TEDMED 2015
Russ Altman: What really happens when you mix medications?
Russ Altman: O que realmente acontece quando você mistura remédios?
Filmed:
Readability: 4.2
1,766,922 views
Se você toma dois medicamentos diferentes por duas razões diversas, aqui vai um pensamento perturbador: o seu médico talvez não saiba tudo o que acontece quando eles se combinam, porque é inacreditavelmente difícil estudar interações de remédios. Nesta palestra fascinante e acessível, Russ Altman mostra como médicos estão estudando interações medicamentosas inesperadas usando uma ferramenta surpreendente: históricos de pesquisa na Internet.
Russ Altman - Big data techno-optimist and internist
Russ Altman uses machine learning to better understand adverse effects of medication. Full bio
Russ Altman uses machine learning to better understand adverse effects of medication. Full bio
Double-click the English transcript below to play the video.
00:12
So you go to the doctor
and get some tests.
and get some tests.
0
811
3321
Você vai ao médico e faz alguns exames.
00:16
The doctor determines
that you have high cholesterol
that you have high cholesterol
1
4674
2620
o médico considera
que seu colesterol está alto
que seu colesterol está alto
e que você deveria
tomar uma medicação para tratá-lo.
tomar uma medicação para tratá-lo.
00:19
and you would benefit
from medication to treat it.
from medication to treat it.
2
7318
3171
00:22
So you get a pillbox.
3
10981
1556
Então você compra uma caixa de remédios.
00:25
You have some confidence,
4
13505
1199
Você está confiante,
00:26
your physician has some confidence
that this is going to work.
that this is going to work.
5
14728
2937
seu médico está confiante
de que isso vai funcionar.
de que isso vai funcionar.
A empresa que inventou o remédio
fez muitos estudos e enviou para o FDA.
fez muitos estudos e enviou para o FDA.
00:29
The company that invented it did
a lot of studies, submitted it to the FDA.
a lot of studies, submitted it to the FDA.
6
17689
3553
Eles fizeram estudos criteriosos,
céticos, e deram a aprovação.
céticos, e deram a aprovação.
00:33
They studied it very carefully,
skeptically, they approved it.
skeptically, they approved it.
7
21266
3107
Eles têm uma ideia de como ele funciona,
00:36
They have a rough idea of how it works,
8
24397
1889
têm uma ideia
de quais são os efeitos colaterais.
de quais são os efeitos colaterais.
00:38
they have a rough idea
of what the side effects are.
of what the side effects are.
9
26310
2453
Deve dar certo.
00:40
It should be OK.
10
28787
1150
00:42
You have a little more
of a conversation with your physician
of a conversation with your physician
11
30864
2818
Você conversa mais com seu médico
e o médico está preocupado
porque você anda deprimido,
porque você anda deprimido,
00:45
and the physician is a little worried
because you've been blue,
because you've been blue,
12
33706
2963
não tem se sentido como você mesmo,
00:48
haven't felt like yourself,
13
36693
1293
00:50
you haven't been able to enjoy things
in life quite as much as you usually do.
in life quite as much as you usually do.
14
38010
3731
não tem conseguido curtir
as coisas da vida como antes.
as coisas da vida como antes.
O médico diz: "Sabe,
acho que você está meio deprimido.
acho que você está meio deprimido.
00:53
Your physician says, "You know,
I think you have some depression.
I think you have some depression.
15
41765
3186
00:57
I'm going to have to give
you another pill."
you another pill."
16
45792
2315
Vou ter que te dar outro remédio."
01:00
So now we're talking
about two medications.
about two medications.
17
48934
2483
Então, agora estamos falando
de duas medicações.
de duas medicações.
Este remédio também:
milhões de pessoas já o tomaram,
milhões de pessoas já o tomaram,
01:03
This pill also -- millions
of people have taken it,
of people have taken it,
18
51441
3104
a empresa pesquisou,
01:06
the company did studies,
the FDA looked at it -- all good.
the FDA looked at it -- all good.
19
54569
3631
a FDA deu uma olhada.
Está tudo bem.
Está tudo bem.
01:10
Think things should go OK.
20
58823
2057
Deve dar tudo certo.
Deve dar tudo certo.
01:12
Think things should go OK.
21
60904
2197
Espera um minuto.
01:15
Well, wait a minute.
22
63125
1439
Pesquisamos sobre esses dois juntos?
01:16
How much have we studied
these two together?
these two together?
23
64588
3517
01:20
Well, it's very hard to do that.
24
68630
2300
É muito difícil fazer isso.
Na verdade, normalmente, não é feito.
01:22
In fact, it's not traditionally done.
25
70954
2130
Dependemos totalmente da chamada
"fiscalização pós-marketing",
"fiscalização pós-marketing",
01:25
We totally depend on what we call
"post-marketing surveillance,"
"post-marketing surveillance,"
26
73108
5518
depois que o remédio chegou ao mercado.
01:30
after the drugs hit the market.
27
78650
1880
Como podemos descobrir
se coisas ruins acontecem
se coisas ruins acontecem
01:32
How can we figure out
if bad things are happening
if bad things are happening
28
80996
2848
entre dois medicamentos?
01:35
between two medications?
29
83868
1357
01:37
Three? Five? Seven?
30
85249
2030
Três? Cinco? Sete?
Pergunte à pessoa próxima a você,
01:39
Ask your favorite person
who has several diagnoses
who has several diagnoses
31
87708
2415
diagnosticada com várias coisas,
quantos medicamentos ela toma.
quantos medicamentos ela toma.
01:42
how many medications they're on.
32
90147
1834
Por que eu me importo com isso?
Eu me importo muito.
Eu me importo muito.
01:44
Why do I care about this problem?
33
92530
1580
01:46
I care about it deeply.
34
94134
1157
Sou um cara da informática,
da ciência de dados,
da ciência de dados,
01:47
I'm an informatics and data science guy
and really, in my opinion,
and really, in my opinion,
35
95315
4304
e na minha opinião a única esperança,
a única, para entender essas interações
a única, para entender essas interações
01:51
the only hope -- only hope --
to understand these interactions
to understand these interactions
36
99643
3745
é confrontar muitas
fontes diferentes de dados
fontes diferentes de dados
01:55
is to leverage lots
of different sources of data
of different sources of data
37
103412
3056
para descobrir quando remédios
podem ser usados juntos e de forma segura
podem ser usados juntos e de forma segura
01:58
in order to figure out
when drugs can be used together safely
when drugs can be used together safely
38
106492
3556
02:02
and when it's not so safe.
39
110072
1777
e quando não é tão seguro.
02:04
So let me tell you a data science story.
40
112615
2051
Vou contar uma história
de ciência de dados.
de ciência de dados.
Tudo começou com meu aluno Nick.
02:06
And it begins with my student Nick.
41
114690
2154
Vamos chamá-lo de "Nick",
porque é esse o seu nome.
porque é esse o seu nome.
02:08
Let's call him "Nick,"
because that's his name.
because that's his name.
42
116868
2380
(Risos)
02:11
(Laughter)
43
119272
1592
Nick era um estudante jovem.
02:12
Nick was a young student.
44
120888
1201
Eu disse: "Nick, temos que entender
como esses remédios funcionam
como esses remédios funcionam
02:14
I said, "You know, Nick, we have
to understand how drugs work
to understand how drugs work
45
122113
3079
02:17
and how they work together
and how they work separately,
and how they work separately,
46
125216
2626
e como funcionam juntos
e como funcionam separados,
e como funcionam separados,
e não sabemos muita coisa."
02:19
and we don't have a great understanding.
47
127866
1922
Mas o FDA disponibilizou
uma base de dados incrível.
uma base de dados incrível.
02:21
But the FDA has made available
an amazing database.
an amazing database.
48
129812
2405
Uma base de dados de efeitos adversos.
02:24
It's a database of adverse events.
49
132241
1699
Eles literalmente colocaram na web,
02:26
They literally put on the web --
50
134321
1642
disponível ao público,
todos vocês podem baixar agora mesmo,
todos vocês podem baixar agora mesmo,
02:27
publicly available, you could all
download it right now --
download it right now --
51
135987
3119
centenas de milhares
de relatórios de efeitos adversos
de relatórios de efeitos adversos
02:31
hundreds of thousands
of adverse event reports
of adverse event reports
52
139130
3627
de pacientes, médicos,
empresas e farmacêuticos.
empresas e farmacêuticos.
02:34
from patients, doctors,
companies, pharmacists.
companies, pharmacists.
53
142781
3760
Estes relatórios são bem simples:
02:38
And these reports are pretty simple:
54
146565
1749
têm todas as doenças
das quais o paciente sofre,
das quais o paciente sofre,
02:40
it has all the diseases
that the patient has,
that the patient has,
55
148338
2658
todos os remédios que ele está tomando,
02:43
all the drugs that they're on,
56
151020
1767
02:44
and all the adverse events,
or side effects, that they experience.
or side effects, that they experience.
57
152811
3818
todos os efeitos adversos
ou colaterais que ele sentiu.
ou colaterais que ele sentiu.
Não são todos os efeitos adversos
que estão ocorrendo nos EUA hoje,
que estão ocorrendo nos EUA hoje,
02:48
It is not all of the adverse events
that are occurring in America today,
that are occurring in America today,
58
156653
3436
mas são centenas e centenas
de milhares de remédios.
de milhares de remédios.
02:52
but it's hundreds and hundreds
of thousands of drugs.
of thousands of drugs.
59
160113
2578
Então eu disse ao Nick:
02:54
So I said to Nick,
60
162715
1299
"Vamos pensar sobre glicose.
02:56
"Let's think about glucose.
61
164038
1826
Glicose é muito importante
e sabemos que tem a ver com a diabetes.
e sabemos que tem a ver com a diabetes.
02:57
Glucose is very important,
and we know it's involved with diabetes.
and we know it's involved with diabetes.
62
165888
3567
Vejamos se conseguimos
entender a resposta da glicose."
entender a resposta da glicose."
03:01
Let's see if we can understand
glucose response.
glucose response.
63
169479
3970
O Nick foi. O Nick voltou.
03:05
I sent Nick off. Nick came back.
64
173473
2458
03:08
"Russ," he said,
65
176248
1786
"Russ", ele disse,
03:10
"I've created a classifier that can
look at the side effects of a drug
look at the side effects of a drug
66
178351
5112
"criei um 'categorizador' que consegue
analisar efeitos colaterais de um remédio
analisar efeitos colaterais de um remédio
a partir da análise dessa base de dados,
03:15
based on looking at this database,
67
183487
2051
e dizer se aquele remédio
pode ou não alterar a glicose."
pode ou não alterar a glicose."
03:17
and can tell you whether that drug
is likely to change glucose or not."
is likely to change glucose or not."
68
185562
4271
Ele conseguiu.
Foi simples, de certa forma.
Foi simples, de certa forma.
03:21
He did it. It was very simple, in a way.
69
189857
2016
Ele pegou todos os remédios
associados a alterações na glicose
associados a alterações na glicose
03:23
He took all the drugs
that were known to change glucose
that were known to change glucose
70
191897
2635
03:26
and a bunch of drugs
that don't change glucose,
that don't change glucose,
71
194556
2389
e um monte que não alteram a glicose,
e disse: "Qual é a diferença
nos efeitos colaterais deles?
nos efeitos colaterais deles?
03:28
and said, "What's the difference
in their side effects?
in their side effects?
72
196969
2888
Diferenças na fadiga? Apetite?
Frequência de urinar?"
Frequência de urinar?"
03:31
Differences in fatigue? In appetite?
In urination habits?"
In urination habits?"
73
199881
4852
Tudo isso conspirou para
lhe dar um ótimo "prognosticador".
lhe dar um ótimo "prognosticador".
03:36
All those things conspired
to give him a really good predictor.
to give him a really good predictor.
74
204757
2960
Ele disse: "Russ, consigo prever
com 93% de precisão
com 93% de precisão
03:39
He said, "Russ, I can predict
with 93 percent accuracy
with 93 percent accuracy
75
207741
2548
quando um remédio altera a glicose."
03:42
when a drug will change glucose."
76
210313
1572
Eu disse: "Nick, que bacana".
03:43
I said, "Nick, that's great."
77
211909
1416
Ele é um estudante jovem,
preciso fomentar sua autoconfiança.
preciso fomentar sua autoconfiança.
03:45
He's a young student,
you have to build his confidence.
you have to build his confidence.
78
213349
2896
"Mas, Nick, há um problema.
03:48
"But Nick, there's a problem.
79
216269
1390
Todos os médicos do mundo
sabem quais remédios mexem na glicose,
sabem quais remédios mexem na glicose,
03:49
It's that every physician in the world
knows all the drugs that change glucose,
knows all the drugs that change glucose,
80
217683
3960
porque é crucial para nossa prática.
03:53
because it's core to our practice.
81
221667
2038
Então, bacana, bom trabalho,
mas isso não é tão interessante
mas isso não é tão interessante
03:55
So it's great, good job,
but not really that interesting,
but not really that interesting,
82
223729
3722
e com certeza não dá para publicar."
03:59
definitely not publishable."
83
227475
1531
(Risos)
04:01
(Laughter)
84
229030
1014
04:02
He said, "I know, Russ.
I thought you might say that."
I thought you might say that."
85
230068
2550
Ele disse: "Eu sei, Russ.
Achei que diria isso." O Nick é esperto.
Achei que diria isso." O Nick é esperto.
04:04
Nick is smart.
86
232642
1152
04:06
"I thought you might say that,
so I did one other experiment.
so I did one other experiment.
87
234149
2874
"Achei que diria isso,
então fiz outro experimento.
então fiz outro experimento.
Analisei na base de dados
as pessoas que tomam dois remédios.
as pessoas que tomam dois remédios.
04:09
I looked at people in this database
who were on two drugs,
who were on two drugs,
88
237047
2928
Procurei sinais parecidos,
sinais de alterações na glicose,
sinais de alterações na glicose,
04:11
and I looked for signals similar,
glucose-changing signals,
glucose-changing signals,
89
239999
4422
em pessoas que tomam dois remédios,
04:16
for people taking two drugs,
90
244445
1624
nas quais cada remédio, sozinho,
não alterou a glicose,
não alterou a glicose,
04:18
where each drug alone
did not change glucose,
did not change glucose,
91
246093
5569
mas que, usados juntos,
deixam um sinal relevante."
deixam um sinal relevante."
04:23
but together I saw a strong signal."
92
251686
2460
Eu disse: "Ah! Você é inteligente.
Boa ideia. Me mostre a lista."
Boa ideia. Me mostre a lista."
04:26
And I said, "Oh! You're clever.
Good idea. Show me the list."
Good idea. Show me the list."
93
254170
3149
Tinha um monte de remédios,
não muito eletrizante.
não muito eletrizante.
04:29
And there's a bunch of drugs,
not very exciting.
not very exciting.
94
257343
2254
04:31
But what caught my eye
was, on the list there were two drugs:
was, on the list there were two drugs:
95
259621
3932
Mas o que chamou minha atenção,
foram dois remédios na lista:
foram dois remédios na lista:
paroxetina, ou Paxil, um antidepressivo;
04:35
paroxetine, or Paxil, an antidepressant;
96
263577
3393
04:39
and pravastatin, or Pravachol,
a cholesterol medication.
a cholesterol medication.
97
267756
3570
e pravastatina, ou Pravachol,
remédio para o colesterol.
remédio para o colesterol.
04:43
And I said, "Huh. There are millions
of Americans on those two drugs."
of Americans on those two drugs."
98
271936
4283
Eu disse: "Hum. Há milhões
de norte-americanos tomando os dois".
de norte-americanos tomando os dois".
Descobrimos depois,
04:48
In fact, we learned later,
99
276243
1246
15 milhões nos EUA tomavam paroxetina,
e 15 milhões tomavam pravastatina.
e 15 milhões tomavam pravastatina.
04:49
15 million Americans on paroxetine
at the time, 15 million on pravastatin,
at the time, 15 million on pravastatin,
100
277513
6032
Um milhão, estimamos, tomavam ambos.
04:55
and a million, we estimated, on both.
101
283569
2817
04:58
So that's a million people
102
286767
1254
Então um milhão de pessoas
05:00
who might be having some problems
with their glucose
with their glucose
103
288045
2453
talvez estivesse com problemas
em sua glicose
em sua glicose
se a máquina de analisar o "blábláblá"
da base de dados do FDA
da base de dados do FDA
05:02
if this machine-learning mumbo jumbo
that he did in the FDA database
that he did in the FDA database
104
290522
3206
realmente funcionasse.
05:05
actually holds up.
105
293752
1254
Eu disse: "Ainda não dá pra publicar,
porque adoro o que fez com o 'blábláblá',
porque adoro o que fez com o 'blábláblá',
05:07
But I said, "It's still not publishable,
106
295030
1927
05:08
because I love what you did
with the mumbo jumbo,
with the mumbo jumbo,
107
296981
2296
com a máquina que analisa,
05:11
with the machine learning,
108
299301
1246
mas essas evidências ainda
não estão no padrão necessário."
não estão no padrão necessário."
05:12
but it's not really standard-of-proof
evidence that we have."
evidence that we have."
109
300571
3864
Então temos que fazer outra coisa.
05:17
So we have to do something else.
110
305618
1589
Vamos aos registros médicos
eletrônicos de Stanford.
eletrônicos de Stanford.
05:19
Let's go into the Stanford
electronic medical record.
electronic medical record.
111
307231
2876
Temos uma cópia,
está boa para a pesquisa,
está boa para a pesquisa,
05:22
We have a copy of it
that's OK for research,
that's OK for research,
112
310131
2064
e removemos as identificações.
05:24
we removed identifying information.
113
312219
2046
Eu disse: "Vamos ver se as pessoas
tomando esses remédios
tomando esses remédios
05:26
And I said, "Let's see if people
on these two drugs
on these two drugs
114
314581
2503
têm problemas com a glicose."
05:29
have problems with their glucose."
115
317108
1769
05:31
Now there are thousands
and thousands of people
and thousands of people
116
319242
2207
Há milhares e milhares de pessoas
nos registros médicos de Stanford
tomando paroxetina e pravastatina.
tomando paroxetina e pravastatina.
05:33
in the Stanford medical records
that take paroxetine and pravastatin.
that take paroxetine and pravastatin.
117
321473
3459
Mas precisamos de pacientes especiais.
05:36
But we needed special patients.
118
324956
1799
05:38
We needed patients who were on one of them
and had a glucose measurement,
and had a glucose measurement,
119
326779
4597
Precisamos de pacientes
que tomaram uma delas
que tomaram uma delas
e mediram sua glicose,
05:43
then got the second one and had
another glucose measurement,
another glucose measurement,
120
331400
3449
e aí tomaram a outra
e mediram de novo sua glicose,
e mediram de novo sua glicose,
tudo isso dentro de um tempo razoável,
algo como dois meses.
algo como dois meses.
05:46
all within a reasonable period of time --
something like two months.
something like two months.
121
334873
3615
Fizemos isso e achamos dez pacientes.
05:50
And when we did that,
we found 10 patients.
we found 10 patients.
122
338512
3159
05:54
However, eight out of the 10
had a bump in their glucose
had a bump in their glucose
123
342592
4538
Porém, oito desses dez
tiveram aumento da glicose
tiveram aumento da glicose
quando tomaram o segundo P,
chamamos de "P&P",
chamamos de "P&P",
05:59
when they got the second P --
we call this P and P --
we call this P and P --
124
347154
2645
quando tomaram o segundo P.
06:01
when they got the second P.
125
349823
1310
Qualquer um pode ser o primeiro,
quando o segundo aparece,
quando o segundo aparece,
06:03
Either one could be first,
the second one comes up,
the second one comes up,
126
351157
2562
06:05
glucose went up
20 milligrams per deciliter.
20 milligrams per deciliter.
127
353743
2847
a glicose sobe 20 mg/dL.
Só para lembrar:
06:08
Just as a reminder,
128
356614
1158
você anda por aí numa boa,
se você não for diabético,
se você não for diabético,
06:09
you walk around normally,
if you're not diabetic,
if you're not diabetic,
129
357796
2325
com a glicose por volta de 90.
06:12
with a glucose of around 90.
130
360145
1359
06:13
And if it gets up to 120, 125,
131
361528
2076
Se subir para 120, 125,
seu médico começa a considerar
um diagnóstico de diabetes.
um diagnóstico de diabetes.
06:15
your doctor begins to think
about a potential diagnosis of diabetes.
about a potential diagnosis of diabetes.
132
363628
3450
Então uma alta de 20 é bem significativa.
06:19
So a 20 bump -- pretty significant.
133
367102
2991
06:22
I said, "Nick, this is very cool.
134
370601
1904
Eu disse: "Nick, isso é muito legal.
06:25
But, I'm sorry, we still
don't have a paper,
don't have a paper,
135
373616
2053
Mas, desculpe,
ainda não temos um artigo,
ainda não temos um artigo,
porque são só dez pacientes
e, fala sério,
e, fala sério,
06:27
because this is 10 patients
and -- give me a break --
and -- give me a break --
136
375693
2579
não são pacientes suficientes."
06:30
it's not enough patients."
137
378296
1245
Então pensamos no que fazer.
06:31
So we said, what can we do?
138
379565
1306
Decidimos chamar nossos amigos
em Harvard e em Vanderbilt,
em Harvard e em Vanderbilt,
06:32
And we said, let's call our friends
at Harvard and Vanderbilt,
at Harvard and Vanderbilt,
139
380895
2976
que também, Harvard em Boston,
Vanderbilt em Nashville,
Vanderbilt em Nashville,
06:35
who also -- Harvard in Boston,
Vanderbilt in Nashville,
Vanderbilt in Nashville,
140
383895
2587
06:38
who also have electronic
medical records similar to ours.
medical records similar to ours.
141
386506
2821
têm registros médicos eletrônicos
parecidos com o nossos.
parecidos com o nossos.
Vejamos se eles acham
pacientes similares
pacientes similares
06:41
Let's see if they can find
similar patients
similar patients
142
389351
2020
com um P, o outro P,
as medições da glicose
as medições da glicose
06:43
with the one P, the other P,
the glucose measurements
the glucose measurements
143
391395
3276
no limite que precisamos.
06:46
in that range that we need.
144
394695
1600
06:48
God bless them, Vanderbilt
in one week found 40 such patients,
in one week found 40 such patients,
145
396787
4955
Deus abençoe, Vanderbilt
achou em uma semana
achou em uma semana
40 pacientes com a mesma tendência.
06:53
same trend.
146
401766
1189
06:55
Harvard found 100 patients, same trend.
147
403804
3620
Harvard achou 100 com a mesma tendência.
Ao final, achamos 150 pacientes
desses três centros médicos diferentes
desses três centros médicos diferentes
06:59
So at the end, we had 150 patients
from three diverse medical centers
from three diverse medical centers
148
407448
4281
que diziam que pacientes tomando
esses dois medicamentos
esses dois medicamentos
07:03
that were telling us that patients
getting these two drugs
getting these two drugs
149
411753
3297
sofriam aumento da glicose
de forma significativa.
de forma significativa.
07:07
were having their glucose bump
somewhat significantly.
somewhat significantly.
150
415074
2703
07:10
More interestingly,
we had left out diabetics,
we had left out diabetics,
151
418317
2810
Mais interessante:
deixamos de fora diabéticos,
deixamos de fora diabéticos,
porque eles já têm a glicose bem alterada.
07:13
because diabetics already
have messed up glucose.
have messed up glucose.
152
421151
2317
Quando analisamos a glicose de diabéticos,
07:15
When we looked
at the glucose of diabetics,
at the glucose of diabetics,
153
423492
2238
estava subindo 60 mg/dL, não só 20.
07:17
it was going up 60 milligrams
per deciliter, not just 20.
per deciliter, not just 20.
154
425754
3435
07:21
This was a big deal, and we said,
"We've got to publish this."
"We've got to publish this."
155
429760
3452
Isso era considerável e dissemos:
"Temos que publicar isso."
"Temos que publicar isso."
Enviamos o artigo.
07:25
We submitted the paper.
156
433236
1179
07:26
It was all data evidence,
157
434439
2111
Tudo tinha base em dados,
dados do FDA, dados de Stanford,
07:28
data from the FDA, data from Stanford,
158
436574
2483
dados de Vanderbilt e dados de Harvard.
07:31
data from Vanderbilt, data from Harvard.
159
439081
1946
Não tínhamos feito
nenhum experimento físico.
nenhum experimento físico.
07:33
We had not done a single real experiment.
160
441051
2396
07:36
But we were nervous.
161
444495
1296
Mas estávamos nervosos.
07:38
So Nick, while the paper
was in review, went to the lab.
was in review, went to the lab.
162
446201
3730
Então Nick, enquanto o artigo
estava sob avaliação, foi ao laboratório.
estava sob avaliação, foi ao laboratório.
Achamos alguém que entende
de coisas de laboratório.
de coisas de laboratório.
07:41
We found somebody
who knew about lab stuff.
who knew about lab stuff.
163
449955
2462
Eu não faço isso.
07:44
I don't do that.
164
452441
1393
Eu cuido de pacientes, não de pipetas.
07:45
I take care of patients,
but I don't do pipettes.
but I don't do pipettes.
165
453858
2417
07:49
They taught us how to feed mice drugs.
166
457420
3053
Nos ensinaram a dar remédio a ratos.
07:52
We took mice and we gave them
one P, paroxetine.
one P, paroxetine.
167
460864
2414
Pegamos os ratos
e demos um P, paroxetina.
e demos um P, paroxetina.
Demos a outros a pravastatina.
07:55
We gave some other mice pravastatin.
168
463302
2508
Ao terceiro grupo, demos ambas.
07:57
And we gave a third group
of mice both of them.
of mice both of them.
169
465834
3595
08:01
And lo and behold, glucose went up
20 to 60 milligrams per deciliter
20 to 60 milligrams per deciliter
170
469893
3946
"Voilà": a glicose subiu
entre 20 e 60 mg/dL nos ratos.
entre 20 e 60 mg/dL nos ratos.
08:05
in the mice.
171
473863
1171
O artigo foi aceito com base apenas
nas evidências informacionais,
nas evidências informacionais,
08:07
So the paper was accepted
based on the informatics evidence alone,
based on the informatics evidence alone,
172
475058
3158
mas adicionamos uma notinha no final
08:10
but we added a little note at the end,
173
478240
1894
alertando que a glicose aumentará
se derem ambas aos ratos.
se derem ambas aos ratos.
08:12
saying, oh by the way,
if you give these to mice, it goes up.
if you give these to mice, it goes up.
174
480158
2899
Foi ótimo e a história podia terminar aí.
08:15
That was great, and the story
could have ended there.
could have ended there.
175
483081
2508
Mas ainda tenho seis minutos e meio.
08:17
But I still have six and a half minutes.
176
485613
1997
(Risos)
08:19
(Laughter)
177
487634
2807
Então estávamos lá, pensando nisso,
08:22
So we were sitting around
thinking about all of this,
thinking about all of this,
178
490465
2815
e não lembro de quem foi a ideia,
mas alguém disse:
mas alguém disse:
08:25
and I don't remember who thought
of it, but somebody said,
of it, but somebody said,
179
493304
2735
"Será que os pacientes
tomando os dois remédios
tomando os dois remédios
08:28
"I wonder if patients
who are taking these two drugs
who are taking these two drugs
180
496063
3201
estão notando efeitos colaterais
de hiperglicemia?
de hiperglicemia?
08:31
are noticing side effects
of hyperglycemia.
of hyperglycemia.
181
499288
3553
Eles poderiam e deveriam.
08:34
They could and they should.
182
502865
1496
08:36
How would we ever determine that?"
183
504761
1877
Como poderíamos determinar isso?"
08:39
We said, well, what do you do?
184
507551
1443
Pensamos, bem, o que você faz?
Você toma um remédio,
um remédio novo ou dois,
um remédio novo ou dois,
08:41
You're taking a medication,
one new medication or two,
one new medication or two,
185
509018
2580
e se sente meio esquisito.
08:43
and you get a funny feeling.
186
511622
1538
O que você faz?
08:45
What do you do?
187
513184
1151
Você vai ao Google
08:46
You go to Google
188
514359
1151
digita os dois remédios ou o remédio
que você está tomando
que você está tomando
08:47
and type in the two drugs you're taking
or the one drug you're taking,
or the one drug you're taking,
189
515534
3349
e digita "efeitos colaterais".
08:50
and you type in "side effects."
190
518907
1603
O que você está sentindo?
08:52
What are you experiencing?
191
520534
1356
Dissemos: "Ok.
08:54
So we said OK,
192
522239
1151
vamos perguntar ao Google
se compartilhariam os históricos conosco
se compartilhariam os históricos conosco
08:55
let's ask Google if they will share
their search logs with us,
their search logs with us,
193
523414
3056
para analisarmos
esses históricos de pesquisa
esses históricos de pesquisa
08:58
so that we can look at the search logs
194
526494
1833
09:00
and see if patients are doing
these kinds of searches.
these kinds of searches.
195
528351
2565
e saber se os pacientes
estão fazendo essas buscas.
estão fazendo essas buscas.
09:02
Google, I am sorry to say,
denied our request.
denied our request.
196
530940
3275
O Google, infelizmente, negou o pedido.
Fiquei chateado.
09:06
So I was bummed.
197
534819
1151
Eu estava jantando com um colega
que trabalha na Microsoft Research
que trabalha na Microsoft Research
09:07
I was at a dinner with a colleague
who works at Microsoft Research
who works at Microsoft Research
198
535994
3166
e disse: "Queríamos fazer uma pesquisa,
09:11
and I said, "We wanted to do this study,
199
539184
1941
o Google disse não. É meio chato."
09:13
Google said no, it's kind of a bummer."
200
541149
1880
Ele disse: "Bem, temos
as pesquisas do Bing".
as pesquisas do Bing".
09:15
He said, "Well, we have
the Bing searches."
the Bing searches."
201
543053
2086
09:18
(Laughter)
202
546195
3483
(Risos)
09:22
Yeah.
203
550805
1267
É.
09:24
That's great.
204
552096
1151
Que legal.
Achei que estava...
09:25
Now I felt like I was --
205
553271
1151
(Risos)
09:26
(Laughter)
206
554446
1000
que estava falando com o Nick de novo.
09:27
I felt like I was talking to Nick again.
207
555470
2412
Ele trabalha para uma das maiores
empresas do mundo
empresas do mundo
09:30
He works for one of the largest
companies in the world,
companies in the world,
208
558437
2624
e eu tentando fazê-lo
se sentir melhor.
se sentir melhor.
09:33
and I'm already trying
to make him feel better.
to make him feel better.
209
561085
2206
Ele disse: "Russ, acho que não entendeu.
Não temos só as pesquisas do Bing.
Não temos só as pesquisas do Bing.
09:35
But he said, "No, Russ --
you might not understand.
you might not understand.
210
563315
2445
09:37
We not only have Bing searches,
211
565784
1500
Se você usar o Internet Explorer
para pesquisar no Google,
para pesquisar no Google,
09:39
but if you use Internet Explorer
to do searches at Google,
to do searches at Google,
212
567308
3340
Yahoo, Bing, qualquer um...
09:42
Yahoo, Bing, any ...
213
570672
1891
E, por 18 meses, mantemos
esses dados só para fins de pesquisa."
esses dados só para fins de pesquisa."
09:44
Then, for 18 months, we keep that data
for research purposes only."
for research purposes only."
214
572587
3643
Eu disse: "Agora sim!"
09:48
I said, "Now you're talking!"
215
576254
1936
Foi o Eric Horvitz,
meu amigo na Microsoft.
meu amigo na Microsoft.
09:50
This was Eric Horvitz,
my friend at Microsoft.
my friend at Microsoft.
216
578214
2198
Fizemos um estudo.
09:52
So we did a study
217
580436
1695
Definimos 50 palavras
que uma pessoa comum talvez digite
que uma pessoa comum talvez digite
09:54
where we defined 50 words
that a regular person might type in
that a regular person might type in
218
582155
4619
se estiver com hiperglicemia.
09:58
if they're having hyperglycemia,
219
586798
1602
10:00
like "fatigue," "loss of appetite,"
"urinating a lot," "peeing a lot" --
"urinating a lot," "peeing a lot" --
220
588424
4762
Como "fadiga", "falta de apetite",
"urinando muito", "fazendo muito xixi",
"urinando muito", "fazendo muito xixi",
desculpa, mas essa é uma das coisas
que você talvez digite.
que você talvez digite.
10:05
forgive me, but that's one
of the things you might type in.
of the things you might type in.
221
593210
2767
Tínhamos 50 frases
que denominamos "palavras de diabetes".
que denominamos "palavras de diabetes".
10:08
So we had 50 phrases
that we called the "diabetes words."
that we called the "diabetes words."
222
596001
2790
Primeiro estabelecemos uma medida padrão.
10:10
And we did first a baseline.
223
598815
2063
Acontece que entre 0,5% a 1%
10:12
And it turns out
that about .5 to one percent
that about .5 to one percent
224
600902
2704
de todas as pesquisas na Internet
envolvem essas palavras.
envolvem essas palavras.
10:15
of all searches on the Internet
involve one of those words.
involve one of those words.
225
603630
2982
Essa era nossa medida padrão.
10:18
So that's our baseline rate.
226
606636
1742
Se digitarem "paroxetina"
ou "Paxil", são sinônimos,
ou "Paxil", são sinônimos,
10:20
If people type in "paroxetine"
or "Paxil" -- those are synonyms --
or "Paxil" -- those are synonyms --
227
608402
4143
e uma dessas palavras,
10:24
and one of those words,
228
612569
1215
a taxa sobe cerca de 2%
das palavras de diabetes,
das palavras de diabetes,
10:25
the rate goes up to about two percent
of diabetes-type words,
of diabetes-type words,
229
613808
4890
se você já souber que existe
a palavra "paroxetina".
a palavra "paroxetina".
10:30
if you already know
that there's that "paroxetine" word.
that there's that "paroxetine" word.
230
618722
3044
10:34
If it's "pravastatin," the rate goes up
to about three percent from the baseline.
to about three percent from the baseline.
231
622191
4547
Se for "pravastatina", a taxa sobre
cerca de 3% do padrão.
cerca de 3% do padrão.
10:39
If both "paroxetine" and "pravastatin"
are present in the query,
are present in the query,
232
627171
4390
Se ambas estiverem presentes na pesquisa
sobe até 10%,
10:43
it goes up to 10 percent,
233
631585
1669
um aumento enorme
de três vezes a quatro vezes
de três vezes a quatro vezes
10:45
a huge three- to four-fold increase
234
633278
3461
nas pesquisas com os dois remédios
nos quais estamos interessados
nos quais estamos interessados
10:48
in those searches with the two drugs
that we were interested in,
that we were interested in,
235
636763
3389
e palavras de diabetes
ou palavras de hiperglicemia.
ou palavras de hiperglicemia.
10:52
and diabetes-type words
or hyperglycemia-type words.
or hyperglycemia-type words.
236
640176
3566
10:56
We published this,
237
644216
1265
Publicamos isso
e recebeu alguma atenção.
10:57
and it got some attention.
238
645505
1466
A razão pela qual merece atenção
10:58
The reason it deserves attention
239
646995
1778
é que os pacientes estão nos dizendo
indiretamente os efeitos colaterais
indiretamente os efeitos colaterais
11:00
is that patients are telling us
their side effects indirectly
their side effects indirectly
240
648797
4312
por meio de suas pesquisas.
11:05
through their searches.
241
653133
1156
Levamos isso ao FDA.
11:06
We brought this
to the attention of the FDA.
to the attention of the FDA.
242
654313
2138
Eles se interessaram.
11:08
They were interested.
243
656475
1269
Eles têm programas
de monitoramento de mídias socias
de monitoramento de mídias socias
11:09
They have set up social media
surveillance programs
surveillance programs
244
657768
3606
para colaborar com a Microsoft,
11:13
to collaborate with Microsoft,
245
661398
1751
que tem uma boa infraestrutura
para fazer isso, e outras,
para fazer isso, e outras,
11:15
which had a nice infrastructure
for doing this, and others,
for doing this, and others,
246
663173
2794
para olhar "feeds" do Twitter,
11:17
to look at Twitter feeds,
247
665991
1282
11:19
to look at Facebook feeds,
248
667297
1716
"feeds" do Facebook,
olhar históricos de pesquisa,
11:21
to look at search logs,
249
669037
1311
11:22
to try to see early signs that drugs,
either individually or together,
either individually or together,
250
670372
4909
tentar ver sinais precoces que remédios,
seja individualmente ou em conjunto,
seja individualmente ou em conjunto,
estejam causando problemas.
11:27
are causing problems.
251
675305
1589
O que tiro disso?
Por que contar essa história?
Por que contar essa história?
11:28
What do I take from this?
Why tell this story?
Why tell this story?
252
676918
2174
Primeiramente,
11:31
Well, first of all,
253
679116
1207
agora temos a promessa
da "big data" e dados de tamanho médio
da "big data" e dados de tamanho médio
11:32
we have now the promise
of big data and medium-sized data
of big data and medium-sized data
254
680347
4037
para nos ajudar a entender
a interação de remédios
a interação de remédios
11:36
to help us understand drug interactions
255
684408
2918
e, fundamentalmente, ações dos remédios.
11:39
and really, fundamentally, drug actions.
256
687350
2420
Como remédios funcionam?
11:41
How do drugs work?
257
689794
1413
Isso vai criar, e já criou,
um novo ecossistema
um novo ecossistema
11:43
This will create and has created
a new ecosystem
a new ecosystem
258
691231
2836
para entender como remédios funcionam
e para otimizar seu uso.
e para otimizar seu uso.
11:46
for understanding how drugs work
and to optimize their use.
and to optimize their use.
259
694091
3267
11:50
Nick went on; he's a professor
at Columbia now.
at Columbia now.
260
698303
2659
Nick continuou.
Ele é professor em Columbia agora.
Ele é professor em Columbia agora.
Ele fez isso em seu doutorado
com centenas de pares de remédios.
com centenas de pares de remédios.
11:52
He did this in his PhD
for hundreds of pairs of drugs.
for hundreds of pairs of drugs.
261
700986
4072
Ele encontrou várias
interações muito importantes
interações muito importantes
11:57
He found several
very important interactions,
very important interactions,
262
705082
2517
então replicamos isso
11:59
and so we replicated this
263
707623
1214
e mostramos que essa
é uma forma que funciona
é uma forma que funciona
12:00
and we showed that this
is a way that really works
is a way that really works
264
708861
2574
para descobrir interações entre remédios.
12:03
for finding drug-drug interactions.
265
711459
2339
12:06
However, there's a couple of things.
266
714282
1734
Porém, há algumas coisas.
Não só usamos pares de remédios por vez.
12:08
We don't just use pairs
of drugs at a time.
of drugs at a time.
267
716040
3046
Como disse, há pacientes
tomando três, cinco, sete, nove remédios.
tomando três, cinco, sete, nove remédios.
12:11
As I said before, there are patients
on three, five, seven, nine drugs.
on three, five, seven, nine drugs.
268
719110
4469
Será que já foram estudados em relação
às interações dos nove ao mesmo tempo?
às interações dos nove ao mesmo tempo?
12:15
Have they been studied with respect
to their nine-way interaction?
to their nine-way interaction?
269
723981
3642
Sim, podemos fazer com base em pares.
"A" e "B", "A" e "C", "A" e "D".
"A" e "B", "A" e "C", "A" e "D".
12:19
Yes, we can do pair-wise,
A and B, A and C, A and D,
A and B, A and C, A and D,
270
727647
4208
Mas e "A, B, C, D, E, F, G" todos juntos,
12:23
but what about A, B, C,
D, E, F, G all together,
D, E, F, G all together,
271
731879
4286
tomados pelo mesmo paciente,
12:28
being taken by the same patient,
272
736189
1762
talvez interagindo entre si
12:29
perhaps interacting with each other
273
737975
2118
de forma que talvez os deixem
mais, ou menos, eficientes;
mais, ou menos, eficientes;
12:32
in ways that either makes them
more effective or less effective
more effective or less effective
274
740117
3778
ou causem efeitos colaterais inesperados?
12:35
or causes side effects
that are unexpected?
that are unexpected?
275
743919
2332
Realmente não sabemos.
12:38
We really have no idea.
276
746275
1827
É um céu azul, campo aberto,
para usarmos dados
para usarmos dados
12:40
It's a blue sky, open field
for us to use data
for us to use data
277
748126
3756
para tentar entender
a interação de remédios.
a interação de remédios.
12:43
to try to understand
the interaction of drugs.
the interaction of drugs.
278
751906
2502
12:46
Two more lessons:
279
754848
1370
Duas outras lições:
quero que pensem
sobre o poder que pudemos gerar
sobre o poder que pudemos gerar
12:48
I want you to think about the power
that we were able to generate
that we were able to generate
280
756242
4199
com dados de pessoas que voluntariamente
informaram suas reações adversas
informaram suas reações adversas
12:52
with the data from people who had
volunteered their adverse reactions
volunteered their adverse reactions
281
760465
4711
por meio de farmacêuticos,
médicos, ou elas próprias;
médicos, ou elas próprias;
12:57
through their pharmacists,
through themselves, through their doctors,
through themselves, through their doctors,
282
765200
3269
com as pessoas que deram acesso aos
dados de Stanford, Harvard e Vanderbilt
dados de Stanford, Harvard e Vanderbilt
13:00
the people who allowed the databases
at Stanford, Harvard, Vanderbilt,
at Stanford, Harvard, Vanderbilt,
283
768493
3667
para serem usados para pesquisa.
13:04
to be used for research.
284
772184
1427
As pessoas se preocupam com dados.
13:05
People are worried about data.
285
773929
1445
Preocupam-se com sua privacidade
e segurança, e devem.
e segurança, e devem.
13:07
They're worried about their privacy
and security -- they should be.
and security -- they should be.
286
775398
3187
Precisamos de sistemas seguros.
13:10
We need secure systems.
287
778609
1151
Mas não podemos ter sistemas
que enclausuram os dados,
que enclausuram os dados,
13:11
But we can't have a system
that closes that data off,
that closes that data off,
288
779784
3406
porque são uma fonte muito rica
13:15
because it is too rich of a source
289
783214
2752
de inspiração, inovação e descoberta
13:17
of inspiration, innovation and discovery
290
785990
3971
de novas coisas para a medicina.
13:21
for new things in medicine.
291
789985
1578
13:24
And the final thing I want to say is,
292
792494
1794
Finalmente, quero dizer:
nesse caso, achamos dois remédios
e a história foi meio triste.
e a história foi meio triste.
13:26
in this case we found two drugs
and it was a little bit of a sad story.
and it was a little bit of a sad story.
293
794312
3357
São dois remédios que causam problemas.
13:29
The two drugs actually caused problems.
294
797693
1921
Aumentavam a glicose.
13:31
They increased glucose.
295
799638
1475
Poderiam levar alguém à diabetes,
13:33
They could throw somebody into diabetes
296
801137
2446
que em outra situação não a teria.
13:35
who would otherwise not be in diabetes,
297
803607
2294
então deve-se usar os dois juntos
com muito cuidado,
com muito cuidado,
13:37
and so you would want to use
the two drugs very carefully together,
the two drugs very carefully together,
298
805925
3175
talvez não usá-los juntos,
13:41
perhaps not together,
299
809124
1151
fazer outras escolhas ao prescrever.
13:42
make different choices
when you're prescribing.
when you're prescribing.
300
810299
2340
Mas tem outra possibilidade.
13:44
But there was another possibility.
301
812663
1846
Poderíamos ter encontrado
dois ou três remédios
dois ou três remédios
13:46
We could have found
two drugs or three drugs
two drugs or three drugs
302
814533
2344
que interagissem de forma benéfica.
13:48
that were interacting in a beneficial way.
303
816901
2261
13:51
We could have found new effects of drugs
304
819616
2712
Poderíamos ter achado
novos efeitos de remédios
novos efeitos de remédios
que nenhum tem quando sozinho,
13:54
that neither of them has alone,
305
822352
2160
mas juntos, ao invés
de causar um efeito colateral,
de causar um efeito colateral,
13:56
but together, instead
of causing a side effect,
of causing a side effect,
306
824536
2493
poderiam ser um novo tratamento
13:59
they could be a new and novel treatment
307
827053
2425
para doenças que não têm tratamento
14:01
for diseases that don't have treatments
308
829502
1882
ou cujos tratamentos são ineficientes.
14:03
or where the treatments are not effective.
309
831408
2007
Se pensarmos em tratamentos
com remédios hoje,
com remédios hoje,
14:05
If we think about drug treatment today,
310
833439
2395
os avanços mais importantes,
14:07
all the major breakthroughs --
311
835858
1752
contra HIV, tuberculose,
depressão, diabetes,
depressão, diabetes,
14:09
for HIV, for tuberculosis,
for depression, for diabetes --
for depression, for diabetes --
312
837634
4297
são sempre um coquetel de remédios.
14:13
it's always a cocktail of drugs.
313
841955
2830
Então tem um lado positivo aqui.
14:16
And so the upside here,
314
844809
1730
E um tema para outro dia,
para outra palestra TED.
para outra palestra TED.
14:18
and the subject for a different
TED Talk on a different day,
TED Talk on a different day,
315
846563
2849
Será assim que poderemos usar
as mesmas fontes de dados
as mesmas fontes de dados
14:21
is how can we use the same data sources
316
849436
2593
para achar bons efeitos
em combinações de remédios
em combinações de remédios
14:24
to find good effects
of drugs in combination
of drugs in combination
317
852053
3563
que forneceriam novos tratamentos,
14:27
that will provide us new treatments,
318
855640
2175
nova compreensão
de como remédios funcionam,
de como remédios funcionam,
14:29
new insights into how drugs work
319
857839
1852
14:31
and enable us to take care
of our patients even better?
of our patients even better?
320
859715
3786
e nos permitam cuidar de forma
ainda melhor de nossos pacientes?
ainda melhor de nossos pacientes?
Muito obrigado.
14:35
Thank you very much.
321
863525
1166
(Aplausos)
14:36
(Applause)
322
864715
3499
ABOUT THE SPEAKER
Russ Altman - Big data techno-optimist and internistRuss Altman uses machine learning to better understand adverse effects of medication.
Why you should listen
Professor of bioengineering, genetics, medicine and computer science at Stanford University, Russ Altman's primary research interests are in the application of computing and informatics technologies to problems relevant to medicine. He is particularly interested in methods for understanding drug actions at molecular, cellular, organism and population levels, including how genetic variation impacts drug response.
Altman received the U.S. Presidential Early Career Award for Scientists and Engineers, a National Science Foundation CAREER Award and Stanford Medical School's graduate teaching award. He has chaired the Science Board advising the FDA Commissioner and currently serves on the NIH Director’s Advisory Committee. He is a clinically active internist, the founder of the PharmGKB knowledge base, and advisor to pharmacogenomics companies.
Russ Altman | Speaker | TED.com