TEDMED 2015
Russ Altman: What really happens when you mix medications?
Ρας Ώλτμαν: Τι στ' αλήθεια συμβαίνει όταν τα φάρμακα συνδυάζονται;
Filmed:
Readability: 4.2
1,766,922 views
Οι αλληλεπιδράσεις των φαρμάκων είναι δύσκολο να μελετηθούν. Οι ίδιοι οι γιατροί πιθανόν δεν κατανοούν τι συμβαίνει όταν τα φάρμακα συνδυάζονται. Έτσι, δίκαια αισθανόμαστε ανήσυχοι, όταν παίρνουμε δύο διαφορετικά φάρμακα για δύο διαφορετικές παθήσεις. Σ' αυτή τη συναρπαστική ομιλία, ο Ρας Ώλτμαν μας εξηγεί πώς η Επιστήμη των Δεδομένων μπορεί να βοηθήσει να προσδιοριστούν απροσδόκητες αλληλεπιδράσεις φαρμάκων, χρησιμοποιώντας μια εκπληκτική πηγή: Τις μηχανές αναζήτησης του διαδικτύου.
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.
Πας, λοιπόν, στον γιατρό
και κάνεις κάποιες εξετάσεις.
και κάνεις κάποιες εξετάσεις.
00:12
So you go to the doctor
and get some tests.
and get some tests.
0
811
3321
O γιατρός βρίσκει
πως έχεις υψηλή χοληστερόλη
πως έχεις υψηλή χοληστερόλη
00:16
The doctor determines
that you have high cholesterol
that you have high cholesterol
1
4674
2620
00:19
and you would benefit
from medication to treat it.
from medication to treat it.
2
7318
3171
και θα ωφεληθείς
από μια φαρμακευτική αγωγή.
από μια φαρμακευτική αγωγή.
Οπότε βρίσκεσαι με ένα κουτί χαπιών.
00:22
So you get a pillbox.
3
10981
1556
Τα εμπιστεύεσαι κι ο γιατρός σου
πιστεύει πως θα έχουν αποτέλεσμα.
πιστεύει πως θα έχουν αποτέλεσμα.
00:25
You have some confidence,
4
13505
1199
00:26
your physician has some confidence
that this is going to work.
that this is going to work.
5
14728
2937
Η εταιρεία που τα παρασκεύασε
έκανε μελέτες,
έκανε μελέτες,
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
τις υπέβαλε στον FDA, τον Οργανισμό
Τροφίμων και Φαρμάκων των ΗΠΑ.
Τροφίμων και Φαρμάκων των ΗΠΑ.
00:33
They studied it very carefully,
skeptically, they approved it.
skeptically, they approved it.
7
21266
3107
Εκείνοι τις μελέτησαν με μεγάλη προσοχή
και σκεπτικισμό, πριν τις εγκρίνουν.
και σκεπτικισμό, πριν τις εγκρίνουν.
00:36
They have a rough idea of how it works,
8
24397
1889
Έχουν μια γενική ιδέα για το πώς δρουν.
00:38
they have a rough idea
of what the side effects are.
of what the side effects are.
9
26310
2453
Έχουν μια γενική ιδέα
για τις πιθανές παρενέργειες.
για τις πιθανές παρενέργειες.
00:40
It should be OK.
10
28787
1150
Θα πρέπει να είναι εντάξει.
00:42
You have a little more
of a conversation with your physician
of a conversation with your physician
11
30864
2818
Συζητάς περισσότερο με τον γιατρό σου
00:45
and the physician is a little worried
because you've been blue,
because you've been blue,
12
33706
2963
κι εκείνος είναι λίγο ανήσυχος
γιατί έχεις μελαγχολήσει,
γιατί έχεις μελαγχολήσει,
00:48
haven't felt like yourself,
13
36693
1293
δεν αισθάνεσαι πολύ καλά
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
και δεν απολαμβάνεις τη ζωή όπως πριν.
Ο γιατρός σου λέει, «Ξέρεις, νομίζω ότι
έχεις πάθει ένα είδος κατάθλιψης.
έχεις πάθει ένα είδος κατάθλιψης.
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
Θα σου δώσω άλλο ένα χάπι».
01:00
So now we're talking
about two medications.
about two medications.
17
48934
2483
Οπότε τώρα, πρέπει να πάρεις δύο φάρμακα.
01:03
This pill also -- millions
of people have taken it,
of people have taken it,
18
51441
3104
Αυτό το χάπι --
εκατομμύρια άνθρωποι το παίρνουν,
εκατομμύρια άνθρωποι το παίρνουν,
01:06
the company did studies,
the FDA looked at it -- all good.
the FDA looked at it -- all good.
19
54569
3631
η εταιρεία έκανε μελέτες,
ο FDA το εξέτασε -- όλα καλά.
ο FDA το εξέτασε -- όλα καλά.
01:10
Think things should go OK.
20
58823
2057
Νομίζεις ότι όλα θα πάνε καλά.
01:12
Think things should go OK.
21
60904
2197
Νομίζεις ότι όλα θα πάνε καλά.
01:15
Well, wait a minute.
22
63125
1439
Όμως, μισό λεπτό.
01:16
How much have we studied
these two together?
these two together?
23
64588
3517
Πόσο έχουν μελετηθεί αυτά τα δύο μαζί;
01:20
Well, it's very hard to do that.
24
68630
2300
Ε, λοιπόν, αυτό είναι πολύ δύσκολο.
01:22
In fact, it's not traditionally done.
25
70954
2130
Συνήθως μάλιστα δε συμβαίνει.
01:25
We totally depend on what we call
"post-marketing surveillance,"
"post-marketing surveillance,"
26
73108
5518
Εξαρτόμαστε από αυτό που λέγεται
«παρακολούθηση μετά την κυκλοφορία»,
«παρακολούθηση μετά την κυκλοφορία»,
01:30
after the drugs hit the market.
27
78650
1880
αφότου τα φάρμακα φθάσουν στην αγορά.
Πώς μπορούμε να ξέρουμε
αν κάτι κακό συμβαίνει
αν κάτι κακό συμβαίνει
01:32
How can we figure out
if bad things are happening
if bad things are happening
28
80996
2848
με την ταυτόχρονη χορήγηση
δύο φαρμάκων;
δύο φαρμάκων;
01:35
between two medications?
29
83868
1357
01:37
Three? Five? Seven?
30
85249
2030
Τριών; Πέντε; Επτά;
Ρωτήστε κάποιον που έχει
διαγνωσθεί με διάφορες παθήσεις
διαγνωσθεί με διάφορες παθήσεις
01:39
Ask your favorite person
who has several diagnoses
who has several diagnoses
31
87708
2415
01:42
how many medications they're on.
32
90147
1834
πόσα φάρμακα παίρνει.
Γιατί μ' απασχολεί αυτό το πρόβλημα;
Και μάλιστα πολύ σοβαρά.
Και μάλιστα πολύ σοβαρά.
01:44
Why do I care about this problem?
33
92530
1580
01:46
I care about it deeply.
34
94134
1157
Ο τομέας μου είναι η Πληροφορική
και η Επιστήμη Δεδομένων,
και η Επιστήμη Δεδομένων,
01:47
I'm an informatics and data science guy
and really, in my opinion,
and really, in my opinion,
35
95315
4304
και πιστεύω, πως η μόνη μας ελπίδα
-- η μόνη --
-- η μόνη --
01:51
the only hope -- only hope --
to understand these interactions
to understand these interactions
36
99643
3745
να κατανοήσουμε αυτές τις αλληλεπιδράσεις
01:55
is to leverage lots
of different sources of data
of different sources of data
37
103412
3056
είναι να αξιοποιήσουμε πολλά
δεδομένα από διάφορες πηγές
δεδομένα από διάφορες πηγές
για να καταλάβουμε πότε τα φάρμακα
μπορούν να ληφθούν ταυτόχρονα με ασφάλεια
μπορούν να ληφθούν ταυτόχρονα με ασφάλεια
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
και πότε υπάρχει κίνδυνος.
Να σας πω μια ιστορία
από την Επιστήμη των Δεδομένων.
από την Επιστήμη των Δεδομένων.
02:04
So let me tell you a data science story.
40
112615
2051
02:06
And it begins with my student Nick.
41
114690
2154
Αρχίζει με τον φοιτητή μου, τον Νικ.
02:08
Let's call him "Nick,"
because that's his name.
because that's his name.
42
116868
2380
Ας τον πούμε «Νικ», επειδή έτσι τον λένε.
02:11
(Laughter)
43
119272
1592
(Γέλια)
Ο Νικ ήταν νεαρός φοιτητής.
02:12
Nick was a young student.
44
120888
1201
02:14
I said, "You know, Nick, we have
to understand how drugs work
to understand how drugs work
45
122113
3079
Του είπα, «Νικ, πρέπει να κατανοήσουμε
πώς δρουν τα φάρμακα,
πώς δρουν τα φάρμακα,
02:17
and how they work together
and how they work separately,
and how they work separately,
46
125216
2626
πώς δρουν σε συνδυασμό
και πώς δρουν μεμονωμένα,
και πώς δρουν μεμονωμένα,
02:19
and we don't have a great understanding.
47
127866
1922
κάτι που δεν το κατανοούμε καλά».
Όμως ο FDA έχει κάνει διαθέσιμη
μια τεράστια βάση δεδομένων.
μια τεράστια βάση δεδομένων.
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
Δεδομένα ανεπιθύμητων αντιδράσεων.
02:26
They literally put on the web --
50
134321
1642
Είναι στο διαδίκτυο,
Κυριολεκτικά, ανοιχτά σε όλους.
Κυριολεκτικά, ανοιχτά σε όλους.
02:27
publicly available, you could all
download it right now --
download it right now --
51
135987
3119
Ο καθένας μπορεί να τα κατεβάσει άμεσα.
02:31
hundreds of thousands
of adverse event reports
of adverse event reports
52
139130
3627
Εκατοντάδες χιλιάδες
αναφορές ανεπιθύμητων αντιδράσεων
αναφορές ανεπιθύμητων αντιδράσεων
02:34
from patients, doctors,
companies, pharmacists.
companies, pharmacists.
53
142781
3760
από ασθενείς, γιατρούς,
εταιρείες, φαρμακοποιούς.
εταιρείες, φαρμακοποιούς.
02:38
And these reports are pretty simple:
54
146565
1749
Οι αναφορές αυτές είναι πολύ απλές:
02:40
it has all the diseases
that the patient has,
that the patient has,
55
148338
2658
Περιλαμβάνουν όλες τις παθήσεις
ενός ασθενούς,
ενός ασθενούς,
02:43
all the drugs that they're on,
56
151020
1767
όλα τα φάρμακα που παίρνει,
02:44
and all the adverse events,
or side effects, that they experience.
or side effects, that they experience.
57
152811
3818
όλες τις ανεπιθύμητες αντιδράσεις
ή παρενέργειες, που παρουσιάζουν.
ή παρενέργειες, που παρουσιάζουν.
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
Δεν είναι το σύνολο των ανεπιθύμητων
αντιδράσεων που εκδηλώνονται στις Η.Π.Α.
αντιδράσεων που εκδηλώνονται στις Η.Π.Α.
02:52
but it's hundreds and hundreds
of thousands of drugs.
of thousands of drugs.
59
160113
2578
είναι όμως εκατοντάδες χιλιάδες φάρμακα.
Είπα λοιπόν στον Νικ:
02:54
So I said to Nick,
60
162715
1299
«Ας επικεντρωθούμε στη γλυκόζη.
02:56
"Let's think about glucose.
61
164038
1826
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
Η γλυκόζη είναι πολύ σημαντική,
ξέρουμε ότι σχετίζεται με το διαβήτη.
ξέρουμε ότι σχετίζεται με το διαβήτη.
03:01
Let's see if we can understand
glucose response.
glucose response.
63
169479
3970
Ας δούμε αν κατανοούμε
την απόκριση στη γλυκόζη».
την απόκριση στη γλυκόζη».
03:05
I sent Nick off. Nick came back.
64
173473
2458
Τον έστειλα για έρευνα.
Ο Νικ γύρισε.
Ο Νικ γύρισε.
03:08
"Russ," he said,
65
176248
1786
«Ρας», μου είπε,
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
«δημιούργησα μια ταξινόμηση
των ανεπιθύμητων αντιδράσεων ενός φαρμάκου
των ανεπιθύμητων αντιδράσεων ενός φαρμάκου
03:15
based on looking at this database,
67
183487
2051
από αυτή τη βάση δεδομένων,
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
που δείχνει αν το φάρμακο
μπορεί να επηρεάσει τη γλυκόζη ή όχι».
μπορεί να επηρεάσει τη γλυκόζη ή όχι».
03:21
He did it. It was very simple, in a way.
69
189857
2016
Το κατάφερε. Ήταν σχετικά απλό.
Πήρε όλα τα φάρμακα που
ήταν γνωστό ότι επηρέαζαν τη γλυκόζη
ήταν γνωστό ότι επηρέαζαν τη γλυκόζη
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
και κάποια φάρμακα
που δεν επηρεάζουν τη γλυκόζη,
που δεν επηρεάζουν τη γλυκόζη,
03:28
and said, "What's the difference
in their side effects?
in their side effects?
72
196969
2888
κι αναρωτήθηκε αν υπάρχει διαφορά
στις ανεπιθύμητες ενέργειες.
στις ανεπιθύμητες ενέργειες.
03:31
Differences in fatigue? In appetite?
In urination habits?"
In urination habits?"
73
199881
4852
Υπάρχει διαφορά στην κόπωση,
στην όρεξη, στην ούρηση;
στην όρεξη, στην ούρηση;
03:36
All those things conspired
to give him a really good predictor.
to give him a really good predictor.
74
204757
2960
Όλα αυτά συνδυάστηκαν ώστε
να του δώσουν μια καλή πρόβλεψη.
να του δώσουν μια καλή πρόβλεψη.
03:39
He said, "Russ, I can predict
with 93 percent accuracy
with 93 percent accuracy
75
207741
2548
Μου είπε, «Ρας, μπορώ να προβλέψω
με ακρίβεια 93%
με ακρίβεια 93%
αν ένα φάρμακο επηρεάζει τη γλυκόζη».
03:42
when a drug will change glucose."
76
210313
1572
03:43
I said, "Nick, that's great."
77
211909
1416
Του λέω, «Μπράβο Νικ, σπουδαία».
03:45
He's a young student,
you have to build his confidence.
you have to build his confidence.
78
213349
2896
Νέος φοιτητής είναι,
πρέπει ν' αποκτήσει αυτοπεποίθηση.
πρέπει ν' αποκτήσει αυτοπεποίθηση.
03:48
"But Nick, there's a problem.
79
216269
1390
«Όμως, Νικ, υπάρχει πρόβλημα.
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
Κάθε γιατρός στον κόσμο γνωρίζει
όλα τα φάρμακα που επηρεάζουν τη γλυκόζη,
όλα τα φάρμακα που επηρεάζουν τη γλυκόζη,
03:53
because it's core to our practice.
81
221667
2038
είναι βασικό στην εκπαίδευσή τους.
03:55
So it's great, good job,
but not really that interesting,
but not really that interesting,
82
223729
3722
Άρα, έκανες καλή δουλειά,
αλλά δεν είναι και τόσο ενδιαφέρον,
αλλά δεν είναι και τόσο ενδιαφέρον,
και σίγουρα δεν είναι δημοσιεύσιμο».
03:59
definitely not publishable."
83
227475
1531
04:01
(Laughter)
84
229030
1014
(Γέλια)
04:02
He said, "I know, Russ.
I thought you might say that."
I thought you might say that."
85
230068
2550
«Το ξέρω, Ρας» μου λέει.
«Ήξερα ότι θα το πεις αυτό».
«Ήξερα ότι θα το πεις αυτό».
04:04
Nick is smart.
86
232642
1152
Έξυπνος ο Νικ.
04:06
"I thought you might say that,
so I did one other experiment.
so I did one other experiment.
87
234149
2874
«Το ήξερα και γι' αυτό
έκανα άλλο ένα πείραμα.
έκανα άλλο ένα πείραμα.
04:09
I looked at people in this database
who were on two drugs,
who were on two drugs,
88
237047
2928
Μελέτησα σ' αυτή τη βάση δεδομένων
τα άτομα που έπαιρναν δύο φάρμακα
τα άτομα που έπαιρναν δύο φάρμακα
04:11
and I looked for signals similar,
glucose-changing signals,
glucose-changing signals,
89
239999
4422
κι έψαξα για παρόμοια συμπτώματα,
μεταβολής της γλυκόζης,
μεταβολής της γλυκόζης,
04:16
for people taking two drugs,
90
244445
1624
σε άτομα που έπαιρναν δύο φάρμακα.
04:18
where each drug alone
did not change glucose,
did not change glucose,
91
246093
5569
Όταν δηλαδή το ένα φάρμακο
δεν επηρέαζε τη γλυκόζη,
δεν επηρέαζε τη γλυκόζη,
04:23
but together I saw a strong signal."
92
251686
2460
αλλά σε συνδυασμό
υπήρχε σοβαρή ένδειξη».
υπήρχε σοβαρή ένδειξη».
04:26
And I said, "Oh! You're clever.
Good idea. Show me the list."
Good idea. Show me the list."
93
254170
3149
«Μπράβο, έξυπνο», του λέω.
«Για δείξε μου τη λίστα».
«Για δείξε μου τη λίστα».
Είναι πολλά τα φάρμακα,
δεν είναι πολύ συναρπαστικό.
δεν είναι πολύ συναρπαστικό.
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
Αλλά αυτό που τράβηξε την προσοχή μου
ήταν δύο φάρμακα στη λίστα:
ήταν δύο φάρμακα στη λίστα:
04:35
paroxetine, or Paxil, an antidepressant;
96
263577
3393
η παροξετίνη ή Paxil, ένα αντικαταθλιπτικό
04:39
and pravastatin, or Pravachol,
a cholesterol medication.
a cholesterol medication.
97
267756
3570
και η πραβαστατίνη ή Pravachol,
ένα φάρμακο για τη χοληστερόλη.
ένα φάρμακο για τη χοληστερόλη.
04:43
And I said, "Huh. There are millions
of Americans on those two drugs."
of Americans on those two drugs."
98
271936
4283
Και λέω, «Α, εκατομμύρια Αμερικανοί
παίρνουν αυτά τα δύο φάρμακα».
παίρνουν αυτά τα δύο φάρμακα».
04:48
In fact, we learned later,
99
276243
1246
Και όπως μάθαμε αργότερα,
04:49
15 million Americans on paroxetine
at the time, 15 million on pravastatin,
at the time, 15 million on pravastatin,
100
277513
6032
15 εκατομμύρια Αμερικανοί
παίρνουν παροξετίνη,
παίρνουν παροξετίνη,
15 εκατομμύρια παίρνουν πραβαστατίνη
04:55
and a million, we estimated, on both.
101
283569
2817
και ένα εκατομμύριο,
κατά τους υπολογισμούς μας, και τα δύο.
κατά τους υπολογισμούς μας, και τα δύο.
Άρα, ένα εκατομμύριο άνθρωποι
04:58
So that's a million people
102
286767
1254
05:00
who might be having some problems
with their glucose
with their glucose
103
288045
2453
ίσως έχουν προβλήματα με το σάκχαρο,
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
αν αυτή η έξυπνη μηχανή που έφτιαξε
με τα δεδομένα του FDA, κάνει δουλειά.
με τα δεδομένα του FDA, κάνει δουλειά.
05:05
actually holds up.
105
293752
1254
Είπα, όμως,
05:07
But I said, "It's still not publishable,
106
295030
1927
«Και πάλι δεν είναι δημοσιεύσιμο,
05:08
because I love what you did
with the mumbo jumbo,
with the mumbo jumbo,
107
296981
2296
γιατί, μ' αρέσει μεν αυτό που έκανες
με την έξυπνη μηχανή,
05:11
with the machine learning,
108
299301
1246
αλλά το αποτέλεσμα
δεν είναι ασφαλής απόδειξη».
δεν είναι ασφαλής απόδειξη».
05:12
but it's not really standard-of-proof
evidence that we have."
evidence that we have."
109
300571
3864
05:17
So we have to do something else.
110
305618
1589
Άρα πρέπει να κάνουμε κάτι άλλο.
05:19
Let's go into the Stanford
electronic medical record.
electronic medical record.
111
307231
2876
Ας δούμε το ηλεκτρονικό ιατρικό αρχείο
του Στάνφορντ.
του Στάνφορντ.
05:22
We have a copy of it
that's OK for research,
that's OK for research,
112
310131
2064
Έχουμε ένα αντίγραφο,
διαθέσιμο προς διερεύνηση,
διαθέσιμο προς διερεύνηση,
05:24
we removed identifying information.
113
312219
2046
αφαιρώντας τις προσωπικές πληροφορίες.
Είπα λοιπόν, «Ας δούμε αν
όσοι παίρνουν και τα δύο φάρμακα
όσοι παίρνουν και τα δύο φάρμακα
05:26
And I said, "Let's see if people
on these two drugs
on these two drugs
114
314581
2503
05:29
have problems with their glucose."
115
317108
1769
έχουν πρόβλημα με το σάκχαρό τους».
Υπάρχουν φυσικά χιλιάδες άνθρωποι
05:31
Now there are thousands
and thousands of people
and thousands of people
116
319242
2207
στα ιατρικά αρχεία του Στάνφορντ
που παίρνουν παροξετίνη και πραβαστατίνη.
που παίρνουν παροξετίνη και πραβαστατίνη.
05:33
in the Stanford medical records
that take paroxetine and pravastatin.
that take paroxetine and pravastatin.
117
321473
3459
05:36
But we needed special patients.
118
324956
1799
Όμως χρειαζόμασταν ειδικούς ασθενείς.
05:38
We needed patients who were on one of them
and had a glucose measurement,
and had a glucose measurement,
119
326779
4597
Θέλαμε ασθενείς που έπαιρναν ένα φάρμακο
και παρακολούθησαν τη γλυκόζη τους,
και παρακολούθησαν τη γλυκόζη τους,
05:43
then got the second one and had
another glucose measurement,
another glucose measurement,
120
331400
3449
μετά πήραν το δεύτερο
και ξαναμέτρησαν τη γλυκόζη τους,
και ξαναμέτρησαν τη γλυκόζη τους,
05:46
all within a reasonable period of time --
something like two months.
something like two months.
121
334873
3615
για μια λογική χρονική περίοδο-
κάπου δύο μήνες.
κάπου δύο μήνες.
05:50
And when we did that,
we found 10 patients.
we found 10 patients.
122
338512
3159
Το κάναμε αυτό, και βρήκαμε 10 ασθενείς.
05:54
However, eight out of the 10
had a bump in their glucose
had a bump in their glucose
123
342592
4538
Παρόλα αυτά, 8 στους 10
παρουσίασαν αύξηση της γλυκόζης
παρουσίασαν αύξηση της γλυκόζης
05:59
when they got the second P --
we call this P and P --
we call this P and P --
124
347154
2645
όταν πήραν τη δεύτερη Π
-ας τις ονομάσουμε Π και Π-
-ας τις ονομάσουμε Π και Π-
06:01
when they got the second P.
125
349823
1310
όταν πήραν τη δεύτερη Π.
Όποια κι αν πήραν πρώτα
και μετά τη δεύτερη,
και μετά τη δεύτερη,
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
το σάκχαρο ανέβαινε κατά 20 mg/dL.
06:08
Just as a reminder,
128
356614
1158
Να υπενθυμίσω,
06:09
you walk around normally,
if you're not diabetic,
if you're not diabetic,
129
357796
2325
ότι αν δεν είσαι διαβητικός, κυκλοφορείς
με τιμή γλυκόζης γύρω στα 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
Αν ανέβει στα 120-125,
06:15
your doctor begins to think
about a potential diagnosis of diabetes.
about a potential diagnosis of diabetes.
132
363628
3450
ο γιατρός σου εξετάζει
μια πιθανή διάγνωση διαβήτη.
μια πιθανή διάγνωση διαβήτη.
06:19
So a 20 bump -- pretty significant.
133
367102
2991
Επομένως, μια αύξηση 20 μονάδων
είναι σημαντική.
είναι σημαντική.
06:22
I said, "Nick, this is very cool.
134
370601
1904
Είπα, «Νικ, είναι πολύ καλό.
Αλλά, λυπάμαι,
και πάλι δεν είναι δημοσιεύσιμο,
και πάλι δεν είναι δημοσιεύσιμο,
06:25
But, I'm sorry, we still
don't have a paper,
don't have a paper,
135
373616
2053
γιατί έχουμε μόνο 10 ασθενείς
06:27
because this is 10 patients
and -- give me a break --
and -- give me a break --
136
375693
2579
και βέβαια είναι πολύ λίγοι».
06:30
it's not enough patients."
137
378296
1245
06:31
So we said, what can we do?
138
379565
1306
Οπότε λέμε, τι να κάνουμε;
06:32
And we said, let's call our friends
at Harvard and Vanderbilt,
at Harvard and Vanderbilt,
139
380895
2976
Eίπαμε, να μιλήσουμε στους φίλους μας
στο Χάρβαρντ, στη Βοστώνη
στο Χάρβαρντ, στη Βοστώνη
06:35
who also -- Harvard in Boston,
Vanderbilt in Nashville,
Vanderbilt in Nashville,
140
383895
2587
και στο Βάντερμπιλντ, στο Νάσβιλ
06:38
who also have electronic
medical records similar to ours.
medical records similar to ours.
141
386506
2821
που έχουν ηλεκτρονικά ιατρικά αρχεία
παρόμοια με τα δικά μας.
παρόμοια με τα δικά μας.
06:41
Let's see if they can find
similar patients
similar patients
142
389351
2020
Να δούμε αν μπορούν να βρουν
τέτοιους ασθενείς
τέτοιους ασθενείς
06:43
with the one P, the other P,
the glucose measurements
the glucose measurements
143
391395
3276
με τη μία Π, την άλλη Π,
και τις μετρήσεις σακχάρου
και τις μετρήσεις σακχάρου
στα επίπεδα που μας ενδιαφέρουν.
06:46
in that range that we need.
144
394695
1600
Να είναι καλά το Βάντερμπιλντ
σε μία βδομάδα βρήκε 40 τέτοιους ασθενείς,
σε μία βδομάδα βρήκε 40 τέτοιους ασθενείς,
06:48
God bless them, Vanderbilt
in one week found 40 such patients,
in one week found 40 such patients,
145
396787
4955
06:53
same trend.
146
401766
1189
με την ίδια τάση.
Το Χάρβαρντ βρήκε 100 τέτοιους ασθενείς,
με την ίδια τάση.
με την ίδια τάση.
06:55
Harvard found 100 patients, same trend.
147
403804
3620
06:59
So at the end, we had 150 patients
from three diverse medical centers
from three diverse medical centers
148
407448
4281
Οπότε, τελικά, είχαμε 150 ασθενείς
από τρία διαφορετικά ιατρικά κέντρα
από τρία διαφορετικά ιατρικά κέντρα
07:03
that were telling us that patients
getting these two drugs
getting these two drugs
149
411753
3297
που έδειχναν ότι οι ασθενείς
που έπαιρναν αυτά τα δύο φάρμακα
που έπαιρναν αυτά τα δύο φάρμακα
07:07
were having their glucose bump
somewhat significantly.
somewhat significantly.
150
415074
2703
ανέβαζαν σημαντικά
τα επίπεδα της γλυκόζης τους.
τα επίπεδα της γλυκόζης τους.
Και μάλιστα, δεν είχαμε συμπεριλάβει
τους διαβητικούς,
τους διαβητικούς,
07:10
More interestingly,
we had left out diabetics,
we had left out diabetics,
151
418317
2810
07:13
because diabetics already
have messed up glucose.
have messed up glucose.
152
421151
2317
γιατί οι διαβητικοί είχαν ήδη
αυξημένη γλυκόζη.
αυξημένη γλυκόζη.
07:15
When we looked
at the glucose of diabetics,
at the glucose of diabetics,
153
423492
2238
Όταν προσέξαμε
τη γλυκόζη των διαβητικών,
τη γλυκόζη των διαβητικών,
07:17
it was going up 60 milligrams
per deciliter, not just 20.
per deciliter, not just 20.
154
425754
3435
είδαμε ότι αυξανόταν κατά 60 mg/dL,
όχι μόνο κατά 20.
όχι μόνο κατά 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
Αυτό ήταν πολύ σημαντικό, οπότε είπαμε,
«Πρέπει να το δημοσιεύσουμε».
«Πρέπει να το δημοσιεύσουμε».
07:25
We submitted the paper.
156
433236
1179
Υποβάλαμε την εργασία.
07:26
It was all data evidence,
157
434439
2111
Περιλάμβανε στοιχεία από τα δεδομένα,
07:28
data from the FDA, data from Stanford,
158
436574
2483
από τον FDA, από το Στάνφορντ,
07:31
data from Vanderbilt, data from Harvard.
159
439081
1946
από το Βάντερμπιλντ και το Χάρβαρντ.
07:33
We had not done a single real experiment.
160
441051
2396
Δεν είχαμε κάνει ούτε ένα πείραμα.
07:36
But we were nervous.
161
444495
1296
Ήμασταν όμως ανήσυχοι.
07:38
So Nick, while the paper
was in review, went to the lab.
was in review, went to the lab.
162
446201
3730
Τότε ο Νικ, όσο η εργασία ήταν
υπό αναθεώρηση, μπήκε στο εργαστήριο.
υπό αναθεώρηση, μπήκε στο εργαστήριο.
07:41
We found somebody
who knew about lab stuff.
who knew about lab stuff.
163
449955
2462
Βρήκαμε κάποιον που ήξερε
από εργαστηριακή δουλειά.
από εργαστηριακή δουλειά.
07:44
I don't do that.
164
452441
1393
Εγώ δεν ξέρω.
Ξέρω να φροντίζω ασθενείς,
Ξέρω να φροντίζω ασθενείς,
07:45
I take care of patients,
but I don't do pipettes.
but I don't do pipettes.
165
453858
2417
δεν ξέρω από δοκιμαστικούς σωλήνες.
07:49
They taught us how to feed mice drugs.
166
457420
3053
Μας έμαθαν πώς να δίνουμε
φάρμακα σε ποντίκια.
φάρμακα σε ποντίκια.
07:52
We took mice and we gave them
one P, paroxetine.
one P, paroxetine.
167
460864
2414
Δώσαμε στα ποντίκια τη μια Π,
την παροξετίνη.
την παροξετίνη.
07:55
We gave some other mice pravastatin.
168
463302
2508
Δώσαμε σε κάποια άλλα ποντίκια
πραβαστατίνη,
πραβαστατίνη,
07:57
And we gave a third group
of mice both of them.
of mice both of them.
169
465834
3595
Και δώσαμε σε μια τρίτη ομάδα
ποντικιών και τις δυο Π.
ποντικιών και τις δυο Π.
08:01
And lo and behold, glucose went up
20 to 60 milligrams per deciliter
20 to 60 milligrams per deciliter
170
469893
3946
Και ιδού! Η γλυκόζη τους ανέβηκε
από 20 ως 60 mg/dL.
από 20 ως 60 mg/dL.
08:05
in the mice.
171
473863
1171
Οπότε, η εργασία εγκρίθηκε
08:07
So the paper was accepted
based on the informatics evidence alone,
based on the informatics evidence alone,
172
475058
3158
με βάση μόνο τα πληροφοριακά στοιχεία,
08:10
but we added a little note at the end,
173
478240
1894
όμως προσθέσαμε μια σημείωση στο τέλος
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
που έλεγε: «Παρεμπιπτόντως,
και στα ποντίκια αυξάνεται».
και στα ποντίκια αυξάνεται».
08:15
That was great, and the story
could have ended there.
could have ended there.
175
483081
2508
Ωραία, η υπόθεση θα μπορούσε
να είχε τελειώσει εδώ.
να είχε τελειώσει εδώ.
08:17
But I still have six and a half minutes.
176
485613
1997
Αλλά μου μένουν ακόμη 6,5 λεπτά.
08:19
(Laughter)
177
487634
2807
(Γέλια)
08:22
So we were sitting around
thinking about all of this,
thinking about all of this,
178
490465
2815
Καθόμασταν και τα σκεφτόμασταν όλα αυτά,
08:25
and I don't remember who thought
of it, but somebody said,
of it, but somebody said,
179
493304
2735
και δε θυμάμαι ποιος σκέφτηκε,
ή κάποιος είπε,
ή κάποιος είπε,
08:28
"I wonder if patients
who are taking these two drugs
who are taking these two drugs
180
496063
3201
«Αναρωτιέμαι αν οι ασθενείς
που παίρνουν αυτά τα φάρμακα
που παίρνουν αυτά τα φάρμακα
08:31
are noticing side effects
of hyperglycemia.
of hyperglycemia.
181
499288
3553
έχουν προσέξει παρενέργειες
από την υπεργλυκαιμία.
από την υπεργλυκαιμία.
08:34
They could and they should.
182
502865
1496
Θα έπρεπε.
08:36
How would we ever determine that?"
183
504761
1877
Πώς θα μπορούσαμε να το βρούμε αυτό;»
08:39
We said, well, what do you do?
184
507551
1443
Τι θα έκανε κάποιος, λοιπόν;
08:41
You're taking a medication,
one new medication or two,
one new medication or two,
185
509018
2580
Αν πάρεις ένα φάρμακο,
ένα νέο φάρμακο ή και δύο,
ένα νέο φάρμακο ή και δύο,
08:43
and you get a funny feeling.
186
511622
1538
και νιώσεις περίεργα...
08:45
What do you do?
187
513184
1151
Τι κάνεις;
08:46
You go to Google
188
514359
1151
Πας στο Google
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
και πληκτρολογείς το φάρμακο
ή τα δύο φάρμακα που παίρνεις
ή τα δύο φάρμακα που παίρνεις
08:50
and you type in "side effects."
190
518907
1603
και γράφεις «Παρενέργειες».
08:52
What are you experiencing?
191
520534
1356
Τι νιώθεις;
Είπαμε, εντάξει,
08:54
So we said OK,
192
522239
1151
ας ζητήσουμε από την Google να μας δώσει
08:55
let's ask Google if they will share
their search logs with us,
their search logs with us,
193
523414
3056
το ιστορικό, τις καταγραφές
των αναζητήσεων
των αναζητήσεων
08:58
so that we can look at the search logs
194
526494
1833
για να δούμε αν οι ασθενείς
κάνουν αυτές τις αναζητήσεις.
κάνουν αυτές τις αναζητήσεις.
09:00
and see if patients are doing
these kinds of searches.
these kinds of searches.
195
528351
2565
09:02
Google, I am sorry to say,
denied our request.
denied our request.
196
530940
3275
Δυστυχώς, η Google
αρνήθηκε το αίτημά μας.
αρνήθηκε το αίτημά μας.
Απογοητεύτηκα.
09:06
So I was bummed.
197
534819
1151
09:07
I was at a dinner with a colleague
who works at Microsoft Research
who works at Microsoft Research
198
535994
3166
Έτρωγα με ένα συνάδελφο
που δουλεύει στο ερευνητικό της Microsoft
που δουλεύει στο ερευνητικό της Microsoft
και του λέω, «Θέλαμε να κάνουμε
αυτή την έρευνα,
αυτή την έρευνα,
09:11
and I said, "We wanted to do this study,
199
539184
1941
09:13
Google said no, it's kind of a bummer."
200
541149
1880
και η Google μας αρνήθηκε».
Και μου λέει,
«Καλά, υπάρχει και το Bing».
«Καλά, υπάρχει και το Bing».
09:15
He said, "Well, we have
the Bing searches."
the Bing searches."
201
543053
2086
(Γέλια)
09:18
(Laughter)
202
546195
3483
09:22
Yeah.
203
550805
1267
Ναι!
09:24
That's great.
204
552096
1151
Φανταστικά!
09:25
Now I felt like I was --
205
553271
1151
Μου φαινόταν ότι...
09:26
(Laughter)
206
554446
1000
(Γέλια)
09:27
I felt like I was talking to Nick again.
207
555470
2412
Μου φαινόταν σαν
να μιλούσα πάλι με το Νικ.
να μιλούσα πάλι με το Νικ.
Δουλεύει σε μία από τις μεγαλύτερες
εταιρείες του κόσμου,
εταιρείες του κόσμου,
09:30
He works for one of the largest
companies in the world,
companies in the world,
208
558437
2624
και ήδη προσπαθώ να τον κάνω
να νιώσει καλύτερα.
να νιώσει καλύτερα.
09:33
and I'm already trying
to make him feel better.
to make him feel better.
209
561085
2206
09:35
But he said, "No, Russ --
you might not understand.
you might not understand.
210
563315
2445
Και μου λέει,
«Όχι, Ρας-δεν κατάλαβες.
«Όχι, Ρας-δεν κατάλαβες.
Δεν έχουμε μόνο
τις αναζητήσεις του Bing.
τις αναζητήσεις του Bing.
09:37
We not only have Bing searches,
211
565784
1500
09:39
but if you use Internet Explorer
to do searches at Google,
to do searches at Google,
212
567308
3340
Αν χρησιμοποιείς Internet Explorer
για να ψάξεις στο Google,
για να ψάξεις στο Google,
στη Yahoo, στο Bing, οπουδήποτε...
09:42
Yahoo, Bing, any ...
213
570672
1891
εμείς κρατάμε αυτά τα δεδομένα
18 μήνες, για ερευνητικούς σκοπούς μόνο».
18 μήνες, για ερευνητικούς σκοπούς μόνο».
09:44
Then, for 18 months, we keep that data
for research purposes only."
for research purposes only."
214
572587
3643
09:48
I said, "Now you're talking!"
215
576254
1936
«Τώρα μιλάς σωστά!», του λέω.
Ήταν ο Έρικ Χόρβιτς,
ο φίλος μου απ' τη Microsoft.
ο φίλος μου απ' τη Microsoft.
09:50
This was Eric Horvitz,
my friend at Microsoft.
my friend at Microsoft.
216
578214
2198
09:52
So we did a study
217
580436
1695
Οπότε, κάναμε μια μελέτη
09:54
where we defined 50 words
that a regular person might type in
that a regular person might type in
218
582155
4619
στην οποία ορίσαμε 50 λέξεις που ένας
συνηθισμένος άνθρωπος θα πληκτρολογούσε
συνηθισμένος άνθρωπος θα πληκτρολογούσε
09:58
if they're having hyperglycemia,
219
586798
1602
αν είχε υπεργλυκαιμία,
10:00
like "fatigue," "loss of appetite,"
"urinating a lot," "peeing a lot" --
"urinating a lot," "peeing a lot" --
220
588424
4762
όπως «κόπωση», «ανορεξία»,
«συχνουρία», «πολύ κατούρημα»,
«συχνουρία», «πολύ κατούρημα»,
συγγνώμη, αλλά είναι μία απ' τις λέξεις
που θα έγραφε κάποιος.
που θα έγραφε κάποιος.
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
Συγκεντρώσαμε 50 φράσεις
που τις είπαμε «λέξεις του διαβήτη».
που τις είπαμε «λέξεις του διαβήτη».
10:08
So we had 50 phrases
that we called the "diabetes words."
that we called the "diabetes words."
222
596001
2790
10:10
And we did first a baseline.
223
598815
2063
Θέσαμε ένα σημείο αναφοράς.
10:12
And it turns out
that about .5 to one percent
that about .5 to one percent
224
600902
2704
Και φάνηκε ότι περίπου 0,5 ως 1%
όλων των αναζητήσεων στο Ίντερνετ
περιλαμβάνουν μια απ' αυτές τις λέξεις.
περιλαμβάνουν μια απ' αυτές τις λέξεις.
10:15
of all searches on the Internet
involve one of those words.
involve one of those words.
225
603630
2982
10:18
So that's our baseline rate.
226
606636
1742
Αυτό ήταν το σημείο αναφοράς μας.
10:20
If people type in "paroxetine"
or "Paxil" -- those are synonyms --
or "Paxil" -- those are synonyms --
227
608402
4143
Αν έγραφαν «παροξετίνη» ή «Paxil»
- που είναι συνώνυμα -
- που είναι συνώνυμα -
και μία απ' αυτές τις λέξεις
10:24
and one of those words,
228
612569
1215
10:25
the rate goes up to about two percent
of diabetes-type words,
of diabetes-type words,
229
613808
4890
η συχνότητα ανέβαινε περίπου στο 2%
για τις «λέξεις του διαβήτη»,
για τις «λέξεις του διαβήτη»,
10:30
if you already know
that there's that "paroxetine" word.
that there's that "paroxetine" word.
230
618722
3044
αν ήταν γνωστό
ότι υπήρχε η λέξη παροξετίνη.
ότι υπήρχε η λέξη παροξετίνη.
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
Αν έγραφαν πραβαστατίνη, η συχνότητα
ανέβαινε στο 3% από το σημείο αναφοράς.
ανέβαινε στο 3% από το σημείο αναφοράς.
10:39
If both "paroxetine" and "pravastatin"
are present in the query,
are present in the query,
232
627171
4390
Αν και οι δυο λέξεις «παροξετίνη» και
«πραβαστατίνη» υπάρχουν στην αναζήτηση
«πραβαστατίνη» υπάρχουν στην αναζήτηση
10:43
it goes up to 10 percent,
233
631585
1669
ανεβαίνει στο 10%,
10:45
a huge three- to four-fold increase
234
633278
3461
μια τεράστια, σχεδόν τετραπλάσια αύξηση,
10:48
in those searches with the two drugs
that we were interested in,
that we were interested in,
235
636763
3389
για τις αναζητήσεις με τα δυο φάρμακα
που μας ενδιέφεραν,
που μας ενδιέφεραν,
10:52
and diabetes-type words
or hyperglycemia-type words.
or hyperglycemia-type words.
236
640176
3566
και τις «λέξεις του διαβήτη»
ή της υπεργλυκαιμίας.
ή της υπεργλυκαιμίας.
10:56
We published this,
237
644216
1265
Το δημοσιεύσαμε αυτό,
10:57
and it got some attention.
238
645505
1466
και έτυχε κάποιας προσοχής.
10:58
The reason it deserves attention
239
646995
1778
Ο λόγος που αξίζει την προσοχή
11:00
is that patients are telling us
their side effects indirectly
their side effects indirectly
240
648797
4312
είναι ότι οι ασθενείς μας λένε
για τις παρενέργειες που έχουν
για τις παρενέργειες που έχουν
έμμεσα, μέσω των αναζητήσεών τους.
11:05
through their searches.
241
653133
1156
11:06
We brought this
to the attention of the FDA.
to the attention of the FDA.
242
654313
2138
Το κοινοποιήσαμε στον FDA.
11:08
They were interested.
243
656475
1269
Και ενδιαφέρθηκαν.
11:09
They have set up social media
surveillance programs
surveillance programs
244
657768
3606
Ξεκίνησαν προγράμματα παρακολούθησης
μέσω των μέσων κοινωνικής δικτύωσης
μέσω των μέσων κοινωνικής δικτύωσης
11:13
to collaborate with Microsoft,
245
661398
1751
σε συνεργασία με τη Microsoft
11:15
which had a nice infrastructure
for doing this, and others,
for doing this, and others,
246
663173
2794
που είχε ισχυρή υποδομή
γι' αυτά και για άλλα,
γι' αυτά και για άλλα,
11:17
to look at Twitter feeds,
247
665991
1282
για έρευνα στο Twitter και στο Facebook
11:19
to look at Facebook feeds,
248
667297
1716
στις καταγραφές των αναζητήσεων,
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
ώστε να δουν πρώιμα σημεία ότι τα φάρμακα,
είτε ανεξάρτητα είτε σε συνδυασμό
είτε ανεξάρτητα είτε σε συνδυασμό
11:27
are causing problems.
251
675305
1589
προκαλούν προβλήματα.
Τι συνάγεται απ' αυτό;
Γιατί σας λέω αυτή την ιστορία;
Γιατί σας λέω αυτή την ιστορία;
11:28
What do I take from this?
Why tell this story?
Why tell this story?
252
676918
2174
11:31
Well, first of all,
253
679116
1207
Λοιπόν, πρώτα-πρώτα,
έχουμε τώρα
έχουμε τώρα
11:32
we have now the promise
of big data and medium-sized data
of big data and medium-sized data
254
680347
4037
το πλεονέκτημα των μεγα-δεδομένων
και των μεσαίας τάξης δεδομένων
και των μεσαίας τάξης δεδομένων
11:36
to help us understand drug interactions
255
684408
2918
που μας βοηθούν να καταλάβουμε
τις αλληλεπιδράσεις των φαρμάκων
τις αλληλεπιδράσεις των φαρμάκων
11:39
and really, fundamentally, drug actions.
256
687350
2420
και στην πραγματικότητα,
στην ουσία, τη δράση τους
στην ουσία, τη δράση τους
11:41
How do drugs work?
257
689794
1413
Πώς δρουν τα φάρμακα.
11:43
This will create and has created
a new ecosystem
a new ecosystem
258
691231
2836
Αυτό θα δημιουργήσει και ήδη δημιούργησε
ένα νέο περιβάλλον για την κατανόηση
της δράσης των φαρμάκων
της δράσης των φαρμάκων
11:46
for understanding how drugs work
and to optimize their use.
and to optimize their use.
259
694091
3267
και τη βελτίωση της χρήσης τους.
11:50
Nick went on; he's a professor
at Columbia now.
at Columbia now.
260
698303
2659
Ο Νικ προχώρησε. Είναι τώρα
καθηγητής στο Κολούμπια.
καθηγητής στο Κολούμπια.
11:52
He did this in his PhD
for hundreds of pairs of drugs.
for hundreds of pairs of drugs.
261
700986
4072
Έκανε το διδακτορικό του
πάνω σε εκατοντάδες ζεύγη φαρμάκων.
πάνω σε εκατοντάδες ζεύγη φαρμάκων.
11:57
He found several
very important interactions,
very important interactions,
262
705082
2517
Βρήκε μερικές ενδιαφέρουσες
αλληλεπιδράσεις
αλληλεπιδράσεις
κι έτσι ξανακάναμε την έρευνα
11:59
and so we replicated this
263
707623
1214
12:00
and we showed that this
is a way that really works
is a way that really works
264
708861
2574
και δείξαμε πως είναι
μια μέθοδος που αποδίδει
μια μέθοδος που αποδίδει
12:03
for finding drug-drug interactions.
265
711459
2339
για την έρευνα των αλληλεπιδράσεων
των φαρμάκων.
των φαρμάκων.
12:06
However, there's a couple of things.
266
714282
1734
Όμως, υπάρχουν κάποια θέματα.
12:08
We don't just use pairs
of drugs at a time.
of drugs at a time.
267
716040
3046
Τώρα, δε μελετάμε ζεύγη φαρμάκων.
12:11
As I said before, there are patients
on three, five, seven, nine drugs.
on three, five, seven, nine drugs.
268
719110
4469
Όπως είπα νωρίτερα, κάποιοι ασθενείς
παίρνουν 3 ,5, 7, 9 φάρμακα.
παίρνουν 3 ,5, 7, 9 φάρμακα.
12:15
Have they been studied with respect
to their nine-way interaction?
to their nine-way interaction?
269
723981
3642
Έχει μελετηθεί η αλληλεπίδραση
και των εννιά;
και των εννιά;
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
Ναι, μπορούμε να το κάνουμε ανά ζέυγη,
το Α με το Β, το Α με το Γ, το Α με το Δ,
το Α με το Β, το Α με το Γ, το Α με το Δ,
12:23
but what about A, B, C,
D, E, F, G all together,
D, E, F, G all together,
271
731879
4286
αλλά το Α με το Β, το Γ, το Δ, το Ε
το Ζ, το Η, όλα μαζί,
το Ζ, το Η, όλα μαζί,
12:28
being taken by the same patient,
272
736189
1762
να λαμβάνονται από τον ίδιο άρρωστο,
12:29
perhaps interacting with each other
273
737975
2118
και ίσως να αλληλεπιδρούν
το ένα με το άλλο
το ένα με το άλλο
12:32
in ways that either makes them
more effective or less effective
more effective or less effective
274
740117
3778
με τρόπους που τα κάνουν
περισσότερο ή λιγότερο αποτελεσματικά
περισσότερο ή λιγότερο αποτελεσματικά
12:35
or causes side effects
that are unexpected?
that are unexpected?
275
743919
2332
ή προκαλούν απροσδόκητες παρενέργειες;
12:38
We really have no idea.
276
746275
1827
Δεν έχουμε ιδέα.
12:40
It's a blue sky, open field
for us to use data
for us to use data
277
748126
3756
Ανεξερεύνητο, ανοιχτό πεδίο
για τη χρήση δεδομένων
για τη χρήση δεδομένων
για να προσπαθήσουμε να κατανοήσουμε
την αλληλεπίδραση των φαρμάκων.
την αλληλεπίδραση των φαρμάκων.
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
Δυο ακόμη μαθήματα:
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
Θα ήθελα να αναλογιστείτε τη δύναμη
που μπορούμε να δημιουργήσουμε
που μπορούμε να δημιουργήσουμε
12:52
with the data from people who had
volunteered their adverse reactions
volunteered their adverse reactions
281
760465
4711
με τα δεδομένα που διέθεσαν
αυτοί που είχαν ανεπιθύμητα συμπτώματα
αυτοί που είχαν ανεπιθύμητα συμπτώματα
12:57
through their pharmacists,
through themselves, through their doctors,
through themselves, through their doctors,
282
765200
3269
οι ίδιοι ή μέσω των φαρμακοποιών
και των γιατρών τους.
και των γιατρών τους.
Οι άνθρωποι που διέθεσαν
τις βάσεις δεδομένων
τις βάσεις δεδομένων
13:00
the people who allowed the databases
at Stanford, Harvard, Vanderbilt,
at Stanford, Harvard, Vanderbilt,
283
768493
3667
στο Στάνφορντ, το Χάρβαρντ,
το Βάντερμπιλντ
το Βάντερμπιλντ
13:04
to be used for research.
284
772184
1427
για ερευνητική χρήση.
13:05
People are worried about data.
285
773929
1445
Ο κόσμος ανησυχεί για τα δεδομένα.
13:07
They're worried about their privacy
and security -- they should be.
and security -- they should be.
286
775398
3187
Ανησυχούν για την ιδιωτικότητα
και την ασφάλεια.
και την ασφάλεια.
Καλά κάνουν.
Χρειαζόμαστε ασφαλή συστήματα.
Χρειαζόμαστε ασφαλή συστήματα.
13:10
We need secure systems.
287
778609
1151
13:11
But we can't have a system
that closes that data off,
that closes that data off,
288
779784
3406
Αλλά δε γίνεται να έχουμε ένα σύστημα
που αποκλείει τα δεδομένα
που αποκλείει τα δεδομένα
13:15
because it is too rich of a source
289
783214
2752
γιατί είναι μια τόσο πλούσια πηγή
13:17
of inspiration, innovation and discovery
290
785990
3971
έμπνευσης, καινοτομίας
και νέων ανακαλύψεων, στην Ιατρική.
και νέων ανακαλύψεων, στην Ιατρική.
13:21
for new things in medicine.
291
789985
1578
13:24
And the final thing I want to say is,
292
792494
1794
Και το τελευταίο, που θα ήθελα να πω
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
είναι ότι σ' αυτή την περίπτωση βρήκαμε
δύο φάρμακα και ήταν στενάχωρο.
δύο φάρμακα και ήταν στενάχωρο.
13:29
The two drugs actually caused problems.
294
797693
1921
Τα δύο φάρμακα προκαλούσαν προβλήματα.
13:31
They increased glucose.
295
799638
1475
Ανέβαζαν το σάκχαρο.
13:33
They could throw somebody into diabetes
296
801137
2446
Μπορούσαν να κάνουν κάποιον διαβητικό
13:35
who would otherwise not be in diabetes,
297
803607
2294
που διαφορετικά δε θα γινόταν,
13:37
and so you would want to use
the two drugs very carefully together,
the two drugs very carefully together,
298
805925
3175
οπότε η ταυτόχρονη χρήση τους
πρέπει να γίνεται με μεγάλη προσοχή.
πρέπει να γίνεται με μεγάλη προσοχή.
Ίσως όχι σε συνδυασμό,
13:41
perhaps not together,
299
809124
1151
13:42
make different choices
when you're prescribing.
when you're prescribing.
300
810299
2340
να υπάρχουν άλλες επιλογές
στη συνταγογράφηση.
στη συνταγογράφηση.
13:44
But there was another possibility.
301
812663
1846
Αλλά υπάρχει κι άλλη πιθανότητα.
13:46
We could have found
two drugs or three drugs
two drugs or three drugs
302
814533
2344
Θα μπορούσαμε να βρούμε
2 ή 3 φάρμακα
2 ή 3 φάρμακα
13:48
that were interacting in a beneficial way.
303
816901
2261
που να αλληλεπιδρούν με ευεργετικό τρόπο.
13:51
We could have found new effects of drugs
304
819616
2712
Θα μπορούσαμε να βρούμε
νέες δράσεις των φαρμάκων
νέες δράσεις των φαρμάκων
13:54
that neither of them has alone,
305
822352
2160
που κανένα από μόνο του δεν είχε,
13:56
but together, instead
of causing a side effect,
of causing a side effect,
306
824536
2493
αλλά μαζί, αντί για παρενέργειες
13:59
they could be a new and novel treatment
307
827053
2425
θα μπορούσαν να είναι μια νέα θεραπεία
14:01
for diseases that don't have treatments
308
829502
1882
για ασθένειες που δε θεραπεύονται
ή όπου η αγωγή δεν είναι αποτελεσματική.
14:03
or where the treatments are not effective.
309
831408
2007
Αν αναλογιστούμε σήμερα
14:05
If we think about drug treatment today,
310
833439
2395
τις μεγάλες τομές στη φαρμακευτική αγωγή,
14:07
all the major breakthroughs --
311
835858
1752
14:09
for HIV, for tuberculosis,
for depression, for diabetes --
for depression, for diabetes --
312
837634
4297
για το AIDS, τη φυματίωση,
την κατάθλιψη, το διαβήτη,
την κατάθλιψη, το διαβήτη,
14:13
it's always a cocktail of drugs.
313
841955
2830
πάντα δίνονται κοκτέιλ φαρμάκων.
14:16
And so the upside here,
314
844809
1730
Έτσι, το πλεονέκτημα εδώ,
14:18
and the subject for a different
TED Talk on a different day,
TED Talk on a different day,
315
846563
2849
κι ίσως το θέμα μιας άλλης
ομιλίας στο TED κάποια στιγμή,
ομιλίας στο TED κάποια στιγμή,
14:21
is how can we use the same data sources
316
849436
2593
είναι η πιθανή χρήση των ίδιων πηγών
14:24
to find good effects
of drugs in combination
of drugs in combination
317
852053
3563
για να βρούμε ευεργετικές επιδράσεις
συνδυασμών φαρμάκων
συνδυασμών φαρμάκων
14:27
that will provide us new treatments,
318
855640
2175
που θα οδηγήσουν σε νέες θεραπείες,
14:29
new insights into how drugs work
319
857839
1852
νέες ιδέες για τη δράση των φάρμακων
14:31
and enable us to take care
of our patients even better?
of our patients even better?
320
859715
3786
ώστε η φροντίδα για τους ασθενείς
να βελτιωθεί περισσότερο;
να βελτιωθεί περισσότερο;
14:35
Thank you very much.
321
863525
1166
Σας ευχαριστώ πολύ.
14:36
(Applause)
322
864715
3499
(Χειροκρότημα)
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