TEDGlobal 2012
Susan Solomon: The promise of research with stem cells
Σούζαν Σόλομον: Η υποσχόμενη έρευνα με τα βλαστοκύτταρα
Filmed:
Readability: 4.9
927,801 views
Αποκαλώντας τα «εργαλεία επιδιόρθωσης του σώματός μας» η Σούζαν Σόλομον συνηγορεί υπέρ της έρευνας με τη χρήση βλαστοκυττάρων καλλιεργημένων στο εργαστήριο. Καλλιεργώντας ατομικές πολυδύναμες γραμμές βλαστοκυττάρων, η ομάδα της δημιουργεί πλατφόρμες δοκιμών που θα μπορούσαν να επιταχύνουν την έρευνα για τη θεραπεία ασθενειών- και πιθανόν να οδηγήσουν σε προσωποποιημένη θεραπεία, που στοχεύει όχι απλώς σε μια συγκεκριμένη ασθένεια αλλά σε συγκεκριμένο άτομο.
Susan Solomon - Stem cell research advocate
Susan Solomon enables support for human stem cell research, aiming to cure major diseases and empower more personalized medicine. Full bio
Susan Solomon enables support for human stem cell research, aiming to cure major diseases and empower more personalized medicine. Full bio
Double-click the English transcript below to play the video.
00:17
So, embryonic stem cells
0
1121
2989
Τα εμβρυονικά βλαστοκύτταρα
00:20
are really incredible cells.
1
4110
3300
είναι πραγματικά απίστευτα κύτταρα.
00:23
They are our body's own repair kits,
2
7410
2788
Είναι τα εργαλεία επιδιόρθωσης του ίδιου του σώματός μας,
00:26
and they're pluripotent, which means they can morph into
3
10198
2964
και είναι πολυδύναμα, πράγμα που σημαίνει ότι μπορούν να
00:29
all of the cells in our bodies.
4
13162
2432
προσαρμόζονται σε όλα τα κύτταρα του σώματός μας.
00:31
Soon, we actually will be able to use stem cells
5
15594
2688
Σύντομα θα έχουμε τη δυνατότητα να χρησιμοποιούμε τα βλαστοκύτταρα
00:34
to replace cells that are damaged or diseased.
6
18282
2985
για να αντικαταστήσουμε κατεστραμμένα ή άρρωστα κύτταρα.
00:37
But that's not what I want to talk to you about,
7
21267
2431
Δε θα σας μιλήσω όμως γι' αυτό,
00:39
because right now there are some really
8
23698
2678
διότι τώρα κάνουμε
00:42
extraordinary things that we are doing with stem cells
9
26376
3946
εξαιρετικά πράγματα με τα βλαστοκύτταρα
00:46
that are completely changing
10
30322
1607
που αλλάζουν ριζικά
00:47
the way we look and model disease,
11
31929
2899
τον τρόπο που εξετάζουμε και κατηγοριοποιούμε τις ασθένειες,
00:50
our ability to understand why we get sick,
12
34828
2519
την ικανότητα να κατανοούμε γιατί αρρωσταίνουμε,
00:53
and even develop drugs.
13
37347
2431
ακόμη και την παραγωγή φαρμάκων.
00:55
I truly believe that stem cell research is going to allow
14
39778
4313
Ειλικρινά πιστεύω ότι αυτή η έρευνα στα βλαστοκύτταρα θα επιτρέψει
00:59
our children to look at Alzheimer's and diabetes
15
44091
4505
στα παιδιά μας να αντιμετωπίζουν τη νόσο Αλτσχάιμερ, τον διαβήτη
01:04
and other major diseases the way we view polio today,
16
48596
4391
και άλλες σημαντικές ασθένειες όπως αντιμετωπίζουμε την πολιομυελίτιδα σήμερα,
01:08
which is as a preventable disease.
17
52987
3201
δηλαδή σαν μια ασθένεια που μπορεί να προληφθεί.
01:12
So here we have this incredible field, which has
18
56188
3223
Έχουμε λοιπόν αυτό τον καταπληκτικό τομέα, που
01:15
enormous hope for humanity,
19
59411
4387
είναι απεριόριστα ελπιδοφόρος για την ανθρωπότητα,
01:19
but much like IVF over 35 years ago,
20
63798
3520
όπως η εξωσωματική γονιμοποίηση πριν από 35 χρόνια,
01:23
until the birth of a healthy baby, Louise,
21
67318
2334
μέχρι τη γέννηση ενός υγιούς μωρού, της Λουίζας,
01:25
this field has been under siege politically and financially.
22
69652
5069
αυτός ο τομέας τελούσε υπό πολιορκία, πολιτικά και οικονομικά.
01:30
Critical research is being challenged instead of supported,
23
74721
4272
Σημαντικές έρευνες αμφισβητούνται αντί να υποστηρίζονται,
01:34
and we saw that it was really essential to have
24
78993
4360
και είδαμε ότι ήταν πράγματι ουσιαστικό
01:39
private safe haven laboratories where this work
25
83353
3531
να έχουμε την ασφάλεια ιδιωτικών εργαστηρίων όπου αυτή η δουλειά
01:42
could be advanced without interference.
26
86884
2830
θα μπορούσε να προχωρήσει χωρίς καμία παρέμβαση.
01:45
And so, in 2005,
27
89714
2531
Έτσι, το 2005,
01:48
we started the New York Stem Cell Foundation Laboratory
28
92245
2612
ιδρύσαμε το Ίδρυμα- Εργαστήριο Βλαστοκυττάρων της Νέας Υόρκης
01:50
so that we would have a small organization that could
29
94857
3589
για να έχουμε ένα μικρό οργανισμό
01:54
do this work and support it.
30
98446
3312
που θα μπορούσε να κάνει και να υποστηρίζει αυτή τη δουλειά.
01:57
What we saw very quickly is the world of both medical
31
101758
3385
Σύντομα διαπιστώσαμε ότι τόσο ο κόσμος της ιατρικής έρευνας όσο
02:01
research, but also developing drugs and treatments,
32
105143
3376
και αυτός της παρασκευής φαρμάκων και θεραπειών,
02:04
is dominated by, as you would expect, large organizations,
33
108519
3713
κυριαρχείται, όπως καταλαβαίνετε, από μεγάλους οργανισμούς,
02:08
but in a new field, sometimes large organizations
34
112232
3119
αλλά σε ένα νέο πεδίο οι μεγάλοι οργανισμοί, μερικές φορές,
02:11
really have trouble getting out of their own way,
35
115351
2168
έχουν πραγματική αδυναμία να ξεφύγουν από τα καθιερωμένα,
02:13
and sometimes they can't ask the right questions,
36
117519
2436
και καμιά φορά δεν μπορούν να κάνουν τις σωστές ερωτήσεις,
02:15
and there is an enormous gap that's just gotten larger
37
119955
3356
και υπάρχει μεγάλο χάσμα, που έγινε μεγαλύτερο
02:19
between academic research on the one hand
38
123311
3211
ανάμεσα στην ακαδημαϊκή έρευνα
02:22
and pharmaceutical companies and biotechs
39
126522
2701
και τις εταιρείες φαρμάκων και βιοτεχνολογίας
02:25
that are responsible for delivering all of our drugs
40
129223
3266
που έχουν την ευθύνη να παράγουν όλα τα φάρμακα
02:28
and many of our treatments, and so we knew that
41
132489
2390
και πολλές από τις θεραπείες, και έτσι γνωρίζαμε ότι
02:30
to really accelerate cures and therapies, we were going
42
134879
3946
για να επιταχύνουμε πραγματικά τις νοσηλείες και τις θεραπείες, έπρεπε να
02:34
to have to address this with two things:
43
138825
2807
το προσεγγίσουμε με τις δύο παρακάτω επιλογές:
02:37
new technologies and also a new research model.
44
141632
3222
νέες τεχνολογίες και ένα νέο ερευνητικό μοντέλο.
02:40
Because if you don't close that gap, you really are
45
144854
3759
Διότι αν δεν γεφυρώσεις αυτό το χάσμα, θα βρεθείς
02:44
exactly where we are today.
46
148613
1607
ακριβώς εκεί που είμαστε σήμερα.
02:46
And that's what I want to focus on.
47
150220
1667
Σ' αυτό λοιπόν θέλω να επικεντρωθώ.
02:47
We've spent the last couple of years pondering this,
48
151887
3550
Περάσαμε τα δυο τελευταία χρόνια μελετώντας το,
02:51
making a list of the different things that we had to do,
49
155437
2391
κάνοντας μια λίστα των διαφορετικών πραγμάτων που έπρεπε να υλοποιήσουμε,
02:53
and so we developed a new technology,
50
157828
2631
και έτσι αναπτύξαμε μια νέα τεχνολογία.
02:56
It's software and hardware,
51
160459
1251
Πρόκειται για λογισμικό και υλισμικό,
02:57
that actually can generate thousands and thousands of
52
161710
3503
που στην πραγματικότητα ενεργοποιούν χιλιάδες επί χιλιάδων
03:01
genetically diverse stem cell lines to create
53
165213
3170
διαφορετικές γενετικά γραμμές βλαστοκυττάρων για να δημιουργήσουν
03:04
a global array, essentially avatars of ourselves.
54
168383
3787
ένα παγκόσμιο πίνακα, ουσιαστικά είδωλα του εαυτού μας.
03:08
And we did this because we think that it's actually going
55
172170
3434
Αυτό το κάναμε γιατί πιστεύαμε ότι θα μας
03:11
to allow us to realize the potential, the promise,
56
175604
3415
επέτρεπε να κατανοήσουμε το δυναμικό, την υπόσχεση,
03:14
of all of the sequencing of the human genome,
57
179019
3080
όλων των ακολουθιών του ανθρώπινου γονιδιώματος
03:17
but it's going to allow us, in doing that,
58
182099
2504
και επιπλέον στην πορεία αυτή θα μας επιτρέψει
03:20
to actually do clinical trials in a dish with human cells,
59
184603
5008
να κάνουμε κλινικές δοκιμές σε τρυβλία με ανθρώπινα κύτταρα,
03:25
not animal cells, to generate drugs and treatments
60
189611
4159
όχι με κύτταρα ζώων, ώστε να δημιουργήσουμε φάρμακα και θεραπείες
03:29
that are much more effective, much safer,
61
193770
3249
που είναι πολύ αποτελεσματικότερα, ασφαλέστερα,
03:32
much faster, and at a much lower cost.
62
197019
3256
ταχύτερα και σε πολύ χαμηλότερο κόστος.
03:36
So let me put that in perspective for you
63
200275
2384
Επιτρέψτε μου λοιπόν να σας εξηγήσω
03:38
and give you some context.
64
202659
1416
και να σας δώσω το γενικό πλαίσιο.
03:39
This is an extremely new field.
65
204075
4832
Αποτελεί ένα εντελώς νέο τομέα.
03:44
In 1998, human embryonic stem cells
66
208907
2832
Το 1998 τα ανθρώπινα εμβρυονικά βλαστοκύτταρα
03:47
were first identified, and just nine years later,
67
211739
3512
εντοπίστηκαν για πρώτη φορά και εννέα χρόνια μετά
03:51
a group of scientists in Japan were able to take skin cells
68
215251
4305
μια ομάδα επιστημόνων στην Ιαπωνία κατάφερε να πάρει δερματικά κύτταρα
03:55
and reprogram them with very powerful viruses
69
219556
3195
και να τα αναπρογραμματίσει με πολύ ισχυρούς ιούς
03:58
to create a kind of pluripotent stem cell
70
222751
4242
για να δημιουργήσει ένα είδος πολυδύναμου βλαστικού κυττάρου
04:02
called an induced pluripotent stem cell,
71
226993
2090
που ονομάζεται αποδιαφοροποιημένο πολυδύναμο βλαστοκύτταρο,
04:04
or what we refer to as an IPS cell.
72
229083
3008
ή αυτό που αποκαλούμε κύτταρο iPS.
04:07
This was really an extraordinary advance, because
73
232091
3198
Ήταν πράγματι μια εντυπωσιακή πρόοδος, διότι
04:11
although these cells are not human embryonic stem cells,
74
235289
2544
παρόλο που αυτά τα κύτταρα δεν είναι ανθρώπινα εμβρυονικά κύτταρα,
04:13
which still remain the gold standard,
75
237833
1794
που εξακολουθούν να είναι ο χρυσός κανόνας,
04:15
they are terrific to use for modeling disease
76
239627
3470
είναι εκπληκτικά χρήσιμα στη μοντελοποίηση ασθενειών
04:18
and potentially for drug discovery.
77
243097
2730
και, δυνητικά, στην ανακάλυψη φαρμάκων.
04:21
So a few months later, in 2008, one of our scientists
78
245827
3040
Λίγους μήνες μετά λοιπόν, το 2008, ένας από τους επιστήμονές μας
04:24
built on that research. He took skin biopsies,
79
248867
3200
βασίστηκε σε εκείνη την έρευνα. Πήρε βιοψίες δέρματος
04:27
this time from people who had a disease,
80
252067
2028
αυτή τη φορά από ασθενείς με
04:29
ALS, or as you call it in the U.K., motor neuron disease.
81
254095
2914
Αμυοτροφική πλευρική σκλήρυνση ή, στην ορολογία
του Ην. Βασίλειου, Νόσος Κινητικού Νευρώνα.
του Ην. Βασίλειου, Νόσος Κινητικού Νευρώνα.
04:32
He turned them into the IPS cells
82
257009
1698
Τα μετέτρεψε σε αποδιαφοροποιημένα πολυδύναμα κύτταρα
04:34
that I've just told you about, and then he turned those
83
258707
2686
για τα οποία μόλις σας μίλησα και μετά
04:37
IPS cells into the motor neurons that actually
84
261393
2704
αυτά τα κύτταρα τα μετέτρεψε σε κινητικούς νευρώνες
04:39
were dying in the disease.
85
264097
1461
που πέθαιναν από την ασθένεια.
04:41
So basically what he did was to take a healthy cell
86
265558
3019
Βασικά, λοιπόν, αυτό που έκανε ήταν να πάρει υγιή κύτταρα
04:44
and turn it into a sick cell,
87
268577
1714
και να τα μετατρέψει σε ασθενή κύτταρα,
04:46
and he recapitulated the disease over and over again
88
270291
3558
και επανέλαβε πολλές φορές την ασθένεια
04:49
in the dish, and this was extraordinary,
89
273849
3360
σε δοκιμαστικό σωλήνα και ήταν εκπληκτικό,
04:53
because it was the first time that we had a model
90
277209
2248
διότι ήταν η πρώτη φορά που είχαμε ένα μοντέλο
04:55
of a disease from a living patient in living human cells.
91
279457
4188
μιας ασθένειας από έναν ζώντα ασθενή σε ζώντα ανθρώπινα κύτταρα.
04:59
And as he watched the disease unfold, he was able
92
283645
3120
Καθώς παρακολουθούσε την εξέλιξη της ασθένειας, κατάφερε
05:02
to discover that actually the motor neurons were dying
93
286765
3011
ν' ανακαλύψει ότι οι νευρώνες πέθαιναν
05:05
in the disease in a different way than the field
94
289776
2127
από την ασθένεια με διαφορετικό τρόπο από ό,τι
05:07
had previously thought. There was another kind of cell
95
291903
2494
γνωρίζαμε μέχρι τώρα. Υπήρχε ένα άλλο είδος κυττάρου
05:10
that actually was sending out a toxin
96
294397
2201
που εξέπεμπε μια τοξίνη
05:12
and contributing to the death of these motor neurons,
97
296598
2511
και συνέβαλλε στο θάνατο αυτών των κινητικών νευρώνων,
05:15
and you simply couldn't see it
98
299109
1358
και απλώς δεν ήταν ορατό
05:16
until you had the human model.
99
300467
1790
μέχρι τη χρήση του ανθρώπινου μοντέλου.
05:18
So you could really say that
100
302257
2667
Μπορούμε λοιπόν να πούμε ότι
05:20
researchers trying to understand the cause of disease
101
304924
3906
οι ερευνητές που προσπαθούσαν να κατανοήσουν την αιτία της ασθένειας
05:24
without being able to have human stem cell models
102
308830
4152
χωρίς χρήση ανθρώπινων μοντέλων εμβρυονικών κυττάρων
05:28
were much like investigators trying to figure out
103
312982
2760
ήταν σαν ερευνητές που προσπαθούσαν να κατανοήσουν
05:31
what had gone terribly wrong in a plane crash
104
315742
3241
τι πήγε στραβά σε μια πτώση αεροπλάνου,
05:34
without having a black box, or a flight recorder.
105
318983
3997
χωρίς να έχουν το μαύρο κουτί, ή τον καταγραφέα πτήσεων.
05:38
They could hypothesize about what had gone wrong,
106
322980
2602
Μπορούσαν να κάνουν υποθέσεις σχετικά με το τι πήγε λάθος
05:41
but they really had no way of knowing what led
107
325582
3112
αλλά στην πραγματικότητα δεν είχαν τρόπο να γνωρίζουν τι οδήγησε
05:44
to the terrible events.
108
328694
2172
στο τραγικό συμβάν.
05:46
And stem cells really have given us the black box
109
330866
4183
Και τα βλαστοκύτταρα μας έδωσαν πράγματι το μαύρο κουτί
05:50
for diseases, and it's an unprecedented window.
110
335049
3968
για τις ασθένειες και αποτελεί ένα παράθυρο χωρίς προηγούμενο.
05:54
It really is extraordinary, because you can recapitulate
111
339017
3245
Είναι πράγματι εξαιρετικό, διότι μπορείς να αναπαράγεις
05:58
many, many diseases in a dish, you can see
112
342262
3247
πάρα πολλές ασθένειες στο εργαστήριο, μπορείς να δεις
06:01
what begins to go wrong in the cellular conversation
113
345509
3536
τι αρχίζει να πηγαίνει στραβά στην κυτταρική συνομιλία
06:04
well before you would ever see
114
349045
2424
πολύ νωρίτερα από
06:07
symptoms appear in a patient.
115
351469
2536
την εμφάνιση των συμπτωμάτων στον ασθενή.
06:09
And this opens up the ability,
116
354005
2523
Αυτό ανοίγει τη δυνατότητα
06:12
which hopefully will become something that
117
356528
2814
που ελπίζουμε ότι θα γίνει κάτι
06:15
is routine in the near term,
118
359342
2647
σαν ρουτίνα στο προσεχές μέλλον,
06:17
of using human cells to test for drugs.
119
361989
4146
με τη χρήση ανθρώπινων κυττάρων για δοκιμές φαρμάκων.
06:22
Right now, the way we test for drugs is pretty problematic.
120
366135
5464
Αυτή τη στιγμή, ο τρόπος που δοκιμάζονται τα φάρμακα είναι αρκετά προβληματικός.
06:27
To bring a successful drug to market, it takes, on average,
121
371599
3318
Για να έρθει ένα φάρμακο στην αγορά, χρειάζονται, κατά μέσο όρο,
06:30
13 years — that's one drug —
122
374917
2186
13 χρόνια- μιλάμε για ένα φάρμακο-
06:33
with a sunk cost of 4 billion dollars,
123
377103
3388
με ένα πάγιο κόστος 4 δισεκατομμύρια δολάρια,
06:36
and only one percent of the drugs that start down that road
124
380491
4867
και μόνο ένα τοις εκατό των φαρμάκων που ξεκινούν τη διαδικασία
06:41
are actually going to get there.
125
385358
2248
πρόκειται να την τελειώσουν.
06:43
You can't imagine other businesses
126
387606
2125
Δε μπορούμε να φανταστούμε άλλες επιχειρήσεις
06:45
that you would think of going into
127
389731
1449
που θα σκέφτονταν να μπουν σε
06:47
that have these kind of numbers.
128
391180
1755
τέτοια διαδικασία με αυτά τα αριθμητικά δεδομένα.
06:48
It's a terrible business model.
129
392935
1802
Είναι ένα κάκιστο επιχειρηματικό μοντέλο.
06:50
But it is really a worse social model because of
130
394737
3989
Είναι όμως ένα χειρότερο κοινωνικό μοντέλο εξαιτίας
06:54
what's involved and the cost to all of us.
131
398726
3328
του τι περιλαμβάνει και του κόστους για όλους μας.
06:57
So the way we develop drugs now
132
402054
3752
Ο τρόπος λοιπόν που φτιάχνουμε τα φάρμακα τώρα
07:01
is by testing promising compounds on --
133
405806
3200
είναι δοκιμάζοντας υποσχόμενες χημικές ενώσεις -
07:04
We didn't have disease modeling with human cells,
134
409006
1880
Δεν είχαμε μοντελοποιήσεις ασθενειών με ανθρώπινα κύτταρα,
07:06
so we'd been testing them on cells of mice
135
410886
3464
και έτσι τα δοκιμάζαμε στα κύτταρα των ποντικών
07:10
or other creatures or cells that we engineer,
136
414350
3667
ή άλλων πλασμάτων ή κυττάρων που κατασκευάζουμε,
07:13
but they don't have the characteristics of the diseases
137
418017
3061
αλλά δεν έχουν τα χαρακτηριστικά των ασθενειών
07:16
that we're actually trying to cure.
138
421078
2336
που προσπαθούμε στην πραγματικότητα να θεραπεύσουμε.
07:19
You know, we're not mice, and you can't go into
139
423414
3046
Ξέρετε, δεν είμαστε ποντίκια, και δε μπορούμε να πάμε
07:22
a living person with an illness
140
426460
2418
σε έναν ζωντανό άνθρωπο που ασθενεί
07:24
and just pull out a few brain cells or cardiac cells
141
428878
2928
και να τραβήξουμε μερικά εγκεφαλικά ή καρδιακά κύτταρα
07:27
and then start fooling around in a lab to test
142
431806
2289
και μετά να πειραματιστούμε στο εργαστήριο για να δοκιμάσουμε
07:29
for, you know, a promising drug.
143
434095
3561
ένα υποσχόμενο φάρμακο.
07:33
But what you can do with human stem cells, now,
144
437656
3585
Αυτό, όμως, που μπορούμε να κάνουμε με τα ανθρώπινα βλαστοκύτταρα τώρα
07:37
is actually create avatars, and you can create the cells,
145
441241
4337
είναι να δημιουργήσουμε είδωλα, και μπορούμε να δημιουργήσουμε τα κύτταρα,
07:41
whether it's the live motor neurons
146
445578
1967
είτε πρόκειται για κινητικούς νευρώνες
07:43
or the beating cardiac cells or liver cells
147
447545
3010
είτε για τα παλλόμενα καρδιακά κύτταρα είτε για τα ηπατικά κύτταρα
07:46
or other kinds of cells, and you can test for drugs,
148
450555
4109
είτε για άλλα κύτταρα, και μπορεί να δοκιμαστούν φάρμακα,
07:50
promising compounds, on the actual cells
149
454664
3125
υποσχόμενες χημικές ενώσεις, στα πραγματικά κύτταρα
07:53
that you're trying to affect, and this is now,
150
457789
3631
που προσπαθούμε να επηρεάσουμε, και αυτό γίνεται τώρα,
07:57
and it's absolutely extraordinary,
151
461420
2814
και είναι πολύ εξαιρετικό,
08:00
and you're going to know at the beginning,
152
464234
3156
και θα γνωρίζετε από την αρχή,
08:03
the very early stages of doing your assay development
153
467390
3744
από τα πρώιμα στάδια της ανάπτυξης και του
08:07
and your testing, you're not going to have to wait 13 years
154
471134
3389
ελέγχου και δε χρειάζεται να περιμένετε 13 χρόνια
08:10
until you've brought a drug to market, only to find out
155
474523
3319
για να φέρετε ένα φάρμακο στην αγορά, μόνο και μόνο
08:13
that actually it doesn't work, or even worse, harms people.
156
477842
5056
για να διαπιστωθεί ότι δεν είναι αποτελεσματικό ή στη χειρότερη περίπτωση ότι βλάπτει τους ανθρώπους.
08:18
But it isn't really enough just to look at
157
482898
4340
Δεν αρκεί όμως μόνο να εξετάζουμε
08:23
the cells from a few people or a small group of people,
158
487238
3782
τα κύτταρα μερικών ανθρώπων ή μιας ομάδας ανθρώπων
08:26
because we have to step back.
159
491020
1644
γιατί πρέπει να πάρουμε αποστάσεις.
08:28
We've got to look at the big picture.
160
492664
1851
Πρέπει να εξετάζουμε τη συνολική εικόνα.
08:30
Look around this room. We are all different,
161
494515
3136
Κοιτάξτε γύρω σας εδώ μέσα. Είμαστε όλοι διαφορετικοί,
08:33
and a disease that I might have,
162
497651
2740
και μια ασθένεια που πιθανόν να έχω εγώ,
08:36
if I had Alzheimer's disease or Parkinson's disease,
163
500391
2877
αν είχα Αλτσαχάιμερ ή Πάρκινσον
08:39
it probably would affect me differently than if
164
503268
3766
πιθανόν να είχε διαφορετική τροπή σε εμένα
08:42
one of you had that disease,
165
507034
1641
απ΄ό,τι σε κάποιον από εσάς,
08:44
and if we both had Parkinson's disease,
166
508675
4345
και αν είχαμε και οι δυο Πάρκινσον,
08:48
and we took the same medication,
167
513020
2268
και παίρναμε την ίδια φαρμακευτική αγωγή,
08:51
but we had different genetic makeup,
168
515288
2747
αλλά είχαμε διαφορετικό γενετικό σύστημα
08:53
we probably would have a different result,
169
518035
2285
τα αποτελέσματα θα ήταν διαφορετικά,
08:56
and it could well be that a drug that worked wonderfully
170
520320
3731
και πολύ πιθανό ένα φάρμακο που είχε θαυματουργά αποτελέσματα
08:59
for me was actually ineffective for you,
171
524051
3579
σε εμένα να μην ήταν αποτελεσματικό σε εσάς,
09:03
and similarly, it could be that a drug that is harmful for you
172
527630
4692
και παρομοίως, θα μπορούσε το φάρμακο που θα ήταν βλαβερό για εσάς
09:08
is safe for me, and, you know, this seems totally obvious,
173
532322
4302
να είναι ασφαλές για εμένα και, όπως καταλαβαίνετε,
09:12
but unfortunately it is not the way
174
536624
2728
είναι προφανές αλλά δυστυχώς δεν είναι ο τρόπος
09:15
that the pharmaceutical industry has been developing drugs
175
539352
3186
που η φαρμακευτική βιομηχανία αναπτύσσει τα φάρμακα,
09:18
because, until now, it hasn't had the tools.
176
542538
3986
διότι, μέχρι τώρα, δεν είχε τα εργαλεία.
09:22
And so we need to move away
177
546524
2292
Χρειάζεται λοιπόν να απομακρυνθούμε
09:24
from this one-size-fits-all model.
178
548816
2954
από το μοντέλο 'μία λύση για όλους'.
09:27
The way we've been developing drugs is essentially
179
551770
3177
Ο τρόπος που παρασκευάζουμε φάρμακα είναι ουσιαστικά
09:30
like going into a shoe store,
180
554947
1379
όπως μια επίσκεψη σε κατάστημα παπουτσιών,
09:32
no one asks you what size you are, or
181
556326
2283
κανείς δε ρωτά το μέγεθός σας ή
09:34
if you're going dancing or hiking.
182
558609
2210
αν τα χρειάζεστε για χορό ή πεζοπορία.
09:36
They just say, "Well, you have feet, here are your shoes."
183
560819
2808
Λένε απλώς, « Ωραία, έχετε πόδια, ορίστε τα παπούτσια σας».
09:39
It doesn't work with shoes, and our bodies are
184
563627
3600
Δεν είναι λειτουργικό με τα παπούτσια και τα σώματά μας
09:43
many times more complicated than just our feet.
185
567227
3472
δεν είναι μόνο τα πόδια μας.
09:46
So we really have to change this.
186
570699
2541
Πρέπει λοιπόν να το αλλάξουμε αυτό.
09:49
There was a very sad example of this in the last decade.
187
573240
5184
Υπάρχει ένα λυπηρό παράδειγμα την τελευταία δεκαετία.
09:54
There's a wonderful drug, and a class of drugs actually,
188
578424
2648
Υπήρχε ένα καταπληκτικό φάρμακο, μια σειρά φαρμάκων
09:56
but the particular drug was Vioxx, and
189
581072
2680
το συγκεκριμένο φάρμακο ήταν το Vioxx, και
09:59
for people who were suffering from severe arthritis pain,
190
583752
4376
για ανθρώπους που υπέφεραν από σοβαρούς αρθριτικούς πόνους
10:04
the drug was an absolute lifesaver,
191
588128
3392
το φάρμακο έσωζε κυριολεκτικά ζωές
10:07
but unfortunately, for another subset of those people,
192
591520
5080
αλλά δυστυχώς, για μια άλλη υποκατηγορία ανθρώπων,
10:12
they suffered pretty severe heart side effects,
193
596600
4769
είχε σοβαρές καρδιακές παρενέργειες,
10:17
and for a subset of those people, the side effects were
194
601369
2728
και για μια άλλη υποκατηγορία οι
10:19
so severe, the cardiac side effects, that they were fatal.
195
604097
3897
παρενέργειες ήταν τόσο σοβαρές, που ήταν μοιραίες.
10:23
But imagine a different scenario,
196
607994
4042
Φαντασθείτε ένα διαφορετικό σενάριο,
10:27
where we could have had an array, a genetically diverse array,
197
612036
4302
όπου θα μπορούσαμε να έχουμε έναν πίνακα με γενετική ποικιλότητα,
10:32
of cardiac cells, and we could have actually tested
198
616338
3626
καρδιακών κυττάρων, και να μπορούσαμε πραγματικά να δοκιμάσουμε
10:35
that drug, Vioxx, in petri dishes, and figured out,
199
619964
5081
αυτό το φάρμακο, το Vioxx, στο εργαστήριο, και να συμπεράνουμε ,
10:40
well, okay, people with this genetic type are going to have
200
625045
3744
λοιπόν, εντάξει, άνθρωποι αυτού του γενετικού τύπου
10:44
cardiac side effects, people with these genetic subgroups
201
628789
5000
πρόκειται να έχουν καρδιακές παρενέργειες, άνθρωποι αυτής της γενετικής υποκατηγορίας
10:49
or genetic shoes sizes, about 25,000 of them,
202
633789
5144
ή γενετικού μεγέθους παπουτσιών, περί τις 25.000,
10:54
are not going to have any problems.
203
638933
2760
δεν πρόκειται να έχουν προβλήματα.
10:57
The people for whom it was a lifesaver
204
641693
2615
Οι άνθρωποι των οποίων έσωσε τη ζωή
11:00
could have still taken their medicine.
205
644308
1677
θα μπορούσαν να συνεχίσουν τη λήψη του.
11:01
The people for whom it was a disaster, or fatal,
206
645985
4386
Δε θα έπρεπε ποτέ να είχε δοθεί
11:06
would never have been given it, and
207
650371
2091
σε άτομα που τα κατέστρεψε ή που αποδείχθηκε θανατηφόρο και
11:08
you can imagine a very different outcome for the company,
208
652462
2583
μπορείτε να φανταστείτε τα αποτελέσματα για την εταιρεία
11:10
who had to withdraw the drug.
209
655045
2768
η οποία έπρεπε να αποσύρει το φάρμακο.
11:13
So that is terrific,
210
657813
2816
Είναι τρομερό,
11:16
and we thought, all right,
211
660629
1834
και σκεφτήκαμε ότι εντάξει,
11:18
as we're trying to solve this problem,
212
662463
2759
στην προσπάθεια να λύσουμε το πρόβλημα,
11:21
clearly we have to think about genetics,
213
665222
2197
σαφώς και πρέπει να σκεφτούμε τη γενετική,
11:23
we have to think about human testing,
214
667419
2834
να σκεφτούμε τις δοκιμές σε ανθρώπους,
11:26
but there's a fundamental problem,
215
670253
1579
υπάρχει όμως ένα βασικό πρόβλημα
11:27
because right now, stem cell lines,
216
671832
2699
διότι τώρα οι γραμμές των βλαστοκυττάρων,
11:30
as extraordinary as they are,
217
674531
1710
όσο κι αν είναι εξαιρετικές,
11:32
and lines are just groups of cells,
218
676241
1744
και οι γραμμές είναι απλώς ομάδες κυττάρων,
11:33
they are made by hand, one at a time,
219
677985
4332
φτιάχνονται με το χέρι, μια τη φορά,
11:38
and it takes a couple of months.
220
682317
2224
και χρειάζονται κάποιοι μήνες γι αυτό.
11:40
This is not scalable, and also when you do things by hand,
221
684541
4366
Πράγμα που δεν είναι επεκτάσιμο, και επίσης όταν κάνει κανείς πράγματα με το χέρι,
11:44
even in the best laboratories,
222
688907
1543
ακόμη και στα καλύτερα εργαστήρια,
11:46
you have variations in techniques,
223
690450
3161
υπάρχει ποικιλία τεχνικών,
11:49
and you need to know, if you're making a drug,
224
693611
3181
και πρέπει κανείς να ξέρει, όταν παρασκευάζει ένα φάρμακο,
11:52
that the Aspirin you're going to take out of the bottle
225
696792
1898
ότι η Ασπιρίνη που θα βγάλεις από το μπουκάλι
11:54
on Monday is the same as the Aspirin
226
698690
2440
τη Δευτέρα είναι η ίδια
11:57
that's going to come out of the bottle on Wednesday.
227
701130
2081
με αυτή που θα βγει από το μπουκάλι την Τετάρτη.
11:59
So we looked at this, and we thought, okay,
228
703211
3791
Σκεφθήκαμε κι αυτό λοιπόν
12:02
artisanal is wonderful in, you know, your clothing
229
707002
3152
και είπαμε, εντάξει, η καλλιτεχνία είναι υπέροχη για ρούχα,
12:06
and your bread and crafts, but
230
710154
2944
για την τροφή και τις χειροτεχνίες αλλά
12:08
artisanal really isn't going to work in stem cells,
231
713098
2983
η καλλιτεχνία δε πρόκειται να λειτουργήσει με τα βλαστοκύτταρα,
12:11
so we have to deal with this.
232
716081
2390
κι αυτό πρέπει να το αντιμετωπίσουμε.
12:14
But even with that, there still was another big hurdle,
233
718471
3920
Αλλά και έτσι, είχαμε να αντιμετωπίσουμε ένα άλλο εμπόδιο
12:18
and that actually brings us back to
234
722391
3564
που μας φέρνει πίσω
12:21
the mapping of the human genome, because
235
725955
2384
στη χαρτογράφηση του ανθρώπινου γονιδιώματος, διότι
12:24
we're all different.
236
728339
2711
είμαστε όλοι διαφορετικοί.
12:26
We know from the sequencing of the human genome
237
731050
2832
Γνωρίζουμε από την αλληλουχία του ανθρώπινου γονιδιώματος
12:29
that it's shown us all of the A's, C's, G's and T's
238
733882
2557
που μας έχει δείξει όλα τα Α, C, G και T,
12:32
that make up our genetic code,
239
736439
2468
που διαμορφώνουν τον γενετικό μας κώδικα,
12:34
but that code, by itself, our DNA,
240
738907
4269
εκείνος όμως ο κώδικας, από μόνος του, το DNA μας,
12:39
is like looking at the ones and zeroes of the computer code
241
743176
4599
είναι σαν να βλέπεις τους άσσους και τα μηδέν του κώδικα των υπολογιστών
12:43
without having a computer that can read it.
242
747775
2825
χωρίς να έχεις έναν υπολογιστή για να τα διαβάσεις.
12:46
It's like having an app without having a smartphone.
243
750600
3288
Είναι σαν να έχεις μια εφαρμογή χωρίς να έχεις κινητό τελευταίας γενιάς.
12:49
We needed to have a way of bringing the biology
244
753888
3884
Χρειαζόμαστε ένα τρόπο να φέρουμε τη βιολογία
12:53
to that incredible data,
245
757772
2209
σε εκείνα τα καταπληκτικά δεδομένα,
12:55
and the way to do that was to find
246
759981
3115
και ο τρόπος να το κάνουμε αυτό ήταν να βρούμε
12:58
a stand-in, a biological stand-in,
247
763096
2687
ένα υποκατάστατο, ένα βιολογικό υποκατάστατο,
13:01
that could contain all of the genetic information,
248
765783
4025
που θα περιείχε όλες τις γενετικές πληροφορίες,
13:05
but have it be arrayed in such a way
249
769808
2528
αλλά θα τις είχε κατανεμημένες με τέτοιο τρόπο
13:08
as it could be read together
250
772336
2864
που θα μπορούσαμε να τις διαβάσουμε όλες μαζί
13:11
and actually create this incredible avatar.
251
775200
3256
και στην πραγματικότητα να δημιουργήσουμε ένα καταπληκτικό είδωλο.
13:14
We need to have stem cells from all the genetic sub-types
252
778456
3704
Χρειαζόμαστε βλαστοκύτταρα από όλα τα γενετικά υποσυστήματα
13:18
that represent who we are.
253
782160
2952
που αντιπροσωπεύουν αυτό που είμαστε.
13:21
So this is what we've built.
254
785112
2760
Αυτό λοιπόν κάναμε.
13:23
It's an automated robotic technology.
255
787872
3320
Είναι μια αυτοματοποιημένη ρομποτική τεχνολογία.
13:27
It has the capacity to produce thousands and thousands
256
791192
2608
Έχει τη δυνατότητα να παράγει χιλιάδες επί χιλιάδων
13:29
of stem cell lines. It's genetically arrayed.
257
793800
4239
γραμμές βλαστικών κυττάρων. Είναι γενετικά κατηγοριοποιημένα.
13:33
It has massively parallel processing capability,
258
798039
3749
Έχει ικανότητα μαζικής παράλληλης επεξεργασίας
13:37
and it's going to change the way drugs are discovered,
259
801788
3320
και πρόκειται να αλλάξει τον τρόπο που παρασκευάζονται τα φάρμακα,
13:41
we hope, and I think eventually what's going to happen
260
805108
3835
ελπίζουμε, και νομίζω ότι αυτό που τελικά θα συμβεί
13:44
is that we're going to want to re-screen drugs,
261
808943
2199
είναι ότι θα θέλουμε να κάνουμε εκ νέου διαλογή φαρμάκων,
13:47
on arrays like this, that already exist,
262
811142
2491
σε τέτοιες διατάξεις, που υπάρχουν ήδη,
13:49
all of the drugs that currently exist,
263
813633
1871
όλα τα φάρμακα που υπάρχουν τώρα,
13:51
and in the future, you're going to be taking drugs
264
815504
2911
και στο μέλλον, θα παίρνουμε φάρμακα
13:54
and treatments that have been tested for side effects
265
818415
2872
και θεραπείες των οποίων οι παρενέργειες έχουν δοκιμαστεί
13:57
on all of the relevant cells,
266
821287
2303
σε όλα τα αντίστοιχα κύτταρα,
13:59
on brain cells and heart cells and liver cells.
267
823590
3153
τα εγκεφαλικά, τα καρδιακά, τα ηπατικά κύτταρα.
14:02
It really has brought us to the threshold
268
826743
3329
Είμαστε πράγματι στο κατώφλι
14:05
of personalized medicine.
269
830072
2214
της εξατομικευμένης ιατρικής.
14:08
It's here now, and in our family,
270
832286
4441
Στην οικογένειά μου,
14:12
my son has type 1 diabetes,
271
836727
2938
ο γιος μου έχει διαβήτη τύπου 1,
14:15
which is still an incurable disease,
272
839665
2648
που εξακολουθεί να είναι μη θεραπεύσιμη ασθένεια,
14:18
and I lost my parents to heart disease and cancer,
273
842313
3442
και έχω χάσει τους γονείς μου από καρδιά και καρκίνο,
14:21
but I think that my story probably sounds familiar to you,
274
845755
3733
αλλά νομίζω ότι η ιστορία μου ακούγεται γνωστή,
14:25
because probably a version of it is your story.
275
849488
4230
διότι πιθανόν να είναι μια παραλλαγή της δικής σας ιστορίας.
14:29
At some point in our lives, all of us,
276
853718
3944
Σε κάποιες στιγμές της ζωής μας, όλοι μας,
14:33
or people we care about, become patients,
277
857662
2736
ή άνθρωποι για τους οποίους νοιαζόμαστε, ασθενούν,
14:36
and that's why I think that stem cell research
278
860398
2609
και γι αυτό, πιστεύω, ότι η έρευνα στα βλαστοκύτταρα
14:38
is incredibly important for all of us.
279
863007
3383
είναι απίστευτα σημαντική για όλους μας.
14:42
Thank you. (Applause)
280
866390
3668
Ευχαριστώ. (Χειροκρότημα)
14:45
(Applause)
281
870058
7108
(Χειροκρότημα)
ABOUT THE SPEAKER
Susan Solomon - Stem cell research advocateSusan Solomon enables support for human stem cell research, aiming to cure major diseases and empower more personalized medicine.
Why you should listen
Susan Solomon’s health care advocacy stems from personal medical trials—namely, her son’s Type 1 diabetes and her mother’s fatal cancer. Following a successful career as a lawyer and business entrepreneur, Solomon, frustrated by the slow pace of medical research, was inspired to use those skills to follow another passion: accelerating medical research with real-world results as a social entrepreneur. And through her own research and conversations with medical experts, she decided that stem cells (cells that have the ability to morph into any other kind of cell) had the greatest potential to impact peoples’ health.
In 2005, Solomon founded the New York Stem Cell Foundation, now one of the largest nonprofit research institutions and laboratories in this field in the world. The NYSCF Research Institute conducts all facets of stem cell research from growing the cells to drug discovery.
At TEDGlobal 2012, Solomon announced the NYSCF Global Stem Cell Array, the new technology to create thousands of stem cell avatars and genetically array them to functionalize the data from the human genome to revolutionize the way we develop cures and treatments so they are better, safer, less expensive and happen much more quickly.
Susan Solomon | Speaker | TED.com