21
He did it. It was very simple, in a way.
69
189857
2016
그는 해냈습니다. 이건 매우 간단했죠.
어느 정도는요.
어느 정도는요.
03:23
He took all the drugs
that were known to change glucose
that were known to change glucose
70
191897
2635
그는 포도당에 변화시킨다고
알려진 모든 약과
알려진 모든 약과
03:26
and a bunch of drugs
that don't change glucose,
that don't change glucose,
71
194556
2389
변화시키지 않는 모든
약들의 작용 사례를 모은 후,
약들의 작용 사례를 모은 후,
03:28
and said, "What's the difference
in their side effects?
in their side effects?
72
196969
2888
생각했습니다. "이 약들의 부작용의
차이점은 무엇일까?"
차이점은 무엇일까?"
03:31
Differences in fatigue? In appetite?
In urination habits?"
In urination habits?"
73
199881
4852
피로?, 식욕?,
배뇨 습관?에 따른 차이점인가?
배뇨 습관?에 따른 차이점인가?
03:36
All those things conspired
to give him a really good predictor.
to give him a really good predictor.
74
204757
2960
이 모든 것들이 모여서 그에게
정말 좋은 예측변수가 됐죠.
정말 좋은 예측변수가 됐죠.
03:39
He said, "Russ, I can predict
with 93 percent accuracy
with 93 percent accuracy
75
207741
2548
그는 말했죠,
"러스, 저는 93%의 정확성으로
"러스, 저는 93%의 정확성으로
03:42
when a drug will change glucose."
76
210313
1572
약이 언제 포도당으로 변하는지
예측할 수 있어요."
예측할 수 있어요."
03:43
I said, "Nick, that's great."
77
211909
1416
저는 말했죠, "닉, 그거 대단한데."
03:45
He's a young student,
you have to build his confidence.
you have to build his confidence.
78
213349
2896
그는 어린 학생이고,
그의 자신감을 키워줘야 했어요.
그의 자신감을 키워줘야 했어요.
03:48
"But Nick, there's a problem.
79
216269
1390
"하지만 닉, 문제가 있단다.
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
이 세상의 모든 의사는
약이 포도당으로 변한다는 사실을 알지.
약이 포도당으로 변한다는 사실을 알지.
03:53
because it's core to our practice.
81
221667
2038
그걸 아는게 의사로서의
진료의 핵심이니까.
진료의 핵심이니까.
03:55
So it's great, good job,
but not really that interesting,
but not really that interesting,
82
223729
3722
그래서 대단하고, 잘했지만,
정말로 흥미롭지 않단다.
정말로 흥미롭지 않단다.
03:59
definitely not publishable."
83
227475
1531
절대 논문으로 낼 수 없다는거지."
04:01
(Laughter)
84
229030
1014
(웃음)
04:02
He said, "I know, Russ.
I thought you might say that."
I thought you might say that."
85
230068
2550
그가 말했죠, "알아요, 러스.
그렇게 말할 거라고 생각했어요."
그렇게 말할 거라고 생각했어요."
04:04
Nick is smart.
86
232642
1152
닉은 똑똑했어요.
04:06
"I thought you might say that,
so I did one other experiment.
so I did one other experiment.
87
234149
2874
"그렇게 말하실 줄 알고,
다른 실험 하나를 더 했어요.
다른 실험 하나를 더 했어요.
04:09
I looked at people in this database
who were on two drugs,
who were on two drugs,
88
237047
2928
저는 두 종류의 약을 복용하는
사람들을 찾아봤어요.
사람들을 찾아봤어요.
04:11
and I looked for signals similar,
glucose-changing signals,
glucose-changing signals,
89
239999
4422
그리고 그 중에서 포도당 변화와
비슷한 증상을 보이는 것들을 찾아봤죠.
비슷한 증상을 보이는 것들을 찾아봤죠.
04:16
for people taking two drugs,
90
244445
1624
두 약을 먹는 사람들 중에
04:18
where each drug alone
did not change glucose,
did not change glucose,
91
246093
5569
각각의 약이 포도당을 변화시키지
않음에도 불구하고
않음에도 불구하고
04:23
but together I saw a strong signal."
92
251686
2460
같이 먹으니 아주
강한 반응을 봤어요."
강한 반응을 봤어요."
04:26
And I said, "Oh! You're clever.
Good idea. Show me the list."
Good idea. Show me the list."
93
254170
3149
저는 말했죠. "오! 똑똑하구나.
좋은 생각이야. 그 리스트 좀 보여줘."
좋은 생각이야. 그 리스트 좀 보여줘."
04:29
And there's a bunch of drugs,
not very exciting.
not very exciting.
94
257343
2254
여러 종류의 약물들이 있었습니다.
딱히 흥미롭진 않았죠.
딱히 흥미롭진 않았죠.
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
하지만 그 목록에서 제 눈을 사로잡은
두개의 약물이 있었습니다.
두개의 약물이 있었습니다.
04:35
paroxetine, or Paxil, an antidepressant;
96
263577
3393
파록세틴, 혹은 팍실,항우울제와
04:39
and pravastatin, or Pravachol,
a cholesterol medication.
a cholesterol medication.
97
267756
3570
프라바스태틴, 혹은 프라바콜,
콜레스테롤 치료제였습니다.
콜레스테롤 치료제였습니다.
04:43
And I said, "Huh. There are millions
of Americans on those two drugs."
of Americans on those two drugs."
98
271936
4283
전 말했죠. "어, 이 둘은 수백만의
미국인이 먹고 있는 약이네."
미국인이 먹고 있는 약이네."
04:48
In fact, we learned later,
99
276243
1246
사실 나중에 알게 된 사실이지만
04:49
15 million Americans on paroxetine
at the time, 15 million on pravastatin,
at the time, 15 million on pravastatin,
100
277513
6032
파록세틴과 프라바스태틴은 당시
각각 1500만의 미국인,
각각 1500만의 미국인,
04:55
and a million, we estimated, on both.
101
283569
2817
그리고 100만명이,우리가 추정했을때.
둘 다 먹었죠.
둘 다 먹었죠.
04:58
So that's a million people
102
286767
1254
즉 100만 명의 사람들이
05:00
who might be having some problems
with their glucose
with their glucose
103
288045
2453
포도당에 문제가 있다는 것입니다.
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
FDA 보고를 이용해서 닉이
그럴싸하게 만들어낸
그럴싸하게 만들어낸
05:05
actually holds up.
105
293752
1254
머신러닝에 따르면 말이죠.
05:07
But I said, "It's still not publishable,
106
295030
1927
하지만 저는 말했습니다.
"아직 논문으로 낼 수는 없어.
"아직 논문으로 낼 수는 없어.
05:08
because I love what you did
with the mumbo jumbo,
with the mumbo jumbo,
107
296981
2296
너가 이런 예측기를 이용해서
만들어 낸 예측을
만들어 낸 예측을
05:11
with the machine learning,
108
299301
1246
나는 개인적으로 참 마음에 들지만
05:12
but it's not really standard-of-proof
evidence that we have."
evidence that we have."
109
300571
3864
우리가 가지고 있는 증거는 사실
입증할만 증거가 되지 못해"
입증할만 증거가 되지 못해"
05:17
So we have to do something else.
110
305618
1589
그래서 우리는 뭔가 다른 것을
해야 했습니다.
해야 했습니다.
05:19
Let's go into the Stanford
electronic medical record.
electronic medical record.
111
307231
2876
스탠포드의 전자 의무기록을
이용하기로 했죠.
이용하기로 했죠.
05:22
We have a copy of it
that's OK for research,
that's OK for research,
112
310131
2064
조사에 이용해도 괜찮은
기록들을 복사했습니다.
기록들을 복사했습니다.
05:24
we removed identifying information.
113
312219
2046
물론 개인 정보들은 삭제했죠.
05:26
And I said, "Let's see if people
on these two drugs
on these two drugs
114
314581
2503
그리고 저는 말했죠.
"이 두 약을 같이 복용한 사람들의
"이 두 약을 같이 복용한 사람들의
05:29
have problems with their glucose."
115
317108
1769
포도당에 문제가 있는지 조사해 보자."
05:31
Now there are thousands
and thousands of people
and thousands of people
116
319242
2207
기록 안에는 수천만 그리고
수천만 명의 사람들이
수천만 명의 사람들이
05:33
in the Stanford medical records
that take paroxetine and pravastatin.
that take paroxetine and pravastatin.
117
321473
3459
파록세틴과 프라바스타틴을
복용한 사람들이 있었습니다.
복용한 사람들이 있었습니다.
05:36
But we needed special patients.
118
324956
1799
그러나 우리는 특별한 환자들이
필요했습니다.
필요했습니다.
05:38
We needed patients who were on one of them
and had a glucose measurement,
and had a glucose measurement,
119
326779
4597
두 약 중에 하나를 복용한 뒤
포도당 검사를 받고
포도당 검사를 받고
그 다음에 두번째 약을 복용한 후,
다른 포도당 검사를 받고
다른 포도당 검사를 받고
05:43
then got the second one and had
another glucose measurement,
another glucose measurement,
120
331400
3449
05:46
all within a reasonable period of time --
something like two months.
something like two months.
121
334873
3615
두 검사를 일정 시간, 예를 들어
2달 사이에 받은 사람들말이죠.
2달 사이에 받은 사람들말이죠.
05:50
And when we did that,
we found 10 patients.
we found 10 patients.
122
338512
3159
이 기준을 적용했을 때 우린
10명의 환자를 발견했습니다.
10명의 환자를 발견했습니다.
05:54
However, eight out of the 10
had a bump in their glucose
had a bump in their glucose
123
342592
4538
그런데 10명중 8명의 포도당
수치가 올라갔습니다.
수치가 올라갔습니다.
05:59
when they got the second P --
we call this P and P --
we call this P and P --
124
347154
2645
두 번째 p를 복용했을 때 말입니다.
우리는 이것을 P와 P로 부릅시다.
우리는 이것을 P와 P로 부릅시다.
06:01
when they got the second P.
125
349823
1310
두 번째 P를 복용했을 때말이죠.
06:03
Either one could be first,
the second one comes up,
the second one comes up,
126
351157
2562
어느 약을 먼저 먹든
두 번째 약을 복용했을 때
두 번째 약을 복용했을 때
06:05
glucose went up
20 milligrams per deciliter.
20 milligrams per deciliter.
127
353743
2847
포도당 수치가
20mg/dl 가 올라갔습니다.
20mg/dl 가 올라갔습니다.
06:08
Just as a reminder,
128
356614
1158
다시 상기해보자면
06:09
you walk around normally,
if you're not diabetic,
if you're not diabetic,
129
357796
2325
당뇨병 환자가 아닌 이상
평상시처럼 걸으면
평상시처럼 걸으면
06:12
with a glucose of around 90.
130
360145
1359
90정도의 포도당 수치가 나옵니다.
06:13
And if it gets up to 120, 125,
131
361528
2076
그래서 수치가 120이나
125까지 상승한다면
125까지 상승한다면
06:15
your doctor begins to think
about a potential diagnosis of diabetes.
about a potential diagnosis of diabetes.
132
363628
3450
의사는 그것을 당뇨의
징후로 생각할 것입니다.
징후로 생각할 것입니다.
06:19
So a 20 bump -- pretty significant.
133
367102
2991
그러므로 20의 상승은 --
꽤 중요합니다.
꽤 중요합니다.
06:22
I said, "Nick, this is very cool.
134
370601
1904
전 말했습니다. "닉, 아주 훌륭해.
06:25
But, I'm sorry, we still
don't have a paper,
don't have a paper,
135
373616
2053
하지만 미안. 아직도 우린
논문을 발표할 수 없어.
논문을 발표할 수 없어.
06:27
because this is 10 patients
and -- give me a break --
and -- give me a break --
136
375693
2579
왜냐면 10명의 환자는
그리고--잠시만요--
그리고--잠시만요--
06:30
it's not enough patients."
137
378296
1245
너무 적은 수거든."
06:31
So we said, what can we do?
138
379565
1306
우린 어떻게 하지?라고 말했죠.
06:32
And we said, let's call our friends
at Harvard and Vanderbilt,
at Harvard and Vanderbilt,
139
380895
2976
그리고 우리는 말했죠. 하버드와
반더빌트에 있는 친구에게 연락해보자.
반더빌트에 있는 친구에게 연락해보자.
06:35
who also -- Harvard in Boston,
Vanderbilt in Nashville,
Vanderbilt in Nashville,
140
383895
2587
보스턴의 하버드, 내쉬빌의
반더빌트 그 대학들도
반더빌트 그 대학들도
06:38
who also have electronic
medical records similar to ours.
medical records similar to ours.
141
386506
2821
우리랑 비슷한 의무기록이 있으니까.
06:41
Let's see if they can find
similar patients
similar patients
142
389351
2020
그들이 하나의 P와
또 다른 P를 복용하고
또 다른 P를 복용하고
06:43
with the one P, the other P,
the glucose measurements
the glucose measurements
143
391395
3276
포도당 검사를 받은
환자들을 우리의 기준에 맞춰서
환자들을 우리의 기준에 맞춰서
06:46
in that range that we need.
144
394695
1600
찾을 수 있는지 보려고 했죠.
06:48
God bless them, Vanderbilt
in one week found 40 such patients,
in one week found 40 such patients,
145
396787
4955
운이 좋게도, 1주일동안
반더빌트 기록에서는
반더빌트 기록에서는
같은 경향의 환자 40명을 찾았습니다.
06:53
same trend.
146
401766
1189
06:55
Harvard found 100 patients, same trend.
147
403804
3620
하버드에서는 100명의 환자들을
찾았습니다. 같은 경향이죠.
찾았습니다. 같은 경향이죠.
06:59
So at the end, we had 150 patients
from three diverse medical centers
from three diverse medical centers
148
407448
4281
결국 우리는 세 개의 대학병원에서
150명의 환자들을 찾아낼 수 있었고
150명의 환자들을 찾아낼 수 있었고
07:03
that were telling us that patients
getting these two drugs
getting these two drugs
149
411753
3297
그 기록들이 우리에게 말해준 것은
이러한 두 개의 약을 복용한 환자들의
이러한 두 개의 약을 복용한 환자들의
07:07
were having their glucose bump
somewhat significantly.
somewhat significantly.
150
415074
2703
포도당 수치가 어느정도 상당히
올라갔다는 것입니다.
올라갔다는 것입니다.
07:10
More interestingly,
we had left out diabetics,
we had left out diabetics,
151
418317
2810
더 흥미로운 점은 저희가 당뇨병환자를
제외해두었다는 것입니다.
제외해두었다는 것입니다.
07:13
because diabetics already
have messed up glucose.
have messed up glucose.
152
421151
2317
왜냐면 이미 당뇨병 환자들은
포도당이 엉망이 되었기 때문입니다.
포도당이 엉망이 되었기 때문입니다.
07:15
When we looked
at the glucose of diabetics,
at the glucose of diabetics,
153
423492
2238
저희가 당뇨환자의 포도당
수치를 봤을 때
수치를 봤을 때
07:17
it was going up 60 milligrams
per deciliter, not just 20.
per deciliter, not just 20.
154
425754
3435
20보다 더한 60mg/dl 의
상승을 보였습니다.
상승을 보였습니다.
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
이건 중요한 일이었고 우리는
"우리는 이걸 논문으로 내자."라고 말했죠.
"우리는 이걸 논문으로 내자."라고 말했죠.
07:25
We submitted the paper.
156
433236
1179
우리는 학술지에 논문을 제출했죠.
07:26
It was all data evidence,
157
434439
2111
전부 데이터 증거였죠.
07:28
data from the FDA, data from Stanford,
158
436574
2483
FDA, 스탠포드
07:31
data from Vanderbilt, data from Harvard.
159
439081
1946
반더빌트, 그리고 하버드에서
가져온 데이터들이었죠.
가져온 데이터들이었죠.
07:33
We had not done a single real experiment.
160
441051
2396
우리는 실제 실험은 하나도
하지 않았었죠.
하지 않았었죠.
07:36
But we were nervous.
161
444495
1296
하지만 우리는 불안했습니다.
07:38
So Nick, while the paper
was in review, went to the lab.
was in review, went to the lab.
162
446201
3730
논문이 검토되는 동안,
닉은 실험실로 향했습니다.
닉은 실험실로 향했습니다.
07:41
We found somebody
who knew about lab stuff.
who knew about lab stuff.
163
449955
2462
실험을 잘 아는 누군가를 찾아냈죠.
07:44
I don't do that.
164
452441
1393
전 실험을 하지는 않죠.
07:45
I take care of patients,
but I don't do pipettes.
but I don't do pipettes.
165
453858
2417
환자는 돌보지만, 피펫은 다루지 않죠.
07:49
They taught us how to feed mice drugs.
166
457420
3053
실험실 사람들은 저희에게
쥐에게 약을 먹이는 법을 알려줬습니다.
쥐에게 약을 먹이는 법을 알려줬습니다.
07:52
We took mice and we gave them
one P, paroxetine.
one P, paroxetine.
167
460864
2414
저흰 쥐들에게 하나의 약 (P)
파록세틴을 투여했죠.
파록세틴을 투여했죠.
07:55
We gave some other mice pravastatin.
168
463302
2508
다른 쥐들에겐 프라바스태틴을
투여했습니다.
투여했습니다.
07:57
And we gave a third group
of mice both of them.
of mice both of them.
169
465834
3595
그리고 세 번째 그룹에는
두 약을 동시에 투여했습니다.
두 약을 동시에 투여했습니다.
08:01
And lo and behold, glucose went up
20 to 60 milligrams per deciliter
20 to 60 milligrams per deciliter
170
469893
3946
놀랍게도, 쥐들의 포도당 수치는
20에서 60까지 상승했습니다.
20에서 60까지 상승했습니다.
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
논문은 데이터 증거들만으로
출판이 되었지만,
출판이 되었지만,
08:10
but we added a little note at the end,
173
478240
1894
저희는 뒤에 조금 더 내용을 붙였습니다.
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
쥐 실험에서도 비슷한 내용이
나왔다는 식으로 말이죠.
나왔다는 식으로 말이죠.
08:15
That was great, and the story
could have ended there.
could have ended there.
175
483081
2508
훌륭한 논문이었고, 저희의 이야기는
여기서 끝날 수도 있었습니다.
여기서 끝날 수도 있었습니다.
08:17
But I still have six and a half minutes.
176
485613
1997
하지만 저에게 아직도
6분 30초가 더 남았죠.
6분 30초가 더 남았죠.
08:19
(Laughter)
177
487634
2807
(웃음)
08:22
So we were sitting around
thinking about all of this,
thinking about all of this,
178
490465
2815
그래서 우리는 앉아서
이 모든 것들에 대해 생각했죠.
이 모든 것들에 대해 생각했죠.
08:25
and I don't remember who thought
of it, but somebody said,
of it, but somebody said,
179
493304
2735
누군지는 기억 안나지만,
누군가 말하길.
누군가 말하길.
08:28
"I wonder if patients
who are taking these two drugs
who are taking these two drugs
180
496063
3201
"두 약을 동시에 먹었던 환자들이
08:31
are noticing side effects
of hyperglycemia.
of hyperglycemia.
181
499288
3553
고혈당같은 눈에 띄는 부작용을
겪었는지 궁금하네요."
겪었는지 궁금하네요."
08:34
They could and they should.
182
502865
1496
가능한 일이었고,
사실 그들이 겪었어야 하는 일이었죠.
사실 그들이 겪었어야 하는 일이었죠.
08:36
How would we ever determine that?"
183
504761
1877
하지만 우리가 그걸 어떻게
찾아낼 수 있을까?
찾아낼 수 있을까?
08:39
We said, well, what do you do?
184
507551
1443
우리는 글쎄, 너라면 뭘 했을까?
라고 말했죠.
라고 말했죠.
08:41
You're taking a medication,
one new medication or two,
one new medication or two,
185
509018
2580
너가 새로운 약 하나 혹은 두개를
먹기 시작했는데
먹기 시작했는데
08:43
and you get a funny feeling.
186
511622
1538
몸이 뭔가 이상한 느낌이
들기 시작했어.
들기 시작했어.
08:45
What do you do?
187
513184
1151
너라면 뭘 할 거 같아?
08:46
You go to Google
188
514359
1151
구글에 들어가서
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
너가 먹는 약 한 개
혹은 두 개를 검색한 다음
혹은 두 개를 검색한 다음
08:50
and you type in "side effects."
190
518907
1603
"부작용"이라고 입력하지 않았을까.
08:52
What are you experiencing?
191
520534
1356
검색하면 무엇이 나올까?
08:54
So we said OK,
192
522239
1151
그래서 우리는 알겠다.
08:55
let's ask Google if they will share
their search logs with us,
their search logs with us,
193
523414
3056
구글에 연락해 그들의 검색 기록을
공유할 수 있냐고 물어봤죠.
공유할 수 있냐고 물어봤죠.
08:58
so that we can look at the search logs
194
526494
1833
검색을 기록을 보고
09:00
and see if patients are doing
these kinds of searches.
these kinds of searches.
195
528351
2565
환자들이 정말로 그런 검색을 했는지
알아보기 위해서였죠.
알아보기 위해서였죠.
09:02
Google, I am sorry to say,
denied our request.
denied our request.
196
530940
3275
하지만, 이런 말을 해서 유감이지만
우리의 요청을 거절했죠.
우리의 요청을 거절했죠.
09:06
So I was bummed.
197
534819
1151
저는 벽에 부딪친 느낌이었죠.
09:07
I was at a dinner with a colleague
who works at Microsoft Research
who works at Microsoft Research
198
535994
3166
어느 날, 저는 마이크로소프트에서
일하는 동료와 저녁을 먹었습니다.
일하는 동료와 저녁을 먹었습니다.
09:11
and I said, "We wanted to do this study,
199
539184
1941
전 말했죠.
"우린 이 연구를 꼭 하고싶어."
"우린 이 연구를 꼭 하고싶어."
09:13
Google said no, it's kind of a bummer."
200
541149
1880
"근데 구글은 협조를 안 해주고,
나에겐 방법이 없어."
나에겐 방법이 없어."
09:15
He said, "Well, we have
the Bing searches."
the Bing searches."
201
543053
2086
그는 말했죠. "그러면.
우리에게 빙 검색 기록이 있는데?"
우리에게 빙 검색 기록이 있는데?"
09:18
(Laughter)
202
546195
3483
(웃음)
09:22
Yeah.
203
550805
1267
오.
09:24
That's great.
204
552096
1151
그거 좋네.
09:25
Now I felt like I was --
205
553271
1151
그 때 저는 정말...
09:26
(Laughter)
206
554446
1000
(웃음)
09:27
I felt like I was talking to Nick again.
207
555470
2412
닉하고 다시 이야기하는 느낌이었죠.
09:30
He works for one of the largest
companies in the world,
companies in the world,
208
558437
2624
그는 전세계에서 가장 큰 회사에서
일하고 있어서
일하고 있어서
09:33
and I'm already trying
to make him feel better.
to make him feel better.
209
561085
2206
전 그의 기분을 좋게
해주려고 하고 있었죠.
해주려고 하고 있었죠.
09:35
But he said, "No, Russ --
you might not understand.
you might not understand.
210
563315
2445
하지만 그는 덧붙였어요.
"러스, 좀 더 알아야 할 게 있어."
"러스, 좀 더 알아야 할 게 있어."
09:37
We not only have Bing searches,
211
565784
1500
"우린 빙 검색기록만 가지고
있는 게 아니야."
있는 게 아니야."
09:39
but if you use Internet Explorer
to do searches at Google,
to do searches at Google,
212
567308
3340
"인터넷 익스프롤러로
구글이나, 야후나, 빙이나
구글이나, 야후나, 빙이나
09:42
Yahoo, Bing, any ...
213
570672
1891
어디서든 검색하는 그 기록들..
09:44
Then, for 18 months, we keep that data
for research purposes only."
for research purposes only."
214
572587
3643
우린 그 기록을 오로지 연구 목적으로
18개월간 보관한다고."
18개월간 보관한다고."
09:48
I said, "Now you're talking!"
215
576254
1936
전 말했죠. "아,이제 이해했다!"
09:50
This was Eric Horvitz,
my friend at Microsoft.
my friend at Microsoft.
216
578214
2198
이 친구는 에릭 호비츠인데
마이크로소프트에서 일하는 제 친구입니다.
마이크로소프트에서 일하는 제 친구입니다.
09:52
So we did a study
217
580436
1695
그래서 우리는 연구를 시작했죠.
09:54
where we defined 50 words
that a regular person might type in
that a regular person might type in
218
582155
4619
저희는 일반 사람이 고혈당에 관해
09:58
if they're having hyperglycemia,
219
586798
1602
검색할만한 50개의 단어를
정의했습니다.
정의했습니다.
10:00
like "fatigue," "loss of appetite,"
"urinating a lot," "peeing a lot" --
"urinating a lot," "peeing a lot" --
220
588424
4762
"피로", "식욕저하", "소변을 많이
볼 때", "오줌을 많이 쌀 때"..
볼 때", "오줌을 많이 쌀 때"..
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
듣기엔 웃기지만, 저 검색어들이
사람들이 쓸 만한 단어들이에요.
사람들이 쓸 만한 단어들이에요.
10:08
So we had 50 phrases
that we called the "diabetes words."
that we called the "diabetes words."
222
596001
2790
그래서, 저희는 50개의 단어를
가지고 있었죠. 일명 "당뇨병 단어들"
가지고 있었죠. 일명 "당뇨병 단어들"
10:10
And we did first a baseline.
223
598815
2063
이 단어들을 먼저 기준으로 선정했죠.
10:12
And it turns out
that about .5 to one percent
that about .5 to one percent
224
600902
2704
그리고 저희는 인터넷 검색중
0.5에서 1% 가량이
0.5에서 1% 가량이
10:15
of all searches on the Internet
involve one of those words.
involve one of those words.
225
603630
2982
이 단어들을 포함하고 있음을
발견했습니다.
발견했습니다.
10:18
So that's our baseline rate.
226
606636
1742
이게 우리의 기준빈도였죠.
10:20
If people type in "paroxetine"
or "Paxil" -- those are synonyms --
or "Paxil" -- those are synonyms --
227
608402
4143
만약에 사람들이 "프록세틴" 혹은
"팍실"을 검색하고 이러한 증상들
"팍실"을 검색하고 이러한 증상들
10:24
and one of those words,
228
612569
1215
그리고 이러한 단어들중
10:25
the rate goes up to about two percent
of diabetes-type words,
of diabetes-type words,
229
613808
4890
당뇨병과 관련해서 그 비율이
2%까지 올라갔습니다.
2%까지 올라갔습니다.
10:30
if you already know
that there's that "paroxetine" word.
that there's that "paroxetine" word.
230
618722
3044
만약에 "프록세틴"이라는 단어를
알고 있는 경우에 한해서 말이죠.
알고 있는 경우에 한해서 말이죠.
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
프라바스태틴의 경우는,
기준치에 따르면 3%까지 올라갔죠.
기준치에 따르면 3%까지 올라갔죠.
10:39
If both "paroxetine" and "pravastatin"
are present in the query,
are present in the query,
232
627171
4390
두 약의 이름을 동시에
검색할 경우에는,
검색할 경우에는,
10:43
it goes up to 10 percent,
233
631585
1669
10%까지 상승했습니다.
10:45
a huge three- to four-fold increase
234
633278
3461
3에서 4배의 엄청난 증가였습니다.
10:48
in those searches with the two drugs
that we were interested in,
that we were interested in,
235
636763
3389
우리가 관심있어하는
두 약물과 관련된 검색들과
두 약물과 관련된 검색들과
10:52
and diabetes-type words
or hyperglycemia-type words.
or hyperglycemia-type words.
236
640176
3566
당뇨병 유형의 단어들 혹은
고혈당 유형의 단어들이 말이죠.
고혈당 유형의 단어들이 말이죠.
10:56
We published this,
237
644216
1265
우린 이것을 논문으로 제출했습니다.
10:57
and it got some attention.
238
645505
1466
이건 꽤 주목을 받았죠.
10:58
The reason it deserves attention
239
646995
1778
주목을 받은 이유는
11:00
is that patients are telling us
their side effects indirectly
their side effects indirectly
240
648797
4312
환자들이 검색을 통해서 부작용에 관해
간접적으로나마 말하고 있기 때문이었죠.
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
우리는 이 논문을
FDA에 보여줬습니다.
FDA에 보여줬습니다.
11:08
They were interested.
243
656475
1269
그들은 관심을 보였죠.
11:09
They have set up social media
surveillance programs
surveillance programs
244
657768
3606
FDA는 소셜미디어
감시 프로그램을 만들었죠.
감시 프로그램을 만들었죠.
11:13
to collaborate with Microsoft,
245
661398
1751
마이크로소프트사와 함께 했습니다.
11:15
which had a nice infrastructure
for doing this, and others,
for doing this, and others,
246
663173
2794
이러한 것을 하기 위한 좋은 기반을
가지고 있기 때문이죠. 다른 것들.
가지고 있기 때문이죠. 다른 것들.
11:17
to look at Twitter feeds,
247
665991
1282
트위터 피드를 살피거나,
11:19
to look at Facebook feeds,
248
667297
1716
페이스북 피드를 살피거나
11:21
to look at search logs,
249
669037
1311
검색 기록을 찾아보는데 말이죠.
11:22
to try to see early signs that drugs,
either individually or together,
either individually or together,
250
670372
4909
그 관찰을 통해 그들은 그 약을,
따로 혹은 같이 복용하든간에
따로 혹은 같이 복용하든간에
11:27
are causing problems.
251
675305
1589
문제를 일으키는 지에 대한
초기 증상를 알아보려 했습니다.
초기 증상를 알아보려 했습니다.
11:28
What do I take from this?
Why tell this story?
Why tell this story?
252
676918
2174
이로부터 제가 얻는 건 무엇일까요?
왜 이 이야기를 하는 걸까요?
왜 이 이야기를 하는 걸까요?
11:31
Well, first of all,
253
679116
1207
글쎄요, 일단.
11:32
we have now the promise
of big data and medium-sized data
of big data and medium-sized data
254
680347
4037
저희는 이제 중간 혹은 큰 규모의
데이터를 약속 받았죠.
데이터를 약속 받았죠.
11:36
to help us understand drug interactions
255
684408
2918
약 사이의 상호작용을
이해하기 위해서 그리고
이해하기 위해서 그리고
11:39
and really, fundamentally, drug actions.
256
687350
2420
정말로, 근본적인 약 작용을
이해하기 위해서 말이죠.
이해하기 위해서 말이죠.
11:41
How do drugs work?
257
689794
1413
어떻게 약이 작용하는지
11:43
This will create and has created
a new ecosystem
a new ecosystem
258
691231
2836
이 데이터는 약이 어떻게 작용하고
약을 잘 활용할 수 있지에 대해
약을 잘 활용할 수 있지에 대해
11:46
for understanding how drugs work
and to optimize their use.
and to optimize their use.
259
694091
3267
이해할 수 있는 새로운 환경을 만들 것이고
만들어가고 있습니다.
만들어가고 있습니다.
11:50
Nick went on; he's a professor
at Columbia now.
at Columbia now.
260
698303
2659
닉은 시작했죠; 지금
콜롬비아의 교수입니다.
콜롬비아의 교수입니다.
11:52
He did this in his PhD
for hundreds of pairs of drugs.
for hundreds of pairs of drugs.
261
700986
4072
그는 박사과정동안 이 연구를
수백가지의 약으로 확장시켰고,
수백가지의 약으로 확장시켰고,
11:57
He found several
very important interactions,
very important interactions,
262
705082
2517
여러가지의 중요한 상호작용을 발견하고
11:59
and so we replicated this
263
707623
1214
우리는 이것을 복제해서
12:00
and we showed that this
is a way that really works
is a way that really works
264
708861
2574
우리는 이 방식이 약과 약 사이의
실제 상호 작용을
실제 상호 작용을
12:03
for finding drug-drug interactions.
265
711459
2339
찾아낼 수 있는 방법임을 보여줬죠.
12:06
However, there's a couple of things.
266
714282
1734
하지만, 여기에는
몇 가지 문제가 있습니다.
몇 가지 문제가 있습니다.
12:08
We don't just use pairs
of drugs at a time.
of drugs at a time.
267
716040
3046
평소에, 우리는
두가지 약만 먹진 않죠.
두가지 약만 먹진 않죠.
12:11
As I said before, there are patients
on three, five, seven, nine drugs.
on three, five, seven, nine drugs.
268
719110
4469
말했듯이, 셋, 다섯, 일곱 혹은 아홉
종류의 약을 먹는 환자도 있습니다.
종류의 약을 먹는 환자도 있습니다.
12:15
Have they been studied with respect
to their nine-way interaction?
to their nine-way interaction?
269
723981
3642
그들은 9가지 상호작용 방식을 연구할때
경이로움을 가진적이 있을까요?
경이로움을 가진적이 있을까요?
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
짝을 지어 연구할 수도 있겠죠.
A랑 B, A랑 C 이런 식 말이죠.
A랑 B, A랑 C 이런 식 말이죠.
12:23
but what about A, B, C,
D, E, F, G all together,
D, E, F, G all together,
271
731879
4286
하지만 한 환자가 동시에
A,B,C,D,E,F,G 먹으면
A,B,C,D,E,F,G 먹으면
12:28
being taken by the same patient,
272
736189
1762
어떻게 할까요?
12:29
perhaps interacting with each other
273
737975
2118
혹시 각각의 상호작용을 통하여
12:32
in ways that either makes them
more effective or less effective
more effective or less effective
274
740117
3778
약의 효과를 더 효과적이게 만들거나
혹은 덜 효과적이게 만들거나
혹은 덜 효과적이게 만들거나
12:35
or causes side effects
that are unexpected?
that are unexpected?
275
743919
2332
혹은 예상할 수 없던 부작용을
일으키지는 않을까요?
일으키지는 않을까요?
12:38
We really have no idea.
276
746275
1827
우린 정말로 알 수 없죠.
12:40
It's a blue sky, open field
for us to use data
for us to use data
277
748126
3756
우리에게 데이터를 이용해
약의 상호작용을 이해하는 건
약의 상호작용을 이해하는 건
12:43
to try to understand
the interaction of drugs.
the interaction of drugs.
278
751906
2502
앞으로 계속 알아가야 할
넓은 광야와도 같습니다.
넓은 광야와도 같습니다.
12:46
Two more lessons:
279
754848
1370
두 가지만 더 이야기하죠.
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
우리가 만들어낼 수 있었던
힘에 대해 생각해보시길 바랍니다 .
힘에 대해 생각해보시길 바랍니다 .
12:52
with the data from people who had
volunteered their adverse reactions
volunteered their adverse reactions
281
760465
4711
자신들이 겪고 있는 부작용을 데이터를
통해서 자발적으로 알려준 사람들
통해서 자발적으로 알려준 사람들
12:57
through their pharmacists,
through themselves, through their doctors,
through themselves, through their doctors,
282
765200
3269
약사를 통해서, 혹은 그들 스스로,
주치의를 통해서
주치의를 통해서
13:00
the people who allowed the databases
at Stanford, Harvard, Vanderbilt,
at Stanford, Harvard, Vanderbilt,
283
768493
3667
데이터베이스를 제공했던 하버드,
스탠포드, 반더빌트대의 사람들이
스탠포드, 반더빌트대의 사람들이
13:04
to be used for research.
284
772184
1427
연구를 위해 제공했던 데이터들이죠.
13:05
People are worried about data.
285
773929
1445
사람들은 데이터에 대해 불안해합니다.
13:07
They're worried about their privacy
and security -- they should be.
and security -- they should be.
286
775398
3187
그들은 사생활 침해에 대해 두려워하죠.
그들은 그래야만 하죠.
그들은 그래야만 하죠.
13:10
We need secure systems.
287
778609
1151
우리는 보안체계가 필요합니다.
13:11
But we can't have a system
that closes that data off,
that closes that data off,
288
779784
3406
하지만 우리는 데이터를 차단하는
체계를 가질 수는 없습니다.
체계를 가질 수는 없습니다.
13:15
because it is too rich of a source
289
783214
2752
왜냐하면 그 데이터는
새로운 약의 개발을 위한
새로운 약의 개발을 위한
13:17
of inspiration, innovation and discovery
290
785990
3971
영감, 창의성 그리고 발견을
13:21
for new things in medicine.
291
789985
1578
싹틔우는 기름진 땅이기 때문입니다.
13:24
And the final thing I want to say is,
292
792494
1794
마지막으로 이야기하고 싶은 것은
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
저희 연구는 조금은 슬픈
결론이었다는 것입니다.
결론이었다는 것입니다.
13:29
The two drugs actually caused problems.
294
797693
1921
두 개의 약물은 결국
문제를 일으켰습니다.
문제를 일으켰습니다.
13:31
They increased glucose.
295
799638
1475
그 약들은 포도당 수치를 올렸습니다.
13:33
They could throw somebody into diabetes
296
801137
2446
누군가를 당뇨병환자로 만들었습니다.
13:35
who would otherwise not be in diabetes,
297
803607
2294
약을 먹지 않았다면,
정상인으로 살 수 있었을텐데 말이죠.
정상인으로 살 수 있었을텐데 말이죠.
13:37
and so you would want to use
the two drugs very carefully together,
the two drugs very carefully together,
298
805925
3175
그러므로 약을 동시에 먹을 때는
굉장히 신중해야 합니다.
굉장히 신중해야 합니다.
13:41
perhaps not together,
299
809124
1151
같이 먹지 않는 것도 가능하고요.
13:42
make different choices
when you're prescribing.
when you're prescribing.
300
810299
2340
약을 처방 받을 때, 다른 약을
처방받을 수도 있겠죠.
처방받을 수도 있겠죠.
13:44
But there was another possibility.
301
812663
1846
하지만, 다른 가능성도 있습니다.
13:46
We could have found
two drugs or three drugs
two drugs or three drugs
302
814533
2344
우리는 서로 좋은 작용을 하는
13:48
that were interacting in a beneficial way.
303
816901
2261
두 개 혹은 세 개의 약의 조합을
찾을 수도 있습니다.
찾을 수도 있습니다.
13:51
We could have found new effects of drugs
304
819616
2712
우리는 약의 새로운 효능을
찾아낼 수도 있습니다.
찾아낼 수도 있습니다.
13:54
that neither of them has alone,
305
822352
2160
약을 혼자 먹었을 때는 보이지 않지만
13:56
but together, instead
of causing a side effect,
of causing a side effect,
306
824536
2493
같이 먹었을 때, 부작용을 보이는 대신
13:59
they could be a new and novel treatment
307
827053
2425
새롭고 독창적인 치료법이
발견될 수도 있습니다.
발견될 수도 있습니다.
14:01
for diseases that don't have treatments
308
829502
1882
그 치료법은 어쩌면
지금까지 치료법이 없는
지금까지 치료법이 없는
14:03
or where the treatments are not effective.
309
831408
2007
혹은 치료법이 효과적이지 않은
병에 큰 도움이 될 수도 있습니다.
병에 큰 도움이 될 수도 있습니다.
14:05
If we think about drug treatment today,
310
833439
2395
현재의 약 처방에 대해 생각해본다면
14:07
all the major breakthroughs --
311
835858
1752
모든 중요한 돌파구들--
14:09
for HIV, for tuberculosis,
for depression, for diabetes --
for depression, for diabetes --
312
837634
4297
에이즈, 결핵, 우울증 혹은
당뇨병에 대한 돌파구들은
당뇨병에 대한 돌파구들은
14:13
it's always a cocktail of drugs.
313
841955
2830
항상 약을 조합했을 때 나타났습니다.
14:16
And so the upside here,
314
844809
1730
그래서 여기서 이야기한 것과
14:18
and the subject for a different
TED Talk on a different day,
TED Talk on a different day,
315
846563
2849
다른 날 ,다른 TED 강연의 주제는
14:21
is how can we use the same data sources
316
849436
2593
똑같은 데이터를 이용해서
14:24
to find good effects
of drugs in combination
of drugs in combination
317
852053
3563
좋은 작용을 일으키는
약의 조합을 어떻게 찾아서
약의 조합을 어떻게 찾아서
14:27
that will provide us new treatments,
318
855640
2175
우리에게 새로운 치료법이 되고
14:29
new insights into how drugs work
319
857839
1852
약의 작용에 대해 새로운 통찰력되어서
14:31
and enable us to take care
of our patients even better?
of our patients even better?
320
859715
3786
어떻게 환자를 더 잘 치료할 수
있게 하는가 입니다.
있게 하는가 입니다.
14:35
Thank you very much.
321
863525
1166
감사합니다.
14:36
(Applause)
322
864715
3499
(박수)
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