ABOUT THE SPEAKER
David Agus - Cancer Doctor
Although a highly-accomplished conventional doctor, David Agus has embraced the future of medicine and is constantly exploring ways that new technologies can help in the fight against cancer.

Why you should listen

David Agus is a medical doctor and a Professor of Medicine at the University of Southern California. However, he is also the founder of a couple of game-changing medical initiatives. In 2006, he co-founded Navigenics with Dietrich Stephan, Ph.D., to form a company that would provide people with their individual genetic information, allowing them to act on any predispositions to disease that they might have and prevent onset. He also founded Oncology.com which was the largest cancer Internet resource and community.

Dr. Agus’ research is focused on the application of proteomics and genomics in the study of cancer, as well as developing new therapeutic treatments for cancer. He serves as Director of the USC Center for Applied Molecular Medicine and the USC Westside Prostate Cancer Center. Agus is also the recipient of several honors and awards, including the American Cancer Society Physician Research Award, a Clinical Scholar Award from the Sloan-Kettering Institute and the International Myeloma Foundation Visionary Science Award.

More profile about the speaker
David Agus | Speaker | TED.com
TEDMED 2009

David Agus: A new strategy in the war on cancer

David Agus: Una nuova strategia nella guerra contro il cancro

Filmed:
830,903 views

Tradizionalmente, spiega David Agus, le cure per il cancro si sono concentrate soltanto sulla singola cellula dannosa. Ci suggerisce quindi un nuovo approccio interdisciplinare che punta all'uso di farmaci atipici, alla creazione di modelli a computer e all'analisi delle proteine per curare e analizzare il corpo nella sua interezza.
- Cancer Doctor
Although a highly-accomplished conventional doctor, David Agus has embraced the future of medicine and is constantly exploring ways that new technologies can help in the fight against cancer. Full bio

Double-click the English transcript below to play the video.

00:15
I'm a cancercancro doctormedico, and I walkedcamminava out of my officeufficio
0
0
3000
Sono un oncologo, e uscendo dal mio ufficio
00:18
and walkedcamminava by the pharmacyfarmacia in the hospitalospedale threetre or fourquattro yearsanni agofa,
1
3000
4000
passo davanti alla farmacia dell'ospedale, 3 o 4 anni fa,
00:22
and this was the covercopertina of FortuneFortuna magazinerivista
2
7000
3000
e questa era la copertina di Fortune
00:25
sittingseduta in the windowfinestra of the pharmacyfarmacia.
3
10000
2000
che appariva in vetrina.
00:27
And so, as a cancercancro doctormedico, you look at this,
4
12000
2000
Insomma, un oncologo vede una cosa del genere
00:29
and you get a little bitpo downheartedaccasciata.
5
14000
2000
e si scoraggia.
00:31
But when you startinizio to readleggere the articlearticolo by CliffCliff,
6
16000
3000
Ma poi comincia a leggere l'articolo di Cliff,
00:34
who himselflui stesso is a cancercancro survivorSurvivor,
7
19000
2000
che è sopravvissuto al cancro,
00:36
who was savedsalvato by a clinicalclinico trialprova
8
21000
2000
ed è stato salvato da una sperimentazione clinica.
00:38
where his parentsgenitori droveguidavo him from NewNuovo YorkYork CityCittà to upstateUpstate NewNuovo YorkYork
9
23000
4000
I suoi genitori lo hanno portato fuori New York
00:42
to get an experimentalsperimentale therapyterapia for --
10
27000
2000
per una terapia sperimentale contro quello che all'epoca
00:44
at the time -- Hodgkin'sLinfoma di Hodgkin diseasemalattia, whichquale savedsalvato his life,
11
29000
3000
era detto 'morbo di Hodgkin', che gli ha salvato la vita.
00:47
he makesfa remarkablenotevole pointspunti here.
12
32000
3000
L'articolo contiene sorprendenti considerazioni.
00:50
And the pointpunto of the articlearticolo was that we have gottenottenuto
13
35000
3000
E il nocciolo dell'articolo è che siamo diventati riduzionisti
00:53
reductionistriduzionista in our viewvista of biologybiologia,
14
38000
3000
nella nostra visione della biologia,
00:56
in our viewvista of cancercancro.
15
41000
2000
nella nostra visione del cancro.
00:58
For the last 50 yearsanni, we have focusedfocalizzata on treatingtrattamento
16
43000
3000
Negli ultimi 50 anni ci siamo concentrati
01:01
the individualindividuale genegene
17
46000
2000
sulla cura del singolo gene,
01:03
in understandingcomprensione cancercancro, not in controllingcontrollo cancercancro.
18
48000
3000
sullo studio del cancro, ma non su come controllarlo.
01:06
So, this is an astoundingsbalorditivo tabletavolo.
19
51000
3000
Ecco, questo è un grafico stupefacente,
01:09
And this is something that sobersSobers us in our fieldcampo everydayogni giorno
20
54000
3000
da tenere a mente ogni giorno, nel nostro campo:
01:12
in that, obviouslyovviamente, we'venoi abbiamo madefatto remarkablenotevole impactsimpatti
21
57000
2000
certo, ci dicono, abbiamo fatto notevoli progressi
01:14
on cardiovascularcardiovascolare diseasemalattia,
22
59000
2000
contro le malattie cardiovascolari, ma guardate
01:16
but look at cancercancro. The deathmorte rateVota in cancercancro
23
61000
3000
la colonna del cancro. Il tasso di mortalità per tumori
01:19
in over 50 yearsanni hasn'tnon ha changedcambiato.
24
64000
3000
non è cambiato negli ultimi 50 anni.
01:22
We'veAbbiamo madefatto smallpiccolo winsvittorie in diseasesmalattie like chroniccronica myelogenousmieloide leukemialeucemia,
25
67000
4000
Abbiamo ottenuto piccoli successi nella leucemia mieloide cronica,
01:26
where we have a pillpillola that can put 100 percentper cento of people in remissionremissione,
26
71000
3000
dove c'è un farmaco che porta al 100% della remissione.
01:29
but in generalgenerale, we haven'tnon hanno madefatto an impacturto at all in the warguerra on cancercancro.
27
74000
6000
Ma in generale non si è progrediti nella guerra contro il cancro.
01:35
So, what I'm going to tell you todayoggi,
28
80000
3000
Quello di cui voglio parlarvi oggi
01:38
is a little bitpo of why I think that's the casecaso,
29
83000
3000
è il perché, secondo me, ci troviamo in questa situazione
01:41
and then go out of my comfortcomfort zonezona
30
86000
2000
e, abbandonando le certezze del mio campo d'azione abituale,
01:43
and tell you where I think it's going,
31
88000
3000
dove penso che stiamo andando,
01:46
where a newnuovo approachapproccio -- that we hopesperanza to pushspingere forwardinoltrare
32
91000
3000
e il nuovo approccio che speriamo di proporre
01:49
in termscondizioni of treatingtrattamento cancercancro.
33
94000
4000
nella cura dei tumori.
01:53
Because this is wrongsbagliato.
34
98000
3000
Perché questo è sbagliato.
01:56
So, what is cancercancro, first of all?
35
101000
2000
Dunque, prima di tutto: cos'è il cancro?
01:58
Well, if one has a massmassa or an abnormalanormale bloodsangue valuevalore, you go to a doctormedico,
36
103000
5000
Se si ha una massa o un valore anomalo nel sangue,
02:03
they stickbastone a needleago in.
37
108000
2000
si va dal medico. Ci infilano un ago.
02:05
They way we make the diagnosisdiagnosi todayoggi is by patternmodello recognitionriconoscimento:
38
110000
4000
Oggi le diagnosi si fanno seguendo degli schemi.
02:09
Does it look normalnormale? Does it look abnormalanormale?
39
114000
4000
L'apparenza è normale? Oppure anomala?
02:13
So, that pathologistpatologo is just like looking at this plasticplastica bottlebottiglia.
40
118000
3000
È come se il patologo osservasse questa bottiglia:
02:16
This is a normalnormale cellcellula. This is a cancercancro cellcellula.
41
121000
3000
questa è una cellula normale, questa è cancerogena.
02:19
That is the state-of-the-artall'avanguardia todayoggi in diagnosingdiagnosi cancercancro.
42
124000
5000
È questo lo stato dell'arte nella diagnosi del cancro.
02:24
There's no molecularmolecolare testTest,
43
129000
3000
Nessun test molecolare.
02:27
there's no sequencingsequenziamento of genesgeni that was referreddi cui to yesterdayieri,
44
132000
3000
Nessuno sequenziamento dei geni, del quale si è parlato ieri.
02:30
there's no fancyfantasia looking at the chromosomescromosomi.
45
135000
3000
Nessuna ricercata analisi dei cromosomi.
02:33
This is the state-of-the-artall'avanguardia and how we do it.
46
138000
3000
Questo è il metodo più all'avanguardia usato oggi.
02:36
You know, I know very well, as a cancercancro doctormedico, I can't treattrattare advancedAvanzate cancercancro.
47
141000
6000
Come oncologo, so bene di non poter curare un tumore avanzato.
02:42
So, as an asidea parte, I firmlysaldamente believe in the fieldcampo of tryingprovare to identifyidentificare cancercancro earlypresto.
48
147000
7000
Per questo, credo molto nell'importanza di riconoscerlo in tempo.
02:49
It is the only way you can startinizio to fightcombattimento cancercancro, is by catchingattraente it earlypresto.
49
154000
5000
L'unico modo per combattere il cancro è prenderlo in tempo.
02:54
We can preventimpedire mostmaggior parte cancerstumori.
50
159000
3000
Siamo in grado di prevenire la maggior parte dei tumori.
02:57
You know, the previousprecedente talk alludedha alluso to preventingprevenzione heartcuore diseasemalattia.
51
162000
3000
La presentazione di prima alludeva a prevenire le malattie cardiache.
03:00
We could do the samestesso in cancercancro.
52
165000
2000
Potremmo fare lo stesso col cancro.
03:02
I co-foundedco-fondatore a companyazienda calledchiamato NavigenicsNavigenics,
53
167000
2000
Ho co-fondato una società, la Navigenics.
03:04
where, if you spitspiedo into a tubetubo --
54
169000
2000
Qui, basta un campione di saliva
03:06
and we can look look at 35 or 40 geneticgenetico markersmarcatori for diseasemalattia,
55
171000
6000
per rilevare fra i 35 e i 40 marcatori genetici per malattia,
03:12
all of whichquale are delayableritardabili in manymolti of the cancerstumori --
56
177000
2000
la cui insorgenza può in molti casi essere ritardata.
03:14
you startinizio to identifyidentificare what you could get,
57
179000
4000
Una volta che si identifica quel che si ha,
03:18
and then we can startinizio to work to preventimpedire them.
58
183000
3000
si può iniziare a lavorare alla prevenzione.
03:21
Because the problemproblema is, when you have advancedAvanzate cancercancro,
59
186000
3000
Perché quando si ha un tumore in fase avanzata,
03:24
we can't do that much todayoggi about it, as the statisticsstatistica alludealludono to.
60
189000
4000
non c'è molto da fare al giorno d'oggi, secondo le statistiche.
03:28
So, the thing about cancercancro is that it's a diseasemalattia of the agedanziano.
61
193000
4000
Bene, il cancro è una malattia dell'età avanzata.
03:32
Why is it a diseasemalattia of the agedanziano?
62
197000
2000
Come mai?
03:34
Because evolutionEvoluzione doesn't carecura about us after we'venoi abbiamo had our childrenbambini.
63
199000
4000
Perché l'evoluzione non bada a noi dopo che abbiamo avuto figli.
03:39
See, evolutionEvoluzione protectedprotetto us duringdurante our childbearingfertili yearsanni
64
204000
3000
Ci protegge durante gli anni fertili
03:42
and then, after ageetà 35 or 40 or 45,
65
207000
4000
e poi, dopo i 35/45 anni,
03:46
it said "It doesn't matterimporta anymorepiù, because they'veessi hanno had theirloro progenyprogenie."
66
211000
4000
smette di farlo, perché abbiamo avuto la nostra progenie.
03:50
So if you look at cancerstumori, it is very rareraro -- extremelyestremamente rareraro --
67
215000
5000
Se ci facciamo caso, è molto, estremamente raro
03:55
to have cancercancro in a childbambino, on the orderordine of thousandsmigliaia of casescasi a yearanno.
68
220000
5000
il cancro nei bambini: sono solo poche migliaia di casi all'anno.
04:00
As one getsprende olderpiù vecchio? Very, very commonComune.
69
225000
4000
Più l'età avanza, invece, più diventa frequente.
04:04
Why is it harddifficile to treattrattare?
70
229000
2000
Perché il cancro è così difficile da curare?
04:06
Because it's heterogeneouseterogenei,
71
231000
2000
Perché è eterogeneo,
04:08
and that's the perfectperfezionare substratesubstrato for evolutionEvoluzione withinentro the cancercancro.
72
233000
5000
e questo è il substrato perfetto perché un cancro si evolva.
04:13
It startsinizia to selectselezionare out for those badcattivo, aggressiveaggressivo cellscellule,
73
238000
4000
Comincia selezionando le cellule cattive, aggressive,
04:17
what we call clonalclonale selectionselezione.
74
242000
4000
nella fase che chiamiamo selezione clonale.
04:21
But, if we startinizio to understandcapire
75
246000
3000
Ma se cominciamo a capire che il cancro
04:24
that cancercancro isn't just a molecularmolecolare defectdifetto, it's something more,
76
249000
5000
non è solo un difetto molecolare, ma qualcosa di più,
04:29
then we'llbene get to newnuovo waysmodi of treatingtrattamento it, as I'll showmostrare you.
77
254000
4000
arriveremo anche ad avere nuovi modi per curarlo.
04:33
So, one of the fundamentalfondamentale problemsi problemi we have in cancercancro
78
258000
2000
Uno dei problemi principali riguardanti il cancro
04:35
is that, right now, we describedescrivere it by a numbernumero of adjectivesAggettivi, symptomssintomi:
79
260000
4000
è che ora lo descriviamo con vari aggettivi e sintomi.
04:39
"I'm tiredstanco, I'm bloatedmastodontiche, I have paindolore, etceccetera."
80
264000
3000
'Sono stanco, gonfio, mi fa male', ecc..
04:42
You then have some anatomicanatomico descriptionsdescrizioni,
81
267000
2000
Poi abbiamo delle descrizioni anatomiche.
04:44
you get that CTCT scanscansione: "There's a threetre centimetercentimetro massmassa in the liverfegato."
82
269000
4000
Si fa la TAC. Si trova una massa di 3 cm nel fegato.
04:48
You then have some bodycorpo partparte descriptionsdescrizioni:
83
273000
3000
Poi ci sono le descrizioni basate sulle parti del corpo.
04:51
"It's in the liverfegato, in the breastSeno, in the prostateprostata."
84
276000
2000
'È nel fegato, nel seno, nella prostata'.
04:53
And that's about it.
85
278000
3000
Tutto qui.
04:56
So, our dictionarydizionario for describingdescrivendo cancercancro is very, very poorpovero.
86
281000
4000
Il nostro vocabolario per descrivere il cancro è quindi molto povero.
05:00
It's basicallyfondamentalmente symptomssintomi.
87
285000
2000
Praticamente solo i sintomi,
05:02
It's manifestationsmanifestazioni of a diseasemalattia.
88
287000
3000
le manifestazioni della malattia.
05:05
What's excitingemozionante is that over the last two or threetre yearsanni,
89
290000
3000
La cosa entusiasmante è che, negli ultimi 2 o 3 anni,
05:08
the governmentgoverno has spentspeso 400 millionmilione dollarsdollari,
90
293000
2000
il governo statunitense ha speso $ 400 milioni,
05:10
and they'veessi hanno allocatedallocato anotherun altro billionmiliardo dollarsdollari,
91
295000
3000
ai quali è stato aggiunto un altro miliardo,
05:13
to what we call the CancerCancro GenomeGenoma AtlasAtlas ProjectProgetto.
92
298000
2000
in un progetto chiamato 'Atlante genomico del cancro'.
05:15
So, it is the ideaidea of sequencingsequenziamento all of the genesgeni in the cancercancro,
93
300000
4000
L'idea è quella di sequenziare tutti i geni del cancro,
05:19
and givingdando us a newnuovo lexiconlessico, a newnuovo dictionarydizionario to describedescrivere it.
94
304000
5000
e creare un nuovo lessico per descriverlo.
05:24
You know, in the mid-metà1850's'S in FranceFrancia,
95
309000
3000
A metà '800, in Francia, hanno cominciato
05:27
they startediniziato to describedescrivere cancercancro by bodycorpo partparte.
96
312000
3000
a denominare il cancro secondo le parti del corpo.
05:30
That hasn'tnon ha changedcambiato in over 150 yearsanni.
97
315000
4000
In più di 150 anni nulla è cambiato.
05:34
It is absolutelyassolutamente archaicarcaico that we call cancercancro
98
319000
4000
È del tutto arcaico dire
05:38
by prostateprostata, by breastSeno, by musclemuscolo.
99
323000
4000
'alla prostata', 'al seno', 'al muscolo'.
05:42
It makesfa no sensesenso, if you think about it.
100
327000
3000
Non ha senso, se ci pensate.
05:45
So, obviouslyovviamente, the technologytecnologia is here todayoggi,
101
330000
3000
Oggi abbiamo la tecnologia che ci serve
05:48
and, over the nextIl prossimo severalparecchi yearsanni, that will changemodificare.
102
333000
3000
per cambiare le cose nel giro dei prossimi anni.
05:51
You will no longerpiù a lungo go to a breastSeno cancercancro clinicclinica.
103
336000
2000
Non si andrà più in una clinica per i tumori al seno,
05:53
You will go to a HER2 amplifiedamplificato clinicclinica, or an EGFREGFR activatedattivato clinicclinica,
104
338000
5000
ma in una per l'HER2 amplificato, o in una per l'EGFR attivato.
05:58
and they will go to some of the pathogenicpatogenicità lesionslesioni
105
343000
2000
E si agirà solo su alcune delle lesioni patogene
06:00
that were involvedcoinvolti in causingcausando this individualindividuale cancercancro.
106
345000
4000
che avranno contribuito a causare il tumore.
06:04
So, hopefullyfiduciosamente, we will go from beingessere the artarte of medicinemedicina
107
349000
3000
Speriamo quindi di passare dall'arte della medicina
06:07
more to the sciencescienza of medicinemedicina,
108
352000
2000
alla scienza della medicina,
06:09
and be ablecapace to do what they do in infectiousinfettive diseasemalattia,
109
354000
3000
e di poter agire come già si fa sulle malattie infettive,
06:12
whichquale is look at that organismorganismo, that bacteriabatteri,
110
357000
3000
ovvero osservare un dato organismo, un dato batterio
06:15
and then say, "This antibioticAntibiotico makesfa sensesenso,
111
360000
3000
e poter dire che un dato antibiotico funziona
06:18
because you have a particularparticolare bacteriabatteri that will respondrispondere to it."
112
363000
4000
perché quel batterio reagisce ad esso.
06:22
When one is exposedesposto to H1N1, you take TamifluTamiflu,
113
367000
4000
Se si contrae l'H1N1, si prende del Tamiflu,
06:26
and you can remarkablynotevolmente decreasediminuire the severitylivello di gravità of symptomssintomi
114
371000
3000
si riduce significativamente la gravità dei sintomi
06:29
and preventimpedire manymolti of the manifestationsmanifestazioni of the diseasemalattia.
115
374000
3000
e si evitano molte manifestazioni della malattia.
06:32
Why? Because we know what you have, and we know how to treattrattare it --
116
377000
5000
Come mai? Perché sappiamo di cosa si tratta, come curarlo, anche
06:37
althoughsebbene we can't make vaccinevaccino in this countrynazione, but that's a differentdiverso storystoria.
117
382000
4000
se non si possono fare vaccini negli USA, ma è un'altra storia.
06:41
The CancerCancro GenomeGenoma AtlasAtlas is comingvenuta out now.
118
386000
3000
L'Atlante genomico del cancro sarà pubblicato a breve.
06:44
The first cancercancro was donefatto, whichquale was braincervello cancercancro.
119
389000
4000
Quello del tumore al cervello è il primo pubblicato.
06:48
In the nextIl prossimo monthmese, the endfine of DecemberDicembre, you'llpotrai see ovarianovarico cancercancro,
120
393000
4000
Il mese prossimo, avremo quello del cancro alle ovaie,
06:52
and then lungpolmone cancercancro will come severalparecchi monthsmesi after.
121
397000
4000
seguito da quello del tumore ai polmoni entro pochi mesi.
06:56
There's alsoanche a fieldcampo of proteomicsproteomica that I'll talk about in a fewpochi minutesminuti,
122
401000
3000
Importante è anche il campo della proteomica, di cui vi dirò,
06:59
whichquale I think is going to be the nextIl prossimo levellivello
123
404000
3000
che credo rappresenterà il prossimo livello
07:02
in termscondizioni of understandingcomprensione and classifyingclassificazione diseasemalattia.
124
407000
4000
nella comprensione e classificazione delle malattie.
07:06
But rememberricorda, I'm not pushingspingendo genomicsgenomica,
125
411000
2000
Ma, attenzione, non sto incoraggiando la genomica
07:08
proteomicsproteomica, to be a reductionistriduzionista.
126
413000
3000
o la proteomica, per fare il riduzionista.
07:11
I'm doing it so we can identifyidentificare what we're up againstcontro.
127
416000
3000
Lo faccio per identificare ciò contro cui stiamo combattendo.
07:14
And there's a very importantimportante distinctiondistinzione there that we'llbene get to.
128
419000
4000
E qui è il caso di fare una distinzione importante.
07:18
In healthSalute carecura todayoggi, we spendtrascorrere mostmaggior parte of the dollarsdollari --
129
423000
3000
Nell'attuale sanità statunitense spendiamo il più delle risorse
07:21
in termscondizioni of treatingtrattamento diseasemalattia --
130
426000
3000
per il trattamento delle malattie --
07:24
mostmaggior parte of the dollarsdollari in the last two yearsanni of a person'spersona di life.
131
429000
4000
soprattutto negli ultimi due anni di vita delle persone,
07:28
We spendtrascorrere very little, if any, dollarsdollari in termscondizioni of identifyingidentificazione what we're up againstcontro.
132
433000
5000
ma poco o niente per identificare ciò contro cui lottiamo.
07:33
If you could startinizio to movemossa that, to identifyidentificare what you're up againstcontro,
133
438000
4000
Se invece si partisse proprio da qui, dall'identificazione,
07:37
you're going to do things a hellinferno of a lot better.
134
442000
3000
si potrebbe lavorare molto, molto meglio.
07:40
If we could even take it one steppasso furtherulteriore and preventimpedire diseasemalattia,
135
445000
4000
Se poi riuscissimo a fare un passo avanti e prevenire la malattia,
07:44
we can take it enormouslyenormemente the other directiondirezione,
136
449000
3000
potremmo lavorare di gran lunga meglio su questa strada.
07:47
and obviouslyovviamente, that's where we need to go, going forwardinoltrare.
137
452000
4000
E questa è la direzione da prendere e da perseguire.
07:51
So, this is the websiteSito web of the NationalNazionale CancerCancro InstituteIstituto.
138
456000
3000
Ecco, questo è il sito del National Cancer Institute.
07:54
And I'm here to tell you, it's wrongsbagliato.
139
459000
3000
E vi dico che è tutto sbagliato.
07:57
So, the websiteSito web of the NationalNazionale CancerCancro InstituteIstituto
140
462000
2000
Il sito dice
07:59
saysdice that cancercancro is a geneticgenetico diseasemalattia.
141
464000
4000
che il cancro è una malattia genetica.
08:03
The websiteSito web saysdice, "If you look, there's an individualindividuale mutationmutazione,
142
468000
4000
Dice, vedete, che se c'è una mutazione individuale,
08:07
and maybe a secondsecondo, and maybe a thirdterzo,
143
472000
2000
poi una seconda, e una terza,
08:09
and that is cancercancro."
144
474000
2000
si arriva al cancro.
08:11
But, as a cancercancro docdoc, this is what I see.
145
476000
4000
Ma ecco quel che vedo io, come oncologo:
08:15
This isn't a geneticgenetico diseasemalattia.
146
480000
2000
questa non è una malattia genetica.
08:17
So, there you see, it's a liverfegato with colondue punti cancercancro in it,
147
482000
3000
Qui vedete un fegato con un tumore al colon al suo interno,
08:20
and you see into the microscopemicroscopio a lymphlinfa nodenodo
148
485000
2000
e al microscopio si vede un linfonodo
08:22
where cancercancro has invadedinvaso.
149
487000
2000
che è stato invaso dal cancro.
08:24
You see a CTCT scanscansione where cancercancro is in the liverfegato.
150
489000
4000
La TAC mostra che il tumore è situato nel fegato.
08:28
CancerCancro is an interactioninterazione of a cellcellula
151
493000
3000
Ma il cancro è dato dall'interazione di una cellula,
08:31
that no longerpiù a lungo is undersotto growthcrescita controlcontrollo with the environmentambiente.
152
496000
5000
la cui crescita non è più controllata dall'ambiente in cui si trova.
08:36
It's not in the abstractastratto; it's the interactioninterazione with the environmentambiente.
153
501000
4000
Non è qualcosa di astratto, è data dall'interazione con l'ambiente.
08:40
It's what we call a systemsistema.
154
505000
3000
È quello che chiamiamo un sistema.
08:43
The goalobbiettivo of me as a cancercancro doctormedico is not to understandcapire cancercancro.
155
508000
4000
Il mio obiettivo, in quanto oncologo, non è capire il cancro.
08:47
And I think that's been the fundamentalfondamentale problemproblema over the last fivecinque decadesdecenni,
156
512000
3000
E credo sia stato questo il problema cruciale degli ultimi 50 anni,
08:50
is that we have strivedprofondono to understandcapire cancercancro.
157
515000
3000
che ci si è sforzati soltanto di cercare di capirlo.
08:53
The goalobbiettivo is to controlcontrollo cancercancro.
158
518000
3000
L'obiettivo è invece riuscire a controllarlo.
08:56
And that is a very differentdiverso optimizationottimizzazione schemeschema,
159
521000
2000
E questo traccia un diverso schema,
08:58
a very differentdiverso strategystrategia for all of us.
160
523000
3000
una strategia per tutti noi molto diversa.
09:01
I got up at the AmericanAmericano AssociationAssociazione of CancerCancro ResearchRicerca,
161
526000
2000
Al convegno dell'American Association of Cancer Research,
09:03
one of the biggrande cancercancro researchricerca meetingsincontri, with 20,000 people there,
162
528000
4000
una delle più grandi conferenze di oncologia, con 20.000 presenti,
09:07
and I said, "We'veAbbiamo madefatto a mistakesbaglio.
163
532000
3000
e sono intervenuto e ho detto: "Abbiamo sbagliato.
09:10
We'veAbbiamo all madefatto a mistakesbaglio, myselfme stessa includedincluso,
164
535000
3000
Tutti abbiamo sbagliato, me compreso,
09:13
by focusingmessa a fuoco down, by beingessere a reductionistriduzionista.
165
538000
2000
a concentrarci su un campo ristretto, in modo riduzionista.
09:15
We need to take a steppasso back."
166
540000
2000
Dobbiamo fare un passo indietro".
09:17
And, believe it or not, there were hissessibili in the audiencepubblico.
167
542000
2000
E, credeteci o no, dalla platea sono arrivati dei fischi.
09:19
People got upsetirritato, but this is the only way we're going to go forwardinoltrare.
168
544000
4000
La platea si è turbata, ma solo così possiamo andare avanti.
09:23
You know, I was very fortunatela fortuna to meetincontrare DannyDanny HillisHillis a fewpochi yearsanni agofa.
169
548000
4000
Qualche anno fa, ho avuto la fortuna di incontrare Danny Hillis.
09:27
We were pushedspinto togetherinsieme, and neithernessuno dei due one of us really wanted to meetincontrare the other.
170
552000
4000
In realtà siamo stati presentati, nessuno teneva a conoscere l’altro.
09:31
I said, "Do I really want to meetincontrare a guy from DisneyDisney, who designedprogettato computerscomputer?"
171
556000
4000
Dicevo: "voglio davvero conoscere un informatico della Disney?"
09:35
And he was sayingdetto: Does he really want to meetincontrare anotherun altro doctormedico?
172
560000
3000
E lui si chiedeva se davvero volesse conoscere l'ennesimo medico.
09:38
But people prevailedprevalso on us, and we got togetherinsieme,
173
563000
2000
Ma ci hanno convinti e ci siamo conosciuti.
09:40
and it's been transformativetrasformativo in what I do, absolutelyassolutamente transformativetrasformativo.
174
565000
5000
E questo ha rivoluzionato il mio modo di lavorare.
09:46
We have designedprogettato, and we have workedlavorato on the modelingmodellismo --
175
571000
3000
Abbiamo progettato e lavorato alla creazione di un modello --
09:49
and much of these ideasidee cameè venuto from DannyDanny and from his teamsquadra --
176
574000
4000
e molte delle idee sono venute da Danny e dal suo team --
09:53
the modelingmodellismo of cancercancro in the bodycorpo as complexcomplesso systemsistema.
177
578000
3000
di tumore all'interno del corpo in quanto sistema complesso.
09:56
And I'll showmostrare you some datadati there
178
581000
2000
E vi mostrerò alcuni dati che possono veramente
09:58
where I really think it can make a differencedifferenza and a newnuovo way to approachapproccio it.
179
583000
4000
fare la differenza, e offrirci un nuovo modo di affrontare il problema.
10:02
The keychiave is, when you look at these variablesvariabili and you look at this datadati,
180
587000
4000
Il punto è, quando si osservano queste variabili e questi dati,
10:06
you have to understandcapire the datadati inputsingressi.
181
591000
4000
che bisogna capire gli input.
10:10
You know, if I measuredmisurato your temperaturetemperatura over 30 daysgiorni,
182
595000
4000
Se misurassi la temperatura a un paziente nell'arco di 30 giorni,
10:14
and I askedchiesto, "What was the averagemedia temperaturetemperatura?"
183
599000
2000
e volessi conoscere la temperatura media rilevata,
10:16
and it cameè venuto back at 98.7, I would say, "Great."
184
601000
4000
e risultasse che è 37 °C, penserei che va bene.
10:20
But if duringdurante one of those daysgiorni
185
605000
2000
Ma, se in uno di questi giorni,
10:22
your temperaturetemperatura spikeda spillo to 102 for sixsei hoursore,
186
607000
3000
la temperatura arrivasse a 39 °C per sei ore,
10:25
and you tookha preso TylenolTylenol and got better, etceccetera.,
187
610000
2000
e il paziente prendesse del Tylenol e la situazione migliorasse,
10:27
I would totallytotalmente missPerdere it.
188
612000
2000
la cosa mi sfuggirebbe completamente.
10:29
So, one of the problemsi problemi, the fundamentalfondamentale problemsi problemi in medicinemedicina
189
614000
3000
Uno dei più grandi problemi in medicina
10:32
is that you and I, and all of us,
190
617000
2000
è che io, voi, noi tutti,
10:34
we go to our doctormedico onceuna volta a yearanno.
191
619000
2000
andiamo dal dottore una volta all'anno.
10:36
We have discretediscreto datadati elementselementi; we don't have a time functionfunzione on them.
192
621000
4000
Abbiamo pochi dati discreti, ma non una visione continua.
10:40
EarlierVersioni precedenti it was referreddi cui to this directdiretto life devicedispositivo.
193
625000
3000
Si parlava di un dispositivo che misura i parametri in tempo reale.
10:43
You know, I've been usingutilizzando it for two and a halfmetà monthsmesi.
194
628000
3000
Io lo uso da due mesi e mezzo.
10:46
It's a staggeringbarcollando devicedispositivo, not because it tellsdice me
195
631000
2000
È un apparecchio incredibile, non perché mi dice
10:48
how manymolti kilocalorieschilocalorie I do everyogni day,
196
633000
3000
quante calorie brucio al giorno,
10:51
but because it lookssembra, over 24 hoursore, what I've donefatto in a day.
197
636000
4000
ma perché mi dice cosa faccio ora per ora.
10:55
And I didn't realizerendersi conto that for threetre hoursore I'm sittingseduta at my deskscrivania,
198
640000
3000
Non mi ero mai reso conto di stare seduto tre ore
10:58
and I'm not movingin movimento at all.
199
643000
2000
alla scrivania, senza mai muovermi.
11:00
And a lot of the functionsfunzioni in the datadati that we have as inputingresso systemssistemi here
200
645000
5000
E molti dei monitoraggi sui dati che abbiamo come input
11:05
are really differentdiverso than we understandcapire them,
201
650000
3000
sono molto diversi rispetto al modo in cui li interpretiamo di solito,
11:08
because we're not measuringmisurazione them dynamicallyin modo dinamico.
202
653000
2000
perché non li interpretiamo in modo dinamico.
11:10
And so, if you think of cancercancro as a systemsistema,
203
655000
5000
Dunque, se pensiamo al cancro come ad un sistema,
11:15
there's an inputingresso and an outputproduzione and a statestato in the middlein mezzo.
204
660000
4000
abbiamo un input, un output e uno stato intermedio.
11:19
So, the statesstati, are equivalentequivalente classesclassi of historystoria,
205
664000
3000
Gli stati sono eventi in relazione di equivalenza.
11:22
and the cancercancro patientpaziente, the inputingresso, is the environmentambiente,
206
667000
3000
E nel paziente oncologico gli input sono l'ambiente in cui vive,
11:25
the dietdieta, the treatmenttrattamento, the geneticgenetico mutationsmutazioni.
207
670000
4000
la dieta, la cura, le mutazioni genetiche.
11:29
The outputproduzione are our symptomssintomi:
208
674000
3000
Gli output sono i sintomi.
11:32
Do we have paindolore? Is the cancercancro growingin crescita? Do we feel bloatedmastodontiche, etceccetera.?
209
677000
4000
Fa male? Il tumore cresce? Ci sentiamo gonfi, ecc...?
11:36
MostMaggior parte of that statestato is hiddennascosto.
210
681000
4000
La maggior parte di questo stato è nascosta.
11:40
So what we do in our fieldcampo is we changemodificare and inputingresso,
211
685000
3000
Ciò che facciamo nel nostro campo è cambiare l'input,
11:43
we give aggressiveaggressivo chemotherapychemioterapia,
212
688000
2000
somministrando massicce dosi di chemioterapia.
11:45
and we say, "Did that outputproduzione get better? Did that paindolore improveMigliorare, etceccetera.?"
213
690000
5000
E poi vediamo se l'output è migliorato, il dolore è diminuito, ecc...
11:50
And so, the problemproblema is that it's not just one systemsistema,
214
695000
4000
Il problema è che non si tratta di un unico sistema,
11:54
it's multiplemultiplo systemssistemi on multiplemultiplo scalesbilancia.
215
699000
3000
ma di sistemi multipli su multiple scale.
11:57
It's a systemsistema of systemssistemi.
216
702000
3000
È un sistema di sistemi.
12:00
And so, when you startinizio to look at emergentemergente systemssistemi,
217
705000
2000
E se si vogliono osservare dei sistemi emergenti
12:02
you can look at a neuronneurone undersotto a microscopemicroscopio.
218
707000
3000
si può cominciare dall'osservazione di un neurone:
12:05
A neuronneurone undersotto the microscopemicroscopio is very elegantelegante
219
710000
2000
un neurone al microscopio appare quasi elegante,
12:07
with little things stickingadesivo out and little things over here,
220
712000
3000
con questi tentacoli che sporgono qui e lì,
12:10
but when you startinizio to put them togetherinsieme in a complexcomplesso systemsistema,
221
715000
4000
ma quando lo si associa ad altri in un sistema complesso,
12:14
and you startinizio to see that it becomesdiventa a braincervello,
222
719000
2000
e si vede che comincia a formare un cervello,
12:16
and that braincervello can createcreare intelligenceintelligenza,
223
721000
3000
e che quel cervello può creare intelligenza...
12:19
what we're talkingparlando about in the bodycorpo,
224
724000
2000
Come ogni cosa nel corpo,
12:21
and cancercancro is startingdi partenza to modelmodello it like a complexcomplesso systemsistema.
225
726000
3000
così un tumore si forma come un sistema complesso.
12:24
Well, the badcattivo newsnotizia is that these robustrobusto --
226
729000
3000
La cattiva notizia è che questi sistemi robusti
12:27
and robustrobusto is a keychiave wordparola --
227
732000
2000
– e 'robusti' è una parola-chiave –
12:29
emergentemergente systemssistemi are very harddifficile to understandcapire in detaildettaglio.
228
734000
4000
sono molto difficili da capire nel dettaglio.
12:33
The good newsnotizia is you can manipulatemanipolare them.
229
738000
3000
La buona notizia è però che sono manipolabili.
12:36
You can try to controlcontrollo them
230
741000
2000
Si può tentare di controllarli,
12:38
withoutsenza that fundamentalfondamentale understandingcomprensione of everyogni componentcomponente.
231
743000
3000
pur senza capirne appieno ogni singolo componente.
12:41
One of the mostmaggior parte fundamentalfondamentale clinicalclinico trialsprove in cancercancro
232
746000
3000
Uno studio fondamentale sul cancro
12:44
cameè venuto out in FebruaryFebbraio in the NewNuovo EnglandInghilterra JournalGazzetta of MedicineMedicina,
233
749000
3000
è uscito in febbraio sul New England Journal of Medicine.
12:47
where they tookha preso womendonne who were pre-menopausalpre-menopausa with breastSeno cancercancro.
234
752000
4000
Riguarda donne in pre-menopausa affette da tumore al seno,
12:51
So, about the worstpeggio kindgenere of breastSeno cancercancro you can get.
235
756000
3000
ovvero il peggior tipo di tumore al seno.
12:54
They had gottenottenuto theirloro chemotherapychemioterapia,
236
759000
2000
Dopo aver fatto la chemioterapia,
12:56
and then they randomizedrandomizzati them,
237
761000
2000
le hanno randomizzate:
12:58
where halfmetà got placeboplacebo,
238
763000
2000
a metà di loro è stato somministrato un placebo,
13:00
and halfmetà got a drugdroga calledchiamato ZoledronicZoledronico acidacido that buildscostruisce boneosso.
239
765000
4000
all'altra metà dell'acido zoledronico, che ricostruisce le ossa,
13:04
It's used to treattrattare osteoporosisosteoporosi,
240
769000
2000
e si usa per trattare l'osteoporosi
13:06
and they got that twicedue volte a yearanno.
241
771000
2000
ed è stato somministrato due volte l'anno.
13:08
They lookedguardato and, in these 1,800 womendonne,
242
773000
4000
Hanno notato, nelle 1.800 donne alle quali
13:12
givendato twicedue volte a yearanno a drugdroga that buildscostruisce boneosso,
243
777000
3000
era stato dato il farmaco per le ossa,
13:15
you reduceridurre the recurrencericorrenza of cancercancro by 35 percentper cento.
244
780000
5000
una riduzione del 35% delle recidive del tumore.
13:21
ReduceRidurre occurrenceoccorrenza of cancercancro by a drugdroga
245
786000
2000
Recidive ridotte da un farmaco
13:23
that doesn't even touchtoccare the cancercancro.
246
788000
2000
che nemmeno tocca il tumore.
13:25
So the notionnozione, you changemodificare the soilsuolo, the seedseme doesn't growcrescere as well.
247
790000
5000
L'idea è: cambiando il terreno, il seme non cresce così bene.
13:30
You changemodificare that systemsistema,
248
795000
3000
Cambiando il sistema,
13:33
and you could have a markedsegnato effecteffetto on the cancercancro.
249
798000
2000
si otterrebbero notevoli risultati.
13:35
NobodyNessuno has ever shownmostrato -- and this will be shockingscioccante --
250
800000
3000
Nessuno ha mai dimostrato -- e potrà scioccarvi --
13:38
nobodynessuno has ever shownmostrato that mostmaggior parte chemotherapychemioterapia
251
803000
3000
nessuno ha mai dimostrato che la maggior parte delle
13:41
actuallyin realtà touchestocchi a cancercancro cellcellula.
252
806000
2000
chemioterapie tocchino davvero la cellula cancerogena.
13:43
It's never been shownmostrato.
253
808000
2000
Non è mai stato dimostrato.
13:45
There's all these elegantelegante work in the tissuefazzoletto di carta culturecultura dishespiatti,
254
810000
3000
Si fa un gran lavoro sui tessuti in vitro, dove,
13:48
that if you give this cancercancro drugdroga, you can do this effecteffetto to the cellcellula,
255
813000
3000
dando un certo farmaco, otteniamo un dato effetto sulla cellula,
13:51
but the dosesdosi in those dishespiatti are nowhereDa nessuna parte nearvicino
256
816000
3000
ma le quantità di farmaco in queste colture
13:54
the dosesdosi that happenaccadere in the bodycorpo.
257
819000
4000
non si avvicinano minimamente a quelle del corpo.
13:58
If I give a womandonna with breastSeno cancercancro a drugdroga calledchiamato TaxolTaxolo
258
823000
3000
Se a una donna con tumore al seno do un farmaco
14:01
everyogni threetre weekssettimane, whichquale is the standardstandard,
259
826000
2000
chiamato Taxol ogni 3 settimane – la procedura standard –
14:03
about 40 percentper cento of womendonne with metastaticmetastatico cancercancro
260
828000
2000
nel 40% dei casi il cancro metastatico
14:05
have a great responserisposta to that drugdroga.
261
830000
3000
risponde ottimamente a quel farmaco.
14:08
And a responserisposta is 50 percentper cento shrinkageritiro.
262
833000
2000
E la risposta è una riduzione del 50%.
14:10
Well, rememberricorda that's not even an orderordine of magnitudemagnitudine,
263
835000
2000
E notate che non è nemmeno un ordine di grandezza,
14:12
but that's a differentdiverso storystoria.
264
837000
2000
ma questa è un'altra faccenda.
14:14
They then recursi ripetono, I give them that samestesso drugdroga everyogni weeksettimana.
265
839000
4000
Se il cancro si rimanifesta, e do lo stesso farmaco ogni settimana,
14:18
AnotherUn altro 30 percentper cento will respondrispondere.
266
843000
3000
un altro 30% risponderà positivamente.
14:21
They then recursi ripetono, I give them that samestesso drugdroga
267
846000
2000
Quindi si rimanifesta, e somministro ancora
14:23
over 96 hoursore by continuouscontinuo infusioninfusione,
268
848000
3000
lo stesso farmaco per infusione continua per 96 ore.
14:26
anotherun altro 20 or 30 percentper cento will respondrispondere.
269
851000
3000
E il 20 o 30% risponderà ancora positivamente.
14:29
So, you can't tell me it's workinglavoro by the samestesso mechanismmeccanismo in all threetre sizedimensione.
270
854000
4000
Non mi dite che la procedura funziona allo stesso modo nei tre casi.
14:33
It's not. We have no ideaidea the mechanismmeccanismo.
271
858000
3000
Non è così. Non abbiamo idea del meccanismo che sta alla base.
14:36
So the ideaidea that chemotherapychemioterapia maypuò just be disruptingd'interruzione
272
861000
3000
L'idea è che la chemioterapia
14:39
that complexcomplesso systemsistema,
273
864000
3000
possa interrompere quel sistema complesso,
14:42
just like buildingcostruzione boneosso disruptedinterrotto that systemsistema and reducedridotto recurrencericorrenza,
274
867000
5000
proprio come il farmaco per l'osteoporosi riduce le recidive del cancro:
14:47
chemotherapychemioterapia maypuò work by that samestesso exactesatto way.
275
872000
3000
la chemioterapia potrebbe funzionare proprio allo stesso modo.
14:50
The wildselvaggio thing about that trialprova alsoanche,
276
875000
3000
L'aspetto inatteso dell'esperimento è
14:53
was that it reducedridotto newnuovo primariescolori primari, so newnuovo cancerstumori, by 30 percentper cento alsoanche.
277
878000
7000
che ha anche ridotto del 30% l'insorgenza di tumori primari.
15:02
So, the problemproblema is, yoursil tuo and mineil mio, all of our systemssistemi are changingmutevole.
278
887000
5000
Il problema è quindi che i nostri sistemi sono
15:07
They're dynamicdinamico.
279
892000
2000
in continuo cambiamento. Sono dinamici.
15:09
I mean, this is a scarypauroso slidediapositiva, not to take an asidea parte,
280
894000
3000
Guardate, questa è una slide spaventosa, da non sottovalutare,
15:12
but it lookssembra at obesityobesità in the worldmondo.
281
897000
2000
che analizza l'obesità nel mondo.
15:14
And I'm sorry if you can't readleggere the numbersnumeri, they're kindgenere of smallpiccolo.
282
899000
3000
Mi spiace se non leggete i numeri, sono molto piccoli.
15:17
But, if you startinizio to look at it, that redrosso, that darkbuio colorcolore there,
283
902000
4000
Ma se guardate qui, il colore rosso più scuro...
15:21
more than 75 percentper cento of the populationpopolazione
284
906000
3000
Indica che più del 75% della popolazione
15:24
of those countriespaesi are obeseobeso.
285
909000
3000
di questi paesi è obesa.
15:27
Look a decadedecennio agofa, look two decadesdecenni agofa: markedlymarcatamente differentdiverso.
286
912000
4000
Guardate i colori diversi un decennio fa, due decenni fa.
15:31
So, our systemssistemi todayoggi are dramaticallydrammaticamente differentdiverso
287
916000
3000
I nostri sistemi sono quindi radicalmente diversi
15:34
than our systemssistemi a decadedecennio or two agofa.
288
919000
4000
rispetto ad allora.
15:38
So the diseasesmalattie we have todayoggi,
289
923000
3000
E le malattie che abbiamo oggi, che riflettono
15:41
whichquale reflectriflettere patternsmodelli in the systemsistema over the last severalparecchi decadesdecenni,
290
926000
4000
il percorso fatto dal nostro sistema negli ultimi decenni,
15:45
are going to changemodificare dramaticallydrammaticamente over the nextIl prossimo decadedecennio or so
291
930000
4000
cambieranno radicalmente nel corso del prossimo decennio,
15:49
basedbasato on things like this.
292
934000
3000
proprio come è successo finora.
15:52
So, this pictureimmagine, althoughsebbene it is beautifulbellissimo, is a 40-gigabyte-gigabyte pictureimmagine
293
937000
10000
Questa bellissima immagine mostra in soli 40 gigabyte
16:02
of the wholetotale proteomeproteoma.
294
947000
2000
l'intero proteoma.
16:04
So this is a dropfar cadere of bloodsangue that has goneandato throughattraverso a superconductingsuperconduttori magnetmagnete,
295
949000
4000
Questa è una goccia di sangue fatta passare attraverso
16:08
and we're ablecapace to get resolutionrisoluzione
296
953000
2000
un magnete superconduttore, e abbiamo ottenuto la risoluzione
16:10
where we can startinizio to see all of the proteinsproteine in the bodycorpo.
297
955000
4000
necessaria per cominciare a vedere le proteine nel corpo.
16:14
We can startinizio to see that systemsistema.
298
959000
2000
Possiamo cominciare a vedere il sistema.
16:16
EachOgni of the redrosso dotspunti are where a proteinproteina has actuallyin realtà been identifiedidentificato.
299
961000
4000
Ogni puntino rosso è una delle proteine identificate.
16:20
The powerenergia of these magnetsMagneti, the powerenergia of what we can do here,
300
965000
2000
Questi magneti sono così potenti che ci permettono
16:22
is that we can see an individualindividuale neutronneutrone with this technologytecnologia.
301
967000
5000
di vedere differenze di un singolo neutrone.
16:27
So, again, this is stuffcose we're doing with DannyDanny HillisHillis
302
972000
3000
Questo è quello che stiamo facendo con Danny Hillis
16:30
and a groupgruppo calledchiamato AppliedApplicato ProteomicsProteomica,
303
975000
2000
e un gruppo chiamato Applied Proteomics.
16:32
where we can startinizio to see individualindividuale neutronneutrone differencesdifferenze,
304
977000
4000
Iniziamo a distinguere le singole differenze di neutroni,
16:36
and we can startinizio to look at that systemsistema like we never have before.
305
981000
4000
e a osservare quel sistema come mai prima d'ora.
16:40
So, insteadanziché of a reductionistriduzionista viewvista, we're takingpresa a steppasso back.
306
985000
4000
Invece di una visione riduzionista, facciamo un passo indietro.
16:44
So this is a womandonna, 46 yearsanni oldvecchio,
307
989000
4000
Queste sono le TAC di una donna di 46 anni,
16:48
who had recurrentricorrenti lungpolmone cancercancro.
308
993000
3000
affetta da tumore ai polmoni recidivante
16:51
It was in her braincervello, in her lungspolmoni, in her liverfegato.
309
996000
4000
al cervello, ai polmoni, al fegato.
16:55
She had gottenottenuto CarboplatinCarboplatino TaxolTaxolo, CarboplatinCarboplatino TaxotereTaxotere,
310
1000000
4000
Prendeva il Carboplatin Taxol, il Carboplatin Taxotere,
16:59
GemcitabineGemcitabina, NavelbineNavelbine:
311
1004000
2000
il Gemcitabene, e il Navelbine.
17:01
EveryOgni drugdroga we have she had gottenottenuto, and that diseasemalattia continuedcontinua to growcrescere.
312
1006000
5000
Prendeva ogni farmaco, ma il tumore continuava a crescere.
17:06
She had threetre kidsbambini undersotto the ageetà of 12,
313
1011000
4000
Aveva tre figli al di sotto dei 12 anni,
17:10
and this is her CTCT scanscansione.
314
1015000
2000
e questa è la sua TAC,
17:12
And so what this is, is we're takingpresa a cross-sectionsezione trasversale of her bodycorpo here,
315
1017000
3000
cioè, una sezione trasversale del suo corpo.
17:15
and you can see in the middlein mezzo there is her heartcuore,
316
1020000
3000
Vedete il cuore nel mezzo,
17:18
and to the sidelato of her heartcuore on the left there is this largegrande tumortumore
317
1023000
4000
e sulla sinistra un grosso tumore in espansione
17:22
that will invadeinvadere and will killuccidere her, untreatednon trattati, in a matterimporta of weekssettimane.
318
1027000
6000
che, non trattato, l’avrebbe uccisa in poche settimane.
17:28
She goesva on a pillpillola a day that targetsobiettivi a pathwaysentiero,
319
1033000
5000
Poi prende una certa pillola che agisce su un certo meccanismo,
17:33
and again, I'm not sure if this pathwaysentiero was in the systemsistema, in the cancercancro,
320
1038000
4000
e, di nuovo, non so se il meccanismo era nel sistema o nel tumore;
17:37
but it targetedmirata a pathwaysentiero, and a monthmese laterdopo, powprigioniero di guerra, that cancer'sdi cancro goneandato.
321
1042000
6000
ma questa funziona e un mese dopo, puff, il tumore è sparito.
17:43
SixSei monthsmesi laterdopo it's still goneandato.
322
1048000
3000
Sei mesi dopo era ancora del tutto assente.
17:46
That cancercancro recurredè ricorso, and she passedpassato away threetre yearsanni laterdopo from lungpolmone cancercancro,
323
1051000
5000
Poi il tumore torna e la donna muore tre anni dopo.
17:51
but she got threetre yearsanni from a drugdroga
324
1056000
4000
Ma ha guadagnato ben tre anni grazie a un farmaco
17:55
whosedi chi symptomssintomi predominatelyprevalentemente were acneacne.
325
1060000
2000
usato principalmente per curare l'acne.
17:57
That's about it.
326
1062000
2000
E questo è quanto.
17:59
So, the problemproblema is that the clinicalclinico trialprova was donefatto,
327
1064000
4000
Il fatto è che la sperimentazione è stata fatta,
18:03
and we were a partparte of it,
328
1068000
2000
vi abbiamo preso parte e,
18:05
and in the fundamentalfondamentale clinicalclinico trialprova --
329
1070000
2000
nella sua fase cruciale,
18:07
the pivotalPivotal clinicalclinico trialprova we call the PhaseFase ThreeTre,
330
1072000
2000
lo studio pilota (quello che chiamiamo 'fase III')
18:09
we refusedha rifiutato to use a placeboplacebo.
331
1074000
3000
ci siamo rifiutati di usare un placebo.
18:12
Would you want your mothermadre, your brotherfratello, your sistersorella
332
1077000
2000
Voi vorreste che un vostro caro prendesse un placebo
18:14
to get a placeboplacebo if they had advancedAvanzate lungpolmone cancercancro and had weekssettimane to livevivere?
333
1079000
4000
se avesse un tumore avanzato e solo poche settimane di vita?
18:18
And the answerrisposta, obviouslyovviamente, is not.
334
1083000
2000
Ovviamente no.
18:20
So, it was donefatto on this groupgruppo of patientspazienti.
335
1085000
2000
Dunque, niente placebo per loro.
18:22
TenDieci percentper cento of people in the trialprova had this dramaticdrammatico responserisposta that was shownmostrato here,
336
1087000
6000
e il 10% dei pazienti ha avuto la stessa incredibile reazione,
18:28
and the drugdroga wentandato to the FDAFDA,
337
1093000
3000
e il farmaco è stato quindi sottoposto all'FDA,
18:31
and the FDAFDA said, "WithoutSenza a placeboplacebo,
338
1096000
2000
che però si è chiesta, senza il confronto col placebo,
18:33
how do I know patientspazienti actuallyin realtà benefitedhanno beneficiato from the drugdroga?"
339
1098000
5000
come si potesse essere sicuri dei suoi benefici.
18:38
So the morningmattina the FDAFDA was going to meetincontrare,
340
1103000
2000
La mattina che l'FDA doveva discuterne,
18:40
this was the editorialeditoriale in the WallParete StreetVia JournalGazzetta.
341
1105000
3000
apparse questo editoriale sul Wall Street Journal:
18:43
(LaughterRisate)
342
1108000
2000
"L'FDA ai pazienti: crepate pure" [risate]
18:45
And so, what do you know, that drugdroga was approvedapprovato.
343
1110000
4000
E, pensate un po', il farmaco è stato approvato.
18:49
The amazingStupefacente thing is anotherun altro companyazienda did the right scientificscientifico trialprova,
344
1114000
4000
La cosa incredibile è che un'altra azienda ha condotto
18:53
where they gaveha dato halfmetà placeboplacebo and halfmetà the drugdroga.
345
1118000
3000
una sperimentazione classica, con metà placebo e metà farmaco.
18:56
And we learnedimparato something importantimportante there.
346
1121000
2000
E abbiamo scoperto una cosa importante.
18:58
What's interestinginteressante is they did it in SouthSud AmericaAmerica and CanadaCanada,
347
1123000
3000
Interessante è che si è svolto in Sud America e in Canada,
19:01
where it's "more ethicaletico to give placebosplacebo."
348
1126000
3000
dove è “più etico somministrare del placebo”.
19:04
They had to give it alsoanche in the U.S. to get approvalapprovazione,
349
1129000
2000
Per avere l'autorizzazione hanno dovuto somministrarlo
19:06
so I think there were threetre U.S. patientspazienti
350
1131000
2000
anche negli USA, quindi credo che 3 pazienti
19:08
in upstateUpstate NewNuovo YorkYork who were partparte of the trialprova.
351
1133000
2000
statunitensi abbiano preso parte all'esperimento.
19:10
But they did that, and what they foundtrovato
352
1135000
2000
Lo hanno fatto e hanno scoperto
19:12
is that 70 percentper cento of the non-respondersnon-responder
353
1137000
3000
che il 70% dei pazienti che non rispondeva alle cure
19:15
livedha vissuto much longerpiù a lungo and did better than people who got placeboplacebo.
354
1140000
5000
ha vissuto di più e meglio di quelli che avevano preso il placebo.
19:20
So it challengedsfidato everything we knewconosceva in cancercancro,
355
1145000
3000
Ciò ha messo in discussione tutto ciò che sapevamo sul cancro,
19:23
is that you don't need to get a responserisposta.
356
1148000
2000
ovvero che non serve una risposta al farmaco.
19:25
You don't need to shrinkcontrarsi the diseasemalattia.
357
1150000
2000
Non occorre rimpicciolire il tumore.
19:27
If we slowlento the diseasemalattia, we maypuò have more of a benefitvantaggio
358
1152000
4000
Se lo rallentiamo, otteniamo maggiori benefici
19:31
on patientpaziente survivalsopravvivenza, patientpaziente outcomerisultato, how they feel,
359
1156000
4000
in termini di sopravvivenza e benessere del paziente,
19:35
than if we shrinkcontrarsi the diseasemalattia.
360
1160000
2000
che riducendolo.
19:37
The problemproblema is that, if I'm this docdoc, and I get your CTCT scanscansione todayoggi
361
1162000
3000
Il problema è che, se guardo la tua TAC
19:40
and you've got a two centimetercentimetro massmassa in your liverfegato,
362
1165000
3000
e noto una massa di 2 cm nel tuo fegato,
19:43
and you come back to me in threetre monthsmesi and it's threetre centimeterscentimetri,
363
1168000
3000
e, dopo tre mesi, la massa misura 3 cm...
19:46
did that drugdroga help you or not?
364
1171000
2000
Mi chiedo: il farmaco ha funzionato?
19:48
How do I know?
365
1173000
2000
E come faccio a saperlo?
19:50
Would it have been 10 centimeterscentimetri, or am I givingdando you a drugdroga
366
1175000
4000
Sarebbe diventato di 10 cm, o sto dando un farmaco
19:54
with no benefitvantaggio and significantsignificativo costcosto?
367
1179000
3000
che ha un costo elevato non dà benefici?
19:57
So, it's a fundamentalfondamentale problemproblema.
368
1182000
2000
È un problema fondamentale.
19:59
And, again, that's where these newnuovo technologiestecnologie can come in.
369
1184000
5000
Ed è qui che le nuove tecnologie ci possono aiutare.
20:04
And so, the goalobbiettivo obviouslyovviamente is that you go into your doctor'sIl medico di officeufficio --
370
1189000
4000
L'obiettivo è ovviamente andare dal proprio medico,
20:08
well, the ultimatefinale goalobbiettivo is that you preventimpedire diseasemalattia, right?
371
1193000
3000
ovvero prevenire malattia, certo.
20:11
The ultimatefinale goalobbiettivo is that you preventimpedire any of these things from happeningavvenimento.
372
1196000
4000
Cioè evitare che queste cose accadano.
20:15
That is the mostmaggior parte effectiveefficace, cost-effectivecosto effettivo,
373
1200000
3000
Questo sarebbe economicamente conveniente,
20:18
bestmigliore way we can do things todayoggi.
374
1203000
2000
Sarebbe certo la circostanza migliore.
20:20
But if one is unfortunatesfortunato to get a diseasemalattia,
375
1205000
3000
Ma nel caso sfortunato che si sviluppi la malattia,
20:23
you'llpotrai go into your doctor'sIl medico di officeufficio, he or she will take a dropfar cadere of bloodsangue,
376
1208000
3000
si potrà andare dal medico e, con una goccia di sangue,
20:26
and we will startinizio to know how to treattrattare your diseasemalattia.
377
1211000
4000
cominceremo a sapere come curare la malattia.
20:31
The way we'venoi abbiamo approachedsi avvicinò it is the fieldcampo of proteomicsproteomica,
378
1216000
3000
Ci stiamo avvicinando a questo grazie alla proteomica,
20:34
again, this looking at the systemsistema.
379
1219000
2000
cioè, ancora una volta, osservando il sistema,
20:36
It's takingpresa a biggrande pictureimmagine.
380
1221000
2000
avendo una veduta d'insieme.
20:38
The problemproblema with technologiestecnologie like this is
381
1223000
3000
Il problema di queste tecnologie è che,
20:41
that if one lookssembra at proteinsproteine in the bodycorpo,
382
1226000
2000
se si osservano le proteine nel corpo,
20:43
there are 11 ordersordini of magnitudemagnitudine differencedifferenza
383
1228000
3000
c'è una differenza di 11 ordini di grandezza
20:46
betweenfra the high-abundantalta-abbondante and the low-abundantbasso-abbondante proteinsproteine.
384
1231000
3000
fra le proteine più e quelle meno abbondanti.
20:49
So, there's no technologytecnologia in the worldmondo that can spancampata 11 ordersordini of magnitudemagnitudine.
385
1234000
5000
E nessuna tecnologia al mondo li copre tutti.
20:54
And so, a lot of what has been donefatto with people like DannyDanny HillisHillis and othersaltri
386
1239000
5000
Perciò, molto di ciò che facciamo con Danny Hillis e con altri
20:59
is to try to bringportare in engineeringingegneria principlesi principi, try to bringportare the softwareSoftware.
387
1244000
4000
è importare principi di ingegneria e creare i software necessari.
21:03
We can startinizio to look at differentdiverso componentscomponenti alonglungo this spectrumspettro.
388
1248000
5000
Iniziamo così a osservare i vari componenti in tutto il loro spettro.
21:08
And so, earlierprima was talkedparlato about cross-disciplinecross-disciplina, about collaborationcollaborazione.
389
1253000
5000
Prima si è parlato di interdisciplinarietà, di collaborazione.
21:13
And I think one of the excitingemozionante things that is startingdi partenza to happenaccadere now
390
1258000
3000
E credo che una delle cose entusiasmanti che sta accadendo
21:16
is that people from those fieldsi campi are comingvenuta in.
391
1261000
3000
è che si stanno unendo a noi persone provenienti da altri campi.
21:19
YesterdayIeri, the NationalNazionale CancerCancro InstituteIstituto announcedannunciato a newnuovo programprogramma
392
1264000
3000
Ieri il National Cancer Institute ha annunciato un nuovo programma
21:22
calledchiamato the PhysicalFisica SciencesScienze and OncologyOncologia,
393
1267000
3000
chiamato 'Scienze fisiche e oncologia',
21:25
where physicistsi fisici, mathematiciansmatematici, are broughtportato in to think about cancercancro,
394
1270000
4000
che vede coinvolti anche fisici e matematici
21:29
people who never approachedsi avvicinò it before.
395
1274000
3000
mai avvicinatisi al campo prima d'ora.
21:32
DannyDanny and I got 16 millionmilione dollarsdollari, they announcedannunciato yesterdayieri,
396
1277000
3000
Io e Danny abbiamo ricevuto $ 16 milioni,
21:35
to try to attachallegare this problemproblema.
397
1280000
2000
lo hanno annunciato ieri, per affrontare il problema.
21:37
A wholetotale newnuovo approachapproccio, insteadanziché of givingdando highalto dosesdosi of chemotherapychemioterapia
398
1282000
4000
Un approccio nuovo, che invece di massicce dosi di chemioterapia
21:41
by differentdiverso mechanismsmeccanismi,
399
1286000
2000
usa meccanismi differenti, per implementare una tecnologia
21:43
to try to bringportare technologytecnologia to get a pictureimmagine of what's actuallyin realtà happeningavvenimento in the bodycorpo.
400
1288000
6000
che ci dia una veduta d'insieme di cosa accade nel corpo.
21:49
So, just for two secondssecondi, how these technologiestecnologie work --
401
1294000
4000
Ora, due secondi sul funzionamento di queste tecnologie,
21:53
because I think it's importantimportante to understandcapire it.
402
1298000
3000
perché credo sia importante capirlo.
21:56
What happensaccade is everyogni proteinproteina in your bodycorpo is chargedcarico,
403
1301000
3000
Ogni proteina del corpo ha una propria carica;
21:59
so the proteinsproteine are sprayedspruzzato in, the magnetmagnete spinsgiri them around,
404
1304000
4000
se si iniettano in una macchina, un magnete
22:03
and then there's a detectorrivelatore at the endfine.
405
1308000
2000
le fa girare e alla fine c'è un rilevatore. Il tempo necessario
22:05
When it hitcolpire that detectorrivelatore is dependentdipendente on the massmassa and the chargecarica.
406
1310000
5000
per colpirlo dipende dalla massa e dalla carica della proteina.
22:10
And so we can accuratelycon precisione -- if the magnetmagnete is biggrande enoughabbastanza,
407
1315000
3000
Con tecniche così precise, se il magnete è abbastanza grande
22:13
and your resolutionrisoluzione is highalto enoughabbastanza --
408
1318000
2000
e la risoluzione abbastanza alta,
22:15
you can actuallyin realtà detectindividuare all of the proteinsproteine in the bodycorpo
409
1320000
3000
si possono davvero individuare tutte le proteine del corpo
22:18
and startinizio to get an understandingcomprensione of the individualindividuale systemsistema.
410
1323000
4000
e iniziare a comprendere il sistema.
22:22
And so, as a cancercancro doctormedico,
411
1327000
2000
Quindi io, oncologo,
22:24
insteadanziché of havingavendo papercarta in my chartgrafico, in your chartgrafico, and it beingessere this thickdenso,
412
1329000
5000
invece di una cartella medica spessa così,
22:29
this is what datadati flowflusso is startingdi partenza to look like in our officesuffici,
413
1334000
4000
avrò un flusso di dati come questo,
22:33
where that dropfar cadere of bloodsangue is creatingla creazione di gigabytesGigabyte of datadati.
414
1338000
3000
gigabyte di dati derivati da quella goccia di sangue.
22:36
ElectronicElettronica datadati elementselementi are describingdescrivendo everyogni aspectaspetto of the diseasemalattia.
415
1341000
4000
Dati elettronici su ogni aspetto della malattia.
22:40
And certainlycertamente the goalobbiettivo is we can startinizio to learnimparare from everyogni encounterincontrare
416
1345000
4000
E l'obiettivo è che ogni visita al paziente porti nuove scoperte
22:44
and actuallyin realtà movemossa forwardinoltrare, insteadanziché of just havingavendo encounterincontrare and encounterincontrare,
417
1349000
5000
e ci faccia progredire, invece di fare visite su visite
22:49
withoutsenza fundamentalfondamentale learningapprendimento.
418
1354000
2000
senza imparare nulla di nuovo.
22:51
So, to concludeconcludere, we need to get away from reductionistriduzionista thinkingpensiero.
419
1356000
6000
In conclusione, dobbiamo allontanarci dal riduzionismo
22:57
We need to startinizio to think differentlydiversamente and radicallyradicalmente.
420
1362000
4000
e iniziare a pensare in modo radicalmente diverso.
23:01
And so, I imploreimplorare everyonetutti here: Think differentlydiversamente. Come up with newnuovo ideasidee.
421
1366000
4000
Lo chiedo a tutti voi, pensate diversamente. Proponete
23:05
Tell them to me or anyonechiunque elsealtro in our fieldcampo,
422
1370000
3000
nuove idee a me o a chiunque nel mio campo,
23:08
because over the last 59 yearsanni, nothing has changedcambiato.
423
1373000
3000
perché negli ultimi 59 anni nulla è cambiato,
23:11
We need a radicallyradicalmente differentdiverso approachapproccio.
424
1376000
3000
mentre serve un approccio totalmente diverso.
23:14
You know, AndyAndy GroveGrove steppedfatto un passo down as chairmanpresidente of the boardtavola at IntelIntel --
425
1379000
3000
Quando Andy Grove si è dimesso da presidente della Intel
23:17
and AndyAndy was one of my mentorsmentori, toughdifficile individualindividuale.
426
1382000
3000
-- e lui è stato uno dei miei mentori, un tipo tosto --
23:20
When AndyAndy steppedfatto un passo down, he said,
427
1385000
2000
quando si è dimesso, ha affermato:
23:22
"No technologytecnologia will winvincere. TechnologyTecnologia itselfsi will winvincere."
428
1387000
3000
"Non c'è una tecnologia che vincerà. La stessa tecnologia vincerà".
23:25
And I'm a firmazienda believercredente, in the fieldcampo of medicinemedicina and especiallyparticolarmente cancercancro,
429
1390000
4000
E sono fermamente convinto che in medicina, specie in oncologia,
23:29
that it's going to be a broadampio platformpiattaforma of technologiestecnologie
430
1394000
3000
ci sarà bisogno di una vasta piattaforma di tecnologie
23:32
that will help us movemossa forwardinoltrare
431
1397000
2000
che ci permettano di fare passi in avanti
23:34
and hopefullyfiduciosamente help patientspazienti in the near-termbreve termine.
432
1399000
2000
e, speriamo, aiutare i pazienti a breve.
23:36
Thank you very much.
433
1401000
2000
Grazie infinite.
Translated by Alessandra Pinchetti
Reviewed by Kim Grego

▲Back to top

ABOUT THE SPEAKER
David Agus - Cancer Doctor
Although a highly-accomplished conventional doctor, David Agus has embraced the future of medicine and is constantly exploring ways that new technologies can help in the fight against cancer.

Why you should listen

David Agus is a medical doctor and a Professor of Medicine at the University of Southern California. However, he is also the founder of a couple of game-changing medical initiatives. In 2006, he co-founded Navigenics with Dietrich Stephan, Ph.D., to form a company that would provide people with their individual genetic information, allowing them to act on any predispositions to disease that they might have and prevent onset. He also founded Oncology.com which was the largest cancer Internet resource and community.

Dr. Agus’ research is focused on the application of proteomics and genomics in the study of cancer, as well as developing new therapeutic treatments for cancer. He serves as Director of the USC Center for Applied Molecular Medicine and the USC Westside Prostate Cancer Center. Agus is also the recipient of several honors and awards, including the American Cancer Society Physician Research Award, a Clinical Scholar Award from the Sloan-Kettering Institute and the International Myeloma Foundation Visionary Science Award.

More profile about the speaker
David Agus | Speaker | TED.com