TEDMED 2015
Russ Altman: What really happens when you mix medications?
Russ Altman: Vad händer när man kombinerar läkemedel?
Filmed:
Readability: 4.2
1,766,922 views
Om du tar två olika läkemedel av två olika anledningar, så är risken stor att din läkare inte vet vad som händer när de kombineras, för interaktioner mellan mediciner är svåra att studera. I den här fascinerande föreläsningen berättar Russ Altman på ett enkelt sätt hur interaktioner mellan läkemedel kan studeras på ett oväntat sätt: med hjälp av sökmotorhistorik.
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
Du går till läkaren
och det tas några prover.
och det tas några prover.
00:16
The doctor determines
that you have high cholesterol
that you have high cholesterol
1
4674
2620
Läkaren fastställer
att du har högt kolesterol
att du har högt kolesterol
00:19
and you would benefit
from medication to treat it.
from medication to treat it.
2
7318
3171
och att ett läkemedel
skulle få dig att må bättre.
skulle få dig att må bättre.
00:22
So you get a pillbox.
3
10981
1556
Så du får en tablettask.
00:25
You have some confidence,
4
13505
1199
Du tror,
00:26
your physician has some confidence
that this is going to work.
that this is going to work.
5
14728
2937
din läkare tror
att det här kommer fungera.
att det här kommer fungera.
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
Företaget bakom läkemedlet
utförde en massa studier,
utförde en massa studier,
som FDA (läkemedelsinspektionen i USA)
granskade och godkände.
granskade och godkände.
00:33
They studied it very carefully,
skeptically, they approved it.
skeptically, they approved it.
7
21266
3107
Man vet ungefär
hur läkemedlet fungerar,
hur läkemedlet fungerar,
00:36
They have a rough idea of how it works,
8
24397
1889
man känner till biverkningarna ganska bra.
00:38
they have a rough idea
of what the side effects are.
of what the side effects are.
9
26310
2453
Det borde vara okej.
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
Du fortsätter tala med läkaren
00:45
and the physician is a little worried
because you've been blue,
because you've been blue,
12
33706
2963
och läkaren är lite oroad över
att du har varit nedstämd,
att du har varit nedstämd,
00:48
haven't felt like yourself,
13
36693
1293
inte känt dig som du brukar
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
och du har inte kunnat njuta av saker
på samma sätt som tidigare.
på samma sätt som tidigare.
00:53
Your physician says, "You know,
I think you have some depression.
I think you have some depression.
15
41765
3186
Din läkare säger, "Vet du,
jag tror att du lider av depression.
jag tror att du lider av depression.
00:57
I'm going to have to give
you another pill."
you another pill."
16
45792
2315
Jag ska skriva ut
ännu en tablett till dig."
ännu en tablett till dig."
01:00
So now we're talking
about two medications.
about two medications.
17
48934
2483
Så nu är det fråga om två läkemedel.
01:03
This pill also -- millions
of people have taken it,
of people have taken it,
18
51441
3104
Även den här tabletten -
miljontals människor har tagit den,
miljontals människor har tagit den,
01:06
the company did studies,
the FDA looked at it -- all good.
the FDA looked at it -- all good.
19
54569
3631
företaget har gjort studier,
FDA har kontrollerat - bra.
FDA har kontrollerat - bra.
01:10
Think things should go OK.
20
58823
2057
Det borde inte vara några problem.
01:12
Think things should go OK.
21
60904
2197
Det borde inte vara några problem.
01:15
Well, wait a minute.
22
63125
1439
Men vänta lite.
01:16
How much have we studied
these two together?
these two together?
23
64588
3517
Hur mycket har man studerat
de här två tillsammans?
de här två tillsammans?
01:20
Well, it's very hard to do that.
24
68630
2300
Det är väldigt svårt att göra det.
01:22
In fact, it's not traditionally done.
25
70954
2130
Faktum är, det brukar inte göras.
01:25
We totally depend on what we call
"post-marketing surveillance,"
"post-marketing surveillance,"
26
73108
5518
Vi måste helt och hållet lita på
"post marketing surveillance",
"post marketing surveillance",
01:30
after the drugs hit the market.
27
78650
1880
efter att läkemedlen har börjat säljas.
01:32
How can we figure out
if bad things are happening
if bad things are happening
28
80996
2848
Hur ska vi få reda på
om det händer dåliga saker
om det händer dåliga saker
01:35
between two medications?
29
83868
1357
mellan två läkemedel?
01:37
Three? Five? Seven?
30
85249
2030
Mellan tre? Fem? Sju?
01:39
Ask your favorite person
who has several diagnoses
who has several diagnoses
31
87708
2415
Fråga en person som du känner
med flera diagnoser
med flera diagnoser
01:42
how many medications they're on.
32
90147
1834
hur många mediciner de tar.
01:44
Why do I care about this problem?
33
92530
1580
Varför bryr jag mig om det här?
01:46
I care about it deeply.
34
94134
1157
Jag bryr mig oerhört.
01:47
I'm an informatics and data science guy
and really, in my opinion,
and really, in my opinion,
35
95315
4304
Min grej är IT och datavetenskap
och enligt mig
och enligt mig
01:51
the only hope -- only hope --
to understand these interactions
to understand these interactions
36
99643
3745
så är enda sättet - enda sättet -
vi kan förstå dessa interaktioner
vi kan förstå dessa interaktioner
01:55
is to leverage lots
of different sources of data
of different sources of data
37
103412
3056
genom att använda massor
av data från olika håll
av data från olika håll
01:58
in order to figure out
when drugs can be used together safely
when drugs can be used together safely
38
106492
3556
för att ta reda på när läkemedel
är säkra att användas samtidigt
är säkra att användas samtidigt
02:02
and when it's not so safe.
39
110072
1777
och när det inte är så säkert.
02:04
So let me tell you a data science story.
40
112615
2051
Nu ska ni få höra en historia.
02:06
And it begins with my student Nick.
41
114690
2154
Det börjar med min elev Nick.
02:08
Let's call him "Nick,"
because that's his name.
because that's his name.
42
116868
2380
Vi kan kalla honom "Nick"
för det är så han heter.
för det är så han heter.
02:11
(Laughter)
43
119272
1592
(Skratt)
02:12
Nick was a young student.
44
120888
1201
Nick var ung och ny.
02:14
I said, "You know, Nick, we have
to understand how drugs work
to understand how drugs work
45
122113
3079
Jag sa, "Vet du, Nick, vi behöver förstå
hur läkemedel fungerar,
hur läkemedel fungerar,
02:17
and how they work together
and how they work separately,
and how they work separately,
46
125216
2626
hur de fungerar tillsammans
och hur de fungerar enskilt,
och hur de fungerar enskilt,
02:19
and we don't have a great understanding.
47
127866
1922
för i nuläget vet vi inte."
Men FDA har offentliggjort
en fantastisk databas.
en fantastisk databas.
02:21
But the FDA has made available
an amazing database.
an amazing database.
48
129812
2405
02:24
It's a database of adverse events.
49
132241
1699
Det är en databas över biverkningar.
02:26
They literally put on the web --
50
134321
1642
De lägger upp på internet -
02:27
publicly available, you could all
download it right now --
download it right now --
51
135987
3119
allmänt tillgängligt, ni kan alla
ladda ner det nu -
ladda ner det nu -
02:31
hundreds of thousands
of adverse event reports
of adverse event reports
52
139130
3627
hundratusentals rapporter om biverkningar
02:34
from patients, doctors,
companies, pharmacists.
companies, pharmacists.
53
142781
3760
från patienter, läkare,
företag, farmaceuter.
företag, farmaceuter.
02:38
And these reports are pretty simple:
54
146565
1749
Och rapporterna är ganska simpla:
02:40
it has all the diseases
that the patient has,
that the patient has,
55
148338
2658
där står alla sjukdomar
som patienten har,
som patienten har,
02:43
all the drugs that they're on,
56
151020
1767
alla mediciner som de tar
02:44
and all the adverse events,
or side effects, that they experience.
or side effects, that they experience.
57
152811
3818
och alla biverkningar som de upplever.
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
Det är inte alla biverkningar
som sker i USA idag,
som sker i USA idag,
02:52
but it's hundreds and hundreds
of thousands of drugs.
of thousands of drugs.
59
160113
2578
men det är hundratusentals mediciner.
02:54
So I said to Nick,
60
162715
1299
Så jag sa till Nick,
02:56
"Let's think about glucose.
61
164038
1826
"Om vi tänker på glukos.
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
Glukos är viktigt och vi vet
att det har koppling till diabetes.
att det har koppling till diabetes.
03:01
Let's see if we can understand
glucose response.
glucose response.
63
169479
3970
Tänk om vi skulle försöka förstå
glukosresponsen."
glukosresponsen."
03:05
I sent Nick off. Nick came back.
64
173473
2458
Jag skickade iväg Nick. Han kom tillbaka.
03:08
"Russ," he said,
65
176248
1786
"Russ", sa han,
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
"Jag har gjort en klassificerare som kan
hitta biverkningarna av en medicin
hitta biverkningarna av en medicin
03:15
based on looking at this database,
67
183487
2051
baserat på den här databasen
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
och berätta om den medicinen sannolikt
ändrar glukosnivåer eller inte gör det."
ändrar glukosnivåer eller inte gör det."
03:21
He did it. It was very simple, in a way.
69
189857
2016
Han gjorde det. Det var väldigt enkelt.
03:23
He took all the drugs
that were known to change glucose
that were known to change glucose
70
191897
2635
Han tog alla mediciner
som är kända glukospåverkare
som är kända glukospåverkare
03:26
and a bunch of drugs
that don't change glucose,
that don't change glucose,
71
194556
2389
och en massa mediciner
som inte påverkar glukos
som inte påverkar glukos
03:28
and said, "What's the difference
in their side effects?
in their side effects?
72
196969
2888
och frågade sig,
"Vad är skillnaden i biverkningarna?
"Vad är skillnaden i biverkningarna?
03:31
Differences in fatigue? In appetite?
In urination habits?"
In urination habits?"
73
199881
4852
Skillnader i trötthet? Aptit? Urinering?"
03:36
All those things conspired
to give him a really good predictor.
to give him a really good predictor.
74
204757
2960
All den här informationen
gav honom en bra förutsägare.
gav honom en bra förutsägare.
03:39
He said, "Russ, I can predict
with 93 percent accuracy
with 93 percent accuracy
75
207741
2548
Han sa , "Russ, jag kan förutspå
med 93 % sannolikhet
med 93 % sannolikhet
när en medicin påverkar glukos."
03:42
when a drug will change glucose."
76
210313
1572
Jag sa, "Nick, det är toppen"
03:43
I said, "Nick, that's great."
77
211909
1416
Han är en ung studerande,
han behöver få självförtroende.
han behöver få självförtroende.
03:45
He's a young student,
you have to build his confidence.
you have to build his confidence.
78
213349
2896
03:48
"But Nick, there's a problem.
79
216269
1390
"Nick, det finns ett problem.
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
Alla läkare känner till
vilka mediciner som påverkar glukoshalten,
vilka mediciner som påverkar glukoshalten,
03:53
because it's core to our practice.
81
221667
2038
för det måste vi känna till.
03:55
So it's great, good job,
but not really that interesting,
but not really that interesting,
82
223729
3722
Så, jättebra jobbat,
men inte så intressant,
men inte så intressant,
03:59
definitely not publishable."
83
227475
1531
definitivt inte publicerbart."
04:01
(Laughter)
84
229030
1014
(Skratt)
04:02
He said, "I know, Russ.
I thought you might say that."
I thought you might say that."
85
230068
2550
Han sa, "Jag vet, Russ. Jag gissade det."
Nick är smart.
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
"Jag gissade det,
så jag gjorde ett annat experiment.
så jag gjorde ett annat experiment.
04:09
I looked at people in this database
who were on two drugs,
who were on two drugs,
88
237047
2928
Jag kollade på personer i databasen
som tog två mediciner
som tog två mediciner
04:11
and I looked for signals similar,
glucose-changing signals,
glucose-changing signals,
89
239999
4422
och sökte efter liknande signaler
på glukosförändring,
på glukosförändring,
04:16
for people taking two drugs,
90
244445
1624
hos personer som tar två mediciner
04:18
where each drug alone
did not change glucose,
did not change glucose,
91
246093
5569
men där medicinerna var för sig
inte ändrar glukoshalten,
inte ändrar glukoshalten,
04:23
but together I saw a strong signal."
92
251686
2460
men gav starka signaler
när de användes samtidigt."
när de användes samtidigt."
04:26
And I said, "Oh! You're clever.
Good idea. Show me the list."
Good idea. Show me the list."
93
254170
3149
Jag sa, "Smart! Bra idé. Visa mig listan."
04:29
And there's a bunch of drugs,
not very exciting.
not very exciting.
94
257343
2254
Det är en massa mediciner,
inte så intressant.
inte så intressant.
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
Men det som fångade mitt intresse
var ett par mediciner:
var ett par mediciner:
04:35
paroxetine, or Paxil, an antidepressant;
96
263577
3393
paroxetin, eller Seroxat, antidepressiv;
04:39
and pravastatin, or Pravachol,
a cholesterol medication.
a cholesterol medication.
97
267756
3570
och pravastatin, eller Pravachol,
en kolesterolmedicin.
en kolesterolmedicin.
04:43
And I said, "Huh. There are millions
of Americans on those two drugs."
of Americans on those two drugs."
98
271936
4283
Jag sa, "Oj. Det finns miljontals
amerikaner som tar båda medicinerna."
amerikaner som tar båda medicinerna."
04:48
In fact, we learned later,
99
276243
1246
Vi fick senare reda på,
04:49
15 million Americans on paroxetine
at the time, 15 million on pravastatin,
at the time, 15 million on pravastatin,
100
277513
6032
att då använde 15 miljoner amerikaner
paroxetin och 15 miljoner pravastatin
paroxetin och 15 miljoner pravastatin
04:55
and a million, we estimated, on both.
101
283569
2817
och vi uppskattade att
en miljon använde bägge.
en miljon använde bägge.
04:58
So that's a million people
102
286767
1254
En miljon människor
05:00
who might be having some problems
with their glucose
with their glucose
103
288045
2453
som kanske har problem med glukosnivåerna
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
om det här maskininlärningssvamlet
som han gjorde i FDA-databasen
som han gjorde i FDA-databasen
05:05
actually holds up.
105
293752
1254
faktiskt stämmer.
05:07
But I said, "It's still not publishable,
106
295030
1927
Jag sa, "Vi kan inte publicera ännu,
05:08
because I love what you did
with the mumbo jumbo,
with the mumbo jumbo,
107
296981
2296
för jag gillar det du gjorde
med allt svammel,
med allt svammel,
05:11
with the machine learning,
108
299301
1246
med maskininlärning,
05:12
but it's not really standard-of-proof
evidence that we have."
evidence that we have."
109
300571
3864
men det är inte riktigt vattentäta bevis
som vi har."
som vi har."
05:17
So we have to do something else.
110
305618
1589
Vi måste göra mer.
05:19
Let's go into the Stanford
electronic medical record.
electronic medical record.
111
307231
2876
Vi går in på Stanfords
elektroniska medicinska arkiv.
elektroniska medicinska arkiv.
Vi har en kopia
som kan användas i forskning,
som kan användas i forskning,
05:22
We have a copy of it
that's OK for research,
that's OK for research,
112
310131
2064
05:24
we removed identifying information.
113
312219
2046
identitetsinformationen är utsuddad.
05:26
And I said, "Let's see if people
on these two drugs
on these two drugs
114
314581
2503
Jag sa, "Vi ska se om de
som tar båda medicinerna
som tar båda medicinerna
05:29
have problems with their glucose."
115
317108
1769
har problem med glukosnivåerna."
05:31
Now there are thousands
and thousands of people
and thousands of people
116
319242
2207
Det finns tusentals personer
05:33
in the Stanford medical records
that take paroxetine and pravastatin.
that take paroxetine and pravastatin.
117
321473
3459
i Stanfords medicinska arkiv
som tar paroxetin och pravastatin.
som tar paroxetin och pravastatin.
05:36
But we needed special patients.
118
324956
1799
Men vi sökte en viss typ av patient.
05:38
We needed patients who were on one of them
and had a glucose measurement,
and had a glucose measurement,
119
326779
4597
Vi sökte patienter som gick på en av dem
och var med om en glukosmätning,
och var med om en glukosmätning,
05:43
then got the second one and had
another glucose measurement,
another glucose measurement,
120
331400
3449
sedan fick den andra
och var med om en annan glukosmätning,
och var med om en annan glukosmätning,
05:46
all within a reasonable period of time --
something like two months.
something like two months.
121
334873
3615
allt inom en rimlig tid -
ungefär två månader.
ungefär två månader.
05:50
And when we did that,
we found 10 patients.
we found 10 patients.
122
338512
3159
Vi hittade 10 patienter.
05:54
However, eight out of the 10
had a bump in their glucose
had a bump in their glucose
123
342592
4538
8 av 10 fick en ökning av glukoshalten
05:59
when they got the second P --
we call this P and P --
we call this P and P --
124
347154
2645
när de fick sitt andra P -
vi kallar det P och P -
vi kallar det P och P -
06:01
when they got the second P.
125
349823
1310
när de fick sitt andra P.
06:03
Either one could be first,
the second one comes up,
the second one comes up,
126
351157
2562
Någondera kommer först,
sedan kommer den andra,
sedan kommer den andra,
06:05
glucose went up
20 milligrams per deciliter.
20 milligrams per deciliter.
127
353743
2847
glukoshalten stiger
20 milligram per deciliter.
20 milligram per deciliter.
06:08
Just as a reminder,
128
356614
1158
Som en påminnelse,
06:09
you walk around normally,
if you're not diabetic,
if you're not diabetic,
129
357796
2325
du har vanligtvis,
om du inte är diabetiker,
om du inte är diabetiker,
ett glukos på ungefär 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
Om det stiger till 120, 125,
06:15
your doctor begins to think
about a potential diagnosis of diabetes.
about a potential diagnosis of diabetes.
132
363628
3450
då börjar din läkare överväga
en diabetesdiagnos.
en diabetesdiagnos.
06:19
So a 20 bump -- pretty significant.
133
367102
2991
Så en ökning på 20 - ganska betydande.
06:22
I said, "Nick, this is very cool.
134
370601
1904
Jag sa, "Nick, det här är häftigt.
06:25
But, I'm sorry, we still
don't have a paper,
don't have a paper,
135
373616
2053
Men tyvärr har vi inte en artikel ännu,
för det här är 10 patienter, och kom igen,
06:27
because this is 10 patients
and -- give me a break --
and -- give me a break --
136
375693
2579
det är inte tillräckligt."
06:30
it's not enough patients."
137
378296
1245
Så vad skulle vi göra?
06:31
So we said, what can we do?
138
379565
1306
06:32
And we said, let's call our friends
at Harvard and Vanderbilt,
at Harvard and Vanderbilt,
139
380895
2976
Vi ringde våra vänner
vid Harvard och Vanderbilt,
vid Harvard och Vanderbilt,
som också - Harvard i Boston,
Vanderbilt i Nashville,
Vanderbilt i 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
som liksom vi har
elektroniska medicinska arkiv.
elektroniska medicinska arkiv.
06:41
Let's see if they can find
similar patients
similar patients
142
389351
2020
Kanske de kan hitta liknande patienter
06:43
with the one P, the other P,
the glucose measurements
the glucose measurements
143
391395
3276
med ett P, sedan ett annat P,
glukosmätningarna
glukosmätningarna
06:46
in that range that we need.
144
394695
1600
i den skala vi behöver.
06:48
God bless them, Vanderbilt
in one week found 40 such patients,
in one week found 40 such patients,
145
396787
4955
Tack och lov, Vanderbilt hittade
40 patienter på en vecka,
40 patienter på en vecka,
06:53
same trend.
146
401766
1189
samma tendens.
06:55
Harvard found 100 patients, same trend.
147
403804
3620
Harvard hittade 100 patienter,
samma trend.
samma trend.
06:59
So at the end, we had 150 patients
from three diverse medical centers
from three diverse medical centers
148
407448
4281
Så till slut hade vi 150 patienter
från tre olika sjukhus
från tre olika sjukhus
07:03
that were telling us that patients
getting these two drugs
getting these two drugs
149
411753
3297
som visade att patienter
med dessa två mediciner
med dessa två mediciner
07:07
were having their glucose bump
somewhat significantly.
somewhat significantly.
150
415074
2703
får en signifikant ökning av glukoshalten.
07:10
More interestingly,
we had left out diabetics,
we had left out diabetics,
151
418317
2810
Dessutom hade vi utelämnat diabetiker,
07:13
because diabetics already
have messed up glucose.
have messed up glucose.
152
421151
2317
för de har redan instabila glukoshalter.
07:15
When we looked
at the glucose of diabetics,
at the glucose of diabetics,
153
423492
2238
När vi tittade på glukoshalterna
hos diabetiker,
hos diabetiker,
07:17
it was going up 60 milligrams
per deciliter, not just 20.
per deciliter, not just 20.
154
425754
3435
så var det en ökning
på 60 mg/dl, inte bara 20.
på 60 mg/dl, inte bara 20.
07:21
This was a big deal, and we said,
"We've got to publish this."
"We've got to publish this."
155
429760
3452
Det var en viktig upptäckt och vi tänkte,
"Vi måste publicera det här."
"Vi måste publicera det här."
Vi skickade in artikeln.
07:25
We submitted the paper.
156
433236
1179
07:26
It was all data evidence,
157
434439
2111
Den bestod enbart av bevis i form av data,
07:28
data from the FDA, data from Stanford,
158
436574
2483
data från FDA, data från Stanford,
07:31
data from Vanderbilt, data from Harvard.
159
439081
1946
data från Vanderbilt, data från Harvard.
07:33
We had not done a single real experiment.
160
441051
2396
Vi hade inte utfört
ett enda riktigt experiment,
ett enda riktigt experiment,
07:36
But we were nervous.
161
444495
1296
Men vi var nervösa.
07:38
So Nick, while the paper
was in review, went to the lab.
was in review, went to the lab.
162
446201
3730
Medan artikeln granskades
gick Nick till labbet.
gick Nick till labbet.
07:41
We found somebody
who knew about lab stuff.
who knew about lab stuff.
163
449955
2462
Vi hittade någon som kunde labbgrejer.
07:44
I don't do that.
164
452441
1393
Jag gör inte sånt.
07:45
I take care of patients,
but I don't do pipettes.
but I don't do pipettes.
165
453858
2417
Jag tar hand om patienter,
men har inga pipetter.
men har inga pipetter.
07:49
They taught us how to feed mice drugs.
166
457420
3053
De lärde oss hur man
ger mediciner till möss.
ger mediciner till möss.
07:52
We took mice and we gave them
one P, paroxetine.
one P, paroxetine.
167
460864
2414
Vi tog några möss och gav dem
ett P, paroxetin.
ett P, paroxetin.
07:55
We gave some other mice pravastatin.
168
463302
2508
Till några andra möss gav vi pravastatin.
07:57
And we gave a third group
of mice both of them.
of mice both of them.
169
465834
3595
Och den tredje gruppen
fick båda medicinerna.
fick båda medicinerna.
08:01
And lo and behold, glucose went up
20 to 60 milligrams per deciliter
20 to 60 milligrams per deciliter
170
469893
3946
Och hör och häpna, glukoshalten gick
från 20 till 60 mg/dl
från 20 till 60 mg/dl
08:05
in the mice.
171
473863
1171
hos mössen.
08:07
So the paper was accepted
based on the informatics evidence alone,
based on the informatics evidence alone,
172
475058
3158
Så artikeln godkändes baserat enbart
på bevis i form av data,
på bevis i form av data,
08:10
but we added a little note at the end,
173
478240
1894
men vi lade till en slutnot,
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
där det stod att möss får högre glukoshalt
om de tar dem.
om de tar dem.
08:15
That was great, and the story
could have ended there.
could have ended there.
175
483081
2508
Det var härligt och här skulle
historien kunna sluta.
historien kunna sluta.
08:17
But I still have six and a half minutes.
176
485613
1997
Men jag har sex och en halv minut kvar.
08:19
(Laughter)
177
487634
2807
(Skratt)
08:22
So we were sitting around
thinking about all of this,
thinking about all of this,
178
490465
2815
Vi satt och pratade om det här
08:25
and I don't remember who thought
of it, but somebody said,
of it, but somebody said,
179
493304
2735
och jag minns inte vem det var,
men någon sa,
men någon sa,
"Jag undrar om patienter
som tar de här två medicinerna
som tar de här två medicinerna
08:28
"I wonder if patients
who are taking these two drugs
who are taking these two drugs
180
496063
3201
08:31
are noticing side effects
of hyperglycemia.
of hyperglycemia.
181
499288
3553
har symptom på hyperglykemi.
08:34
They could and they should.
182
502865
1496
Det borde de ha.
08:36
How would we ever determine that?"
183
504761
1877
Hur ska vi någonsin få reda på det?"
08:39
We said, well, what do you do?
184
507551
1443
Vi tänkte, vad gör man?
08:41
You're taking a medication,
one new medication or two,
one new medication or two,
185
509018
2580
Man tar en medicin,
en ny medicin eller två
en ny medicin eller två
08:43
and you get a funny feeling.
186
511622
1538
och man börjar må underligt.
08:45
What do you do?
187
513184
1151
Vad gör man då?
08:46
You go to Google
188
514359
1151
Man går till Google
och man skriver in medicinerna man tar
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
08:50
and you type in "side effects."
190
518907
1603
och man skriver "biverkningar".
08:52
What are you experiencing?
191
520534
1356
Vad upplever du?
08:54
So we said OK,
192
522239
1151
Så vi tänkte att,
08:55
let's ask Google if they will share
their search logs with us,
their search logs with us,
193
523414
3056
vi frågar Google om de vill
dela sin sökhistorik med oss,
dela sin sökhistorik med oss,
08:58
so that we can look at the search logs
194
526494
1833
så att vi kan titta på sökhistoriken
09:00
and see if patients are doing
these kinds of searches.
these kinds of searches.
195
528351
2565
och se om patienter gör
sådana här sökningar.
sådana här sökningar.
09:02
Google, I am sorry to say,
denied our request.
denied our request.
196
530940
3275
Google tackade nej, tyvärr.
09:06
So I was bummed.
197
534819
1151
Jag var besviken.
09:07
I was at a dinner with a colleague
who works at Microsoft Research
who works at Microsoft Research
198
535994
3166
Jag var på middag med en kollega
från Microsoft Research
från Microsoft Research
jag sa, "Vi ville göra den här studien,
09:11
and I said, "We wanted to do this study,
199
539184
1941
Google sa nej, det var trist."
09:13
Google said no, it's kind of a bummer."
200
541149
1880
Han sa, "Vi har sökmotorn Bing."
09:15
He said, "Well, we have
the Bing searches."
the Bing searches."
201
543053
2086
(Skratt)
09:18
(Laughter)
202
546195
3483
09:22
Yeah.
203
550805
1267
Jepp.
09:24
That's great.
204
552096
1151
Det är härligt.
09:25
Now I felt like I was --
205
553271
1151
Nu kändes det som att -
09:26
(Laughter)
206
554446
1000
(Skratt)
09:27
I felt like I was talking to Nick again.
207
555470
2412
som att prata med Nick igen.
09:30
He works for one of the largest
companies in the world,
companies in the world,
208
558437
2624
Han jobbar för en av de
största företagen i världen
största företagen i världen
09:33
and I'm already trying
to make him feel better.
to make him feel better.
209
561085
2206
och jag försöker trösta honom.
Men han sa, "Russ - du förstår inte.
09:35
But he said, "No, Russ --
you might not understand.
you might not understand.
210
563315
2445
Vi har inte bara bingsökningar,
09:37
We not only have Bing searches,
211
565784
1500
men om man använder Internet Explorer
för att göra googlesökningar,
för att göra googlesökningar,
09:39
but if you use Internet Explorer
to do searches at Google,
to do searches at Google,
212
567308
3340
Yahoo, Bing, vad som helst...
09:42
Yahoo, Bing, any ...
213
570672
1891
09:44
Then, for 18 months, we keep that data
for research purposes only."
for research purposes only."
214
572587
3643
Vi sparar informationen i 18 månader
i forskningssyfte."
i forskningssyfte."
Jag sa, "Nu är vi inne på något!"
09:48
I said, "Now you're talking!"
215
576254
1936
09:50
This was Eric Horvitz,
my friend at Microsoft.
my friend at Microsoft.
216
578214
2198
Det var Eric Horvitz,
min vän på Microsoft.
min vän på Microsoft.
09:52
So we did a study
217
580436
1695
Så vi gjorde en studie
där vi definierade 50 ord
som en vanlig person skulle skriva
som en vanlig person skulle skriva
09:54
where we defined 50 words
that a regular person might type in
that a regular person might type in
218
582155
4619
om de har hyperglykemi,
09:58
if they're having hyperglycemia,
219
586798
1602
som "trötthet", "tappat aptiten",
"urinerar ofta", "kissar ofta" -
"urinerar ofta", "kissar ofta" -
10:00
like "fatigue," "loss of appetite,"
"urinating a lot," "peeing a lot" --
"urinating a lot," "peeing a lot" --
220
588424
4762
ursäkta, men det är en sak
som man kanske skriver.
som man kanske skriver.
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
Så vi hade 50 fraser
som vi kallade "diabetesord".
som vi kallade "diabetesord".
10:08
So we had 50 phrases
that we called the "diabetes words."
that we called the "diabetes words."
222
596001
2790
Och först gjorde vi en måttstock.
10:10
And we did first a baseline.
223
598815
2063
10:12
And it turns out
that about .5 to one percent
that about .5 to one percent
224
600902
2704
Det visar sig att ungefär en halv
till en procent
till en procent
10:15
of all searches on the Internet
involve one of those words.
involve one of those words.
225
603630
2982
av alla sökningar på internet
innehåller någon av de fraserna.
innehåller någon av de fraserna.
Så det är vår måttstock.
10:18
So that's our baseline rate.
226
606636
1742
Om folk skriver "paroxetin"
eller "Seroxat" - det är samma sak -
eller "Seroxat" - det är samma sak -
10:20
If people type in "paroxetine"
or "Paxil" -- those are synonyms --
or "Paxil" -- those are synonyms --
227
608402
4143
10:24
and one of those words,
228
612569
1215
och en av de fraserna,
10:25
the rate goes up to about two percent
of diabetes-type words,
of diabetes-type words,
229
613808
4890
så är andelen diabetesord två procent,
10:30
if you already know
that there's that "paroxetine" word.
that there's that "paroxetine" word.
230
618722
3044
om man redan vet att det finns
ett ord för paroxetin.
ett ord för paroxetin.
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
Om det är "pravastatin",
så är andelen tre procent.
så är andelen tre procent.
10:39
If both "paroxetine" and "pravastatin"
are present in the query,
are present in the query,
232
627171
4390
Om både "paroxetin" och "pravastatin"
finns med i frågan,
finns med i frågan,
10:43
it goes up to 10 percent,
233
631585
1669
så går det upp till 10 procent,
10:45
a huge three- to four-fold increase
234
633278
3461
en enorm tre- till fyrfaldig ökning
i sökningarna med de två mediciner
som vi undersökte
som vi undersökte
10:48
in those searches with the two drugs
that we were interested in,
that we were interested in,
235
636763
3389
och diabetesord eller hyperglykemiord.
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
Vi publicerade detta,
10:57
and it got some attention.
238
645505
1466
det fick en del uppmärksamhet.
10:58
The reason it deserves attention
239
646995
1778
Det förtjänar uppmärksamet
11:00
is that patients are telling us
their side effects indirectly
their side effects indirectly
240
648797
4312
därför att patienterna berättar
om sina biverkningar indirekt
om sina biverkningar indirekt
11:05
through their searches.
241
653133
1156
genom sina sökningar.
11:06
We brought this
to the attention of the FDA.
to the attention of the FDA.
242
654313
2138
Vi uppmärksammade FDA på detta.
De var intresserade.
11:08
They were interested.
243
656475
1269
De har satt igång övervakningsprogram
i sociala medier
i sociala medier
11:09
They have set up social media
surveillance programs
surveillance programs
244
657768
3606
i samarbete med Microsoft,
11:13
to collaborate with Microsoft,
245
661398
1751
11:15
which had a nice infrastructure
for doing this, and others,
for doing this, and others,
246
663173
2794
som hade en lämplig infrastruktur,
och andra,
och andra,
11:17
to look at Twitter feeds,
247
665991
1282
man kollar twitterflöden,
11:19
to look at Facebook feeds,
248
667297
1716
man kollar på facebookflöden,
11:21
to look at search logs,
249
669037
1311
sökmotorhistorik,
för att hitta tidiga tecken på mediciner,
som enskilt eller tillsammans,
som enskilt eller tillsammans,
11:22
to try to see early signs that drugs,
either individually or together,
either individually or together,
250
670372
4909
11:27
are causing problems.
251
675305
1589
skapar problem.
11:28
What do I take from this?
Why tell this story?
Why tell this story?
252
676918
2174
Varför berättar jag det här?
11:31
Well, first of all,
253
679116
1207
För det första,
11:32
we have now the promise
of big data and medium-sized data
of big data and medium-sized data
254
680347
4037
så är det nu möjligt att med hjälp av
"big data" och medelstora data
"big data" och medelstora data
11:36
to help us understand drug interactions
255
684408
2918
att förstå interaktioner mellan mediciner
11:39
and really, fundamentally, drug actions.
256
687350
2420
och medicinernas verkan.
11:41
How do drugs work?
257
689794
1413
Hur fungerar mediciner?
11:43
This will create and has created
a new ecosystem
a new ecosystem
258
691231
2836
Det här har skapat ett nytt ekosystem
11:46
for understanding how drugs work
and to optimize their use.
and to optimize their use.
259
694091
3267
för att förstå medicinernas verkan
och optimera användningen av dem.
och optimera användningen av dem.
11:50
Nick went on; he's a professor
at Columbia now.
at Columbia now.
260
698303
2659
Nick fortsatte; han är professor
vid Columbia nu.
vid Columbia nu.
11:52
He did this in his PhD
for hundreds of pairs of drugs.
for hundreds of pairs of drugs.
261
700986
4072
I sin doktorsavhandling gjorde han
samma sak med hundratals mediciner.
samma sak med hundratals mediciner.
11:57
He found several
very important interactions,
very important interactions,
262
705082
2517
Han hittade flera viktiga interaktioner,
11:59
and so we replicated this
263
707623
1214
så vi upprepade det här
12:00
and we showed that this
is a way that really works
is a way that really works
264
708861
2574
och vi visade att det här
är ett fungerande sätt
är ett fungerande sätt
12:03
for finding drug-drug interactions.
265
711459
2339
när man vill hitta
interaktioner mellan mediciner.
interaktioner mellan mediciner.
12:06
However, there's a couple of things.
266
714282
1734
Men det är inte allt.
12:08
We don't just use pairs
of drugs at a time.
of drugs at a time.
267
716040
3046
Vi använder inte bara
två mediciner åt gången.
två mediciner åt gången.
12:11
As I said before, there are patients
on three, five, seven, nine drugs.
on three, five, seven, nine drugs.
268
719110
4469
Det finns patienter som tar
tre, fem, sju, nio mediciner.
tre, fem, sju, nio mediciner.
12:15
Have they been studied with respect
to their nine-way interaction?
to their nine-way interaction?
269
723981
3642
Har de studerats med tanke på
den niofaldiga interaktionen?
den niofaldiga interaktionen?
Vi kan göra det parvis,
A och B, A och C, A och D,
A och B, A och C, A och 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
men hur blir det om A, B, C, D,
E, F, G, alla tillsammans,
E, F, G, alla tillsammans,
12:23
but what about A, B, C,
D, E, F, G all together,
D, E, F, G all together,
271
731879
4286
tas av samma patient
12:28
being taken by the same patient,
272
736189
1762
och kanske interagerar sinsemellan
12:29
perhaps interacting with each other
273
737975
2118
så att de förstärker
eller försvagar varandra,
eller försvagar varandra,
12:32
in ways that either makes them
more effective or less effective
more effective or less effective
274
740117
3778
12:35
or causes side effects
that are unexpected?
that are unexpected?
275
743919
2332
eller ger oväntade biverkningar?
12:38
We really have no idea.
276
746275
1827
Vi har ingen aning.
Det är outforskat område, att använda data
12:40
It's a blue sky, open field
for us to use data
for us to use data
277
748126
3756
för att ta reda på
interaktioner mellan mediciner.
interaktioner mellan mediciner.
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
Två saker till:
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
Jag vill att ni tänker på
hur mycket vi kunde få fram
hur mycket vi kunde få fram
ur data från människor som
frivilligt rapporterade sina biverkningar
frivilligt rapporterade sina biverkningar
12:52
with the data from people who had
volunteered their adverse reactions
volunteered their adverse reactions
281
760465
4711
12:57
through their pharmacists,
through themselves, through their doctors,
through themselves, through their doctors,
282
765200
3269
genom sina farmaceuter, av sig själva,
genom sina läkare,
genom sina läkare,
personerna som lät sin information
vid Stanford, Harvard, Vanderbilt,
vid Stanford, Harvard, Vanderbilt,
13:00
the people who allowed the databases
at Stanford, Harvard, Vanderbilt,
at Stanford, Harvard, Vanderbilt,
283
768493
3667
användas i forskningssyfte.
13:04
to be used for research.
284
772184
1427
13:05
People are worried about data.
285
773929
1445
Folk oroar sig för data.
De oroar sig över integritet
och säkerhet - med rätta.
och säkerhet - med rätta.
13:07
They're worried about their privacy
and security -- they should be.
and security -- they should be.
286
775398
3187
Vi behöver säkra system.
13:10
We need secure systems.
287
778609
1151
Men vi kan inte ha system
som stänger ut den typen av data,
som stänger ut den typen av data,
13:11
But we can't have a system
that closes that data off,
that closes that data off,
288
779784
3406
för det är en så rik källa
13:15
because it is too rich of a source
289
783214
2752
13:17
of inspiration, innovation and discovery
290
785990
3971
till inspiration, innovation och upptäckt
13:21
for new things in medicine.
291
789985
1578
av nya saker inom medicinen.
13:24
And the final thing I want to say is,
292
792494
1794
Och till sist vill jag säga,
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
i det här fallet hittade vi två mediciner
och det var ganska sorgligt.
och det var ganska sorgligt.
13:29
The two drugs actually caused problems.
294
797693
1921
De två medicinerna skapade problem.
13:31
They increased glucose.
295
799638
1475
De ökade glukoshalten.
13:33
They could throw somebody into diabetes
296
801137
2446
De kunde ge någon diabetes
13:35
who would otherwise not be in diabetes,
297
803607
2294
som inte skulle ha haft diabetes annars,
13:37
and so you would want to use
the two drugs very carefully together,
the two drugs very carefully together,
298
805925
3175
så man bör använda de två medicinerna
med försiktighet,
med försiktighet,
kanske inte tillsammans,
13:41
perhaps not together,
299
809124
1151
göra andra val
när man skriver ut mediciner.
när man skriver ut mediciner.
13:42
make different choices
when you're prescribing.
when you're prescribing.
300
810299
2340
Men det finns en annan möjlighet.
13:44
But there was another possibility.
301
812663
1846
Vi skulle ha kunnat hitta
två eller tre mediciner
två eller tre mediciner
13:46
We could have found
two drugs or three drugs
two drugs or three drugs
302
814533
2344
13:48
that were interacting in a beneficial way.
303
816901
2261
som interagerar på ett gynnsamt sätt.
13:51
We could have found new effects of drugs
304
819616
2712
Vi skulle ha kunnat hitta
nya effekter av mediciner
nya effekter av mediciner
13:54
that neither of them has alone,
305
822352
2160
som de inte har var för sig,
men tillsammans, i stället
för biverkningar,
för biverkningar,
13:56
but together, instead
of causing a side effect,
of causing a side effect,
306
824536
2493
13:59
they could be a new and novel treatment
307
827053
2425
kan de skapa en ny behandlingsform
för sjukdomar som saknar behandling
14:01
for diseases that don't have treatments
308
829502
1882
eller där behandlingarna är ineffektiva.
14:03
or where the treatments are not effective.
309
831408
2007
Om vi tänker på läkemedelsbehandling idag,
14:05
If we think about drug treatment today,
310
833439
2395
alla stora genombrott -
14:07
all the major breakthroughs --
311
835858
1752
för HIV, för tuberkulos,
för depression, för diabetes -
för depression, för diabetes -
14:09
for HIV, for tuberculosis,
for depression, for diabetes --
for depression, for diabetes --
312
837634
4297
det är alltid en kombination av mediciner.
14:13
it's always a cocktail of drugs.
313
841955
2830
14:16
And so the upside here,
314
844809
1730
Så fördelen här -
14:18
and the subject for a different
TED Talk on a different day,
TED Talk on a different day,
315
846563
2849
och det är ämnet för ett annat TED Talk
en annan dag -
en annan dag -
är att vi kan använda samma datakällor
14:21
is how can we use the same data sources
316
849436
2593
14:24
to find good effects
of drugs in combination
of drugs in combination
317
852053
3563
för att hitta goda effekter
av medicinkombinationer
av medicinkombinationer
14:27
that will provide us new treatments,
318
855640
2175
som kan ge oss nya behandlingar,
nya insikter i hur mediciner fungerar
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
och hjälpa oss att ta hand om
våra patienter ännu bättre?
våra patienter ännu bättre?
14:35
Thank you very much.
321
863525
1166
Tack så mycket.
14:36
(Applause)
322
864715
3499
(Applåder)
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