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: Cosa accade davvero quando si assumono più medicine insieme?

Filmed:
1,766,922 views

Se prendi due diversi farmaci per due ragioni differenti, ecco un pensiero su cui riflettere: il tuo medico potrebbe non sapere pienamente cosa accade quando si usano insieme, perché le interazioni tra medicine sono estremamente difficili da studiare. In questo intervento accattivante e accessibile, Russ Altman spiega come i medici stanno studiando le interazioni inattese tra farmaci utilizzando una fonte inaspettata: le query dei motori di ricerca.
- 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 doctormedico
and get some teststest.
0
811
3321
Vai dal dottore e gli porti delle analisi.
00:16
The doctormedico determinesdetermina
that you have highalto cholesterolcolesterolo
1
4674
2620
Il dottore scopre che
hai il colesterolo alto
00:19
and you would benefitvantaggio
from medicationmedicazione to treattrattare it.
2
7318
3171
e che ti servirebbero
delle medicine per curarlo.
00:22
So you get a pillboxPortapillole.
3
10981
1556
Così ti dà una
scatola di pillole.
00:25
You have some confidencefiducia,
4
13505
1199
Sei abbastanza sicuro,
00:26
your physicianmedico has some confidencefiducia
that this is going to work.
5
14728
2937
e anche il tuo medico
è abbastanza sicuro che funzionerà.
00:29
The companyazienda that inventedinventato it did
a lot of studiesstudi, submittedinviato it to the FDAFDA.
6
17689
3553
L'azienda che l'ha formulata ha fatto
molti studi, l'ha sottoposta all'FDA.
L'hanno studiata attentamente,
scrupolosamente, e l'hanno approvata.
00:33
They studiedstudiato it very carefullyaccuratamente,
skepticallyscettico, they approvedapprovato it.
7
21266
3107
00:36
They have a roughruvido ideaidea of how it workslavori,
8
24397
1889
Hanno grosso modo idea di come funzioni,
hanno una vaga idea
degli effetti collaterali.
00:38
they have a roughruvido ideaidea
of what the sidelato effectseffetti are.
9
26310
2453
00:40
It should be OK.
10
28787
1150
Dovrebbe essere a posto.
00:42
You have a little more
of a conversationconversazione with your physicianmedico
11
30864
2818
Poi parli ancora un po' con il tuo medico
00:45
and the physicianmedico is a little worriedpreoccupato
because you've been blueblu,
12
33706
2963
e lui è un po' preoccupato
perché ultimamente ti senti giù,
00:48
haven'tnon hanno feltprovato like yourselfte stesso,
13
36693
1293
non ti senti te stesso,
00:50
you haven'tnon hanno been ablecapace to enjoygodere things
in life quiteabbastanza as much as you usuallygeneralmente do.
14
38010
3731
non riesci a goderti la vita
tanto quanto prima.
00:53
Your physicianmedico saysdice, "You know,
I think you have some depressiondepressione.
15
41765
3186
Il tuo medico dice "sai,
credo che tu sia un po' depresso.
00:57
I'm going to have to give
you anotherun altro pillpillola."
16
45792
2315
Ti devo dare un'altra pastiglia."
01:00
So now we're talkingparlando
about two medicationsfarmaci.
17
48934
2483
Quindi ora si tratta di due medicine.
01:03
This pillpillola alsoanche -- millionsmilioni
of people have takenprese it,
18
51441
3104
Anche questa pillola... è stata presa
da milioni di persone,
01:06
the companyazienda did studiesstudi,
the FDAFDA lookedguardato at it -- all good.
19
54569
3631
l'azienda ha effettuato degli studi,
l'FDA l'ha controllata... tutto a posto.
01:10
Think things should go OK.
20
58823
2057
Pensi che con questa tutto andrà bene.
01:12
Think things should go OK.
21
60904
2197
Pensi che con quest'altra
tutto andrà bene.
01:15
Well, wait a minuteminuto.
22
63125
1439
Beh, aspetta un minuto.
01:16
How much have we studiedstudiato
these two togetherinsieme?
23
64588
3517
Quanto abbiamo studiato
le due medicine insieme?
01:20
Well, it's very harddifficile to do that.
24
68630
2300
È una cosa molto difficile da fare.
01:22
In factfatto, it's not traditionallytradizionalmente donefatto.
25
70954
2130
In realtà, di solito non si fa.
01:25
We totallytotalmente dependdipendere on what we call
"post-marketingpost-marketing surveillancesorveglianza,"
26
73108
5518
Facciamo completamente affidamento sulla
cosiddetta "sorveglianza post-marketing,"
01:30
after the drugsfarmaci hitcolpire the marketmercato.
27
78650
1880
dopo che i farmaci
vengono immessi sul mercato.
01:32
How can we figurefigura out
if badcattivo things are happeningavvenimento
28
80996
2848
Come facciamo a rilevare
eventuali effetti collaterali
01:35
betweenfra two medicationsfarmaci?
29
83868
1357
tra due farmaci?
01:37
ThreeTre? FiveCinque? SevenSette?
30
85249
2030
Tre? Cinque? Sette?
01:39
AskChiedi a in your favoritefavorito personpersona
who has severalparecchi diagnosesdiagnosi
31
87708
2415
Chiedete a chiunque
abbia numerose diagnosi
01:42
how manymolti medicationsfarmaci they're on.
32
90147
1834
quante medicine prendano.
Perché mi preoccupa
questo problema?
01:44
Why do I carecura about this problemproblema?
33
92530
1580
01:46
I carecura about it deeplyprofondamente.
34
94134
1157
Mi sta molto a cuore.
01:47
I'm an informaticsinformatica and datadati sciencescienza guy
and really, in my opinionopinione,
35
95315
4304
Mi occupo di informatica e
scienza dei dati e, davvero, credo che
01:51
the only hopesperanza -- only hopesperanza --
to understandcapire these interactionsinterazioni
36
99643
3745
l'unica e sola speranza
di comprendere queste interazioni
01:55
is to leverageleva lots
of differentdiverso sourcesfonti of datadati
37
103412
3056
sia sfruttare molte diverse fonti di dati
per capire quando i farmaci possano
essere utilizzati insieme in modo sicuro,
01:58
in orderordine to figurefigura out
when drugsfarmaci can be used togetherinsieme safelyin modo sicuro
38
106492
3556
02:02
and when it's not so safesicuro.
39
110072
1777
e quando non è così sicuro.
Lasciate che vi racconti
una storia sui dati.
02:04
So let me tell you a datadati sciencescienza storystoria.
40
112615
2051
02:06
And it beginsinizia with my studentalunno NickNick.
41
114690
2154
E inizia con il mio studente Nick.
02:08
Let's call him "NickNick,"
because that's his namenome.
42
116868
2380
Chiamiamolo "Nick,"
dato che è il suo nome.
02:11
(LaughterRisate)
43
119272
1592
(Risate)
Nick era un giovane studente.
02:12
NickNick was a younggiovane studentalunno.
44
120888
1201
02:14
I said, "You know, NickNick, we have
to understandcapire how drugsfarmaci work
45
122113
3079
Dissi: "Sai, Nick, dobbiamo capire
come funzionano i farmaci,
02:17
and how they work togetherinsieme
and how they work separatelyseparatamente,
46
125216
2626
come funzionano insieme e
come funzionano separatamente,
02:19
and we don't have a great understandingcomprensione.
47
127866
1922
e non ne sappiamo molto.
Ma l'FDA ha reso disponibile
un fantastico database.
02:21
But the FDAFDA has madefatto availablea disposizione
an amazingStupefacente databaseBanca dati.
48
129812
2405
02:24
It's a databaseBanca dati of adversenegativi eventseventi.
49
132241
1699
È un database
di effetti collaterali.
02:26
They literallyletteralmente put on the webweb --
50
134321
1642
Hanno letteralmente messo in rete,
02:27
publiclypubblicamente availablea disposizione, you could all
downloadScaricare it right now --
51
135987
3119
disponibili al pubblico,
potreste scaricarli ora,
02:31
hundredscentinaia of thousandsmigliaia
of adversenegativi eventevento reportsrapporti
52
139130
3627
centinaia di migliaia di resoconti
di effetti collaterali
02:34
from patientspazienti, doctorsmedici,
companiesaziende, pharmacistsfarmacisti.
53
142781
3760
da pazienti, dottori, aziende, farmacisti.
Questi dati sono abbastanza semplici:
02:38
And these reportsrapporti are prettybella simplesemplice:
54
146565
1749
si riportano tutte le malattie
da cui è affetto il paziente,
02:40
it has all the diseasesmalattie
that the patientpaziente has,
55
148338
2658
02:43
all the drugsfarmaci that they're on,
56
151020
1767
tutti i farmaci che assume,
02:44
and all the adversenegativi eventseventi,
or sidelato effectseffetti, that they experienceEsperienza.
57
152811
3818
e tutte le reazioni avverse,
o effetti collaterali, che incontra.
02:48
It is not all of the adversenegativi eventseventi
that are occurringverificano in AmericaAmerica todayoggi,
58
156653
3436
Non sono tutte le reazioni avverse
che sono presenti in America oggi,
ma si tratta di centinaia e
centinaia di migliaia di farmaci.
02:52
but it's hundredscentinaia and hundredscentinaia
of thousandsmigliaia of drugsfarmaci.
59
160113
2578
02:54
So I said to NickNick,
60
162715
1299
Quindi dissi a Nick:
02:56
"Let's think about glucoseglucosio.
61
164038
1826
"Parliamo del glucosio.
02:57
GlucoseGlucosio is very importantimportante,
and we know it's involvedcoinvolti with diabetesdiabete.
62
165888
3567
Il glucosio è molto importante e
sappiamo che è correlato al diabete.
03:01
Let's see if we can understandcapire
glucoseglucosio responserisposta.
63
169479
3970
Vediamo se riusciamo a capire
la risposta glicemica."
03:05
I sentinviato NickNick off. NickNick cameè venuto back.
64
173473
2458
Ho mandato Nick al lavoro.
Nick è tornato.
03:08
"RussRuss," he said,
65
176248
1786
"Russ" disse,
03:10
"I've createdcreato a classifierclassificatore that can
look at the sidelato effectseffetti of a drugdroga
66
178351
5112
"Ho creato un classificatore che legge
gli effetti collaterali di un farmaco
03:15
basedbasato on looking at this databaseBanca dati,
67
183487
2051
e, in base a questo database,
03:17
and can tell you whetherse that drugdroga
is likelyprobabile to changemodificare glucoseglucosio or not."
68
185562
4271
può dire se è probabile che quel farmaco
modifichi o meno il glucosio."
Ci era riuscito. In un certo senso,
era molto semplice.
03:21
He did it. It was very simplesemplice, in a way.
69
189857
2016
Ha preso tutti i farmaci
che è noto modifichino il glucosio
03:23
He tookha preso all the drugsfarmaci
that were knownconosciuto to changemodificare glucoseglucosio
70
191897
2635
03:26
and a bunchmazzo of drugsfarmaci
that don't changemodificare glucoseglucosio,
71
194556
2389
e una manciata di farmaci
che non lo fanno,
03:28
and said, "What's the differencedifferenza
in theirloro sidelato effectseffetti?
72
196969
2888
e si è chiesto: "Qual è la differenza
negli effetti collaterali?
03:31
DifferencesDifferenze in fatigueaffaticamento? In appetiteappetito?
In urinationminzione habitsabitudini?"
73
199881
4852
Differenze nella stanchezza?
Nell'appetito? Nelle abitudini urinarie?"
Tutti questi fattori hanno contribuito
a creare un ottimo predittore.
03:36
All those things conspiredcospirato
to give him a really good predictorPredictor.
74
204757
2960
Ha detto: "Russ, posso predirre
con il 93% di precisione
03:39
He said, "RussRuss, I can predictpredire
with 93 percentper cento accuracyprecisione
75
207741
2548
03:42
when a drugdroga will changemodificare glucoseglucosio."
76
210313
1572
se un farmaco
cambierà il glucosio."
03:43
I said, "NickNick, that's great."
77
211909
1416
Dissi: "Nick, è ottimo."
03:45
He's a younggiovane studentalunno,
you have to buildcostruire his confidencefiducia.
78
213349
2896
È un giovane studente,
bisogna fargli acquisire sicurezza.
03:48
"But NickNick, there's a problemproblema.
79
216269
1390
"Ma, Nick, c'è un problema.
03:49
It's that everyogni physicianmedico in the worldmondo
knowsconosce all the drugsfarmaci that changemodificare glucoseglucosio,
80
217683
3960
È che ogni medico al mondo conosce
tutti i farmaci che modificano il glucosio
03:53
because it's corenucleo to our practicepratica.
81
221667
2038
perché è fondamentale
per il nostro lavoro.
03:55
So it's great, good joblavoro,
but not really that interestinginteressante,
82
223729
3722
Quindi è fantastico, un buon lavoro,
ma non è così interessante,
03:59
definitelydecisamente not publishablepubblicabile."
83
227475
1531
sicuramente non pubblicabile."
04:01
(LaughterRisate)
84
229030
1014
(Risate)
04:02
He said, "I know, RussRuss.
I thought you mightpotrebbe say that."
85
230068
2550
Disse: "Lo so, Russ.
Credevo l'avresti detto."
Nick è sveglio.
04:04
NickNick is smartinteligente.
86
232642
1152
"Credevo l'avresti detto, quindi
ho fatto un altro esperimento.
04:06
"I thought you mightpotrebbe say that,
so I did one other experimentsperimentare.
87
234149
2874
Ho cercato nel database le persone
che assumevano due farmaci,
04:09
I lookedguardato at people in this databaseBanca dati
who were on two drugsfarmaci,
88
237047
2928
04:11
and I lookedguardato for signalssegnali similarsimile,
glucose-changingglucosio-cambiare signalssegnali,
89
239999
4422
e ho cercato segnali simili
di modifica del livello di glucosio,
in persone che assumono due farmaci,
04:16
for people takingpresa two drugsfarmaci,
90
244445
1624
04:18
where eachogni drugdroga aloneda solo
did not changemodificare glucoseglucosio,
91
246093
5569
casi in cui ogni farmaco singolo
non modificava il livello di glucosio,
ma se presi insieme,
ho rilevato un segnale importante."
04:23
but togetherinsieme I saw a strongforte signalsegnale."
92
251686
2460
E ho detto: "Oh! Sei sveglio.
Buona idea. Fammi vedere la lista."
04:26
And I said, "Oh! You're cleverintelligente.
Good ideaidea. ShowVisualizza me the listelenco."
93
254170
3149
Vidi una manciata di farmaci,
non molto entusiasmanti.
04:29
And there's a bunchmazzo of drugsfarmaci,
not very excitingemozionante.
94
257343
2254
04:31
But what caughtcatturato my eyeocchio
was, on the listelenco there were two drugsfarmaci:
95
259621
3932
Ma quello che attirò la mia
attenzione furono due farmaci:
04:35
paroxetineParoxetine, or PaxilPaxil, an antidepressantantidepressivo;
96
263577
3393
la paroxetina, o Paxil, un antidepressivo;
04:39
and pravastatinPravastatin, or PravacholPravachol,
a cholesterolcolesterolo medicationmedicazione.
97
267756
3570
e la pravastatina, o Pravachol,
un farmaco per il colesterolo.
04:43
And I said, "Huh. There are millionsmilioni
of AmericansAmericani on those two drugsfarmaci."
98
271936
4283
Ho detto: "Uh. Milioni di americani
prendono questi due farmaci insieme."
04:48
In factfatto, we learnedimparato laterdopo,
99
276243
1246
In realtà, scoprimmo dopo,
04:49
15 millionmilione AmericansAmericani on paroxetineParoxetine
at the time, 15 millionmilione on pravastatinPravastatin,
100
277513
6032
15 milioni erano sotto paroxetina
e 15 milioni sotto pravastatina,
04:55
and a millionmilione, we estimatedstimato, on bothentrambi.
101
283569
2817
e un milione, stimammo,
che le prendevano insieme.
Quindi un milione di persone
04:58
So that's a millionmilione people
102
286767
1254
avrebbero potuto avere problemi
con il proprio glucosio
05:00
who mightpotrebbe be havingavendo some problemsi problemi
with theirloro glucoseglucosio
103
288045
2453
se questo lavoro di machine learning
effettuato sul database della FDA
05:02
if this machine-learningapprendimento automatico mumboMumbo jumboJumbo
that he did in the FDAFDA databaseBanca dati
104
290522
3206
05:05
actuallyin realtà holdsdetiene up.
105
293752
1254
si fosse rivelato valido.
05:07
But I said, "It's still not publishablepubblicabile,
106
295030
1927
Ma dissi: "Non è ancora pubblicabile,
05:08
because I love what you did
with the mumboMumbo jumboJumbo,
107
296981
2296
perché sebbene mi piaccia il tuo lavoro
05:11
with the machinemacchina learningapprendimento,
108
299301
1246
di machine learning,
05:12
but it's not really standard-of-proofstandard di prova
evidenceprova that we have."
109
300571
3864
in realtà non siamo di fronte
a prove sufficienti.
05:17
So we have to do something elsealtro.
110
305618
1589
Dobbiamo fare qualcos'altro.
05:19
Let's go into the StanfordStanford
electronicelettronico medicalmedico recorddisco.
111
307231
2876
Guardiamo nel registro
medico elettronico di Stanford.
05:22
We have a copycopia of it
that's OK for researchricerca,
112
310131
2064
Ne abbiamo una copia
adatta alla ricerca,
05:24
we removedrimosso identifyingidentificazione informationinformazione.
113
312219
2046
abbiamo rimosso le informazioni personali.
Dissi: "Vediamo se pazienti
che assumono questi due farmaci
05:26
And I said, "Let's see if people
on these two drugsfarmaci
114
314581
2503
05:29
have problemsi problemi with theirloro glucoseglucosio."
115
317108
1769
hanno problemi con il loro glucosio."
05:31
Now there are thousandsmigliaia
and thousandsmigliaia of people
116
319242
2207
Ci sono migliaia e migliaia di persone
05:33
in the StanfordStanford medicalmedico recordsrecord
that take paroxetineParoxetine and pravastatinPravastatin.
117
321473
3459
nei registri medici di Stanford
che assumono paroxetina e pravastatina.
05:36
But we needednecessaria specialspeciale patientspazienti.
118
324956
1799
Ma a noi servivano pazienti speciali.
05:38
We needednecessaria patientspazienti who were on one of them
and had a glucoseglucosio measurementmisura,
119
326779
4597
Ci servivano pazienti che avessero
misurato il glucosio sotto un farmaco solo
05:43
then got the secondsecondo one and had
anotherun altro glucoseglucosio measurementmisura,
120
331400
3449
e che l'avessero misurato di nuovo
dopo aver preso il secondo farmaco,
05:46
all withinentro a reasonableragionevole periodperiodo of time --
something like two monthsmesi.
121
334873
3615
il tutto entro un periodo di tempo
ragionevole, qualcosa come due mesi.
05:50
And when we did that,
we foundtrovato 10 patientspazienti.
122
338512
3159
E quando li abbiamo trovati,
erano 10 pazienti.
05:54
HoweverTuttavia, eightotto out of the 10
had a bumpurto in theirloro glucoseglucosio
123
342592
4538
Tuttavia, 8 su 10 avevano rilevato
un aumento di glucosio
05:59
when they got the secondsecondo P --
we call this P and P --
124
347154
2645
dopo aver assunto la seconda P,
le chiamiamo P e P.
06:01
when they got the secondsecondo P.
125
349823
1310
dopo la seconda P.
Qualunque fosse stata assunta
per prima, dopo la seconda
06:03
EitherEntrambi one could be first,
the secondsecondo one comesviene up,
126
351157
2562
06:05
glucoseglucosio wentandato up
20 milligramsmilligrammi perper deciliterdecilitro.
127
353743
2847
il glucosio era aumentato
di 20 milligrammi per decilitro.
06:08
Just as a reminderpromemoria,
128
356614
1158
Giusto come promemoria,
06:09
you walkcamminare around normallynormalmente,
if you're not diabeticdiabetico,
129
357796
2325
se non siete diabetici, andate in giro
06:12
with a glucoseglucosio of around 90.
130
360145
1359
con circa 90 di glucosio.
06:13
And if it getsprende up to 120, 125,
131
361528
2076
E se si alza a 120 o 125,
06:15
your doctormedico beginsinizia to think
about a potentialpotenziale diagnosisdiagnosi of diabetesdiabete.
132
363628
3450
il vostro medico inizia a pensare
ad una potenziale diagnosi di diabete.
06:19
So a 20 bumpurto -- prettybella significantsignificativo.
133
367102
2991
Quindi un aumento di 20
è abbastanza significativo.
06:22
I said, "NickNick, this is very coolfreddo.
134
370601
1904
Dissi: "Nick, ciò
è molto interessante.
Ma, mi spiace, non abbiamo
ancora un articolo,
06:25
But, I'm sorry, we still
don't have a papercarta,
135
373616
2053
06:27
because this is 10 patientspazienti
and -- give me a breakrompere --
136
375693
2579
poiché si tratta di 10 pazienti
e, concedimelo,
06:30
it's not enoughabbastanza patientspazienti."
137
378296
1245
non sono abbastanza."
06:31
So we said, what can we do?
138
379565
1306
Quindi cosa potevamo fare?
Ci siamo detti, chiamiamo i nostri amici
ad Harvard e Vanderbilt,
06:32
And we said, let's call our friendsamici
at HarvardHarvard and VanderbiltVanderbilt,
139
380895
2976
06:35
who alsoanche -- HarvardHarvard in BostonBoston,
VanderbiltVanderbilt in NashvilleNashville,
140
383895
2587
anche loro, Harvard a Boston
e Vanderbilt a Nashville,
06:38
who alsoanche have electronicelettronico
medicalmedico recordsrecord similarsimile to oursnostro.
141
386506
2821
hanno registri medici
elettronici simili ai nostri.
06:41
Let's see if they can find
similarsimile patientspazienti
142
389351
2020
Vediamo se possono trovare pazienti simili
06:43
with the one P, the other P,
the glucoseglucosio measurementsmisurazioni
143
391395
3276
con una P, l'altra P e
le misurazioni di glucosio
06:46
in that rangegamma that we need.
144
394695
1600
nell'intervallo di tempo utile.
06:48
God blessbenedire them, VanderbiltVanderbilt
in one weeksettimana foundtrovato 40 suchcome patientspazienti,
145
396787
4955
Dio li benedica, Vanderbilt trovò
in una settimana 40 pazienti del genere,
06:53
samestesso trendtendenza.
146
401766
1189
stesse caratteristiche.
06:55
HarvardHarvard foundtrovato 100 patientspazienti, samestesso trendtendenza.
147
403804
3620
Harvard trovò 100 pazienti,
stesse caratteristiche.
06:59
So at the endfine, we had 150 patientspazienti
from threetre diversediverso medicalmedico centerscentri
148
407448
4281
Alla fine, avevamo 150 pazienti
da tre diversi centri medici
07:03
that were tellingraccontare us that patientspazienti
gettingottenere these two drugsfarmaci
149
411753
3297
che ci stavano dicendo
che, assumendo questi farmaci,
07:07
were havingavendo theirloro glucoseglucosio bumpurto
somewhatpiuttosto significantlyin modo significativo.
150
415074
2703
il loro glucosio si alzava
in maniera significativa.
Ancora più interessante,
non avevamo considerato i diabetici
07:10
More interestinglyÈ interessante notare che,
we had left out diabeticsdiabetici,
151
418317
2810
perché nei diabetici il glucosio
è già fuori dalla norma.
07:13
because diabeticsdiabetici alreadygià
have messedscompigliato up glucoseglucosio.
152
421151
2317
07:15
When we lookedguardato
at the glucoseglucosio of diabeticsdiabetici,
153
423492
2238
Quando l'abbiamo fatto,
il glucosio dei diabetici
07:17
it was going up 60 milligramsmilligrammi
perper deciliterdecilitro, not just 20.
154
425754
3435
aumentava fino a 60 milligrammi
per decilitro, non solo 20.
07:21
This was a biggrande dealaffare, and we said,
"We'veAbbiamo got to publishpubblicare this."
155
429760
3452
Questo era importante, e ci siamo detti:
"Dobbiamo pubblicarlo."
Abbiamo presentato l'articolo.
07:25
We submittedinviato the papercarta.
156
433236
1179
07:26
It was all datadati evidenceprova,
157
434439
2111
Erano tutti dati oggettivi,
07:28
datadati from the FDAFDA, datadati from StanfordStanford,
158
436574
2483
dati dall'FDA, dati da Stanford,
07:31
datadati from VanderbiltVanderbilt, datadati from HarvardHarvard.
159
439081
1946
dati da Vanderbilt, dati da Harvard.
07:33
We had not donefatto a singlesingolo realvero experimentsperimentare.
160
441051
2396
Non avevamo fatto un singolo esperimento.
07:36
But we were nervousnervoso.
161
444495
1296
Ma eravamo nervosi.
07:38
So NickNick, while the papercarta
was in reviewrevisione, wentandato to the lablaboratorio.
162
446201
3730
Così Nick, mentre l'articolo era in esame,
è andato al laboratorio.
Abbiamo trovato qualcuno
che ne capisse di laboratorio
07:41
We foundtrovato somebodyqualcuno
who knewconosceva about lablaboratorio stuffcose.
163
449955
2462
07:44
I don't do that.
164
452441
1393
Io non faccio queste cose.
07:45
I take carecura of patientspazienti,
but I don't do pipettespipette.
165
453858
2417
Mi preoccupo dei pazienti,
ma non uso pipette.
07:49
They taughtinsegnato us how to feedalimentazione micetopi drugsfarmaci.
166
457420
3053
Ci hanno insegnato come
somministrare medicine ai topi.
Presi dei topi gli abbiamo dato
una P, paroxetina.
07:52
We tookha preso micetopi and we gaveha dato them
one P, paroxetineParoxetine.
167
460864
2414
Abbiamo dato ad altri topi
la pravastatina.
07:55
We gaveha dato some other micetopi pravastatinPravastatin.
168
463302
2508
07:57
And we gaveha dato a thirdterzo groupgruppo
of micetopi bothentrambi of them.
169
465834
3595
Ad un terzo gruppo di topi
abbiamo dato entrambe.
08:01
And loLo and beholdvedere, glucoseglucosio wentandato up
20 to 60 milligramsmilligrammi perper deciliterdecilitro
170
469893
3946
Ed ecco! Il glucosio è aumentato
tra 20 e 60 milligrammi per decilitro
08:05
in the micetopi.
171
473863
1171
nei topi.
08:07
So the papercarta was acceptedaccettato
basedbasato on the informaticsinformatica evidenceprova aloneda solo,
172
475058
3158
Così l'articolo è stato accettato.
in base alle sole prove informatiche,
08:10
but we addedaggiunto a little noteNota at the endfine,
173
478240
1894
ma abbiamo aggiunto
una nota alla fine
08:12
sayingdetto, oh by the way,
if you give these to micetopi, it goesva up.
174
480158
2899
dicendo, oh a proposito,
se le date ai topi, funziona.
08:15
That was great, and the storystoria
could have endedconclusa there.
175
483081
2508
È stato fantastico e la storia
potrebbe finire qui.
08:17
But I still have sixsei and a halfmetà minutesminuti.
176
485613
1997
Ma ho ancora sei minuti e mezzo.
08:19
(LaughterRisate)
177
487634
2807
(Risate)
08:22
So we were sittingseduta around
thinkingpensiero about all of this,
178
490465
2815
Dunque ce ne stavamo lì
pensando a tutto questo,
08:25
and I don't rememberricorda who thought
of it, but somebodyqualcuno said,
179
493304
2735
e non ricordo chi ci ha pensato,
ma qualcuno ha detto:
08:28
"I wondermeravigliarsi if patientspazienti
who are takingpresa these two drugsfarmaci
180
496063
3201
"Mi chiedo se i pazienti che
prendono queste due medicine
08:31
are noticingnotando sidelato effectseffetti
of hyperglycemiaiperglicemia.
181
499288
3553
stanno notando gli effetti collaterali
dell'iperglicemia."
08:34
They could and they should.
182
502865
1496
Potevano e dovevano.
08:36
How would we ever determinedeterminare that?"
183
504761
1877
"Come possiamo mai stabilirlo?"
Ci siamo detti, bene, cosa fai?
08:39
We said, well, what do you do?
184
507551
1443
08:41
You're takingpresa a medicationmedicazione,
one newnuovo medicationmedicazione or two,
185
509018
2580
Stai prendendo una medicina,
una medicina nuova o due,
08:43
and you get a funnydivertente feelingsensazione.
186
511622
1538
e avverti una strana sensazione.
08:45
What do you do?
187
513184
1151
Cosa fai?
08:46
You go to GoogleGoogle
188
514359
1151
Vai su Google
08:47
and typetipo in the two drugsfarmaci you're takingpresa
or the one drugdroga you're takingpresa,
189
515534
3349
e scrivi le due medicine che prendi
o la medicina che prendi
08:50
and you typetipo in "sidelato effectseffetti."
190
518907
1603
e scrivi "effetti collaterali".
08:52
What are you experiencingsperimentare?
191
520534
1356
Quali sintomi hai?
Così abbiamo detto OK,
08:54
So we said OK,
192
522239
1151
chiediamo a Google di condividere
i loro registri di ricerca con noi,
08:55
let's askChiedere GoogleGoogle if they will shareCondividere
theirloro searchricerca logslogs with us,
193
523414
3056
così controlliamo i registri di ricerca
08:58
so that we can look at the searchricerca logslogs
194
526494
1833
09:00
and see if patientspazienti are doing
these kindstipi of searchesricerche.
195
528351
2565
e vediamo se i pazienti
stanno facendo questo tipo di ricerche.
09:02
GoogleGoogle, I am sorry to say,
deniednegato our requestrichiesta.
196
530940
3275
Google, mi spiace dirlo,
ha respinto la nostra richiesta.
09:06
So I was bummeddepressa.
197
534819
1151
Quindi ero scoraggiato.
09:07
I was at a dinnercena with a colleaguecollega
who workslavori at MicrosoftMicrosoft ResearchRicerca
198
535994
3166
Ero a una cena con un collega
che lavora alla Microsoft Research
e ho detto: "Volevamo fare questa ricerca,
09:11
and I said, "We wanted to do this studystudia,
199
539184
1941
09:13
GoogleGoogle said no, it's kindgenere of a bummerBummer."
200
541149
1880
Google ha detto no, è un peccato."
Ha detto: "Beh, noi abbiamo
le ricerche su Bing"
09:15
He said, "Well, we have
the BingBing searchesricerche."
201
543053
2086
09:18
(LaughterRisate)
202
546195
3483
(Risate)
09:22
Yeah.
203
550805
1267
Già.
09:24
That's great.
204
552096
1151
È fantastico.
09:25
Now I feltprovato like I was --
205
553271
1151
Ora mi sentivo come...
09:26
(LaughterRisate)
206
554446
1000
(Risate)
09:27
I feltprovato like I was talkingparlando to NickNick again.
207
555470
2412
Mi sentivo come se stessi
parlando di nuovo a Nick.
09:30
He workslavori for one of the largestmaggiore
companiesaziende in the worldmondo,
208
558437
2624
Lavora per una delle aziende
più grandi al mondo,
09:33
and I'm alreadygià tryingprovare
to make him feel better.
209
561085
2206
e sto ancora provando
a farlo sentire meglio.
09:35
But he said, "No, RussRuss --
you mightpotrebbe not understandcapire.
210
563315
2445
Ma ha detto: "No, Russ,
forse non hai capito.
Non solo abbiamo le ricerche su Bing,
09:37
We not only have BingBing searchesricerche,
211
565784
1500
09:39
but if you use InternetInternet ExplorerEsplora
to do searchesricerche at GoogleGoogle,
212
567308
3340
ma se usi Internet Explorer
per fare ricerche su Google,
Yahoo, Bing, qualsiasi...
09:42
YahooYahoo, BingBing, any ...
213
570672
1891
09:44
Then, for 18 monthsmesi, we keep that datadati
for researchricerca purposesscopi only."
214
572587
3643
Allora, per 18 mesi, conserviamo quei dati
a solo scopo di ricerca."
09:48
I said, "Now you're talkingparlando!"
215
576254
1936
Ho detto: " Questo sì che è parlare."
09:50
This was EricEric HorvitzHorvitz,
my friendamico at MicrosoftMicrosoft.
216
578214
2198
Questo era Eric Horvitz,
mio amico alla Microsoft.
09:52
So we did a studystudia
217
580436
1695
Quindi abbiamo fatto uno studio
09:54
where we defineddefinito 50 wordsparole
that a regularregolare personpersona mightpotrebbe typetipo in
218
582155
4619
con cui abbiamo definito 50 parole
che una persona comune potrebbe scrivere
09:58
if they're havingavendo hyperglycemiaiperglicemia,
219
586798
1602
se avesse l'iperglicemia,
10:00
like "fatigueaffaticamento," "lossperdita of appetiteappetito,"
"urinatingurinare a lot," "peeingpipì a lot" --
220
588424
4762
come "fatica", "perdita di appetito",
"urinare molto", "fare molta pipì",
10:05
forgiveperdonare me, but that's one
of the things you mightpotrebbe typetipo in.
221
593210
2767
perdonatemi, ma è una delle cose
che potreste scrivere.
Così avevamo 50 frasi che
abbiamo chiamato le "parole del diabete".
10:08
So we had 50 phrasesfrasi
that we calledchiamato the "diabetesdiabete wordsparole."
222
596001
2790
10:10
And we did first a baselinelinea di base.
223
598815
2063
E abbiamo ottenuto un primo riferimento.
10:12
And it turnsgiri out
that about .5 to one percentper cento
224
600902
2704
Si è scoperto che circa tra lo 0,5 e l'1%
10:15
of all searchesricerche on the InternetInternet
involvecoinvolgere one of those wordsparole.
225
603630
2982
di tutte le ricerche su Internet
contengono una di queste parole.
10:18
So that's our baselinelinea di base rateVota.
226
606636
1742
Così questo è il nostro riferimento.
10:20
If people typetipo in "paroxetineParoxetine"
or "PaxilPaxil" -- those are synonymssinonimi --
227
608402
4143
Se le persone scrivono "paroxetina"
o "Paxil", sono sinonimi,
10:24
and one of those wordsparole,
228
612569
1215
e una di quelle parole,
10:25
the rateVota goesva up to about two percentper cento
of diabetes-typediabete di tipo wordsparole,
229
613808
4890
il tasso sale fino a circa il 2 percento
di parole di tipo diabete,
10:30
if you alreadygià know
that there's that "paroxetineParoxetine" wordparola.
230
618722
3044
se già sai che
c'è la parola "paroxetina".
10:34
If it's "pravastatinPravastatin," the rateVota goesva up
to about threetre percentper cento from the baselinelinea di base.
231
622191
4547
Se c'è "pravastina", il tasso sale
fino a circa il 3 % dal riferimento.
10:39
If bothentrambi "paroxetineParoxetine" and "pravastatinPravastatin"
are presentpresente in the queryquery,
232
627171
4390
Se sia "paroxetina" che "pravastina"
sono presenti nella query,
10:43
it goesva up to 10 percentper cento,
233
631585
1669
sale al 10 percento,
10:45
a hugeenorme three-tre- to four-foldquadruplo increaseaumentare
234
633278
3461
un incremento enorme da 3 a 4 volte
10:48
in those searchesricerche with the two drugsfarmaci
that we were interestedinteressato in,
235
636763
3389
nelle ricerche con le due medicine
che ci interessavano,
10:52
and diabetes-typediabete di tipo wordsparole
or hyperglycemia-typeiperglicemia-tipo wordsparole.
236
640176
3566
e le parole di tipo diabete
o di tipo iperglicemia.
Lo abbiamo pubblicato,
10:56
We publishedpubblicato this,
237
644216
1265
ha ricevuto una certa attenzione.
10:57
and it got some attentionAttenzione.
238
645505
1466
10:58
The reasonragionare it deservesmerita attentionAttenzione
239
646995
1778
La ragione per cui merita attenzione
11:00
is that patientspazienti are tellingraccontare us
theirloro sidelato effectseffetti indirectlyindirettamente
240
648797
4312
è che i pazienti ci stanno dicendo
i loro effetti collaterali indirettamente
attraverso le loro ricerche.
11:05
throughattraverso theirloro searchesricerche.
241
653133
1156
11:06
We broughtportato this
to the attentionAttenzione of the FDAFDA.
242
654313
2138
Lo abbiamo posto all'attenzione dell'FDA.
11:08
They were interestedinteressato.
243
656475
1269
Erano interessati.
11:09
They have setimpostato up socialsociale mediamedia
surveillancesorveglianza programsprogrammi
244
657768
3606
Hanno stabilito programmi di sorveglianza
basati sui social media
11:13
to collaboratecollaborare with MicrosoftMicrosoft,
245
661398
1751
per collaborare con Microsoft,
11:15
whichquale had a nicesimpatico infrastructureinfrastruttura
for doing this, and othersaltri,
246
663173
2794
che ha una buona infrastruttura
per fare questo, e altri,
per vedere messaggi su Twitter
11:17
to look at TwitterTwitter feedsfeed,
247
665991
1282
11:19
to look at FacebookFacebook feedsfeed,
248
667297
1716
e su Facebook,
per vedere i registri di ricerca,
11:21
to look at searchricerca logslogs,
249
669037
1311
11:22
to try to see earlypresto signssegni that drugsfarmaci,
eithero individuallyindividualmente or togetherinsieme,
250
670372
4909
per cercare di vedere i primi segni che
delle medicine, da sole o insieme,
11:27
are causingcausando problemsi problemi.
251
675305
1589
stanno causando problemi.
Cosa mi è rimasto?
Perché racconto questa storia?
11:28
What do I take from this?
Why tell this storystoria?
252
676918
2174
11:31
Well, first of all,
253
679116
1207
Bene, prima di tutto,
11:32
we have now the promisepromettere
of biggrande datadati and medium-sizedpiccole e medie datadati
254
680347
4037
ora abbiamo la promessa
di dati di grandi e medie dimensioni
11:36
to help us understandcapire drugdroga interactionsinterazioni
255
684408
2918
per aiutarci a comprendere
le interazioni tra medicine
11:39
and really, fundamentallyfondamentalmente, drugdroga actionsAzioni.
256
687350
2420
e davvero, fondamentalmente,
l'azione delle medicine.
11:41
How do drugsfarmaci work?
257
689794
1413
Come funziona un medicinale?
11:43
This will createcreare and has createdcreato
a newnuovo ecosystemecosistema
258
691231
2836
Questo creerà e ha creato
un nuovo ecosistema
11:46
for understandingcomprensione how drugsfarmaci work
and to optimizeottimizzare theirloro use.
259
694091
3267
per capire come funzionano le medicine
e ottimizzare il loro uso.
11:50
NickNick wentandato on; he's a professorProfessore
at ColumbiaColumbia now.
260
698303
2659
Nick è andato avanti;
ora è professore alla Columbia.
11:52
He did this in his PhDDottorato di ricerca
for hundredscentinaia of pairscoppie of drugsfarmaci.
261
700986
4072
Ha fatto questo nel suo PhD
per migliaia di coppie di medicine.
11:57
He foundtrovato severalparecchi
very importantimportante interactionsinterazioni,
262
705082
2517
Ha trovato molte interazioni
davvero importanti
11:59
and so we replicatedreplicate this
263
707623
1214
e così l'abbiamo ripetuto
12:00
and we showedha mostrato that this
is a way that really workslavori
264
708861
2574
e abbiamo dimostrato che è un metodo
che funziona davvero
12:03
for findingscoperta drug-drugfarmaco-farmaco interactionsinterazioni.
265
711459
2339
per trovare interazioni tra medicinali.
12:06
HoweverTuttavia, there's a couplecoppia of things.
266
714282
1734
Comunque, ci sono un paio di cose.
12:08
We don't just use pairscoppie
of drugsfarmaci at a time.
267
716040
3046
Non abbiamo considerato solo
due medicine alla volta.
12:11
As I said before, there are patientspazienti
on threetre, fivecinque, sevenSette, ninenove drugsfarmaci.
268
719110
4469
Come ho detto prima, ci sono pazienti
che assumono 3, 5, 7, 9 medicine.
12:15
Have they been studiedstudiato with respectrispetto
to theirloro nine-waynove vie interactioninterazione?
269
723981
3642
Sono state studiate rispetto
alle loro interazioni se prese insieme?
12:19
Yes, we can do pair-wisePair-Wise,
A and B, A and C, A and D,
270
727647
4208
Sì, possiamo prendere delle coppie,
A e B, A e C, A e D,
12:23
but what about A, B, C,
D, E, F, G all togetherinsieme,
271
731879
4286
ma cosa accade con A, B, C,
D, E, F, G tutte insieme
12:28
beingessere takenprese by the samestesso patientpaziente,
272
736189
1762
se prese dallo stesso paziente,
12:29
perhapsForse interactinginteragendo with eachogni other
273
737975
2118
forse interagendo una con l'altra
12:32
in waysmodi that eithero makesfa them
more effectiveefficace or lessDi meno effectiveefficace
274
740117
3778
in modi che le rendano
o più efficaci o meno efficaci
o causino effetti collaterali
che sono inaspettati?
12:35
or causescause sidelato effectseffetti
that are unexpectedinaspettato?
275
743919
2332
12:38
We really have no ideaidea.
276
746275
1827
Non ne abbiamo proprio idea.
12:40
It's a blueblu skycielo, openAperto fieldcampo
for us to use datadati
277
748126
3756
È teoria, un campo aperto
per noi per usare i dati
12:43
to try to understandcapire
the interactioninterazione of drugsfarmaci.
278
751906
2502
per cercare di capire
le interazioni tra medicinali.
12:46
Two more lessonsLezioni:
279
754848
1370
Ancora due lezioni:
12:48
I want you to think about the powerenergia
that we were ablecapace to generatecreare
280
756242
4199
Vorrei che pensaste al potere
che siamo stati in grado di generare
12:52
with the datadati from people who had
volunteeredvolontariamente theirloro adversenegativi reactionsreazioni
281
760465
4711
con i dati da persone che hanno
fornito le loro reazioni avverse
12:57
throughattraverso theirloro pharmacistsfarmacisti,
throughattraverso themselvesloro stessi, throughattraverso theirloro doctorsmedici,
282
765200
3269
attraverso i loro farmacisti,
loro stesse, i loro dottori,
le persone che hanno reso disponibili
database a Stanford, Harvard, Vanderbilt,
13:00
the people who allowedpermesso the databasesdatabase
at StanfordStanford, HarvardHarvard, VanderbiltVanderbilt,
283
768493
3667
13:04
to be used for researchricerca.
284
772184
1427
per usarli nella ricerca.
Le persone si preoccupano dei dati.
13:05
People are worriedpreoccupato about datadati.
285
773929
1445
13:07
They're worriedpreoccupato about theirloro privacysulla privacy
and securitysicurezza -- they should be.
286
775398
3187
Si preoccupano della loro privacy
e sicurezza, dovrebbero farlo.
Ci servono sistemi sicuri.
13:10
We need securegarantire la systemssistemi.
287
778609
1151
13:11
But we can't have a systemsistema
that closeschiude that datadati off,
288
779784
3406
Ma non possiamo avere sistemi
che bloccano quei dati
13:15
because it is too richricco of a sourcefonte
289
783214
2752
perché è una fonte troppo ricca
13:17
of inspirationispirazione, innovationinnovazione and discoveryscoperta
290
785990
3971
di ispirazione, innovazione e scoperta
13:21
for newnuovo things in medicinemedicina.
291
789985
1578
di nuove cose in medicina.
E l'ultima cosa che voglio dire è questa,
13:24
And the finalfinale thing I want to say is,
292
792494
1794
13:26
in this casecaso we foundtrovato two drugsfarmaci
and it was a little bitpo of a sadtriste storystoria.
293
794312
3357
in questo caso abbiamo due medicine
ed è una storia un po' triste.
Le due medicine in realtà
causavano problemi.
13:29
The two drugsfarmaci actuallyin realtà causedcausato problemsi problemi.
294
797693
1921
13:31
They increasedè aumentato glucoseglucosio.
295
799638
1475
Facevano aumentare il glucosio.
13:33
They could throwgettare somebodyqualcuno into diabetesdiabete
296
801137
2446
Possono far diventare diabetico qualcuno
13:35
who would otherwisealtrimenti not be in diabetesdiabete,
297
803607
2294
che altrimenti non lo sarebbe,
13:37
and so you would want to use
the two drugsfarmaci very carefullyaccuratamente togetherinsieme,
298
805925
3175
quindi dovreste usare le due medicine
insieme con molta cautela,
13:41
perhapsForse not togetherinsieme,
299
809124
1151
magari non insieme,
13:42
make differentdiverso choicesscelte
when you're prescribingprescrizione.
300
810299
2340
fate scelte differenti quando
prescrivete medicine.
13:44
But there was anotherun altro possibilitypossibilità.
301
812663
1846
Ma c'era un'altra possibilità.
13:46
We could have foundtrovato
two drugsfarmaci or threetre drugsfarmaci
302
814533
2344
Avremmo potuto trovare
2 o 3 medicinali
13:48
that were interactinginteragendo in a beneficialbenefici way.
303
816901
2261
che interagissero in modo benefico.
13:51
We could have foundtrovato newnuovo effectseffetti of drugsfarmaci
304
819616
2712
Avremmo potuto trovare
nuovi effetti delle medicine
13:54
that neithernessuno dei due of them has aloneda solo,
305
822352
2160
che nessuna di loro ha da sola,
13:56
but togetherinsieme, insteadanziché
of causingcausando a sidelato effecteffetto,
306
824536
2493
ma insieme, invece di
causare effetti collaterali,
13:59
they could be a newnuovo and novelromanzo treatmenttrattamento
307
827053
2425
potrebbero essere
un trattamento nuovo e insolito
14:01
for diseasesmalattie that don't have treatmentstrattamenti
308
829502
1882
per malattie che non hanno cure
14:03
or where the treatmentstrattamenti are not effectiveefficace.
309
831408
2007
o per le quali le cure non sono efficaci.
14:05
If we think about drugdroga treatmenttrattamento todayoggi,
310
833439
2395
Se pensiamo alle cure con medicinali oggi,
14:07
all the majormaggiore breakthroughsinnovazioni --
311
835858
1752
tutte le svolte maggiori,
14:09
for HIVHIV, for tuberculosistubercolosi,
for depressiondepressione, for diabetesdiabete --
312
837634
4297
per l'HIV, per la tubercolosi,
per la depressione, per il diabete,
14:13
it's always a cocktailcocktail of drugsfarmaci.
313
841955
2830
è sempre un cocktail di medicine.
14:16
And so the upsidesottosopra here,
314
844809
1730
Così, ecco il lato positivo,
14:18
and the subjectsoggetto for a differentdiverso
TEDTED Talk on a differentdiverso day,
315
846563
2849
e l'argomento per un altro
TED Talk in un altro giorno è:
14:21
is how can we use the samestesso datadati sourcesfonti
316
849436
2593
come possiamo le stesse fonti di dati
14:24
to find good effectseffetti
of drugsfarmaci in combinationcombinazione
317
852053
3563
per trovare effetti positivi
di combinazioni di farmaci
14:27
that will providefornire us newnuovo treatmentstrattamenti,
318
855640
2175
che ci forniranno nuovi trattamenti,
nuove visioni sul funzionamento
delle medicine
14:29
newnuovo insightsapprofondimenti into how drugsfarmaci work
319
857839
1852
14:31
and enableabilitare us to take carecura
of our patientspazienti even better?
320
859715
3786
e ci permetteranno di prenderci cura
dei nostri pazienti ancora meglio?
14:35
Thank you very much.
321
863525
1166
Grazie molto.
14:36
(ApplauseApplausi)
322
864715
3499
(Applausi)
Translated by Annarita De Santis
Reviewed by Beatrice Chiamenti

▲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