ABOUT THE SPEAKER
Russ Altman - Big data techno-­optimist and internist
Russ 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.

More profile about the speaker
Russ Altman | Speaker | TED.com
TEDMED 2015

Russ Altman: What really happens when you mix medications?

Russ Altman: Apa yang terjadi ketika Anda menggabungkan obat-obatan?

Filmed:
1,766,922 views

Jika anda menggunakan 2 obat yang berbeda untuk 2 alasan yang berbeda, coba pikirkan: Dokter Anda mungkin tidak terlalu mengerti apa yang akan terjadi ketika kedua obat itu digabungkan, karena interaksi obat-obatan sangat sulit untuk dipelajari. Dalam pembicaraan yang menarik dan mudah dicerna ini, Russ Altman menunjukan bagaimana para dokter mempelajari Interaksi obat yang tidak terduga dengan menggunakan sumber yang mengejutkan: kata kunci di mesin pencari.
- Big data techno-­optimist and internist
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 doctordokter
and get some teststes.
0
811
3321
Ketika Anda pergi ke dokter dan
melakukan beberapa tes,
00:16
The doctordokter determinesmenentukan
that you have hightinggi cholesterolkolesterol
1
4674
2620
dan dokter mengatakan Anda
punya kolesterol tinggi
00:19
and you would benefitmanfaat
from medicationobat to treatmemperlakukan it.
2
7318
3171
dan Anda sebaiknya meminum obat.
00:22
So you get a pillboxobat.
3
10981
1556
Anda diberi sekotak obat.
00:25
You have some confidencekepercayaan,
4
13505
1199
Anda yakin,
00:26
your physiciandokter has some confidencekepercayaan
that this is going to work.
5
14728
2937
dan dokter Anda juga yakin
bahwa (pengobatan) ini akan berhasil.
00:29
The companyperusahaan that inventeddiciptakan it did
a lot of studiesstudi, submitteddisampaikan it to the FDAFDA.
6
17689
3553
Produsen obat ini sudah melakukan banyak
pengujian dan mengirimnya ke BPOM.
00:33
They studiedbelajar it very carefullyhati-hati,
skepticallyskeptis, they approveddisetujui it.
7
21266
3107
BPOM mempelajari dengan teliti,
dengan skeptis, dan mengizinkannya.
00:36
They have a roughkasar ideaide of how it worksbekerja,
8
24397
1889
Mereka tahu konsep cara kerjanya,
00:38
they have a roughkasar ideaide
of what the sidesisi effectsefek are.
9
26310
2453
mereka tahu efek sampingnya,
00:40
It should be OK.
10
28787
1150
seharusnya aman.
00:42
You have a little more
of a conversationpercakapan with your physiciandokter
11
30864
2818
Anda mengobrol lagi dengan dokter Anda
00:45
and the physiciandokter is a little worriedcemas
because you've been bluebiru,
12
33706
2963
dan dia sedikit khawatir
karena Anda terlihat sedih,
00:48
haven'ttidak feltmerasa like yourselfdirimu sendiri,
13
36693
1293
tidak seperti biasanya,
00:50
you haven'ttidak been ablesanggup to enjoyNikmati things
in life quitecukup as much as you usuallybiasanya do.
14
38010
3731
Anda tidak bisa menikmati hidup
seperti biasanya Anda lakukan.
00:53
Your physiciandokter saysmengatakan, "You know,
I think you have some depressiondepresi.
15
41765
3186
Dokter berkata,
"Menurut saya, Anda mengalami depresi.
00:57
I'm going to have to give
you anotherlain pillpil."
16
45792
2315
Saya akan memberi obat lain untuk Anda."
01:00
So now we're talkingpembicaraan
about two medicationsobat.
17
48934
2483
Jadi kita bicara soal
dua jenis obat sekarang.
01:03
This pillpil alsojuga -- millionsjutaan
of people have takendiambil it,
18
51441
3104
Obat ini juga -- sudah digunakan
oleh jutaan orang,
01:06
the companyperusahaan did studiesstudi,
the FDAFDA lookedtampak at it -- all good.
19
54569
3631
produsen telah menelitinya,
BPOM memberikan izin -- semuanya aman.
01:10
Think things should go OK.
20
58823
2057
Harusnya semua baik-baik saja.
01:12
Think things should go OK.
21
60904
2197
Harusnya semua akan baik-baik saja.
01:15
Well, wait a minutemenit.
22
63125
1439
Tapi, tunggu sebentar.
01:16
How much have we studiedbelajar
these two togetherbersama?
23
64588
3517
Berapa banyak yang telah kita pelajari
tentang penggabungan keduanya?
01:20
Well, it's very hardkeras to do that.
24
68630
2300
Nah, sangat sulit melakukannya.
01:22
In factfakta, it's not traditionallysecara tradisional doneselesai.
25
70954
2130
Bahkan, biasanya tidak dilakukan.
01:25
We totallysama sekali dependtergantung on what we call
"post-marketingpasca pemasaran surveillancepengawasan,"
26
73108
5518
Kita hanya bergantung pada yang disebut
"pengawasan setelah penjualan,"
01:30
after the drugsnarkoba hitmemukul the marketpasar.
27
78650
1880
setelah obat beredar di pasaran.
01:32
How can we figureangka out
if badburuk things are happeningkejadian
28
80996
2848
Bagaimana kita bisa mengetahui
jika hal buruk terjadi
karena pemakaian 2 pengobatan ini?
01:35
betweenantara two medicationsobat?
29
83868
1357
01:37
ThreeTiga? FiveLima? SevenTujuh?
30
85249
2030
Tiga? Lima? Tujuh?
Tanyakan pada kenalan Anda
yang didiagnosa beberapa penyakit,
01:39
AskBertanya your favoritefavorit personorang
who has severalbeberapa diagnosesDiagnosa
31
87708
2415
01:42
how manybanyak medicationsobat they're on.
32
90147
1834
berapa jenis obat yang mereka pakai?
01:44
Why do I carepeduli about this problemmasalah?
33
92530
1580
Kenapa saya peduli dengan ini?
01:46
I carepeduli about it deeplydalam.
34
94134
1157
Saya sangat peduli.
01:47
I'm an informaticsInformatika and datadata scienceilmu guy
and really, in my opinionpendapat,
35
95315
4304
Saya seorang ilmuwan IT dan data,
dan sebenarnya, menurut saya,
01:51
the only hopeberharap -- only hopeberharap --
to understandmemahami these interactionsinteraksi
36
99643
3745
satu-satunya harapan untuk
memahami interaksi (antara obat) ini
01:55
is to leveragepengaruh lots
of differentberbeda sourcessumber of datadata
37
103412
3056
adalah dengan menggali
berbagai sumber data
01:58
in ordermemesan to figureangka out
when drugsnarkoba can be used togetherbersama safelyaman
38
106492
3556
untuk memahami kapan obat-obatan
aman digunakan bersamaan
02:02
and when it's not so safeaman.
39
110072
1777
dan kapan tidak terlalu aman.
Mari saya ceritakan satu cerita tentang
ilmu data.
02:04
So let me tell you a datadata scienceilmu storycerita.
40
112615
2051
02:06
And it beginsdimulai with my studentmahasiswa NickNick.
41
114690
2154
Kisah ini berawal dengan murid saya, Nick.
02:08
Let's call him "NickNick,"
because that's his namenama.
42
116868
2380
Kita sebut dia "Nick,"
karena itulah namanya.
02:11
(LaughterTawa)
43
119272
1592
(Tertawa)
02:12
NickNick was a youngmuda studentmahasiswa.
44
120888
1201
Nick adalah pelajar muda.
02:14
I said, "You know, NickNick, we have
to understandmemahami how drugsnarkoba work
45
122113
3079
Saya berkata padanya,
"Nick, kita harus memahami kerja obat,
02:17
and how they work togetherbersama
and how they work separatelyterpisah,
46
125216
2626
bagaimana mereka bekerja bersamaan
dan terpisah,
02:19
and we don't have a great understandingpengertian.
47
127866
1922
tapi kita tidak mengerti sepenuhnya.
02:21
But the FDAFDA has madeterbuat availabletersedia
an amazingmenakjubkan databasedatabase.
48
129812
2405
Tapi BPOM sudah punya database
yang luar biasa,
02:24
It's a databasedatabase of adversemerugikan eventsacara.
49
132241
1699
yaitu database efek samping obat.
02:26
They literallysecara harfiah put on the webweb --
50
134321
1642
Informasi ini tersedia di internet --
02:27
publiclypublik availabletersedia, you could all
downloaddownload it right now --
51
135987
3119
dapat dilihat publik dan
dapat diunduh seketika --
02:31
hundredsratusan of thousandsribuan
of adversemerugikan eventperistiwa reportslaporan
52
139130
3627
ratusan ribu laporan efek samping
02:34
from patientspasien, doctorsdokter,
companiesperusahaan, pharmacistsapoteker.
53
142781
3760
dari pasien, dokter, produsen, apoteker.
02:38
And these reportslaporan are prettycantik simplesederhana:
54
146565
1749
Dan laporan ini sangat sederhana:
02:40
it has all the diseasespenyakit
that the patientsabar has,
55
148338
2658
ada daftar penyakit yang diderita pasien,
02:43
all the drugsnarkoba that they're on,
56
151020
1767
obat-obatan yang mereka gunakan,
02:44
and all the adversemerugikan eventsacara,
or sidesisi effectsefek, that they experiencepengalaman.
57
152811
3818
dan semua efek samping yang mereka alami.
02:48
It is not all of the adversemerugikan eventsacara
that are occurringterjadi in AmericaAmerika todayhari ini,
58
156653
3436
Bukan semua efek samping yang
terjadi di Amerika sekarang,
02:52
but it's hundredsratusan and hundredsratusan
of thousandsribuan of drugsnarkoba.
59
160113
2578
tapi efek samping dari ratusan ribu obat.
02:54
So I said to NickNick,
60
162715
1299
Jadi saya katakan pada Nick,
02:56
"Let's think about glucoseglukosa.
61
164038
1826
"Mari kita ambil glukosa sebagai contoh,
02:57
GlucoseGlukosa is very importantpenting,
and we know it's involvedterlibat with diabetesdiabetes.
62
165888
3567
Glukosa sangat penting dan kita tahu
ada hubungannya dengan diabetes.
03:01
Let's see if we can understandmemahami
glucoseglukosa responsetanggapan.
63
169479
3970
Mari kita lihat
apakah kita memahami reaksi glukosa.
03:05
I sentdikirim NickNick off. NickNick camedatang back.
64
173473
2458
Saya mengirim Nick pergi.
Saat Nick kembali,
03:08
"RussRuss," he said,
65
176248
1786
"Russ, " katanya,
03:10
"I've createddiciptakan a classifierclassifier that can
look at the sidesisi effectsefek of a drugobat
66
178351
5112
"Saya telah mengelompokkan
efek samping obat
03:15
basedberbasis on looking at this databasedatabase,
67
183487
2051
berdasarkan database ini,
03:17
and can tell you whetherapakah that drugobat
is likelymungkin to changeperubahan glucoseglukosa or not."
68
185562
4271
dan bisa memberitahumu apakah obat itu
mungkin mengubah glukosa atau tidak".
03:21
He did it. It was very simplesederhana, in a way.
69
189857
2016
Dia melakukannya. Dengan sederhana sekali.
03:23
He tookmengambil all the drugsnarkoba
that were knowndikenal to changeperubahan glucoseglukosa
70
191897
2635
Dia melihat semua obat yang diketahui
mengubah glukosa,
03:26
and a bunchbanyak of drugsnarkoba
that don't changeperubahan glucoseglukosa,
71
194556
2389
dan obat-obatan
yang tidak mengubah glukosa,
03:28
and said, "What's the differenceperbedaan
in theirmereka sidesisi effectsefek?
72
196969
2888
dan berkata "Apakah pebedaan
dari efek samping keduanya?
03:31
DifferencesPerbedaan in fatiguekelelahan? In appetitenafsu makan?
In urinationbuang air kecil habitskebiasaan?"
73
199881
4852
Tingkat kelelahan? Selera makan?
Kebiasaan buang air kecil?"
03:36
All those things conspiredbersekongkol
to give him a really good predictorperamal.
74
204757
2960
Semua ini untuk memberinya
prediksi yang sangat bagus.
Katanya, "Russ, saya bisa memprediksi
dengan akurasi 93%
03:39
He said, "RussRuss, I can predictmeramalkan
with 93 percentpersen accuracyketepatan
75
207741
2548
apakah sebuah obat akan
mengubah glukosa."
03:42
when a drugobat will changeperubahan glucoseglukosa."
76
210313
1572
03:43
I said, "NickNick, that's great."
77
211909
1416
Saya bilang, "Nick, itu hebat."
03:45
He's a youngmuda studentmahasiswa,
you have to buildmembangun his confidencekepercayaan.
78
213349
2896
Dia anak muda,
saya harus membangun kepercayaan dirinya.
03:48
"But NickNick, there's a problemmasalah.
79
216269
1390
"Tapi ada satu masalah.
03:49
It's that everysetiap physiciandokter in the worlddunia
knowstahu all the drugsnarkoba that changeperubahan glucoseglukosa,
80
217683
3960
Setiap dokter di dunia tahu obat mana
yang dapat mengubah glukosa,
03:53
because it's coreinti to our practicepraktek.
81
221667
2038
karena itulah inti dari pekerjaan dokter.
03:55
So it's great, good jobpekerjaan,
but not really that interestingmenarik,
82
223729
3722
Kamu sudah bekerja dengan baik,
tapi ini tidak terlalu menarik,
pastinya tidak layak dipublikasi."
03:59
definitelypastinya not publishableDiterbitkan."
83
227475
1531
04:01
(LaughterTawa)
84
229030
1014
(Tertawa)
04:02
He said, "I know, RussRuss.
I thought you mightmungkin say that."
85
230068
2550
"Saya tahu, Russ. Saya sudah menebak
kamu akan bilang begitu."
04:04
NickNick is smartpintar.
86
232642
1152
Nick itu pintar.
"Saya tahu kamu akan bilang begitu,
jadi saya melakukan satu percobaan lain,
04:06
"I thought you mightmungkin say that,
so I did one other experimentpercobaan.
87
234149
2874
04:09
I lookedtampak at people in this databasedatabase
who were on two drugsnarkoba,
88
237047
2928
Saya memeriksa pasien di database
yang menggunakan dua obat,
04:11
and I lookedtampak for signalssinyal similarserupa,
glucose-changingmengubah glukosa signalssinyal,
89
239999
4422
dan saya periksa tanda yang sama,
tanda perubahan glukosa,
04:16
for people takingpengambilan two drugsnarkoba,
90
244445
1624
untuk orang yang memakai dua obat,
04:18
where eachsetiap drugobat alonesendirian
did not changeperubahan glucoseglukosa,
91
246093
5569
dimana salah satu obat saja
tidak mengubah glukosa,
04:23
but togetherbersama I saw a strongkuat signalsinyal."
92
251686
2460
tetapi ketika bersamaan
ada sinyal perubahan."
04:26
And I said, "Oh! You're cleverpintar.
Good ideaide. ShowTampilkan me the listdaftar."
93
254170
3149
Saya bilang, "Oh, pintar. Ide bagus.
Tunjukkan daftarnya."
04:29
And there's a bunchbanyak of drugsnarkoba,
not very excitingseru.
94
257343
2254
Dan ada banyak obat,
tidak terlalu menarik.
04:31
But what caughttertangkap my eyemata
was, on the listdaftar there were two drugsnarkoba:
95
259621
3932
Tapi yang menarik perhatian saya,
ada 2 obat dalam daftar:
04:35
paroxetineparoxetine, or PaxilPaxil, an antidepressantantidepresan;
96
263577
3393
paroxetine atau Paxil, obat anti depresi;
04:39
and pravastatinpravastatin, or PravacholPravachol,
a cholesterolkolesterol medicationobat.
97
267756
3570
dan pravastatin atau Pravachol,
obat kolestrerol.
04:43
And I said, "Huh. There are millionsjutaan
of AmericansAmerika on those two drugsnarkoba."
98
271936
4283
Dan saya bilang,"Wow. Jutaan orang di
Amerika menggunakan dua obat ini."
04:48
In factfakta, we learnedterpelajar laterkemudian,
99
276243
1246
Bahkan, belakangan kami mengetahui
04:49
15 millionjuta AmericansAmerika on paroxetineparoxetine
at the time, 15 millionjuta on pravastatinpravastatin,
100
277513
6032
15 juta warga Amerika menggunakan
paroxetine ketika itu,
dan 15 juta menggunakan pravastatin,
04:55
and a millionjuta, we estimateddiperkirakan, on bothkedua.
101
283569
2817
dan kami perkirakan sejuta orang
mengunakan keduanya.
04:58
So that's a millionjuta people
102
286767
1254
Jadi ada sejuta orang
05:00
who mightmungkin be havingmemiliki some problemsmasalah
with theirmereka glucoseglukosa
103
288045
2453
yang mungkin mengalami masalah glukosa
05:02
if this machine-learningPembelajaran mesin mumbokosong jumboJumbo
that he did in the FDAFDA databasedatabase
104
290522
3206
jika riset Nick berdasarkan
database BPOM ini benar.
05:05
actuallysebenarnya holdsmemegang up.
105
293752
1254
05:07
But I said, "It's still not publishableDiterbitkan,
106
295030
1927
Tapi ini masih tidak layak terbit,
05:08
because I love what you did
with the mumbokosong jumboJumbo,
107
296981
2296
meskipun saya senang dengan
yang kamu lakukan
05:11
with the machinemesin learningbelajar,
108
299301
1246
dengan riset komputer ini,
05:12
but it's not really standard-of-proofstandar-dari-bukti
evidencebukti that we have."
109
300571
3864
tapi kita belum memiliki
bukti yang layak.
05:17
So we have to do something elselain.
110
305618
1589
Jadi kita harus melakukan sesuatu.
05:19
Let's go into the StanfordStanford
electronicelektronik medicalmedis recordmerekam.
111
307231
2876
Mari kita lihat
rekam medis eletronik Stanford.
Kita punya salinan yang dapat digunakan
untuk penelitian,
05:22
We have a copysalinan of it
that's OK for researchpenelitian,
112
310131
2064
05:24
we removeddihapus identifyingmengidentifikasi informationinformasi.
113
312219
2046
kita hapus infomasi identitas (pasien).
Dan saya berkata, "Mari lihat apakah
pasien yang menggunakan kedua obat ini
05:26
And I said, "Let's see if people
on these two drugsnarkoba
114
314581
2503
05:29
have problemsmasalah with theirmereka glucoseglukosa."
115
317108
1769
punya masalah glukosa."
05:31
Now there are thousandsribuan
and thousandsribuan of people
116
319242
2207
Nah, ada ribuan orang
05:33
in the StanfordStanford medicalmedis recordscatatan
that take paroxetineparoxetine and pravastatinpravastatin.
117
321473
3459
di rekam medis Stanford yang memakai
paroxetine dan pravastatin.
05:36
But we neededdibutuhkan specialkhusus patientspasien.
118
324956
1799
Tapi kami butuh pasien khusus.
05:38
We neededdibutuhkan patientspasien who were on one of them
and had a glucoseglukosa measurementpengukuran,
119
326779
4597
Kami butuh pasien yang menggunakan
salah satu dan diukur glukosanya,
05:43
then got the secondkedua one and had
anotherlain glucoseglukosa measurementpengukuran,
120
331400
3449
lalu menggunakan obat kedua
dan diukur lagi glukosanya,
05:46
all withindalam a reasonablemasuk akal periodperiode of time --
something like two monthsbulan.
121
334873
3615
semua ini dalam periode tertentu --
misalnya dalam dua bulan.
05:50
And when we did that,
we foundditemukan 10 patientspasien.
122
338512
3159
kami menemukan 10 pasien.
05:54
HoweverNamun, eightdelapan out of the 10
had a bumpmenabrak in theirmereka glucoseglukosa
123
342592
4538
Akan tetapi, 8 dari 10 pasien
mengalami kenaikan glukosa
ketika mereka mendapat P kedua --
kita sebut kedua obat ini P dan P --
05:59
when they got the secondkedua P --
we call this P and P --
124
347154
2645
06:01
when they got the secondkedua P.
125
349823
1310
ketika mendapat P kedua.
06:03
EitherBaik one could be first,
the secondkedua one comesdatang up,
126
351157
2562
Yang mana pun bisa jadi yang pertama,
dan ketika menggunakan obat kedua
06:05
glucoseglukosa wentpergi up
20 milligramsmiligram perper deciliterdesiliter.
127
353743
2847
glukosa naik 20mg /desiliter.
06:08
Just as a reminderpengingat,
128
356614
1158
Sekadar mengingatkan,
kalau Anda bukan penderita diabetes,
Anda berfungsi normal
06:09
you walkberjalan around normallybiasanya,
if you're not diabeticdiabetes,
129
357796
2325
06:12
with a glucoseglukosa of around 90.
130
360145
1359
dengan glukosa sekitar 90.
06:13
And if it getsmendapat up to 120, 125,
131
361528
2076
Kalau naik ke 120, 125,
06:15
your doctordokter beginsdimulai to think
about a potentialpotensi diagnosisdiagnosis of diabetesdiabetes.
132
363628
3450
dokter Anda mulai berpikir
kemungkinan Anda terkena diabetes.
06:19
So a 20 bumpmenabrak -- prettycantik significantpenting.
133
367102
2991
Jadi, lonjakan 20 sangat berarti.
06:22
I said, "NickNick, this is very coolkeren.
134
370601
1904
Saya berkata, "Nick, ini sangat keren.
06:25
But, I'm sorry, we still
don't have a paperkertas,
135
373616
2053
Tapi, maaf,
kita masih belum bisa menerbitkan ini,
06:27
because this is 10 patientspasien
and -- give me a breakistirahat --
136
375693
2579
karena ini hanya 10 pasien dan
06:30
it's not enoughcukup patientspasien."
137
378296
1245
itu tidak cukup."
Jadi apa yang bisa kita lakukan?
06:31
So we said, what can we do?
138
379565
1306
06:32
And we said, let's call our friendsteman
at HarvardHarvard and VanderbiltVanderbilt,
139
380895
2976
Mari hubungi teman-teman kita
di Harvard dan Vanderbilt,
06:35
who alsojuga -- HarvardHarvard in BostonBoston,
VanderbiltVanderbilt in NashvilleNashville,
140
383895
2587
-- Harvard di Boston, dan
Vanderbilt di Nashville --
06:38
who alsojuga have electronicelektronik
medicalmedis recordscatatan similarserupa to oursmilik kita.
141
386506
2821
yang juga punya rekam medis elektorik
seperti punya kita.
06:41
Let's see if they can find
similarserupa patientspasien
142
389351
2020
Mari lihat apakah mereka bisa menemukan
pasien seperti ini
06:43
with the one P, the other P,
the glucoseglukosa measurementspengukuran
143
391395
3276
yang menggunakan 1 P, lalu P lainnya,
dan diukur glukosanya
06:46
in that rangejarak that we need.
144
394695
1600
dalam batas yang kita butuhkan.
06:48
God blessmemberkati them, VanderbiltVanderbilt
in one weekminggu foundditemukan 40 suchseperti itu patientspasien,
145
396787
4955
Tuhan memberkahi mereka, Vanderbilt
dalam seminggu menemukan 40 pasien,
06:53
samesama trendkecenderungan.
146
401766
1189
gejala yang sama.
06:55
HarvardHarvard foundditemukan 100 patientspasien, samesama trendkecenderungan.
147
403804
3620
Harvard menemukan 100 pasien,
gejala yang sama.
06:59
So at the endakhir, we had 150 patientspasien
from threetiga diverseberbeda medicalmedis centerspusat
148
407448
4281
Maka akhirnya, kami punya 150 pasien
dari 3 pusat medis berbeda
07:03
that were tellingpemberitaan us that patientspasien
gettingmendapatkan these two drugsnarkoba
149
411753
3297
yang memberi tahu kami bahwa pasien
yang mengkonsumsi 2 obat ini
07:07
were havingmemiliki theirmereka glucoseglukosa bumpmenabrak
somewhatagak significantlysecara signifikan.
150
415074
2703
mengalami lonjakan glukosa yang berarti.
07:10
More interestinglyMenariknya,
we had left out diabeticspenderita diabetes,
151
418317
2810
Lebih menarik lagi,
kami mengesampingkan penderita diabetes,
07:13
because diabeticspenderita diabetes alreadysudah
have messedkacau up glucoseglukosa.
152
421151
2317
karena kadar glukosa penderita diabetes
sudah kacau.
07:15
When we lookedtampak
at the glucoseglukosa of diabeticspenderita diabetes,
153
423492
2238
Ketika kita lihat kadar glukosa
penderita diabetes,
07:17
it was going up 60 milligramsmiligram
perper deciliterdesiliter, not just 20.
154
425754
3435
kenaikannya 60mg /desiiter,
tidak hanya 20.
07:21
This was a bigbesar dealberurusan, and we said,
"We'veKami telah got to publishmenerbitkan this."
155
429760
3452
Ini masalah besar, dan kami berkata,
"Kita harus menerbitkan ini."
07:25
We submitteddisampaikan the paperkertas.
156
433236
1179
Kami kirimkan makalahnya.
07:26
It was all datadata evidencebukti,
157
434439
2111
Semuanya adalah bukti data,
07:28
datadata from the FDAFDA, datadata from StanfordStanford,
158
436574
2483
data dari BPOM, data dari Stanford,
07:31
datadata from VanderbiltVanderbilt, datadata from HarvardHarvard.
159
439081
1946
data dari Vanderbilt, data dari Harvard.
07:33
We had not doneselesai a singletunggal realnyata experimentpercobaan.
160
441051
2396
Kami belum melakukan
satu percobaan apa pun.
07:36
But we were nervousgugup.
161
444495
1296
Tetapi kami gugup.
07:38
So NickNick, while the paperkertas
was in reviewulasan, wentpergi to the lablaboratorium.
162
446201
3730
Waktu makalahnya sedang di-review,
Nick pergi ke ke lab.
07:41
We foundditemukan somebodyseseorang
who knewtahu about lablaboratorium stuffbarang.
163
449955
2462
Kami menemukan seseorang
yang mengerti tentang lab.
07:44
I don't do that.
164
452441
1393
Saya tidak mengerti lab.
07:45
I take carepeduli of patientspasien,
but I don't do pipettespipettes.
165
453858
2417
Saya merawat pasien,
tetapi tidak dengan pipet.
07:49
They taughtdiajarkan us how to feedmakan micetikus drugsnarkoba.
166
457420
3053
Mereka mengajari kami
cara memberi obat pada tikus.
Kami ambil tikus dan memberi mereka
satu P, paroxetine.
07:52
We tookmengambil micetikus and we gavememberi them
one P, paroxetineparoxetine.
167
460864
2414
07:55
We gavememberi some other micetikus pravastatinpravastatin.
168
463302
2508
Dan kami memberi P lain - pravastatin
pada tikus yang lain.
07:57
And we gavememberi a thirdketiga groupkelompok
of micetikus bothkedua of them.
169
465834
3595
Dan kelompok tikus ketiga
kami berikan kedua obat itu.
08:01
And lolo and beholdmelihat, glucoseglukosa wentpergi up
20 to 60 milligramsmiligram perper deciliterdesiliter
170
469893
3946
Dan secara mengejutkan,
kadar glukosa meningkat
20 sampai 60mg/desiliter
pada tikus-tikus itu.
08:05
in the micetikus.
171
473863
1171
08:07
So the paperkertas was acceptedditerima
basedberbasis on the informaticsInformatika evidencebukti alonesendirian,
172
475058
3158
Makalah ini diterima berdasarkan
bukti data saja,
tapi kami menambahkan catatan
yang mengatakan,
08:10
but we addedmenambahkan a little notecatatan at the endakhir,
173
478240
1894
08:12
sayingpepatah, oh by the way,
if you give these to micetikus, it goespergi up.
174
480158
2899
ketika obat diberikan pada tikus,
glukosa mereka juga naik.
08:15
That was great, and the storycerita
could have endedberakhir there.
175
483081
2508
Jadi bagus, dan kisah ini
bisa berakhir di sini.
08:17
But I still have sixenam and a halfsetengah minutesmenit.
176
485613
1997
Tapi saya masih punya 6 setengah menit.
08:19
(LaughterTawa)
177
487634
2807
(Tertawa)
08:22
So we were sittingduduk around
thinkingberpikir about all of this,
178
490465
2815
Kami sedang berkumpul
memikirkan semua ini,
08:25
and I don't rememberingat who thought
of it, but somebodyseseorang said,
179
493304
2735
dan seseorang terpikir,
saya lupa siapa, tapi dia bilang,
08:28
"I wonderbertanya-tanya if patientspasien
who are takingpengambilan these two drugsnarkoba
180
496063
3201
"Saya terpikir apakah
pasien yang mengkonsumsi 2 obat ini
08:31
are noticingmemperhatikan sidesisi effectsefek
of hyperglycemiaHiperglikemia.
181
499288
3553
juga menyadari efek samping dari
hyperglycemia.
08:34
They could and they should.
182
502865
1496
Harusnya mereka menyadarinya.
08:36
How would we ever determinemenentukan that?"
183
504761
1877
Bagaimana kita bisa mengetahuinya?"
08:39
We said, well, what do you do?
184
507551
1443
Jadi, apa yang kamu lakukan?
08:41
You're takingpengambilan a medicationobat,
one newbaru medicationobat or two,
185
509018
2580
Anda menggunakan satu atau dua obat baru,
08:43
and you get a funnylucu feelingperasaan.
186
511622
1538
dan merasa agak aneh.
08:45
What do you do?
187
513184
1151
Apa yang Anda lakukan?
08:46
You go to GoogleGoogle
188
514359
1151
Anda buka Google
08:47
and typemengetik in the two drugsnarkoba you're takingpengambilan
or the one drugobat you're takingpengambilan,
189
515534
3349
dan mengetik 2 obat yang Anda minum
atau satu obat yang Anda minum,
08:50
and you typemengetik in "sidesisi effectsefek."
190
518907
1603
dan mengetik "efek samping."
08:52
What are you experiencingmengalami?
191
520534
1356
Apa yang Anda rasakan?
08:54
So we said OK,
192
522239
1151
Jadi kami putuskan untuk
08:55
let's askmeminta GoogleGoogle if they will shareBagikan
theirmereka searchpencarian logslog with us,
193
523414
3056
bertanya pada Google apakah mereka
bisa membagi Log Pencarian pada kami
08:58
so that we can look at the searchpencarian logslog
194
526494
1833
agar kami dapat mencari tahu
09:00
and see if patientspasien are doing
these kindsmacam of searchespencarian.
195
528351
2565
apakah pasien melakukan
pencarian seperti ini.
09:02
GoogleGoogle, I am sorry to say,
deniedditolak our requestpermintaan.
196
530940
3275
Sayang sekali,
Google menolak permintaan kami.
09:06
So I was bummedkacau.
197
534819
1151
Saya kecewa.
09:07
I was at a dinnermakan malam with a colleaguerekan
who worksbekerja at MicrosoftMicrosoft ResearchPenelitian
198
535994
3166
Saat makan malam dengan teman
yang bekerja di Microsoft Research
saya cerita, "Kami ingin melakukan
penelitian ini,
09:11
and I said, "We wanted to do this studybelajar,
199
539184
1941
09:13
GoogleGoogle said no, it's kindjenis of a bummernyebelin."
200
541149
1880
tapi Google menolak, sungguh mengecewakan.
09:15
He said, "Well, we have
the BingBing searchespencarian."
201
543053
2086
Dia bilang,
"Kami punya mesin pencari Bing."
09:18
(LaughterTawa)
202
546195
3483
(Tertawa)
09:22
Yeah.
203
550805
1267
Ya.
09:24
That's great.
204
552096
1151
Itu bagus sekali.
09:25
Now I feltmerasa like I was --
205
553271
1151
Saya merasa seperti --
09:26
(LaughterTawa)
206
554446
1000
(Tertawa)
09:27
I feltmerasa like I was talkingpembicaraan to NickNick again.
207
555470
2412
Seperti saya sedang bicara
dengan Nick lagi.
09:30
He worksbekerja for one of the largestterbesar
companiesperusahaan in the worlddunia,
208
558437
2624
Dia bekerja di salah satu perusahaan
terbesar di dunia,
09:33
and I'm alreadysudah tryingmencoba
to make him feel better.
209
561085
2206
dan sudah mencoba membuatnya
merasa lebih baik.
Tapi dia bilang, "Tidak, Russ --
mungkin kamu tidak mengerti.
09:35
But he said, "No, RussRuss --
you mightmungkin not understandmemahami.
210
563315
2445
09:37
We not only have BingBing searchespencarian,
211
565784
1500
Kami tidak hanya punya Bing,
09:39
but if you use InternetInternet ExplorerExplorer
to do searchespencarian at GoogleGoogle,
212
567308
3340
tapi kalau kamu pakai IE
untuk melakukan pencarian di Google,
09:42
YahooYahoo, BingBing, any ...
213
570672
1891
Yahoo, Bing, mesin pencari apa pun...
09:44
Then, for 18 monthsbulan, we keep that datadata
for researchpenelitian purposestujuan only."
214
572587
3643
Untuk 18 bulan, kami menyimpan data itu
untuk penelitan saja."
Saya berkata, "Nah, ini baru menarik."
09:48
I said, "Now you're talkingpembicaraan!"
215
576254
1936
09:50
This was EricEric HorvitzHorvitz,
my friendteman at MicrosoftMicrosoft.
216
578214
2198
Dia Eric Horvitz, teman saya di Microsoft.
09:52
So we did a studybelajar
217
580436
1695
Jadi kami melakukan penelitian
09:54
where we defineddidefinisikan 50 wordskata-kata
that a regularreguler personorang mightmungkin typemengetik in
218
582155
4619
dimana kami menetapkan 50 kata
yang mungkin akan diketik orang awam
09:58
if they're havingmemiliki hyperglycemiaHiperglikemia,
219
586798
1602
kalau mereka punya hyperglycemia,
10:00
like "fatiguekelelahan," "losskerugian of appetitenafsu makan,"
"urinatingkencing a lot," "peeingkencing a lot" --
220
588424
4762
sepeti "kecapekan," "kehilangan
nafsu makan," "sering kencing," --
10:05
forgivememaafkan me, but that's one
of the things you mightmungkin typemengetik in.
221
593210
2767
maaf, tapi itu salah satu yang umumnya
akan Anda ketik.
10:08
So we had 50 phrasesfrase
that we calledbernama the "diabetesdiabetes wordskata-kata."
222
596001
2790
Jadi kami punya 50 frase yang kami sebut
"kta-kata diabetes."
10:10
And we did first a baselinebaseline.
223
598815
2063
Dan pertama kami menetapkan nilai dasar.
10:12
And it turnsberubah out
that about .5 to one percentpersen
224
600902
2704
Ternyata sekitar 0.5 sampai 1 persen
dari semua pencarian di internet
menggunakan salah satu kata itu.
10:15
of all searchespencarian on the InternetInternet
involvemelibatkan one of those wordskata-kata.
225
603630
2982
10:18
So that's our baselinebaseline ratemenilai.
226
606636
1742
Jadi itu adalah nilai dasar kami.
10:20
If people typemengetik in "paroxetineparoxetine"
or "PaxilPaxil" -- those are synonymssinonim --
227
608402
4143
Bila seseorang mengetik "paroxetine" atau
"Paxil" -- keduanya adalah sama --
10:24
and one of those wordskata-kata,
228
612569
1215
dan salah satu kata itu,
10:25
the ratemenilai goespergi up to about two percentpersen
of diabetes-typediabetes-tipe wordskata-kata,
229
613808
4890
temuan kami naik 2 persen dari
kata-kata diabetes,
10:30
if you alreadysudah know
that there's that "paroxetineparoxetine" wordkata.
230
618722
3044
kalau Anda sudah tahu bahwa disana
terdapat kata "paroxetine."
10:34
If it's "pravastatinpravastatin," the ratemenilai goespergi up
to about threetiga percentpersen from the baselinebaseline.
231
622191
4547
Dengan kata "pravastatin," temuan naik
sekitar 3 pesen dari nilai dasar.
10:39
If bothkedua "paroxetineparoxetine" and "pravastatinpravastatin"
are presentmenyajikan in the queryquery,
232
627171
4390
Kalau keduanya -- "paroxetine" dan
"pravastatin" -- ada dalam pencarian,
10:43
it goespergi up to 10 percentpersen,
233
631585
1669
nilainya naik hingga 10 persen,
10:45
a hugebesar three-tiga- to four-foldsebesar empat kali lipat increasemeningkat
234
633278
3461
meningkat hingga 3-4 kali lipat
10:48
in those searchespencarian with the two drugsnarkoba
that we were interestedtertarik in,
235
636763
3389
pada pencarian dengan 2 obat
yang menjadi fokus penelitian ini
10:52
and diabetes-typediabetes-tipe wordskata-kata
or hyperglycemia-typeHiperglikemia-jenis wordskata-kata.
236
640176
3566
dan kata-kata diabetes atau
kata-kata hyperglycemia.
Kami menerbitkan temuan ini
10:56
We publishedditerbitkan this,
237
644216
1265
10:57
and it got some attentionperhatian.
238
645505
1466
dan mendapat perhatian.
10:58
The reasonalasan it deserveslayak attentionperhatian
239
646995
1778
Penelitian ini layak diperhatikan
11:00
is that patientspasien are tellingpemberitaan us
theirmereka sidesisi effectsefek indirectlytidak langsung
240
648797
4312
karena pasien memberi tahu kita
efek samping mereka secara tidak langsung
11:05
throughmelalui theirmereka searchespencarian.
241
653133
1156
lewat pencarian mereka.
11:06
We broughtdibawa this
to the attentionperhatian of the FDAFDA.
242
654313
2138
Kami membawa penelitian ini ke BPOM
11:08
They were interestedtertarik.
243
656475
1269
dan mereka pun tertarik.
11:09
They have setset up socialsosial mediamedia
surveillancepengawasan programsprogram
244
657768
3606
Mereka membuat program pengawasan
di media sosial
11:13
to collaborateberkolaborasi with MicrosoftMicrosoft,
245
661398
1751
untuk bekerjasama dengan Microsoft,
11:15
whichyang had a nicebagus infrastructureinfrastruktur
for doing this, and otherslainnya,
246
663173
2794
yang punya infrastruktur
untuk melakukannya, dan lainnya,
mereka melihat Log Twitter,
11:17
to look at TwitterTwitter feedsmakan,
247
665991
1282
11:19
to look at FacebookFacebook feedsmakan,
248
667297
1716
melihat Log Facebook,
11:21
to look at searchpencarian logslog,
249
669037
1311
Log Pencarian,
11:22
to try to see earlyawal signstanda-tanda that drugsnarkoba,
eitherantara individuallyindividual or togetherbersama,
250
670372
4909
untuk mencari tahu tanda-tanda awal
ketika kedua obat ini menyebabkan masalah,
11:27
are causingmenyebabkan problemsmasalah.
251
675305
1589
baik bersamaan atau terpisah.
Jadi apa pembelajarannya?
Kenapa menceritakan ini?
11:28
What do I take from this?
Why tell this storycerita?
252
676918
2174
11:31
Well, first of all,
253
679116
1207
Baik, yang pertama,
11:32
we have now the promisejanji
of bigbesar datadata and medium-sizedmenengah datadata
254
680347
4037
kami sekarang mendapatkan komitmen
perusahaan data besar dan sedang
11:36
to help us understandmemahami drugobat interactionsinteraksi
255
684408
2918
untuk membatu kita memahami
interaksi obat-obatan
11:39
and really, fundamentallypada dasarnya, drugobat actionstindakan.
256
687350
2420
dan pada dasarnya, reaksi obat.
11:41
How do drugsnarkoba work?
257
689794
1413
Bagaimana obat bekerja?
11:43
This will createmembuat and has createddiciptakan
a newbaru ecosystemekosistem
258
691231
2836
Ini akan membuat dan telah membentuk
ekosistem baru
11:46
for understandingpengertian how drugsnarkoba work
and to optimizeoptimalkan theirmereka use.
259
694091
3267
untuk memahami bagaimana obat bekerja
dan memaksimalkan fungsinya.
11:50
NickNick wentpergi on; he's a professorprofesor
at ColumbiaColumbia now.
260
698303
2659
Nick meneruskan karirnya;
Dia profesor di Columbia sekarang.
11:52
He did this in his PhDPhD
for hundredsratusan of pairspasang of drugsnarkoba.
261
700986
4072
Dia melakukan studi ini untuk
disertasi doktornya
pada ratusan pasang obat-obatan.
11:57
He foundditemukan severalbeberapa
very importantpenting interactionsinteraksi,
262
705082
2517
Dia menemukan beberapa interaksi penting,
dan kami mengulang studi ini
11:59
and so we replicateddireplikasi this
263
707623
1214
12:00
and we showedmenunjukkan that this
is a way that really worksbekerja
264
708861
2574
dan menunjukkan bahwa ini adalah
jalan yang tepat
12:03
for findingtemuan drug-drugobat-obat interactionsinteraksi.
265
711459
2339
untuk mencari tahu interaksi obat.
12:06
HoweverNamun, there's a couplepasangan of things.
266
714282
1734
Akan tetapi, ada beberapa hal.
12:08
We don't just use pairspasang
of drugsnarkoba at a time.
267
716040
3046
Kita tidak hanya menggunakan sepasang obat
pada satu waktu.
12:11
As I said before, there are patientspasien
on threetiga, fivelima, seventujuh, ninesembilan drugsnarkoba.
268
719110
4469
Seperti saya bilang tadi,
ada pasien yang meminum 3, 5, 7, 9 obat.
12:15
Have they been studiedbelajar with respectmenghormati
to theirmereka nine-waysembilan-cara interactioninteraksi?
269
723981
3642
Apakah obat-obatan ini sudah dipelajari
interaksinya ketika digunakan bersamaan?
12:19
Yes, we can do pair-wisepair-Wise,
A and B, A and C, A and D,
270
727647
4208
Tentu kita bisa pasangkan dua-dua,
A dan B, A dan C, A dan D,
12:23
but what about A, B, C,
D, E, F, G all togetherbersama,
271
731879
4286
tetapi bagaimana jika A, B, C, D, E, F, G
secara bersamaan,
12:28
beingmakhluk takendiambil by the samesama patientsabar,
272
736189
1762
dikonsumsi oleh pasien yang sama,
12:29
perhapsmungkin interactingberinteraksi with eachsetiap other
273
737975
2118
mungkin interaksi diantara mereka
12:32
in wayscara that eitherantara makesmembuat them
more effectiveefektif or lesskurang effectiveefektif
274
740117
3778
bisa membuat mereka lebih efektif
atau menjadi tidak efektif
atau menimbulkan efek samping
yang tidak diharapkan?
12:35
or causespenyebab sidesisi effectsefek
that are unexpectedtidak terduga?
275
743919
2332
12:38
We really have no ideaide.
276
746275
1827
Kita sungguh tidak tahu.
12:40
It's a bluebiru skylangit, openBuka fieldbidang
for us to use datadata
277
748126
3756
Ini adalah bidang yang sangat luas dan
terbuka bagi kita untuk menggunakan data
12:43
to try to understandmemahami
the interactioninteraksi of drugsnarkoba.
278
751906
2502
dan mencoba memahami Interaksi
antara obat-obat ini.
12:46
Two more lessonspelajaran:
279
754848
1370
Dua pelajaran lagi:
12:48
I want you to think about the powerkekuasaan
that we were ablesanggup to generatemenghasilkan
280
756242
4199
Saya ingin Anda pikirkan tentang
kekuatan yang bisa kita hasilkan
12:52
with the datadata from people who had
volunteeredmengajukan diri secara sukarela theirmereka adversemerugikan reactionsreaksi
281
760465
4711
dengan data dari orang-orang yang sukarela
memberikan reaksi buruk mereka
12:57
throughmelalui theirmereka pharmacistsapoteker,
throughmelalui themselvesdiri, throughmelalui theirmereka doctorsdokter,
282
765200
3269
melalui apoteker, diri mereka sendiri,
dan dokter mereka,
13:00
the people who alloweddiizinkan the databasesdatabase
at StanfordStanford, HarvardHarvard, VanderbiltVanderbilt,
283
768493
3667
Orang-orang yang mengizinkan database di
Stanford, Harvard, Vanderbilt,
13:04
to be used for researchpenelitian.
284
772184
1427
digunakan untuk penelitian.
Orang-orang khawatir akan data mereka,
13:05
People are worriedcemas about datadata.
285
773929
1445
13:07
They're worriedcemas about theirmereka privacyPrivasi
and securitykeamanan -- they should be.
286
775398
3187
akan privasi dan keamanan mereka --
dan memang seharusnya begitu.
13:10
We need secureaman systemssistem.
287
778609
1151
Kita butuh sistem yang aman.
13:11
But we can't have a systemsistem
that closestutup that datadata off,
288
779784
3406
Tapi harusnya sistem itu tidak menutup
akses kita pada data,
13:15
because it is too richkaya of a sourcesumber
289
783214
2752
karena ini adalah sumber yang sangat kaya
13:17
of inspirationinspirasi, innovationinovasi and discoverypenemuan
290
785990
3971
akan inspirasi, inovasi dan penemuan
13:21
for newbaru things in medicineobat.
291
789985
1578
hal-hal baru di bidang kedokteran.
Yang terakhir yang ingin saya katakan
adalah,
13:24
And the finalterakhir thing I want to say is,
292
792494
1794
13:26
in this casekasus we foundditemukan two drugsnarkoba
and it was a little bitsedikit of a sadsedih storycerita.
293
794312
3357
dalam studi ini kami menemukan 2 obat
dan ceritanya agak sedih.
13:29
The two drugsnarkoba actuallysebenarnya causeddisebabkan problemsmasalah.
294
797693
1921
Kedua obat ini menimbulkan masalah.
13:31
They increasedmeningkat glucoseglukosa.
295
799638
1475
Keduanya meningkatkan glukosa.
13:33
They could throwmelemparkan somebodyseseorang into diabetesdiabetes
296
801137
2446
Mereka bisa menyebabkan seseorang
terkena diabetes
13:35
who would otherwisejika tidak not be in diabetesdiabetes,
297
803607
2294
yang sebelumnya tidak punya diabetes,
dan supaya Anda berhati-hati menggunakan
kedua obat ini secara bersamaan,
13:37
and so you would want to use
the two drugsnarkoba very carefullyhati-hati togetherbersama,
298
805925
3175
13:41
perhapsmungkin not togetherbersama,
299
809124
1151
mungkin tidak bersamaan,
13:42
make differentberbeda choicespilihan
when you're prescribingresep.
300
810299
2340
gunakan obat lain ketika Anda
menulis resep.
13:44
But there was anotherlain possibilitykemungkinan.
301
812663
1846
Tapi ada kemungkinan lain.
13:46
We could have foundditemukan
two drugsnarkoba or threetiga drugsnarkoba
302
814533
2344
Kita bisa menemukan 2 obat atau 3 obat
13:48
that were interactingberinteraksi in a beneficialbermanfaat way.
303
816901
2261
yang interaksinya menguntungkan.
13:51
We could have foundditemukan newbaru effectsefek of drugsnarkoba
304
819616
2712
Kita bisa menemukan efek baru obat
yang sendiri-sendiri tidak ditemukan
pada kedua obat ini
13:54
that neithertidak of them has alonesendirian,
305
822352
2160
13:56
but togetherbersama, insteadsebagai gantinya
of causingmenyebabkan a sidesisi effectefek,
306
824536
2493
tapi muncul saat digunakan bersamaan,
alih-alih efek samping.
13:59
they could be a newbaru and novelnovel treatmentpengobatan
307
827053
2425
Mereka bisa jadi pengobatan baru
14:01
for diseasespenyakit that don't have treatmentsperawatan
308
829502
1882
bagi penyakit yang belum bisa diobati
14:03
or where the treatmentsperawatan are not effectiveefektif.
309
831408
2007
atau pengobatannya belum efektif.
14:05
If we think about drugobat treatmentpengobatan todayhari ini,
310
833439
2395
Kalau kita pikirkan tentang
pengobatan saat ini,
14:07
all the majorutama breakthroughsterobosan --
311
835858
1752
semua terobosan besar --
14:09
for HIVHIV, for tuberculosistuberkulosis,
for depressiondepresi, for diabetesdiabetes --
312
837634
4297
untuk HIV, untuk tuberculosis,
untuk depresi, untuk diabetes --
14:13
it's always a cocktailkoktail of drugsnarkoba.
313
841955
2830
semuanya adalah campuran berbagai obat.
14:16
And so the upsideterbalik here,
314
844809
1730
Jadi sisi positifnya disini,
14:18
and the subjectsubyek for a differentberbeda
TEDTED Talk on a differentberbeda day,
315
846563
2849
dan topik untuk TED Talk berikutnya,
14:21
is how can we use the samesama datadata sourcessumber
316
849436
2593
adalah bagaimana kita bisa menggunakan
sumber data yang sama
14:24
to find good effectsefek
of drugsnarkoba in combinationkombinasi
317
852053
3563
untuk mencari efek positif
dari kombinasi obat-obatan
14:27
that will providemenyediakan us newbaru treatmentsperawatan,
318
855640
2175
yang akan menyediakan kita
pengobatan baru,
14:29
newbaru insightswawasan into how drugsnarkoba work
319
857839
1852
wawasan baru tentang cara kerja obat
14:31
and enablememungkinkan us to take carepeduli
of our patientspasien even better?
320
859715
3786
dan memungkinkan kita untuk
merawat pasien lebih baik?
14:35
Thank you very much.
321
863525
1166
Terima kasih banyak.
14:36
(ApplauseTepuk tangan)
322
864715
3499
(Tepuk tangan)
Translated by Lia Setiawan
Reviewed by Dewi Barnas

▲Back to top

ABOUT THE SPEAKER
Russ Altman - Big data techno-­optimist and internist
Russ 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.

More profile about the speaker
Russ Altman | Speaker | TED.com