TEDMED 2015
Russ Altman: What really happens when you mix medications?
Russ Altman: O que acontece quando misturamos medicamentos?
Filmed:
Readability: 4.2
1,766,922 views
Se tomarmos dois medicamentos diferentes por duas razões diferentes, isto é um pensamento sensato: O nosso médico pode não conhecer suficientemente o que acontece quando eles se misturam, porque as interações das drogas são terrivelmente difíceis de estudar. Nesta palestra fascinante e acessível, Russ Altman mostra como os médicos estão a estudar interações inesperadas de drogas, usando uma fonte surpreendente: investigação por pesquisa informática.
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
Vamos ao médico e ele faz alguns exames.
00:16
The doctor determines
that you have high cholesterol
that you have high cholesterol
1
4674
2620
O médico determina
que temos o colesterol alto
que temos o colesterol alto
00:19
and you would benefit
from medication to treat it.
from medication to treat it.
2
7318
3171
e é melhor tomarmos um medicamento
para tratar disso.
para tratar disso.
00:22
So you get a pillbox.
3
10981
1556
Obtemos uma caixa de comprimidos.
Ficamos confiantes,
00:25
You have some confidence,
4
13505
1199
00:26
your physician has some confidence
that this is going to work.
that this is going to work.
5
14728
2937
o médico tem confiança
de que vai dar bom resultado.
de que vai dar bom resultado.
A empresa que o inventou
fez uma série de estudos,
fez uma série de estudos,
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
submeteu-o ao FDA.
Foi estudado muito cuidadosamente,
com ceticismo, foi aprovado.
com ceticismo, foi aprovado.
00:33
They studied it very carefully,
skeptically, they approved it.
skeptically, they approved it.
7
21266
3107
00:36
They have a rough idea of how it works,
8
24397
1889
Têm uma ideia geral de como funciona,
00:38
they have a rough idea
of what the side effects are.
of what the side effects are.
9
26310
2453
têm uma ideia geral
dos seus efeitos colaterais.
dos seus efeitos colaterais.
Deve estar ok.
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
Conversamos um pouco mais
com o médico
com o médico
00:45
and the physician is a little worried
because you've been blue,
because you've been blue,
12
33706
2963
e o médico está preocupado
porque temos andado deprimidos,
porque temos andado deprimidos,
00:48
haven't felt like yourself,
13
36693
1293
não nos temos sentido bem,
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
não apreciamos as coisas da vida
como habitualmente acontecia.
como habitualmente acontecia.
00:53
Your physician says, "You know,
I think you have some depression.
I think you have some depression.
15
41765
3186
O médico diz: "Acho que anda
um pouco deprimido.
um pouco deprimido.
00:57
I'm going to have to give
you another pill."
you another pill."
16
45792
2315
"Vou dar-lhe outro comprimido".
01:00
So now we're talking
about two medications.
about two medications.
17
48934
2483
Agora estamos a falar
de dois medicamentos.
de dois medicamentos.
01:03
This pill also -- millions
of people have taken it,
of people have taken it,
18
51441
3104
Milhões de pessoas tomam este comprimido,
01:06
the company did studies,
the FDA looked at it -- all good.
the FDA looked at it -- all good.
19
54569
3631
a empresa também fez estudos,
o FDA observou-o — tudo bem.
o FDA observou-o — tudo bem.
01:10
Think things should go OK.
20
58823
2057
Pensamos que as coisas vão correr bem.
01:12
Think things should go OK.
21
60904
2197
Pensamos que as coisas vão correr bem.
01:15
Well, wait a minute.
22
63125
1439
Bem, esperem um pouco.
01:16
How much have we studied
these two together?
these two together?
23
64588
3517
Quantos estudos foram feitos
dos dois medicamentos juntos?
dos dois medicamentos juntos?
01:20
Well, it's very hard to do that.
24
68630
2300
É muito difícil fazer isso.
01:22
In fact, it's not traditionally done.
25
70954
2130
Na verdade, habitualmente não se fazem.
01:25
We totally depend on what we call
"post-marketing surveillance,"
"post-marketing surveillance,"
26
73108
5518
Dependemos totalmente
daquilo a que se chama
"vigilância pós-comercialização",
"vigilância pós-comercialização",
01:30
after the drugs hit the market.
27
78650
1880
depois de os medicamentos
estarem no mercado.
estarem no mercado.
01:32
How can we figure out
if bad things are happening
if bad things are happening
28
80996
2848
Como é que descobrimos
que acontecem coisas más
que acontecem coisas más
01:35
between two medications?
29
83868
1357
entre dois medicamentos?
01:37
Three? Five? Seven?
30
85249
2030
Entre três? cinco? sete?
01:39
Ask your favorite person
who has several diagnoses
who has several diagnoses
31
87708
2415
Perguntem a uma pessoa
que tem vários diagnósticos
que tem vários diagnósticos
01:42
how many medications they're on.
32
90147
1834
quantos medicamentos toma.
Porque é que me preocupo
com este problema?
com este problema?
01:44
Why do I care about this problem?
33
92530
1580
01:46
I care about it deeply.
34
94134
1157
Preocupo-me e muito.
01:47
I'm an informatics and data science guy
and really, in my opinion,
and really, in my opinion,
35
95315
4304
Sou informático,
um tipo da ciência de dados.
um tipo da ciência de dados.
Na minha opinião, a única esperança
de compreender estas interações
de compreender estas interações
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
é usar conjuntos
de diversas origens de dados
de diversas origens de dados
01:58
in order to figure out
when drugs can be used together safely
when drugs can be used together safely
38
106492
3556
para perceber quando os medicamentos
podem ser usados em conjunto, com segurança
podem ser usados em conjunto, com segurança
02:02
and when it's not so safe.
39
110072
1777
e quando essa segurança não existe.
02:04
So let me tell you a data science story.
40
112615
2051
Vou contar-vos uma história
da ciência dos dados.
da ciência dos dados.
02:06
And it begins with my student Nick.
41
114690
2154
Começa com o meu aluno Nick.
02:08
Let's call him "Nick,"
because that's his name.
because that's his name.
42
116868
2380
Vamos chamar-lhe Nick,
porque é esse o nome dele.
porque é esse o nome dele.
02:11
(Laughter)
43
119272
1592
(Risos)
02:12
Nick was a young student.
44
120888
1201
Nick era um jovem estudante.
02:14
I said, "You know, Nick, we have
to understand how drugs work
to understand how drugs work
45
122113
3079
Eu disse: "Nick, temos que perceber
como funcionam as drogas,
como funcionam as drogas,
02:17
and how they work together
and how they work separately,
and how they work separately,
46
125216
2626
"como funcionam em conjunto
e como funcionam em separado".
e como funcionam em separado".
02:19
and we don't have a great understanding.
47
127866
1922
Não sabemos grande coisa sobre isso.
02:21
But the FDA has made available
an amazing database.
an amazing database.
48
129812
2405
Mas a FDA disponibilizou
uma base de dados fenomenal.
uma base de dados fenomenal.
02:24
It's a database of adverse events.
49
132241
1699
É uma base de dados
de incidentes adversos.
de incidentes adversos.
02:26
They literally put on the web --
50
134321
1642
Puseram-no na "web"
02:27
publicly available, you could all
download it right now --
download it right now --
51
135987
3119
— disponíveis publicamente,
vocês podem lá ir agora mesmo —
vocês podem lá ir agora mesmo —
02:31
hundreds of thousands
of adverse event reports
of adverse event reports
52
139130
3627
centenas de milhares de relatos
de incidentes adversos
de incidentes adversos
02:34
from patients, doctors,
companies, pharmacists.
companies, pharmacists.
53
142781
3760
de doentes, de médicos,
de empresas, de farmacêuticos.
de empresas, de farmacêuticos.
02:38
And these reports are pretty simple:
54
146565
1749
Esses relatos são muito simples:
02:40
it has all the diseases
that the patient has,
that the patient has,
55
148338
2658
têm todas as doenças
que um doente tem,
que um doente tem,
02:43
all the drugs that they're on,
56
151020
1767
todas as drogas que ele toma,
02:44
and all the adverse events,
or side effects, that they experience.
or side effects, that they experience.
57
152811
3818
e todos os incidentes adversos,
ou efeitos colaterais, que eles sentem.
ou efeitos colaterais, que eles sentem.
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
Não são todos os incidentes adversos
que ocorrem atualmente nos EUA,
que ocorrem atualmente nos EUA,
02:52
but it's hundreds and hundreds
of thousands of drugs.
of thousands of drugs.
59
160113
2578
mas centenas e centenas
de milhares de drogas.
de milhares de drogas.
02:54
So I said to Nick,
60
162715
1299
Então, eu disse ao Nick:
02:56
"Let's think about glucose.
61
164038
1826
"Vamos pensar na 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
"A glucose é muito importante
sabemos que está envolvida na diabetes.
sabemos que está envolvida na diabetes.
03:01
Let's see if we can understand
glucose response.
glucose response.
63
169479
3970
"Vamos ver se compreendemos
a reação à glucose."
a reação à glucose."
03:05
I sent Nick off. Nick came back.
64
173473
2458
Mandei embora o Nick.
O Nick voltou.
O Nick voltou.
03:08
"Russ," he said,
65
176248
1786
"Russ", disse ele.
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
"Criei um classificador que pode ver
os efeitos colaterais duma droga
os efeitos colaterais duma droga
03:15
based on looking at this database,
67
183487
2051
"com base na observação
desta base de dados
desta base de dados
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
"e posso dizer se esta droga
pode alterar a glucose ou não".
pode alterar a glucose ou não".
E fê-lo. De certo modo, era muito simples.
03:21
He did it. It was very simple, in a way.
69
189857
2016
Agarrou em todas as drogas
que se sabe que alteram a glucose
que se sabe que alteram a glucose
03:23
He took all the drugs
that were known to change glucose
that were known to change glucose
70
191897
2635
03:26
and a bunch of drugs
that don't change glucose,
that don't change glucose,
71
194556
2389
e num conjunto de drogas
que não alteram a glucose.
que não alteram a glucose.
03:28
and said, "What's the difference
in their side effects?
in their side effects?
72
196969
2888
E disse: "Qual é a diferença
nos efeitos colaterais?
nos efeitos colaterais?
03:31
Differences in fatigue? In appetite?
In urination habits?"
In urination habits?"
73
199881
4852
"Diferenças na fadiga? No apetite?
Nos hábitos urinários?"
Nos hábitos urinários?"
03:36
All those things conspired
to give him a really good predictor.
to give him a really good predictor.
74
204757
2960
Tudo isso conspirava para lhe dar
uma previsão muito boa.
uma previsão muito boa.
03:39
He said, "Russ, I can predict
with 93 percent accuracy
with 93 percent accuracy
75
207741
2548
E disse: "Russ, posso prever
com 93% de rigor
com 93% de rigor
"quando uma droga altera a glucose".
03:42
when a drug will change glucose."
76
210313
1572
03:43
I said, "Nick, that's great."
77
211909
1416
E eu: "Nick, isso é ótimo".
03:45
He's a young student,
you have to build his confidence.
you have to build his confidence.
78
213349
2896
Ele é um estudante jovem,
temos que lhe dar confiança.
temos que lhe dar confiança.
03:48
"But Nick, there's a problem.
79
216269
1390
"Mas, Nick, há um problema.
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
"Todos os médicos no mundo conhecem
todas as drogas que alteram a glucose
todas as drogas que alteram a glucose
03:53
because it's core to our practice.
81
221667
2038
"porque isso é essencial na nossa prática.
03:55
So it's great, good job,
but not really that interesting,
but not really that interesting,
82
223729
3722
"Portanto, foi um ótimo trabalho
mas não tem grande interesse,
mas não tem grande interesse,
03:59
definitely not publishable."
83
227475
1531
"nem pode ser publicado".
04:01
(Laughter)
84
229030
1014
(Risos)
04:02
He said, "I know, Russ.
I thought you might say that."
I thought you might say that."
85
230068
2550
E ele: "Eu sei, Russ,
já sabia que ias dizer isso".
já sabia que ias dizer isso".
04:04
Nick is smart.
86
232642
1152
O Nick é inteligente.
04:06
"I thought you might say that,
so I did one other experiment.
so I did one other experiment.
87
234149
2874
"Sabia que ias dizer isso, Russ,
por isso fiz outra experiência.
por isso fiz outra experiência.
04:09
I looked at people in this database
who were on two drugs,
who were on two drugs,
88
237047
2928
"Olhei para pessoas desta base de dados
que tomavam dois medicamentos
que tomavam dois medicamentos
04:11
and I looked for signals similar,
glucose-changing signals,
glucose-changing signals,
89
239999
4422
"e procurei sinais semelhantes,
sinais de alteração da glucose
sinais de alteração da glucose
04:16
for people taking two drugs,
90
244445
1624
"em pessoas que tomavam dois medicamentos,
04:18
where each drug alone
did not change glucose,
did not change glucose,
91
246093
5569
"em que cada droga sozinha
não alterava a glucose,
não alterava a glucose,
04:23
but together I saw a strong signal."
92
251686
2460
"mas, em conjunto,
apresentavam um forte sinal".
apresentavam um forte sinal".
04:26
And I said, "Oh! You're clever.
Good idea. Show me the list."
Good idea. Show me the list."
93
254170
3149
E eu: "Oh! És esperto.
Boa ideia. Mostra-me a lista".
Boa ideia. Mostra-me a lista".
04:29
And there's a bunch of drugs,
not very exciting.
not very exciting.
94
257343
2254
E há uma série de drogas,
nada de especial.
nada de especial.
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
Mas o que me chamou a atenção
foi que na lista havia duas drogas:
foi que na lista havia duas drogas:
04:35
paroxetine, or Paxil, an antidepressant;
96
263577
3393
paroxetina, ou Paxil, um antidepressivo
04:39
and pravastatin, or Pravachol,
a cholesterol medication.
a cholesterol medication.
97
267756
3570
e pravastatina, ou Pravacol,
um medicamento para o colesterol.
um medicamento para o colesterol.
04:43
And I said, "Huh. There are millions
of Americans on those two drugs."
of Americans on those two drugs."
98
271936
4283
"Ah! Há milhões de norte-americanos
que tomam estas duas drogas".
que tomam estas duas drogas".
Com efeito, viemos a saber depois,
04:48
In fact, we learned later,
99
276243
1246
04:49
15 million Americans on paroxetine
at the time, 15 million on pravastatin,
at the time, 15 million on pravastatin,
100
277513
6032
há 15 milhões de norte-americanos
que tomam paroxetina,
que tomam paroxetina,
15 milhões de norte-americanos
que tomam pravastatina
que tomam pravastatina
04:55
and a million, we estimated, on both.
101
283569
2817
e calculámos em um milhão,
que tomam as duas.
que tomam as duas.
Portanto, há um milhão de pessoas
04:58
So that's a million people
102
286767
1254
05:00
who might be having some problems
with their glucose
with their glucose
103
288045
2453
que podem estar a ter
problemas com a glucose
problemas com a glucose
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
se aquela geringonça informática
que ele fez na base de dados da FDA
que ele fez na base de dados da FDA
05:05
actually holds up.
105
293752
1254
funciona como deve ser.
05:07
But I said, "It's still not publishable,
106
295030
1927
E eu: "Mesmo assim,
não podemos publicar.
não podemos publicar.
05:08
because I love what you did
with the mumbo jumbo,
with the mumbo jumbo,
107
296981
2296
"Adoro o que fizeste com a geringonça,
05:11
with the machine learning,
108
299301
1246
"com a aprendizagem automática,
05:12
but it's not really standard-of-proof
evidence that we have."
evidence that we have."
109
300571
3864
"mas aquilo que temos
não é uma prova provada.
não é uma prova provada.
05:17
So we have to do something else.
110
305618
1589
"Temos que fazer mais qualquer coisa.
05:19
Let's go into the Stanford
electronic medical record.
electronic medical record.
111
307231
2876
"Vamos aos registos médicos
eletrónicos Stanford".
eletrónicos Stanford".
05:22
We have a copy of it
that's OK for research,
that's OK for research,
112
310131
2064
Temos uma cópia
que é ótima para investigação.
que é ótima para investigação.
05:24
we removed identifying information.
113
312219
2046
Retirámos as informações identificativas
05:26
And I said, "Let's see if people
on these two drugs
on these two drugs
114
314581
2503
E eu: "Vejamos se as pessoas
que tomam estas duas drogas
que tomam estas duas drogas
05:29
have problems with their glucose."
115
317108
1769
"têm problemas com a glucose".
05:31
Now there are thousands
and thousands of people
and thousands of people
116
319242
2207
Ora bem, há milhares
e milhares de pessoas
e milhares de pessoas
05:33
in the Stanford medical records
that take paroxetine and pravastatin.
that take paroxetine and pravastatin.
117
321473
3459
nos registos médicos Stanford
que tomam paroxetina e pravastatina.
que tomam paroxetina e pravastatina.
05:36
But we needed special patients.
118
324956
1799
Mas precisávamos de doentes especiais.
05:38
We needed patients who were on one of them
and had a glucose measurement,
and had a glucose measurement,
119
326779
4597
Precisávamos de doentes
que tomavam uma delas
que tomavam uma delas
e tinham uma medição da glucose,
05:43
then got the second one and had
another glucose measurement,
another glucose measurement,
120
331400
3449
depois tomavam a outra
e tinham outra medição da glucose
e tinham outra medição da glucose
05:46
all within a reasonable period of time --
something like two months.
something like two months.
121
334873
3615
dentro de um período razoável de tempo
— digamos, dois meses.
— digamos, dois meses.
05:50
And when we did that,
we found 10 patients.
we found 10 patients.
122
338512
3159
Encontrámos 10 doentes.
05:54
However, eight out of the 10
had a bump in their glucose
had a bump in their glucose
123
342592
4538
Contudo, oito de entre esses 10
tinham tido uma subida da glucose
tinham tido uma subida da glucose
05:59
when they got the second P --
we call this P and P --
we call this P and P --
124
347154
2645
quando tomaram o segundo P
— chamamos-lhe P e P —
— chamamos-lhe P e P —
quando tomaram o segundo P.
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
Qualquer deles podia ser o primeiro,
quando tomavam o segundo
quando tomavam o segundo
06:05
glucose went up
20 milligrams per deciliter.
20 milligrams per deciliter.
127
353743
2847
a glucose subia
20 miligramas por decilitro.
20 miligramas por decilitro.
06:08
Just as a reminder,
128
356614
1158
Só para vos situar,
06:09
you walk around normally,
if you're not diabetic,
if you're not diabetic,
129
357796
2325
andamos normalmente,
se não formos diabéticos,
se não formos diabéticos,
06:12
with a glucose of around 90.
130
360145
1359
com uma glucose por volta de 90.
06:13
And if it gets up to 120, 125,
131
361528
2076
Se sobe para 120, 125,
06:15
your doctor begins to think
about a potential diagnosis of diabetes.
about a potential diagnosis of diabetes.
132
363628
3450
o médico começa a pensar
num possível diagnóstico de diabetes.
num possível diagnóstico de diabetes.
06:19
So a 20 bump -- pretty significant.
133
367102
2991
Portanto, um salto de 20
é bastante significativo.
é bastante significativo.
06:22
I said, "Nick, this is very cool.
134
370601
1904
Eu disse: "Nick, isto é estupendo.
06:25
But, I'm sorry, we still
don't have a paper,
don't have a paper,
135
373616
2053
"Mas, lamento,
ainda não temos um artigo,
ainda não temos um artigo,
06:27
because this is 10 patients
and -- give me a break --
and -- give me a break --
136
375693
2579
"porque estes 10 doentes
"não são em número suficiente".
06:30
it's not enough patients."
137
378296
1245
06:31
So we said, what can we do?
138
379565
1306
Pensámos no que podíamos fazer.
06:32
And we said, let's call our friends
at Harvard and Vanderbilt,
at Harvard and Vanderbilt,
139
380895
2976
E eu: "Vamos ligar para os nossos
amigos de Harvard e Vanderbilt,
amigos de Harvard e Vanderbilt,
06:35
who also -- Harvard in Boston,
Vanderbilt in Nashville,
Vanderbilt in Nashville,
140
383895
2587
— Harvard em Boston,
Vanderbilt em Nashville —
Vanderbilt em Nashville —
06:38
who also have electronic
medical records similar to ours.
medical records similar to ours.
141
386506
2821
que têm registos médicos
eletrónicos semelhantes aos nossos.
eletrónicos semelhantes aos nossos.
06:41
Let's see if they can find
similar patients
similar patients
142
389351
2020
Vamos ver se conseguem encontrar
padrões semelhantes
padrões semelhantes
06:43
with the one P, the other P,
the glucose measurements
the glucose measurements
143
391395
3276
com o P, o outro P,
as medições de glucose,
as medições de glucose,
06:46
in that range that we need.
144
394695
1600
na gama de que precisamos.
06:48
God bless them, Vanderbilt
in one week found 40 such patients,
in one week found 40 such patients,
145
396787
4955
Felizmente, Vanderbilt, numa semana,
encontrou 40 doentes desses,
encontrou 40 doentes desses,
06:53
same trend.
146
401766
1189
com a mesma tendência.
06:55
Harvard found 100 patients, same trend.
147
403804
3620
Harvard encontrou 100 doentes,
com a mesma tendência.
com a mesma tendência.
06:59
So at the end, we had 150 patients
from three diverse medical centers
from three diverse medical centers
148
407448
4281
Por fim, tínhamos 150 doentes
destes três diferentes centros médicos
destes três diferentes centros médicos
07:03
that were telling us that patients
getting these two drugs
getting these two drugs
149
411753
3297
que nos diziam que os doentes
que estavam a tomar estas duas drogas
que estavam a tomar estas duas drogas
07:07
were having their glucose bump
somewhat significantly.
somewhat significantly.
150
415074
2703
estavam a ter subidas de glucose
bastante significativas.
bastante significativas.
07:10
More interestingly,
we had left out diabetics,
we had left out diabetics,
151
418317
2810
Mais interessante ainda,
excluíramos os diabéticos
excluíramos os diabéticos
07:13
because diabetics already
have messed up glucose.
have messed up glucose.
152
421151
2317
porque os diabéticos já têm
uma glucose muito baralhada.
uma glucose muito baralhada.
07:15
When we looked
at the glucose of diabetics,
at the glucose of diabetics,
153
423492
2238
Quando olhámos para a glucose
dos diabéticos,
dos diabéticos,
07:17
it was going up 60 milligrams
per deciliter, not just 20.
per deciliter, not just 20.
154
425754
3435
ela subia 60 miligramas por decilitro,
não apenas 20.
não apenas 20.
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
Isto era um bomba e dissemos:
"Temos que publicar isto".
"Temos que publicar isto".
07:25
We submitted the paper.
156
433236
1179
Apresentámos o artigo.
07:26
It was all data evidence,
157
434439
2111
As provas eram todas baseadas em dados,
07:28
data from the FDA, data from Stanford,
158
436574
2483
dados da FDA, dados de Stanford,
07:31
data from Vanderbilt, data from Harvard.
159
439081
1946
dados de Vanderbilt, dados de Harvard.
07:33
We had not done a single real experiment.
160
441051
2396
Não tínhamos feito
uma única experiência ao vivo.
uma única experiência ao vivo.
07:36
But we were nervous.
161
444495
1296
Mas estávamos nervosos.
07:38
So Nick, while the paper
was in review, went to the lab.
was in review, went to the lab.
162
446201
3730
Então, enquanto o artigo estava
a ser revisto, foi ao laboratório
a ser revisto, foi ao laboratório
07:41
We found somebody
who knew about lab stuff.
who knew about lab stuff.
163
449955
2462
Encontrámos uma pessoa
que era entendida em laboratórios.
que era entendida em laboratórios.
07:44
I don't do that.
164
452441
1393
Eu cá não faço isso.
07:45
I take care of patients,
but I don't do pipettes.
but I don't do pipettes.
165
453858
2417
Cuido de doentes
mas não trato de pipetas.
mas não trato de pipetas.
07:49
They taught us how to feed mice drugs.
166
457420
3053
Ensinaram-nos a dar drogas a ratos.
07:52
We took mice and we gave them
one P, paroxetine.
one P, paroxetine.
167
460864
2414
Demos-lhe um P, paroxetina.
07:55
We gave some other mice pravastatin.
168
463302
2508
A outros ratos demos pravastatina.
07:57
And we gave a third group
of mice both of them.
of mice both of them.
169
465834
3595
e a um terceiro grupo de ratos
demos-lhes as duas.
demos-lhes as duas.
08:01
And lo and behold, glucose went up
20 to 60 milligrams per deciliter
20 to 60 milligrams per deciliter
170
469893
3946
Eis que a glucose subiu 20 a 60 miligramas
por decilitro, nos ratos.
por decilitro, nos ratos.
08:05
in the mice.
171
473863
1171
08:07
So the paper was accepted
based on the informatics evidence alone,
based on the informatics evidence alone,
172
475058
3158
O artigo foi aceite, apenas com base
nas provas informáticas,
nas provas informáticas,
08:10
but we added a little note at the end,
173
478240
1894
mas acrescentámos uma nota no final,
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
dizendo: "A propósito,
se as derem a ratos, também sobe".
se as derem a ratos, também sobe".
08:15
That was great, and the story
could have ended there.
could have ended there.
175
483081
2508
Foi ótimo e a história
podia ter acabado aqui.
podia ter acabado aqui.
08:17
But I still have six and a half minutes.
176
485613
1997
Mas ainda tenho seis minutos e meio.
08:19
(Laughter)
177
487634
2807
(Risos)
Estávamos muito descansados
a pensar em tudo isto
a pensar em tudo isto
08:22
So we were sitting around
thinking about all of this,
thinking about all of this,
178
490465
2815
08:25
and I don't remember who thought
of it, but somebody said,
of it, but somebody said,
179
493304
2735
e já não sei quem se lembrou disso
mas alguém disse:
mas alguém disse:
"Será que os doentes
que estão a tomar estas duas drogas
que estão a tomar estas duas drogas
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
"estão a notar efeitos colaterais
de hiperglicemia?
de hiperglicemia?
08:34
They could and they should.
182
502865
1496
"Devem estar.
08:36
How would we ever determine that?"
183
504761
1877
"Como é que determinamos isso?"
08:39
We said, well, what do you do?
184
507551
1443
"O que é que as pessoas fazem?"
08:41
You're taking a medication,
one new medication or two,
one new medication or two,
185
509018
2580
Estão a tomar um ou dois
novos medicamentos.
novos medicamentos.
Sentem-se um pouco esquisitos.
08:43
and you get a funny feeling.
186
511622
1538
08:45
What do you do?
187
513184
1151
O que é que fazem?
08:46
You go to Google
188
514359
1151
Vão ao 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
e escrevem as duas drogas
ou uma das drogas que estão a tomar
ou uma das drogas que estão a tomar
08:50
and you type in "side effects."
190
518907
1603
e escrevem "efeitos laterais".
O que é que sentem?
08:52
What are you experiencing?
191
520534
1356
Dissemos:
08:54
So we said OK,
192
522239
1151
"Ok, vamos pedir ao Google que partilhe
connosco os registos dessas pesquisas
connosco os registos dessas pesquisas
08:55
let's ask Google if they will share
their search logs with us,
their search logs with us,
193
523414
3056
08:58
so that we can look at the search logs
194
526494
1833
"para podermos observar essas pesquisas
09:00
and see if patients are doing
these kinds of searches.
these kinds of searches.
195
528351
2565
"e ver se os doentes estão a fazer
esse tipo de pesquisa".
esse tipo de pesquisa".
09:02
Google, I am sorry to say,
denied our request.
denied our request.
196
530940
3275
Lamento dizer,
mas a Google recusou o nosso pedido.
mas a Google recusou o nosso pedido.
Fiquei desapontado.
09:06
So I was bummed.
197
534819
1151
Eu fui a um jantar e disse a um colega
que trabalha na Microsoft Research:
que trabalha na 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
"Queríamos fazer este estudo,
"a Google recusou, é um bocado chato".
09:13
Google said no, it's kind of a bummer."
200
541149
1880
E ele: "Temos as pesquisas Bing".
09:15
He said, "Well, we have
the Bing searches."
the Bing searches."
201
543053
2086
09:18
(Laughter)
202
546195
3483
(Risos)
09:22
Yeah.
203
550805
1267
Sim? Isso é ótimo.
09:24
That's great.
204
552096
1151
09:25
Now I felt like I was --
205
553271
1151
(Risos)
09:26
(Laughter)
206
554446
1000
Sentia-me como se estivesse
outra vez a falar com o Nick.
outra vez a falar com o Nick.
09:27
I felt like I was talking to Nick again.
207
555470
2412
Ele trabalha para uma
das maiores empresas do mundo
das maiores empresas do mundo
09:30
He works for one of the largest
companies in the world,
companies in the world,
208
558437
2624
e eu estou a tentar
que ele se sinta melhor.
que ele se sinta melhor.
09:33
and I'm already trying
to make him feel better.
to make him feel better.
209
561085
2206
E ele: "Não, Russ,
não deves ter percebido.
não deves ter percebido.
09:35
But he said, "No, Russ --
you might not understand.
you might not understand.
210
563315
2445
"Nós não temos só as pesquisas Bing,
09:37
We not only have Bing searches,
211
565784
1500
"mas se usares o Internet Explorer
09:39
but if you use Internet Explorer
to do searches at Google,
to do searches at Google,
212
567308
3340
"para fazer pesquisas no Google,
no Yahoo, no Bing, etc...."
no Yahoo, no Bing, etc...."
09:42
Yahoo, Bing, any ...
213
570672
1891
09:44
Then, for 18 months, we keep that data
for research purposes only."
for research purposes only."
214
572587
3643
"Durante 18 meses, mantemos esses dados
apenas para efeitos de pesquisas".
apenas para efeitos de pesquisas".
09:48
I said, "Now you're talking!"
215
576254
1936
E eu: "Isso é que é falar".
O meu amigo da Microsoft
era Eric Horvitz.
era Eric Horvitz.
09:50
This was Eric Horvitz,
my friend at Microsoft.
my friend at Microsoft.
216
578214
2198
Então, fizemos um estudo
09:52
So we did a study
217
580436
1695
09:54
where we defined 50 words
that a regular person might type in
that a regular person might type in
218
582155
4619
em que definimos 50 palavras
que uma pessoa comum podia escrever
que uma pessoa comum podia escrever
se estivesse a ter hiperglicemia,
09:58
if they're having hyperglycemia,
219
586798
1602
como "fadiga", "perda de apetite",
10:00
like "fatigue," "loss of appetite,"
"urinating a lot," "peeing a lot" --
"urinating a lot," "peeing a lot" --
220
588424
4762
"urinar frequentemente",
"fazer muito chichi"
"fazer muito chichi"
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
— desculpem, mas é uma das coisas
que se pode escrever.
que se pode escrever.
A essas 50 frases, chamámos
"palavras de diabetes".
"palavras de diabetes".
10:08
So we had 50 phrases
that we called the "diabetes words."
that we called the "diabetes words."
222
596001
2790
Primeiro, fizemos uma base de referência.
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
Acontece que cerca de 0,5% a 1%
10:15
of all searches on the Internet
involve one of those words.
involve one of those words.
225
603630
2982
de todas as pesquisas na Internet
envolvem uma destas palavras.
envolvem uma destas palavras.
10:18
So that's our baseline rate.
226
606636
1742
É essa a nossa taxa
da base de referência.
da base de referência.
10:20
If people type in "paroxetine"
or "Paxil" -- those are synonyms --
or "Paxil" -- those are synonyms --
227
608402
4143
Se as pessoas escrevem "paroxetina"
ou "Paxil" — são sinónimos —
ou "Paxil" — são sinónimos —
e uma dessas palavras,
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
a taxa sobe para 2%
de palavras tipo diabetes,
de palavras tipo diabetes,
10:30
if you already know
that there's that "paroxetine" word.
that there's that "paroxetine" word.
230
618722
3044
se já soubermos que está lá
a palavra "paroxetina".
a palavra "paroxetina".
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
Se é "pravastatina", a taxa sobe
para cerca de 3% da base de referência.
para cerca de 3% da base de referência.
10:39
If both "paroxetine" and "pravastatin"
are present in the query,
are present in the query,
232
627171
4390
Se, na pesquisa, existem as duas palavras,
"paroxetina" e "pravastatina",
"paroxetina" e "pravastatina",
10:43
it goes up to 10 percent,
233
631585
1669
a taxa sobe para 10%,
10:45
a huge three- to four-fold increase
234
633278
3461
um enorme aumento de três a quatro vezes
10:48
in those searches with the two drugs
that we were interested in,
that we were interested in,
235
636763
3389
nessas pesquisas com as duas drogas
em que estávamos interessados,
em que estávamos interessados,
10:52
and diabetes-type words
or hyperglycemia-type words.
or hyperglycemia-type words.
236
640176
3566
e com as palavras tipo diabetes
ou palavras tipo hiperglicemia.
ou palavras tipo hiperglicemia.
10:56
We published this,
237
644216
1265
Publicámos isso,
10:57
and it got some attention.
238
645505
1466
o que atraiu algumas atenções.
10:58
The reason it deserves attention
239
646995
1778
A razão por que merece atenção
11:00
is that patients are telling us
their side effects indirectly
their side effects indirectly
240
648797
4312
é que os doentes estão a dizer-nos
indiretamente
indiretamente
quais são os efeitos colaterais
através das suas pesquisas.
11:05
through their searches.
241
653133
1156
11:06
We brought this
to the attention of the FDA.
to the attention of the FDA.
242
654313
2138
Demos isto a conhecer à FDA.
Eles mostraram-se interessados.
11:08
They were interested.
243
656475
1269
11:09
They have set up social media
surveillance programs
surveillance programs
244
657768
3606
Instalaram programas de vigilância
nas redes sociais
nas redes sociais
para colaborarem com a 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
que tinham uma bela infraestrutura
para fazerem isso,
para fazerem isso,
para olharem para as publicações
do Twitter, do Facebook,
do Twitter, do Facebook,
11:17
to look at Twitter feeds,
247
665991
1282
11:19
to look at Facebook feeds,
248
667297
1716
11:21
to look at search logs,
249
669037
1311
para os registos das pesquisas,
11:22
to try to see early signs that drugs,
either individually or together,
either individually or together,
250
670372
4909
para tentarem ver sinais precoces
de que as drogas,
de que as drogas,
quer individualmente, quer em conjunto,
estão a causar problemas.
estão a causar problemas.
11:27
are causing problems.
251
675305
1589
O que é que eu tiro daqui?
Porquê contar esta história?
Porquê contar esta história?
11:28
What do I take from this?
Why tell this story?
Why tell this story?
252
676918
2174
11:31
Well, first of all,
253
679116
1207
Primeiro que tudo,
11:32
we have now the promise
of big data and medium-sized data
of big data and medium-sized data
254
680347
4037
agora temos a promessa de que
os metadados e os dados de tamanho médio
os metadados e os dados de tamanho médio
11:36
to help us understand drug interactions
255
684408
2918
nos ajudam a compreender
as interações das drogas
as interações das drogas
11:39
and really, fundamentally, drug actions.
256
687350
2420
e, fundamentalmente, a ação das drogas,
11:41
How do drugs work?
257
689794
1413
como é que funcionam as drogas.
11:43
This will create and has created
a new ecosystem
a new ecosystem
258
691231
2836
Isso cria e tem criado
um novo ecossistema
um novo ecossistema
para compreender como funcionam as drogas
e para otimizar o seu uso.
e para otimizar o seu uso.
11:46
for understanding how drugs work
and to optimize their use.
and to optimize their use.
259
694091
3267
Nick seguiu o seu caminho;
agora é professor em Columbia.
agora é professor em Columbia.
11:50
Nick went on; he's a professor
at Columbia now.
at Columbia now.
260
698303
2659
11:52
He did this in his PhD
for hundreds of pairs of drugs.
for hundreds of pairs of drugs.
261
700986
4072
Fez isto no doutoramento
para centenas de pares de drogas.
para centenas de pares de drogas.
Encontrou várias interações
muito importantes,
muito importantes,
11:57
He found several
very important interactions,
very important interactions,
262
705082
2517
11:59
and so we replicated this
263
707623
1214
por isso voltámos a fazer isto
12:00
and we showed that this
is a way that really works
is a way that really works
264
708861
2574
e mostrámos que é uma forma
que funciona mesmo
que funciona mesmo
12:03
for finding drug-drug interactions.
265
711459
2339
para encontrar interações entre drogas.
No entanto, há uma série de coisas.
12:06
However, there's a couple of things.
266
714282
1734
12:08
We don't just use pairs
of drugs at a time.
of drugs at a time.
267
716040
3046
Não usamos apenas pares de drogas,
ao mesmo tempo.
ao mesmo tempo.
12:11
As I said before, there are patients
on three, five, seven, nine drugs.
on three, five, seven, nine drugs.
268
719110
4469
Como já referi, há doentes que tomam
três, cinco, sete, nove medicamentos.
três, cinco, sete, nove medicamentos.
Foram estudados no que se refere
à interação desses nove?
à interação desses nove?
12:15
Have they been studied with respect
to their nine-way interaction?
to their nine-way interaction?
269
723981
3642
Conseguimos fazer facilmente
aos pares: A e B, A e C, A e D.
aos pares: A e B, A e C, A e D.
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
Mas quanto a A, B, C, D, E, F, G
todas juntas,
todas juntas,
12:23
but what about A, B, C,
D, E, F, G all together,
D, E, F, G all together,
271
731879
4286
tomadas pelo mesmo doente?
12:28
being taken by the same patient,
272
736189
1762
Talvez interagindo umas com as outras
12:29
perhaps interacting with each other
273
737975
2118
12:32
in ways that either makes them
more effective or less effective
more effective or less effective
274
740117
3778
de modos que as tornam mais eficazes
ou menos eficazes
ou menos eficazes
ou provocam efeitos colaterais
inesperados?
inesperados?
12:35
or causes side effects
that are unexpected?
that are unexpected?
275
743919
2332
12:38
We really have no idea.
276
746275
1827
Não fazemos ideia nenhuma.
12:40
It's a blue sky, open field
for us to use data
for us to use data
277
748126
3756
Para nós, é um céu azul, um terreno aberto
usar dados para tentar compreender
a interação das drogas.
a interação das drogas.
12:43
to try to understand
the interaction of drugs.
the interaction of drugs.
278
751906
2502
12:46
Two more lessons:
279
754848
1370
Duas lições mais:
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
Quero que pensem no poder
que podemos gerar
que podemos gerar
com os dados das pessoas
12:52
with the data from people who had
volunteered their adverse reactions
volunteered their adverse reactions
281
760465
4711
que disponibilizaram
as suas reações adversas
as suas reações adversas
12:57
through their pharmacists,
through themselves, through their doctors,
through themselves, through their doctors,
282
765200
3269
aos seus farmacêuticos,
por si mesmas, aos seus médicos,
por si mesmas, aos seus médicos,
as pessoas que autorizaram
13:00
the people who allowed the databases
at Stanford, Harvard, Vanderbilt,
at Stanford, Harvard, Vanderbilt,
283
768493
3667
que as bases de dados
de Stanford, Harvard, Vanderbilt,
de Stanford, Harvard, Vanderbilt,
13:04
to be used for research.
284
772184
1427
fossem usadas para investigação.
13:05
People are worried about data.
285
773929
1445
As pessoas preocupam-se com os dados,
13:07
They're worried about their privacy
and security -- they should be.
and security -- they should be.
286
775398
3187
com a sua privacidade e segurança
— devem preocupar-se.
— devem preocupar-se.
Precisamos de um sistema seguro.
13:10
We need secure systems.
287
778609
1151
13:11
But we can't have a system
that closes that data off,
that closes that data off,
288
779784
3406
Mas não podemos ter um sistema
que encerre esses dados a sete chaves
que encerre esses dados a sete chaves
13:15
because it is too rich of a source
289
783214
2752
porque é uma fonte demasiado rica
de inspiração, de inovação e de descoberta
13:17
of inspiration, innovation and discovery
290
785990
3971
para novas coisas na medicina.
13:21
for new things in medicine.
291
789985
1578
13:24
And the final thing I want to say is,
292
792494
1794
A última coisa que quero dizer é:
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
Neste caso, encontrámos duas drogas
e foi um bocado uma história triste.
e foi um bocado uma história triste.
13:29
The two drugs actually caused problems.
294
797693
1921
As duas drogas causavam problemas.
13:31
They increased glucose.
295
799638
1475
Aumentavam a glucose.
13:33
They could throw somebody into diabetes
296
801137
2446
Podiam induzir alguém em diabetes
13:35
who would otherwise not be in diabetes,
297
803607
2294
que, de outro modo, não teria diabetes.
Portanto, só usamos as duas drogas
em conjunto, com cuidado,
em conjunto, com cuidado,
13:37
and so you would want to use
the two drugs very carefully together,
the two drugs very carefully together,
298
805925
3175
talvez mesmo nunca em conjunto.
13:41
perhaps not together,
299
809124
1151
13:42
make different choices
when you're prescribing.
when you're prescribing.
300
810299
2340
Podemos fazer outra escolha,
quando receitamos.
quando receitamos.
13:44
But there was another possibility.
301
812663
1846
Mas há outra possibilidade.
13:46
We could have found
two drugs or three drugs
two drugs or three drugs
302
814533
2344
Podemos encontrar duas ou três drogas
13:48
that were interacting in a beneficial way.
303
816901
2261
que interajam de modo benéfico.
Podemos encontrar novos efeitos das drogas
13:51
We could have found new effects of drugs
304
819616
2712
13:54
that neither of them has alone,
305
822352
2160
que nunca existiriam numa delas sozinha,
13:56
but together, instead
of causing a side effect,
of causing a side effect,
306
824536
2493
mas, que, em conjunto,
em vez de causar efeitos colaterais,
em vez de causar efeitos colaterais,
13:59
they could be a new and novel treatment
307
827053
2425
podem ser um tratamento novo e inédito
14:01
for diseases that don't have treatments
308
829502
1882
para doenças que ainda não têm tratamento
14:03
or where the treatments are not effective.
309
831408
2007
ou que têm tratamento pouco eficaz.
14:05
If we think about drug treatment today,
310
833439
2395
Se pensarmos no atual tratamento
com medicamentos
com medicamentos
14:07
all the major breakthroughs --
311
835858
1752
todas as descobertas importantes
14:09
for HIV, for tuberculosis,
for depression, for diabetes --
for depression, for diabetes --
312
837634
4297
— para o IVH, para a tuberculose,
para a depressão, para a diabetes —
para a depressão, para a diabetes —
são sempre um "cocktail" de drogas.
14:13
it's always a cocktail of drugs.
313
841955
2830
O ponto positivo aqui
14:16
And so the upside here,
314
844809
1730
e tema para uma outra palestra TED
num outro dia,
num outro dia,
14:18
and the subject for a different
TED Talk on a different day,
TED Talk on a different day,
315
846563
2849
é como podemos usar
as mesmas fontes de dados
as mesmas fontes de dados
14:21
is how can we use the same data sources
316
849436
2593
14:24
to find good effects
of drugs in combination
of drugs in combination
317
852053
3563
para encontrar efeitos positivos
de drogas em combinação
de drogas em combinação
14:27
that will provide us new treatments,
318
855640
2175
que nos proporcionem novos tratamentos,
14:29
new insights into how drugs work
319
857839
1852
novas perspetivas quanto
ao funcionamento das drogas
ao funcionamento das drogas
14:31
and enable us to take care
of our patients even better?
of our patients even better?
320
859715
3786
e nos possibilitem cuidar dos doentes
ainda melhor.
ainda melhor.
14:35
Thank you very much.
321
863525
1166
Muito obrigado.
14:36
(Applause)
322
864715
3499
(Aplausos)
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