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

Why you should listen

Professor of bioengineering, genetics, medicine and computer science at Stanford University, Russ Altman's primary research interests are in the application of computing and informatics technologies to problems relevant to medicine. He is particularly interested in methods for understanding drug actions at molecular, cellular, organism and population levels, including how genetic variation impacts drug response.

Altman received the U.S. Presidential Early Career Award for Scientists and Engineers, a National Science Foundation CAREER Award and Stanford Medical School's graduate teaching award. He has chaired the Science Board advising the FDA Commissioner and currently serves on the NIH Director’s Advisory Committee. He is a clinically active internist, the founder of the PharmGKB knowledge base, and advisor to pharmacogenomics companies.

More profile about the speaker
Russ Altman | Speaker | TED.com
TEDMED 2015

Russ Altman: What really happens when you mix medications?

รัส อัลท์แมน (Russ Altman): เกิดอะไรขึ้นเมื่อคุณใช้ยาแบบผสมผสาน

Filmed:
1,766,922 views

ถ้าคุณใช้ยาสองตัวด้วยเหตุผลที่แตกต่างกัน นี่คือความคิดด้านมืด แพทย์ของคุรอาจไม่เข้าใจอย่างถ่องแท้ ว่าเกิดอะไรขึ้นเมื่อพวกเขาใช้มันด้วยกัน เพราะว่าปฏิสัมพันธ์ของยาศึกษาได้ยากมาก ในการบรรยายที่น่าทึ่งและเข้าใจง่ายนี้ รัส อัลท์แมน แสดงว่าแทพย์กำลังศึกษาปฏิสัมพันธ์ของยาที่คาดไม่ถึงโดยใช้แหล่งที่น่าทึ่ง ซึ่งก็คือการป้อนคำค้นหาได้อย่างไร
- Big data techno-­optimist and internist
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 doctorคุณหมอ
and get some testsการทดสอบ.
0
811
3321
คุณไปพบแพทย์และรับการตรวจ
00:16
The doctorคุณหมอ determinesกำหนด
that you have highสูง cholesterolคอเลสเตอรอล
1
4674
2620
แพทย์บอกว่าคุณมีระดับคลอเรสเตอรอลสูง
00:19
and you would benefitประโยชน์
from medicationยา to treatรักษา it.
2
7318
3171
และคุณจะได้ประโยชน์จากการรักษา
00:22
So you get a pillboxรถเล็ก ๆ.
3
10981
1556
คุณก็เลยได้ยามากล่องหนึ่ง
00:25
You have some confidenceความมั่นใจ,
4
13505
1199
คุณมีความมั่นใจ
00:26
your physicianแพทย์ has some confidenceความมั่นใจ
that this is going to work.
5
14728
2937
แพทย์ของคุณก็มั่นใจว่ามันจะได้ผล
00:29
The companyบริษัท that inventedคิดค้น it did
a lot of studiesการศึกษา, submittedส่ง it to the FDAองค์การอาหารและยา.
6
17689
3553
บริษัทที่ผลิตมันขึ้นมาได้ทำการศึกษา
ที่ถูกส่งผลไปยังองค์กรอาหารและยา
00:33
They studiedมีการศึกษา it very carefullyรอบคอบ,
skepticallyอย่างไม่เชื่อ, they approvedได้รับการอนุมัติ it.
7
21266
3107
พวกเขาศึกษามันอย่างระมัดระวัง
เป็นขั้นตอน และพวกเขารับรองมัน
00:36
They have a roughขรุขระ ideaความคิด of how it worksโรงงาน,
8
24397
1889
พวกเขามีแนวคิดโดยคร่าว
ว่ามันทำงานอย่างไร
00:38
they have a roughขรุขระ ideaความคิด
of what the sideด้าน effectsผลกระทบ are.
9
26310
2453
พวกเขามีแนวคิดโดยคร่าวว่า
มันมีผลข้างเคียงอย่างไร
00:40
It should be OK.
10
28787
1150
มันน่าจะโอเค
00:42
You have a little more
of a conversationการสนทนา with your physicianแพทย์
11
30864
2818
คุณได้สนทนานิดหน่อยกับแพทย์ของคุณ
00:45
and the physicianแพทย์ is a little worriedกลุ้มใจ
because you've been blueสีน้ำเงิน,
12
33706
2963
และแพทย์ก็กังวลนิดหน่อย
เพราะว่าคุณดูเศร้า ๆ
00:48
haven'tยังไม่ได้ feltรู้สึกว่า like yourselfด้วยตัวคุณเอง,
13
36693
1293
ไม่เป็นตัวของตัวเอง
00:50
you haven'tยังไม่ได้ been ableสามารถ to enjoyสนุก things
in life quiteทีเดียว as much as you usuallyมักจะ do.
14
38010
3731
คุณไม่อาจมีความสุขกับสิ่งต่าง ๆ ในชีวิต
ได้มากเท่าที่คุณเคยเป็น
00:53
Your physicianแพทย์ saysกล่าวว่า, "You know,
I think you have some depressionพายุดีเปรสชัน.
15
41765
3186
แพทย์ของคุณบอกว่า "รู้อะไรไหม
ผมคิดว่าคุณเป็นโรคซึมเศร้า
00:57
I'm going to have to give
you anotherอื่น pillยา."
16
45792
2315
ผมจะให้ยาอีกตัวกับคุณนะ"
01:00
So now we're talkingการพูด
about two medicationsยา.
17
48934
2483
ตอนนี้ เรากำลังพูดถึงยาสองอย่าง
01:03
This pillยา alsoด้วย -- millionsล้าน
of people have takenยึด it,
18
51441
3104
ยานี้ -- ที่คนนับล้านใช้
01:06
the companyบริษัท did studiesการศึกษา,
the FDAองค์การอาหารและยา lookedมอง at it -- all good.
19
54569
3631
บริษัททำการศึกษา และองค์กรอาหารและยา
ตรวจสอบมัน -- เป็นยาที่ดี
01:10
Think things should go OK.
20
58823
2057
คิดว่ามันน่าจะโอเค
01:12
Think things should go OK.
21
60904
2197
คิดว่ามันน่าจะโอเค
01:15
Well, wait a minuteนาที.
22
63125
1439
แต่ เดี๋ยวก่อนนะ
01:16
How much have we studiedมีการศึกษา
these two togetherด้วยกัน?
23
64588
3517
เราได้ทำการศึกษายาทั้งสองนี้ด้วยกัน
มากแค่ไหน
01:20
Well, it's very hardยาก to do that.
24
68630
2300
ครับ มันยากมากที่จะทำอย่างนั้น
01:22
In factความจริง, it's not traditionallyตามธรรมเนียม doneเสร็จแล้ว.
25
70954
2130
อันที่จริง มันไม่ได้ถูกทำเป็นประจำ
01:25
We totallyโดยสิ้นเชิง dependขึ้นอยู่กับ on what we call
"post-marketingตลาดโพสต์ surveillanceการตรวจตรา,"
26
73108
5518
เราพึ่งพาสิ่งที่เราเรียกว่า
"การควบคุมหลังการขาย"
01:30
after the drugsยาเสพติด hitตี the marketตลาด.
27
78650
1880
หลังจากที่ยาเข้าสู่ตลาด
01:32
How can we figureรูป out
if badไม่ดี things are happeningสิ่งที่เกิดขึ้น
28
80996
2848
เราจะรู้ได้อย่างไร
ว่ากำลังเกิดเรื่องร้าย ๆ ขึ้น
01:35
betweenระหว่าง two medicationsยา?
29
83868
1357
ระหว่างยาทั้งสอง
01:37
Threeสาม? Fiveห้า? Sevenเจ็ด?
30
85249
2030
สาม ห้า เจ็ด อย่างนี้
01:39
Askถาม your favoriteที่ชื่นชอบ personคน
who has severalหลาย diagnosesการวินิจฉัย
31
87708
2415
ลองถามคนใกล้ตัวคุณ
ที่ผ่านการตรวจมาสองสามครั้งก็ได้
01:42
how manyจำนวนมาก medicationsยา they're on.
32
90147
1834
ว่าพวกเขาใช้ยากี่อย่าง
01:44
Why do I careการดูแล about this problemปัญหา?
33
92530
1580
ทำไมผมต้องใส่ใจเกี่ยวกับปัญหานี้ด้วย
01:46
I careการดูแล about it deeplyลึก.
34
94134
1157
ผมใส่ใจมันอย่างมาก
01:47
I'm an informaticsสารสนเทศ and dataข้อมูล scienceวิทยาศาสตร์ guy
and really, in my opinionความคิดเห็น,
35
95315
4304
ผมเป็นนักวิทยาศาสตร์ด้านสารสนเทศศาสตร์
และข้อมูล และความคิดส่วนตัวของผมก็คือ
01:51
the only hopeหวัง -- only hopeหวัง --
to understandเข้าใจ these interactionsปฏิสัมพันธ์
36
99643
3745
ความหวังเดียว -- เพียงความหวังเดียว --
ที่จะเข้าใจปฏิสัมพันธ์เหล่านี้ได้
01:55
is to leverageการงัด lots
of differentต่าง sourcesแหล่งที่มา of dataข้อมูล
37
103412
3056
คือการใช้อำนาจของข้อมูลต่าง ๆ
ที่มีอยู่มากมาย
01:58
in orderใบสั่ง to figureรูป out
when drugsยาเสพติด can be used togetherด้วยกัน safelyอย่างปลอดภัย
38
106492
3556
เพื่อที่จะหาว่าเมื่อใดที่
ยาสามารถใช้ด้วยกันได้อย่างปลอดภัย
02:02
and when it's not so safeปลอดภัย.
39
110072
1777
และเมื่อมันไม่ปลอดภัย
02:04
So let me tell you a dataข้อมูล scienceวิทยาศาสตร์ storyเรื่องราว.
40
112615
2051
ฉนั้น ให้ผมได้เล่าเรื่อง
วิทยาศาสตร์ข้อมูลกับคุณ
02:06
And it beginsเริ่มต้น with my studentนักเรียน Nickกรงขัง.
41
114690
2154
และมันเริ่มต้นกับนักเรียนของผม ชื่อ นิค
02:08
Let's call him "Nickกรงขัง,"
because that's his nameชื่อ.
42
116868
2380
ผมเรียกเขาว่า "นิค"
เพราะว่านั่นเป็นชื่อของเขา
02:11
(Laughterเสียงหัวเราะ)
43
119272
1592
(เสียงหัวเราะ)
02:12
Nickกรงขัง was a youngหนุ่มสาว studentนักเรียน.
44
120888
1201
นิคเป็นนักเรียนหนุ่ม
02:14
I said, "You know, Nickกรงขัง, we have
to understandเข้าใจ how drugsยาเสพติด work
45
122113
3079
ผมบอกว่า "นิค รู้อะไรไหม
เราต้องทำความเข้าใจต่อการทำงานของยา
02:17
and how they work togetherด้วยกัน
and how they work separatelyแยกต่างหาก,
46
125216
2626
และการที่มันทำงานด้วยกัน
และการที่มันทำงานแยกกัน
02:19
and we don't have a great understandingความเข้าใจ.
47
127866
1922
และเราก็ไม่ค่อยเข้าใจมันสักเท่าไร
02:21
But the FDAองค์การอาหารและยา has madeทำ availableใช้ได้
an amazingน่าอัศจรรย์ databaseฐานข้อมูล.
48
129812
2405
แต่องค์การอาหารและยา
ได้ทำฐานข้อมูลที่น่าทึ่ง
02:24
It's a databaseฐานข้อมูล of adverseตรงข้าม eventsเหตุการณ์ที่เกิดขึ้น.
49
132241
1699
มันเป็นฐานข้อมูลของผลร้ายที่เกิดขึ้น
02:26
They literallyอย่างแท้จริง put on the webเว็บ --
50
134321
1642
พวกเขาเขียนไว้บนเว็บไซต์--
02:27
publiclyสาธารณชน availableใช้ได้, you could all
downloadดาวน์โหลด it right now --
51
135987
3119
มันเป็นสาธารณะ คุณสามารถดาวน์โหลด
มันตอนนี้ได้เลย --
02:31
hundredsหลายร้อย of thousandsพัน
of adverseตรงข้าม eventเหตุการณ์ reportsรายงาน
52
139130
3627
รายงานผลร้ายที่เกิดขึ้นเป็นแสน ๆ
02:34
from patientsผู้ป่วย, doctorsแพทย์,
companiesบริษัท, pharmacistsเภสัชกร.
53
142781
3760
จากผู้ป่วย แพทย์ บริษัท เภสัช
02:38
And these reportsรายงาน are prettyน่ารัก simpleง่าย:
54
146565
1749
และรายงานเหล่านี้ค่อนข้างจะเรียบง่าย
02:40
it has all the diseasesโรค
that the patientผู้ป่วย has,
55
148338
2658
มันมีรายการโรคที่ผู้ป่วยเป็น
02:43
all the drugsยาเสพติด that they're on,
56
151020
1767
ยาทั้งหมดที่พวกเขาใช้
02:44
and all the adverseตรงข้าม eventsเหตุการณ์ที่เกิดขึ้น,
or sideด้าน effectsผลกระทบ, that they experienceประสบการณ์.
57
152811
3818
และการเกิดผลร้าย หรือผลข้างเคียงต่าง ๆ
ที่พวกเขาเจอ
02:48
It is not all of the adverseตรงข้าม eventsเหตุการณ์ที่เกิดขึ้น
that are occurringที่เกิดขึ้น in Americaสหรัฐอเมริกา todayในวันนี้,
58
156653
3436
มันไม่ใช่ผลร้ายทั้งหมด
ที่เกิดขึ้นในอเมริกาทุกวันนี้
02:52
but it's hundredsหลายร้อย and hundredsหลายร้อย
of thousandsพัน of drugsยาเสพติด.
59
160113
2578
แต่มียาเป็นร้อย และเป็นแสน
02:54
So I said to Nickกรงขัง,
60
162715
1299
ผมเลยบอกกับนิคว่า
02:56
"Let's think about glucoseกลูโคส.
61
164038
1826
"มาคิดกันเถึงระดับกลูโคสนะ
02:57
Glucoseกลูโคส is very importantสำคัญ,
and we know it's involvedที่เกี่ยวข้อง with diabetesโรคเบาหวาน.
62
165888
3567
ระดับกลูโคสมีความสำคัญอย่างมาก
และเรารู้ว่ามันเกี่ยวข้องกับเบาหวาน
03:01
Let's see if we can understandเข้าใจ
glucoseกลูโคส responseคำตอบ.
63
169479
3970
มาดูกันว่า เราเข้าใจการตอบสนองกลูโคส
หรือเปล่า
03:05
I sentส่ง Nickกรงขัง off. Nickกรงขัง cameมา back.
64
173473
2458
ผมส่งนิคออกไป แล้วนิคก็กลับมา
03:08
"Russรัส," he said,
65
176248
1786
"รัส" เขาพูด
03:10
"I've createdสร้าง a classifierลักษณนาม that can
look at the sideด้าน effectsผลกระทบ of a drugยา
66
178351
5112
"ผมสร้างตัวจัดกลุ่ม
ที่สามารถดูผลข้างเคียงของยา
03:15
basedซึ่งเป็นรากฐาน on looking at this databaseฐานข้อมูล,
67
183487
2051
โดยดูจากฐานข้อมูลนี้
03:17
and can tell you whetherว่า that drugยา
is likelyน่าจะ to changeเปลี่ยนแปลง glucoseกลูโคส or not."
68
185562
4271
และสามารถบอกคุณได้ว่า
ยานั้นน่าจะเปลี่ยนระดับกลูโคสได้หรือไม่"
03:21
He did it. It was very simpleง่าย, in a way.
69
189857
2016
เขาทำเช่นนั้น มันค่อนข้างจะง่ายทีเดียว
03:23
He tookเอา all the drugsยาเสพติด
that were knownที่รู้จักกัน to changeเปลี่ยนแปลง glucoseกลูโคส
70
191897
2635
เขาเอายาทั้งหมด
ที่เรารู้ว่ามันเปลี่ยนระดับกลูโคส
03:26
and a bunchพวง of drugsยาเสพติด
that don't changeเปลี่ยนแปลง glucoseกลูโคส,
71
194556
2389
และจัดกลุ่มยา
ที่ไม่มีผลในการเปลี่ยนระดับกลูโคส
03:28
and said, "What's the differenceข้อแตกต่าง
in theirของพวกเขา sideด้าน effectsผลกระทบ?
72
196969
2888
และบอกว่า "ผลข้างเคียงของพวกเขา
มีอะไรที่ต่างกัน
03:31
Differencesความแตกต่าง in fatigueความเมื่อยล้า? In appetiteความกระหาย?
In urinationการถ่ายปัสสาวะ habitsนิสัย?"
73
199881
4852
มีความเมื่อยล้าต่างกัน ความอยากอาหาร
หรือพฤติกรรมการขับปัสสาวะ"
03:36
All those things conspiredสมคบกัน
to give him a really good predictorทำนาย.
74
204757
2960
ทั้งหมดนี้หลอมรวม
ให้เขาเป็นนักคาดคะเนชั้นเลิศ
03:39
He said, "Russรัส, I can predictทำนาย
with 93 percentเปอร์เซ็นต์ accuracyความถูกต้อง
75
207741
2548
เขาบอกว่า "รัส ผมสามารถคาดคะเนได้
ที่ระดับความแม่นยำ 93 เปอร์เซ็นต์
03:42
when a drugยา will changeเปลี่ยนแปลง glucoseกลูโคส."
76
210313
1572
ว่าเมื่อไรยาจะเปลี่ยนระดับกลูโคส"
03:43
I said, "Nickกรงขัง, that's great."
77
211909
1416
ผมบอกว่า "นิค นั่นมันยอดไปเลย"
03:45
He's a youngหนุ่มสาว studentนักเรียน,
you have to buildสร้าง his confidenceความมั่นใจ.
78
213349
2896
เขาเป็นนักเรียนหนุ่ม
เราต้องเสริมความม้่นใจให้เขาหน่อย
03:48
"But Nickกรงขัง, there's a problemปัญหา.
79
216269
1390
"แต่นิค มันมีปัญหาอยู่นะ
03:49
It's that everyทุกๆ physicianแพทย์ in the worldโลก
knowsรู้ all the drugsยาเสพติด that changeเปลี่ยนแปลง glucoseกลูโคส,
80
217683
3960
แพทย์ทุกคนในโลกรู้ว่ายาทั้งหมดนี้
จะเปลี่ยนระดับกลูโคส
03:53
because it's coreแกน to our practiceการปฏิบัติ.
81
221667
2038
เพราะว่ามันเป็นส่วนสำคัญ
ของงานของเราอยู่แล้ว
03:55
So it's great, good jobงาน,
but not really that interestingน่าสนใจ,
82
223729
3722
ฉะนั้น มันเจ๋งดี แต่ไม่น่าสนใจเท่าไร
03:59
definitelyอย่างแน่นอน not publishableเผย."
83
227475
1531
แน่นอนว่าตีพิมพ์ไม่ได้แน่ ๆ "
04:01
(Laughterเสียงหัวเราะ)
84
229030
1014
(เสียงหัวเราะ)
04:02
He said, "I know, Russรัส.
I thought you mightอาจ say that."
85
230068
2550
เขาบอกว่า "ผมรู้ รัส
ผมคิดว่าคุณอาจพูดแบบนั้น"
04:04
Nickกรงขัง is smartฉลาด.
86
232642
1152
นิคเป็นคนฉลาดครับ
04:06
"I thought you mightอาจ say that,
so I did one other experimentการทดลอง.
87
234149
2874
"ผมคิดว่าคุณอาจพูดอย่างนั้น
ผมก็เลยทำการทดลองอีกอัน
04:09
I lookedมอง at people in this databaseฐานข้อมูล
who were on two drugsยาเสพติด,
88
237047
2928
ดูว่าในคนในฐานข้อมูลนี้
คนไหนที่ใช้ยาสองอย่าง
04:11
and I lookedมอง for signalsสัญญาณ similarคล้ายคลึงกัน,
glucose-changingน้ำตาลกลูโคสที่เปลี่ยนแปลง signalsสัญญาณ,
89
239999
4422
และผมมองหาสัญญาณที่คล้ายกัน
สัญญาณการเปลี่ยนแปลงระดับกลูโคส
04:16
for people takingการ two drugsยาเสพติด,
90
244445
1624
ในคนที่ใช้ยาสองอย่าง
04:18
where eachแต่ละ drugยา aloneคนเดียว
did not changeเปลี่ยนแปลง glucoseกลูโคส,
91
246093
5569
ซึ่งยาอย่างเดียว
จะไม่เปลี่ยนแปลงระดับกลูโคส
04:23
but togetherด้วยกัน I saw a strongแข็งแรง signalสัญญาณ."
92
251686
2460
แต่ถ้าใช้ด้วยกันแล้ว
ผมจะเห็นสัญญาณที่ชัดเจน"
04:26
And I said, "Oh! You're cleverฉลาด.
Good ideaความคิด. Showแสดง me the listรายการ."
93
254170
3149
และผมบอกว่า "โอ้ คุณนี่ฉลาดจริง ๆ
ความคิดเจ๋งมาก ขอผมดูหน่อยสิ"
04:29
And there's a bunchพวง of drugsยาเสพติด,
not very excitingน่าตื่นเต้น.
94
257343
2254
และก็มียามากมายในรายการนั้น
ไม่ค่อยน่าสนใจเท่าไร
04:31
But what caughtจับ my eyeตา
was, on the listรายการ there were two drugsยาเสพติด:
95
259621
3932
แต่ที่สะดุดตาผมก็คือ
ในรายการนั้นมียาสองอย่าง
04:35
paroxetineparoxetine, or PaxilPaxil, an antidepressantยากล่อมประสาท;
96
263577
3393
พารอกซิทิน หรือพาซิล
ยาต้านอาการซึมเศร้า
04:39
and pravastatinpravastatin, or PravacholPravachol,
a cholesterolคอเลสเตอรอล medicationยา.
97
267756
3570
และพราวาสตาติน หรือพราวาคอล
ยาที่ใช้รักษาอาการที่เกี่ยวกับคลอเรสเตอรอล
04:43
And I said, "Huh. There are millionsล้าน
of Americansชาวอเมริกัน on those two drugsยาเสพติด."
98
271936
4283
และผมบอกว่า "อ้า มีชาวอเมริกันหลายล้าน
ที่ใช้ยานั่น"
04:48
In factความจริง, we learnedได้เรียนรู้ laterต่อมา,
99
276243
1246
อันที่จริง ต่อมาเรารู้ว่า
04:49
15 millionล้าน Americansชาวอเมริกัน on paroxetineparoxetine
at the time, 15 millionล้าน on pravastatinpravastatin,
100
277513
6032
มีคนอเมริกัน 15 ล้านคนที่ใช้พารอกซิทิน
ในเวลานั้น อีก 15 ล้านคนใช้พราวาสตาติน
04:55
and a millionล้าน, we estimatedโดยประมาณ, on bothทั้งสอง.
101
283569
2817
และอีกล้าน จากการกะประมาณ ใช้ทั้งสองอย่าง
04:58
So that's a millionล้าน people
102
286767
1254
ฉะนั้นมีคนล้านคน
05:00
who mightอาจ be havingมี some problemsปัญหาที่เกิดขึ้น
with theirของพวกเขา glucoseกลูโคส
103
288045
2453
ที่อาจมีปัญหาเกี่ยวกับระดับกลูโคส
05:02
if this machine-learningเครื่องการเรียนรู้ mumbomumbo jumboขนาดจัมโบ้
that he did in the FDAองค์การอาหารและยา databaseฐานข้อมูล
104
290522
3206
ถ้าเครื่องจักรเรียนรู้ (machine-learning) จอมยุ่ง
ที่เขาสร้างขึ้นในฐานข้อมูลองค์กรอาหารและยา
05:05
actuallyแท้จริง holdsถือ up.
105
293752
1254
ทำงานได้ดี
05:07
But I said, "It's still not publishableเผย,
106
295030
1927
แต่ผมบอกว่า "มันยังไม่สามารถตีพิมพ์ได้
05:08
because I love what you did
with the mumbomumbo jumboขนาดจัมโบ้,
107
296981
2296
เพราะผมชอบที่ผมทำกับเจ้านี่
05:11
with the machineเครื่อง learningการเรียนรู้,
108
299301
1246
กับเครื่องจักรเรียนรู้
05:12
but it's not really standard-of-proofมาตรฐานของหลักฐาน
evidenceหลักฐาน that we have."
109
300571
3864
แต่สิ่งที่เรามี
มันไม่ใช่หลักฐานตามมาตราฐานจริง ๆ"
05:17
So we have to do something elseอื่น.
110
305618
1589
เราจะต้องทำอย่างอื่นอีก
05:19
Let's go into the StanfordStanford
electronicอิเล็กทรอนิกส์ medicalทางการแพทย์ recordบันทึก.
111
307231
2876
ไปดูบันทึกทางการแพทย์อิเล็กทรอนิค
ของสแตนฟอร์ดดีกว่า
05:22
We have a copyสำเนา of it
that's OK for researchการวิจัย,
112
310131
2064
เราได้สำเนามา นั่นก็โอเคแล้วสำหรับการวิจัย
05:24
we removedลบออก identifyingระบุ informationข้อมูล.
113
312219
2046
เราลบข้อมูลส่วนบุคคลออกไป
05:26
And I said, "Let's see if people
on these two drugsยาเสพติด
114
314581
2503
และผมพูดว่า "มาดูกันว่า
คนที่ใช้ยาสองชนิดนี้
05:29
have problemsปัญหาที่เกิดขึ้น with theirของพวกเขา glucoseกลูโคส."
115
317108
1769
มีปัญหากับระดับกลูโคสของเขาหรือเปล่า"
05:31
Now there are thousandsพัน
and thousandsพัน of people
116
319242
2207
ตอนนี้ มีคนเป็นพัน ๆ
05:33
in the StanfordStanford medicalทางการแพทย์ recordsบันทึก
that take paroxetineparoxetine and pravastatinpravastatin.
117
321473
3459
ในบันทึกทางการแพทย์ของสแตนฟอร์ด
ที่ใช้ยาพารอกซิทิน และพราวาสตาติน
05:36
But we neededจำเป็น specialพิเศษ patientsผู้ป่วย.
118
324956
1799
แต่เราต้องการผู้ป่วยที่พิเศษ
05:38
We neededจำเป็น patientsผู้ป่วย who were on one of them
and had a glucoseกลูโคส measurementการวัด,
119
326779
4597
เราต้องการผู้ป่วยที่ใช้ยาตัวหนึ่ง
และได้รับการวัดระดับกลูโคส
05:43
then got the secondที่สอง one and had
anotherอื่น glucoseกลูโคส measurementการวัด,
120
331400
3449
จากนั้นได้ยาตัวที่สอง
และได้รับการวัดระดับกลูโคสอีกครั้ง
05:46
all withinภายใน a reasonableเหมาะสม periodระยะเวลา of time --
something like two monthsเดือน.
121
334873
3615
โดยทั้งหมดนี้ทำในช่วงเวลาที่สมเหตุสมผล
-- ในเวลาประมาณสองเดือน
05:50
And when we did that,
we foundพบ 10 patientsผู้ป่วย.
122
338512
3159
และเมื่อเราทำอย่างนั้น เราพบผู้ป่วย 10 ราย
05:54
Howeverอย่างไรก็ตาม, eightแปด out of the 10
had a bumpลูกโป่ง in theirของพวกเขา glucoseกลูโคส
123
342592
4538
อย่างไรก็ดี แปดจาก 10
มีระดับกลูโคสที่ลดลง
05:59
when they got the secondที่สอง P --
we call this P and P --
124
347154
2645
เมื่อพวกเขาได้ยาพีตัวที่สอง --
พวกเราเรียกมันว่า พี และ พี --
06:01
when they got the secondที่สอง P.
125
349823
1310
เมื่อพวกเขาได้ยาพีตัวที่สอง
06:03
Eitherทั้ง one could be first,
the secondที่สอง one comesมา up,
126
351157
2562
ยาตัวใดตัวหนึ่งสามารถเป็นตัวแรกได้
และตัวที่สองก็คืออีกตัวหนึ่ง
06:05
glucoseกลูโคส wentไป up
20 milligramsมิลลิกรัม perต่อ deciliterเดซิลิตร.
127
353743
2847
ระดับกลูโคสสูงขึ้นถึง
20 มิลลิกรัมต่อเดซิลิตร
06:08
Just as a reminderการแจ้งเตือน,
128
356614
1158
ขอบอกคุณสักนิดว่า
06:09
you walkเดิน around normallyปกติ,
if you're not diabeticผู้ป่วยโรคเบาหวาน,
129
357796
2325
คุณเดินไปเดินมาเป็นปกติ
ถ้าคุณไม่เป็นเบาหวาน
06:12
with a glucoseกลูโคส of around 90.
130
360145
1359
ด้วยระดับน้ำตาลประมาณ 90
06:13
And if it getsได้รับ up to 120, 125,
131
361528
2076
และถ้ามันสูงถึง 120, 125
06:15
your doctorคุณหมอ beginsเริ่มต้น to think
about a potentialที่อาจเกิดขึ้น diagnosisการวินิจฉัยโรค of diabetesโรคเบาหวาน.
132
363628
3450
แพทย์ของคุณจะเริ่มติดถึง
การวินิจฉัยเกี่ยวกับเบาหวานที่น่าจะเป็นไปได้
06:19
So a 20 bumpลูกโป่ง -- prettyน่ารัก significantสำคัญ.
133
367102
2991
ฉะนั้น การที่มันสูงขึ้น 20 --
ค่อนข้างมีนัยสำคัญ
06:22
I said, "Nickกรงขัง, this is very coolเย็น.
134
370601
1904
ผมพูดว่า "นิค นี่มันเจ๋งมาก
06:25
But, I'm sorry, we still
don't have a paperกระดาษ,
135
373616
2053
แต่ผมเสียใจด้วยนะ
เรายังไม่สามารถตีพิมพ์ได้
06:27
because this is 10 patientsผู้ป่วย
and -- give me a breakหยุด --
136
375693
2579
เพราะว่าผู้ป่วย 10 คน และ
-- เดี๋ยวก่อนนะ --
06:30
it's not enoughพอ patientsผู้ป่วย."
137
378296
1245
มันไม่เพียงพอ"
06:31
So we said, what can we do?
138
379565
1306
เราก็เลยบอกว่า เราจะทำอย่างไรดี
06:32
And we said, let's call our friendsเพื่อน
at Harvardฮาร์วาร์ and VanderbiltVanderbilt,
139
380895
2976
และเราก็บอกว่า ลองโทรหาเพื่อนของเรา
ที่ฮาร์วาร์ดและวานเดอร์บิลท์
06:35
who alsoด้วย -- Harvardฮาร์วาร์ in Bostonเมืองบอสตัน,
VanderbiltVanderbilt in Nashvilleแนชวิลล์,
140
383895
2587
ผู้ที่ยัง -- ฮาร์วาร์ดในบอสตัน
วานเดอร์บิลท์ในแนชวิล
06:38
who alsoด้วย have electronicอิเล็กทรอนิกส์
medicalทางการแพทย์ recordsบันทึก similarคล้ายคลึงกัน to oursของเราเอง.
141
386506
2821
ผู้ที่มีบันทึกทางการแพทย์อิเล็กทรอนิต
ที่คล้ายกับของเรา
06:41
Let's see if they can find
similarคล้ายคลึงกัน patientsผู้ป่วย
142
389351
2020
ลองมาดูว่า พวกเราจะพบ
คนไข้ที่คล้าย ๆ กันหรือเปล่า
06:43
with the one P, the other P,
the glucoseกลูโคส measurementsวัด
143
391395
3276
ที่ใช้ยาพีตัวแรก และพีอีกตัว
และมีผลระดับกลูโคส
06:46
in that rangeพิสัย that we need.
144
394695
1600
ในช่วงที่เราต้องการ
06:48
God blessให้ศีลให้พร them, VanderbiltVanderbilt
in one weekสัปดาห์ foundพบ 40 suchอย่างเช่น patientsผู้ป่วย,
145
396787
4955
พระเจ้าช่วย วาลเดอร์บิลท์
พบคนไข้แบบนั้น 40 รายในหนึ่งสัปดาห์
06:53
sameเหมือนกัน trendแนวโน้ม.
146
401766
1189
ในรูปแบบเดียวกัน
06:55
Harvardฮาร์วาร์ foundพบ 100 patientsผู้ป่วย, sameเหมือนกัน trendแนวโน้ม.
147
403804
3620
ฮาร์วาร์ดพบผู้ป่วย 100 คน
ที่มีรูปแบบเดียวกัน
06:59
So at the endปลาย, we had 150 patientsผู้ป่วย
from threeสาม diverseหลากหลาย medicalทางการแพทย์ centersศูนย์
148
407448
4281
ฉะนั้น สุดท้ายแล้วเรามีผู้ป่วย 150 ราย
จากบันทึกทางการแพทย์ต่าง ๆ สามแห่ง
07:03
that were tellingบอก us that patientsผู้ป่วย
gettingได้รับ these two drugsยาเสพติด
149
411753
3297
นั่นกำลังบอกกับเราว่า
ผู้ป่วยที่ใช้ยาสองอย่างนี้
07:07
were havingมี theirของพวกเขา glucoseกลูโคส bumpลูกโป่ง
somewhatค่อนข้าง significantlyอย่างมีความหมาย.
150
415074
2703
มีการเพิ่มขึ้นของระดับกลูโคส
ที่ค่อนข้างมีนัยสำคัญ
07:10
More interestinglyอย่างน่าสนใจ,
we had left out diabeticsผู้ป่วยโรคเบาหวาน,
151
418317
2810
ที่น่าสนใจไปกว่านั้น
เราได้ตัดผู้ที่เป็นเบาหวานออกไป
07:13
because diabeticsผู้ป่วยโรคเบาหวาน alreadyแล้ว
have messedmessed up glucoseกลูโคส.
152
421151
2317
เพราะว่า เบาหวาน
ทำระดับกลูโคสยุ่งเหยิงอยู่แล้ว
07:15
When we lookedมอง
at the glucoseกลูโคส of diabeticsผู้ป่วยโรคเบาหวาน,
153
423492
2238
เมื่อเราดูที่ระดับกลูโคสในผู้ที่เป็นเบาหวาน
07:17
it was going up 60 milligramsมิลลิกรัม
perต่อ deciliterเดซิลิตร, not just 20.
154
425754
3435
มันสูงขึ้นถึง 60 มิลลิกรัมต่อเดซิลิตร
ไม่ใช่เพียง 20
07:21
This was a bigใหญ่ dealจัดการ, and we said,
"We'veเราได้ got to publishประกาศ this."
155
429760
3452
นั่นเป็นเรื่องใหญ่ และเราบอกว่า
"เราต้องตีพิมพ์สิ่งนี้"
07:25
We submittedส่ง the paperกระดาษ.
156
433236
1179
เราส่งบทความของเราไปยังสำนักพิมพ์
07:26
It was all dataข้อมูล evidenceหลักฐาน,
157
434439
2111
ทุกอย่างมีหลักฐานข้อมูล
07:28
dataข้อมูล from the FDAองค์การอาหารและยา, dataข้อมูล from StanfordStanford,
158
436574
2483
ข้อมูลจากองค์กรอาหารและยา
ข้อมูลจากสแตนฟอร์ด
07:31
dataข้อมูล from VanderbiltVanderbilt, dataข้อมูล from Harvardฮาร์วาร์.
159
439081
1946
ข้อมูลจากแบนเดอร์บิลท์
ข้อมูลจากฮาร์วาร์ด
07:33
We had not doneเสร็จแล้ว a singleเดียว realจริง experimentการทดลอง.
160
441051
2396
เราไม่ได้ทำการทดลองจริง ๆ สักครั้ง
07:36
But we were nervousหงุดหงิด.
161
444495
1296
แต่เราก็ตื่นเต้น
07:38
So Nickกรงขัง, while the paperกระดาษ
was in reviewทบทวน, wentไป to the labห้องปฏิบัติการ.
162
446201
3730
ในขณะที่บทความของเราถูกตรวจอยู่นั้น
นิคก็เลยไปที่ห้องทดลอง
07:41
We foundพบ somebodyบางคน
who knewรู้ว่า about labห้องปฏิบัติการ stuffสิ่ง.
163
449955
2462
เราพบกับคนที่รู้เรื่องต่าง ๆ ในห้องทดลอง
07:44
I don't do that.
164
452441
1393
ผมไม่ได้ทำอะไรพวกนี้
07:45
I take careการดูแล of patientsผู้ป่วย,
but I don't do pipettesปิเปต.
165
453858
2417
ผมดูแลคนไข้ แต่ไม่เคยจับปิเปตต์
07:49
They taughtสอน us how to feedอาหาร miceหนู drugsยาเสพติด.
166
457420
3053
พวกเขาสอนผมว่าต้องป้อนยาให้หนูอย่างไร
07:52
We tookเอา miceหนู and we gaveให้ them
one P, paroxetineparoxetine.
167
460864
2414
เราเอาหนูมาและเราให้พีหนึ่ง
พารอกซิทินกับพวกมัน
07:55
We gaveให้ some other miceหนู pravastatinpravastatin.
168
463302
2508
เราให้พราวาสตาตินกับหนูอีกกลุ่ม
07:57
And we gaveให้ a thirdที่สาม groupกลุ่ม
of miceหนู bothทั้งสอง of them.
169
465834
3595
และเราให้หนูกลุ่มที่สามกินยาทั้งสองอย่าง
08:01
And loดูเถิด and beholdเห็น, glucoseกลูโคส wentไป up
20 to 60 milligramsมิลลิกรัม perต่อ deciliterเดซิลิตร
170
469893
3946
และดูเถอะดู ระดับกลูโคสสูงขึ้นไปถึง
20 ถึง 60 มิลลิกรัมต่อเดซิลิตร
08:05
in the miceหนู.
171
473863
1171
ในหนูพวกนี้
08:07
So the paperกระดาษ was acceptedได้รับการยอมรับ
basedซึ่งเป็นรากฐาน on the informaticsสารสนเทศ evidenceหลักฐาน aloneคนเดียว,
172
475058
3158
บทความของเราได้รับการยอมรับ
โดยหลักฐานทางข้อมูลเพียงอย่างเดียว
08:10
but we addedที่เพิ่ม a little noteบันทึก at the endปลาย,
173
478240
1894
แต่เราเพิ่มข้อความในส่วนท้าย
08:12
sayingคำพูด, oh by the way,
if you give these to miceหนู, it goesไป up.
174
480158
2899
ที่ว่า โอ แต่จะบอกอะไรให้
ถ้าคุณให้ยากับหนู ระดับมันจะเพิ่มขึ้น
08:15
That was great, and the storyเรื่องราว
could have endedสิ้นสุดวันที่ there.
175
483081
2508
นั่นมันยอดเลย และเรื่องก็น่าจะจบลงตรงนั้น
08:17
But I still have sixหก and a halfครึ่ง minutesนาที.
176
485613
1997
แต่ผมยังมีอีกหกนาทีครึ่ง
08:19
(Laughterเสียงหัวเราะ)
177
487634
2807
(เสียงหัวเราะ)
08:22
So we were sittingนั่ง around
thinkingคิด about all of this,
178
490465
2815
พวกเรามานั่งล้อมวงกันแล้วคิดเกี่ยวกับสิ่งนี้
08:25
and I don't rememberจำ who thought
of it, but somebodyบางคน said,
179
493304
2735
และผมก็จำไม่ได้ว่าใครคิด
แต่ใครสักคนพูดว่า
08:28
"I wonderน่าแปลกใจ if patientsผู้ป่วย
who are takingการ these two drugsยาเสพติด
180
496063
3201
"ผมสงสัยจังว่าคนไข้ที่ได้รับยาทั้งสอง
08:31
are noticingสังเกตเห็น sideด้าน effectsผลกระทบ
of hyperglycemiaน้ำตาลในเลือดสูง.
181
499288
3553
สังเกตเห็นผลข้างเคียง
ของการมีกลูโคสมากนี้ไหม
08:34
They could and they should.
182
502865
1496
พวกเขาควรและน่าจะเห็น
08:36
How would we ever determineกำหนด that?"
183
504761
1877
เราจะรู้ได้อย่างไร"
08:39
We said, well, what do you do?
184
507551
1443
พวกเราบอกว่า เอาล่ะ คุณจะทำอย่างไร
08:41
You're takingการ a medicationยา,
one newใหม่ medicationยา or two,
185
509018
2580
คุณใช้ยา ยาตัวใหม่หนึ่งหรือสองตัว
08:43
and you get a funnyตลก feelingความรู้สึก.
186
511622
1538
และมีอาการแปลก ๆ
08:45
What do you do?
187
513184
1151
คุณจะทำอย่างไร
08:46
You go to GoogleGoogle
188
514359
1151
คุณจะไปกูเกิล
08:47
and typeชนิด in the two drugsยาเสพติด you're takingการ
or the one drugยา you're takingการ,
189
515534
3349
และพิมพ์ชื่อยาทั้งสองที่คุณใช้
หรือยาตัวหนึ่งที่คุณใช้
08:50
and you typeชนิด in "sideด้าน effectsผลกระทบ."
190
518907
1603
และคุณจะพิมพ์คำว่า "ผลข้างเคียง"
08:52
What are you experiencingประสบ?
191
520534
1356
คุณจะเจออะไร
08:54
So we said OK,
192
522239
1151
เราเลยบอกว่า เอาล่ะ
08:55
let's askถาม GoogleGoogle if they will shareหุ้น
theirของพวกเขา searchค้นหา logsบันทึก with us,
193
523414
3056
ลองถามกูเกิลดูสิ ว่าพวกเขาจะแบ่งปัน
ผลการป้อนคำค้นหากับเราไหม
08:58
so that we can look at the searchค้นหา logsบันทึก
194
526494
1833
เพื่อที่เราจะสามารถดูผลการป้อนคำค้นหาได้
09:00
and see if patientsผู้ป่วย are doing
these kindsชนิด of searchesค้นหา.
195
528351
2565
และดูว่าผู้ป่วยทำการค้นหา
อะไรพวกนี้หรือเปล่า
09:02
GoogleGoogle, I am sorry to say,
deniedปฏิเสธ our requestขอร้อง.
196
530940
3275
ผมเสียใจที่จะต้องบอกว่า
กูเกิลปฏิเสธคำขอของเรา
09:06
So I was bummedbummed.
197
534819
1151
ผมผิดหวังครับ
09:07
I was at a dinnerอาหารเย็น with a colleagueเพื่อนร่วมงาน
who worksโรงงาน at Microsoftไมโครซอฟท์ Researchการวิจัย
198
535994
3166
ผมกำลังรับประทานอาหารเย็น
กับเพื่อนร่วมงานที่ไมโครซอร์ฟ รีเซิร์ช
09:11
and I said, "We wanted to do this studyศึกษา,
199
539184
1941
ผมบอกว่า "ผมอยากจะทำการศึกษานี้
09:13
GoogleGoogle said no, it's kindชนิด of a bummerคนเกียจคร้าน."
200
541149
1880
กูเกิลบอกว่า ไม่ มันน่าผิดหวังจริง ๆ"
09:15
He said, "Well, we have
the BingBing searchesค้นหา."
201
543053
2086
เขาบอกว่า "ถ้าอย่างนั้น เรามี บิง เสิร์จ นะ"
09:18
(Laughterเสียงหัวเราะ)
202
546195
3483
(เสียงหัวเราะ)
09:22
Yeah.
203
550805
1267
ครับ
09:24
That's great.
204
552096
1151
ยอดไปเลย
09:25
Now I feltรู้สึกว่า like I was --
205
553271
1151
ตอนนี้ผมรู้สึกว่าผม --
09:26
(Laughterเสียงหัวเราะ)
206
554446
1000
(เสียงหัวเราะ)
09:27
I feltรู้สึกว่า like I was talkingการพูด to Nickกรงขัง again.
207
555470
2412
ผมรู้สีกว่าผมกำลังพูดอยู่กับนิคอีกแล้ว
09:30
He worksโรงงาน for one of the largestใหญ่ที่สุด
companiesบริษัท in the worldโลก,
208
558437
2624
เขาทำงานให้กับบริษัท
ที่ใหญ่ที่สุดในโลกแห่งหนึ่ง
09:33
and I'm alreadyแล้ว tryingพยายาม
to make him feel better.
209
561085
2206
และผมก็พร้อมที่จะลองทำให้เขารู้สึกดีขึ้น
09:35
But he said, "No, Russรัส --
you mightอาจ not understandเข้าใจ.
210
563315
2445
แต่เขาบอกว่า "ไม่ รัส คุณไม่เข้าใจหรอก
09:37
We not only have BingBing searchesค้นหา,
211
565784
1500
พวกเรามีแค่ บิง เสิร์จ
09:39
but if you use Internetอินเทอร์เน็ต Explorerสำรวจ
to do searchesค้นหา at GoogleGoogle,
212
567308
3340
แต่ถ้าคุณใช้ อินเทอร์เน็ต เอ็กซ์พลอเลอร์
ทำการค้นหาในกูเกิล
09:42
Yahooyahoo, BingBing, any ...
213
570672
1891
ยาฮู, บิง หรืออะไรก็ตาม
09:44
Then, for 18 monthsเดือน, we keep that dataข้อมูล
for researchการวิจัย purposesวัตถุประสงค์ only."
214
572587
3643
จากนั้น เราจะเก็บข้อมูลเอาไว้เพื่อจุดประสงค์
ในการวิจัยเท่านั้น เป็นเวลา 18 เดือน"
09:48
I said, "Now you're talkingการพูด!"
215
576254
1936
ผมบอกว่า "นั่นแหละ ค่อยเข้าท่าหน่อย"
09:50
This was Ericเอริค HorvitzHorvitz,
my friendเพื่อน at Microsoftไมโครซอฟท์.
216
578214
2198
นี่คือ อิริค ฮอร์วิทซ์
เพื่อนของผมที่ไมโครซอร์ฟ
09:52
So we did a studyศึกษา
217
580436
1695
เราทำการศึกษา
09:54
where we definedที่กำหนดไว้ 50 wordsคำ
that a regularปกติ personคน mightอาจ typeชนิด in
218
582155
4619
ซึ่งเรากำหนดคำ 50 คน
ที่คนทั่วไปจะพิมพ์
09:58
if they're havingมี hyperglycemiaน้ำตาลในเลือดสูง,
219
586798
1602
ถ้าพวกเขามีภาวะน้ำตาลสูง
10:00
like "fatigueความเมื่อยล้า," "lossการสูญเสีย of appetiteความกระหาย,"
"urinatingปัสสาวะ a lot," "peeingฉี่ a lot" --
220
588424
4762
เช่น "ปวดเมื่อย" "ไม่อยากอาหาร"
"ปัสสาวะมาก" "ฉี่เยอะ" --
10:05
forgiveยกโทษให้ me, but that's one
of the things you mightอาจ typeชนิด in.
221
593210
2767
ขอโทษครับ แต่นั่นอาจเป็นคำที่คุณจะพิมพ์
10:08
So we had 50 phrasesวลี
that we calledเรียกว่า the "diabetesโรคเบาหวาน wordsคำ."
222
596001
2790
เราได้กลุ่มคำมา 50 กลุ่มคำ
ที่เรียกว่า "คำที่เกี่ยวกับเบาหวาน"
10:10
And we did first a baselineพื้นฐาน.
223
598815
2063
และเราก็สร้างเส้นมาตราฐานล่างก่อน
10:12
And it turnsผลัดกัน out
that about .5 to one percentเปอร์เซ็นต์
224
600902
2704
และกลายเป็นว่าประมาณ .5 ถึง 1 เปอร์เซ็นต์
10:15
of all searchesค้นหา on the Internetอินเทอร์เน็ต
involveรวมถึง one of those wordsคำ.
225
603630
2982
ของผู้ทำการค้นหาทางอินเทอร์เน็ต
ใช้คำที่เกี่ยวข้องกับคำพวกนี้
10:18
So that's our baselineพื้นฐาน rateอัตรา.
226
606636
1742
ฉะนั้น นั่นเป็นเส้นมาตราฐานล่างของเรา
10:20
If people typeชนิด in "paroxetineparoxetine"
or "PaxilPaxil" -- those are synonymsคำพ้องความหมาย --
227
608402
4143
ถ้าคนพิมพ์คำว่า "พารอกซิทิน"
หรือ "พาซิล" -- นั่นเป็นคำเหมือนนะครับ --
10:24
and one of those wordsคำ,
228
612569
1215
และหนึ่งในคำเหล่านี้
10:25
the rateอัตรา goesไป up to about two percentเปอร์เซ็นต์
of diabetes-typeโรคเบาหวานชนิด wordsคำ,
229
613808
4890
อัตราการใช้คำที่เกี่ยวกับเบาหวาน
จะสูงขึ้นถึงประมาณสองเปอร์เซ็นต์
10:30
if you alreadyแล้ว know
that there's that "paroxetineparoxetine" wordคำ.
230
618722
3044
ถ้าคุณรู้แล้วว่านั่นมีคำว่า "พารอกซิทิน"
อยู่ด้วย
10:34
If it's "pravastatinpravastatin," the rateอัตรา goesไป up
to about threeสาม percentเปอร์เซ็นต์ from the baselineพื้นฐาน.
231
622191
4547
ถ้ามันเป็น "พราวาสตาติน" อัตราการใช้คำ
จะสูงจากเส้นล่างถึงสามเปอร์เซ็นต์
10:39
If bothทั้งสอง "paroxetineparoxetine" and "pravastatinpravastatin"
are presentนำเสนอ in the queryสอบถาม,
232
627171
4390
ถ้าทั้งคำว่า "พารอกซิทิน" และ
"พราวาสตาติน" อยู่ในข้อความค้นหา
10:43
it goesไป up to 10 percentเปอร์เซ็นต์,
233
631585
1669
มันจะสูงถึง 10 เปอร์เซ็นต์
10:45
a hugeใหญ่ three-สาม- to four-foldสี่เท่า increaseเพิ่ม
234
633278
3461
ซึ่งเป็นการเพิ่มขึ้นสามถึงสี่เท่า
10:48
in those searchesค้นหา with the two drugsยาเสพติด
that we were interestedสนใจ in,
235
636763
3389
ในผู้ที่ค้นหาด้วยยาสองชนิด
ที่เราสนใจ
10:52
and diabetes-typeโรคเบาหวานชนิด wordsคำ
or hyperglycemia-typeน้ำตาลในเลือดสูงชนิด wordsคำ.
236
640176
3566
และคำที่เกี่ยวข้องกับเบาหวาน
หรือคำที่เกี่ยวข้องกับภาวะน้ำตาลสูง
10:56
We publishedการตีพิมพ์ this,
237
644216
1265
เราตีพิมพ์สิ่งนี้
10:57
and it got some attentionความสนใจ.
238
645505
1466
และได้รับความสนใจบ้าง
10:58
The reasonเหตุผล it deservesสมควรได้รับ attentionความสนใจ
239
646995
1778
เหตุผลที่มันสมควรได้รับความสนใจ
11:00
is that patientsผู้ป่วย are tellingบอก us
theirของพวกเขา sideด้าน effectsผลกระทบ indirectlyโดยทางอ้อม
240
648797
4312
ก็คือผู้ป่วยกำลังบอกเรา
ถึงผลข้างเคียงที่เกิดขึ้นพวกเขา
11:05
throughตลอด theirของพวกเขา searchesค้นหา.
241
653133
1156
ผ่านการค้นหาของพวกเขา
11:06
We broughtนำ this
to the attentionความสนใจ of the FDAองค์การอาหารและยา.
242
654313
2138
พวกเราทำให้องค์กรอาหารและยาสนใจ
11:08
They were interestedสนใจ.
243
656475
1269
พวกเขาสนอกสนใจ
11:09
They have setชุด up socialสังคม mediaสื่อ
surveillanceการตรวจตรา programsโปรแกรม
244
657768
3606
พวกเขาตั้งโครงการตรวจตรา
ทางสื่อสังคมออนไลน์
11:13
to collaborateร่วมมือ with Microsoftไมโครซอฟท์,
245
661398
1751
เพื่อร่วมมือกับไมโครซอร์ฟ
11:15
whichที่ had a niceดี infrastructureโครงสร้างพื้นฐาน
for doing this, and othersคนอื่น ๆ,
246
663173
2794
ซึ่งมีโครงสร้างพื้นฐานที่ดี
สำหรับการทำงานนี้และงานอื่น ๆ
11:17
to look at Twitterพูดเบาและรวดเร็ว feedsฟีด,
247
665991
1282
เพื่อดูที่หน้าข่าวทวิตเตอร์
11:19
to look at FacebookFacebook feedsฟีด,
248
667297
1716
เพื่อดูที่หน้าข่าวเฟสบุ๊ค
11:21
to look at searchค้นหา logsบันทึก,
249
669037
1311
เพื่อดูที่ผลการป้อนคำค้นหา
11:22
to try to see earlyตอนต้น signsสัญญาณ that drugsยาเสพติด,
eitherทั้ง individuallyเป็นรายบุคคล or togetherด้วยกัน,
250
670372
4909
เพื่อที่จะพยายามมองหาสัญญาณขั้นแรก
ที่ยาไม่ว่าจะเป็นการใช้เดี่ยวหรือใช้ร่วมกัน
11:27
are causingการก่อให้เกิด problemsปัญหาที่เกิดขึ้น.
251
675305
1589
ก่อให้เกิดปัญหา
11:28
What do I take from this?
Why tell this storyเรื่องราว?
252
676918
2174
ผมได้อะไรจากสิ่งนี้หรือครับ
ทำไมผมต้องมาเล่าเรื่องนี้ด้วย
11:31
Well, first of all,
253
679116
1207
ครับ ประการแรก
11:32
we have now the promiseคำมั่นสัญญา
of bigใหญ่ dataข้อมูล and medium-sizedขนาดกลาง dataข้อมูล
254
680347
4037
ตอนนี้พวกเราข้อมูลมากมายที่น่าวางใจ
และข้อมูลขนาดกลาง
11:36
to help us understandเข้าใจ drugยา interactionsปฏิสัมพันธ์
255
684408
2918
ที่จะช่วยให้เราเข้าใจปฏิสัมพันธ์ของยา
11:39
and really, fundamentallyลึกซึ้ง, drugยา actionsการปฏิบัติ.
256
687350
2420
และอันที่จริง โดยพื้นฐาน กิจกรรมของยา
11:41
How do drugsยาเสพติด work?
257
689794
1413
ยาทำงานได้อย่างไร
11:43
This will createสร้าง and has createdสร้าง
a newใหม่ ecosystemระบบนิเวศ
258
691231
2836
มันจะสร้างและได้สร้างระบบนิเวศใหม่
11:46
for understandingความเข้าใจ how drugsยาเสพติด work
and to optimizeเพิ่มประสิทธิภาพ theirของพวกเขา use.
259
694091
3267
สำหรับความเข้าใจต่อการทำงานของยา
และเพื่อปรับการใช้พวกมันให้เหมาะสม
11:50
Nickกรงขัง wentไป on; he's a professorศาสตราจารย์
at Columbiaโคลัมเบีย now.
260
698303
2659
นิคยังคงเดินหน้าต่อไป
ตอนนี้เขาเป็นศาสตราจารย์ที่โคลัมเบียแล้ว
11:52
He did this in his PhDปริญญาเอก
for hundredsหลายร้อย of pairsคู่ of drugsยาเสพติด.
261
700986
4072
เขาทำสิ่งนี้ตอนเขาเป็นนักเรียนปริญญาเอก
โดยการดูยาหลายร้อยคู่
11:57
He foundพบ severalหลาย
very importantสำคัญ interactionsปฏิสัมพันธ์,
262
705082
2517
เขาพบปฏิสัมพันธ์ที่สำคัญมาก ๆ
ในยาบางคู่
11:59
and so we replicatedการจำลองแบบ this
263
707623
1214
และเราก็ได้ทำซ้ำ
12:00
and we showedแสดงให้เห็นว่า that this
is a way that really worksโรงงาน
264
708861
2574
และได้แสดงว่านี่เป็นวิธีที่ได้ผลจริง ๆ
12:03
for findingคำวินิจฉัย drug-drugยาเสพติดยาเสพติด interactionsปฏิสัมพันธ์.
265
711459
2339
ในการค้นหาปฏิสัมพันธ์ระหว่างยา
12:06
Howeverอย่างไรก็ตาม, there's a coupleคู่ of things.
266
714282
1734
อย่างไรก็ดี ยังมีอีกสองสามอย่าง
12:08
We don't just use pairsคู่
of drugsยาเสพติด at a time.
267
716040
3046
เราไม่ได้แค่จับคู่ยาเท่านั้น
12:11
As I said before, there are patientsผู้ป่วย
on threeสาม, fiveห้า, sevenเจ็ด, nineเก้า drugsยาเสพติด.
268
719110
4469
อย่างที่ผมบอกก่อนหน้านี้ มีคนไข้
ที่ใช้ยาสาม , ห้า, เจ็ด, เก้าอย่าง
12:15
Have they been studiedมีการศึกษา with respectเคารพ
to theirของพวกเขา nine-wayเก้าวิธี interactionปฏิสัมพันธ์?
269
723981
3642
พวกเขาเคยได้ศึกษาโดยคำนึงถึง
ปฎิสัมพันธ์ทั้งเก้าทางนั้นหรือเปล่า
12:19
Yes, we can do pair-wiseคู่ที่ชาญฉลาด,
A and B, A and C, A and D,
270
727647
4208
ครับ เราสามารถทำการจับคู่
A และ B A และ C A และ D ได้
12:23
but what about A, B, C,
D, E, F, G all togetherด้วยกัน,
271
731879
4286
แล้ว A B C D E F G ด้วยกันทั้งหมด
12:28
beingกำลัง takenยึด by the sameเหมือนกัน patientผู้ป่วย,
272
736189
1762
ที่ถูกใช้โดยคนไข้คนเดียวกันล่ะ
12:29
perhapsบางที interactingการมีปฏิสัมพันธ์ with eachแต่ละ other
273
737975
2118
บางทีมันมีปฏิสัมพันธ์ระหว่างกันและกัน
12:32
in waysวิธี that eitherทั้ง makesยี่ห้อ them
more effectiveมีประสิทธิภาพ or lessน้อยกว่า effectiveมีประสิทธิภาพ
274
740117
3778
ในแบบที่ไม่ทำให้พวกมัน
มีประสิทธิภาพมากขึ้นก็น้อยลง
12:35
or causesสาเหตุ sideด้าน effectsผลกระทบ
that are unexpectedไม่คาดฝัน?
275
743919
2332
หรืออาจทำให้เกิดผลข้างเคียงที่ไม่คาดคิด
12:38
We really have no ideaความคิด.
276
746275
1827
เราไม่รู้เลยจริง ๆ
12:40
It's a blueสีน้ำเงิน skyท้องฟ้า, openเปิด fieldสนาม
for us to use dataข้อมูล
277
748126
3756
มันเหมือนท้องฟ้าที่กว้างใหญ่
ทุ่งหญ้ากว้างไกล สำหรับเราที่จะใช้ข้อมูล
12:43
to try to understandเข้าใจ
the interactionปฏิสัมพันธ์ of drugsยาเสพติด.
278
751906
2502
เพื่อพยายามเข้าใจการมีปฏิสัมพันธ์ของยา
12:46
Two more lessonsบทเรียน:
279
754848
1370
อีกสองบทเรียนครับ
12:48
I want you to think about the powerอำนาจ
that we were ableสามารถ to generateผลิต
280
756242
4199
ผมอยากให้คุณคิดถึงอำนาจ
ที่เราจะสามารถสร้างได้
12:52
with the dataข้อมูล from people who had
volunteeredอาสา theirของพวกเขา adverseตรงข้าม reactionsปฏิกิริยา
281
760465
4711
ด้วยข้อมูลจากผู้คนที่อาสาให้
ข้อมูลผลร้ายที่เกิดขึ้น
12:57
throughตลอด theirของพวกเขา pharmacistsเภสัชกร,
throughตลอด themselvesตัวเอง, throughตลอด theirของพวกเขา doctorsแพทย์,
282
765200
3269
ผ่านเภสัชกรของพวกเขา
ผ่านตัวพวกเขาเอง ผ่านแพทย์ของพวกเขา
13:00
the people who allowedได้รับอนุญาต the databasesฐานข้อมูล
at StanfordStanford, Harvardฮาร์วาร์, VanderbiltVanderbilt,
283
768493
3667
ผู้คนที่ยอมให้ฐานข้อมูล
กับสแตนฟอร์ด ฮาร์วาร์ด แวนเดอร์บิลท์
13:04
to be used for researchการวิจัย.
284
772184
1427
เพื่อใช้ในการวิจัย
13:05
People are worriedกลุ้มใจ about dataข้อมูล.
285
773929
1445
ผู้คนเป็นกังวลเกี่ยวกับฐานข้อมูล
13:07
They're worriedกลุ้มใจ about theirของพวกเขา privacyความเป็นส่วนตัว
and securityความปลอดภัย -- they should be.
286
775398
3187
พวกเขาเป็นห่วงเรื่องความเป็นส่วนตัว
และความปลอดภัย -- พวกเขาก็ควรครับ
13:10
We need secureปลอดภัย systemsระบบ.
287
778609
1151
พวกเราต้องการระบบที่ปลอดภัย
13:11
But we can't have a systemระบบ
that closesปิด that dataข้อมูล off,
288
779784
3406
แต่พวกเราไม่สามารถมีระบบ
ที่ปิดตายข้อมูลเหล่านั้นได้
13:15
because it is too richรวย of a sourceแหล่ง
289
783214
2752
เพราะว่ามันเป็นแหล่งของข้อมูลที่มากมาย
13:17
of inspirationแรงบันดาลใจ, innovationนวัตกรรม and discoveryการค้นพบ
290
785990
3971
ของแรงบันดาลใจ นวัตกรรม และการค้นพบ
13:21
for newใหม่ things in medicineยา.
291
789985
1578
สำหรับสิ่งใหม่ในวงการแพทย์
13:24
And the finalสุดท้าย thing I want to say is,
292
792494
1794
และสิ่งสุดท้ายที่ผมอยากจะบอกก็คือ
13:26
in this caseกรณี we foundพบ two drugsยาเสพติด
and it was a little bitบิต of a sadเสียใจ storyเรื่องราว.
293
794312
3357
ในกรณีนี้ เราพบยาสองชนิด
และมันเป็นเรื่องที่ค่อนข้างน่าเสียใจ
13:29
The two drugsยาเสพติด actuallyแท้จริง causedก่อให้เกิดความ problemsปัญหาที่เกิดขึ้น.
294
797693
1921
ยาสองตัวที่สร้างปัญหา
13:31
They increasedเพิ่มขึ้น glucoseกลูโคส.
295
799638
1475
พวกมันเพิ่มระดับกลูโคส
13:33
They could throwโยน somebodyบางคน into diabetesโรคเบาหวาน
296
801137
2446
พวกมันทำให้ใครสักคนเป็นเบาหวาน
13:35
who would otherwiseมิฉะนั้น not be in diabetesโรคเบาหวาน,
297
803607
2294
ผู้ที่ไม่อย่างนั้นก็คงจะไม่เป็นเบาหวาน
13:37
and so you would want to use
the two drugsยาเสพติด very carefullyรอบคอบ togetherด้วยกัน,
298
805925
3175
และคุณก็จะระมัดระวัง
ในการใช้ยาสองตัวนี้ด้วยกัน
13:41
perhapsบางที not togetherด้วยกัน,
299
809124
1151
บางที ไม่ควรใช้มันด้วยกัน
13:42
make differentต่าง choicesตัวเลือก
when you're prescribingการสั่งจ่ายยา.
300
810299
2340
ทำการตัดสินใจที่ต่างออกไป
เมื่อคุณเขียนใบสั่งยา
13:44
But there was anotherอื่น possibilityความเป็นไปได้.
301
812663
1846
แต่มันยังมีความเป็นไปได้อีกอย่าง
13:46
We could have foundพบ
two drugsยาเสพติด or threeสาม drugsยาเสพติด
302
814533
2344
เราอาจได้พบกับยาสองหรือสามตัว
13:48
that were interactingการมีปฏิสัมพันธ์ in a beneficialเป็นประโยชน์ way.
303
816901
2261
ที่มีปฏิสัมพันธ์ต่อกันในแบบที่เป็นประโยชน์
13:51
We could have foundพบ newใหม่ effectsผลกระทบ of drugsยาเสพติด
304
819616
2712
เราอาจพบกับยาใหม่ที่มีคุณภาพ
13:54
that neitherค่า of them has aloneคนเดียว,
305
822352
2160
ที่มันทั้งไม่ใช่แค่มันตัวเดียว
13:56
but togetherด้วยกัน, insteadแทน
of causingการก่อให้เกิด a sideด้าน effectผล,
306
824536
2493
แต่ทั้งคู่ แทนที่จะมีผลข้างเคียง
13:59
they could be a newใหม่ and novelนวนิยาย treatmentการรักษา
307
827053
2425
พวกมันอาจเป็นการบำบัดโรค
ที่ใหม่และก้าวหน้า
14:01
for diseasesโรค that don't have treatmentsการรักษา
308
829502
1882
ที่เรายังไม่มีวิธีการบำบัดรักษา
14:03
or where the treatmentsการรักษา are not effectiveมีประสิทธิภาพ.
309
831408
2007
หรือเมื่อการบำบัดรักษาไม่มีประสิทธิภาพ
14:05
If we think about drugยา treatmentการรักษา todayในวันนี้,
310
833439
2395
ถ้าเราคิดถึงการใช้ยาทุกวันนี้
14:07
all the majorสำคัญ breakthroughsนวัตกรรม --
311
835858
1752
ความก้าวหน้าที่สำคัญทั้งหมด --
14:09
for HIVเอชไอวี, for tuberculosisวัณโรค,
for depressionพายุดีเปรสชัน, for diabetesโรคเบาหวาน --
312
837634
4297
สำหรับเอชไอวี สำหรับวัณโรค
สำหรับโรคซึมเศร้า สำหรับเบาหวาน --
14:13
it's always a cocktailค็อกเทล of drugsยาเสพติด.
313
841955
2830
มันเป็นการใช้ยาหลายอย่างเสมอ
14:16
And so the upsideกลับหัวกลับหาง here,
314
844809
1730
และในด้านดี
14:18
and the subjectเรื่อง for a differentต่าง
TEDTED Talk on a differentต่าง day,
315
846563
2849
และหัวข้อสำหรับหลาย ๆ TED Talk
ในวันอื่น ๆ
14:21
is how can we use the sameเหมือนกัน dataข้อมูล sourcesแหล่งที่มา
316
849436
2593
ก็คือเราจะสามารถใช้แหล่งข้อมูลเดิม
14:24
to find good effectsผลกระทบ
of drugsยาเสพติด in combinationการรวมกัน
317
852053
3563
เพื่อการใช้ยาแบบควบคู่
ที่มีประสิทธิภาพได้อย่างไร
14:27
that will provideให้ us newใหม่ treatmentsการรักษา,
318
855640
2175
เพื่อที่มันจะให้การบำบัดรักษาใหม่กับเรา
14:29
newใหม่ insightsข้อมูลเชิงลึก into how drugsยาเสพติด work
319
857839
1852
ความรู้ลึกซึ้งเรื่องใหม่เรื่องการทำงานของยา
14:31
and enableทำให้สามารถ us to take careการดูแล
of our patientsผู้ป่วย even better?
320
859715
3786
และทำให้เราสามารถดูแลคนไข้ของเรา
ได้ดีขึ้น
14:35
Thank you very much.
321
863525
1166
ขอบคุณมากครับ
14:36
(Applauseการปรบมือ)
322
864715
3499
(เสียงปรบมือ)
Translated by Kelwalin Dhanasarnsombut

▲Back to top

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

Why you should listen

Professor of bioengineering, genetics, medicine and computer science at Stanford University, Russ Altman's primary research interests are in the application of computing and informatics technologies to problems relevant to medicine. He is particularly interested in methods for understanding drug actions at molecular, cellular, organism and population levels, including how genetic variation impacts drug response.

Altman received the U.S. Presidential Early Career Award for Scientists and Engineers, a National Science Foundation CAREER Award and Stanford Medical School's graduate teaching award. He has chaired the Science Board advising the FDA Commissioner and currently serves on the NIH Director’s Advisory Committee. He is a clinically active internist, the founder of the PharmGKB knowledge base, and advisor to pharmacogenomics companies.

More profile about the speaker
Russ Altman | Speaker | TED.com
THE ORIGINAL VIDEO ON TED.COM