TEDMED 2009
David Agus: A new strategy in the war on cancer
데이빗 아구스: 암과의 전쟁에 있어서 새로운 전략
Filmed:
Readability: 4.3
830,903 views
데이빗 아구스는 전통적인 암치료 방법은 각각의 세포를 죽이는데 급급한 근시안적인 관점을 가지고 있다고 설명한다. 그는 이례적인 약, 컴퓨터 모델링, 그리고 단백질 분석 연구를 통하여 여러분야를 포괄하는 새로운 접근 방식으로 몸 전체를 치료하고 분석해야한다고 제안한다.
David Agus - Cancer Doctor
Although a highly-accomplished conventional doctor, David Agus has embraced the future of medicine and is constantly exploring ways that new technologies can help in the fight against cancer. Full bio
Although a highly-accomplished conventional doctor, David Agus has embraced the future of medicine and is constantly exploring ways that new technologies can help in the fight against cancer. Full bio
Double-click the English transcript below to play the video.
00:15
I'm a cancer doctor, and I walked out of my office
0
0
3000
저는 암 전문의입니다, 3~4년 전 쯤 사무실에서 나와서
00:18
and walked by the pharmacy in the hospital three or four years ago,
1
3000
4000
병원 근처에 있는 약국 옆을 지나고 있는데
00:22
and this was the cover of Fortune magazine
2
7000
3000
창문에 이런 포춘지 표지가 걸려 있었습니다
00:25
sitting in the window of the pharmacy.
3
10000
2000
(포춘: 우리는 왜 암과의 전쟁에서 지고 있는가.)
00:27
And so, as a cancer doctor, you look at this,
4
12000
2000
암 전문의가 보기에
00:29
and you get a little bit downhearted.
5
14000
2000
좀 우울한 내용이지요.
00:31
But when you start to read the article by Cliff,
6
16000
3000
이 기사를 쓴 클리프는
00:34
who himself is a cancer survivor,
7
19000
2000
임상 실험을 통해서
00:36
who was saved by a clinical trial
8
21000
2000
암을 이겨낸 경험이 있는 인물입니다.
00:38
where his parents drove him from New York City to upstate New York
9
23000
4000
그의 부모님은 당시 호지킨병(림프종 암)에 대한 실험적인 치료가 진행되고 있었던
00:42
to get an experimental therapy for --
10
27000
2000
뉴욕 북부로 그를 데려갔고
00:44
at the time -- Hodgkin's disease, which saved his life,
11
29000
3000
거기서 받은 치료가 그를 살렸었지요
00:47
he makes remarkable points here.
12
32000
3000
그는 이 기사에서 주목할 만한 포인트를 집어냅니다.
00:50
And the point of the article was that we have gotten
13
35000
3000
그것은 바로 우리가
00:53
reductionist in our view of biology,
14
38000
3000
생물학과 암에 대해서
00:56
in our view of cancer.
15
41000
2000
너무 환원주의적으로 접근했다는 것입니다.
00:58
For the last 50 years, we have focused on treating
16
43000
3000
지난 50년 간 우리는 암을 제어하기보다는
01:01
the individual gene
17
46000
2000
암을 이해하고
01:03
in understanding cancer, not in controlling cancer.
18
48000
3000
개별 유전자를 치료하는 데에만 집중해왔습니다.
01:06
So, this is an astounding table.
19
51000
3000
여기 경악스러운 표를 보세요.
01:09
And this is something that sobers us in our field everyday
20
54000
3000
정신이 번쩍 들게 하는 자료입니다.
01:12
in that, obviously, we've made remarkable impacts
21
57000
2000
심혈관 질환의 사망률이 눈에 띄게 좋아진 사실은
01:14
on cardiovascular disease,
22
59000
2000
분명히 확인할 수 있습니다.
01:16
but look at cancer. The death rate in cancer
23
61000
3000
그러나 암을 보십시오.
01:19
in over 50 years hasn't changed.
24
64000
3000
지난 50년 간 암 사망률은 변하지 않았습니다.
01:22
We've made small wins in diseases like chronic myelogenous leukemia,
25
67000
4000
물론 우리는 만성 골수성 백혈병과 같은 일부 암에서는
01:26
where we have a pill that can put 100 percent of people in remission,
26
71000
3000
100% 환자의 재발을 막을 수 있는 약을 만들어 내기도 했지요.
01:29
but in general, we haven't made an impact at all in the war on cancer.
27
74000
6000
하지만 전반적으로 볼 때 우리는 암과의 전쟁에서 어떠한 승리도 이루어내지 못했습니다.
01:35
So, what I'm going to tell you today,
28
80000
3000
그래서 오늘 저는
01:38
is a little bit of why I think that's the case,
29
83000
3000
이런 일이 일어나고 있는 이유가 무엇이며,
01:41
and then go out of my comfort zone
30
86000
2000
우리의 편안한 현실에서 벗어나,
01:43
and tell you where I think it's going,
31
88000
3000
지금까지 진행해 온 암 치료 방식을
01:46
where a new approach -- that we hope to push forward
32
91000
3000
앞으로 어떻게 바꿔야 할지에 대해
01:49
in terms of treating cancer.
33
94000
4000
말씀 드리도록 하겠습니다.
01:53
Because this is wrong.
34
98000
3000
이건 정말 아니잖아요.
01:56
So, what is cancer, first of all?
35
101000
2000
그렇다면 우선 암이란 무엇일까요?
01:58
Well, if one has a mass or an abnormal blood value, you go to a doctor,
36
103000
5000
음, 만약 어떤 사람에게 종양이 생기거나 비정상적인 혈액 수치가 나온다면 의사를 방문하겠지요.
02:03
they stick a needle in.
37
108000
2000
그러면 그것에 바늘을 집어넣습니다.
02:05
They way we make the diagnosis today is by pattern recognition:
38
110000
4000
우리는 현재 패턴 인식 방식으로 진단을 내리니까요.
02:09
Does it look normal? Does it look abnormal?
39
114000
4000
이게 정상인가 비정상인가?
02:13
So, that pathologist is just like looking at this plastic bottle.
40
118000
3000
병리학자의 진단 방식은 이 플라스틱 병을 바라보는 방식과 동일해요.
02:16
This is a normal cell. This is a cancer cell.
41
121000
3000
이럴 때는 정상 세포이고, 이렇게 되면 암세포죠.
02:19
That is the state-of-the-art today in diagnosing cancer.
42
124000
5000
이게 현재 암을 진단하는 첨단 기술이에요.
02:24
There's no molecular test,
43
129000
3000
분자 검사 같은 것은 하지 않습니다.
02:27
there's no sequencing of genes that was referred to yesterday,
44
132000
3000
어제 언급된 유전자 시퀀싱 같은 것도 하지 않습니다.
02:30
there's no fancy looking at the chromosomes.
45
135000
3000
멋들어지게 염색체를 들여다보는 일도 없습니다.
02:33
This is the state-of-the-art and how we do it.
46
138000
3000
플라스틱 구분하듯 보는 것이 현재 첨단 기법이니까요.
02:36
You know, I know very well, as a cancer doctor, I can't treat advanced cancer.
47
141000
6000
저는 암 전문의로서 말기암을 치료하지 못한다는 것을 너무나 잘 압니다.
02:42
So, as an aside, I firmly believe in the field of trying to identify cancer early.
48
147000
7000
그리고 그 때문에 저는 암 조기 진단 분야를 굳게 지지합니다.
02:49
It is the only way you can start to fight cancer, is by catching it early.
49
154000
5000
암과 싸우려면 반드시 일찍 잡아내야 합니다.
02:54
We can prevent most cancers.
50
159000
3000
대부분의 암은 예방이 가능하니까요.
02:57
You know, the previous talk alluded to preventing heart disease.
51
162000
3000
이전의 발표에서 언급한 심장 질환 예방 방법은
03:00
We could do the same in cancer.
52
165000
2000
암에도 그대로 적용할 수 있습니다
03:02
I co-founded a company called Navigenics,
53
167000
2000
저는 Navigenics란 회사의 공동 설립자인데요.
03:04
where, if you spit into a tube --
54
169000
2000
저희는 튜브에 뱉은 타액으로
03:06
and we can look look at 35 or 40 genetic markers for disease,
55
171000
6000
질병과 연관되는 35~40개 정도의 유전자 지표들을 확인할 수 있습니다
03:12
all of which are delayable in many of the cancers --
56
177000
2000
그리고 이러한 모든 것은 암을 지연시키는데 도움이 됩니다.
03:14
you start to identify what you could get,
57
179000
4000
발병 가능성 있는 암을 파악해서
03:18
and then we can start to work to prevent them.
58
183000
3000
예방을 위한 노력을 할 수 있게 되니까요.
03:21
Because the problem is, when you have advanced cancer,
59
186000
3000
그러나 문제는, 이미 많이 진전된 단계의 암이라면
03:24
we can't do that much today about it, as the statistics allude to.
60
189000
4000
통계가 보여주는 것과 같이 오늘날 우리가 할 수 있는 일이 많지 않다는 것입니다.
03:28
So, the thing about cancer is that it's a disease of the aged.
61
193000
4000
그러므로 암에서 주목해야할 점은 나이가 들수록 많이 걸리는 병이라는 데 있습니다.
03:32
Why is it a disease of the aged?
62
197000
2000
왜 암은 나이 들면서 걸리는 병일까요?
03:34
Because evolution doesn't care about us after we've had our children.
63
199000
4000
왜냐하면 진화는 아이를 낳은 개체에게 관심을 기울이지 않기 때문입니다.
03:39
See, evolution protected us during our childbearing years
64
204000
3000
아시다시피 가임 연령까지는 진화가 우리를 보호하지만
03:42
and then, after age 35 or 40 or 45,
65
207000
4000
35 혹은 40, 그리고 45살 이후
03:46
it said "It doesn't matter anymore, because they've had their progeny."
66
211000
4000
진화할 후계자가 생긴 이상, 신경 쓸 필요가 없는 존재가 되는 거죠.
03:50
So if you look at cancers, it is very rare -- extremely rare --
67
215000
5000
따라서 암이란 병을 살펴보면 어린이 환자가
03:55
to have cancer in a child, on the order of thousands of cases a year.
68
220000
5000
1년에 수천 건 정도로 매우 드물게 발생한다는 걸 알 수 있습니다.
04:00
As one gets older? Very, very common.
69
225000
4000
그러나 나이가 들수록 암 환자는 무척이나 흔해지죠.
04:04
Why is it hard to treat?
70
229000
2000
그럼 암은 왜 치료하기 힘든것인가요?
04:06
Because it's heterogeneous,
71
231000
2000
왜냐하면 암의 다양한 세포들은
04:08
and that's the perfect substrate for evolution within the cancer.
72
233000
5000
진화를 위한 완벽한 환경을 갖추고 있습니다.
04:13
It starts to select out for those bad, aggressive cells,
73
238000
4000
암은 나쁘거나 공격적인 세포들을 골라내기 시작하는데
04:17
what we call clonal selection.
74
242000
4000
이것을 복제선택(clonal selection)이라고 합니다.
04:21
But, if we start to understand
75
246000
3000
우리가 이해하기 위해 노력한다면
04:24
that cancer isn't just a molecular defect, it's something more,
76
249000
5000
암은 단순한 분자 결함, 그 이상의 무엇이라는 사실을 깨달을 수 있습니다.
04:29
then we'll get to new ways of treating it, as I'll show you.
77
254000
4000
그렇다면 이제 보여드릴 내용처럼 암 치료의 전기를 맞을 수 있을지 몰라요.
04:33
So, one of the fundamental problems we have in cancer
78
258000
2000
우리가 암에 대해서 갖는 가장 기본적인 문제 중 하나는
04:35
is that, right now, we describe it by a number of adjectives, symptoms:
79
260000
4000
증상을 수많은 형용사로 표현한다는 데 있습니다.
04:39
"I'm tired, I'm bloated, I have pain, etc."
80
264000
3000
피곤하다, 부었다, 고통스럽다 등의 표현을 사용하죠.
04:42
You then have some anatomic descriptions,
81
267000
2000
그리고 약간의 해부학적 설명을 덧붙입니다.
04:44
you get that CT scan: "There's a three centimeter mass in the liver."
82
269000
4000
CAT 스캔을 찍어보았더니 신장에 3cm의 암덩어리가 있더라 등등.
04:48
You then have some body part descriptions:
83
273000
3000
신체 부위도 조금 언급되고요.
04:51
"It's in the liver, in the breast, in the prostate."
84
276000
2000
간에 있다, 유방에 있다, 전립선에 있다.
04:53
And that's about it.
85
278000
3000
이게 끝입니다.
04:56
So, our dictionary for describing cancer is very, very poor.
86
281000
4000
현재 암을 표현하는 어휘들은 형편 없이 빈약합니다.
05:00
It's basically symptoms.
87
285000
2000
증상이 어떠한지
05:02
It's manifestations of a disease.
88
287000
3000
징후는 어떠한지 나타내는데 국한되지요.
05:05
What's exciting is that over the last two or three years,
89
290000
3000
기대 되는 사실은 지난 2-3년 동안 정부가
05:08
the government has spent 400 million dollars,
90
293000
2000
암 유전체 지도(Cancer Genome Atlas) 프로젝트에
05:10
and they've allocated another billion dollars,
91
295000
3000
이미 400만 달러를 쏟아부었고
05:13
to what we call the Cancer Genome Atlas Project.
92
298000
2000
추가 10억 달러를 예산으로 책정했다는 겁니다.
05:15
So, it is the idea of sequencing all of the genes in the cancer,
93
300000
4000
이 프로젝트는 암에 관련된 모든 유전자들의 염기서열을 알아보는 것인데요.
05:19
and giving us a new lexicon, a new dictionary to describe it.
94
304000
5000
우리가 암을 설명할 수 있는 새로운 어휘를 갖게 된다는 의미죠.
05:24
You know, in the mid-1850's in France,
95
309000
3000
아시다시피 1850년대 중반 프랑스에서
05:27
they started to describe cancer by body part.
96
312000
3000
암을 신체 부위와 연결해서 묘사하기 시작했습니다.
05:30
That hasn't changed in over 150 years.
97
315000
4000
그 방식은 지난 150년 동안 바뀌지 않았지요.
05:34
It is absolutely archaic that we call cancer
98
319000
4000
전립선암, 유방암, 근육종 같은 표현은
05:38
by prostate, by breast, by muscle.
99
323000
4000
정말 구시대적인 묘사 방법이에요.
05:42
It makes no sense, if you think about it.
100
327000
3000
잘 생각해보면 말도 안 되는 방법이거든요.
05:45
So, obviously, the technology is here today,
101
330000
3000
요즘의 기술을 보건데 분명히
05:48
and, over the next several years, that will change.
102
333000
3000
앞으로 수년 내에 바뀌게 될겁니다.
05:51
You will no longer go to a breast cancer clinic.
103
336000
2000
더 이상 유방암 클리닉에 가게 될 일은 없으실 거에요.
05:53
You will go to a HER2 amplified clinic, or an EGFR activated clinic,
104
338000
5000
HER2 암 클리닉 또는 EGFR 암 클리닉으로 가게 될 겁니다.
05:58
and they will go to some of the pathogenic lesions
105
343000
2000
즉, 우리들은 앞으로 각각의 암을 유발하는
06:00
that were involved in causing this individual cancer.
106
345000
4000
발병 원인에 따라서 클리닉을 선택하게 된다는 거죠.
06:04
So, hopefully, we will go from being the art of medicine
107
349000
3000
그 결과 단순히 의료 기술을 구사하는 단계에서
06:07
more to the science of medicine,
108
352000
2000
보다 과학적인 수준의 의학으로 발전시킬 수 있기를 바랍니다.
06:09
and be able to do what they do in infectious disease,
109
354000
3000
지금껏 우리가 전염병을 다뤄 온 방식처럼 말이죠.
06:12
which is look at that organism, that bacteria,
110
357000
3000
작은 생명체인 세균을 찾아
06:15
and then say, "This antibiotic makes sense,
111
360000
3000
그 세균에 대한 항생체를 사용하게 됩니다.
06:18
because you have a particular bacteria that will respond to it."
112
363000
4000
왜냐하면 바로 그 특정 세균이 이에 반응할테니까요.
06:22
When one is exposed to H1N1, you take Tamiflu,
113
367000
4000
누군가 조류독감 (H1N1)에 전염되었을 때 Tamiflu 를 먹으면
06:26
and you can remarkably decrease the severity of symptoms
114
371000
3000
통증이 눈에 띄게 경감되고
06:29
and prevent many of the manifestations of the disease.
115
374000
3000
병의 많은 증상을 막을 수도 있습니다.
06:32
Why? Because we know what you have, and we know how to treat it --
116
377000
5000
왜냐구요? 우리는 그 사람이 어떤 병을 가지고 있는지, 그 병을 어떻게 치료해야 할지 알고 있기 때문이죠.
06:37
although we can't make vaccine in this country, but that's a different story.
117
382000
4000
그 백신을 미국에서 만들 수 없기는 없지만, 그건 오늘 주제와는 상관 없으니까요.
06:41
The Cancer Genome Atlas is coming out now.
118
386000
3000
현재 '암 유전체 지도' 프로젝트의 결과들이 나오기 시작했습니다.
06:44
The first cancer was done, which was brain cancer.
119
389000
4000
첫 번째로 완료된 암은 뇌 종양입니다.
06:48
In the next month, the end of December, you'll see ovarian cancer,
120
393000
4000
다음 달인 12월 말이면 난소암이 완료됩니다.
06:52
and then lung cancer will come several months after.
121
397000
4000
그리고 몇 달 후에는 폐암에 대한 결과도 볼 수 있습니다.
06:56
There's also a field of proteomics that I'll talk about in a few minutes,
122
401000
3000
저는 곧 단백질학(Proteomics)에 대해서 말씀 드릴 건데요.
06:59
which I think is going to be the next level
123
404000
3000
저는 이 분과가 질병을 이해하고 분류하는
07:02
in terms of understanding and classifying disease.
124
407000
4000
다음 단계에 해당한다고 생각합니다.
07:06
But remember, I'm not pushing genomics,
125
411000
2000
하지만 제가 유전체학(Genomics) 이나
07:08
proteomics, to be a reductionist.
126
413000
3000
단백질학이 환원주의적으로 변하길 바라는 게 아니라는 걸 명심하세요.
07:11
I'm doing it so we can identify what we're up against.
127
416000
3000
저는 우리가 싸우는 대상을 알아내기 위해 이 일을 하고 있는 거에요.
07:14
And there's a very important distinction there that we'll get to.
128
419000
4000
거기에는 우리가 깨닫게 될 아주 중요한 차이점이 있습니다.
07:18
In health care today, we spend most of the dollars --
129
423000
3000
오늘날 건강 관리 관련 지출 항목을 생각해보면
07:21
in terms of treating disease --
130
426000
3000
인생의 마지막 2년에 질병을 치료하면서 나가는 돈이
07:24
most of the dollars in the last two years of a person's life.
131
429000
4000
가장 많은 경우가 태반이지요.
07:28
We spend very little, if any, dollars in terms of identifying what we're up against.
132
433000
5000
만약 우리가 무엇과 싸워야할지 구분하고
07:33
If you could start to move that, to identify what you're up against,
133
438000
4000
그것을 옮기기 위해 노력한다면
07:37
you're going to do things a hell of a lot better.
134
442000
3000
우리는 정말 훨씬 더 잘할 수 있을 겁니다.
07:40
If we could even take it one step further and prevent disease,
135
445000
4000
만약 한 발 더 나아가 질병을 예방하는 수준에 이른다면
07:44
we can take it enormously the other direction,
136
449000
3000
엄청나게 다른 방향으로 나아가게 될 겁니다.
07:47
and obviously, that's where we need to go, going forward.
137
452000
4000
분명히 이것이 우리가 나아갸야 할 방향이죠.
07:51
So, this is the website of the National Cancer Institute.
138
456000
3000
이건 국립 암 연구소(National Cancer Institute)의 웹사이트 인데요.
07:54
And I'm here to tell you, it's wrong.
139
459000
3000
오늘 저는 여러분에게 이게 틀렸다는 말씀을 드리기 위해 섰습니다.
07:57
So, the website of the National Cancer Institute
140
462000
2000
국립 암 연구소의 웹사이트에 따르면
07:59
says that cancer is a genetic disease.
141
464000
4000
암이 유전된다고 합니다.
08:03
The website says, "If you look, there's an individual mutation,
142
468000
4000
여기 웹사이트를 보시면 하나의 돌연변이가 있습니다.
08:07
and maybe a second, and maybe a third,
143
472000
2000
두 번째 것도 있고, 세 번째 것일 수도 있겠지요.
08:09
and that is cancer."
144
474000
2000
그리고 그것이 암이라는 거죠.
08:11
But, as a cancer doc, this is what I see.
145
476000
4000
하지만, 암 전문의로서 저는 다음과 같은 견해를 가지고 있습니다.
08:15
This isn't a genetic disease.
146
480000
2000
암은 유전적 질병이 아닙니다.
08:17
So, there you see, it's a liver with colon cancer in it,
147
482000
3000
여기 보시듯이 이건 대장암이 들어있는 간의 모습입니다.
08:20
and you see into the microscope a lymph node
148
485000
2000
그리고 현미경을 통해 관찰해보면,
08:22
where cancer has invaded.
149
487000
2000
암이 전이가 된 림프절을 볼 수 있습니다.
08:24
You see a CT scan where cancer is in the liver.
150
489000
4000
CAT 스캔을 통해 간에 있는 암의 위치를 알 수 있습니다.
08:28
Cancer is an interaction of a cell
151
493000
3000
암은 조건에 따른 성장 제어를 벗어난
08:31
that no longer is under growth control with the environment.
152
496000
5000
세포의 상호작용입니다.
08:36
It's not in the abstract; it's the interaction with the environment.
153
501000
4000
이건 추상적인 개념이 아니라 주위 환경과의 상호작용입니다.
08:40
It's what we call a system.
154
505000
3000
즉, 우리가 시스템이라고 부르는 것이죠.
08:43
The goal of me as a cancer doctor is not to understand cancer.
155
508000
4000
암 전문의로서 제 목표는 암을 이해하는 것이 아닙니다.
08:47
And I think that's been the fundamental problem over the last five decades,
156
512000
3000
저는 지난 50년 간 우리가 암을 위해하기 위해서
08:50
is that we have strived to understand cancer.
157
515000
3000
고군분투해 온 사실 자체가 근본적인 문제라고 생각합니다.
08:53
The goal is to control cancer.
158
518000
3000
제 목표는 암을 통제하는 것입니다.
08:56
And that is a very different optimization scheme,
159
521000
2000
이건 전혀 다른 최적화 계획이자
08:58
a very different strategy for all of us.
160
523000
3000
완전히 새로운 전략을 갖는다는 의미입니다.
09:01
I got up at the American Association of Cancer Research,
161
526000
2000
저는 2만여 명의 사람들이 모이는 가장 큰 암 확회인
09:03
one of the big cancer research meetings, with 20,000 people there,
162
528000
4000
미국 암 연구협회(American Association of Cancer Research)에 참석하여
09:07
and I said, "We've made a mistake.
163
532000
3000
우리가 지금껏 실수해 온 것이라고 말했습니다.
09:10
We've all made a mistake, myself included,
164
535000
3000
저를 포함한 모두가 작은 것에 초점을 맞추는
09:13
by focusing down, by being a reductionist.
165
538000
2000
환원주의적 실수를 범해왔다고요.
09:15
We need to take a step back."
166
540000
2000
우리는 한 발 물러 설 필요가 있습니다.
09:17
And, believe it or not, there were hisses in the audience.
167
542000
2000
믿기 힘드시겠지만 청중들이 야유를 했습니다.
09:19
People got upset, but this is the only way we're going to go forward.
168
544000
4000
사람들은 화를 냈지만, 이것이 우리가 가야할 유일한 길입니다.
09:23
You know, I was very fortunate to meet Danny Hillis a few years ago.
169
548000
4000
음.. 저는 운이 좋게도 몇 년 전에 대니 힐리스(Danny Hillis) 씨를 만났었죠.
09:27
We were pushed together, and neither one of us really wanted to meet the other.
170
552000
4000
우리는 어쩌다가 함께 하게 된 것이지 서로 정말 만나고 싶었던 건 아니었는데요.
09:31
I said, "Do I really want to meet a guy from Disney, who designed computers?"
171
556000
4000
저는 "내가 디즈니에서 온, 컴퓨터를 설계자를 진짜 만나고 싶어할까?" 라고 했고요.
09:35
And he was saying: Does he really want to meet another doctor?
172
560000
3000
그도 본인이 정말 또 다른 의사를 만나고 싶을지 의문을 품었다고 하는군요.
09:38
But people prevailed on us, and we got together,
173
563000
2000
하지만, 사람들이 설득해서 결국은 같이 일하게 되었습니다.
09:40
and it's been transformative in what I do, absolutely transformative.
174
565000
5000
그리고 그 덕분에 제가 해오던 일을 완전히 변해버렸죠.
09:46
We have designed, and we have worked on the modeling --
175
571000
3000
우리는 한 시스템을 설계해서 작업하고 있었는데요.
09:49
and much of these ideas came from Danny and from his team --
176
574000
4000
대니와 그의 동료들이 낸 아이디어에 기반해서
09:53
the modeling of cancer in the body as complex system.
177
578000
3000
인체의 암을 하나의 복잡계 시스템으로 모델링 하려고 했던 겁니다.
09:56
And I'll show you some data there
178
581000
2000
이제 여러분에게 약간의 자료를 보여드릴게요.
09:58
where I really think it can make a difference and a new way to approach it.
179
583000
4000
제 생각에는 이게 정말 암 연구 새로운 방향을 보여줄 수 있다고 생각해요.
10:02
The key is, when you look at these variables and you look at this data,
180
587000
4000
이 자료와 이 변수들을 볼 때 관건은
10:06
you have to understand the data inputs.
181
591000
4000
여러분이 이 데이터 입력 값의 특성을 이해해야 한다는 것입니다.
10:10
You know, if I measured your temperature over 30 days,
182
595000
4000
예를 들어 제가 여러분의 체온을 한 달 동안 측정을 한 다음,
10:14
and I asked, "What was the average temperature?"
183
599000
2000
평균 체온이 얼마냐고 물었을 때
10:16
and it came back at 98.7, I would say, "Great."
184
601000
4000
37.1 도씨라고 답한다면 저는 '좋네요!' 라고 할 겁니다.
10:20
But if during one of those days
185
605000
2000
하지만 한 달 동안
10:22
your temperature spiked to 102 for six hours,
186
607000
3000
6시간 동안 38.8 도씨 까지 올라간 일이 있다가
10:25
and you took Tylenol and got better, etc.,
187
610000
2000
타이레놀을 먹고 나아졌다거나 하는 등의 사실은
10:27
I would totally miss it.
188
612000
2000
제가 전혀 모르고 지나가는 거죠.
10:29
So, one of the problems, the fundamental problems in medicine
189
614000
3000
즉, 의학에서 근본적인 문제점 중 하나는
10:32
is that you and I, and all of us,
190
617000
2000
여러분이나 저, 우리 모두가
10:34
we go to our doctor once a year.
191
619000
2000
1년에 한 번 의사를 보러 간다는 겁니다.
10:36
We have discrete data elements; we don't have a time function on them.
192
621000
4000
덕분에 우리는 개별적인 데이터 요소만 가지고 있고, 시간에 따른 변화량은 모르죠.
10:40
Earlier it was referred to this direct life device.
193
625000
3000
이건 예전에 '직접생명장치(Direct Life Device)'라고 불렸던 건데요.
10:43
You know, I've been using it for two and a half months.
194
628000
3000
저는 이걸 2달 반 동안 사용했습니다.
10:46
It's a staggering device, not because it tells me
195
631000
2000
정말 대단한 기기입니다. 그 이유는 이것이 저에게
10:48
how many kilocalories I do every day,
196
633000
3000
하루에 얼마의 칼로리를 소모하는지를 알려주어서가 아니라
10:51
but because it looks, over 24 hours, what I've done in a day.
197
636000
4000
24시간 내내 제가 무엇을 하는지 보고 있기 때문입니다.
10:55
And I didn't realize that for three hours I'm sitting at my desk,
198
640000
3000
저는 제가 책상에 앉아 있는 3시간 동안
10:58
and I'm not moving at all.
199
643000
2000
전혀 움직임이 없다는 걸 몰랐습니다.
11:00
And a lot of the functions in the data that we have as input systems here
200
645000
5000
그리고 데이터에 보이는 많은 함수들이 입력 값을 받는데
11:05
are really different than we understand them,
201
650000
3000
우리가 이해하는 것과는 정말 다르다는 것을 알 수 있습니다.
11:08
because we're not measuring them dynamically.
202
653000
2000
그건 우리가 다이나믹하게 측정을 하지 않아서입니다.
11:10
And so, if you think of cancer as a system,
203
655000
5000
암을 하나의 '시스템'으로 본다면
11:15
there's an input and an output and a state in the middle.
204
660000
4000
화면에 보시다시피 '입력 값'과 '출력 값', 그리고 그 가운데 '상태'가 있습니다.
11:19
So, the states, are equivalent classes of history,
205
664000
3000
여기서 '상태'는 환자의 병력으로 볼 수 있습니다.
11:22
and the cancer patient, the input, is the environment,
206
667000
3000
한 명의 암 환자를 예로 든다면 '입력 값'은
11:25
the diet, the treatment, the genetic mutations.
207
670000
4000
환경, 식생활, 치료법, 유전적 돌연변이 등의 요소이고,
11:29
The output are our symptoms:
208
674000
3000
'출력 값'은 증상이 되겠죠.
11:32
Do we have pain? Is the cancer growing? Do we feel bloated, etc.?
209
677000
4000
고통이 있느냐? 암이 자라느냐? 배가 터질 것 같으냐? 등등
11:36
Most of that state is hidden.
210
681000
4000
그런데 대부분의 '상태'는 감추어져 있습니다.
11:40
So what we do in our field is we change and input,
211
685000
3000
그래서 우리 분야에서 하는 일은 '입력 값'을 바꿔봅니다.
11:43
we give aggressive chemotherapy,
212
688000
2000
아주 독한 화학 치료 요법을 입력하는 거죠.
11:45
and we say, "Did that output get better? Did that pain improve, etc.?"
213
690000
5000
그리고 물어봅니다. '결과가 나아졌나요? 고통은 경감되었나요?' 라고요.
11:50
And so, the problem is that it's not just one system,
214
695000
4000
하지만 문제는 암이 단일 시스템이 아니고
11:54
it's multiple systems on multiple scales.
215
699000
3000
다층적인 복합 시스템이라는 겁니다.
11:57
It's a system of systems.
216
702000
3000
시스템 복합체계라고 할 수 있죠.
12:00
And so, when you start to look at emergent systems,
217
705000
2000
여러분이 새로운 시스템을 관찰하기 시작한다고 해봅시다.
12:02
you can look at a neuron under a microscope.
218
707000
3000
예를 들어 현미경을 통해 하나의 신경세포를 본다면
12:05
A neuron under the microscope is very elegant
219
710000
2000
하나의 신경세포는 매우 명쾌하게 보입니다.
12:07
with little things sticking out and little things over here,
220
712000
3000
여기 저기 조그마한 것들이 튀어나와 있는 모습이지요.
12:10
but when you start to put them together in a complex system,
221
715000
4000
그러나 그것들이 복잡한 시스템 내에서 합체되기 시작하면
12:14
and you start to see that it becomes a brain,
222
719000
2000
하나의 뇌가 되고
12:16
and that brain can create intelligence,
223
721000
3000
그 뇌가 지능을 만들잖아요.
12:19
what we're talking about in the body,
224
724000
2000
우리가 몸 안에 있는 것에 대해서나
12:21
and cancer is starting to model it like a complex system.
225
726000
3000
암에 대해서 이야기 할 때도 이런 복잡계 모델로 다루어야 합니다.
12:24
Well, the bad news is that these robust --
226
729000
3000
음.. 이렇게 탄탄한 새 조직을 대할 때의 단점은,
12:27
and robust is a key word --
227
732000
2000
여기서는 '탄탄한'이라는 말이 핵심 단어인데,
12:29
emergent systems are very hard to understand in detail.
228
734000
4000
새 시스템을 세세하게 이해하기란 매우 어렵다는 사실입니다.
12:33
The good news is you can manipulate them.
229
738000
3000
하지만 그래도 조정은 가능하다는 장점이 있지요.
12:36
You can try to control them
230
741000
2000
즉, 모든 구성요소들을 완전히 이해하지 못하더라도
12:38
without that fundamental understanding of every component.
231
743000
3000
통제해 볼 여지가 있다는 겁니다.
12:41
One of the most fundamental clinical trials in cancer
232
746000
3000
가장 핵심적인 암 임상 사례 중 하나가
12:44
came out in February in the New England Journal of Medicine,
233
749000
3000
2월 달에 '뉴 잉글랜드 의학 저널(New England Journal of Medicine)'에 발표되었는데
12:47
where they took women who were pre-menopausal with breast cancer.
234
752000
4000
폐경기 이전에 유방암에 걸린 여성들을 상대로 이루어진 임상 실험이였습니다.
12:51
So, about the worst kind of breast cancer you can get.
235
756000
3000
즉, 유방암 중 최악의 경우라 할 수 있죠.
12:54
They had gotten their chemotherapy,
236
759000
2000
그들은 화학요법을 받은 뒤
12:56
and then they randomized them,
237
761000
2000
무작위하게 구분되어
12:58
where half got placebo,
238
763000
2000
반은 위약(Placebo, 가짜 약)을 받고
13:00
and half got a drug called Zoledronic acid that builds bone.
239
765000
4000
나머지 반은 뼈를 형성하는 '조메타(Zoledronic acid)'라는 약을 처방 받습니다.
13:04
It's used to treat osteoporosis,
240
769000
2000
이건 주로 골다공증 치료에 사용된 약인데요.
13:06
and they got that twice a year.
241
771000
2000
그들은 1년에 두 번 복용했습니다.
13:08
They looked and, in these 1,800 women,
242
773000
4000
1800 명의 여성들을 관찰한 결과
13:12
given twice a year a drug that builds bone,
243
777000
3000
뼈를 형성하는 이 약을 1년에 두 번 먹은 경우
13:15
you reduce the recurrence of cancer by 35 percent.
244
780000
5000
암 재발을 35% 가량 막을 수 있었습니다.
13:21
Reduce occurrence of cancer by a drug
245
786000
2000
암의 발병을 줄인 이 약은
13:23
that doesn't even touch the cancer.
246
788000
2000
직접적으로 암에 영향을 끼친게 아닙니다.
13:25
So the notion, you change the soil, the seed doesn't grow as well.
247
790000
5000
개념적으로, 흙을 바꾸면 씨앗이 자라지 못하는 것과 비슷한 이치입니다.
13:30
You change that system,
248
795000
3000
시스템을 바꾸면
13:33
and you could have a marked effect on the cancer.
249
798000
2000
암에 눈에 띄는 영향을 줄 수 있다는 겁니다.
13:35
Nobody has ever shown -- and this will be shocking --
250
800000
3000
이건 좀 충격적인 내용인데요.
13:38
nobody has ever shown that most chemotherapy
251
803000
3000
지금껏 누구도 대부분의 화학요법이 실제 암세포를 건드리는 걸
13:41
actually touches a cancer cell.
252
806000
2000
보여준 적이 없다는 사실입니다.
13:43
It's never been shown.
253
808000
2000
정말로 보여준 적이 없습니다.
13:45
There's all these elegant work in the tissue culture dishes,
254
810000
3000
수많은 실험은 조직 배양 접시 안에서 깔끔하게 이루어졌을 뿐이지요.
13:48
that if you give this cancer drug, you can do this effect to the cell,
255
813000
3000
약물을 투여하며 암세포들에게서 원하는 효능을 낼 수는 있습니다.
13:51
but the doses in those dishes are nowhere near
256
816000
3000
하지만 이 때 투여된 양은
13:54
the doses that happen in the body.
257
819000
4000
실제 인체에 투여되는 양과는 거리가 멉니다.
13:58
If I give a woman with breast cancer a drug called Taxol
258
823000
3000
제가 유방암에 걸린 여성 환자에게 택솔(Taxol)이라는 약을
14:01
every three weeks, which is the standard,
259
826000
2000
규정대로 3주마다 처방하면
14:03
about 40 percent of women with metastatic cancer
260
828000
2000
말기 종양을 가진 환자의 대략 40% 정도가
14:05
have a great response to that drug.
261
830000
3000
큰 효과를 보입니다.
14:08
And a response is 50 percent shrinkage.
262
833000
2000
50% 정도로 암의 크기가 줄어들지요.
14:10
Well, remember that's not even an order of magnitude,
263
835000
2000
하지만 그 양은 새발의 피에 불과하다는 걸 아셔야해요.
14:12
but that's a different story.
264
837000
2000
하지만, 그 이야기는 주제에서 벗어나니까 그만하고요.
14:14
They then recur, I give them that same drug every week.
265
839000
4000
그들이 재발해서 매주 같은 약을 처방하면
14:18
Another 30 percent will respond.
266
843000
3000
나머지 30%가 반응을 보입니다.
14:21
They then recur, I give them that same drug
267
846000
2000
그리고 또 다시 재발해서 같은 약을
14:23
over 96 hours by continuous infusion,
268
848000
3000
96시간 동안 계속해서 투여하면
14:26
another 20 or 30 percent will respond.
269
851000
3000
나머지 20~30% 정도가 반응을 할 겁니다.
14:29
So, you can't tell me it's working by the same mechanism in all three size.
270
854000
4000
결국 이 세 경우 약이 서로 같은 방식으로 작용한다고 말할 수 없습니다.
14:33
It's not. We have no idea the mechanism.
271
858000
3000
실제로 그렇지 않고, 어떻게 작동하는지는 전혀 모르는 거죠.
14:36
So the idea that chemotherapy may just be disrupting
272
861000
3000
그러면 화학요법이 단지 이 복잡계를
14:39
that complex system,
273
864000
3000
방해하고 있다는 개념인 거지요.
14:42
just like building bone disrupted that system and reduced recurrence,
274
867000
5000
뼈를 형성하는 과정이 시스템을 어지럽히고 재발을 방지했던 것처럼 말입니다.
14:47
chemotherapy may work by that same exact way.
275
872000
3000
화학요법도 아마 똑같은 방식으로 작동할 겁니다.
14:50
The wild thing about that trial also,
276
875000
3000
또 다른 재미있는 사실은
14:53
was that it reduced new primaries, so new cancers, by 30 percent also.
277
878000
7000
새로운 암 발병률도 30% 가량 낮아졌다는 것입니다.
15:02
So, the problem is, yours and mine, all of our systems are changing.
278
887000
5000
그러므로 문제는 저나 여러분 우리 모두의 시스템이 변한다는 데 있습니다.
15:07
They're dynamic.
279
892000
2000
역동적이지요.
15:09
I mean, this is a scary slide, not to take an aside,
280
894000
3000
툭 까놓고 좀 으시시한 슬라이드를 하나 보여드릴게요.
15:12
but it looks at obesity in the world.
281
897000
2000
세계 비만에 관한 겁니다.
15:14
And I'm sorry if you can't read the numbers, they're kind of small.
282
899000
3000
숫자들이 작아서 잘 안 보이시죠. 죄송합니다.
15:17
But, if you start to look at it, that red, that dark color there,
283
902000
4000
일단 보시면 저기 붉고 어두운 색이 있죠.
15:21
more than 75 percent of the population
284
906000
3000
국가 전체 인구의 75% 이상이
15:24
of those countries are obese.
285
909000
3000
비만이라는 뜻입니다.
15:27
Look a decade ago, look two decades ago: markedly different.
286
912000
4000
10년 전 또는 20년 전을 보면 완전히 다릅니다.
15:31
So, our systems today are dramatically different
287
916000
3000
즉, 현재 우리의 시스템은
15:34
than our systems a decade or two ago.
288
919000
4000
10년 혹은 20년 전과는 완전히 다르다는 겁니다.
15:38
So the diseases we have today,
289
923000
3000
즉, 지난 수십년 간
15:41
which reflect patterns in the system over the last several decades,
290
926000
4000
우리의 시스템이 지녔던 패턴을 반영해 오늘날 우리가 겪고 있는 이 질병들은
15:45
are going to change dramatically over the next decade or so
291
930000
4000
앞으로 수십년에 걸쳐 급격히 변화할 것입니다.
15:49
based on things like this.
292
934000
3000
비만과 같은 다른 요소들의 영향을 받을테니까요.
15:52
So, this picture, although it is beautiful, is a 40-gigabyte picture
293
937000
10000
이 그림은 아름답긴 하지만 40 기가 바이트 크기의
16:02
of the whole proteome.
294
947000
2000
전체 단백질체(Proteome)에 대한 그림입니다.
16:04
So this is a drop of blood that has gone through a superconducting magnet,
295
949000
4000
이건 한 방울의 피가 초전도 자석을 지나면서 만든 건데요.
16:08
and we're able to get resolution
296
953000
2000
우리는 몸 안의 모든 단백질을 볼 수 있는
16:10
where we can start to see all of the proteins in the body.
297
955000
4000
수준의 해상도를 가지게 된 것입니다.
16:14
We can start to see that system.
298
959000
2000
우리가 그 시스템을 보기 시작하는 겁니다.
16:16
Each of the red dots are where a protein has actually been identified.
299
961000
4000
각각의 붉은 점은 하나의 단백질이 실제로 확인된 자리를 나타냅니다.
16:20
The power of these magnets, the power of what we can do here,
300
965000
2000
이러한 자기학을 통해
16:22
is that we can see an individual neutron with this technology.
301
967000
5000
우리는 개별 중성자를 볼 수 있게 되었습니다.
16:27
So, again, this is stuff we're doing with Danny Hillis
302
972000
3000
다시 말해 대니 힐리스 씨와 '어플라이드 프로티어믹스(Applied Proteomics)' 그룹이
16:30
and a group called Applied Proteomics,
303
975000
2000
이 일에 참여하고 있습니다.
16:32
where we can start to see individual neutron differences,
304
977000
4000
이 작업을 통해 우리는 개별 중성자의 차이를 알게 되었고
16:36
and we can start to look at that system like we never have before.
305
981000
4000
이전과는 전혀 다른 방법으로 그 시스템을 살펴볼 수 있게 되었습니다.
16:40
So, instead of a reductionist view, we're taking a step back.
306
985000
4000
우리는 환원주의적 관점에서 벗어나 한 발자국 뒤로 물러선 겁니다.
16:44
So this is a woman, 46 years old,
307
989000
4000
여기 46세의 여성은
16:48
who had recurrent lung cancer.
308
993000
3000
폐암이 재발했습니다.
16:51
It was in her brain, in her lungs, in her liver.
309
996000
4000
암은 그녀의 머리, 폐 그리고 간에 있었습니다.
16:55
She had gotten Carboplatin Taxol, Carboplatin Taxotere,
310
1000000
4000
그녀는 카보플라틴 택솔(Carboplatin Taxol), 카보플라틴 탁소티어(Carboplatin Taxotere),
16:59
Gemcitabine, Navelbine:
311
1004000
2000
짐사이타빈(Gemcitabene), 나벨빈(Navelbine)을 처방받은 상태였습니다.
17:01
Every drug we have she had gotten, and that disease continued to grow.
312
1006000
5000
우리가 가진 모든 약을 투여하지만 암은 계속해서 자랐습니다.
17:06
She had three kids under the age of 12,
313
1011000
4000
그녀에게는 12살 미만의 자녀가 3명 있었습니다.
17:10
and this is her CT scan.
314
1015000
2000
이게 그녀의 CAT 스캔입니다.
17:12
And so what this is, is we're taking a cross-section of her body here,
315
1017000
3000
그녀의 몸의 절단면을 촬영했다는 뜻인데요.
17:15
and you can see in the middle there is her heart,
316
1020000
3000
여기 가운데 그녀의 심장이 보입니다.
17:18
and to the side of her heart on the left there is this large tumor
317
1023000
4000
심장 왼쪽에 큰 종양이 있습니다.
17:22
that will invade and will kill her, untreated, in a matter of weeks.
318
1027000
6000
그 종양은 치료가 되지 않고 이리저리 퍼져나가 그녀를 몇 주 안에 죽음에 이르게 할 상황이었습니다.
17:28
She goes on a pill a day that targets a pathway,
319
1033000
5000
그녀는 암이 퍼져나가는 경로 중 한 곳을 막을 목적으로 매일 알약 한 알을 먹기 시작했습니다.
17:33
and again, I'm not sure if this pathway was in the system, in the cancer,
320
1038000
4000
저도 그 길이 그 시스템에, 그 암에 속해 있는지 확신할 수 없었습니다.
17:37
but it targeted a pathway, and a month later, pow, that cancer's gone.
321
1042000
6000
하지만 어쨌든 그 한 곳을 표적으로 삼았고 한 달 후에 "펑" 하고 암이 사라졌습니다.
17:43
Six months later it's still gone.
322
1048000
3000
6개월 후에도 재발하지 않았고요.
17:46
That cancer recurred, and she passed away three years later from lung cancer,
323
1051000
5000
3년 후에야 그녀는 재발한 폐암으로 사망하게 됩니다.
17:51
but she got three years from a drug
324
1056000
4000
그녀는 한 가지 약 덕분에 3년을 더 살 수 있었습니다.
17:55
whose symptoms predominately were acne.
325
1060000
2000
당시 부작용은 여드름 정도였죠.
17:57
That's about it.
326
1062000
2000
3년을 더 살게 되었는데 말이에요.
17:59
So, the problem is that the clinical trial was done,
327
1064000
4000
문제는 이렇습니다. 임상 실험이 행해졌고
18:03
and we were a part of it,
328
1068000
2000
우리도 그 일부였는데
18:05
and in the fundamental clinical trial --
329
1070000
2000
'3상(Phase III)'이라 부르는
18:07
the pivotal clinical trial we call the Phase Three,
330
1072000
2000
근본적이고 중요한 임상 실험 단계에서
18:09
we refused to use a placebo.
331
1074000
3000
우리가 위약의 사용을 거부했다는 것입니다.
18:12
Would you want your mother, your brother, your sister
332
1077000
2000
여러분은 어머니, 형제 혹은 자매가
18:14
to get a placebo if they had advanced lung cancer and had weeks to live?
333
1079000
4000
폐암 말기라서 몇 주 안에 죽을 수도 있는 상황에서 위약을 주고 싶으십니까?
18:18
And the answer, obviously, is not.
334
1083000
2000
대답은 당연히 "아니오" 겠지요.
18:20
So, it was done on this group of patients.
335
1085000
2000
그래서 임상 실험은 이 그룹의 환자들에게만 이루어졌습니다.
18:22
Ten percent of people in the trial had this dramatic response that was shown here,
336
1087000
6000
그중 10%가 극적인 차도를 보여준 덕분에
18:28
and the drug went to the FDA,
337
1093000
3000
그 약은 FDA(미국 식약청)의 승인을 받는 단계에 이르렀는데
18:31
and the FDA said, "Without a placebo,
338
1096000
2000
FDA는 위약 대조군 실험 없이
18:33
how do I know patients actually benefited from the drug?"
339
1098000
5000
환자가 이 약에서 실질적인 혜택을 보았는지 어떻게 알 수 있겠냐고 했습니다.
18:38
So the morning the FDA was going to meet,
340
1103000
2000
FDA의 그 발언이 있던 다음 날 아침
18:40
this was the editorial in the Wall Street Journal.
341
1105000
3000
월스트리트저널지의 사설은 이랬습니다.
18:43
(Laughter)
342
1108000
2000
(FDA가 환자들에게 고함 : 나가 죽어)
18:45
And so, what do you know, that drug was approved.
343
1110000
4000
그리고 당연히 그 약은 승인을 받았습니다.
18:49
The amazing thing is another company did the right scientific trial,
344
1114000
4000
그런데 놀랍게도 다른 한 회사에서는 과학적 원칙을 존중해
18:53
where they gave half placebo and half the drug.
345
1118000
3000
피험자 반은 위약을, 나머지 반은 그 약을 주는 실험을 진행했었다는 겁니다.
18:56
And we learned something important there.
346
1121000
2000
그리고 거기에서 중요한 사실을 배울 수 있었습니다.
18:58
What's interesting is they did it in South America and Canada,
347
1123000
3000
재미있는 사실은 그들은 '위약 실험이 조금 더 윤리적'이라 인식하는
19:01
where it's "more ethical to give placebos."
348
1126000
3000
남미와 캐나다에서 실험을 했다는 겁니다.
19:04
They had to give it also in the U.S. to get approval,
349
1129000
2000
그들은 미국의 승인을 받기 위해서라도 위약을 쓸 수 밖에 없었죠.
19:06
so I think there were three U.S. patients
350
1131000
2000
뉴욕주 북부 출신의 환자 3명이
19:08
in upstate New York who were part of the trial.
351
1133000
2000
피험군에 포함되어 있었던 것 같습니다.
19:10
But they did that, and what they found
352
1135000
2000
어쨌든 그 과정에서 발견한 것은
19:12
is that 70 percent of the non-responders
353
1137000
3000
반응을 보이지 않은 환자의 70% 정도가
19:15
lived much longer and did better than people who got placebo.
354
1140000
5000
위약을 받은 환자보다 훨씬 오래 잘 살았다는 겁니다.
19:20
So it challenged everything we knew in cancer,
355
1145000
3000
이 결과는 우리가 암에 관해 알고 있던 모든 것에 이의를 제기했습니다.
19:23
is that you don't need to get a response.
356
1148000
2000
약에 반응을 보일 필요도
19:25
You don't need to shrink the disease.
357
1150000
2000
암의 크기를 줄일 필요도 없다는 겁니다.
19:27
If we slow the disease, we may have more of a benefit
358
1152000
4000
병을 없애는 것보다 진전을 늦추는 편이
19:31
on patient survival, patient outcome, how they feel,
359
1156000
4000
경과에 대한 환자의 느낌이나 실제 생존률 혹은 치료 결과에 있어
19:35
than if we shrink the disease.
360
1160000
2000
더 많은 이득을 볼 수 있을지 모른다는 거죠.
19:37
The problem is that, if I'm this doc, and I get your CT scan today
361
1162000
3000
문제는 이렇습니다. 제가 의사이고 오늘 CAT 스캔을 통해
19:40
and you've got a two centimeter mass in your liver,
362
1165000
3000
여러분의 간에 2cm 크기의 종양이 있는 걸 발견했는데
19:43
and you come back to me in three months and it's three centimeters,
363
1168000
3000
석 달 후 3cm로 커져 있다는 걸 알게 된다면
19:46
did that drug help you or not?
364
1171000
2000
그 약이 여러분을 도운 걸까요 아닐까요?
19:48
How do I know?
365
1173000
2000
그걸 제가 어떻게 알 수 있을까요?
19:50
Would it have been 10 centimeters, or am I giving you a drug
366
1175000
4000
제가 약을 주지 않았다면 종양이 10cm로 커졌을지,
19:54
with no benefit and significant cost?
367
1179000
3000
아니면 아무런 효과도 없이 큰 비용만 치른 것인지는 또 어떻게 알까요?
19:57
So, it's a fundamental problem.
368
1182000
2000
이것은 근본적인 문제입니다.
19:59
And, again, that's where these new technologies can come in.
369
1184000
5000
그리고 다시 말하지만 새로운 기술은 이런 과정을 통해서 도입됩니다.
20:04
And so, the goal obviously is that you go into your doctor's office --
370
1189000
4000
여러분이 의사를 방문했을 때 목표는,
20:08
well, the ultimate goal is that you prevent disease, right?
371
1193000
3000
아, 물론 궁극적인 목표은 질병을 막는데 있겠지요.
20:11
The ultimate goal is that you prevent any of these things from happening.
372
1196000
4000
이런 모든 일들이 일어나지 않기를 바라는 데 있고요.
20:15
That is the most effective, cost-effective,
373
1200000
3000
그것이 가장 효과적이고 경제적이며
20:18
best way we can do things today.
374
1203000
2000
현재 우리가 할 수 있는 최선의 방법입니다.
20:20
But if one is unfortunate to get a disease,
375
1205000
3000
하지만 누군가 운이 없어서 병에 걸렸다면
20:23
you'll go into your doctor's office, he or she will take a drop of blood,
376
1208000
3000
의사를 방문할 것이고 의사는 피 한 방울을 채취해서
20:26
and we will start to know how to treat your disease.
377
1211000
4000
어떻게 당신의 병을 치료할지 알아내기 시작할 것 입니다.
20:31
The way we've approached it is the field of proteomics,
378
1216000
3000
우리는 단백질학이라는 분야를 통해 접근해왔습니다.
20:34
again, this looking at the system.
379
1219000
2000
다시 말하지만 이것은 시스템을 보는 것 입니다.
20:36
It's taking a big picture.
380
1221000
2000
큰 그림을 보는 방법이죠.
20:38
The problem with technologies like this is
381
1223000
3000
이 같은 기술의 문제점은
20:41
that if one looks at proteins in the body,
382
1226000
2000
몸 안에 있는 단백질의 경우
20:43
there are 11 orders of magnitude difference
383
1228000
3000
많이 있는 것들과 적게 있는 것들 사이의 차이가
20:46
between the high-abundant and the low-abundant proteins.
384
1231000
3000
11 자릿수 정도가 된다는 것입니다.
20:49
So, there's no technology in the world that can span 11 orders of magnitude.
385
1234000
5000
전 세계 어떠한 기술로도 11 자릿수의 차이를 극복할 수는 없습니다.
20:54
And so, a lot of what has been done with people like Danny Hillis and others
386
1239000
5000
대니 힐리스 씨와 그의 동료들이 해온 많은 일의 목적은
20:59
is to try to bring in engineering principles, try to bring the software.
387
1244000
4000
공학적 원리들이나 소프트웨어를 도입하는 데 있었습니다.
21:03
We can start to look at different components along this spectrum.
388
1248000
5000
우리는 이 분야의 도움 덕에 다른 구성요소들을 볼 수 있게 되었습니다.
21:08
And so, earlier was talked about cross-discipline, about collaboration.
389
1253000
5000
앞서 서로 다른 학문 분과 간의 협력에 대해 말씀 드린 바 있습니다.
21:13
And I think one of the exciting things that is starting to happen now
390
1258000
3000
최근 일어나고 있는 흥미로운 일 중 하나가
21:16
is that people from those fields are coming in.
391
1261000
3000
그런 분야에서 사람들이 들어오는 일이라고 생각합니다.
21:19
Yesterday, the National Cancer Institute announced a new program
392
1264000
3000
어제 국립 암 연구소에서 새 프로그램을 하나 발표했습니다.
21:22
called the Physical Sciences and Oncology,
393
1267000
3000
이름이 '자연과학과 종양학'입니다.
21:25
where physicists, mathematicians, are brought in to think about cancer,
394
1270000
4000
암에 한 번도 접근해본 적 없는 물리학자, 수학자들이
21:29
people who never approached it before.
395
1274000
3000
암에 대해서 연구하는 프로그램이죠.
21:32
Danny and I got 16 million dollars, they announced yesterday,
396
1277000
3000
어제 대니와 저는 이 일을 위해
21:35
to try to attach this problem.
397
1280000
2000
180억 원의 지원을 받았습니다.
21:37
A whole new approach, instead of giving high doses of chemotherapy
398
1282000
4000
대량으로 투여되는 화학 요법을 대체하는 다른 방식의
21:41
by different mechanisms,
399
1286000
2000
완전히 새로운 접근 방식을 찾고자 하는 거죠.
21:43
to try to bring technology to get a picture of what's actually happening in the body.
400
1288000
6000
실제 몸 안에서 일어나는 일을 그릴 수 있는 기술을 개발하기 위해 노력할 겁니다.
21:49
So, just for two seconds, how these technologies work --
401
1294000
4000
딱 2초 간 이 기술의 작동 방식을 보도록 하죠.
21:53
because I think it's important to understand it.
402
1298000
3000
저는 이것을 이해하는 것이 중요하다고 생각합니다.
21:56
What happens is every protein in your body is charged,
403
1301000
3000
몸에 있는 모든 단백질은 대전되어 있습니다.
21:59
so the proteins are sprayed in, the magnet spins them around,
404
1304000
4000
단백질이 안으로 분사되고 자석이 그 주위를 도는데
22:03
and then there's a detector at the end.
405
1308000
2000
끝에는 탐지기가 있습니다.
22:05
When it hit that detector is dependent on the mass and the charge.
406
1310000
5000
탐지기에 도달하는 시점은 단백질의 질량과 전하량에 따라 결정됩니다.
22:10
And so we can accurately -- if the magnet is big enough,
407
1315000
3000
자력이 충분히 크고 해상도도 좋다면
22:13
and your resolution is high enough --
408
1318000
2000
아주 정확하게
22:15
you can actually detect all of the proteins in the body
409
1320000
3000
실제로 몸 안의 모든 단백질을 감지할 수 있습니다.
22:18
and start to get an understanding of the individual system.
410
1323000
4000
개별 시스템에 대한 이해도 거기에서 시작되겠죠.
22:22
And so, as a cancer doctor,
411
1327000
2000
암 전문의로서
22:24
instead of having paper in my chart, in your chart, and it being this thick,
412
1329000
5000
저나 여러분의 차트가 서류로 가득차 이렇게 두꺼워지기보다는
22:29
this is what data flow is starting to look like in our offices,
413
1334000
4000
화면 상의 데이터 흐름에 따라 일할 수 있게 될 것입니다.
22:33
where that drop of blood is creating gigabytes of data.
414
1338000
3000
한 방울의 피에서 추출한 기가바이트 크기의 데이터를 가지고 말이죠.
22:36
Electronic data elements are describing every aspect of the disease.
415
1341000
4000
이 전자 데이터들은 질병의 모든 부분에 대해 말해줍니다.
22:40
And certainly the goal is we can start to learn from every encounter
416
1345000
4000
확실히 우리의 목표는 맞닥뜨리는 모든 일면에서 배우기 시작하는 데 있습니다.
22:44
and actually move forward, instead of just having encounter and encounter,
417
1349000
5000
이 말은 근본적인 깨달음 없이 정보의 조각들을 수집하는 데서 나아가
22:49
without fundamental learning.
418
1354000
2000
실질적으로 앞으로 전진하는 것을 의미하죠.
22:51
So, to conclude, we need to get away from reductionist thinking.
419
1356000
6000
결론적으로 말하자면 우리는 환원주의적 사고방식에서 벗어날 필요가 있습니다.
22:57
We need to start to think differently and radically.
420
1362000
4000
우리는 근본적으로 다르게 생각할 필요가 있습니다.
23:01
And so, I implore everyone here: Think differently. Come up with new ideas.
421
1366000
4000
저는 여기 계신 모든 분이 다르게 생각하실 것을 간청하는 바입니다. 새로운 아이디어들을 내주세요.
23:05
Tell them to me or anyone else in our field,
422
1370000
3000
그 아이디어들을 저나 우리 분야의 누구에게든 말해주세요.
23:08
because over the last 59 years, nothing has changed.
423
1373000
3000
왜냐하면 지난 59년 동안 변한 게 하나도 없기 때문입니다.
23:11
We need a radically different approach.
424
1376000
3000
정말 철저하게 다른 접근방식이 필요합니다.
23:14
You know, Andy Grove stepped down as chairman of the board at Intel --
425
1379000
3000
앤디 그로브(Andy Grove) 가 인텔 이사회 의장직을 사임하던 때,
23:17
and Andy was one of my mentors, tough individual.
426
1382000
3000
사실 앤디는 제 멘토 중 한 분이신데, 강인한 분이셨죠.
23:20
When Andy stepped down, he said,
427
1385000
2000
그 때 그 분은 다음과 같이 말했습니다.
23:22
"No technology will win. Technology itself will win."
428
1387000
3000
"어떠한 기술도 이길 수는 없지만, 기술 그 자체가 승리할 것이다."
23:25
And I'm a firm believer, in the field of medicine and especially cancer,
429
1390000
4000
다양한 기술이 모이는 자리가
23:29
that it's going to be a broad platform of technologies
430
1394000
3000
의학 분야, 특히 암 분야에서
23:32
that will help us move forward
431
1397000
2000
우리의 진보를 도울 뿐 아니라
23:34
and hopefully help patients in the near-term.
432
1399000
2000
바라기는 조만간 환자들도 도울 수 있으리라 확고히 믿습니다.
23:36
Thank you very much.
433
1401000
2000
감사합니다.
ABOUT THE SPEAKER
David Agus - Cancer DoctorAlthough a highly-accomplished conventional doctor, David Agus has embraced the future of medicine and is constantly exploring ways that new technologies can help in the fight against cancer.
Why you should listen
David Agus is a medical doctor and a Professor of Medicine at the University of Southern California. However, he is also the founder of a couple of game-changing medical initiatives. In 2006, he co-founded Navigenics with Dietrich Stephan, Ph.D., to form a company that would provide people with their individual genetic information, allowing them to act on any predispositions to disease that they might have and prevent onset. He also founded Oncology.com which was the largest cancer Internet resource and community.
Dr. Agus’ research is focused on the application of proteomics and genomics in the study of cancer, as well as developing new therapeutic treatments for cancer. He serves as Director of the USC Center for Applied Molecular Medicine and the USC Westside Prostate Cancer Center. Agus is also the recipient of several honors and awards, including the American Cancer Society Physician Research Award, a Clinical Scholar Award from the Sloan-Kettering Institute and the International Myeloma Foundation Visionary Science Award.
David Agus | Speaker | TED.com