TEDMED 2015
Russ Altman: What really happens when you mix medications?
Russ Altman: Que se passe-t-il vraiment lorsque vous mélangez les traitements ?
Filmed:
Readability: 4.2
1,766,922 views
Si vous prenez deux traitements différents pour deux raisons différentes, une réflexion s'impose : votre médecin peut ne pas complètement comprendre ce qui se passe quand les médicaments sont combinés, et ce parce que les interactions médicamenteuses sont incroyablement difficiles à étudier. Dans cet exposé fascinant et accessible, Russ Altman montre comment les médecins étudient les interactions médicamenteuses inattendues à l'aide d'une source surprenante : les requêtes sur les moteurs de recherche.
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
Vous allez chez le docteur
et passez quelques tests.
et passez quelques tests.
00:16
The doctor determines
that you have high cholesterol
that you have high cholesterol
1
4674
2620
Il ressort que vous avez
un peu trop de cholestérol
un peu trop de cholestérol
00:19
and you would benefit
from medication to treat it.
from medication to treat it.
2
7318
3171
et qu'il serait bon de prendre un
traitement pour y remédier.
traitement pour y remédier.
Il vous prescrit une boîte
00:22
So you get a pillbox.
3
10981
1556
de médicaments.
00:25
You have some confidence,
4
13505
1199
Vous êtes confiant,
00:26
your physician has some confidence
that this is going to work.
that this is going to work.
5
14728
2937
votre médecin est confiant
que cela va faire l'affaire.
que cela va faire l'affaire.
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
Le laboratoire qui l'a créé a fait plein
de tests, l'a soumis à la FDA.
de tests, l'a soumis à la FDA.
00:33
They studied it very carefully,
skeptically, they approved it.
skeptically, they approved it.
7
21266
3107
Ils l'ont étudié précisément, avec soin,
et l'ont approuvé.
et l'ont approuvé.
00:36
They have a rough idea of how it works,
8
24397
1889
Ils ont une bonne idée
de son action,
de son action,
00:38
they have a rough idea
of what the side effects are.
of what the side effects are.
9
26310
2453
une bonne idée des
effets secondaires.
effets secondaires.
Ça devrait aller.
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
Vous discutez un peu plus
avec votre médecin,
avec votre médecin,
00:45
and the physician is a little worried
because you've been blue,
because you've been blue,
12
33706
2963
il s'inquiète car vous êtes un peu
triste ces derniers temps,
triste ces derniers temps,
00:48
haven't felt like yourself,
13
36693
1293
quelque chose cloche,
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
vous n'arrivez pas à profiter de la vie
comme vous en avez l'habitude.
comme vous en avez l'habitude.
Votre médecin dit :
« Je pense que vous déprimez.
« Je pense que vous déprimez.
00:53
Your physician says, "You know,
I think you have some depression.
I think you have some depression.
15
41765
3186
Je vais vous prescrire
un autre médicament. »
un autre médicament. »
00:57
I'm going to have to give
you another pill."
you another pill."
16
45792
2315
01:00
So now we're talking
about two medications.
about two medications.
17
48934
2483
Nous voilà à 2 traitements maintenant.
01:03
This pill also -- millions
of people have taken it,
of people have taken it,
18
51441
3104
Ce médicament aussi
-- des millions le prennent,
-- des millions le prennent,
01:06
the company did studies,
the FDA looked at it -- all good.
the FDA looked at it -- all good.
19
54569
3631
le laboratoire a fait des études, la FDA
l'a revu -- c'est tout bon.
l'a revu -- c'est tout bon.
01:10
Think things should go OK.
20
58823
2057
Tout devrait bien se passer avec ça.
01:12
Think things should go OK.
21
60904
2197
Tout devrait bien se passer avec ça.
01:15
Well, wait a minute.
22
63125
1439
Attendez une minute.
01:16
How much have we studied
these two together?
these two together?
23
64588
3517
A-t-on bien étudié
ces 2 médicaments ensemble ?
ces 2 médicaments ensemble ?
01:20
Well, it's very hard to do that.
24
68630
2300
Eh bien, c'est très dur à faire.
01:22
In fact, it's not traditionally done.
25
70954
2130
A vrai dire, ce n'est pas fait.
01:25
We totally depend on what we call
"post-marketing surveillance,"
"post-marketing surveillance,"
26
73108
5518
On se repose totalement sur la
« surveillance après commercialisation »,
« surveillance après commercialisation »,
01:30
after the drugs hit the market.
27
78650
1880
après leur mise sur le marché.
01:32
How can we figure out
if bad things are happening
if bad things are happening
28
80996
2848
Comment peut-on savoir si des
effets secondaires existent
effets secondaires existent
01:35
between two medications?
29
83868
1357
si on mélange les deux ?
01:37
Three? Five? Seven?
30
85249
2030
Et avec trois ? Cinq ? Sept ?
01:39
Ask your favorite person
who has several diagnoses
who has several diagnoses
31
87708
2415
Demandez à un ami
qui suit plusieurs traitements
qui suit plusieurs traitements
01:42
how many medications they're on.
32
90147
1834
combien de pilules il prend.
01:44
Why do I care about this problem?
33
92530
1580
Pourquoi cela m'intéresse ?
Ça m'intéresse beaucoup.
01:46
I care about it deeply.
34
94134
1157
Je suis informaticien et scientifique,
et sérieusement, à mon avis,
et sérieusement, à mon avis,
01:47
I'm an informatics and data science guy
and really, in my opinion,
and really, in my opinion,
35
95315
4304
01:51
the only hope -- only hope --
to understand these interactions
to understand these interactions
36
99643
3745
la seule chance -- la seule --
de comprendre ces interactions
de comprendre ces interactions
01:55
is to leverage lots
of different sources of data
of different sources of data
37
103412
3056
est de tirer parti d'un maximum
de sources d'information
de sources d'information
de manière à découvrir quand les
médicaments peuvent être mélangés
médicaments peuvent être mélangés
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
et quand il y a un risque.
Ceci est une histoire
de science de données.
de science de données.
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
Elle commence avec mon étudiant Nick.
02:08
Let's call him "Nick,"
because that's his name.
because that's his name.
42
116868
2380
Appelons-le Nick,
parce que c'est son nom.
parce que c'est son nom.
02:11
(Laughter)
43
119272
1592
(Rires)
02:12
Nick was a young student.
44
120888
1201
Nick était étudiant.
02:14
I said, "You know, Nick, we have
to understand how drugs work
to understand how drugs work
45
122113
3079
Je lui dit : « Nick, on doit comprendre
l'action des médicaments,
l'action des médicaments,
comment ils interagissent
et agissent seuls,
et agissent seuls,
02:17
and how they work together
and how they work separately,
and how they work separately,
46
125216
2626
et on n'a pas une bonne compréhension. »
02:19
and we don't have a great understanding.
47
127866
1922
Mais la FDA met à disposition
une base de données géniale,
une base de données géniale,
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
une base des effets indésirables.
02:26
They literally put on the web --
50
134321
1642
Ils mettent en ligne --
02:27
publicly available, you could all
download it right now --
download it right now --
51
135987
3119
librement accessible, vous pourriez
tout télécharger maintenant --
tout télécharger maintenant --
02:31
hundreds of thousands
of adverse event reports
of adverse event reports
52
139130
3627
des centaines de milliers de rapports
sur les effets indésirables
sur les effets indésirables
02:34
from patients, doctors,
companies, pharmacists.
companies, pharmacists.
53
142781
3760
de patients, docteurs,
entreprises, pharmaciens.
entreprises, pharmaciens.
02:38
And these reports are pretty simple:
54
146565
1749
Et ces rapports sont assez simples :
02:40
it has all the diseases
that the patient has,
that the patient has,
55
148338
2658
ils contiennent toutes les
maladies du patient,
maladies du patient,
02:43
all the drugs that they're on,
56
151020
1767
tous les médicaments qu'il prend,
02:44
and all the adverse events,
or side effects, that they experience.
or side effects, that they experience.
57
152811
3818
et tous les effets indésirables,
ou effets secondaires qu'il rencontre.
ou effets secondaires qu'il rencontre.
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
Pas tous les effets indésirables
survenant en Amérique aujourd'hui,
survenant en Amérique aujourd'hui,
mais des centaines et centaines
de milliers de médicaments.
de milliers de médicaments.
02:52
but it's hundreds and hundreds
of thousands of drugs.
of thousands of drugs.
59
160113
2578
02:54
So I said to Nick,
60
162715
1299
Donc j'ai dit à Nick :
02:56
"Let's think about glucose.
61
164038
1826
« Prenons le glucose.
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
Le glucose est très important, et
nous connaissons son lien avec le diabète.
nous connaissons son lien avec le diabète.
03:01
Let's see if we can understand
glucose response.
glucose response.
63
169479
3970
Voyons voir si on peut comprendre
la réponse au glucose. »
la réponse au glucose. »
03:05
I sent Nick off. Nick came back.
64
173473
2458
Nick part là dessus.
Nick revient.
Nick revient.
03:08
"Russ," he said,
65
176248
1786
« Russ », me dit-il,
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
« j'ai créé un classificateur qui peut
regarder les effets d'un médicament
regarder les effets d'un médicament
03:15
based on looking at this database,
67
183487
2051
dans la base de données de la FDA,
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
et dire si ce médicament peut avoir
un effet sur le taux de glucose. »
un effet sur le taux de glucose. »
03:21
He did it. It was very simple, in a way.
69
189857
2016
Il l'a fait. C'était très simple en somme.
03:23
He took all the drugs
that were known to change glucose
that were known to change glucose
70
191897
2635
Il a prit tous les médicaments
ayant un effet
ayant un effet
03:26
and a bunch of drugs
that don't change glucose,
that don't change glucose,
71
194556
2389
et quelques autres sans effet,
et s'est dit :
et s'est dit :
03:28
and said, "What's the difference
in their side effects?
in their side effects?
72
196969
2888
« Quelles sont les différences
sur les effets secondaires ?
sur les effets secondaires ?
03:31
Differences in fatigue? In appetite?
In urination habits?"
In urination habits?"
73
199881
4852
Différence de fatigue ? D'appétit ?
D'habitudes urinaires ? »
D'habitudes urinaires ? »
03:36
All those things conspired
to give him a really good predictor.
to give him a really good predictor.
74
204757
2960
Tout cela lui a permis de donner
un très bon prédicteur.
un très bon prédicteur.
03:39
He said, "Russ, I can predict
with 93 percent accuracy
with 93 percent accuracy
75
207741
2548
« Russ, je peux prédire avec
une précision de 93%
une précision de 93%
03:42
when a drug will change glucose."
76
210313
1572
quand le glucose est impacté. »
03:43
I said, "Nick, that's great."
77
211909
1416
« Nick, c'est super. »
C'est un jeune étudiant,
Il faut l'encourager.
Il faut l'encourager.
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
« Mais il y a un problème.
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
Tous les médecins du monde connaissent
les médicaments jouant sur le glucose,
les médicaments jouant sur le glucose,
03:53
because it's core to our practice.
81
221667
2038
car c'est le cœur du métier.
03:55
So it's great, good job,
but not really that interesting,
but not really that interesting,
82
223729
3722
Donc c'est bien, du bon boulot,
mais pas très intéressant,
mais pas très intéressant,
03:59
definitely not publishable."
83
227475
1531
et certainement pas publiable. »
04:01
(Laughter)
84
229030
1014
(Rires)
« Je sais, Russ. Je me doutais
que tu dirais ça. »
que tu dirais ça. »
04:02
He said, "I know, Russ.
I thought you might say that."
I thought you might say that."
85
230068
2550
Nick est intelligent.
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
« Je m'en doutais
donc j'ai fait un autre test.
donc j'ai fait un autre test.
J'ai cherché toutes les personnes
prenant 2 médicaments,
prenant 2 médicaments,
04:09
I looked at people in this database
who were on two drugs,
who were on two drugs,
88
237047
2928
et j'ai cherché les signaux similaires,
les signaux de changement du glucose,
les signaux de changement du glucose,
04:11
and I looked for signals similar,
glucose-changing signals,
glucose-changing signals,
89
239999
4422
04:16
for people taking two drugs,
90
244445
1624
pour les gens prenant 2 médocs,
04:18
where each drug alone
did not change glucose,
did not change glucose,
91
246093
5569
lesquels, individuellement, ne jouent pas
sur le taux de glucose,
sur le taux de glucose,
04:23
but together I saw a strong signal."
92
251686
2460
mais ensemble présentent un signal fort. »
04:26
And I said, "Oh! You're clever.
Good idea. Show me the list."
Good idea. Show me the list."
93
254170
3149
Et j'ai dit : « Tu es malin. Bonne idée.
Montre-moi la liste. »
Montre-moi la liste. »
04:29
And there's a bunch of drugs,
not very exciting.
not very exciting.
94
257343
2254
Voilà une liste de médicaments
pas très sexy.
pas très sexy.
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
Sur la liste, il y avait 2 médicaments
qui ont attiré mon attention :
qui ont attiré mon attention :
04:35
paroxetine, or Paxil, an antidepressant;
96
263577
3393
Paroxétine, ou Paxil, un antidépresseur,
04:39
and pravastatin, or Pravachol,
a cholesterol medication.
a cholesterol medication.
97
267756
3570
et Pravastatine, ou Pravachol,
un médicament pour le cholestérol.
un médicament pour le cholestérol.
04:43
And I said, "Huh. There are millions
of Americans on those two drugs."
of Americans on those two drugs."
98
271936
4283
J'ai dit : « Des millions d'Américains
prennent ces 2 médicaments. »
prennent ces 2 médicaments. »
04:48
In fact, we learned later,
99
276243
1246
Il s'avère que
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 millions prennent du paroxétine,
15 millions prennent du pravastatine,
15 millions prennent du pravastatine,
04:55
and a million, we estimated, on both.
101
283569
2817
et 1 million prennent les deux
selon nos estimations.
selon nos estimations.
04:58
So that's a million people
102
286767
1254
Un million de personnes
05:00
who might be having some problems
with their glucose
with their glucose
103
288045
2453
pouvant rencontrer des problèmes
avec leur glucose
avec leur glucose
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
si son programme d'apprentissage
du charabia de la base de la FDA
du charabia de la base de la FDA
tient vraiment la route.
05:05
actually holds up.
105
293752
1254
05:07
But I said, "It's still not publishable,
106
295030
1927
« Ce n'est toujours pas publiable,
05:08
because I love what you did
with the mumbo jumbo,
with the mumbo jumbo,
107
296981
2296
parce que j'adore ce que tu as bidouillé,
ton programme d'apprentissage,
05:11
with the machine learning,
108
299301
1246
05:12
but it's not really standard-of-proof
evidence that we have."
evidence that we have."
109
300571
3864
mais ce n'est pas encore une preuve
irréfutable que nous avons. »
irréfutable que nous avons. »
05:17
So we have to do something else.
110
305618
1589
Donc on doit faire autre chose.
05:19
Let's go into the Stanford
electronic medical record.
electronic medical record.
111
307231
2876
Regardons les rapports médicaux
électroniques de Stanford.
électroniques de Stanford.
05:22
We have a copy of it
that's OK for research,
that's OK for research,
112
310131
2064
Nous avons une copie
OK pour la recherche,
OK pour la recherche,
05:24
we removed identifying information.
113
312219
2046
les rapports sont anonymisés.
05:26
And I said, "Let's see if people
on these two drugs
on these two drugs
114
314581
2503
« Voyons si les personnes
prenant ces 2 médicaments
prenant ces 2 médicaments
05:29
have problems with their glucose."
115
317108
1769
ont des problèmes de glucose. »
Il y a des milliers et des
milliers de personnes
milliers de personnes
05:31
Now there are thousands
and thousands of people
and thousands of people
116
319242
2207
05:33
in the Stanford medical records
that take paroxetine and pravastatin.
that take paroxetine and pravastatin.
117
321473
3459
qui prennent de la paroxétine et
de la pravastatine dans ces dossiers.
de la pravastatine dans ces dossiers.
Nous voulions des patients particuliers,
05:36
But we needed special patients.
118
324956
1799
05:38
We needed patients who were on one of them
and had a glucose measurement,
and had a glucose measurement,
119
326779
4597
des patients prenant un de ces médicaments
et ayant eu une mesure du taux de glucose,
et ayant eu une mesure du taux de glucose,
05:43
then got the second one and had
another glucose measurement,
another glucose measurement,
120
331400
3449
puis ayant pris l'autre médicament et
une nouvelle mesure du glucose,
une nouvelle mesure du glucose,
05:46
all within a reasonable period of time --
something like two months.
something like two months.
121
334873
3615
tout cela sur une période raisonnable --
quelque chose comme 2 mois.
quelque chose comme 2 mois.
05:50
And when we did that,
we found 10 patients.
we found 10 patients.
122
338512
3159
En faisant cela,
on a trouvé 10 patients.
on a trouvé 10 patients.
05:54
However, eight out of the 10
had a bump in their glucose
had a bump in their glucose
123
342592
4538
Cependant, 8 sur 10 présentaient une
hausse de leur glucose
hausse de leur glucose
quand ils prenaient leur 2ème P --
on appelle ça P et P -
on appelle ça P et P -
05:59
when they got the second P --
we call this P and P --
we call this P and P --
124
347154
2645
06:01
when they got the second P.
125
349823
1310
quand ils prenaient leur 2ème P.
06:03
Either one could be first,
the second one comes up,
the second one comes up,
126
351157
2562
Peu importe l'ordre,
le second P arrive,
le second P arrive,
06:05
glucose went up
20 milligrams per deciliter.
20 milligrams per deciliter.
127
353743
2847
le glucose monte de 20
milligrammes par décilitre.
milligrammes par décilitre.
06:08
Just as a reminder,
128
356614
1158
Pour rappel,
06:09
you walk around normally,
if you're not diabetic,
if you're not diabetic,
129
357796
2325
si vous n'êtes pas diabétique,
votre glucose est à environ 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
et s'il monte à 120, 125,
06:15
your doctor begins to think
about a potential diagnosis of diabetes.
about a potential diagnosis of diabetes.
132
363628
3450
votre docteur commence à penser
qu'il y a un risque de diabète.
qu'il y a un risque de diabète.
06:19
So a 20 bump -- pretty significant.
133
367102
2991
donc un pic de 20 -- plutôt notable.
06:22
I said, "Nick, this is very cool.
134
370601
1904
J'ai dit : « Nick, c'est très bon ça.
06:25
But, I'm sorry, we still
don't have a paper,
don't have a paper,
135
373616
2053
Mais, désolé, on a toujours pas
notre papier
notre papier
06:27
because this is 10 patients
and -- give me a break --
and -- give me a break --
136
375693
2579
parce que 10 patients
-- pardonne-moi --
-- pardonne-moi --
c'est pas suffisant. »
06:30
it's not enough patients."
137
378296
1245
06:31
So we said, what can we do?
138
379565
1306
Que pouvons-nous faire ?
06:32
And we said, let's call our friends
at Harvard and Vanderbilt,
at Harvard and Vanderbilt,
139
380895
2976
Appelons nos amis de Harvard et Vanderbilt
06:35
who also -- Harvard in Boston,
Vanderbilt in Nashville,
Vanderbilt in Nashville,
140
383895
2587
qui ont -- Harvard à Boston,
Vanderbilt à Nashville,
Vanderbilt à Nashville,
06:38
who also have electronic
medical records similar to ours.
medical records similar to ours.
141
386506
2821
des rapports médicaux électroniques,
similaires aux nôtres.
similaires aux nôtres.
06:41
Let's see if they can find
similar patients
similar patients
142
389351
2020
Ils ont peut-être des patients similaires
06:43
with the one P, the other P,
the glucose measurements
the glucose measurements
143
391395
3276
avec le 1er P, le 2ème P,
les mesures de glucose
les mesures de glucose
06:46
in that range that we need.
144
394695
1600
dans l'intervalle qui nous intéresse.
06:48
God bless them, Vanderbilt
in one week found 40 such patients,
in one week found 40 such patients,
145
396787
4955
Dieu merci, Vanderbilt en a trouvé
40 en une semaine.
40 en une semaine.
06:53
same trend.
146
401766
1189
même tendance.
06:55
Harvard found 100 patients, same trend.
147
403804
3620
Harvard en a trouvé 100,
même tendance.
même tendance.
06:59
So at the end, we had 150 patients
from three diverse medical centers
from three diverse medical centers
148
407448
4281
En fin de compte, nous avions 150 patients
de 3 centres médicaux différents
de 3 centres médicaux différents
07:03
that were telling us that patients
getting these two drugs
getting these two drugs
149
411753
3297
indiquant que les patients prenant
ces 2 médicaments
ces 2 médicaments
07:07
were having their glucose bump
somewhat significantly.
somewhat significantly.
150
415074
2703
voyaient leur taux de glucose augmenter
significativement.
significativement.
07:10
More interestingly,
we had left out diabetics,
we had left out diabetics,
151
418317
2810
Plus intéressant,
nous avions écarté les diabétiques,
nous avions écarté les diabétiques,
07:13
because diabetics already
have messed up glucose.
have messed up glucose.
152
421151
2317
les diabétiques ont des
taux de glucose anormaux.
taux de glucose anormaux.
07:15
When we looked
at the glucose of diabetics,
at the glucose of diabetics,
153
423492
2238
Quand on a regardé le glucose
des diabétiques,
des diabétiques,
07:17
it was going up 60 milligrams
per deciliter, not just 20.
per deciliter, not just 20.
154
425754
3435
il augmentait de 60 milligrammes
par décilitre, pas juste 20.
par décilitre, pas juste 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
C'était important et on s'est dit :
« On doit publier ça. »
« On doit publier ça. »
07:25
We submitted the paper.
156
433236
1179
On a soumis notre papier.
07:26
It was all data evidence,
157
434439
2111
Il s'agissait de données factuelles,
07:28
data from the FDA, data from Stanford,
158
436574
2483
données de la FDA, données de Stanford,
07:31
data from Vanderbilt, data from Harvard.
159
439081
1946
données de Vanderbilt et Harvard.
07:33
We had not done a single real experiment.
160
441051
2396
On n'avait pas fait une seule expérience.
07:36
But we were nervous.
161
444495
1296
Mais nous étions nerveux.
07:38
So Nick, while the paper
was in review, went to the lab.
was in review, went to the lab.
162
446201
3730
Donc Nick, pendant l'examen du papier,
est retourné au labo.
est retourné au labo.
07:41
We found somebody
who knew about lab stuff.
who knew about lab stuff.
163
449955
2462
On a trouvé quelqu'un versé dans
les trucs de labo.
les trucs de labo.
07:44
I don't do that.
164
452441
1393
Je fais pas ça.
07:45
I take care of patients,
but I don't do pipettes.
but I don't do pipettes.
165
453858
2417
Je m'occupe des patients,
je ne touche pas aux pipettes.
je ne touche pas aux pipettes.
07:49
They taught us how to feed mice drugs.
166
457420
3053
Il nous a appris à donner des
médicaments aux souris.
médicaments aux souris.
On a pris certaines souris et
on a donné un P, la paroxétine,
on a donné un P, la paroxétine,
07:52
We took mice and we gave them
one P, paroxetine.
one P, paroxetine.
167
460864
2414
07:55
We gave some other mice pravastatin.
168
463302
2508
à d'autres la pravastatine.
07:57
And we gave a third group
of mice both of them.
of mice both of them.
169
465834
3595
Et à un 3ème groupe de souris, les 2 P.
08:01
And lo and behold, glucose went up
20 to 60 milligrams per deciliter
20 to 60 milligrams per deciliter
170
469893
3946
Et voilà, le glucose a augmenté
de 20 à 60 milligrammes par décilitre
de 20 à 60 milligrammes par décilitre
08:05
in the mice.
171
473863
1171
chez les souris.
Le papier a été accepté, rien
qu'avec les informations factuelles,
qu'avec les informations factuelles,
08:07
So the paper was accepted
based on the informatics evidence alone,
based on the informatics evidence alone,
172
475058
3158
mais on a ajouté
une note à la fin disant :
une note à la fin disant :
08:10
but we added a little note at the end,
173
478240
1894
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
« Au fait, si vous testez sur des
souris, ça monte. »
souris, ça monte. »
08:15
That was great, and the story
could have ended there.
could have ended there.
175
483081
2508
C'est très bien et l'histoire aurait pu
s'arrêter là.
s'arrêter là.
08:17
But I still have six and a half minutes.
176
485613
1997
Mais j'ai encore 6 min 30.
08:19
(Laughter)
177
487634
2807
(Rires)
08:22
So we were sitting around
thinking about all of this,
thinking about all of this,
178
490465
2815
Donc on était là, à réfléchir à tout ça,
08:25
and I don't remember who thought
of it, but somebody said,
of it, but somebody said,
179
493304
2735
et je ne me rappelle pas qui,
mais quelqu'un à dit :
mais quelqu'un à dit :
« Je me demande si les patients qui
prennent ces 2 médicaments
prennent ces 2 médicaments
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
ont remarqué les effets secondaires
d'hyperglycémie.
d'hyperglycémie.
08:34
They could and they should.
182
502865
1496
Ils pourraient et ils devraient.
08:36
How would we ever determine that?"
183
504761
1877
Comment pourrions-nous le déterminer ? »
08:39
We said, well, what do you do?
184
507551
1443
Qu'est-ce que tu fais ?
08:41
You're taking a medication,
one new medication or two,
one new medication or two,
185
509018
2580
Tu prends un médicament,
puis un autre ou deux,
puis un autre ou deux,
08:43
and you get a funny feeling.
186
511622
1538
et tu te sens bizarre.
08:45
What do you do?
187
513184
1151
Que fais-tu ?
08:46
You go to Google
188
514359
1151
Tu vas sur 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
et tu cherches le nom du ou des
médicaments que tu prends,
médicaments que tu prends,
et tu tapes « effets secondaires ».
08:50
and you type in "side effects."
190
518907
1603
08:52
What are you experiencing?
191
520534
1356
Et ce que tu ressens?
08:54
So we said OK,
192
522239
1151
Donc on s'est dit OK,
demandons à Google s'ils veulent bien
partager leurs logs avec nous,
partager leurs logs avec nous,
08:55
let's ask Google if they will share
their search logs with us,
their search logs with us,
193
523414
3056
08:58
so that we can look at the search logs
194
526494
1833
qu'on puisse voir les recherches
09:00
and see if patients are doing
these kinds of searches.
these kinds of searches.
195
528351
2565
et voir si des patients font ce genre
de recherches.
de recherches.
09:02
Google, I am sorry to say,
denied our request.
denied our request.
196
530940
3275
Je suis désolé de le dire,
mais Google a refusé.
mais Google a refusé.
J'étais un peu abattu.
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
A un dîner avec un collègue travaillant
pour Microsoft Research,
pour Microsoft Research,
j'ai dit : « On voulait faire cette étude,
09:11
and I said, "We wanted to do this study,
199
539184
1941
Google a dit non, c'est triste. »
09:13
Google said no, it's kind of a bummer."
200
541149
1880
09:15
He said, "Well, we have
the Bing searches."
the Bing searches."
201
543053
2086
Il me dit : « Nous avons
les recherches Bing. »
les recherches Bing. »
(Rires)
09:18
(Laughter)
202
546195
3483
09:22
Yeah.
203
550805
1267
Ouais.
09:24
That's great.
204
552096
1151
C'est bien.
09:25
Now I felt like I was --
205
553271
1151
J'avais l'impression --
09:26
(Laughter)
206
554446
1000
(Rires)
09:27
I felt like I was talking to Nick again.
207
555470
2412
J'avais l'impression de parler à Nick
de nouveau.
de nouveau.
Il travaille pour une des plus grosses
sociétés au monde
sociétés au monde
09:30
He works for one of the largest
companies in the world,
companies in the world,
208
558437
2624
et j'essaye de le réconforter.
09:33
and I'm already trying
to make him feel better.
to make him feel better.
209
561085
2206
Il me dit : « Non, Russ,
tu n'as pas bien compris.
tu n'as pas bien compris.
09:35
But he said, "No, Russ --
you might not understand.
you might not understand.
210
563315
2445
On n'a pas seulement les recherches 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
mais si tu utilises Internet Explorer pour
chercher sur Google,
chercher sur Google,
09:42
Yahoo, Bing, any ...
213
570672
1891
Yahoo, Bing, n'importe...
09:44
Then, for 18 months, we keep that data
for research purposes only."
for research purposes only."
214
572587
3643
Alors, pendant 18 mois on garde ces infos
pour des questions de recherches. »
pour des questions de recherches. »
09:48
I said, "Now you're talking!"
215
576254
1936
J'ai dit : « Là, tu m'intéresses ! »
09:50
This was Eric Horvitz,
my friend at Microsoft.
my friend at Microsoft.
216
578214
2198
C'était Eric Horvitz,
mon ami chez Microsoft.
mon ami chez Microsoft.
09:52
So we did a study
217
580436
1695
Donc on a fait une étude
09:54
where we defined 50 words
that a regular person might type in
that a regular person might type in
218
582155
4619
dans laquelle on définissait 50 mots
qu'une personne pourrait taper
qu'une personne pourrait taper
en cas d'hyperglycémie,
09:58
if they're having hyperglycemia,
219
586798
1602
comme « fatigue », « perte d'appétit »,
« urine beaucoup », « fait beaucoup pipi »
« urine beaucoup », « fait beaucoup pipi »
10:00
like "fatigue," "loss of appetite,"
"urinating a lot," "peeing a lot" --
"urinating a lot," "peeing a lot" --
220
588424
4762
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
pardon, mais c'est un des trucs que vous
pourriez taper.
pourriez taper.
10:08
So we had 50 phrases
that we called the "diabetes words."
that we called the "diabetes words."
222
596001
2790
Nous avions 50 phrases
qu'on a appelées les « mots du diabète ».
qu'on a appelées les « mots du diabète ».
10:10
And we did first a baseline.
223
598815
2063
Et on a d'abord cherché une référence.
10:12
And it turns out
that about .5 to one percent
that about .5 to one percent
224
600902
2704
Il s'avère que 0,5 à 1%
10:15
of all searches on the Internet
involve one of those words.
involve one of those words.
225
603630
2982
de toutes les recherches sur internet
incluent l'un de ces mots.
incluent l'un de ces mots.
10:18
So that's our baseline rate.
226
606636
1742
C'est notre taux de référence.
10:20
If people type in "paroxetine"
or "Paxil" -- those are synonyms --
or "Paxil" -- those are synonyms --
227
608402
4143
Si les gens tapent « paroxétine » ou
« Paxil » -- ce sont des synonymes --
« Paxil » -- ce sont des synonymes --
10:24
and one of those words,
228
612569
1215
et l'un de ces mots,
10:25
the rate goes up to about two percent
of diabetes-type words,
of diabetes-type words,
229
613808
4890
le taux monte jusqu'à environ 2%
des « mots du diabète »,
des « mots du diabète »,
10:30
if you already know
that there's that "paroxetine" word.
that there's that "paroxetine" word.
230
618722
3044
si vous savez que le mot « paroxétine »
s'y trouve.
s'y trouve.
Si c'est « pravastatine », le taux monte
à 3% par rapport au taux de référence.
à 3% par rapport au taux de référence.
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
10:39
If both "paroxetine" and "pravastatin"
are present in the query,
are present in the query,
232
627171
4390
Si on a « paroxétine » et « pravastatine »
ensemble dans la recherche,
ensemble dans la recherche,
10:43
it goes up to 10 percent,
233
631585
1669
il monte à 10%,
10:45
a huge three- to four-fold increase
234
633278
3461
une augmentation par 3 ou 4
10:48
in those searches with the two drugs
that we were interested in,
that we were interested in,
235
636763
3389
dans ces recherches sur les 2 médicaments
qui nous intéressaient,
qui nous intéressaient,
10:52
and diabetes-type words
or hyperglycemia-type words.
or hyperglycemia-type words.
236
640176
3566
avec des mots propres au diabète
ou à l'hyperglycémie.
ou à l'hyperglycémie.
10:56
We published this,
237
644216
1265
On a publié ça,
10:57
and it got some attention.
238
645505
1466
et cela a attiré l'attention.
10:58
The reason it deserves attention
239
646995
1778
La raison pour laquelle
ça mérite notre attention
ça mérite notre attention
11:00
is that patients are telling us
their side effects indirectly
their side effects indirectly
240
648797
4312
est que les patients nous disent
les effets secondaires rencontrés
les effets secondaires rencontrés
indirectement via leurs recherches.
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
On a porté cela à l'attention de la FDA.
11:08
They were interested.
243
656475
1269
Ils étaient intéressés.
11:09
They have set up social media
surveillance programs
surveillance programs
244
657768
3606
Ils ont monté des programmes de
surveillance des réseaux sociaux
surveillance des réseaux sociaux
11:13
to collaborate with Microsoft,
245
661398
1751
en collaboration avec Microsoft,
11:15
which had a nice infrastructure
for doing this, and others,
for doing this, and others,
246
663173
2794
qui avait une bonne infrastructure pour
ça et d'autres pour
ça et d'autres pour
11:17
to look at Twitter feeds,
247
665991
1282
suivre les flux Twitter,
11:19
to look at Facebook feeds,
248
667297
1716
suivre les flux Facebook,
11:21
to look at search logs,
249
669037
1311
suivre les recherches,
11:22
to try to see early signs that drugs,
either individually or together,
either individually or together,
250
670372
4909
pour déceler les indices qu'un médicament
seul ou associé à d'autres,
seul ou associé à d'autres,
11:27
are causing problems.
251
675305
1589
pose problème.
11:28
What do I take from this?
Why tell this story?
Why tell this story?
252
676918
2174
Qu'en retirer ?
Pourquoi raconter cela ?
Pourquoi raconter cela ?
11:31
Well, first of all,
253
679116
1207
Eh bien, pour commencer,
11:32
we have now the promise
of big data and medium-sized data
of big data and medium-sized data
254
680347
4037
nous avons la promesse
de l'analyse de données
de l'analyse de données
11:36
to help us understand drug interactions
255
684408
2918
pour nous aider à comprendre les
interactions entre médicaments
interactions entre médicaments
11:39
and really, fundamentally, drug actions.
256
687350
2420
et, véritablement, leurs effets.
11:41
How do drugs work?
257
689794
1413
Comment fonctionnent-ils ?
11:43
This will create and has created
a new ecosystem
a new ecosystem
258
691231
2836
Cela va créer, et a déjà créé, un nouvel
écosystème pour
écosystème pour
11:46
for understanding how drugs work
and to optimize their use.
and to optimize their use.
259
694091
3267
comprendre comment les médicaments
agissent et optimiser leur usage.
agissent et optimiser leur usage.
11:50
Nick went on; he's a professor
at Columbia now.
at Columbia now.
260
698303
2659
Nick a avancé, il est professeur à
Columbia désormais.
Columbia désormais.
11:52
He did this in his PhD
for hundreds of pairs of drugs.
for hundreds of pairs of drugs.
261
700986
4072
Il a fait ça pour son doctorat, pour des
centaines d'associations de médicaments.
centaines d'associations de médicaments.
11:57
He found several
very important interactions,
very important interactions,
262
705082
2517
Il a trouvé plusieurs interactions
très importantes,
très importantes,
11:59
and so we replicated this
263
707623
1214
et donc on a reproduit ça
12:00
and we showed that this
is a way that really works
is a way that really works
264
708861
2574
et on a montré que ça fonctionne vraiment
12:03
for finding drug-drug interactions.
265
711459
2339
pour trouver des interactions
entre médicaments.
entre médicaments.
12:06
However, there's a couple of things.
266
714282
1734
Cela dit, quelques précisions.
12:08
We don't just use pairs
of drugs at a time.
of drugs at a time.
267
716040
3046
On ne fait pas que tester des couples de
médicaments ensemble.
médicaments ensemble.
12:11
As I said before, there are patients
on three, five, seven, nine drugs.
on three, five, seven, nine drugs.
268
719110
4469
Comme je l'ai déjà dit, certains patients
prennent 3, 5, 7, 9 médicaments.
prennent 3, 5, 7, 9 médicaments.
12:15
Have they been studied with respect
to their nine-way interaction?
to their nine-way interaction?
269
723981
3642
Est-il possible d'étudier
leurs multiples interactions ?
leurs multiples interactions ?
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
Oui, on peut tester par paires,
A avec B, A avec C, A avec D,
A avec B, A avec C, A avec D,
12:23
but what about A, B, C,
D, E, F, G all together,
D, E, F, G all together,
271
731879
4286
mais qu'en est-il de A, B, C, D, E, F, G
tous ensemble,
tous ensemble,
12:28
being taken by the same patient,
272
736189
1762
pour un même patient,
12:29
perhaps interacting with each other
273
737975
2118
peut-être interagissant entre eux
12:32
in ways that either makes them
more effective or less effective
more effective or less effective
274
740117
3778
au point de les rendre plus efficaces
ou moins efficaces
ou moins efficaces
12:35
or causes side effects
that are unexpected?
that are unexpected?
275
743919
2332
ou causer des effets secondaires
inattendus ?
inattendus ?
12:38
We really have no idea.
276
746275
1827
Nous n'en avons aucune idée.
12:40
It's a blue sky, open field
for us to use data
for us to use data
277
748126
3756
C'est un nouvel horizon, un nouveau
champ pour nous d'utiliser des données
champ pour nous d'utiliser des données
pour essayer de comprendre
toutes les interactions des médicaments
toutes les interactions des médicaments
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
2 dernières leçons :
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
je veux que vous imaginiez la force
que nous avons pu générer
que nous avons pu générer
12:52
with the data from people who had
volunteered their adverse reactions
volunteered their adverse reactions
281
760465
4711
à partir des données de gens qui ont
accepter de partager leurs réactions
accepter de partager leurs réactions
12:57
through their pharmacists,
through themselves, through their doctors,
through themselves, through their doctors,
282
765200
3269
via leurs pharmaciens, entre eux,
leurs docteurs,
leurs docteurs,
13:00
the people who allowed the databases
at Stanford, Harvard, Vanderbilt,
at Stanford, Harvard, Vanderbilt,
283
768493
3667
les gens qui ont permis d'utiliser les
bases de Stanford, Harvard, Vanderbilt
bases de Stanford, Harvard, Vanderbilt
13:04
to be used for research.
284
772184
1427
à des fins de recherche.
13:05
People are worried about data.
285
773929
1445
Les gens s'inquiètent.
Ils ont peur pour leur vie privée et leur
sécurité -- ils ont raison.
sécurité -- ils ont raison.
13:07
They're worried about their privacy
and security -- they should be.
and security -- they should be.
286
775398
3187
Il faut des systèmes sûrs.
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
Mais on ne peut pas travailler
sans ces données,
sans ces données,
13:15
because it is too rich of a source
289
783214
2752
car c'est une source trop riche
13:17
of inspiration, innovation and discovery
290
785990
3971
d'inspiration, d'innovation et
de découvertes
de découvertes
13:21
for new things in medicine.
291
789985
1578
de nouvelles connaissances en médecine.
13:24
And the final thing I want to say is,
292
792494
1794
La dernière chose que je veux dire :
dans ce cas on a trouvé 2 médicaments
et c'est une histoire un peu triste.
et c'est une histoire un peu triste.
13:26
in this case we found two drugs
and it was a little bit of a sad story.
and it was a little bit of a sad story.
293
794312
3357
13:29
The two drugs actually caused problems.
294
797693
1921
Les 2 médicaments posent problème.
13:31
They increased glucose.
295
799638
1475
Ils augmentent le glucose.
13:33
They could throw somebody into diabetes
296
801137
2446
Ils peuvent provoquer un diabète
13:35
who would otherwise not be in diabetes,
297
803607
2294
chez des gens qui ne l'auraient pas sinon,
13:37
and so you would want to use
the two drugs very carefully together,
the two drugs very carefully together,
298
805925
3175
vous avez donc intérêt à faire
très attention aux 2 ensemble,
très attention aux 2 ensemble,
peut-être à éviter les 2 ensemble,
13:41
perhaps not together,
299
809124
1151
13:42
make different choices
when you're prescribing.
when you're prescribing.
300
810299
2340
faire des prescriptions différentes.
13:44
But there was another possibility.
301
812663
1846
Mais il y a une autre possibilité.
13:46
We could have found
two drugs or three drugs
two drugs or three drugs
302
814533
2344
On aurait pu trouver 2 ou 3 médicaments
13:48
that were interacting in a beneficial way.
303
816901
2261
qui interagissent de façon bénéfique.
13:51
We could have found new effects of drugs
304
819616
2712
Produisant de nouveaux effets
13:54
that neither of them has alone,
305
822352
2160
qu'aucun d'entre eux n'a seul,
13:56
but together, instead
of causing a side effect,
of causing a side effect,
306
824536
2493
mais ensemble, au lieu
d'effets secondaires,
d'effets secondaires,
13:59
they could be a new and novel treatment
307
827053
2425
ils pourraient être un nouveau traitement
14:01
for diseases that don't have treatments
308
829502
1882
pour des maladies sans traitement
14:03
or where the treatments are not effective.
309
831408
2007
ou dont les traitements sont inefficaces.
14:05
If we think about drug treatment today,
310
833439
2395
Si on pense aux traitements aujourd'hui,
14:07
all the major breakthroughs --
311
835858
1752
toutes les découvertes majeures --
14:09
for HIV, for tuberculosis,
for depression, for diabetes --
for depression, for diabetes --
312
837634
4297
pour le SIDA, la tuberculose,
la dépression, le diabète --
la dépression, le diabète --
14:13
it's always a cocktail of drugs.
313
841955
2830
c'est toujours un cocktail de médicaments.
14:16
And so the upside here,
314
844809
1730
Et donc, la bonne nouvelle,
14:18
and the subject for a different
TED Talk on a different day,
TED Talk on a different day,
315
846563
2849
et le sujet d'une autre TED Talk,
un autre jour, c'est
un autre jour, c'est
14:21
is how can we use the same data sources
316
849436
2593
comment pouvons-nous utiliser la
même source de données
même source de données
14:24
to find good effects
of drugs in combination
of drugs in combination
317
852053
3563
pour trouver les effets positifs
lors du mélange de médicaments
lors du mélange de médicaments
14:27
that will provide us new treatments,
318
855640
2175
apportant ainsi de nouveaux traitements,
de nouvelles infos sur leur
fonctionnement
fonctionnement
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
et nous permettre de prendre encore mieux
soin de nos patients ?
soin de nos patients ?
14:35
Thank you very much.
321
863525
1166
Merci beaucoup.
14:36
(Applause)
322
864715
3499
(Applaudissements)
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