TEDMED 2009
David Agus: A new strategy in the war on cancer
David Agus: Een nieuwe strategie in de oorlog tegen kanker
Filmed:
Readability: 4.3
830,903 views
Traditioneel, legt David Agus uit, hadden kankerbehandelingen een kortzichtige aandacht voor zich misdragende, individuele cellen. Hij stelt een nieuwe benadering over verschillende disciplines heen voor, gebruik makend van atypische geneesmiddelen, computer modellen en eiwitanalyse om te komen tot het behandelen en analyseren van het hele lichaam.
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. Full bio
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 cancer doctor, and I walked out of my office
0
0
3000
Ik ben kankerarts en ik liep drie of vier jaar geleden
00:18
and walked by the pharmacy in the hospital three or four years ago,
1
3000
4000
van mijn kantoor langs de apotheek in het ziekenhuis,
00:22
and this was the cover of Fortune magazine
2
7000
3000
en zag daar de cover van het tijdschrift Fortune
00:25
sitting in the window of the pharmacy.
3
10000
2000
achter het raam van de apotheek.
00:27
And so, as a cancer doctor, you look at this,
4
12000
2000
Als je als kankerarts hiernaar kijkt
00:29
and you get a little bit downhearted.
5
14000
2000
geraak je er een beetje van in de put.
00:31
But when you start to read the article by Cliff,
6
16000
3000
Maar wanneer je het artikel van Cliff begint te lezen,
00:34
who himself is a cancer survivor,
7
19000
2000
die zelf kanker heeft overleefd,
00:36
who was saved by a clinical trial
8
21000
2000
en gered werd door een klinische test,
00:38
where his parents drove him from New York City to upstate New York
9
23000
4000
doordat zijn ouders hem vanuit New York City naar het Noorden brachten
00:42
to get an experimental therapy for --
10
27000
2000
voor experimentele therapie -
00:44
at the time -- Hodgkin's disease, which saved his life,
11
29000
3000
op dat moment - de ziekte van Hodgkin, wat zijn leven heeft gered.
00:47
he makes remarkable points here.
12
32000
3000
Hij doet hier opmerkelijke uitspraken.
00:50
And the point of the article was that we have gotten
13
35000
3000
En het punt van het artikel was dat we te
00:53
reductionist in our view of biology,
14
38000
3000
reductionistisch waren geworden in onze kijk op biologie,
00:56
in our view of cancer.
15
41000
2000
in onze kijk op kanker.
00:58
For the last 50 years, we have focused on treating
16
43000
3000
De laatste 50 jaar hebben we ons gericht op de behandeling van
01:01
the individual gene
17
46000
2000
het individuele gen,
01:03
in understanding cancer, not in controlling cancer.
18
48000
3000
op het begrijpen van kanker, niet op de controle van kanker.
01:06
So, this is an astounding table.
19
51000
3000
Dit is een verbazingwekkende tabel.
01:09
And this is something that sobers us in our field everyday
20
54000
3000
En dit is iets dat ons in ons onderzoeksgebied dagelijks ontnuchtert
01:12
in that, obviously, we've made remarkable impacts
21
57000
2000
want we zien een duidelijke vooruitgang
01:14
on cardiovascular disease,
22
59000
2000
op gebied van hart-en vaatziekten.
01:16
but look at cancer. The death rate in cancer
23
61000
3000
Maar kijk eens naar kanker. Het sterftecijfer bij kanker
01:19
in over 50 years hasn't changed.
24
64000
3000
is in meer dan 50 jaar niet veranderd.
01:22
We've made small wins in diseases like chronic myelogenous leukemia,
25
67000
4000
We hebben kleine overwinningen geboekt voor ziekten als chronische myeloïde leukemie,
01:26
where we have a pill that can put 100 percent of people in remission,
26
71000
3000
waar we een pil hebben die 100 procent van de mensen kan genezen.
01:29
but in general, we haven't made an impact at all in the war on cancer.
27
74000
6000
Maar in het algemeen hebben we in de oorlog tegen kanker niet veel terrein gewonnen.
01:35
So, what I'm going to tell you today,
28
80000
3000
Dus ga ik vandaag vertellen
01:38
is a little bit of why I think that's the case,
29
83000
3000
wat ik denk dat daarvan de reden is
01:41
and then go out of my comfort zone
30
86000
2000
om vervolgens het bekende gebied te verlaten
01:43
and tell you where I think it's going,
31
88000
3000
en u te vertellen waar ik denk dat het naartoe gaat
01:46
where a new approach -- that we hope to push forward
32
91000
3000
met een nieuwe aanpak - en we hopen snel -
01:49
in terms of treating cancer.
33
94000
4000
voor de behandeling van kanker.
01:53
Because this is wrong.
34
98000
3000
Want nu gaat het verkeerd.
01:56
So, what is cancer, first of all?
35
101000
2000
Dus, wat is kanker, in de eerste plaats?
01:58
Well, if one has a mass or an abnormal blood value, you go to a doctor,
36
103000
5000
Nou, als iemand een gezwel heeft of een abnormale bloedwaarde, gaat hij naar een arts.
02:03
they stick a needle in.
37
108000
2000
Ze steken er een naald in.
02:05
They way we make the diagnosis today is by pattern recognition:
38
110000
4000
Vandaag de dag stellen we de diagnose door patroonherkenning.
02:09
Does it look normal? Does it look abnormal?
39
114000
4000
Ziet het er normaal uit? Ziet het er abnormaal uit?
02:13
So, that pathologist is just like looking at this plastic bottle.
40
118000
3000
Dus, wat die patholoog doet is net als kijken naar deze plastic fles.
02:16
This is a normal cell. This is a cancer cell.
41
121000
3000
Dit is een normale cel. Dit is een kanker cel.
02:19
That is the state-of-the-art today in diagnosing cancer.
42
124000
5000
Dat is vandaag de stand van zaken in de diagnose van kanker.
02:24
There's no molecular test,
43
129000
3000
Er bestaat geen moleculaire test.
02:27
there's no sequencing of genes that was referred to yesterday,
44
132000
3000
Ook geen genensequencering waar gisteren werd naar verwezen.
02:30
there's no fancy looking at the chromosomes.
45
135000
3000
Ook geen gesofistikeerd onderzoek van chromosomen.
02:33
This is the state-of-the-art and how we do it.
46
138000
3000
Dit is de stand van zaken van hoe we het doen.
02:36
You know, I know very well, as a cancer doctor, I can't treat advanced cancer.
47
141000
6000
U en ik weten heel goed dat je kanker in een vergevorderd stadium niet kan behandelen.
02:42
So, as an aside, I firmly believe in the field of trying to identify cancer early.
48
147000
7000
Daarom geloof ik stellig in het belang van het onderzoek naar de vroege identificatie van kanker.
02:49
It is the only way you can start to fight cancer, is by catching it early.
49
154000
5000
De enige manier om kanker beginnen te bestrijden, is door hem in een vroeg stadium te ondervangen.
02:54
We can prevent most cancers.
50
159000
3000
We kunnen de meeste kankers voorkomen.
02:57
You know, the previous talk alluded to preventing heart disease.
51
162000
3000
De vorige lezing ging over het voorkomen van hart- en vaatziekten.
03:00
We could do the same in cancer.
52
165000
2000
We kunnen hetzelfde doen met kanker.
03:02
I co-founded a company called Navigenics,
53
167000
2000
Ik ben mede-oprichter van een bedrijf genaamd Navigenics,
03:04
where, if you spit into a tube --
54
169000
2000
waar, als je in een buis spuugt,
03:06
and we can look look at 35 or 40 genetic markers for disease,
55
171000
6000
we kunnen zoeken naar 35 of 40 genetische merkers voor de ziekte,
03:12
all of which are delayable in many of the cancers --
56
177000
2000
die veel van de kankers kunnen uitstellen.
03:14
you start to identify what you could get,
57
179000
4000
Je begint met identificeren wat je kan krijgen,
03:18
and then we can start to work to prevent them.
58
183000
3000
en dan kunnen we proberen ze te voorkomen.
03:21
Because the problem is, when you have advanced cancer,
59
186000
3000
Omdat we vandaag aan geavanceerde kankers
03:24
we can't do that much today about it, as the statistics allude to.
60
189000
4000
niet erg veel kunnen doen, zoals de statistieken aantonen.
03:28
So, the thing about cancer is that it's a disease of the aged.
61
193000
4000
Kanker is een ouderdomsziekte.
03:32
Why is it a disease of the aged?
62
197000
2000
Waarom is dat zo?
03:34
Because evolution doesn't care about us after we've had our children.
63
199000
4000
Omdat de evolutie niet met ons inzit nadat we onze kinderen hebben gekregen.
03:39
See, evolution protected us during our childbearing years
64
204000
3000
Evolutie beschermde ons tijdens onze vruchtbare jaren,
03:42
and then, after age 35 or 40 or 45,
65
207000
4000
en vervolgens, na de leeftijd van 35 of 40 of 45,
03:46
it said "It doesn't matter anymore, because they've had their progeny."
66
211000
4000
vindt ze dat het er niet meer op aan komt, omdat we ons nageslacht hebben gekregen.
03:50
So if you look at cancers, it is very rare -- extremely rare --
67
215000
5000
Dus als je kijkt naar vormen van kanker, is het zeer, zeer zeldzaam
03:55
to have cancer in a child, on the order of thousands of cases a year.
68
220000
5000
kanker te vinden bij een kind, iets in de orde van slechts duizenden gevallen per jaar.
04:00
As one gets older? Very, very common.
69
225000
4000
Naarmate men ouder wordt komt het steeds meer voor.
04:04
Why is it hard to treat?
70
229000
2000
Waarom is het zo moeilijk te behandelen?
04:06
Because it's heterogeneous,
71
231000
2000
Omdat kanker heterogeen is,
04:08
and that's the perfect substrate for evolution within the cancer.
72
233000
5000
en dat is het perfecte substraat voor evolutie binnen de kanker.
04:13
It starts to select out for those bad, aggressive cells,
73
238000
4000
Het begint met het selecteren van die slechte, agressieve cellen,
04:17
what we call clonal selection.
74
242000
4000
wat wij noemen klonale selectie.
04:21
But, if we start to understand
75
246000
3000
Maar als we beginnen te begrijpen
04:24
that cancer isn't just a molecular defect, it's something more,
76
249000
5000
dat kanker niet alleen een moleculair defect is, maar iets meer,
04:29
then we'll get to new ways of treating it, as I'll show you.
77
254000
4000
dan krijgen we nieuwe manieren van behandelen, zoals ik zal aantonen.
04:33
So, one of the fundamental problems we have in cancer
78
258000
2000
Een van de fundamentele problemen die we hebben bij kanker,
04:35
is that, right now, we describe it by a number of adjectives, symptoms:
79
260000
4000
is dat we het nu beschrijven met een aantal adjectieven, symptomen.
04:39
"I'm tired, I'm bloated, I have pain, etc."
80
264000
3000
Ik ben moe, ik ben opgeblazen, ik heb pijn, enz.
04:42
You then have some anatomic descriptions,
81
267000
2000
Ook heb je een aantal anatomische beschrijvingen.
04:44
you get that CT scan: "There's a three centimeter mass in the liver."
82
269000
4000
Je krijgt een CAT-scan. Er zit een drie centimeter groot gezwel in de lever.
04:48
You then have some body part descriptions:
83
273000
3000
Dan heb je wat beschrijvingen van lichaamsdelen.
04:51
"It's in the liver, in the breast, in the prostate."
84
276000
2000
Het zit in de lever, in de borst, in de prostaat.
04:53
And that's about it.
85
278000
3000
En dat is het zo'n beetje.
04:56
So, our dictionary for describing cancer is very, very poor.
86
281000
4000
Dus, ons woordenboek voor het beschrijven van kanker is erg, erg beperkt.
05:00
It's basically symptoms.
87
285000
2000
Het gaat voornamelijk over symptomen.
05:02
It's manifestations of a disease.
88
287000
3000
Manifestaties van een ziekte.
05:05
What's exciting is that over the last two or three years,
89
290000
3000
Wat spannend is, is dat gedurende de laatste twee of drie jaar,
05:08
the government has spent 400 million dollars,
90
293000
2000
de regering al 400 miljoen dollar heeft uitgegeven,
05:10
and they've allocated another billion dollars,
91
295000
3000
en ze hebben nog eens één miljard dollar toegewezen,
05:13
to what we call the Cancer Genome Atlas Project.
92
298000
2000
aan wat we de Cancer Genome Project Atlas noemen.
05:15
So, it is the idea of sequencing all of the genes in the cancer,
93
300000
4000
Het is de bedoeling om alle genen in de kanker te sequenceren,
05:19
and giving us a new lexicon, a new dictionary to describe it.
94
304000
5000
om ons een nieuw lexicon, een nieuw woordenboek om het te beschrijven, te geven.
05:24
You know, in the mid-1850's in France,
95
309000
3000
Rond 1850 zijn ze in Frankrijk
05:27
they started to describe cancer by body part.
96
312000
3000
begonnen met kanker te benoemen naar lichaamsdelen.
05:30
That hasn't changed in over 150 years.
97
315000
4000
Dat is in meer dan 150 jaar niet veranderd.
05:34
It is absolutely archaic that we call cancer
98
319000
4000
Het is absoluut archaïsch dat we kanker benoemen
05:38
by prostate, by breast, by muscle.
99
323000
4000
door de prostaat, door de borst, door de spier.
05:42
It makes no sense, if you think about it.
100
327000
3000
Dat heeft geen zin als je erover nadenkt.
05:45
So, obviously, the technology is here today,
101
330000
3000
De technologie is er vandaag,
05:48
and, over the next several years, that will change.
102
333000
3000
en in de komende jaren zal dat veranderen.
05:51
You will no longer go to a breast cancer clinic.
103
336000
2000
Je zult niet langer naar een borstkankerkliniek gaan.
05:53
You will go to a HER2 amplified clinic, or an EGFR activated clinic,
104
338000
5000
Je gaat dan naar een HER2-versterkte kliniek, of naar een EGFR-geactiveerde kliniek,
05:58
and they will go to some of the pathogenic lesions
105
343000
2000
waar ze gaan zoeken naar een aantal pathogene laesies,
06:00
that were involved in causing this individual cancer.
106
345000
4000
die betrokken waren bij de veroorzaking van deze individuele kanker.
06:04
So, hopefully, we will go from being the art of medicine
107
349000
3000
Dus hopelijk zullen we dan van geneeskunst
06:07
more to the science of medicine,
108
352000
2000
naar een geneeskundewetenschap gaan,
06:09
and be able to do what they do in infectious disease,
109
354000
3000
en kunnen doen wat ze doen in de infectieziektebestrijding,
06:12
which is look at that organism, that bacteria,
110
357000
3000
die kijken naar dat organisme, die bacterie,
06:15
and then say, "This antibiotic makes sense,
111
360000
3000
en op basis daarvan zeggen, dit antibioticum is zinvol,
06:18
because you have a particular bacteria that will respond to it."
112
363000
4000
want je hebt een bepaalde bacterie die daarop zal reageren.
06:22
When one is exposed to H1N1, you take Tamiflu,
113
367000
4000
Wanneer je wordt blootgesteld aan H1N1, kan je Tamiflu innemen,
06:26
and you can remarkably decrease the severity of symptoms
114
371000
3000
waardoor je de ernst van de symptomen aanzienlijk kan verminderen
06:29
and prevent many of the manifestations of the disease.
115
374000
3000
en veel van de gevolgen van de ziekte kan voorkomen.
06:32
Why? Because we know what you have, and we know how to treat it --
116
377000
5000
Waarom? Omdat we weten wat je hebt, en we weten hoe het te behandelen,
06:37
although we can't make vaccine in this country, but that's a different story.
117
382000
4000
hoewel we geen vaccin kunnen maken in dit land, maar dat is een ander verhaal.
06:41
The Cancer Genome Atlas is coming out now.
118
386000
3000
De Cancer Genome Atlas verschijnt nu.
06:44
The first cancer was done, which was brain cancer.
119
389000
4000
De eerste daarin behandelde kanker was hersenkanker.
06:48
In the next month, the end of December, you'll see ovarian cancer,
120
393000
4000
Volgende maand, eind december, komt eierstokkanker aan de beurt,
06:52
and then lung cancer will come several months after.
121
397000
4000
en enkele maanden later longkanker.
06:56
There's also a field of proteomics that I'll talk about in a few minutes,
122
401000
3000
Er is ook het gebied van de proteomica, waarover ik het over een paar minuten zal hebben,
06:59
which I think is going to be the next level
123
404000
3000
en waarvan ik denk dat die het volgende niveau zal worden
07:02
in terms of understanding and classifying disease.
124
407000
4000
in het begrijpen en indelen van de ziekte.
07:06
But remember, I'm not pushing genomics,
125
411000
2000
Maar ik ben hier niet om genomica,
07:08
proteomics, to be a reductionist.
126
413000
3000
proteomica te promoten en een reductionist te worden.
07:11
I'm doing it so we can identify what we're up against.
127
416000
3000
Ik doe dat om te kunnen bepalen waar we tegen vechten.
07:14
And there's a very important distinction there that we'll get to.
128
419000
4000
En dat is een heel belangrijk onderscheid dat we moeten maken.
07:18
In health care today, we spend most of the dollars --
129
423000
3000
In de gezondheidszorg van vandaag de dag besteden we het meeste geld -
07:21
in terms of treating disease --
130
426000
3000
in termen van behandeling van de ziekte -
07:24
most of the dollars in the last two years of a person's life.
131
429000
4000
het merendeel van het geld aan de laatste twee levensjaren van een persoon.
07:28
We spend very little, if any, dollars in terms of identifying what we're up against.
132
433000
5000
We besteden weinig of geen geld aan het identificeren van waar we tegen vechten.
07:33
If you could start to move that, to identify what you're up against,
133
438000
4000
Als je dat zou kunnen veranderen, om te bepalen waar je tegen vecht,
07:37
you're going to do things a hell of a lot better.
134
442000
3000
dan ga je de dingen een stuk beter kunnen aanpakken.
07:40
If we could even take it one step further and prevent disease,
135
445000
4000
Als we zelfs nog een stap verder konden en de ziekte voorkomen,
07:44
we can take it enormously the other direction,
136
449000
3000
dan kunnen we het enorm veel beter doen.
07:47
and obviously, that's where we need to go, going forward.
137
452000
4000
En, natuurlijk is het dat waar we naartoe moeten, als we vooruit willen.
07:51
So, this is the website of the National Cancer Institute.
138
456000
3000
Dit is de website van het National Cancer Institute.
07:54
And I'm here to tell you, it's wrong.
139
459000
3000
En ik ben hier om u te vertellen dat ze fout is.
07:57
So, the website of the National Cancer Institute
140
462000
2000
De website van het National Cancer Institute
07:59
says that cancer is a genetic disease.
141
464000
4000
zegt dat kanker een genetische ziekte is.
08:03
The website says, "If you look, there's an individual mutation,
142
468000
4000
De website zegt dat er een individuele mutatie is,
08:07
and maybe a second, and maybe a third,
143
472000
2000
en misschien een tweede, en misschien een derde,
08:09
and that is cancer."
144
474000
2000
en dat is dan kanker.
08:11
But, as a cancer doc, this is what I see.
145
476000
4000
Maar als kankerdokter zie ik dit.
08:15
This isn't a genetic disease.
146
480000
2000
Het is geen genetische ziekte.
08:17
So, there you see, it's a liver with colon cancer in it,
147
482000
3000
Daar zie je een lever met darmkanker erin,
08:20
and you see into the microscope a lymph node
148
485000
2000
en in de microscoop zie je een lymfeklier
08:22
where cancer has invaded.
149
487000
2000
waar de kanker is binnengedrongen.
08:24
You see a CT scan where cancer is in the liver.
150
489000
4000
Je ziet een CAT-scan met kanker in de lever.
08:28
Cancer is an interaction of a cell
151
493000
3000
Kanker is een interactie van een cel
08:31
that no longer is under growth control with the environment.
152
496000
5000
waarvan de groei niet langer onder controle is van haar omgeving.
08:36
It's not in the abstract; it's the interaction with the environment.
153
501000
4000
Een cel staat niet op zichzelf, ze is in interactie met de omgeving.
08:40
It's what we call a system.
154
505000
3000
Het is wat wij een systeem noemen.
08:43
The goal of me as a cancer doctor is not to understand cancer.
155
508000
4000
Mijn doel als kankerarts is niet kanker te begrijpen.
08:47
And I think that's been the fundamental problem over the last five decades,
156
512000
3000
En ik denk dat het fundamentele probleem in de afgelopen vijf decennia was
08:50
is that we have strived to understand cancer.
157
515000
3000
dat we ernaar streefden om kanker te begrijpen.
08:53
The goal is to control cancer.
158
518000
3000
Het doel is het beheersen van kanker.
08:56
And that is a very different optimization scheme,
159
521000
2000
En dat is een heel andere aanpak,
08:58
a very different strategy for all of us.
160
523000
3000
een heel andere strategie voor ons allemaal.
09:01
I got up at the American Association of Cancer Research,
161
526000
2000
Ik kwam bij de American Association of Cancer Research,
09:03
one of the big cancer research meetings, with 20,000 people there,
162
528000
4000
een van de grote kankeronderzoek bijeenkomsten, met 20.000 mensen,
09:07
and I said, "We've made a mistake.
163
532000
3000
en ik zei dat we fout zaten.
09:10
We've all made a mistake, myself included,
164
535000
3000
We hebben allemaal een fout heeft gemaakt, mezelf inbegrepen,
09:13
by focusing down, by being a reductionist.
165
538000
2000
door ons naar beneden te richten, door reductionist te zijn.
09:15
We need to take a step back."
166
540000
2000
We moeten een stap terug.
09:17
And, believe it or not, there were hisses in the audience.
167
542000
2000
En, geloof het of niet, er werd gesist in het publiek.
09:19
People got upset, but this is the only way we're going to go forward.
168
544000
4000
Mensen werden boos, maar dit is de enige manier waarop we vooruit kunnen gaan.
09:23
You know, I was very fortunate to meet Danny Hillis a few years ago.
169
548000
4000
Ik had het geluk Danny Hillis een paar jaar geleden te ontmoeten.
09:27
We were pushed together, and neither one of us really wanted to meet the other.
170
552000
4000
We werden bij elkaar gezet en geen van ons wilde echt de ander ontmoeten.
09:31
I said, "Do I really want to meet a guy from Disney, who designed computers?"
171
556000
4000
Ik zei: "Wil ik echt een jongen van Disney, die zich bezig houdt met het ontwerpen van computers, ontmoeten?"
09:35
And he was saying: Does he really want to meet another doctor?
172
560000
3000
En hij vroeg zich af of hij eigenlijk wel weer eens een arts wilde ontmoeten.
09:38
But people prevailed on us, and we got together,
173
563000
2000
Min of meer tegen onze zin werden we samengebracht
09:40
and it's been transformative in what I do, absolutely transformative.
174
565000
5000
en het heeft mijn werk getransformeerd, absoluut getransformeerd.
09:46
We have designed, and we have worked on the modeling --
175
571000
3000
We hebben ontworpen, en we hebben gewerkt aan de modellering -
09:49
and much of these ideas came from Danny and from his team --
176
574000
4000
en een groot deel van deze ideeën kwam van Danny, en van zijn team -
09:53
the modeling of cancer in the body as complex system.
177
578000
3000
aan het modelleren van kanker in het lichaam als complex systeem.
09:56
And I'll show you some data there
178
581000
2000
En ik zal je wat gegevens laten zien
09:58
where I really think it can make a difference and a new way to approach it.
179
583000
4000
waarvan ik denk dat ze het verschil kunnen maken en een nieuwe manier van benaderen.
10:02
The key is, when you look at these variables and you look at this data,
180
587000
4000
Als je naar deze variabelen en naar deze gegevens kijkt,
10:06
you have to understand the data inputs.
181
591000
4000
gaat het om het begrijpen van de data-input.
10:10
You know, if I measured your temperature over 30 days,
182
595000
4000
Als ik je temperatuur gedurende 30 dagen zou meten,
10:14
and I asked, "What was the average temperature?"
183
599000
2000
en ik vroeg naar de gemiddelde temperatuur,
10:16
and it came back at 98.7, I would say, "Great."
184
601000
4000
en die was 37,1 °C, zou ik zeggen geweldig.
10:20
But if during one of those days
185
605000
2000
Maar als tijdens een van die dagen
10:22
your temperature spiked to 102 for six hours,
186
607000
3000
je temperatuur zes uur lang op 38,9 °C had gepiekt,
10:25
and you took Tylenol and got better, etc.,
187
610000
2000
je Tylenol nam en beter werd, enz.
10:27
I would totally miss it.
188
612000
2000
dan had ik dat helemaal gemist.
10:29
So, one of the problems, the fundamental problems in medicine
189
614000
3000
Een van de fundamentele problemen in de geneeskunde
10:32
is that you and I, and all of us,
190
617000
2000
is dat u en ik, en wij allemaal,
10:34
we go to our doctor once a year.
191
619000
2000
één keer per jaar naar onze huisarts gaan.
10:36
We have discrete data elements; we don't have a time function on them.
192
621000
4000
We hebben discrete gegevens; geen verloop in functie van de tijd ervan.
10:40
Earlier it was referred to this direct life device.
193
625000
3000
Eerder werd al verwezen naar dit directe levensapparaat.
10:43
You know, I've been using it for two and a half months.
194
628000
3000
Ik gebruik het al twee en een halve maand.
10:46
It's a staggering device, not because it tells me
195
631000
2000
Het is een onthutsend apparaat, niet omdat het me vertelt
10:48
how many kilocalories I do every day,
196
633000
3000
hoeveel kilocalorieën ik elke dag opgebruik,
10:51
but because it looks, over 24 hours, what I've done in a day.
197
636000
4000
maar omdat het, 24 op 24 uur, kijkt naar wat ik heb gedaan gedurende de dag.
10:55
And I didn't realize that for three hours I'm sitting at my desk,
198
640000
3000
En ik wist niet dat ik drie uur aan mijn bureau zit,
10:58
and I'm not moving at all.
199
643000
2000
en dan helemaal niet beweeg.
11:00
And a lot of the functions in the data that we have as input systems here
200
645000
5000
En veel van de functies in de gegevens die we hier als inputsystemen hebben
11:05
are really different than we understand them,
201
650000
3000
zijn echt anders dan dat wij ze begrijpen,
11:08
because we're not measuring them dynamically.
202
653000
2000
omdat we ze niet dynamisch meten.
11:10
And so, if you think of cancer as a system,
203
655000
5000
En ja, als je aan kanker denkt als een systeem,
11:15
there's an input and an output and a state in the middle.
204
660000
4000
is er een input en een output en een middentoestand.
11:19
So, the states, are equivalent classes of history,
205
664000
3000
Deze toestanden zijn equivalentie-klassen van de geschiedenis,
11:22
and the cancer patient, the input, is the environment,
206
667000
3000
en de kankerpatiënt, de input is het milieu,
11:25
the diet, the treatment, the genetic mutations.
207
670000
4000
de voeding, de behandeling, de genetische mutaties.
11:29
The output are our symptoms:
208
674000
3000
De output zijn onze symptomen.
11:32
Do we have pain? Is the cancer growing? Do we feel bloated, etc.?
209
677000
4000
Hebben we pijn? Groeit de kanker? Hebben we een opgeblazen gevoel, enz.?
11:36
Most of that state is hidden.
210
681000
4000
Het meeste van die toestand is verborgen.
11:40
So what we do in our field is we change and input,
211
685000
3000
Dus wat we doen op ons gebied is dat we de input veranderen,
11:43
we give aggressive chemotherapy,
212
688000
2000
we geven agressieve chemotherapie.
11:45
and we say, "Did that output get better? Did that pain improve, etc.?"
213
690000
5000
En we zeggen, werd de output beter? Heeft dat de pijn verminderd, enz.?
11:50
And so, the problem is that it's not just one system,
214
695000
4000
Het probleem is dat er niet alleen één systeem is,
11:54
it's multiple systems on multiple scales.
215
699000
3000
maar meerdere systemen op meerdere niveaus.
11:57
It's a system of systems.
216
702000
3000
Het is een systeem van systemen.
12:00
And so, when you start to look at emergent systems,
217
705000
2000
En ja, wanneer je begint te kijken naar emergente systemen,
12:02
you can look at a neuron under a microscope.
218
707000
3000
kan je kijken naar een neuron onder een microscoop.
12:05
A neuron under the microscope is very elegant
219
710000
2000
Een neuron onder de microscoop is zeer elegant
12:07
with little things sticking out and little things over here,
220
712000
3000
met de kleine dingen die er uit steken en kleine dingen hier,
12:10
but when you start to put them together in a complex system,
221
715000
4000
maar als je ze gaat samenvoegen tot een complex systeem,
12:14
and you start to see that it becomes a brain,
222
719000
2000
zie je dat het een brein wordt,
12:16
and that brain can create intelligence,
223
721000
3000
en dat brein kan intelligentie creëren.
12:19
what we're talking about in the body,
224
724000
2000
Ook het systeem lichaam en kanker zijn we
12:21
and cancer is starting to model it like a complex system.
225
726000
3000
begonnen te modelleren als een complex systeem.
12:24
Well, the bad news is that these robust --
226
729000
3000
Nou, het slechte nieuws is dat deze robuuste -
12:27
and robust is a key word --
227
732000
2000
en robuust is een sleutelwoord -
12:29
emergent systems are very hard to understand in detail.
228
734000
4000
emergente systemen zeer moeilijk in detail zijn te begrijpen.
12:33
The good news is you can manipulate them.
229
738000
3000
Het goede nieuws is dat je ze kunt manipuleren.
12:36
You can try to control them
230
741000
2000
Je kunt proberen om ze onder controle te krijgen
12:38
without that fundamental understanding of every component.
231
743000
3000
zonder een fundamenteel begrip van elke component.
12:41
One of the most fundamental clinical trials in cancer
232
746000
3000
Een van de meest fundamentele klinische studies bij kanker
12:44
came out in February in the New England Journal of Medicine,
233
749000
3000
kwam uit in februari in het New England Journal of Medicine,
12:47
where they took women who were pre-menopausal with breast cancer.
234
752000
4000
waar ze pre-menopausale vrouwen namen met borstkanker.
12:51
So, about the worst kind of breast cancer you can get.
235
756000
3000
Zowat de ergste vorm van borstkanker die je kunt krijgen.
12:54
They had gotten their chemotherapy,
236
759000
2000
Ze hadden hun chemotherapie gekregen,
12:56
and then they randomized them,
237
761000
2000
en dan werden ze gerandomiseerd,
12:58
where half got placebo,
238
763000
2000
waar de helft een placebo kreeg,
13:00
and half got a drug called Zoledronic acid that builds bone.
239
765000
4000
en de andere helft kreeg een geneesmiddel genaamd Zoledroninezuur dat bot opbouwt.
13:04
It's used to treat osteoporosis,
240
769000
2000
Het wordt gebruikt ter behandeling van osteoporose,
13:06
and they got that twice a year.
241
771000
2000
en ze kregen dat twee keer per jaar.
13:08
They looked and, in these 1,800 women,
242
773000
4000
En bij deze 1800 vrouwen,
13:12
given twice a year a drug that builds bone,
243
777000
3000
die tweemaal per jaar een medicijn dat bot bouwt kregen,
13:15
you reduce the recurrence of cancer by 35 percent.
244
780000
5000
verkleinde je de herhaling van kanker met 35 procent.
13:21
Reduce occurrence of cancer by a drug
245
786000
2000
Verminderde je het optreden van kanker door een geneesmiddel
13:23
that doesn't even touch the cancer.
246
788000
2000
dat zelfs geen invloed had op de kanker.
13:25
So the notion, you change the soil, the seed doesn't grow as well.
247
790000
5000
Dus het begrip dat als je je de bodem verandert, het zaad niet goed zal groeien.
13:30
You change that system,
248
795000
3000
Je verandert dat systeem,
13:33
and you could have a marked effect on the cancer.
249
798000
2000
en je kon een duidelijk effect op de kanker hebben.
13:35
Nobody has ever shown -- and this will be shocking --
250
800000
3000
Niemand heeft ooit aangetoond - en dit zal schokkend zijn -
13:38
nobody has ever shown that most chemotherapy
251
803000
3000
Niemand heeft ooit aangetoond dat de meeste chemotherapie
13:41
actually touches a cancer cell.
252
806000
2000
daadwerkelijk een kankercel raakt.
13:43
It's never been shown.
253
808000
2000
Het is nooit aangetoond.
13:45
There's all these elegant work in the tissue culture dishes,
254
810000
3000
Er is al dit elegante werk op weefselculturen,
13:48
that if you give this cancer drug, you can do this effect to the cell,
255
813000
3000
dat, als je dit kankermedicijn geeft, je dit effect op de cel zal krijgen,
13:51
but the doses in those dishes are nowhere near
256
816000
3000
maar de doses in de schaaltjes komen nergens in de buurt
13:54
the doses that happen in the body.
257
819000
4000
van de doses die in het lichaam worden bereikt.
13:58
If I give a woman with breast cancer a drug called Taxol
258
823000
3000
Als ik een vrouw met borstkanker het geneesmiddel Taxol
14:01
every three weeks, which is the standard,
259
826000
2000
elke drie weken toedien, dat is de standaardbehandeling,
14:03
about 40 percent of women with metastatic cancer
260
828000
2000
dan heeft ongeveer 40 procent van de vrouwen met uitgezaaide kanker
14:05
have a great response to that drug.
261
830000
3000
een geweldige reactie op dit medicijn.
14:08
And a response is 50 percent shrinkage.
262
833000
2000
En een reactie is 50 procent inkrimping.
14:10
Well, remember that's not even an order of magnitude,
263
835000
2000
Dat is niet eens één orde van grootte,
14:12
but that's a different story.
264
837000
2000
maar dat is een ander verhaal.
14:14
They then recur, I give them that same drug every week.
265
839000
4000
Dan hervallen ze en geef ik ze elke week hetzelfde medicijn.
14:18
Another 30 percent will respond.
266
843000
3000
Nog eens 30 procent zullen reageren.
14:21
They then recur, I give them that same drug
267
846000
2000
Dan hervallen ze en geef ik ze hetzelfde medicijn
14:23
over 96 hours by continuous infusion,
268
848000
3000
gedurende 96 uur door een continue infusie.
14:26
another 20 or 30 percent will respond.
269
851000
3000
Nog eens 20 of 30 procent zal reageren.
14:29
So, you can't tell me it's working by the same mechanism in all three size.
270
854000
4000
Je kan mij dus niet vertellen dat het werkt via hetzelfde mechanisme in alle drie gevallen.
14:33
It's not. We have no idea the mechanism.
271
858000
3000
Dat is niet zo. We hebben geen idee van het mechanisme.
14:36
So the idea that chemotherapy may just be disrupting
272
861000
3000
Dus het idee dat chemotherapie alleen maar
14:39
that complex system,
273
864000
3000
dat complexe systeem verstoort,
14:42
just like building bone disrupted that system and reduced recurrence,
274
867000
5000
net zoals de bouw van het bot dat systeem verstoort en terugval vermindert,
14:47
chemotherapy may work by that same exact way.
275
872000
3000
kan chemotherapie op exact dezelfde manier werken.
14:50
The wild thing about that trial also,
276
875000
3000
Het eigenaardige aan dat onderzoek is dat het ook
14:53
was that it reduced new primaries, so new cancers, by 30 percent also.
277
878000
7000
nieuwe beginnende kankers, en dus ook nieuwe kankers, met 30 procent terugdringt.
15:02
So, the problem is, yours and mine, all of our systems are changing.
278
887000
5000
Het probleem is dat al onze systemen voortdurend aan het veranderen zijn.
15:07
They're dynamic.
279
892000
2000
Ze zijn dynamisch.
15:09
I mean, this is a scary slide, not to take an aside,
280
894000
3000
Dit is een enge foto, niet als een terzijde,
15:12
but it looks at obesity in the world.
281
897000
2000
maar ze geeft het voorkomen van obesitas in de wereld weer.
15:14
And I'm sorry if you can't read the numbers, they're kind of small.
282
899000
3000
En het spijt me als je de cijfers niet kan lezen, ze zijn nogal klein.
15:17
But, if you start to look at it, that red, that dark color there,
283
902000
4000
Maar als je ernaar begint te kijken, dan zie je dat donkerrood,
15:21
more than 75 percent of the population
284
906000
3000
meer dan 75 procent van de bevolking
15:24
of those countries are obese.
285
909000
3000
van deze landen is zwaarlijvig.
15:27
Look a decade ago, look two decades ago: markedly different.
286
912000
4000
Kijk eens een decennium geleden, kijk dan twee decennia geleden, aanzienlijke verschillen.
15:31
So, our systems today are dramatically different
287
916000
3000
Dus, onze systemen zijn vandaag de dag dramatisch anders
15:34
than our systems a decade or two ago.
288
919000
4000
dan een decennium of twee geleden.
15:38
So the diseases we have today,
289
923000
3000
Dus de ziektes die wij nu hebben,
15:41
which reflect patterns in the system over the last several decades,
290
926000
4000
die patronen in het systeem weerspiegelen in de afgelopen tientallen jaren,
15:45
are going to change dramatically over the next decade or so
291
930000
4000
gaan dramatisch veranderen in het komende decennium of zo
15:49
based on things like this.
292
934000
3000
gebaseerd op dit soort dingen.
15:52
So, this picture, although it is beautiful, is a 40-gigabyte picture
293
937000
10000
Dit beeld, hoewel het mooi is, is een 40 gigabyte beeld
16:02
of the whole proteome.
294
947000
2000
van het hele proteoom.
16:04
So this is a drop of blood that has gone through a superconducting magnet,
295
949000
4000
Dit is een druppel bloed die door een supergeleidende magneet is gegaan,
16:08
and we're able to get resolution
296
953000
2000
en we kunnen een resolutie krijgen
16:10
where we can start to see all of the proteins in the body.
297
955000
4000
waar we alle eiwitten in het lichaam beginnen te zien.
16:14
We can start to see that system.
298
959000
2000
We kunnen het systeem beginnen te zien.
16:16
Each of the red dots are where a protein has actually been identified.
299
961000
4000
Elk van de rode stippen komen overeen met een daadwerkelijk geïdentificeerd eiwit.
16:20
The power of these magnets, the power of what we can do here,
300
965000
2000
De kracht van deze magneten, de kracht van wat we hier kunnen doen
16:22
is that we can see an individual neutron with this technology.
301
967000
5000
is dat we een individueel neutron kunnen zien met deze technologie.
16:27
So, again, this is stuff we're doing with Danny Hillis
302
972000
3000
Dit is wat wij aan het doen zijn met Danny Hillis
16:30
and a group called Applied Proteomics,
303
975000
2000
en een groep genaamd Applied Proteomics,
16:32
where we can start to see individual neutron differences,
304
977000
4000
waar we individuele neutronenverschillen beginnen te zien,
16:36
and we can start to look at that system like we never have before.
305
981000
4000
en we zoals nooit eerder naar dat systeem kunnen beginnen te kijken.
16:40
So, instead of a reductionist view, we're taking a step back.
306
985000
4000
Dus, in plaats van een reductionistische visie, doen we een stap terug.
16:44
So this is a woman, 46 years old,
307
989000
4000
Dit is een vrouw, 46 jaar oud,
16:48
who had recurrent lung cancer.
308
993000
3000
die recurrente longkanker had.
16:51
It was in her brain, in her lungs, in her liver.
309
996000
4000
Hij zat in haar hersenen, in haar longen, in haar lever.
16:55
She had gotten Carboplatin Taxol, Carboplatin Taxotere,
310
1000000
4000
Ze had Carboplatine Taxol gekregen en Carboplatine Taxotere,
16:59
Gemcitabine, Navelbine:
311
1004000
2000
Gemcitabene, Navelbine.
17:01
Every drug we have she had gotten, and that disease continued to grow.
312
1006000
5000
Elk geneesmiddel uit ons arsenaal had ze gekregen, en de ziekte bleef verder groeien.
17:06
She had three kids under the age of 12,
313
1011000
4000
Ze had drie kinderen onder de 12 jaar,
17:10
and this is her CT scan.
314
1015000
2000
en dit is haar CAT-scan.
17:12
And so what this is, is we're taking a cross-section of her body here,
315
1017000
3000
We nemen een dwarsdoorsnede van haar lichaam hier.
17:15
and you can see in the middle there is her heart,
316
1020000
3000
En je kan in het midden haar hart zien,
17:18
and to the side of her heart on the left there is this large tumor
317
1023000
4000
en aan de zijkant van haar hart aan de linkerkant zit die grote tumor
17:22
that will invade and will kill her, untreated, in a matter of weeks.
318
1027000
6000
die verder zal groeien en haar in enkele weken zal doden, indien onbehandeld.
17:28
She goes on a pill a day that targets a pathway,
319
1033000
5000
Ze krijgt een pil per dag die zich richt op een mogelijk mechanisme,
17:33
and again, I'm not sure if this pathway was in the system, in the cancer,
320
1038000
4000
en nogmaals, ik ben niet zeker of dit mechanisme in het systeem, in de kanker, speelt
17:37
but it targeted a pathway, and a month later, pow, that cancer's gone.
321
1042000
6000
maar ze mikte op een mechanisme, en een maand later, poef, was de kanker weg.
17:43
Six months later it's still gone.
322
1048000
3000
Zes maanden later was hij nog steeds verdwenen.
17:46
That cancer recurred, and she passed away three years later from lung cancer,
323
1051000
5000
De kanker kwam echter terug, en ze overleed drie jaar later aan longkanker,
17:51
but she got three years from a drug
324
1056000
4000
maar die drie jaar kreeg ze van een geneesmiddel
17:55
whose symptoms predominately were acne.
325
1060000
2000
dat voornamelijk diende om acne te behandelen.
17:57
That's about it.
326
1062000
2000
Dat is het zo'n beetje.
17:59
So, the problem is that the clinical trial was done,
327
1064000
4000
Dus, het probleem is dat de klinische proef werd gedaan,
18:03
and we were a part of it,
328
1068000
2000
en wij deden daaraan mee,
18:05
and in the fundamental clinical trial --
329
1070000
2000
en in de fundamentele klinische proef,
18:07
the pivotal clinical trial we call the Phase Three,
330
1072000
2000
de kantelpunt klinische studie, die we fase drie noemen,
18:09
we refused to use a placebo.
331
1074000
3000
weigerden wij een placebo te gebruiken.
18:12
Would you want your mother, your brother, your sister
332
1077000
2000
Zou je willen dat je moeder, je broer, je zus
18:14
to get a placebo if they had advanced lung cancer and had weeks to live?
333
1079000
4000
een placebo kregen als zij geavanceerde longkanker hadden en nog enkele weken te leven hadden?
18:18
And the answer, obviously, is not.
334
1083000
2000
En het antwoord is, natuurlijk, neen.
18:20
So, it was done on this group of patients.
335
1085000
2000
Dus werd dat gedaan met deze groep van patiënten.
18:22
Ten percent of people in the trial had this dramatic response that was shown here,
336
1087000
6000
10 procent van de mensen in het onderzoek vertoonden de dramatische reactie die hier werd getoond,
18:28
and the drug went to the FDA,
337
1093000
3000
en het medicijn werd voorgelegd aan de FDA,
18:31
and the FDA said, "Without a placebo,
338
1096000
2000
en de FDA vroeg hoe kan je, zonder een placebo, weten
18:33
how do I know patients actually benefited from the drug?"
339
1098000
5000
of patiënten echt profiteerden van het medicijn?
18:38
So the morning the FDA was going to meet,
340
1103000
2000
Op de ochtend dat de FDA ging samenkomen,
18:40
this was the editorial in the Wall Street Journal.
341
1105000
3000
was dit het redactioneel artikel in de Wall Street Journal.
18:43
(Laughter)
342
1108000
2000
(Gelach)
18:45
And so, what do you know, that drug was approved.
343
1110000
4000
En ja, het medicijn werd goedgekeurd.
18:49
The amazing thing is another company did the right scientific trial,
344
1114000
4000
Het verbazingwekkende is dat een ander bedrijf de wetenschappelijke proef op de juiste manier uitvoerde,
18:53
where they gave half placebo and half the drug.
345
1118000
3000
waar ze de helft een placebo en de helft het medicijn gaf.
18:56
And we learned something important there.
346
1121000
2000
En we leerden er iets belangrijks.
18:58
What's interesting is they did it in South America and Canada,
347
1123000
3000
Wat interessant is, is dat zij het deden in Zuid-Amerika en Canada,
19:01
where it's "more ethical to give placebos."
348
1126000
3000
waar het "ethischer is om placebo's te geven."
19:04
They had to give it also in the U.S. to get approval,
349
1129000
2000
Ze moesten ze ook geven in de Verenigde Staten om goedkeuring te verkrijgen,
19:06
so I think there were three U.S. patients
350
1131000
2000
dus ik denk dat er drie Amerikaanse patiënten
19:08
in upstate New York who were part of the trial.
351
1133000
2000
benoorden New York deel uitmaakten van de proef.
19:10
But they did that, and what they found
352
1135000
2000
Maar ze deden dat en wat ze vonden,
19:12
is that 70 percent of the non-responders
353
1137000
3000
is dat 70 procent van de non-responders
19:15
lived much longer and did better than people who got placebo.
354
1140000
5000
veel langer leefden en het beter deden dan de mensen die een placebo kregen.
19:20
So it challenged everything we knew in cancer,
355
1145000
3000
Dit stelde alles wat we wisten over kanker in vraag,
19:23
is that you don't need to get a response.
356
1148000
2000
je hebt geen reactie nodig.
19:25
You don't need to shrink the disease.
357
1150000
2000
Dat het niet nodig is om de ziekte te doen krimpen.
19:27
If we slow the disease, we may have more of a benefit
358
1152000
4000
Als we de ziekte vertragen, winnen we meer
19:31
on patient survival, patient outcome, how they feel,
359
1156000
4000
aan overleving van de patiënten, patiënt resultaat, hoe ze zich voelen,
19:35
than if we shrink the disease.
360
1160000
2000
dan wanneer we de ziekte doen krimpen.
19:37
The problem is that, if I'm this doc, and I get your CT scan today
361
1162000
3000
Het probleem is dat, als ik deze dokter ben en ik krijg je CAT-scan van vandaag,
19:40
and you've got a two centimeter mass in your liver,
362
1165000
3000
en je hebt een twee centimeter groot gezwel in je lever,
19:43
and you come back to me in three months and it's three centimeters,
363
1168000
3000
en je na drie maanden terug bij mij komt, en het drie centimeter is geworden,
19:46
did that drug help you or not?
364
1171000
2000
heeft dat medicijn je dan geholpen of niet?
19:48
How do I know?
365
1173000
2000
Hoe kan ik dat weten?
19:50
Would it have been 10 centimeters, or am I giving you a drug
366
1175000
4000
Zou het dan 10 centimeter zijn of gaf ik je een geneesmiddel
19:54
with no benefit and significant cost?
367
1179000
3000
met geen enkel voordeel en aanzienlijke kosten?
19:57
So, it's a fundamental problem.
368
1182000
2000
Dat is een fundamenteel probleem.
19:59
And, again, that's where these new technologies can come in.
369
1184000
5000
En, nogmaals, dat is waar deze nieuwe technologieën hun rol kunnen spelen.
20:04
And so, the goal obviously is that you go into your doctor's office --
370
1189000
4000
En ja, het uiteindelijke doel is uiteraard dat als je bij een arts binnenstapt
20:08
well, the ultimate goal is that you prevent disease, right?
371
1193000
3000
dat je ziekte wordt voorkomen.
20:11
The ultimate goal is that you prevent any of these things from happening.
372
1196000
4000
Het uiteindelijke doel is te beletten dat je zoiets overkomt.
20:15
That is the most effective, cost-effective,
373
1200000
3000
Dat is de meest effectieve, rendabele en
20:18
best way we can do things today.
374
1203000
2000
beste manier waarop we vandaag dingen kunnen doen.
20:20
But if one is unfortunate to get a disease,
375
1205000
3000
Maar als je jammer genoeg een ziekte krijgt,
20:23
you'll go into your doctor's office, he or she will take a drop of blood,
376
1208000
3000
ga je naar je arts, hij of zij zal een druppel bloed afnemen,
20:26
and we will start to know how to treat your disease.
377
1211000
4000
om te weten hoe je ziekte te behandelen.
20:31
The way we've approached it is the field of proteomics,
378
1216000
3000
De manier waarop we dat benaderden is het gebied van de proteomica,
20:34
again, this looking at the system.
379
1219000
2000
Dit kijken naar het systeem.
20:36
It's taking a big picture.
380
1221000
2000
Het grote beeld in zicht krijgen.
20:38
The problem with technologies like this is
381
1223000
3000
Het probleem met dit soort technologieën is
20:41
that if one looks at proteins in the body,
382
1226000
2000
dat als men kijkt naar eiwitten in het lichaam,
20:43
there are 11 orders of magnitude difference
383
1228000
3000
er 11 ordes van grootteverschil zijn
20:46
between the high-abundant and the low-abundant proteins.
384
1231000
3000
tussen de veel en weinig voorkomende eiwitten.
20:49
So, there's no technology in the world that can span 11 orders of magnitude.
385
1234000
5000
Er bestaat geen technologie in de wereld die 11 ordes van grootte kan overbruggen.
20:54
And so, a lot of what has been done with people like Danny Hillis and others
386
1239000
5000
En daarom is veel van wat er is gedaan met Danny Hillis en anderen
20:59
is to try to bring in engineering principles, try to bring the software.
387
1244000
4000
is proberen de ingenieurskunst in te brengen, de software in te brengen.
21:03
We can start to look at different components along this spectrum.
388
1248000
5000
We kunnen beginnen te kijken naar de verschillende componenten in dit spectrum.
21:08
And so, earlier was talked about cross-discipline, about collaboration.
389
1253000
5000
Eerder werd gesproken over cross-discipline, over samenwerking.
21:13
And I think one of the exciting things that is starting to happen now
390
1258000
3000
En ik denk dat een van de spannende dingen die nu gaan gebeuren
21:16
is that people from those fields are coming in.
391
1261000
3000
is dat mensen uit die gebieden hun inbreng gaan hebben.
21:19
Yesterday, the National Cancer Institute announced a new program
392
1264000
3000
Gisteren heeft het National Cancer Institute een nieuw programma aangekondigd,
21:22
called the Physical Sciences and Oncology,
393
1267000
3000
Fysische Wetenschappen en Oncologie genoemd,
21:25
where physicists, mathematicians, are brought in to think about cancer,
394
1270000
4000
waar natuurkundigen, wiskundigen, worden aangesteld om na te denken over kanker,
21:29
people who never approached it before.
395
1274000
3000
mensen die daarvoor nog nooit waren benaderd.
21:32
Danny and I got 16 million dollars, they announced yesterday,
396
1277000
3000
Danny en ik kregen 16 miljoen dollar, kondigden zij gisteren aan,
21:35
to try to attach this problem.
397
1280000
2000
om te proberen dit probleem aan te pakken.
21:37
A whole new approach, instead of giving high doses of chemotherapy
398
1282000
4000
Een geheel nieuwe aanpak, in plaats van het geven van hoge doses chemotherapie
21:41
by different mechanisms,
399
1286000
2000
via verschillende mechanismen
21:43
to try to bring technology to get a picture of what's actually happening in the body.
400
1288000
6000
om te proberen de technologie in te brengen om een beeld te verkrijgen van wat er werkelijk in het lichaam gebeurt.
21:49
So, just for two seconds, how these technologies work --
401
1294000
4000
Nu even, voor twee seconden, over hoe deze technologieën werken -
21:53
because I think it's important to understand it.
402
1298000
3000
omdat ik denk dat het belangrijk is ze te begrijpen.
21:56
What happens is every protein in your body is charged,
403
1301000
3000
Wat er gebeurt is dit: elk eiwit in je lichaam heeft een lading,
21:59
so the proteins are sprayed in, the magnet spins them around,
404
1304000
4000
de eiwitten worden ingespoten, de magneet draait ze rond,
22:03
and then there's a detector at the end.
405
1308000
2000
en dan is er een detector aan het eind.
22:05
When it hit that detector is dependent on the mass and the charge.
406
1310000
5000
Het raken van de detector is afhankelijk van de massa en de lading.
22:10
And so we can accurately -- if the magnet is big enough,
407
1315000
3000
En zo nauwkeurig dat, als de magneet groot genoeg is,
22:13
and your resolution is high enough --
408
1318000
2000
en je resolutie hoog genoeg is,
22:15
you can actually detect all of the proteins in the body
409
1320000
3000
je alle eiwitten in het lichaam kunt detecteren
22:18
and start to get an understanding of the individual system.
410
1323000
4000
en beginnen een goed begrip van het individuele systeem te krijgen.
22:22
And so, as a cancer doctor,
411
1327000
2000
En ja, als kankerarts,
22:24
instead of having paper in my chart, in your chart, and it being this thick,
412
1329000
5000
in plaats van een dikke papieren bundel met grafieken
22:29
this is what data flow is starting to look like in our offices,
413
1334000
4000
is dit hoe de datastroom er gaat uitzien in onze kantoren,
22:33
where that drop of blood is creating gigabytes of data.
414
1338000
3000
wanneer die druppel bloed gigabytes aan gegevens gaat creëren.
22:36
Electronic data elements are describing every aspect of the disease.
415
1341000
4000
Elektronische gegevens beschrijven elk aspect van de ziekte.
22:40
And certainly the goal is we can start to learn from every encounter
416
1345000
4000
En het doel is zeker dat we kunnen beginnen met te leren van elke ontmoeting
22:44
and actually move forward, instead of just having encounter and encounter,
417
1349000
5000
om daadwerkelijk vooruitgang te boeken, in plaats van alleen maar te ontmoeten
22:49
without fundamental learning.
418
1354000
2000
zonder iets bij te leren.
22:51
So, to conclude, we need to get away from reductionist thinking.
419
1356000
6000
Dus, tot slot, we moeten af van reductionistisch denken.
22:57
We need to start to think differently and radically.
420
1362000
4000
We moeten radicaal anders gaan denken.
23:01
And so, I implore everyone here: Think differently. Come up with new ideas.
421
1366000
4000
En ja, ik smeek iedereen hier om anders te denken. Kom op met nieuwe ideeën.
23:05
Tell them to me or anyone else in our field,
422
1370000
3000
Vertel ze aan mij of iemand anders in ons vakgebied,
23:08
because over the last 59 years, nothing has changed.
423
1373000
3000
omdat in de afgelopen 59 jaar er niets is veranderd.
23:11
We need a radically different approach.
424
1376000
3000
We hebben behoefte aan een radicaal andere aanpak.
23:14
You know, Andy Grove stepped down as chairman of the board at Intel --
425
1379000
3000
Toen Andy Grove terugtrad als voorzitter van de raad van bestuur bij Intel -
23:17
and Andy was one of my mentors, tough individual.
426
1382000
3000
en Andy was een van mijn mentors, een moeilijk persoon -
23:20
When Andy stepped down, he said,
427
1385000
2000
wanneer Andy terugtrad, zei hij,
23:22
"No technology will win. Technology itself will win."
428
1387000
3000
"Geen technologie zal winnen. Technologie zelf zal winnen."
23:25
And I'm a firm believer, in the field of medicine and especially cancer,
429
1390000
4000
En ik ben een stevige gelovige, op het gebied van de geneeskunde en met name kanker,
23:29
that it's going to be a broad platform of technologies
430
1394000
3000
dat het een breed platform van technologieën gaat worden
23:32
that will help us move forward
431
1397000
2000
dat ons vooruit zal helpen
23:34
and hopefully help patients in the near-term.
432
1399000
2000
en hopelijk ook patiënten op de korte termijn.
23:36
Thank you very much.
433
1401000
2000
Heel hartelijk bedankt.
ABOUT THE SPEAKER
David Agus - Cancer DoctorAlthough 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.
David Agus | Speaker | TED.com