TEDMED 2009
David Agus: A new strategy in the war on cancer
David Agus: Nowa strategia w walce z rakiem
Filmed:
Readability: 4.3
830,903 views
Jak wyjaśnia David Agus, tradycyjne terapie przeciwnowotworowe były nakierowane krótkoterminowo na pojedyncze, sprawiające problemy komórki. Sugeruje on nowe, międzydyscyplinarne podejście, z użyciem nietypowych leków, modelowania komputerowego i analizy białek, by leczyć i analizować całe ciało.
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
Jestem onkologiem, 3 albo 4 lata temu wyszedłem z gabinetu
00:18
and walked by the pharmacy in the hospital three or four years ago,
1
3000
4000
i wszedłem do apteki w szpitalu,
00:22
and this was the cover of Fortune magazine
2
7000
3000
i tak oto wyglądała okładka magazynu Fortune
00:25
sitting in the window of the pharmacy.
3
10000
2000
na wystawie apteki ["Dlaczego przegrywamy walkę z rakiem?"]
00:27
And so, as a cancer doctor, you look at this,
4
12000
2000
A więc, jako onkolog, spoglądasz na to
00:29
and you get a little bit downhearted.
5
14000
2000
i trochę cię to przygnębia.
00:31
But when you start to read the article by Cliff,
6
16000
3000
Ale gdy zaczniesz czytać artykuł Cliffa,
00:34
who himself is a cancer survivor,
7
19000
2000
który sam przeżył raka,
00:36
who was saved by a clinical trial
8
21000
2000
który został uratowany dzięki próbie klinicznej,
00:38
where his parents drove him from New York City to upstate New York
9
23000
4000
gdy rodzice zawieźli go z Nowego Jorku do północnej części stanu,
00:42
to get an experimental therapy for --
10
27000
2000
by wziął udział w eksperymentalnej terapii na --
00:44
at the time -- Hodgkin's disease, which saved his life,
11
29000
3000
w tym czasie -- nieuleczalną chorobę Hodgkina, co uratowało jego życie.
00:47
he makes remarkable points here.
12
32000
3000
Prezentuje on racje godne uwagi.
00:50
And the point of the article was that we have gotten
13
35000
3000
Sednem artykułu jest to, że staliśmy się
00:53
reductionist in our view of biology,
14
38000
3000
redukcjonistami w naszym spojrzeniu na biologię,
00:56
in our view of cancer.
15
41000
2000
w naszym spojrzeniu na raka.
00:58
For the last 50 years, we have focused on treating
16
43000
3000
Przez ostatnie 50 lat skupialiśmy się na leczeniu
01:01
the individual gene
17
46000
2000
pojedynczych genów,
01:03
in understanding cancer, not in controlling cancer.
18
48000
3000
w rozumieniu raka, nie w kontrolowaniu go.
01:06
So, this is an astounding table.
19
51000
3000
Oto zdumiewający wykres.
01:09
And this is something that sobers us in our field everyday
20
54000
3000
A także to, co zasmuca ludzi z mojej dziedziny
01:12
in that, obviously, we've made remarkable impacts
21
57000
2000
ponieważ w widoczny sposób udało nam się wpłynąć
01:14
on cardiovascular disease,
22
59000
2000
na choroby sercowo-naczyniowe.
01:16
but look at cancer. The death rate in cancer
23
61000
3000
Ale spójrzmy na nowotwory. Śmiertelność z powodu raka
01:19
in over 50 years hasn't changed.
24
64000
3000
przez 50 lat nie uległa zmianie.
01:22
We've made small wins in diseases like chronic myelogenous leukemia,
25
67000
4000
Odnieśliśmy małe sukcesy w walce z chorobami takimi jak przewlekła białaczka szpikowa,
01:26
where we have a pill that can put 100 percent of people in remission,
26
71000
3000
gdzie istnieje już pigułka, która w 100 procentach daje remisję choroby.
01:29
but in general, we haven't made an impact at all in the war on cancer.
27
74000
6000
Ale, ogólnie rzecz biorąc, nie wywarliśmy wpływu w walce z nowotworami.
01:35
So, what I'm going to tell you today,
28
80000
3000
To, co zamierzam wam dzisiaj powiedzieć,
01:38
is a little bit of why I think that's the case,
29
83000
3000
jest trochę o tym, dlaczego według mnie tak jest,
01:41
and then go out of my comfort zone
30
86000
2000
a potem przejdę do mniej wygodnego dla mnie tematu
01:43
and tell you where I think it's going,
31
88000
3000
i powiem wam do czego to moim zdaniem zmierza,
01:46
where a new approach -- that we hope to push forward
32
91000
3000
o nowym podejściu -- które mamy nadzieję upowszechnić
01:49
in terms of treating cancer.
33
94000
4000
w zakresie leczenia nowotworów.
01:53
Because this is wrong.
34
98000
3000
Ponieważ jest ono niewłaściwe.
01:56
So, what is cancer, first of all?
35
101000
2000
A więc, po pierwsze, czym jest nowotwór?
01:58
Well, if one has a mass or an abnormal blood value, you go to a doctor,
36
103000
5000
Jeśli ktoś ma guza albo nienormalne wartości w badaniach krwi, idzie do lekarza.
02:03
they stick a needle in.
37
108000
2000
Wykonuje się biopsję.
02:05
They way we make the diagnosis today is by pattern recognition:
38
110000
4000
Obecny sposób diagnozowania to rozpoznawanie wzorców.
02:09
Does it look normal? Does it look abnormal?
39
114000
4000
Czy to wygląda normalnie czy nie?
02:13
So, that pathologist is just like looking at this plastic bottle.
40
118000
3000
A więc, patolog jak gdyby patrzył na tą butelkę.
02:16
This is a normal cell. This is a cancer cell.
41
121000
3000
To jest normalna komórka. To jest komórka nowotworowa.
02:19
That is the state-of-the-art today in diagnosing cancer.
42
124000
5000
Takie są dzisiejsze procedury w diagnozowaniu raka.
02:24
There's no molecular test,
43
129000
3000
Nie ma molekularnego testu.
02:27
there's no sequencing of genes that was referred to yesterday,
44
132000
3000
Nie ma sekwencjonowania genów, o którym był referat wczoraj.
02:30
there's no fancy looking at the chromosomes.
45
135000
3000
Nie ma wymyślnego obserwowania chromosomów.
02:33
This is the state-of-the-art and how we do it.
46
138000
3000
Takie są obecnie stosowane procedury.
02:36
You know, I know very well, as a cancer doctor, I can't treat advanced cancer.
47
141000
6000
Wiecie, jako onkolog dobrze wiem, że nie potrafię wyleczyć zaawansowanego raka.
02:42
So, as an aside, I firmly believe in the field of trying to identify cancer early.
48
147000
7000
Jako osoba stojąca z boku, mocno wierzę w dziedzinę wczesnego rozpoznawania raka.
02:49
It is the only way you can start to fight cancer, is by catching it early.
49
154000
5000
Jedynym sposobem rozpoczęcia walki z rakiem jest jego wczesne wykrycie.
02:54
We can prevent most cancers.
50
159000
3000
Umiemy zapobiec większości nowotworów.
02:57
You know, the previous talk alluded to preventing heart disease.
51
162000
3000
Poprzedni wykład odnosił się do zapobiegania chorobom serca.
03:00
We could do the same in cancer.
52
165000
2000
Moglibyśmy zrobić to samo z nowotworami.
03:02
I co-founded a company called Navigenics,
53
167000
2000
Jestem jednym z założycieli firmy Navigenics,
03:04
where, if you spit into a tube --
54
169000
2000
w której, jeśli naplujesz do probówki,
03:06
and we can look look at 35 or 40 genetic markers for disease,
55
171000
6000
możemy spojrzeć na 35 lub 40 genetycznych markerów chorób,
03:12
all of which are delayable in many of the cancers --
56
177000
2000
które można opóźnić w wielu typach raka.
03:14
you start to identify what you could get,
57
179000
4000
Zaczynasz rozpoznawać, na co możesz zachorować,
03:18
and then we can start to work to prevent them.
58
183000
3000
więc możemy zacząć zapobiegać tym chorobom.
03:21
Because the problem is, when you have advanced cancer,
59
186000
3000
Problem jest bowiem taki, że jeśli masz zaawansowanego raka,
03:24
we can't do that much today about it, as the statistics allude to.
60
189000
4000
to obecnie niewiele można z tym zrobić, jak wskazują statystyki.
03:28
So, the thing about cancer is that it's a disease of the aged.
61
193000
4000
Tak więc, nowotwory są chorobą ludzi starszych.
03:32
Why is it a disease of the aged?
62
197000
2000
Dlaczego tak jest?
03:34
Because evolution doesn't care about us after we've had our children.
63
199000
4000
Ponieważ ewolucja nie troszczy się o nas po tym, jak dochowaliśmy się własnych dzieci.
03:39
See, evolution protected us during our childbearing years
64
204000
3000
Ewolucja chroniła nas gdy byliśmy w wieku rozrodczym,
03:42
and then, after age 35 or 40 or 45,
65
207000
4000
ale później, po osiągnięciu 35 albo 40 albo 45 lat,
03:46
it said "It doesn't matter anymore, because they've had their progeny."
66
211000
4000
dla ewolucji jesteśmy bez znaczenia, bo dochowaliśmy się potomstwa.
03:50
So if you look at cancers, it is very rare -- extremely rare --
67
215000
5000
Tak więc, jeśli spojrzymy na raka, to niezwykle rzadko
03:55
to have cancer in a child, on the order of thousands of cases a year.
68
220000
5000
spotykamy nowotwory u dzieci, z częstością kilku tysięcy przypadków na rok.
04:00
As one gets older? Very, very common.
69
225000
4000
Wraz ze starzeniem się częstość ta rośnie.
04:04
Why is it hard to treat?
70
229000
2000
Dlaczego trudno to wyleczyć?
04:06
Because it's heterogeneous,
71
231000
2000
Ponieważ nowotwory są niejednorodne,
04:08
and that's the perfect substrate for evolution within the cancer.
72
233000
5000
a to idealna podstawa dla ewolucji samego nowotworu.
04:13
It starts to select out for those bad, aggressive cells,
73
238000
4000
Zaczyna się selekcja złych, agresywnych komórek,
04:17
what we call clonal selection.
74
242000
4000
co nazywamy selekcją klonalną.
04:21
But, if we start to understand
75
246000
3000
Jednak, jeśli zaczniemy rozumieć,
04:24
that cancer isn't just a molecular defect, it's something more,
76
249000
5000
że rak to nie jest po prostu defekt molekularny, ale coś więcej,
04:29
then we'll get to new ways of treating it, as I'll show you.
77
254000
4000
wtedy dotrzemy do nowych sposobów jego leczenia, co wam pokażę.
04:33
So, one of the fundamental problems we have in cancer
78
258000
2000
Jeden z podstawowych problemów z nowotworami
04:35
is that, right now, we describe it by a number of adjectives, symptoms:
79
260000
4000
jest obecnie taki, że opisujemy je wieloma przymiotnikami, symptomami.
04:39
"I'm tired, I'm bloated, I have pain, etc."
80
264000
3000
Jestem zmęczony, mam opuchliznę, boli mnie, itp.
04:42
You then have some anatomic descriptions,
81
267000
2000
Poza tym są opisy anatomiczne.
04:44
you get that CT scan: "There's a three centimeter mass in the liver."
82
269000
4000
Robi się tomografię komputerową i stwierdza trzycentymetrowy guz w wątrobie.
04:48
You then have some body part descriptions:
83
273000
3000
Dalej mamy różne opisy części ciała.
04:51
"It's in the liver, in the breast, in the prostate."
84
276000
2000
Jest w wątrobie, w piersi, w prostacie.
04:53
And that's about it.
85
278000
3000
I to by było na tyle.
04:56
So, our dictionary for describing cancer is very, very poor.
86
281000
4000
Tak więc, nasze słownictwo do opisywania nowotworów jest bardzo, bardzo ubogie.
05:00
It's basically symptoms.
87
285000
2000
Tak właściwie to symptomy.
05:02
It's manifestations of a disease.
88
287000
3000
To przejawy choroby.
05:05
What's exciting is that over the last two or three years,
89
290000
3000
Emocjonujące jest to, że przez ostatnie dwa czy trzy lata,
05:08
the government has spent 400 million dollars,
90
293000
2000
rząd wydał 400 milionów dolarów
05:10
and they've allocated another billion dollars,
91
295000
3000
i przeznaczył dodatkowy miliard dolarów
05:13
to what we call the Cancer Genome Atlas Project.
92
298000
2000
na tak zwany Projekt stworzenia Atlasu Genomu Nowotworowego.
05:15
So, it is the idea of sequencing all of the genes in the cancer,
93
300000
4000
Pomysł polega na zsekwencjonowaniu wszystkich genów nowotworu
05:19
and giving us a new lexicon, a new dictionary to describe it.
94
304000
5000
i dostarczeniu nam nowego słownika, by go opisać.
05:24
You know, in the mid-1850's in France,
95
309000
3000
W latach 1850. we Francji
05:27
they started to describe cancer by body part.
96
312000
3000
zaczęto opisywać nowotwory poprzez części ciała.
05:30
That hasn't changed in over 150 years.
97
315000
4000
To nie uległo zmianie przez ponad 150 lat.
05:34
It is absolutely archaic that we call cancer
98
319000
4000
To zupełnie archaiczne, że opisujemy nowotwory
05:38
by prostate, by breast, by muscle.
99
323000
4000
jako raka prostaty, piersi, mięśni.
05:42
It makes no sense, if you think about it.
100
327000
3000
Jeśli się nad tym zastanowić, to nie ma sensu.
05:45
So, obviously, the technology is here today,
101
330000
3000
Oczywiście, obecnie mamy odpowiednią technologię
05:48
and, over the next several years, that will change.
102
333000
3000
i w ciągu kilku najbliższych lat to się zmieni.
05:51
You will no longer go to a breast cancer clinic.
103
336000
2000
Nie będzie już klinik raka piersi.
05:53
You will go to a HER2 amplified clinic, or an EGFR activated clinic,
104
338000
5000
Będą kliniki zamplifikowanego genu HER2 albo zaktywowanego EGFR,
05:58
and they will go to some of the pathogenic lesions
105
343000
2000
zajmujące się wybranymi patogenicznymi zmianami
06:00
that were involved in causing this individual cancer.
106
345000
4000
zaangażowanymi w rozwój tego konkretnego nowotworu.
06:04
So, hopefully, we will go from being the art of medicine
107
349000
3000
Miejmy nadzieję, że ze sztuki medycznej staniemy się
06:07
more to the science of medicine,
108
352000
2000
nauką medyczną,
06:09
and be able to do what they do in infectious disease,
109
354000
3000
i że będziemy w stanie robić to samo co w przypadku chorób zakaźnych,
06:12
which is look at that organism, that bacteria,
110
357000
3000
gdzie spogląda się na organizm powodujący chorobę, na bakterie
06:15
and then say, "This antibiotic makes sense,
111
360000
3000
i potem decyduje: ten antybiotyk ma sens,
06:18
because you have a particular bacteria that will respond to it."
112
363000
4000
gdyż mamy do czynienia z bakterią, która jest na niego wrażliwa.
06:22
When one is exposed to H1N1, you take Tamiflu,
113
367000
4000
Gdy ktoś ma do czynienia z H1N1, bierze Tamiflu,
06:26
and you can remarkably decrease the severity of symptoms
114
371000
3000
i może znacznie zmniejszyć dotkliwość objawów
06:29
and prevent many of the manifestations of the disease.
115
374000
3000
oraz zapobiec wielu przejawom choroby.
06:32
Why? Because we know what you have, and we know how to treat it --
116
377000
5000
Dlaczego? Ponieważ wiemy, z czym mamy do czynienia i wiemy jak to leczyć,
06:37
although we can't make vaccine in this country, but that's a different story.
117
382000
4000
chociaż nie możemy w tym kraju produkować szczepionki, ale to inna historia.
06:41
The Cancer Genome Atlas is coming out now.
118
386000
3000
Projekt Atlasu Genomu Nowotworowego teraz się zaczyna.
06:44
The first cancer was done, which was brain cancer.
119
389000
4000
Pierwszy nowotwór, czyli nowotwór mózgu, został ukończony.
06:48
In the next month, the end of December, you'll see ovarian cancer,
120
393000
4000
W następnym miesiącu, pod koniec grudnia, zobaczycie raka jajnika,
06:52
and then lung cancer will come several months after.
121
397000
4000
a kilka miesięcy później - raka płuc.
06:56
There's also a field of proteomics that I'll talk about in a few minutes,
122
401000
3000
Istnieje także dziedzina proteomiki, o której powiem za parę minut,
06:59
which I think is going to be the next level
123
404000
3000
która jak sądzę będzie kolejnym stopniem
07:02
in terms of understanding and classifying disease.
124
407000
4000
w rozumieniu i klasyfikowaniu choroby.
07:06
But remember, I'm not pushing genomics,
125
411000
2000
Ale pamiętajcie, nie promuję genomiki,
07:08
proteomics, to be a reductionist.
126
413000
3000
proteomiki, aby być redukcjonistą.
07:11
I'm doing it so we can identify what we're up against.
127
416000
3000
Robię to, byśmy zrozumieli, z czym mamy do czynienia.
07:14
And there's a very important distinction there that we'll get to.
128
419000
4000
To ważne rozróżnienie do którego wrócę.
07:18
In health care today, we spend most of the dollars --
129
423000
3000
Obecnie w opiece zdrowotnej, większość pieniędzy jest wydawana
07:21
in terms of treating disease --
130
426000
3000
na leczenie chorób --
07:24
most of the dollars in the last two years of a person's life.
131
429000
4000
większość jest wydawana przez ostatnie dwa lata życia danej osoby.
07:28
We spend very little, if any, dollars in terms of identifying what we're up against.
132
433000
5000
Wydajemy bardzo mało pieniędzy, jeżeli w ogóle, na rozpoznanie co nas czeka.
07:33
If you could start to move that, to identify what you're up against,
133
438000
4000
Gdybyśmy mogli to zmienić, by rozpoznawać co nas czeka,
07:37
you're going to do things a hell of a lot better.
134
442000
3000
robilibyśmy wszystko o wiele lepiej.
07:40
If we could even take it one step further and prevent disease,
135
445000
4000
Gdybyśmy mogli pójść krok dalej i zapobiec chorobie,
07:44
we can take it enormously the other direction,
136
449000
3000
moglibyśmy obrócić wszystko w nowym kierunku.
07:47
and obviously, that's where we need to go, going forward.
137
452000
4000
Oczywiście, to właśnie powinniśmy zrobić, iść do przodu.
07:51
So, this is the website of the National Cancer Institute.
138
456000
3000
Oto strona internetowa National Cancer Institute.
07:54
And I'm here to tell you, it's wrong.
139
459000
3000
Jestem tu po to, by powiedzieć, że to nieprawda.
07:57
So, the website of the National Cancer Institute
140
462000
2000
Tak więc, National Cancer Institute podaje,
07:59
says that cancer is a genetic disease.
141
464000
4000
że rak jest chorobą genetyczną.
08:03
The website says, "If you look, there's an individual mutation,
142
468000
4000
Strona mówi, że jeśli jest pojedyncza mutacja,
08:07
and maybe a second, and maybe a third,
143
472000
2000
może także druga i trzecia,
08:09
and that is cancer."
144
474000
2000
to mamy raka.
08:11
But, as a cancer doc, this is what I see.
145
476000
4000
Ale, jako onkolog, oto co widzę.
08:15
This isn't a genetic disease.
146
480000
2000
To nie jest choroba genetyczna.
08:17
So, there you see, it's a liver with colon cancer in it,
147
482000
3000
A więc, widzicie wątrobę z nowotworem wywodzącym się z jelita,
08:20
and you see into the microscope a lymph node
148
485000
2000
i spoglądacie pod mikroskopem na węzeł limfatyczny
08:22
where cancer has invaded.
149
487000
2000
do którego nowotwór dał przerzut.
08:24
You see a CT scan where cancer is in the liver.
150
489000
4000
Widzicie wynik tomografii komputerowej, gdzie rak jest w wątrobie.
08:28
Cancer is an interaction of a cell
151
493000
3000
Nowotwór to interakcja komórki,
08:31
that no longer is under growth control with the environment.
152
496000
5000
która wymknęła się spod kontroli wzrostu przez środowisko.
08:36
It's not in the abstract; it's the interaction with the environment.
153
501000
4000
Chodzi o interakcję ze środowiskiem, a nie wyrwaną z kontekstu komórkę.
08:40
It's what we call a system.
154
505000
3000
To właśnie nazywamy systemem.
08:43
The goal of me as a cancer doctor is not to understand cancer.
155
508000
4000
Moim celem jako onkologa nie jest zrozumienie raka.
08:47
And I think that's been the fundamental problem over the last five decades,
156
512000
3000
Sądzę, że to był główny problem przez ostatnie pięć dekad,
08:50
is that we have strived to understand cancer.
157
515000
3000
ponieważ usiłowaliśmy zrozumieć raka.
08:53
The goal is to control cancer.
158
518000
3000
Celem jest kontrolowanie raka.
08:56
And that is a very different optimization scheme,
159
521000
2000
A to zupełnie inny system optymizacji,
08:58
a very different strategy for all of us.
160
523000
3000
zupełnie inna strategia dla każdego z nas.
09:01
I got up at the American Association of Cancer Research,
161
526000
2000
Na spotkaniu American Association of Cancer Research,
09:03
one of the big cancer research meetings, with 20,000 people there,
162
528000
4000
na którym było 20 000 ludzi wstałem i powiedziałem,
09:07
and I said, "We've made a mistake.
163
532000
3000
że zrobiliśmy błąd.
09:10
We've all made a mistake, myself included,
164
535000
3000
Wszyscy zrobiliśmy błąd, ja także,
09:13
by focusing down, by being a reductionist.
165
538000
2000
przez skupianie się na szczegółach, przez bycie redukcjonistą.
09:15
We need to take a step back."
166
540000
2000
Musimy zrobić krok do tyłu.
09:17
And, believe it or not, there were hisses in the audience.
167
542000
2000
I, wierzcie albo nie, były gwizdy na widowni.
09:19
People got upset, but this is the only way we're going to go forward.
168
544000
4000
Ludzie się irytują, ale to jedyny sposób, żebyśmy szli naprzód.
09:23
You know, I was very fortunate to meet Danny Hillis a few years ago.
169
548000
4000
Wiecie, parę lat temu miałem szczęście spotkać Danny'ego Hillisa.
09:27
We were pushed together, and neither one of us really wanted to meet the other.
170
552000
4000
Spotkaliśmy się, choć żaden z nas tak naprawdę nie chciał poznać drugiego.
09:31
I said, "Do I really want to meet a guy from Disney, who designed computers?"
171
556000
4000
Mówiłem, "Czy naprawdę chcę poznać faceta z Disney'a, który projektuje komputery?"
09:35
And he was saying: Does he really want to meet another doctor?
172
560000
3000
A on nie chciał poznawać kolejnego lekarza.
09:38
But people prevailed on us, and we got together,
173
563000
2000
Ale ludzie nas nakłaniali, aż się spotkaliśmy,
09:40
and it's been transformative in what I do, absolutely transformative.
174
565000
5000
i to całkowicie odmieniło to, co robię.
09:46
We have designed, and we have worked on the modeling --
175
571000
3000
Projektowaliśmy i pracowaliśmy nad modelowaniem --
09:49
and much of these ideas came from Danny and from his team --
176
574000
4000
i wiele z pomysłów pochodziło od Danny'ego i jego zespołu --
09:53
the modeling of cancer in the body as complex system.
177
578000
3000
modelowaniem nowotworu w ciele jako skomplikowanego systemu.
09:56
And I'll show you some data there
178
581000
2000
Zaprezentuję wam trochę danych,
09:58
where I really think it can make a difference and a new way to approach it.
179
583000
4000
które według mnie pokazują, że to może dokonać zmian i stworzyć nowe podejście.
10:02
The key is, when you look at these variables and you look at this data,
180
587000
4000
Najważniejsze jest to, żebyście patrząc na te dane
10:06
you have to understand the data inputs.
181
591000
4000
zrozumieli, jakie były dane wejściowe.
10:10
You know, if I measured your temperature over 30 days,
182
595000
4000
Gdybym mierzył twoją temperaturę przez 30 dni
10:14
and I asked, "What was the average temperature?"
183
599000
2000
i obliczył średnią temperaturę,
10:16
and it came back at 98.7, I would say, "Great."
184
601000
4000
która wyniosłaby 37 stopni, to byłbym zadowolony.
10:20
But if during one of those days
185
605000
2000
Ale jeśli podczas jednego z tych dni
10:22
your temperature spiked to 102 for six hours,
186
607000
3000
temperatura wzrosła do 39 stopni na 6 godzin,
10:25
and you took Tylenol and got better, etc.,
187
610000
2000
a ty na przykład wziąłeś leki i zrobiło ci się lepiej,
10:27
I would totally miss it.
188
612000
2000
to bym to zupełnie przeoczył.
10:29
So, one of the problems, the fundamental problems in medicine
189
614000
3000
Tak więc, podstawowym problemem w medycynie
10:32
is that you and I, and all of us,
190
617000
2000
jest to, że wszyscy z nas
10:34
we go to our doctor once a year.
191
619000
2000
chodzą do lekarza raz w roku.
10:36
We have discrete data elements; we don't have a time function on them.
192
621000
4000
Mamy tylko pojedyncze wartości, nie mamy ich funkcji w czasie.
10:40
Earlier it was referred to this direct life device.
193
625000
3000
Wcześniej było mówione o tym przyrządzie.
10:43
You know, I've been using it for two and a half months.
194
628000
3000
Używam go od dwóch i pół miesiąca.
10:46
It's a staggering device, not because it tells me
195
631000
2000
To nadzwyczajne urządzenie, nie dlatego, że mówi mi
10:48
how many kilocalories I do every day,
196
633000
3000
ile spalam kilokalorii każdego dnia,
10:51
but because it looks, over 24 hours, what I've done in a day.
197
636000
4000
ale dlatego, że przez 24 godziny na dobę rejestruje co robię.
10:55
And I didn't realize that for three hours I'm sitting at my desk,
198
640000
3000
Nie zdawałem sobie sprawy, że przez trzy godziny siedzę przy biurku
10:58
and I'm not moving at all.
199
643000
2000
i w ogóle się nie ruszam.
11:00
And a lot of the functions in the data that we have as input systems here
200
645000
5000
Wiele z danych wejściowych, które tu mamy
11:05
are really different than we understand them,
201
650000
3000
są tak naprawdę inne od tego, co przez nie rozumiemy,
11:08
because we're not measuring them dynamically.
202
653000
2000
ponieważ nie mierzymy ich w sposób dynamiczny.
11:10
And so, if you think of cancer as a system,
203
655000
5000
Tak więc, jeśli pomyślisz o raku jako o systemie,
11:15
there's an input and an output and a state in the middle.
204
660000
4000
istnieje wejście, wyjście i stan pośredni.
11:19
So, the states, are equivalent classes of history,
205
664000
3000
Stany są odpowiadającymi sobie klasami historii,
11:22
and the cancer patient, the input, is the environment,
206
667000
3000
w przypadku pacjenta z rakiem, wejście to środowisko,
11:25
the diet, the treatment, the genetic mutations.
207
670000
4000
dieta, leczenie, mutacje genetyczne.
11:29
The output are our symptoms:
208
674000
3000
Wyjściem są nasze objawy.
11:32
Do we have pain? Is the cancer growing? Do we feel bloated, etc.?
209
677000
4000
Czy boli? Czy guz rośnie? Czy jest opuchlizna, itp.?
11:36
Most of that state is hidden.
210
681000
4000
Większość tego stanu jest ukryta.
11:40
So what we do in our field is we change and input,
211
685000
3000
To, co robimy w naszej dziedzinie, to zmiana wejścia,
11:43
we give aggressive chemotherapy,
212
688000
2000
stosujemy agresywną chemioterapię.
11:45
and we say, "Did that output get better? Did that pain improve, etc.?"
213
690000
5000
I pytamy czy dane wyjściowe uległy poprawie? Czy ból się zmniejszył, itd.?
11:50
And so, the problem is that it's not just one system,
214
695000
4000
Problem jest taki, że nie istnieje tylko jeden system,
11:54
it's multiple systems on multiple scales.
215
699000
3000
są różne systemy w różnych skalach.
11:57
It's a system of systems.
216
702000
3000
To system systemów.
12:00
And so, when you start to look at emergent systems,
217
705000
2000
Jeśli spojrzymy na pojawiające się systemy,
12:02
you can look at a neuron under a microscope.
218
707000
3000
możemy spojrzeć na neuron pod mikroskopem.
12:05
A neuron under the microscope is very elegant
219
710000
2000
Neuron pod mikroskopem jest bardzo przejrzysty
12:07
with little things sticking out and little things over here,
220
712000
3000
z wypustkami w różnych miejscach,
12:10
but when you start to put them together in a complex system,
221
715000
4000
ale jeśli zaczniesz je składać w skomplikowany system,
12:14
and you start to see that it becomes a brain,
222
719000
2000
i zaczniesz widzieć, że staje się on mózgiem,
12:16
and that brain can create intelligence,
223
721000
3000
a ten mózg jest inteligentny.
12:19
what we're talking about in the body,
224
724000
2000
To, o czym mówimy w odniesieniu do ciała i raka,
12:21
and cancer is starting to model it like a complex system.
225
726000
3000
to zaczęcie modelowania go jako złożonego systemu.
12:24
Well, the bad news is that these robust --
226
729000
3000
Zła wiadomość jest taka, że te rozrosłe --
12:27
and robust is a key word --
227
732000
2000
i "rozrosłe" to kluczowe słowo --
12:29
emergent systems are very hard to understand in detail.
228
734000
4000
pojawiające się systemy są bardzo trudne do zrozumienia w szczegółach.
12:33
The good news is you can manipulate them.
229
738000
3000
Dobra wiadomość jest taka, że można nimi manipulować.
12:36
You can try to control them
230
741000
2000
Można próbować je kontrolować
12:38
without that fundamental understanding of every component.
231
743000
3000
bez zrozumienia każdego składnika.
12:41
One of the most fundamental clinical trials in cancer
232
746000
3000
Jedna z najbardziej istotnych prób klinicznych dotyczących raka
12:44
came out in February in the New England Journal of Medicine,
233
749000
3000
została opisana w lutym w the New England Journal of Medicine,
12:47
where they took women who were pre-menopausal with breast cancer.
234
752000
4000
leczone były kobiety z rakiem piersi przed menopauzą .
12:51
So, about the worst kind of breast cancer you can get.
235
756000
3000
Tak więc, z jednym z najgorszych rodzajów raka piersi, które można dostać.
12:54
They had gotten their chemotherapy,
236
759000
2000
Otrzymały chemioterapię,
12:56
and then they randomized them,
237
761000
2000
a potem losowo podzielono je na grupy,
12:58
where half got placebo,
238
763000
2000
gdzie połowa dostawała placebo,
13:00
and half got a drug called Zoledronic acid that builds bone.
239
765000
4000
a druga połowa lek zwany Zoledronic, który odbudowuje kości.
13:04
It's used to treat osteoporosis,
240
769000
2000
Jest używany do leczenia osteoporozy,
13:06
and they got that twice a year.
241
771000
2000
podawano go dwa razy na rok.
13:08
They looked and, in these 1,800 women,
242
773000
4000
Wśród 1800 kobiet,
13:12
given twice a year a drug that builds bone,
243
777000
3000
którym podawano dwa razy w roku lek odbudowujący kości,
13:15
you reduce the recurrence of cancer by 35 percent.
244
780000
5000
nawrót raka został zmniejszony o 35 procent.
13:21
Reduce occurrence of cancer by a drug
245
786000
2000
Zmniejszenie nawrotów raka przez lek
13:23
that doesn't even touch the cancer.
246
788000
2000
który nawet nie oddziałuje na nowotwór.
13:25
So the notion, you change the soil, the seed doesn't grow as well.
247
790000
5000
A więc, jeśli zmienimy glebę, nasiono nie będzie tak dobrze rosło.
13:30
You change that system,
248
795000
3000
Zmieniamy system,
13:33
and you could have a marked effect on the cancer.
249
798000
2000
i możemy mieć wyraźny wpływ na raka.
13:35
Nobody has ever shown -- and this will be shocking --
250
800000
3000
Nikt dotąd nie pokazał -- a to byłoby szokujące --
13:38
nobody has ever shown that most chemotherapy
251
803000
3000
nikt dotąd nie pokazał, że większość chemioterapii
13:41
actually touches a cancer cell.
252
806000
2000
naprawdę oddziałuje na komórki nowotworowe.
13:43
It's never been shown.
253
808000
2000
To nie zostało udowodnione.
13:45
There's all these elegant work in the tissue culture dishes,
254
810000
3000
Są eleganckie badania na liniach komórkowych,
13:48
that if you give this cancer drug, you can do this effect to the cell,
255
813000
3000
pokazujące, że jeśli podasz ten lek na raka, to istnieje efekt w komórce,
13:51
but the doses in those dishes are nowhere near
256
816000
3000
ale dawki stosowane w liniach komórkowych są nieporównywalne
13:54
the doses that happen in the body.
257
819000
4000
z tymi występującymi w ciele.
13:58
If I give a woman with breast cancer a drug called Taxol
258
823000
3000
Jeśli podam kobiecie z rakiem piersi lek Taxol
14:01
every three weeks, which is the standard,
259
826000
2000
raz na trzy tygodnie, co jest standardem,
14:03
about 40 percent of women with metastatic cancer
260
828000
2000
to około 40 procent kobiet z przerzutującym rakiem
14:05
have a great response to that drug.
261
830000
3000
wykazuje dobrą odpowiedź na ten lek.
14:08
And a response is 50 percent shrinkage.
262
833000
2000
A ta odpowiedź to 50-procentowe zmniejszenie guza.
14:10
Well, remember that's not even an order of magnitude,
263
835000
2000
Cóż, to nawet nie jest rząd wielkości,
14:12
but that's a different story.
264
837000
2000
ale to inna historia.
14:14
They then recur, I give them that same drug every week.
265
839000
4000
Kiedy wracają, podaję im ten sam lek co tydzień.
14:18
Another 30 percent will respond.
266
843000
3000
Dodatkowe 30 procent wykazuje odpowiedź.
14:21
They then recur, I give them that same drug
267
846000
2000
Kiedy znowu przyjdą, podaję ten sam lek
14:23
over 96 hours by continuous infusion,
268
848000
3000
stale przez 96 godzin,
14:26
another 20 or 30 percent will respond.
269
851000
3000
dodatkowe 20 albo 30 procent wykazuje odpowiedź.
14:29
So, you can't tell me it's working by the same mechanism in all three size.
270
854000
4000
Tak więc, nie można powiedzieć, czy lek działa przez ten sam mechanizm we wszystkich przypadkach.
14:33
It's not. We have no idea the mechanism.
271
858000
3000
Nie, nie mamy pojęcia jaki jest mechanizm.
14:36
So the idea that chemotherapy may just be disrupting
272
861000
3000
Pomysł jest taki, że chemoterapia być może przerywa
14:39
that complex system,
273
864000
3000
ten skomplikowany system,
14:42
just like building bone disrupted that system and reduced recurrence,
274
867000
5000
tak jak odbudowa kości burzyła system i zmniejszała nawroty raka,
14:47
chemotherapy may work by that same exact way.
275
872000
3000
chemoterapia może działać w ten sam sposób.
14:50
The wild thing about that trial also,
276
875000
3000
Najdziwniejsze w tej próbie klinicznej było to,
14:53
was that it reduced new primaries, so new cancers, by 30 percent also.
277
878000
7000
że lek zredukował pojawianie się guzów pierwotnych, a więc nowych, o 30 procent.
15:02
So, the problem is, yours and mine, all of our systems are changing.
278
887000
5000
Więc problem jest taki, że wszystkie nasze systemy się zmieniają.
15:07
They're dynamic.
279
892000
2000
Są dynamiczne.
15:09
I mean, this is a scary slide, not to take an aside,
280
894000
3000
To przerażający slajd,
15:12
but it looks at obesity in the world.
281
897000
2000
pokazujący otyłość na świecie.
15:14
And I'm sorry if you can't read the numbers, they're kind of small.
282
899000
3000
Przepraszam, jeśli nie możecie odczytać liczb, są bardzo małe.
15:17
But, if you start to look at it, that red, that dark color there,
283
902000
4000
Ale jeśli spojrzycie, ten czerwony, ciemny kolor,
15:21
more than 75 percent of the population
284
906000
3000
oznacza, że ponad 75 procent populacji
15:24
of those countries are obese.
285
909000
3000
danego kraju jest otyła.
15:27
Look a decade ago, look two decades ago: markedly different.
286
912000
4000
Spójrzcie na to samo dekadę temu, dwie dekady temu, znacząco odmienne.
15:31
So, our systems today are dramatically different
287
916000
3000
Tak więc, nasze systemy dzisiaj są dramatycznie odmienne
15:34
than our systems a decade or two ago.
288
919000
4000
niż dekadę czy dwie temu.
15:38
So the diseases we have today,
289
923000
3000
Dlatego choroby, które mamy obecnie,
15:41
which reflect patterns in the system over the last several decades,
290
926000
4000
które odzwierciedlają wzorce w systemie przez ostatnie kilka dekad,
15:45
are going to change dramatically over the next decade or so
291
930000
4000
ulegną dużej zmianie w ciągu następnej dekady
15:49
based on things like this.
292
934000
3000
z powodu takich rzeczy.
15:52
So, this picture, although it is beautiful, is a 40-gigabyte picture
293
937000
10000
To zdjęcie, chociaż jest piękne, ma 40 gigabajtów,
16:02
of the whole proteome.
294
947000
2000
przedstawia cały proteom.
16:04
So this is a drop of blood that has gone through a superconducting magnet,
295
949000
4000
Jest to kropla krwi, która przeszła przez magnes nadprzewodzący,
16:08
and we're able to get resolution
296
953000
2000
jesteśmy w stanie uzyskać rozdzielczość,
16:10
where we can start to see all of the proteins in the body.
297
955000
4000
przy której widać wszystkie białka.
16:14
We can start to see that system.
298
959000
2000
Możemy zacząć widzieć ten system.
16:16
Each of the red dots are where a protein has actually been identified.
299
961000
4000
Każda z czerwonych kropek oznacza, gdzie białko zostało zidentyfikowane.
16:20
The power of these magnets, the power of what we can do here,
300
965000
2000
Moc tych magnesów, moc tego co możemy zrobić
16:22
is that we can see an individual neutron with this technology.
301
967000
5000
jest taka, że ta technologia umożliwia zobaczenie pojedynczego neutronu.
16:27
So, again, this is stuff we're doing with Danny Hillis
302
972000
3000
Pracuję nad tym z Dannym Hillisem
16:30
and a group called Applied Proteomics,
303
975000
2000
i grupą nazwaną Applied Proteomics,
16:32
where we can start to see individual neutron differences,
304
977000
4000
możemy zacząć widzieć różnice między pojedynczymi neutronami
16:36
and we can start to look at that system like we never have before.
305
981000
4000
i możemy zacząć widzieć system jak nigdy wcześniej.
16:40
So, instead of a reductionist view, we're taking a step back.
306
985000
4000
Zatem, robimy krok w tył od podejścia redukcjonistycznego.
16:44
So this is a woman, 46 years old,
307
989000
4000
Oto 46-letnia kobieta,
16:48
who had recurrent lung cancer.
308
993000
3000
która miała przerzuty raka płuc.
16:51
It was in her brain, in her lungs, in her liver.
309
996000
4000
Był w jej mózgu, płucach, wątrobie.
16:55
She had gotten Carboplatin Taxol, Carboplatin Taxotere,
310
1000000
4000
Przyjmowała Carboplatin Taxol, Carboplatin Taxotere,
16:59
Gemcitabine, Navelbine:
311
1004000
2000
Gemcitabene, Navelbine.
17:01
Every drug we have she had gotten, and that disease continued to grow.
312
1006000
5000
Dostała każdy lek, jaki mamy, a choroba się pogarszała.
17:06
She had three kids under the age of 12,
313
1011000
4000
Miała troje dzieci poniżej 12 lat,
17:10
and this is her CT scan.
314
1015000
2000
a oto wynik jej tomografii komputerowej.
17:12
And so what this is, is we're taking a cross-section of her body here,
315
1017000
3000
Czyli, otrzymujemy poziomy przekrój przez jej ciało na tej wysokości.
17:15
and you can see in the middle there is her heart,
316
1020000
3000
To, co widać w środku, to serce,
17:18
and to the side of her heart on the left there is this large tumor
317
1023000
4000
a po lewej stronie od serca jest duży guz,
17:22
that will invade and will kill her, untreated, in a matter of weeks.
318
1027000
6000
który da przerzuty i zabije ją w ciągu kilku tygodni, jeśli go nie wyleczymy.
17:28
She goes on a pill a day that targets a pathway,
319
1033000
5000
Dostaje jedną tabletkę dziennie, która oddziałuje na ścieżkę sygnałową,
17:33
and again, I'm not sure if this pathway was in the system, in the cancer,
320
1038000
4000
nie jestem pewien, czy ta ścieżka była w systemie, czy odgrywała rolę w nowotworze,
17:37
but it targeted a pathway, and a month later, pow, that cancer's gone.
321
1042000
6000
ale oddziaływała na ścieżkę, a miesiąc później nowotwór zniknął.
17:43
Six months later it's still gone.
322
1048000
3000
Sześć miesięcy później dalej go nie ma.
17:46
That cancer recurred, and she passed away three years later from lung cancer,
323
1051000
5000
Ten nowotwór nawrócił i kobieta zmarła trzy lata później na raka płuc,
17:51
but she got three years from a drug
324
1056000
4000
ale otrzymała trzy lata życia dzięki lekowi,
17:55
whose symptoms predominately were acne.
325
1060000
2000
którego używano głównie do leczenia trądziku.
17:57
That's about it.
326
1062000
2000
To tyle na ten temat.
17:59
So, the problem is that the clinical trial was done,
327
1064000
4000
Problem polega na tym, że gdy była wykonywana próba kliniczna,
18:03
and we were a part of it,
328
1068000
2000
w której braliśmy udział,
18:05
and in the fundamental clinical trial --
329
1070000
2000
to w podstawowej próbie klinicznej,
18:07
the pivotal clinical trial we call the Phase Three,
330
1072000
2000
w zasadniczej próbie, którą nazywamy trzecią fazą,
18:09
we refused to use a placebo.
331
1074000
3000
odmówiliśmy stosowania placebo.
18:12
Would you want your mother, your brother, your sister
332
1077000
2000
Czy chciałbyś, żeby twoja matka, brat, siostra
18:14
to get a placebo if they had advanced lung cancer and had weeks to live?
333
1079000
4000
otrzymali placebo, gdy mają zaawansowanego raka płuc i kilka tygodni życia?
18:18
And the answer, obviously, is not.
334
1083000
2000
Oczywista odpowiedź brzmi: nie.
18:20
So, it was done on this group of patients.
335
1085000
2000
Tak więc, próba została wykonana na grupie pacjentów.
18:22
Ten percent of people in the trial had this dramatic response that was shown here,
336
1087000
6000
10 procent pacjentów wykazało gwałtowną odpowiedź, którą pokazałem,
18:28
and the drug went to the FDA,
337
1093000
3000
więc lek poszedł do Agencji ds. Żywności i Leków,
18:31
and the FDA said, "Without a placebo,
338
1096000
2000
gdzie nam powiedziano, że bez placebo,
18:33
how do I know patients actually benefited from the drug?"
339
1098000
5000
jak możemy wiedzieć, że pacjentom naprawdę polepszyło się od leku?
18:38
So the morning the FDA was going to meet,
340
1103000
2000
Tak więc tego ranka, gdy miało być spotkanie w Agencji,
18:40
this was the editorial in the Wall Street Journal.
341
1105000
3000
taki był artykuł wstępny w the Wall Street Journal.
18:43
(Laughter)
342
1108000
2000
(śmiech)
18:45
And so, what do you know, that drug was approved.
343
1110000
4000
Zatem, ten lek został zatwierdzony.
18:49
The amazing thing is another company did the right scientific trial,
344
1114000
4000
Co niesamowite, inna firma zrobiła prawidłową próbę,
18:53
where they gave half placebo and half the drug.
345
1118000
3000
gdzie połowa otrzymywała placebo, a połowa lek.
18:56
And we learned something important there.
346
1121000
2000
Nauczyliśmy się z tego czegoś istotnego.
18:58
What's interesting is they did it in South America and Canada,
347
1123000
3000
Co ciekawe, zrobili to w Południowej Ameryce i w Kanadzie,
19:01
where it's "more ethical to give placebos."
348
1126000
3000
gdzie "podawanie placebo jest bardziej etyczne".
19:04
They had to give it also in the U.S. to get approval,
349
1129000
2000
Musieli podać go także w U.S.A., aby móc go zatwierdzić,
19:06
so I think there were three U.S. patients
350
1131000
2000
więc, jak mi się wydaje, wzięli trzech amerykańskich pacjentów
19:08
in upstate New York who were part of the trial.
351
1133000
2000
ze stanu Nowy Jork do tej próby.
19:10
But they did that, and what they found
352
1135000
2000
Zrobili to i okazało się,
19:12
is that 70 percent of the non-responders
353
1137000
3000
że 70 procent osób, które nie wykazały reakcji na lek
19:15
lived much longer and did better than people who got placebo.
354
1140000
5000
żyło o wiele dłużej i było w lepszym stanie od ludzi, którzy przyjmowali placebo.
19:20
So it challenged everything we knew in cancer,
355
1145000
3000
To sprzeciwiło się wszystkiemu, co wiemy na temat raka,
19:23
is that you don't need to get a response.
356
1148000
2000
ponieważ okazało się, że odpowiedź nie jest konieczna.
19:25
You don't need to shrink the disease.
357
1150000
2000
Choroba nie musi się zmniejszyć.
19:27
If we slow the disease, we may have more of a benefit
358
1152000
4000
Jeśli spowolnimy chorobę, możemy mieć większe korzyści
19:31
on patient survival, patient outcome, how they feel,
359
1156000
4000
pod względem przeżywalności pacjenta, jego wyników, jego samopoczucia
19:35
than if we shrink the disease.
360
1160000
2000
niż gdy zmniejszymy chorobę.
19:37
The problem is that, if I'm this doc, and I get your CT scan today
361
1162000
3000
Problem jest taki, że obecnie, gdy jako lekarz dostaję twój wynik tomografii komputerowej,
19:40
and you've got a two centimeter mass in your liver,
362
1165000
3000
a ty masz dwucentymetrowy guz w wątrobie
19:43
and you come back to me in three months and it's three centimeters,
363
1168000
3000
i wracasz do mnie za trzy miesiące, a guz ma trzy centrymetry,
19:46
did that drug help you or not?
364
1171000
2000
to czy lek pomógł czy nie?
19:48
How do I know?
365
1173000
2000
Skąd mam wiedzieć?
19:50
Would it have been 10 centimeters, or am I giving you a drug
366
1175000
4000
Czy miałby 10 centymetrów, czy daję ci lek,
19:54
with no benefit and significant cost?
367
1179000
3000
który nie pomaga, a dużo kosztuje?
19:57
So, it's a fundamental problem.
368
1182000
2000
To jest podstawowy problem.
19:59
And, again, that's where these new technologies can come in.
369
1184000
5000
I, ponownie, to miejsce na nowe technologie.
20:04
And so, the goal obviously is that you go into your doctor's office --
370
1189000
4000
Tak więc, cel jest taki, że po wejściu do gabinetu --
20:08
well, the ultimate goal is that you prevent disease, right?
371
1193000
3000
cóż, ostateczny cel jest taki, żeby zapobiec chorobie.
20:11
The ultimate goal is that you prevent any of these things from happening.
372
1196000
4000
Ostateczny cel jest taki, żeby zapobiec którejkolwiek z tych rzeczy.
20:15
That is the most effective, cost-effective,
373
1200000
3000
To jest najbardziej efektywny, opłacalny,
20:18
best way we can do things today.
374
1203000
2000
najlepszy sposób w jaki możemy to dzisiaj robić.
20:20
But if one is unfortunate to get a disease,
375
1205000
3000
Jeśli jednak ktoś ma pecha i zachoruje,
20:23
you'll go into your doctor's office, he or she will take a drop of blood,
376
1208000
3000
idzie do gabinetu, oddaje kroplę krwi
20:26
and we will start to know how to treat your disease.
377
1211000
4000
i zaczynamy wiedzieć jak leczyć daną chorobę.
20:31
The way we've approached it is the field of proteomics,
378
1216000
3000
Sposób, w jaki do tego podeszliśmy, to proteomika,
20:34
again, this looking at the system.
379
1219000
2000
ponownie, spojrzenie na system.
20:36
It's taking a big picture.
380
1221000
2000
To patrzenie na cały obraz.
20:38
The problem with technologies like this is
381
1223000
3000
Problem z technologiami tego rodzaju polega na tym,
20:41
that if one looks at proteins in the body,
382
1226000
2000
że między białkami w organizmie
20:43
there are 11 orders of magnitude difference
383
1228000
3000
istnieją różnice o 11 rzędów wielkości,
20:46
between the high-abundant and the low-abundant proteins.
384
1231000
3000
między licznymi i nielicznymi białkami.
20:49
So, there's no technology in the world that can span 11 orders of magnitude.
385
1234000
5000
Nie istnieje na świecie technologia, która jest w stanie dać zakres 11 rzędów wielkości.
20:54
And so, a lot of what has been done with people like Danny Hillis and others
386
1239000
5000
Zatem dużo z tego, co robiłem z Dannym Hillisem i innymi
20:59
is to try to bring in engineering principles, try to bring the software.
387
1244000
4000
polegało na próbie wymyślenia zasad inżynierii, próbie stworzenia oprogramowania.
21:03
We can start to look at different components along this spectrum.
388
1248000
5000
Możemy zacząć patrzeć na różne komponenty wzdłuż tego spektrum.
21:08
And so, earlier was talked about cross-discipline, about collaboration.
389
1253000
5000
Tak więc, wcześniej mówiono o międzydyscyplinarności, o współpracy.
21:13
And I think one of the exciting things that is starting to happen now
390
1258000
3000
Myślę, że jedna z ekscytujących rzeczy, która zaczyna się dziać,
21:16
is that people from those fields are coming in.
391
1261000
3000
to napływ ludzi z tych dyscyplin.
21:19
Yesterday, the National Cancer Institute announced a new program
392
1264000
3000
Wczoraj National Cancer Institute ogłosił nowy program
21:22
called the Physical Sciences and Oncology,
393
1267000
3000
nazwany nauki fizyczne i onkologia,
21:25
where physicists, mathematicians, are brought in to think about cancer,
394
1270000
4000
gdzie fizycy, matematycy współpracują w myśleniu nad rakiem,
21:29
people who never approached it before.
395
1274000
3000
ludzie, którzy nigdy wcześniej się nim nie zajmowali.
21:32
Danny and I got 16 million dollars, they announced yesterday,
396
1277000
3000
Danny i ja otrzymaliśmy 16 milionów dolarów, jak ogłosili wczoraj,
21:35
to try to attach this problem.
397
1280000
2000
aby spróbować dołączyć ten problem.
21:37
A whole new approach, instead of giving high doses of chemotherapy
398
1282000
4000
Zupełnie nowe podejście, zamiast podawania wysokich dawek chemioterapii,
21:41
by different mechanisms,
399
1286000
2000
używanie innych mechanizmów
21:43
to try to bring technology to get a picture of what's actually happening in the body.
400
1288000
6000
próbując użyć technologii, by pozyskać obraz tego, co właściwie dzieje się w ciele.
21:49
So, just for two seconds, how these technologies work --
401
1294000
4000
Zatem, dosłownie dwie sekundy o tym, jak działają te technologie --
21:53
because I think it's important to understand it.
402
1298000
3000
ponieważ moim zdaniem to ważne, żeby je zrozumieć.
21:56
What happens is every protein in your body is charged,
403
1301000
3000
Każde białko ma ładunek,
21:59
so the proteins are sprayed in, the magnet spins them around,
404
1304000
4000
więc białka są rozpylane wewnątrz magnesu, magnes je obraca,
22:03
and then there's a detector at the end.
405
1308000
2000
a na końcu jest detektor.
22:05
When it hit that detector is dependent on the mass and the charge.
406
1310000
5000
Kiedy dane białko uderzy w detektor zależy od jego masy i ładunku.
22:10
And so we can accurately -- if the magnet is big enough,
407
1315000
3000
Jeśli magnes jest wystarczająco duży,
22:13
and your resolution is high enough --
408
1318000
2000
a rozdzielczość wystarczająco wysoka,
22:15
you can actually detect all of the proteins in the body
409
1320000
3000
to można właściwie wykryć wszystkie białka organizmu
22:18
and start to get an understanding of the individual system.
410
1323000
4000
i zacząć rozumieć dany system.
22:22
And so, as a cancer doctor,
411
1327000
2000
Tak więc, jako onkolog,
22:24
instead of having paper in my chart, in your chart, and it being this thick,
412
1329000
5000
zamiast papierowej karty pacjenta, tej grubości,
22:29
this is what data flow is starting to look like in our offices,
413
1334000
4000
tak zaczynają wyglądać dane w naszych biurach,
22:33
where that drop of blood is creating gigabytes of data.
414
1338000
3000
gdzie kropla krwi daje gigabajty danych.
22:36
Electronic data elements are describing every aspect of the disease.
415
1341000
4000
Elementy danych elektronicznych opisują każdy aspekt choroby.
22:40
And certainly the goal is we can start to learn from every encounter
416
1345000
4000
Z pewnością cel jest taki, że możemy zacząć się uczyć z każdego przypadku
22:44
and actually move forward, instead of just having encounter and encounter,
417
1349000
5000
i rzeczywiście iść naprzód, zamiast po prostu napotykać kolejne przypadki,
22:49
without fundamental learning.
418
1354000
2000
bez podstawowego uczenia się.
22:51
So, to conclude, we need to get away from reductionist thinking.
419
1356000
6000
Podsumowując, potrzebujemy odejść od redukcjonistycznego myślenia.
22:57
We need to start to think differently and radically.
420
1362000
4000
Musimy zacząć myśleć odmiennie i radykalnie.
23:01
And so, I implore everyone here: Think differently. Come up with new ideas.
421
1366000
4000
Dlatego błagam wszystkich tu obecnych - myślcie odmiennie. Wymyślajcie nowe pomysły.
23:05
Tell them to me or anyone else in our field,
422
1370000
3000
Mówcie o nich mnie i innym ludziom z tej dziedziny,
23:08
because over the last 59 years, nothing has changed.
423
1373000
3000
ponieważ przez ostatnie 59 lat nic się nie zmieniło.
23:11
We need a radically different approach.
424
1376000
3000
Potrzebujemy radykalnie odmiennego podejścia.
23:14
You know, Andy Grove stepped down as chairman of the board at Intel --
425
1379000
3000
Wiecie, kiedy Andy Grove ustąpił ze stanowiska prezesa w Intelu --
23:17
and Andy was one of my mentors, tough individual.
426
1382000
3000
a Andy był jednym z moich mentorów, twardy człowiek --
23:20
When Andy stepped down, he said,
427
1385000
2000
kiedy ustąpił, powiedział,
23:22
"No technology will win. Technology itself will win."
428
1387000
3000
"Żadna technologia nie wygra. Sama technologia wygra."
23:25
And I'm a firm believer, in the field of medicine and especially cancer,
429
1390000
4000
I jestem przekonany, że w dziedzinie medycyny, a szczególnie raka,
23:29
that it's going to be a broad platform of technologies
430
1394000
3000
to będzie szeroka platforma technologii,
23:32
that will help us move forward
431
1397000
2000
które pomogą nam iść do przodu
23:34
and hopefully help patients in the near-term.
432
1399000
2000
i, miejmy nadzieję, pomogą pacjentom w najbliższej przyszłości.
23:36
Thank you very much.
433
1401000
2000
Dziękuję bardzo.
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