English-Video.net comment policy

The comment field is common to all languages

Let's write in your language and use "Google Translate" together

Please refer to informative community guidelines on TED.com

TEDMED 2015

Russ Altman: What really happens when you mix medications?

ラス・オルトマン: 薬を併用したときに何が起きるか?

Filmed
Views 1,602,167

2つの薬を別々の理由で飲んでいるのなら、1つ怖いことをお教えしましょう。薬の相互作用は研究が極めて難しいため、医者は薬を組み合わせたとき何が起こるかすっかり理解しているわけではないということです。ラス・オルトマンがこの大変刺激的かつ分かりやすい講演で聞かせてくれるのは、薬の予期せぬ相互作用を見つけるために、ちょっと意外な方法—検索語を使うという話です。

- Big data techno-­optimist and internist
Russ Altman uses machine learning to better understand adverse effects of medication. Full bio

Soそう you君は go行く to theその doctor医師
andそして get取得する some一部 testsテスト.
病院に行って
検査を受けたところ
00:12
Theその doctor医師 determines決定する
thatそれ you君は have持ってる high高い cholesterolコレステロール
コレステロールが高いので
00:16
andそして you君は would〜する benefit利益
fromから medication投薬 to treat治療する itそれ.
薬で下げた方が良いと
診断されました
00:19
Soそう you君は get取得する aa pillboxピルボックス.
それで薬の瓶を
1つ手にします
00:22
You君は have持ってる some一部 confidence信頼,
患者も医者も
00:25
yourきみの physician医師 has持っている some一部 confidence信頼
thatそれ thisこの is going行く to work作業.
薬は効くはずだと
信じています
00:26
Theその company会社 thatそれ invented発明された itそれ didした
aa lotロット of studies研究, submitted提出済み itそれ to theその FDAFDA.
薬を作った会社は 多くの研究を
重ねた上で 薬の認可を申請し
00:29
They彼ら studied研究した itそれ very非常に carefully慎重に,
skeptically懐疑的な, they彼ら approved承認された itそれ.
FDAは細心の注意を払って
批判的に審査した上で認可を出しています
00:33
They彼ら have持ってる aa rough荒い ideaアイディア of howどうやって itそれ works作品,
薬がどのように働き
00:36
they彼ら have持ってる aa rough荒い ideaアイディア
of what theその side effects効果 are.
どんな副作用があるかは
おおよそ分かっていて
00:38
Itそれ should〜すべき be〜する OKOK.
大丈夫なはずだと
00:40
You君は have持ってる aa little少し moreもっと
of aa conversation会話 with〜と yourきみの physician医師
さらに話していると
医者が少し懸念を持ちます
00:42
andそして theその physician医師 is aa little少し worried心配している
becauseなぜなら you'veあなたは beenされている blue,
どうも少し ふさぎ気味だ
00:45
haven't持っていない feltフェルト like好きな yourselfあなた自身,
何か違和感がある
00:48
you君は haven't持っていない beenされている ableできる to enjoy楽しんで thingsもの
in life生活 quiteかなり asとして muchたくさん asとして you君は usually通常 do行う.
以前のように
物事を楽しめない
00:50
Yourきみの physician医師 says言う, "You君は know知っている,
I think思う you君は have持ってる some一部 depressionうつ病.
医者が言います
「少しうつの傾向があるようです
00:53
I'm私は going行く to have持ってる to give与える
you君は another別の pillピル."
薬をもう1つ
飲んだほうがいいですね」
00:57
Soそう now we're私たちは talking話す
about two medications.
これで薬が2つになりました
01:00
Thisこの pillピル alsoまた、 --- millions何百万
of people have持ってる taken撮影 itそれ,
こちらの薬も
何百万という人が使っていて
01:03
theその company会社 didした studies研究,
theその FDAFDA looked見た at〜で itそれ --- allすべて good良い.
製薬会社が研究をし FDAが
チェックしていて 問題のないものです
01:06
Think思う thingsもの should〜すべき go行く OKOK.
こっちは大丈夫なはずです
01:10
Think思う thingsもの should〜すべき go行く OKOK.
こっちは大丈夫なはずです
01:12
Wellよく, wait待つ aa minute.
でも 待ってください
01:15
Howどうやって muchたくさん have持ってる we我々 studied研究した
theseこれら two together一緒に?
両方同時に使った場合については
どれほど研究されているのでしょう?
01:16
Wellよく, it'sそれは very非常に hardハード to do行う thatそれ.
それは 実際 行うのが難しく
01:20
In fact事実, it'sそれは notない traditionally伝統的に done完了.
通常は行われていません
01:22
We我々 totally完全に depend依存する on what we我々 callコール
"post-marketingポストマーケティング surveillance監視,"
私たちはもっぱら
01:25
after theその drugs薬物 hitヒット theその market市場.
「市販後調査」と呼ばれるものに
頼っています
01:30
Howどうやって canできる we我々 figure数字 outでる
ifif bad悪い thingsもの are happeningハプニング
2つの薬の併用で
問題が生じているかは
01:32
betweenの間に two medications?
どうすれば
わかるのでしょう?
01:35
Three? Five? Sevenセブン?
併用が 3つ 5つ 7つの場合は?
01:37
Ask尋ねる yourきみの favoriteお気に入り person
who has持っている severalいくつかの diagnoses診断
病気をいくつも抱えた人に
01:39
howどうやって manyたくさんの medications they're彼らは on.
薬をいったい何種飲んでいるのか
聞いてご覧なさい
01:42
Whyなぜ do行う I careお手入れ about thisこの problem問題?
私はこの問題に
とても関心があります
01:44
I careお手入れ about itそれ deeply深く.
なぜかというと
01:46
I'm私は an informatics情報学 andそして dataデータ science科学 guy
andそして really本当に, in myじぶんの opinion意見,
私はインフォマティクスとデータサイエンスを
専門とする人間ですが 私の考えでは
01:47
theその onlyのみ hope希望 --- onlyのみ hope希望 ---
to understandわかる theseこれら interactionsインタラクション
そのような薬の相互作用について理解する
唯一見込みのある方法は
01:51
is to leverage活用 lotsロット
of different異なる sourcesソース of dataデータ
様々な異なる情報源のデータを
活用することなんです
01:55
in order注文 to figure数字 outでる
whenいつ drugs薬物 canできる be〜する used中古 together一緒に safely安全に
それによって薬が併用して
安全か安全でないか
01:58
andそして whenいつ it'sそれは notない soそう safe安全.
分かるようになります
02:02
Soそう let〜する me telltell you君は aa dataデータ science科学 storyストーリー.
データサイエンスの方法を
お聞かせしましょう
02:04
Andそして itそれ begins始まる with〜と myじぶんの student学生 Nickニック.
話は私の教え子から
始まります
02:06
Let'sさあ callコール him "Nickニック,"
becauseなぜなら that'sそれは his name.
彼を「ニック」と呼ぶことにしましょう
それが彼の名前なので
02:08
(Laughter笑い)
(笑)
02:11
Nickニック wasあった aa young若い student学生.
若い学生のニックに
私は言いました
02:12
I said前記, "You君は know知っている, Nickニック, we我々 have持ってる
to understandわかる howどうやって drugs薬物 work作業
「薬は単独で
あるいは併用したとき
02:14
andそして howどうやって they彼ら work作業 together一緒に
andそして howどうやって they彼ら work作業 separately別々に,
どう働くのか
理解する必要があるが
02:17
andそして we我々 don'tしない have持ってる aa greatすばらしいです understanding理解.
我々はあまり良く
理解しているとは言えない
02:19
Butだけど theその FDAFDA has持っている made available利用可能な
an amazing素晴らしい databaseデータベース.
しかしFDAが作った
素晴らしいデータベースがある
02:21
It'sそれは aa databaseデータベース of adverse有害な eventsイベント.
有害事象のデータベースだ」
02:24
They彼ら literally文字通り put置く on theその webウェブ ---
文字通りWebサイトで
公開されていて
02:26
publicly公然と available利用可能な, you君は couldできた allすべて
downloadダウンロード itそれ right now ---
誰でもすぐダウンロードできます
02:27
hundreds数百 of thousands
of adverse有害な eventイベント reportsレポート
そこには患者 医者 企業
薬剤師から寄せられた
02:31
fromから patients患者, doctors医師,
companies企業, pharmacists薬剤師.
何十万という有害事象の報告が
集められています
02:34
Andそして theseこれら reportsレポート are prettyかなり simple単純:
このデータはとても
シンプルなもので
02:38
itそれ has持っている allすべて theその diseases病気
thatそれ theその patient患者 has持っている,
その患者が抱える
すべての病気
02:40
allすべて theその drugs薬物 thatそれ they're彼らは on,
処方されている
すべての薬
02:43
andそして allすべて theその adverse有害な eventsイベント,
orまたは side effects効果, thatそれ they彼ら experience経験.
そして経験されたすべての有害事象
ないしは副作用が書かれています
02:44
Itそれ is notない allすべて of theその adverse有害な eventsイベント
thatそれ are occurring発生する in Americaアメリカ today今日,
米国で発生している有害事象が
網羅されているわけではありませんが
02:48
butだけど it'sそれは hundreds数百 andそして hundreds数百
of thousands of drugs薬物.
何百何千という薬の
データがあります
02:52
Soそう I said前記 to Nickニック,
それでニックに言いました
02:54
"Let'sさあ think思う about glucoseグルコース.
「血糖を検討してみよう
02:56
Glucoseグルコース is very非常に important重要,
andそして we我々 know知っている it'sそれは involved関係する with〜と diabetes糖尿病.
血糖はとても重要で
糖尿病に関与していることが分かっている
02:57
Let'sさあ see見る ifif we我々 canできる understandわかる
glucoseグルコース response応答.
薬による血糖の変化について
何か分かるかやってみよう」
03:01
I sent送られた Nickニック offオフ. Nickニック came来た backバック.
そしてニックを送り出し
ニックが戻ってきました
03:05
"Russロス," he said前記,
「先生 このデータベースの
データに基づいて
03:08
"I've私は created作成した aa classifier分級機 thatそれ canできる
look見える at〜で theその side effects効果 of aa drugドラッグ
副作用による
薬の分類を作りました
03:10
basedベース on looking探している at〜で thisこの databaseデータベース,
これを使うと
03:15
andそして canできる telltell you君は whetherかどうか thatそれ drugドラッグ
is likelyおそらく to change変化する glucoseグルコース orまたは notない."
薬で血糖が変わるか
どうか分かります」
03:17
He didした itそれ. Itそれ wasあった very非常に simple単純, in aa way方法.
彼のやったことは
ごく単純です
03:21
He took取った allすべて theその drugs薬物
thatそれ wereあった known既知の to change変化する glucoseグルコース
血糖を変えることが
分かっている薬のグループと
03:23
andそして aa bunch of drugs薬物
thatそれ don'tしない change変化する glucoseグルコース,
血糖を変えない薬のグループを
比較したんです
03:26
andそして said前記, "What's何ですか theその difference
in their彼らの side effects効果?
「両者の副作用に
どんな違いがあるのか?
03:28
Differences相違 in fatigue疲労? In appetite食欲?
In urination排尿 habits習慣?"
倦怠感は? 食欲は? 排尿習慣は?」
03:31
Allすべて thoseそれら thingsもの conspired共謀した
to give与える him aa really本当に good良い predictorプレディクタ.
これらを合わせると
とても良い指標になります
03:36
He said前記, "Russロス, I canできる predict予測する
with〜と 93 percentパーセント accuracy正確さ
「薬が血糖を変えるかどうか
03:39
whenいつ aa drugドラッグ will意志 change変化する glucoseグルコース."
93%の精度で当てられます」と
03:42
I said前記, "Nickニック, that'sそれは greatすばらしいです."
「すごいじゃないか」
03:43
He's彼は aa young若い student学生,
you君は have持ってる to buildビルドする his confidence信頼.
若い学生です 自信を付けて
やらなきゃいけません (笑)
03:45
"Butだけど Nickニック, there'sそこに aa problem問題.
「問題は
03:48
It'sそれは thatそれ everyすべて physician医師 in theその world世界
knows知っている allすべて theその drugs薬物 thatそれ change変化する glucoseグルコース,
どの薬が血糖に影響するか
医者ならみんな知っているということだ
03:49
becauseなぜなら it'sそれは coreコア to our我々の practice練習.
とても重要なことだからね
03:53
Soそう it'sそれは greatすばらしいです, good良い jobジョブ,
butだけど notない really本当に thatそれ interesting面白い,
良い成果だが
本当に興味深いとは言えず
03:55
definitely絶対に notない publishable発行可能な."
論文にはならないな」
03:59
(Laughter笑い)
(笑)
04:01
He said前記, "I know知っている, Russロス.
I thought思想 you君は mightかもしれない sayいう thatそれ."
「先生がそう言うのは
分かっていました」
04:02
Nickニック is smartスマート.
ニックは頭の良い学生です
04:04
"I thought思想 you君は mightかもしれない sayいう thatそれ,
soそう I didした one1 otherその他 experiment実験.
「そうくると思って
もう1つ実験をしました
04:06
I looked見た at〜で people in thisこの databaseデータベース
who wereあった on two drugs薬物,
データベースで薬を
2つ併用している患者に
04:09
andそして I looked見た forために signalsシグナル similar類似,
glucose-changingグルコース変化 signalsシグナル,
血糖が変化している
兆候がないか探したんです
04:11
forために people taking取る two drugs薬物,
服用している2つの薬が
04:16
whereどこで each drugドラッグ alone単独で
didした notない change変化する glucoseグルコース,
単独では血糖を
変えないけれど
04:18
butだけど together一緒に I saw見た aa strong強い signal信号."
併用すると 変化する見込みが
高いケースです」
04:23
Andそして I said前記, "Ohああ! You'reあなたは clever賢い.
Good良い ideaアイディア. Showショー me theその listリスト."
「なるほど いいアイデアだ
リストを見せてご覧」
04:26
Andそして there'sそこに aa bunch of drugs薬物,
notない very非常に excitingエキサイティング.
そこには あまり興味を引かない薬が
たくさん並んでいましたが
04:29
Butだけど what caught捕らえられた myじぶんの eye
wasあった, on theその listリスト thereそこ wereあった two drugs薬物:
目を引く薬が
2つありました
04:31
paroxetineパロキセチン, orまたは Paxilパキシル, an antidepressant抗うつ薬;
パロキセチン 別名パキシルという
抗うつ薬と
04:35
andそして pravastatinプラバスタチン, orまたは Pravacholプラバコール,
aa cholesterolコレステロール medication投薬.
プラバスタチン 別名プラバコールという
高コレステロール血症治療薬です
04:39
Andそして I said前記, "Huhハァッ. Thereそこ are millions何百万
of Americansアメリカ人 on thoseそれら two drugs薬物."
「おや この2つを飲んでいる患者なら
アメリカに何百万人もいるぞ」
04:43
In fact事実, we我々 learned学んだ later後で,
実際後で分かったことですが
04:48
15 million百万 Americansアメリカ人 on paroxetineパロキセチン
at〜で theその time時間, 15 million百万 on pravastatinプラバスタチン,
その当時でパロキセチンは1500万人
プラバスタチンも1500万人のアメリカ人が服用しており
04:49
andそして aa million百万, we我々 estimated推定, on bothどちらも.
両方服用している人が
百万人ほどいると推定されました
04:55
Soそう that'sそれは aa million百万 people
つまり百万人もの人が
薬のせいで
04:58
who mightかもしれない be〜する having持つ some一部 problems問題
with〜と their彼らの glucoseグルコース
血糖の問題を抱えている
かもしれないのです
05:00
ifif thisこの machine-learning機械学習 mumboムンボ jumboジャンボ
thatそれ he didした in theその FDAFDA databaseデータベース
ニックがFDAのデータを
機械学習にかけて
05:02
actually実際に holds保持 upアップ.
ごちゃごちゃやった結果が
もし正しいのであれば
05:05
Butだけど I said前記, "It'sそれは stillまだ notない publishable発行可能な,
「でもまだ論文にはできないな
05:07
becauseなぜなら I love what you君は didした
with〜と theその mumboムンボ jumboジャンボ,
君のやっている
機械学習とか言うやつを
05:08
with〜と theその machine機械 learning学習,
私は面白いと思うが
05:11
butだけど it'sそれは notない really本当に standard-of-proof標準証明
evidence証拠 thatそれ we我々 have持ってる."
我々の分野で確立した
実証方法とは言えない」
05:12
Soそう we我々 have持ってる to do行う something何か elseelse.
もっと何かやる
必要があります
05:17
Let'sさあ go行く into theその Stanfordスタンフォード
electronic電子 medical医療 record記録.
スタンフォードの電子医療記録に
あたってみることにしました
05:19
We我々 have持ってる aa copyコピー of itそれ
that'sそれは OKOK forために research研究,
研究室にコピーがあって
05:22
we我々 removed除去された identifying識別 information情報.
個人情報を取り除けば
研究目的に使えました
05:24
Andそして I said前記, "Let'sさあ see見る ifif people
on theseこれら two drugs薬物
「この2つの薬を
使っている患者に
05:26
have持ってる problems問題 with〜と their彼らの glucoseグルコース."
血糖の問題がないか
見てみよう」
05:29
Now thereそこ are thousands
andそして thousands of people
パロキセチンとプラバスタチンを
使っている患者なら
05:31
in theその Stanfordスタンフォード medical医療 records記録
thatそれ take取る paroxetineパロキセチン andそして pravastatinプラバスタチン.
スタンフォードの医療記録に
何千人もいましたが
05:33
Butだけど we我々 needed必要な special特別 patients患者.
私たちは特別な患者を
必要としていました
05:36
We我々 needed必要な patients患者 who wereあった on one1 of themそれら
andそして had持っていました aa glucoseグルコース measurement測定,
最初一方を服用していて
血糖値を測定し
05:38
then次に got持っている theその second二番 one1 andそして had持っていました
another別の glucoseグルコース measurement測定,
それからもう一方を服用し
また血糖値を測定するというのを
05:43
allすべて within以内 aa reasonable合理的な period期間 of time時間 ---
something何か like好きな two months数ヶ月.
2ヶ月というような
適当な期間内に行った患者です
05:46
Andそして whenいつ we我々 didした thatそれ,
we我々 found見つけた 10 patients患者.
探してみたら
10人見つかりました
05:50
Howeverしかしながら, eight8 outでる of theその 10
had持っていました aa bumpバンプ in their彼らの glucoseグルコース
そして10人中 8人で
血糖の増加が
05:54
whenいつ they彼ら got持っている theその second二番 Pp ---
we我々 callコール thisこの Pp andそして Pp ---
2番目のPの後 — 2つの薬を
P & P と呼んでいるんですが —
05:59
whenいつ they彼ら got持っている theその second二番 Pp.
見られました
06:01
Eitherどちらか one1 couldできた be〜する first最初,
theその second二番 one1 comes来る upアップ,
どちらが先でも同じで
2番目の薬を服用したとたんに
06:03
glucoseグルコース went行った upアップ
20 milligramsミリグラム per〜ごと deciliterデシリットル.
血糖が 20mg/dl 上昇したんです
06:05
Justちょうど asとして aa reminder思い出させる,
参考までに
06:08
you君は walk歩く aroundまわり normally通常は,
ifif you'reあなたは notない diabetic糖尿病,
普通に生活している人は
糖尿病でなければ
06:09
with〜と aa glucoseグルコース of aroundまわり 90.
血糖値は90程度です
06:12
Andそして ifif itそれ gets取得 upアップ to 120, 125,
それが120とか125になったら
06:13
yourきみの doctor医師 begins始まる to think思う
about aa potential潜在的な diagnosis診断 of diabetes糖尿病.
医者は糖尿病の可能性を
疑い始めます
06:15
Soそう aa 20 bumpバンプ --- prettyかなり significant重要な.
だから20の上昇というのは
見過ごせないものです
06:19
I said前記, "Nickニック, thisこの is very非常に coolクール.
「ニック これはすごいぞ
06:22
Butだけど, I'm私は sorryごめんなさい, we我々 stillまだ
don'tしない have持ってる aa paper,
だが残念ながら
まだ論文にはできない
06:25
becauseなぜなら thisこの is 10 patients患者
andそして --- give与える me aa breakブレーク ---
たった10人では
06:27
it'sそれは notない enough十分な patients患者."
どう見ても少なすぎる」
06:30
Soそう we我々 said前記, what canできる we我々 do行う?
どうしたらいいか?
06:31
Andそして we我々 said前記, let'sさあ callコール our我々の friends友達
at〜で Harvardハーバード andそして Vanderbiltバンダービルト,
ボストンにあるハーバード大と
ナッシュビルにあるヴァンダービルト大の
06:32
who alsoまた、 --- Harvardハーバード in Bostonボストン,
Vanderbiltバンダービルト in Nashvilleナッシュビル,
知り合いに電話する
ことにしました
06:35
who alsoまた、 have持ってる electronic電子
medical医療 records記録 similar類似 to ours私たちのもの.
両大学にもスタンフォードと同様の
電子医療記録があります
06:38
Let'sさあ see見る ifif they彼ら canできる find見つける
similar類似 patients患者
最初のPと
次のPの服用と
06:41
with〜と theその one1 Pp, theその otherその他 Pp,
theその glucoseグルコース measurements測定値
血糖値測定を
必要な期間内に行っている患者を
06:43
in thatそれ range範囲 thatそれ we我々 need必要.
探してもらうことにしました
06:46
God bless祝福 themそれら, Vanderbiltバンダービルト
in one1 week週間 found見つけた 40 suchそのような patients患者,
ありがたいことに ヴァンダービルト大からは
1週間で そのような患者が40人見つかり
06:48
same同じ trend傾向.
同じ傾向が見られました
06:53
Harvardハーバード found見つけた 100 patients患者, same同じ trend傾向.
ハーバード大からは100人の患者が見つかり
同じ傾向が見られました
06:55
Soそう at〜で theその end終わり, we我々 had持っていました 150 patients患者
fromから three diverse多様 medical医療 centersセンター
最終的に3つの異なる医療センターで
150人の患者が見つかり
06:59
thatそれ wereあった telling伝える us米国 thatそれ patients患者
getting取得 theseこれら two drugs薬物
これら2つの薬を
併用すると
07:03
wereあった having持つ their彼らの glucoseグルコース bumpバンプ
somewhat幾分 significantly有意に.
血糖が有意に上昇することを
示していました
07:07
Moreもっと interestingly興味深いことに,
we我々 had持っていました left outでる diabetics糖尿病患者,
さらに興味深いのは
07:10
becauseなぜなら diabetics糖尿病患者 already既に
have持ってる messed乱された upアップ glucoseグルコース.
血糖にすでに異常のある
糖尿病患者は当初除外していたんですが
07:13
Whenいつ we我々 looked見た
at〜で theその glucoseグルコース of diabetics糖尿病患者,
糖尿病患者の場合には
07:15
itそれ wasあった going行く upアップ 60 milligramsミリグラム
per〜ごと deciliterデシリットル, notない justちょうど 20.
20mgではなく60mgも
上昇することが分かりました
07:17
Thisこの wasあった aa big大きい deal対処, andそして we我々 said前記,
"We've私たちは got持っている to publish公開する thisこの."
これは重大なことです
07:21
We我々 submitted提出済み theその paper.
「これは発表しなきゃいけない」となって
論文を提出しました
07:25
Itそれ wasあった allすべて dataデータ evidence証拠,
証拠はすべてデータです
07:26
dataデータ fromから theその FDAFDA, dataデータ fromから Stanfordスタンフォード,
FDAのデータ
スタンフォード大のデータ
07:28
dataデータ fromから Vanderbiltバンダービルト, dataデータ fromから Harvardハーバード.
ヴァンダービルト大のデータ
ハーバード大のデータ
07:31
We我々 had持っていました notない done完了 aa singleシングル realリアル experiment実験.
自分で実験は
1つもしていません
07:33
Butだけど we我々 wereあった nervous神経質な.
でも少し不安になったので
07:36
Soそう Nickニック, whilewhile theその paper
wasあった in reviewレビュー, went行った to theその lab研究室.
論文が査読を受けている間に
07:38
We我々 found見つけた somebody誰か
who knew知っていた about lab研究室 stuffもの.
実験ができる人間を探しました
07:41
I don'tしない do行う thatそれ.
私はやりませんので
07:44
I take取る careお手入れ of patients患者,
butだけど I don'tしない do行う pipettesピペット.
患者は診ますが
ピペットは使いません
07:45
They彼ら taught教えた us米国 howどうやって to feedフィード miceマウス drugs薬物.
マウスに薬を与える
やり方を習いました
07:49
We我々 took取った miceマウス andそして we我々 gave与えた themそれら
one1 Pp, paroxetineパロキセチン.
あるマウスのグループには
パロキセチンを与え
07:52
We我々 gave与えた some一部 otherその他 miceマウス pravastatinプラバスタチン.
別のグループには
プラバスタチンを与え
07:55
Andそして we我々 gave与えた aa third三番 groupグループ
of miceマウス bothどちらも of themそれら.
第3のグループには
両方与えました
07:57
Andそして lo andそして behold見よ, glucoseグルコース went行った upアップ
20 to 60 milligramsミリグラム per〜ごと deciliterデシリットル
するとマウスでも
20〜60mg/dlの
08:01
in theその miceマウス.
血糖上昇が見られました
08:05
Soそう theその paper wasあった accepted受け入れられた
basedベース on theその informatics情報学 evidence証拠 alone単独で,
論文はインフォマティクス的な
証拠だけで受理されましたが
08:07
butだけど we我々 added追加された aa little少し note注意 at〜で theその end終わり,
最後に注釈を
追加しておきました
08:10
saying言って, ohああ by〜によって theその way方法,
ifif you君は give与える theseこれら to miceマウス, itそれ goes行く upアップ.
「ちなみに マウスに投与したところ
上昇が見られた」
08:12
Thatそれ wasあった greatすばらしいです, andそして theその storyストーリー
couldできた have持ってる ended終了しました thereそこ.
素晴らしい結果です
話はここで終わりにしてもいいんですが
08:15
Butだけど I stillまだ have持ってる six6 andそして aa halfハーフ minutes.
まだ6分半残っています
08:17
(Laughter笑い)
(笑)
08:19
Soそう we我々 wereあった sitting座っている aroundまわり
thinking考え about allすべて of thisこの,
この件について考えていて
08:22
andそして I don'tしない remember思い出す who thought思想
of itそれ, butだけど somebody誰か said前記,
誰だったのか覚えていませんが
こう言いました
08:25
"I wonderワンダー ifif patients患者
who are taking取る theseこれら two drugs薬物
「この2つの薬を
服用した患者の中に
08:28
are noticing気づく side effects効果
of hyperglycemia高血糖.
高血糖の副作用に気付いた人は
いなかったのかな?
08:31
They彼ら couldできた andそして they彼ら should〜すべき.
気付いて良さそうなものだけど
08:34
Howどうやって would〜する we我々 everこれまで determine決定する thatそれ?"
どうすればわかるだろう?」
08:36
We我々 said前記, wellよく, what do行う you君は do行う?
「患者はどうするだろう?
08:39
You'reあなたは taking取る aa medication投薬,
one1 new新しい medication投薬 orまたは two,
薬を1つか2つ
新たに服用し始めて
08:41
andそして you君は get取得する aa funny面白い feeling感じ.
何か具合が
悪くなったとしたら
08:43
What do行う you君は do行う?
どうするか?
08:45
You君は go行く to Googlegoogle
飲んでいる薬の名前に
08:46
andそして typeタイプ in theその two drugs薬物 you'reあなたは taking取る
orまたは theその one1 drugドラッグ you'reあなたは taking取る,
「副作用」という
キーワードを追加して
08:47
andそして you君は typeタイプ in "side effects効果."
Googleで検索し
08:50
What are you君は experiencing経験する?
自分の症状を
探してみるんじゃないかな?」
08:52
Soそう we我々 said前記 OKOK,
それでGoogleに
08:54
let'sさあ ask尋ねる Googlegoogle ifif they彼ら will意志 shareシェア
their彼らの searchサーチ logsログ with〜と us米国,
検索ログを見せてくれるよう
頼んでみよう
08:55
soそう thatそれ we我々 canできる look見える at〜で theその searchサーチ logsログ
ということになりました
08:58
andそして see見る ifif patients患者 are doingやっている
theseこれら kinds種類 of searches検索.
患者がそのような検索をしていないか
調べようというわけです
09:00
Googlegoogle, I am午前 sorryごめんなさい to sayいう,
denied否定された our我々の request要求.
あいにく我々の依頼は
Googleに断られ
09:02
Soそう I wasあった bummed痛い.
とてもがっかりしました
09:06
I wasあった at〜で aa dinnerディナー with〜と aa colleague同僚
who works作品 at〜で Microsoftマイクロソフト Research研究
Microsoftリサーチで働く仕事仲間と
食事していた時に
09:07
andそして I said前記, "We我々 wanted欲しい to do行う thisこの study調査,
こういう研究を
したいんだけど
09:11
Googlegoogle said前記 noいいえ, it'sそれは kind種類 of aa bummerバマー."
Googleに断られて
参ったという話をすると
09:13
He said前記, "Wellよく, we我々 have持ってる
theその Bingビング searches検索."
彼が言いました
「うちにBing検索というのがあるけど・・・」
09:15
(Laughter笑い)
(笑)
09:18
Yeahええ.
ほう
09:22
That'sそれは greatすばらしいです.
そりゃいいね
09:24
Now I feltフェルト like好きな I wasあった ---
私は内心もう —
09:25
(Laughter笑い)
(笑)
09:26
I feltフェルト like好きな I wasあった talking話す to Nickニック again再び.
またニックと話しているような
感じになりました
09:27
He works作品 forために one1 of theその largest最大
companies企業 in theその world世界,
世界最大の企業の1つで
働いている男です
09:30
andそして I'm私は already既に trying試す
to make作る him feel感じる betterより良い.
私はもう おだてる姿勢に
入っていました
09:33
Butだけど he said前記, "Noいいえ, Russロス ---
you君は mightかもしれない notない understandわかる.
すると彼が言います
「誤解したかもしれませんが
09:35
We我々 notない onlyのみ have持ってる Bingビング searches検索,
うちにはBing検索がある
というだけじゃなくて
09:37
butだけど ifif you君は useつかいます Internetインターネット Explorer冒険者
to do行う searches検索 at〜で Googlegoogle,
Internet Explorerで検索していれば
Googleだろうと
09:39
Yahooヤフー, Bingビング, anyどれか ...
Yahooだろうと
Bingだろうと
09:42
Then次に, forために 18 months数ヶ月, we我々 keepキープ thatそれ dataデータ
forために research研究 purposes目的 onlyのみ."
研究目的限定でデータを
18ヶ月分保持してあるんです」
09:44
I said前記, "Now you'reあなたは talking話す!"
「そりゃ願ってもない!」
09:48
Thisこの wasあった Ericエリック Horvitzホーヴィッツ,
myじぶんの friend友人 at〜で Microsoftマイクロソフト.
彼はエリック・ホーヴィッツという
Microsoftにいる友人です
09:50
Soそう we我々 didした aa study調査
それで研究に取りかかり
09:52
whereどこで we我々 defined定義された 50 words言葉
thatそれ aa regular定期的 person mightかもしれない typeタイプ in
高血糖の一般の人が
検索に使いそうな言葉を
09:54
ifif they're彼らは having持つ hyperglycemia高血糖,
50個リストアップしました
09:58
like好きな "fatigue疲労," "loss損失 of appetite食欲,"
"urinating排尿する aa lotロット," "peeingおしっこ aa lotロット" ---
「疲れる」「食欲がない」
「尿の量が多い」「おしっこが多い」
10:00
forgive許す me, butだけど that'sそれは one1
of theその thingsもの you君は mightかもしれない typeタイプ in.
そういった みんなの
使いそうな言葉です
10:05
Soそう we我々 had持っていました 50 phrasesフレーズ
thatそれ we我々 calledと呼ばれる theその "diabetes糖尿病 words言葉."
これで「糖尿病言葉」と私たちの呼ぶ
50のフレーズができました
10:08
Andそして we我々 didした first最初 aa baselineベースライン.
まず基準となる
値を調べたところ
10:10
Andそして itそれ turnsターン outでる
thatそれ about .5 to one1 percentパーセント
インターネット検索全体のうちの
0.5〜1%は
10:12
of allすべて searches検索 on theその Internetインターネット
involve関与する one1 of thoseそれら words言葉.
糖尿病言葉を含むことが
分かりました
10:15
Soそう that'sそれは our我々の baselineベースライン rateレート.
これが基準になります
10:18
Ifif people typeタイプ in "paroxetineパロキセチン"
orまたは "Paxilパキシル" --- thoseそれら are synonyms同義語 ---
パロキセチンないしはパキシル —
10:20
andそして one1 of thoseそれら words言葉,
この2つは同じですが —
10:24
theその rateレート goes行く upアップ to about two percentパーセント
of diabetes-type糖尿病型 words言葉,
その一方の言葉があるとき
糖尿病言葉が現れる率は2%ほどに上がります
10:25
ifif you君は already既に know知っている
thatそれ there'sそこに thatそれ "paroxetineパロキセチン" wordワード.
パロキセチン言葉が
ある場合です
10:30
Ifif it'sそれは "pravastatinプラバスタチン," theその rateレート goes行く upアップ
to about three percentパーセント fromから theその baselineベースライン.
プラバスタチンがある場合は
基準から上がって3%ほどになります
10:34
Ifif bothどちらも "paroxetineパロキセチン" andそして "pravastatinプラバスタチン"
are presentプレゼント in theその queryクエリ,
検索語にパロキセチンとプラバスタチンが
両方ある場合は
10:39
itそれ goes行く upアップ to 10 percentパーセント,
10%に上がります
10:43
aa huge巨大 three-三- to four-fold4倍 increase増加する
3倍から4倍という
大きな上昇です
10:45
in thoseそれら searches検索 with〜と theその two drugs薬物
thatそれ we我々 wereあった interested興味がある in,
この2つの薬の名を
両方含んだ検索では
10:48
andそして diabetes-type糖尿病型 words言葉
orまたは hyperglycemia-type高血糖症型 words言葉.
糖尿病言葉ないしは高血糖言葉が
よく現れるということです
10:52
We我々 published出版された thisこの,
この結果を
発表すると
10:56
andそして itそれ got持っている some一部 attention注意.
注目を集めました
10:57
Theその reason理由 itそれ deserves〜に値する attention注意
これが注目に値するのは
10:58
is thatそれ patients患者 are telling伝える us米国
their彼らの side effects効果 indirectly間接的に
患者が検索を通して
間接的に
11:00
throughを通して their彼らの searches検索.
副作用について
語っているからです
11:05
We我々 brought持ってきた thisこの
to theその attention注意 of theその FDAFDA.
我々がこれをFDAに示すと
11:06
They彼ら wereあった interested興味がある.
彼らは興味を示し
11:08
They彼ら have持ってる setセット upアップ socialソーシャル mediaメディア
surveillance監視 programsプログラム
Microsoftその他の企業と協力して
11:09
to collaborate協力する with〜と Microsoftマイクロソフト,
ソーシャルメディア監視プログラムを
立ち上げました
11:13
whichどの had持っていました aa niceいい infrastructureインフラ
forために doingやっている thisこの, andそして othersその他,
Microsoftはそのための
良いインフラを持っています
11:15
to look見える at〜で Twitterツイッター feedsフィード,
Twitterフィード
11:17
to look見える at〜で Facebookフェイスブック feedsフィード,
Facebookフィード
11:19
to look見える at〜で searchサーチ logsログ,
検索ログを見て
11:21
to tryお試しください to see見る early早い signs兆候 thatそれ drugs薬物,
eitherどちらか individually個別に orまたは together一緒に,
薬を単独使用ないしは
併用したときに
11:22
are causing原因 problems問題.
問題を起こす兆候を
見つけようとしています
11:27
What do行う I take取る fromから thisこの?
Whyなぜ telltell thisこの storyストーリー?
ここから得られることは何か?
なぜこの話をしたのか?
11:28
Wellよく, first最初 of allすべて,
まず 我々は今や
11:31
we我々 have持ってる now theその promise約束する
of big大きい dataデータ andそして medium-sized中型 dataデータ
薬の相互作用や 薬の効果そのもの
についての理解を助ける
11:32
to help助けて us米国 understandわかる drugドラッグ interactionsインタラクション
有望なビッグテータや
中規模データを
11:36
andそして really本当に, fundamentally根本的に, drugドラッグ actions行動.
手にしているということ
11:39
Howどうやって do行う drugs薬物 work作業?
薬がどう効き
11:41
Thisこの will意志 create作成する andそして has持っている created作成した
aa new新しい ecosystem生態系
薬の使用をどう最適化できるか
理解するための
11:43
forために understanding理解 howどうやって drugs薬物 work作業
andそして to optimize最適化する their彼らの useつかいます.
新しいエコシステムが
できつつあるということです
11:46
Nickニック went行った on; he's彼は aa professor教授
at〜で Columbiaコロンビア now.
ニックは研究を続け
今ではコロンビア大学の教授です
11:50
He didした thisこの in his PhDphd
forために hundreds数百 of pairsペア of drugs薬物.
彼は博士論文で何百という
薬の組み合わせについて調べ
11:52
He found見つけた severalいくつかの
very非常に important重要 interactionsインタラクション,
非常に重要な薬の相互作用を
いくつも見つけました
11:57
andそして soそう we我々 replicated複製された thisこの
我々は同じ方法を適用して
11:59
andそして we我々 showed示した thatそれ thisこの
is aa way方法 thatそれ really本当に works作品
これが 薬の
相互作用を見つける
12:00
forために finding所見 drug-drug薬物 - 薬物 interactionsインタラクション.
有効な方法であることを
示したんです
12:03
Howeverしかしながら, there'sそこに aa coupleカップル of thingsもの.
いくつか考えるべき
ことがあります
12:06
We我々 don'tしない justちょうど useつかいます pairsペア
of drugs薬物 at〜で aa time時間.
薬というのは 1度に2種類までしか
使わないわけではありません
12:08
Asとして I said前記 before, thereそこ are patients患者
on three, five, sevenセブン, nine9人 drugs薬物.
前に言ったように 薬を
3種 5種 7種 9種 使う患者がいます
12:11
Have持ってる they彼ら beenされている studied研究した with〜と respect尊敬
to their彼らの nine-way9道 interactionインタラクション?
9種の薬の相互作用について
研究されているのでしょうか?
12:15
Yesはい, we我々 canできる do行う pair-wiseペアワイズ,
Aa andそして Bb, Aa andそして Cc, Aa andそして Dd,
2つずつ組にして研究することはできます
AとB AとC AとD というように
12:19
butだけど what about Aa, Bb, Cc,
Dd, Ee, Ff, Gg allすべて together一緒に,
しかし 同じ患者が飲む薬
A B C D E F G
12:23
beingであること taken撮影 by〜によって theその same同じ patient患者,
全部一緒にはどうでしょう?
12:28
perhapsおそらく interacting相互作用する with〜と each otherその他
相互作用によって
12:29
in ways方法 thatそれ eitherどちらか makes作る themそれら
moreもっと effective効果的な orまたは lessもっと少なく effective効果的な
効果が増減したり
12:32
orまたは causes原因 side effects効果
thatそれ are unexpected予想外の?
予期しない副作用が
出たりするかもしれません
12:35
We我々 really本当に have持ってる noいいえ ideaアイディア.
まったく分かっていません
12:38
It'sそれは aa blue sky, open開いた fieldフィールド
forために us米国 to useつかいます dataデータ
データを使って薬の相互作用を
理解するといのうは
12:40
to tryお試しください to understandわかる
theその interactionインタラクション of drugs薬物.
手つかずで開かれた
研究領域なんです
12:43
Two moreもっと lessonsレッスン:
教訓がもう2つあります
12:46
I want欲しいです you君は to think思う about theその powerパワー
thatそれ we我々 wereあった ableできる to generate生成する
私たちがデータによって得た力について
考えてほしいのです
12:48
with〜と theその dataデータ fromから people who had持っていました
volunteeredボランティア their彼らの adverse有害な reactions反応
薬剤師や医師を通し
あるいは患者自ら
12:52
throughを通して their彼らの pharmacists薬剤師,
throughを通して themselves自分自身, throughを通して their彼らの doctors医師,
薬害反応について
進んで情報提供し
12:57
theその people who allowed許可された theその databasesデータベース
at〜で Stanfordスタンフォード, Harvardハーバード, Vanderbiltバンダービルト,
スタンフォード大 ハーバード大
ヴァンダービルト大のデータベースで
13:00
to be〜する used中古 forために research研究.
研究利用できるようにしてくれた
人々のデータです
13:04
People are worried心配している about dataデータ.
みんなデータについては
懸念を持っています
13:05
They're彼らは worried心配している about their彼らの privacyプライバシー
andそして securityセキュリティ --- they彼ら should〜すべき be〜する.
プライバシーやセキュリティについて
心配しているし そうあるべきです
13:07
We我々 need必要 secure安全な systemsシステム.
安全なシステムが必要です
13:10
Butだけど we我々 can'tできない have持ってる aa systemシステム
thatそれ closes終了する thatそれ dataデータ offオフ,
しかしデータを封印してしまう
わけにはいきません
13:11
becauseなぜなら itそれ is tooあまりにも richリッチ of aa sourceソース
医学において
新しいことを発見し
13:15
of inspirationインスピレーション, innovation革新 andそして discovery発見
革新し インスピレーションを
得るための
13:17
forために new新しい thingsもの in medicine医学.
非常に豊かな源なんです
13:21
Andそして theその final最後の thingもの I want欲しいです to sayいう is,
最後に言いたいのは
13:24
in thisこの case場合 we我々 found見つけた two drugs薬物
andそして itそれ wasあった aa little少し bitビット of aa sad悲しい storyストーリー.
今回のケースで2つの薬について
発見したのは 少し残念な結果でした
13:26
Theその two drugs薬物 actually実際に caused原因 problems問題.
一緒に使うと問題があって
13:29
They彼ら increased増加した glucoseグルコース.
血糖が上がります
13:31
They彼ら couldできた throwスロー somebody誰か into diabetes糖尿病
誰か糖尿病でなかった人を
13:33
who would〜する otherwiseさもないと notない be〜する in diabetes糖尿病,
糖尿病にしてしまう
かもしれません
13:35
andそして soそう you君は would〜する want欲しいです to useつかいます
theその two drugs薬物 very非常に carefully慎重に together一緒に,
2つの薬を併用する場合には
注意が必要で
13:37
perhapsおそらく notない together一緒に,
一緒には使わないよう
13:41
make作る different異なる choices選択肢
whenいつ you'reあなたは prescribing処方.
処方を変えた方が
良いかもしれません
13:42
Butだけど thereそこ wasあった another別の possibility可能性.
しかし別の
可能性もあります
13:44
We我々 couldできた have持ってる found見つけた
two drugs薬物 orまたは three drugs薬物
2つないしは3つの薬が
良い方向に相互作用することを
13:46
thatそれ wereあった interacting相互作用する in aa beneficial有益 way方法.
発見していたかも
しれないのです
13:48
We我々 couldできた have持ってる found見つけた new新しい effects効果 of drugs薬物
単独の薬では現れないけれど
一緒にすると現れるような
13:51
thatそれ neitherどちらも of themそれら has持っている alone単独で,
新しい薬効が見つかる
かもしれません
13:54
butだけど together一緒に, instead代わりに
of causing原因 aa side effect効果,
副作用を起こすのではなく
13:56
they彼ら couldできた be〜する aa new新しい andそして novel小説 treatment処理
現在 治療法のない病気
13:59
forために diseases病気 thatそれ don'tしない have持ってる treatments治療
治療法が効果的でない
病気への
14:01
orまたは whereどこで theその treatments治療 are notない effective効果的な.
新しい治療法が
できるかもしれません
14:03
Ifif we我々 think思う about drugドラッグ treatment処理 today今日,
現在ある薬物療法を
考えてみると
14:05
allすべて theその majorメジャー breakthroughsブレークスルー ---
大きな飛躍は
14:07
forために HIVエイズ, forために tuberculosis結核,
forために depressionうつ病, forために diabetes糖尿病 ---
HIVにせよ 結核にせよ
うつ病にせよ 糖尿病にせよ
14:09
it'sそれは always常に aa cocktailカクテル of drugs薬物.
みんな薬の混合から
生まれているのです
14:13
Andそして soそう theその upside逆さま hereここに,
だからこれの
明るい面は
14:16
andそして theその subject主題 forために aa different異なる
TEDテッド Talkトーク on aa different異なる day,
そして次のTEDトークの
テーマになるのは
14:18
is howどうやって canできる we我々 useつかいます theその same同じ dataデータ sourcesソース
同じデータを使って
14:21
to find見つける good良い effects効果
of drugs薬物 in combination組み合わせ
好ましい効果を生む薬の組み合わせは
いかに見つけられるかということです
14:24
thatそれ will意志 provide提供する us米国 new新しい treatments治療,
それが新しい治療法や
14:27
new新しい insights洞察 into howどうやって drugs薬物 work作業
薬の働きについての
新たな洞察を与えてくれ
14:29
andそして enable有効にする us米国 to take取る careお手入れ
of our我々の patients患者 even偶数 betterより良い?
患者をもっとうまく治療できる
ようにしてくれるはずです
14:31
Thank感謝 you君は very非常に muchたくさん.
どうもありがとう
14:35
(Applause拍手)
(拍手)
14:36
Translated by Yasushi Aoki
Reviewed by Masaki Yanagishita

▲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