TEDMED 2015
Russ Altman: What really happens when you mix medications?
Russ Altman: Wat gebeurt er als je medicijnen gaat combineren?
Filmed:
Readability: 4.2
1,766,922 views
Voor wie twee verschillende medicijnen neemt om twee verschillende redenen komt hier een ontnuchterende gedachte: je arts kan niet volledig begrijpen wat er gebeurt als ze gecombineerd worden, omdat interacties met andere geneesmiddelen ongelooflijk moeilijk te bestuderen zijn. In deze boeiende en toegankelijke talk laat Russ Altman zien hoe artsen onverwachte interacties tussen geneesmiddelen bestuderen met behulp van een verrassende methode: zoekopdrachten op Google.
Russ Altman - Big data techno-optimist and internist
Russ Altman uses machine learning to better understand adverse effects of medication. Full bio
Russ Altman uses machine learning to better understand adverse effects of medication. Full bio
Double-click the English transcript below to play the video.
00:12
So you go to the doctor
and get some tests.
and get some tests.
0
811
3321
Je gaat naar de dokter
en krijgt een aantal tests.
en krijgt een aantal tests.
00:16
The doctor determines
that you have high cholesterol
that you have high cholesterol
1
4674
2620
De arts vindt een hoog cholesterolgehalte
00:19
and you would benefit
from medication to treat it.
from medication to treat it.
2
7318
3171
en het zou goed voor je zijn
als je wat medicatie nam.
als je wat medicatie nam.
00:22
So you get a pillbox.
3
10981
1556
Je krijgt wat pillen.
00:25
You have some confidence,
4
13505
1199
Je vertrouwt erop
00:26
your physician has some confidence
that this is going to work.
that this is going to work.
5
14728
2937
en je arts vertrouwt erop
dat ze gaan werken.
dat ze gaan werken.
Het bedrijf deed heel wat studies
en diende die in bij de FDA.
en diende die in bij de FDA.
00:29
The company that invented it did
a lot of studies, submitted it to the FDA.
a lot of studies, submitted it to the FDA.
6
17689
3553
Ze keken alles nauwkeurig
en sceptisch na, en keurde ze goed.
en sceptisch na, en keurde ze goed.
00:33
They studied it very carefully,
skeptically, they approved it.
skeptically, they approved it.
7
21266
3107
Ze hebben een ruw idee van de werking
00:36
They have a rough idea of how it works,
8
24397
1889
en van wat de bijwerkingen zijn.
00:38
they have a rough idea
of what the side effects are.
of what the side effects are.
9
26310
2453
Het zou in orde moeten zijn.
00:40
It should be OK.
10
28787
1150
00:42
You have a little more
of a conversation with your physician
of a conversation with your physician
11
30864
2818
Je praat nog wat na met je arts
00:45
and the physician is a little worried
because you've been blue,
because you've been blue,
12
33706
2963
en de arts is bezorgd,
omdat je wat treurig was,
omdat je wat treurig was,
00:48
haven't felt like yourself,
13
36693
1293
je niet goed voelde
00:50
you haven't been able to enjoy things
in life quite as much as you usually do.
in life quite as much as you usually do.
14
38010
3731
en niet zoveel plezier
in het leven had als gewoonlijk.
in het leven had als gewoonlijk.
00:53
Your physician says, "You know,
I think you have some depression.
I think you have some depression.
15
41765
3186
Je arts zegt: "Ik denk
dat je wat depressief bent.
dat je wat depressief bent.
00:57
I'm going to have to give
you another pill."
you another pill."
16
45792
2315
Laat me je ook nog
een andere pil voorschrijven."
een andere pil voorschrijven."
01:00
So now we're talking
about two medications.
about two medications.
17
48934
2483
Dus hebben we het nu over twee medicijnen.
01:03
This pill also -- millions
of people have taken it,
of people have taken it,
18
51441
3104
Deze pil, net zo --
miljoenen mensen hebben ze gebruikt,
miljoenen mensen hebben ze gebruikt,
01:06
the company did studies,
the FDA looked at it -- all good.
the FDA looked at it -- all good.
19
54569
3631
het bedrijf deed studies,
de FDA keek er naar -- allemaal goed.
de FDA keek er naar -- allemaal goed.
01:10
Think things should go OK.
20
58823
2057
Je denkt dat alles nu in orde is.
01:12
Think things should go OK.
21
60904
2197
Je denkt dat alles nu in orde is.
01:15
Well, wait a minute.
22
63125
1439
Wacht eens even.
01:16
How much have we studied
these two together?
these two together?
23
64588
3517
Hebben we deze twee samen wel bestudeerd?
01:20
Well, it's very hard to do that.
24
68630
2300
Nou, dat is heel moeilijk.
Sterker nog, het gebeurt
normaal gesproken niet.
normaal gesproken niet.
01:22
In fact, it's not traditionally done.
25
70954
2130
01:25
We totally depend on what we call
"post-marketing surveillance,"
"post-marketing surveillance,"
26
73108
5518
Wij zijn helemaal afhankelijk
van 'veiligheidsonderzoek na toelating',
van 'veiligheidsonderzoek na toelating',
01:30
after the drugs hit the market.
27
78650
1880
nadat de geneesmiddelen
op de markt komen.
op de markt komen.
01:32
How can we figure out
if bad things are happening
if bad things are happening
28
80996
2848
Hoe kunnen we erachter komen
wat er gebeurt als we
twee medicijnen combineren.
twee medicijnen combineren.
01:35
between two medications?
29
83868
1357
01:37
Three? Five? Seven?
30
85249
2030
Of drie? Vijf? Zeven?
01:39
Ask your favorite person
who has several diagnoses
who has several diagnoses
31
87708
2415
Vraag eens aan iemand
met een aantal kwalen
met een aantal kwalen
01:42
how many medications they're on.
32
90147
1834
hoeveel medicijnen hij moet nemen.
01:44
Why do I care about this problem?
33
92530
1580
Waarom tob ik zo over dit probleem?
01:46
I care about it deeply.
34
94134
1157
Ik houd me bezig met informatica
en datawetenschap.
en datawetenschap.
01:47
I'm an informatics and data science guy
and really, in my opinion,
and really, in my opinion,
35
95315
4304
Naar mijn mening ligt de enige hoop
om deze interacties te begrijpen
om deze interacties te begrijpen
01:51
the only hope -- only hope --
to understand these interactions
to understand these interactions
36
99643
3745
01:55
is to leverage lots
of different sources of data
of different sources of data
37
103412
3056
in het benutten van veel
verschillende gegevensbronnen.
verschillende gegevensbronnen.
Zo kunnen we erachter komen of medicaties
veilig samen kunnen worden gebruikt
veilig samen kunnen worden gebruikt
01:58
in order to figure out
when drugs can be used together safely
when drugs can be used together safely
38
106492
3556
02:02
and when it's not so safe.
39
110072
1777
en wanneer het niet zo veilig is.
Ik vertel jullie een verhaal
uit de datawetenschap.
uit de datawetenschap.
02:04
So let me tell you a data science story.
40
112615
2051
02:06
And it begins with my student Nick.
41
114690
2154
Het begint met mijn student Nick.
02:08
Let's call him "Nick,"
because that's his name.
because that's his name.
42
116868
2380
Laten we hem 'Nick' noemen,
want zo heet hij.
want zo heet hij.
02:11
(Laughter)
43
119272
1592
(Gelach)
Nick was een jonge student.
02:12
Nick was a young student.
44
120888
1201
02:14
I said, "You know, Nick, we have
to understand how drugs work
to understand how drugs work
45
122113
3079
Ik zei: "Nick, we moeten begrijpen
hoe medicijnen werken,
hoe medicijnen werken,
hoe ze samenwerken
en hoe ze afzonderlijk werken.
en hoe ze afzonderlijk werken.
02:17
and how they work together
and how they work separately,
and how they work separately,
46
125216
2626
We weten er niet veel over."
02:19
and we don't have a great understanding.
47
127866
1922
Maar de FDA heeft een geweldige
databank beschikbaar gemaakt,
databank beschikbaar gemaakt,
02:21
But the FDA has made available
an amazing database.
an amazing database.
48
129812
2405
02:24
It's a database of adverse events.
49
132241
1699
een databank van bijwerkingen.
02:26
They literally put on the web --
50
134321
1642
Hij staat op een website --
02:27
publicly available, you could all
download it right now --
download it right now --
51
135987
3119
publiek beschikbaar,
iedereen kan het downloaden --
iedereen kan het downloaden --
02:31
hundreds of thousands
of adverse event reports
of adverse event reports
52
139130
3627
met honderdduizenden bijwerkingen
02:34
from patients, doctors,
companies, pharmacists.
companies, pharmacists.
53
142781
3760
gemeld door patiënten,
artsen, bedrijven, apothekers.
artsen, bedrijven, apothekers.
02:38
And these reports are pretty simple:
54
146565
1749
Deze verslagen zijn vrij eenvoudig:
02:40
it has all the diseases
that the patient has,
that the patient has,
55
148338
2658
ze geven alle ziekten
die de patiënten hebben,
die de patiënten hebben,
02:43
all the drugs that they're on,
56
151020
1767
alle medicijnen die ze nemen
02:44
and all the adverse events,
or side effects, that they experience.
or side effects, that they experience.
57
152811
3818
en alle nadelige bijwerkingen
die ze ervaren.
die ze ervaren.
02:48
It is not all of the adverse events
that are occurring in America today,
that are occurring in America today,
58
156653
3436
Het zijn niet alle bijwerkingen
die zich nu voordoen in Amerika,
die zich nu voordoen in Amerika,
02:52
but it's hundreds and hundreds
of thousands of drugs.
of thousands of drugs.
59
160113
2578
maar het gaat wel over
honderdduizenden geneesmiddelen.
honderdduizenden geneesmiddelen.
02:54
So I said to Nick,
60
162715
1299
Dus zei ik tegen Nick:
02:56
"Let's think about glucose.
61
164038
1826
"Laten we nadenken over glucose.
02:57
Glucose is very important,
and we know it's involved with diabetes.
and we know it's involved with diabetes.
62
165888
3567
Glucose is erg belangrijk en we weten
dat het heeft te maken met diabetes.
dat het heeft te maken met diabetes.
03:01
Let's see if we can understand
glucose response.
glucose response.
63
169479
3970
Laten we eens kijken
of we de glucoserespons kunnen begrijpen."
of we de glucoserespons kunnen begrijpen."
03:05
I sent Nick off. Nick came back.
64
173473
2458
Ik stuurde Nick eropuit.
Nick kwam terug.
Nick kwam terug.
03:08
"Russ," he said,
65
176248
1786
"Russ," zei hij,
03:10
"I've created a classifier that can
look at the side effects of a drug
look at the side effects of a drug
66
178351
5112
"ik heb een indeler gemaakt die kan kijken
welke bijwerkingen een medicijn heeft
welke bijwerkingen een medicijn heeft
volgens de gegevens in deze databank
03:15
based on looking at this database,
67
183487
2051
03:17
and can tell you whether that drug
is likely to change glucose or not."
is likely to change glucose or not."
68
185562
4271
en of dat medicijn invloed heeft
op de glucosespiegel."
op de glucosespiegel."
03:21
He did it. It was very simple, in a way.
69
189857
2016
Hij had het voor elkaar.
Eigenlijk best simpel.
Eigenlijk best simpel.
03:23
He took all the drugs
that were known to change glucose
that were known to change glucose
70
191897
2635
Hij nam alle medicijnen
die de glucosespiegel veranderen
die de glucosespiegel veranderen
03:26
and a bunch of drugs
that don't change glucose,
that don't change glucose,
71
194556
2389
en een aantal die dat niet doen
03:28
and said, "What's the difference
in their side effects?
in their side effects?
72
196969
2888
en zei: "Wat is het verschil
in hun bijwerkingen?
in hun bijwerkingen?
03:31
Differences in fatigue? In appetite?
In urination habits?"
In urination habits?"
73
199881
4852
Verschillen in vermoeidheid?
In eetlust? In plasgewoonten?"
In eetlust? In plasgewoonten?"
03:36
All those things conspired
to give him a really good predictor.
to give him a really good predictor.
74
204757
2960
Al die dingen samen
gaven een echt goede voorspelling.
gaven een echt goede voorspelling.
Hij zei: "Ik kan
met 93% zekerheid voorspellen
met 93% zekerheid voorspellen
03:39
He said, "Russ, I can predict
with 93 percent accuracy
with 93 percent accuracy
75
207741
2548
of een geneesmiddel glucose verandert."
03:42
when a drug will change glucose."
76
210313
1572
Ik zeg: "Geweldig."
03:43
I said, "Nick, that's great."
77
211909
1416
Hij is nog jong,
je moet hem wat aanmoedigen.
je moet hem wat aanmoedigen.
03:45
He's a young student,
you have to build his confidence.
you have to build his confidence.
78
213349
2896
"Maar Nick, er is een probleem.
03:48
"But Nick, there's a problem.
79
216269
1390
03:49
It's that every physician in the world
knows all the drugs that change glucose,
knows all the drugs that change glucose,
80
217683
3960
Elke arts ter wereld weet
welke medicijnen glucose veranderen,
welke medicijnen glucose veranderen,
03:53
because it's core to our practice.
81
221667
2038
dat is basispraktijk.
03:55
So it's great, good job,
but not really that interesting,
but not really that interesting,
82
223729
3722
Geweldig, goed gedaan,
maar niet echt interessant
maar niet echt interessant
03:59
definitely not publishable."
83
227475
1531
en zeker niet publiceerbaar."
04:01
(Laughter)
84
229030
1014
(Gelach)
Hij: "Ik weet het, Russ.
Ik verwachtte dit."
Ik verwachtte dit."
04:02
He said, "I know, Russ.
I thought you might say that."
I thought you might say that."
85
230068
2550
Nick is slim.
04:04
Nick is smart.
86
232642
1152
"Ik dacht dat je dat ging zeggen,
dus deed ik nog een experiment.
dus deed ik nog een experiment.
04:06
"I thought you might say that,
so I did one other experiment.
so I did one other experiment.
87
234149
2874
04:09
I looked at people in this database
who were on two drugs,
who were on two drugs,
88
237047
2928
Ik keek naar de mensen
die twee geneesmiddelen namen
die twee geneesmiddelen namen
04:11
and I looked for signals similar,
glucose-changing signals,
glucose-changing signals,
89
239999
4422
en zocht naar vergelijkbare
signalen over glucoseverandering
signalen over glucoseverandering
04:16
for people taking two drugs,
90
244445
1624
bij dat soort mensen,
waarbij elk geneesmiddel op zich
glucose niet wijzigde
glucose niet wijzigde
04:18
where each drug alone
did not change glucose,
did not change glucose,
91
246093
5569
04:23
but together I saw a strong signal."
92
251686
2460
maar samen een sterk signaal gaven."
04:26
And I said, "Oh! You're clever.
Good idea. Show me the list."
Good idea. Show me the list."
93
254170
3149
En ik zei: "Oh, slim van je.
Goed idee. Toon me de lijst."
Goed idee. Toon me de lijst."
04:29
And there's a bunch of drugs,
not very exciting.
not very exciting.
94
257343
2254
Er stonden veel medicijnen op,
niet erg spannend.
niet erg spannend.
04:31
But what caught my eye
was, on the list there were two drugs:
was, on the list there were two drugs:
95
259621
3932
Maar twee geneesmiddelen sprongen eruit:
04:35
paroxetine, or Paxil, an antidepressant;
96
263577
3393
paroxetine, of Paxil, een antidepressivum;
04:39
and pravastatin, or Pravachol,
a cholesterol medication.
a cholesterol medication.
97
267756
3570
en pravastatine, of Pravachol,
een cholesterolmedicatie.
een cholesterolmedicatie.
04:43
And I said, "Huh. There are millions
of Americans on those two drugs."
of Americans on those two drugs."
98
271936
4283
En ik zei: "Ha! Miljoenen Amerikanen
nemen die twee geneesmiddelen."
nemen die twee geneesmiddelen."
04:48
In fact, we learned later,
99
276243
1246
15 miljoen Amerikanen
nemen paroxetine, zo bleek later,
nemen paroxetine, zo bleek later,
04:49
15 million Americans on paroxetine
at the time, 15 million on pravastatin,
at the time, 15 million on pravastatin,
100
277513
6032
en 15 miljoen pravastatine,
04:55
and a million, we estimated, on both.
101
283569
2817
en één miljoen nemen beide, schatten we.
04:58
So that's a million people
102
286767
1254
Dat is dus een miljoen mensen
05:00
who might be having some problems
with their glucose
with their glucose
103
288045
2453
met misschien wat glucoseproblemen,
05:02
if this machine-learning mumbo jumbo
that he did in the FDA database
that he did in the FDA database
104
290522
3206
als dit gegoochel van machinaal leren
met de FDA-database klopte.
met de FDA-database klopte.
05:05
actually holds up.
105
293752
1254
05:07
But I said, "It's still not publishable,
106
295030
1927
Ik zei: "Toch is het niet te publiceren.
Ik hou wel van dat gegoochel
met dat machinaal leren,
met dat machinaal leren,
05:08
because I love what you did
with the mumbo jumbo,
with the mumbo jumbo,
107
296981
2296
05:11
with the machine learning,
108
299301
1246
maar we hebben nog geen harde bewijzen.
05:12
but it's not really standard-of-proof
evidence that we have."
evidence that we have."
109
300571
3864
05:17
So we have to do something else.
110
305618
1589
Dus moeten we iets anders doen.
Laten we Stanfords elektronisch
medisch dossier bekijken."
medisch dossier bekijken."
05:19
Let's go into the Stanford
electronic medical record.
electronic medical record.
111
307231
2876
We hadden een kopie
die geschikt was onderzoek,
die geschikt was onderzoek,
05:22
We have a copy of it
that's OK for research,
that's OK for research,
112
310131
2064
05:24
we removed identifying information.
113
312219
2046
zonder identificerende informatie.
Ik zeg: "Eens kijken of mensen
met die twee geneesmiddelen
met die twee geneesmiddelen
05:26
And I said, "Let's see if people
on these two drugs
on these two drugs
114
314581
2503
05:29
have problems with their glucose."
115
317108
1769
problemen hebben met hun glucose."
05:31
Now there are thousands
and thousands of people
and thousands of people
116
319242
2207
Nu staan er duizenden en duizenden mensen
in de Stanford medische dossiers
in de Stanford medische dossiers
05:33
in the Stanford medical records
that take paroxetine and pravastatin.
that take paroxetine and pravastatin.
117
321473
3459
die paroxetine en pravastatine nemen,
05:36
But we needed special patients.
118
324956
1799
maar we hadden speciale patiënten nodig:
05:38
We needed patients who were on one of them
and had a glucose measurement,
and had a glucose measurement,
119
326779
4597
patiënten die er één namen
en een glucosemeting hadden gehad,
en een glucosemeting hadden gehad,
05:43
then got the second one and had
another glucose measurement,
another glucose measurement,
120
331400
3449
dan het tweede kregen
en nog een glucosemeting hadden,
en nog een glucosemeting hadden,
05:46
all within a reasonable period of time --
something like two months.
something like two months.
121
334873
3615
allemaal binnen een redelijke termijn
-- zoiets als twee maanden.
-- zoiets als twee maanden.
05:50
And when we did that,
we found 10 patients.
we found 10 patients.
122
338512
3159
Aan die specificaties
voldeden 10 patiënten.
voldeden 10 patiënten.
05:54
However, eight out of the 10
had a bump in their glucose
had a bump in their glucose
123
342592
4538
8 van de 10 hadden een glucoseopstoot
05:59
when they got the second P --
we call this P and P --
we call this P and P --
124
347154
2645
toen ze de tweede P kregen
-- we noemen ze P en P --
-- we noemen ze P en P --
dus toen ze de tweede P kregen.
06:01
when they got the second P.
125
349823
1310
06:03
Either one could be first,
the second one comes up,
the second one comes up,
126
351157
2562
Elke P kon de eerste zijn,
maar als de tweede kwam,
maar als de tweede kwam,
06:05
glucose went up
20 milligrams per deciliter.
20 milligrams per deciliter.
127
353743
2847
ging de glucose omhoog
met 20 mg per deciliter.
met 20 mg per deciliter.
06:08
Just as a reminder,
128
356614
1158
Ter vergelijking,
als je geen diabetes hebt,
als je geen diabetes hebt,
06:09
you walk around normally,
if you're not diabetic,
if you're not diabetic,
129
357796
2325
loop je normaal rond
met een glucose van ongeveer 90.
met een glucose van ongeveer 90.
06:12
with a glucose of around 90.
130
360145
1359
06:13
And if it gets up to 120, 125,
131
361528
2076
Als het 120, 125 wordt,
06:15
your doctor begins to think
about a potential diagnosis of diabetes.
about a potential diagnosis of diabetes.
132
363628
3450
gaat je arts denken
aan een mogelijke diabetes.
aan een mogelijke diabetes.
06:19
So a 20 bump -- pretty significant.
133
367102
2991
Dus een opstoot van 20
is vrij significant.
is vrij significant.
06:22
I said, "Nick, this is very cool.
134
370601
1904
Ik zei: "Nick, dit is erg cool.
Maar, het spijt me,
we hebben nog steeds geen artikel,
we hebben nog steeds geen artikel,
06:25
But, I'm sorry, we still
don't have a paper,
don't have a paper,
135
373616
2053
06:27
because this is 10 patients
and -- give me a break --
and -- give me a break --
136
375693
2579
want dit zijn 10 patiënten,
dat zijn er veel te weinig."
dat zijn er veel te weinig."
06:30
it's not enough patients."
137
378296
1245
06:31
So we said, what can we do?
138
379565
1306
Wat konden we doen?
06:32
And we said, let's call our friends
at Harvard and Vanderbilt,
at Harvard and Vanderbilt,
139
380895
2976
We belden onze vrienden
aan Harvard en Vanderbilt,
aan Harvard en Vanderbilt,
die ook -- Harvard in Boston,
Vanderbilt in Nashville --
Vanderbilt in Nashville --
06:35
who also -- Harvard in Boston,
Vanderbilt in Nashville,
Vanderbilt in Nashville,
140
383895
2587
06:38
who also have electronic
medical records similar to ours.
medical records similar to ours.
141
386506
2821
die ook zulke elektronische
medische dossiers hebben.
medische dossiers hebben.
Eens zien of ze vergelijkbare
patiënten konden vinden
patiënten konden vinden
06:41
Let's see if they can find
similar patients
similar patients
142
389351
2020
06:43
with the one P, the other P,
the glucose measurements
the glucose measurements
143
391395
3276
met de ene P, de andere P
en de glucosemetingen
in het bereik dat we nodig hebben.
in het bereik dat we nodig hebben.
06:46
in that range that we need.
144
394695
1600
06:48
God bless them, Vanderbilt
in one week found 40 such patients,
in one week found 40 such patients,
145
396787
4955
Godzijdank vond Vanderbilt
in één week 40 dergelijke patiënten
in één week 40 dergelijke patiënten
06:53
same trend.
146
401766
1189
met dezelfde trend.
06:55
Harvard found 100 patients, same trend.
147
403804
3620
Harvard vond 100 patiënten,
dezelfde trend.
dezelfde trend.
06:59
So at the end, we had 150 patients
from three diverse medical centers
from three diverse medical centers
148
407448
4281
Uiteindelijk hadden we dus 150 patiënten
uit drie verschillende medische centra
uit drie verschillende medische centra
07:03
that were telling us that patients
getting these two drugs
getting these two drugs
149
411753
3297
die ons vertelden dat patiënten
die deze twee geneesmiddelen kregen
die deze twee geneesmiddelen kregen
07:07
were having their glucose bump
somewhat significantly.
somewhat significantly.
150
415074
2703
een nogal aanzienlijke
glucoseopstoot vertoonden.
glucoseopstoot vertoonden.
07:10
More interestingly,
we had left out diabetics,
we had left out diabetics,
151
418317
2810
Interessanter is dat we diabetici
hadden weggelaten,
hadden weggelaten,
omdat diabetici sowieso
vreemde glucosewaarden hebben.
vreemde glucosewaarden hebben.
07:13
because diabetics already
have messed up glucose.
have messed up glucose.
152
421151
2317
07:15
When we looked
at the glucose of diabetics,
at the glucose of diabetics,
153
423492
2238
Toen bekeken we
de glucose van de diabetici,
de glucose van de diabetici,
die ging niet met 20
maar met 60 mg per deciliter omhoog.
maar met 60 mg per deciliter omhoog.
07:17
it was going up 60 milligrams
per deciliter, not just 20.
per deciliter, not just 20.
154
425754
3435
07:21
This was a big deal, and we said,
"We've got to publish this."
"We've got to publish this."
155
429760
3452
Dit was belangrijk en we zeiden:
"Dit moeten we publiceren."
"Dit moeten we publiceren."
07:25
We submitted the paper.
156
433236
1179
We dienden de paper in.
07:26
It was all data evidence,
157
434439
2111
Het waren louter gegevensbewijzen:
07:28
data from the FDA, data from Stanford,
158
436574
2483
gegevens van de FDA,
gegevens uit Stanford,
gegevens uit Stanford,
gegevens uit Vanderbilt,
gegevens van Harvard.
gegevens van Harvard.
07:31
data from Vanderbilt, data from Harvard.
159
439081
1946
07:33
We had not done a single real experiment.
160
441051
2396
We hadden geen enkel
echt experiment uitgevoerd.
echt experiment uitgevoerd.
07:36
But we were nervous.
161
444495
1296
Maar we waren nerveus.
07:38
So Nick, while the paper
was in review, went to the lab.
was in review, went to the lab.
162
446201
3730
Dus Nick ging, terwijl het paper
werd beoordeeld, naar het lab.
werd beoordeeld, naar het lab.
07:41
We found somebody
who knew about lab stuff.
who knew about lab stuff.
163
449955
2462
We vonden iemand
die daarmee overweg kon.
die daarmee overweg kon.
07:44
I don't do that.
164
452441
1393
Ik kan dat niet.
07:45
I take care of patients,
but I don't do pipettes.
but I don't do pipettes.
165
453858
2417
Ik zorg voor patiënten,
maar werk niet met pipetten.
maar werk niet met pipetten.
07:49
They taught us how to feed mice drugs.
166
457420
3053
Ze leerden ons hoe muizen
geneesmiddelen toe te dienen.
geneesmiddelen toe te dienen.
07:52
We took mice and we gave them
one P, paroxetine.
one P, paroxetine.
167
460864
2414
We gaven de muizen een P, paroxetine.
07:55
We gave some other mice pravastatin.
168
463302
2508
We gaven een aantal
andere muizen pravastatine.
andere muizen pravastatine.
07:57
And we gave a third group
of mice both of them.
of mice both of them.
169
465834
3595
We gaven een derde groep muizen beide.
08:01
And lo and behold, glucose went up
20 to 60 milligrams per deciliter
20 to 60 milligrams per deciliter
170
469893
3946
En ziedaar, glucose ging met 20
tot 60 mg per deciliter omhoog
tot 60 mg per deciliter omhoog
in de muizen.
08:05
in the mice.
171
473863
1171
Het artikel werd geaccepteerd
puur op het gegevensbewijs,
puur op het gegevensbewijs,
08:07
So the paper was accepted
based on the informatics evidence alone,
based on the informatics evidence alone,
172
475058
3158
08:10
but we added a little note at the end,
173
478240
1894
maar we voegden een notitie toe:
tussen haakjes, als je dit
aan muizen geeft, gaat het omhoog.
aan muizen geeft, gaat het omhoog.
08:12
saying, oh by the way,
if you give these to mice, it goes up.
if you give these to mice, it goes up.
174
480158
2899
Dat was geweldig.
Het verhaal kon hier stoppen.
Het verhaal kon hier stoppen.
08:15
That was great, and the story
could have ended there.
could have ended there.
175
483081
2508
08:17
But I still have six and a half minutes.
176
485613
1997
Maar ik heb nog zes en een halve minuut.
08:19
(Laughter)
177
487634
2807
(Gelach)
08:22
So we were sitting around
thinking about all of this,
thinking about all of this,
178
490465
2815
Dus gingen we er nog wat over nadenken
08:25
and I don't remember who thought
of it, but somebody said,
of it, but somebody said,
179
493304
2735
en ik weet niet meer wie het bedacht,
maar iemand zei:
maar iemand zei:
"Ik vraag me af of patiënten
die deze twee geneesmiddelen innemen
die deze twee geneesmiddelen innemen
08:28
"I wonder if patients
who are taking these two drugs
who are taking these two drugs
180
496063
3201
08:31
are noticing side effects
of hyperglycemia.
of hyperglycemia.
181
499288
3553
bijwerkingen van hyperglykemie vertonen.
08:34
They could and they should.
182
502865
1496
Dat zou kunnen en zou moeten.
08:36
How would we ever determine that?"
183
504761
1877
Hoe gaan we dat ooit vinden?"
Wat zou je in dat geval doen?
08:39
We said, well, what do you do?
184
507551
1443
08:41
You're taking a medication,
one new medication or two,
one new medication or two,
185
509018
2580
Je nam al één medicijn,
dan krijg je er een of twee bij
dan krijg je er een of twee bij
08:43
and you get a funny feeling.
186
511622
1538
en je krijgt een raar gevoel.
08:45
What do you do?
187
513184
1151
Wat doe je dan?
08:46
You go to Google
188
514359
1151
Je gaat naar Google
08:47
and type in the two drugs you're taking
or the one drug you're taking,
or the one drug you're taking,
189
515534
3349
en typt de twee geneesmiddelen in
die je gebruikt, of de ene die je neemt,
die je gebruikt, of de ene die je neemt,
08:50
and you type in "side effects."
190
518907
1603
en je typt 'bijwerkingen'.
08:52
What are you experiencing?
191
520534
1356
Wat ervaar je?
08:54
So we said OK,
192
522239
1151
Dus zeiden we: "Oké,
08:55
let's ask Google if they will share
their search logs with us,
their search logs with us,
193
523414
3056
laten we Google vragen
om hun zoeklogboeken met ons te delen,
om hun zoeklogboeken met ons te delen,
08:58
so that we can look at the search logs
194
526494
1833
zodat we kunnen zien
of patiënten met dit soort
zoekopdrachten bezig zijn."
zoekopdrachten bezig zijn."
09:00
and see if patients are doing
these kinds of searches.
these kinds of searches.
195
528351
2565
09:02
Google, I am sorry to say,
denied our request.
denied our request.
196
530940
3275
Google wees, spijtig genoeg,
ons verzoek af.
ons verzoek af.
09:06
So I was bummed.
197
534819
1151
Ik zat vast.
Op een diner zei ik tegen een collega
van Microsoft Research:
van Microsoft Research:
09:07
I was at a dinner with a colleague
who works at Microsoft Research
who works at Microsoft Research
198
535994
3166
09:11
and I said, "We wanted to do this study,
199
539184
1941
"We wilden dit onderzoek doen,
maar Google zei nee, de spelbrekers."
09:13
Google said no, it's kind of a bummer."
200
541149
1880
Hij zei: "Nou, wij hebben Bing."
09:15
He said, "Well, we have
the Bing searches."
the Bing searches."
201
543053
2086
09:18
(Laughter)
202
546195
3483
(Gelach)
09:22
Yeah.
203
550805
1267
Ja.
09:24
That's great.
204
552096
1151
Dat is geweldig.
09:25
Now I felt like I was --
205
553271
1151
Nu voelde ik me --
09:26
(Laughter)
206
554446
1000
(Gelach)
09:27
I felt like I was talking to Nick again.
207
555470
2412
alsof ik weer praatte met Nick.
Hij werkt voor een van de grootste
bedrijven in de wereld
bedrijven in de wereld
09:30
He works for one of the largest
companies in the world,
companies in the world,
208
558437
2624
en ik probeer hem
een beter gevoel te geven.
een beter gevoel te geven.
09:33
and I'm already trying
to make him feel better.
to make him feel better.
209
561085
2206
Hij zei: "Russ,
misschien begrijp je het niet.
misschien begrijp je het niet.
09:35
But he said, "No, Russ --
you might not understand.
you might not understand.
210
563315
2445
Het zijn niet alleen gegevens van Bing
09:37
We not only have Bing searches,
211
565784
1500
maar je kan Internet Explorer gebruiken
voor zoekopdrachten op Google,
voor zoekopdrachten op Google,
09:39
but if you use Internet Explorer
to do searches at Google,
to do searches at Google,
212
567308
3340
09:42
Yahoo, Bing, any ...
213
570672
1891
Yahoo, Bing ...
09:44
Then, for 18 months, we keep that data
for research purposes only."
for research purposes only."
214
572587
3643
We bewaren de gegevens 18 maanden lang
alleen voor onderzoeksdoeleinden."
alleen voor onderzoeksdoeleinden."
09:48
I said, "Now you're talking!"
215
576254
1936
Ik zei: "Dat begint erop te lijken!"
09:50
This was Eric Horvitz,
my friend at Microsoft.
my friend at Microsoft.
216
578214
2198
Dit was Eric Horvitz,
mijn vriend bij Microsoft.
mijn vriend bij Microsoft.
09:52
So we did a study
217
580436
1695
We deden een studie
waarin we 50 woorden selecteerden
waarin we 50 woorden selecteerden
09:54
where we defined 50 words
that a regular person might type in
that a regular person might type in
218
582155
4619
die Jan Modaal in zou typen
als hij hyperglycemie zou hebben,
als hij hyperglycemie zou hebben,
09:58
if they're having hyperglycemia,
219
586798
1602
10:00
like "fatigue," "loss of appetite,"
"urinating a lot," "peeing a lot" --
"urinating a lot," "peeing a lot" --
220
588424
4762
zoals 'vermoeidheid', 'geen eetlust',
'veel urineren', 'veel plassen' --
'veel urineren', 'veel plassen' --
10:05
forgive me, but that's one
of the things you might type in.
of the things you might type in.
221
593210
2767
sorry, maar dat soort dingen
typt men dan in.
typt men dan in.
We hadden dus 50 'diabeteswoorden'.
10:08
So we had 50 phrases
that we called the "diabetes words."
that we called the "diabetes words."
222
596001
2790
We bepaalden eerst de referentietoestand.
10:10
And we did first a baseline.
223
598815
2063
10:12
And it turns out
that about .5 to one percent
that about .5 to one percent
224
600902
2704
Het bleek dat in ongeveer 0,5% tot 1%
van alle zoekopdrachten op het internet
van alle zoekopdrachten op het internet
10:15
of all searches on the Internet
involve one of those words.
involve one of those words.
225
603630
2982
een van die woorden voorkomt.
10:18
So that's our baseline rate.
226
606636
1742
Dat is onze referentie.
10:20
If people type in "paroxetine"
or "Paxil" -- those are synonyms --
or "Paxil" -- those are synonyms --
227
608402
4143
Als mensen "paroxetine" of "Paxil" intypen
-- dat zijn synoniemen --
-- dat zijn synoniemen --
samen met een van die woorden,
10:24
and one of those words,
228
612569
1215
10:25
the rate goes up to about two percent
of diabetes-type words,
of diabetes-type words,
229
613808
4890
dan stijgt dat tot ongeveer 2%
van de diabetes-type woorden,
van de diabetes-type woorden,
10:30
if you already know
that there's that "paroxetine" word.
that there's that "paroxetine" word.
230
618722
3044
als je al weet
dat 'paroxetine' erin staat.
dat 'paroxetine' erin staat.
10:34
If it's "pravastatin," the rate goes up
to about three percent from the baseline.
to about three percent from the baseline.
231
622191
4547
Met 'pravastatine' gaat het naar zo'n 3%
ten opzichte van de referentie.
ten opzichte van de referentie.
10:39
If both "paroxetine" and "pravastatin"
are present in the query,
are present in the query,
232
627171
4390
Als zowel 'paroxetine' en 'pravastatine'
in de zoekopdracht staan,
in de zoekopdracht staan,
10:43
it goes up to 10 percent,
233
631585
1669
gaat het naar de 10%,
10:45
a huge three- to four-fold increase
234
633278
3461
een enorme drie- tot viervoudige toename
10:48
in those searches with the two drugs
that we were interested in,
that we were interested in,
235
636763
3389
in de opdrachten met de twee medicijnen
waarin we geïnteresseerd waren
waarin we geïnteresseerd waren
10:52
and diabetes-type words
or hyperglycemia-type words.
or hyperglycemia-type words.
236
640176
3566
samen met diabetes-type woorden,
of hyperglykemie-type woorden.
of hyperglykemie-type woorden.
10:56
We published this,
237
644216
1265
We publiceerden dat
10:57
and it got some attention.
238
645505
1466
en het kreeg wat aandacht.
10:58
The reason it deserves attention
239
646995
1778
De reden dat het aandacht verdient,
11:00
is that patients are telling us
their side effects indirectly
their side effects indirectly
240
648797
4312
is dat patiënten ons
hun bijwerkingen indirect meedelen
hun bijwerkingen indirect meedelen
door middel van hun zoekopdrachten.
11:05
through their searches.
241
653133
1156
Wij brachten dit
onder de aandacht van de FDA.
onder de aandacht van de FDA.
11:06
We brought this
to the attention of the FDA.
to the attention of the FDA.
242
654313
2138
11:08
They were interested.
243
656475
1269
Ze waren geïnteresseerd.
11:09
They have set up social media
surveillance programs
surveillance programs
244
657768
3606
Zij hebben monitorprogramma's
voor sociale media ontwikkeld
voor sociale media ontwikkeld
om onder meer
samen te werken met Microsoft,
samen te werken met Microsoft,
11:13
to collaborate with Microsoft,
245
661398
1751
11:15
which had a nice infrastructure
for doing this, and others,
for doing this, and others,
246
663173
2794
die hiervoor een mooie infrastructuur had,
om te kijken naar Twitter-gegevens,
11:17
to look at Twitter feeds,
247
665991
1282
11:19
to look at Facebook feeds,
248
667297
1716
Facebook-gegevens,
11:21
to look at search logs,
249
669037
1311
zoeklogboeken,
11:22
to try to see early signs that drugs,
either individually or together,
either individually or together,
250
670372
4909
om te proberen de eerste tekenen te zien
dat medicijnen individueel
of gezamenlijk problemen veroorzaken.
of gezamenlijk problemen veroorzaken.
11:27
are causing problems.
251
675305
1589
11:28
What do I take from this?
Why tell this story?
Why tell this story?
252
676918
2174
Wat leer ik hiervan?
Waarom dit verhaal?
Waarom dit verhaal?
In de eerste plaats
11:31
Well, first of all,
253
679116
1207
11:32
we have now the promise
of big data and medium-sized data
of big data and medium-sized data
254
680347
4037
hebben we nu de belofte
om uit de grotere dataverzamelingen
om uit de grotere dataverzamelingen
11:36
to help us understand drug interactions
255
684408
2918
interacties tussen geneesmiddelen
te kunnen begrijpen,
te kunnen begrijpen,
wellicht zelfs de fundamentele
werking van geneesmiddelen.
werking van geneesmiddelen.
11:39
and really, fundamentally, drug actions.
256
687350
2420
11:41
How do drugs work?
257
689794
1413
Hoe werken medicijnen?
11:43
This will create and has created
a new ecosystem
a new ecosystem
258
691231
2836
Dit creëert een nieuw ecosysteem
11:46
for understanding how drugs work
and to optimize their use.
and to optimize their use.
259
694091
3267
voor het begrijpen
van de werking van geneesmiddelen
van de werking van geneesmiddelen
en het optimaliseren van het gebruik.
11:50
Nick went on; he's a professor
at Columbia now.
at Columbia now.
260
698303
2659
Nick vertrok.
Hij is nu professor aan Columbia.
Hij is nu professor aan Columbia.
11:52
He did this in his PhD
for hundreds of pairs of drugs.
for hundreds of pairs of drugs.
261
700986
4072
Hij deed dit in zijn doctoraat
voor honderden paren van medicijnen.
voor honderden paren van medicijnen.
11:57
He found several
very important interactions,
very important interactions,
262
705082
2517
Hij vond een aantal
zeer belangrijke interacties,
zeer belangrijke interacties,
11:59
and so we replicated this
263
707623
1214
we herhaalden ze
12:00
and we showed that this
is a way that really works
is a way that really works
264
708861
2574
en toonden aan dat dit
een manier is die echt werkt
een manier is die echt werkt
12:03
for finding drug-drug interactions.
265
711459
2339
voor het vinden
van geneesmiddelinteracties.
van geneesmiddelinteracties.
12:06
However, there's a couple of things.
266
714282
1734
Maar er is nog wat.
12:08
We don't just use pairs
of drugs at a time.
of drugs at a time.
267
716040
3046
We gebruiken geneesmiddelen
niet alleen per paar tegelijk.
niet alleen per paar tegelijk.
12:11
As I said before, there are patients
on three, five, seven, nine drugs.
on three, five, seven, nine drugs.
268
719110
4469
Er zijn patiënten die drie, vijf, zeven,
zelfs negen geneesmiddelen innemen.
zelfs negen geneesmiddelen innemen.
12:15
Have they been studied with respect
to their nine-way interaction?
to their nine-way interaction?
269
723981
3642
Is de interactie
tussen die negen onderzocht?
tussen die negen onderzocht?
12:19
Yes, we can do pair-wise,
A and B, A and C, A and D,
A and B, A and C, A and D,
270
727647
4208
Ja, we kunnen het paarsgewijs,
A en B, A en C, A en D doen,
A en B, A en C, A en D doen,
12:23
but what about A, B, C,
D, E, F, G all together,
D, E, F, G all together,
271
731879
4286
maar hoe zit het met
A, B, C, D, E, F, G allemaal samen,
A, B, C, D, E, F, G allemaal samen,
12:28
being taken by the same patient,
272
736189
1762
bij dezelfde patiënt.
12:29
perhaps interacting with each other
273
737975
2118
Misschien maakt hun interactie
12:32
in ways that either makes them
more effective or less effective
more effective or less effective
274
740117
3778
ze wel effectiever, of minder effectief,
12:35
or causes side effects
that are unexpected?
that are unexpected?
275
743919
2332
of veroorzaakt ze
onverwachte bijwerkingen.
onverwachte bijwerkingen.
12:38
We really have no idea.
276
746275
1827
We hebben echt geen idee.
12:40
It's a blue sky, open field
for us to use data
for us to use data
277
748126
3756
Het is voor ons onontgonnen terrein
om gegevens te gebruiken
om gegevens te gebruiken
12:43
to try to understand
the interaction of drugs.
the interaction of drugs.
278
751906
2502
om de interactie van geneesmiddelen
proberen te begrijpen.
proberen te begrijpen.
12:46
Two more lessons:
279
754848
1370
Nog twee lessen:
12:48
I want you to think about the power
that we were able to generate
that we were able to generate
280
756242
4199
denk eens na over hoeveel goeds
we hebben kunnen doen
we hebben kunnen doen
12:52
with the data from people who had
volunteered their adverse reactions
volunteered their adverse reactions
281
760465
4711
doordat mensen informatie
over hun bijwerkingen hebben verstrekt,
over hun bijwerkingen hebben verstrekt,
12:57
through their pharmacists,
through themselves, through their doctors,
through themselves, through their doctors,
282
765200
3269
via hun apothekers,
uit zichzelf of via hun artsen,
uit zichzelf of via hun artsen,
en doordat ze hebben toegestaan
dat de databanken van Stanford,
dat de databanken van Stanford,
13:00
the people who allowed the databases
at Stanford, Harvard, Vanderbilt,
at Stanford, Harvard, Vanderbilt,
283
768493
3667
Harvard en Vanderbilt
werden gebruikt voor onderzoek.
werden gebruikt voor onderzoek.
13:04
to be used for research.
284
772184
1427
13:05
People are worried about data.
285
773929
1445
Mensen maken zich zorgen over gegevens,
13:07
They're worried about their privacy
and security -- they should be.
and security -- they should be.
286
775398
3187
over hun privacy en veiligheid
-- dat moet ook.
-- dat moet ook.
We moeten veilige systemen hebben.
13:10
We need secure systems.
287
778609
1151
Maar onze systemen
mogen die gegevens niet afsluiten,
mogen die gegevens niet afsluiten,
13:11
But we can't have a system
that closes that data off,
that closes that data off,
288
779784
3406
13:15
because it is too rich of a source
289
783214
2752
omdat het een te rijke bron is
13:17
of inspiration, innovation and discovery
290
785990
3971
van inspiratie, innovatie en ontdekking,
13:21
for new things in medicine.
291
789985
1578
voor nieuwe dingen in de geneeskunde.
13:24
And the final thing I want to say is,
292
792494
1794
Nog één ding hierover.
13:26
in this case we found two drugs
and it was a little bit of a sad story.
and it was a little bit of a sad story.
293
794312
3357
Bij deze twee geneesmiddelen
was het een beetje een triest verhaal.
was het een beetje een triest verhaal.
De combinatie veroorzaakte problemen.
13:29
The two drugs actually caused problems.
294
797693
1921
13:31
They increased glucose.
295
799638
1475
Ze verhoogden de glucose.
13:33
They could throw somebody into diabetes
296
801137
2446
Ze kunnen bij iemand diabetes veroorzaken
13:35
who would otherwise not be in diabetes,
297
803607
2294
die dat anders niet zou krijgen
13:37
and so you would want to use
the two drugs very carefully together,
the two drugs very carefully together,
298
805925
3175
en dus moet je die twee
heel voorzichtig samen gebruiken,
heel voorzichtig samen gebruiken,
of misschien wel niet.
13:41
perhaps not together,
299
809124
1151
Misschien beter iets anders voorschrijven.
13:42
make different choices
when you're prescribing.
when you're prescribing.
300
810299
2340
Maar het had ook anders kunnen zijn.
13:44
But there was another possibility.
301
812663
1846
13:46
We could have found
two drugs or three drugs
two drugs or three drugs
302
814533
2344
We hadden ook twee of drie
medicijnen kunnen vinden
medicijnen kunnen vinden
13:48
that were interacting in a beneficial way.
303
816901
2261
met een gunstige invloed
op elkaars werking.
op elkaars werking.
13:51
We could have found new effects of drugs
304
819616
2712
We hadden bij combinaties
nieuwe effecten kunnen vinden
nieuwe effecten kunnen vinden
13:54
that neither of them has alone,
305
822352
2160
die de medicijnen individueel niet hebben.
13:56
but together, instead
of causing a side effect,
of causing a side effect,
306
824536
2493
Combinaties die samen
geen problemen veroorzaken
geen problemen veroorzaken
maar een nieuwe en innovatieve
behandeling kunnen vormen
behandeling kunnen vormen
13:59
they could be a new and novel treatment
307
827053
2425
14:01
for diseases that don't have treatments
308
829502
1882
voor ziekten waar we niets voor hebben
of waarvoor de behandeling
niet effectief is.
niet effectief is.
14:03
or where the treatments are not effective.
309
831408
2007
14:05
If we think about drug treatment today,
310
833439
2395
Bij de hedendaagse behandeling
met geneesmiddelen
met geneesmiddelen
14:07
all the major breakthroughs --
311
835858
1752
zijn alle belangrijke doorbraken --
14:09
for HIV, for tuberculosis,
for depression, for diabetes --
for depression, for diabetes --
312
837634
4297
voor HIV, tuberculose,
voor depressie, voor diabetes --
voor depressie, voor diabetes --
14:13
it's always a cocktail of drugs.
313
841955
2830
altijd een cocktail van geneesmiddelen.
14:16
And so the upside here,
314
844809
1730
Dat is hier het positieve
14:18
and the subject for a different
TED Talk on a different day,
TED Talk on a different day,
315
846563
2849
en een onderwerp voor een andere TED Talk:
14:21
is how can we use the same data sources
316
849436
2593
hoe kunnen we gebruik maken
van diezelfde gegevensbronnen
van diezelfde gegevensbronnen
14:24
to find good effects
of drugs in combination
of drugs in combination
317
852053
3563
om combinaties van geneesmiddelen
met goede effecten te vinden.
met goede effecten te vinden.
14:27
that will provide us new treatments,
318
855640
2175
Combinaties die ons
nieuwe behandelingen geven
nieuwe behandelingen geven
14:29
new insights into how drugs work
319
857839
1852
en die nieuwe inzichten verschaffen
over hoe medicijnen werken,
over hoe medicijnen werken,
14:31
and enable us to take care
of our patients even better?
of our patients even better?
320
859715
3786
zodat we nog beter
voor onze patiënten kunnen zorgen.
voor onze patiënten kunnen zorgen.
14:35
Thank you very much.
321
863525
1166
Veel dank.
14:36
(Applause)
322
864715
3499
(Applaus)
ABOUT THE SPEAKER
Russ Altman - Big data techno-optimist and internistRuss Altman uses machine learning to better understand adverse effects of medication.
Why you should listen
Professor of bioengineering, genetics, medicine and computer science at Stanford University, Russ Altman's primary research interests are in the application of computing and informatics technologies to problems relevant to medicine. He is particularly interested in methods for understanding drug actions at molecular, cellular, organism and population levels, including how genetic variation impacts drug response.
Altman received the U.S. Presidential Early Career Award for Scientists and Engineers, a National Science Foundation CAREER Award and Stanford Medical School's graduate teaching award. He has chaired the Science Board advising the FDA Commissioner and currently serves on the NIH Director’s Advisory Committee. He is a clinically active internist, the founder of the PharmGKB knowledge base, and advisor to pharmacogenomics companies.
Russ Altman | Speaker | TED.com