What really happens when you mix medications? | Russ Altman

188,456 views ・ 2016-03-23

TED


Pro přehrání videa dvakrát klikněte na anglické titulky níže.

Překladatel: Kateřina Jabůrková Korektor: Jakub Cervenka
00:12
So you go to the doctor and get some tests.
0
12811
3321
Přijdete k doktorovi a udělají Vám nějaké testy.
00:16
The doctor determines that you have high cholesterol
1
16674
2620
Doktor zjistí, že máte vysoký choresterol,
00:19
and you would benefit from medication to treat it.
2
19318
3171
a že by Vám asi pomohly léky.
00:22
So you get a pillbox.
3
22981
1556
Takže dostanete krabičku léků.
00:25
You have some confidence,
4
25505
1199
Máte určitou důvěru,
00:26
your physician has some confidence that this is going to work.
5
26728
2937
Váš doktor má určitou důvěru, že to bude fungovat.
00:29
The company that invented it did a lot of studies, submitted it to the FDA.
6
29689
3553
Ta firma, která je vynalezla udělala řadu studií, odevzdala je FDA.
00:33
They studied it very carefully, skeptically, they approved it.
7
33266
3107
Oni je pečlivě prozkoumali, a skepticky je potvrdili.
00:36
They have a rough idea of how it works,
8
36397
1889
Mají určitou představu, jak fungují,
00:38
they have a rough idea of what the side effects are.
9
38310
2453
mají určitou představu, jaké jsou vedlejší účinky.
00:40
It should be OK.
10
40787
1150
Mělo by to být OK.
00:42
You have a little more of a conversation with your physician
11
42864
2818
Máte další rozhovor se svým doktorem,
00:45
and the physician is a little worried because you've been blue,
12
45706
2963
a Váš doktor se obává, protože jste byli melancholičtí,
00:48
haven't felt like yourself,
13
48693
1293
necítili jste se dobře,
00:50
you haven't been able to enjoy things in life quite as much as you usually do.
14
50010
3731
nedařilo se Vám užívat si života normálně.
00:53
Your physician says, "You know, I think you have some depression.
15
53765
3186
Váš doktor řekne, "Myslím, že máte trochu depresi.
00:57
I'm going to have to give you another pill."
16
57792
2315
Předepíši Vám další lék."
01:00
So now we're talking about two medications.
17
60934
2483
Takže teď mluvíme o dvou lécích.
01:03
This pill also -- millions of people have taken it,
18
63441
3104
I druhý lék užívají miliony lidí,
01:06
the company did studies, the FDA looked at it -- all good.
19
66569
3631
výrobce provedl studie, FDA to zkontrolovala -- všechno v pořádku.
01:10
Think things should go OK.
20
70823
2057
Všechno by mělo být v pořádku.
01:12
Think things should go OK.
21
72904
2197
Všechno by mělo být v pořádku.
01:15
Well, wait a minute.
22
75125
1439
Ale, počkejte chvilku.
01:16
How much have we studied these two together?
23
76588
3517
Studovali jsme je dohromady?
01:20
Well, it's very hard to do that.
24
80630
2300
Je velmi složité to udělat.
01:22
In fact, it's not traditionally done.
25
82954
2130
Po pravdě, normálně se to nedělá.
01:25
We totally depend on what we call "post-marketing surveillance,"
26
85108
5518
Zcela závisíme na tom, čemu se říká "post-marketingový dohled."
01:30
after the drugs hit the market.
27
90650
1880
Poté, co jsou léky uvedeny na trh,
01:32
How can we figure out if bad things are happening
28
92996
2848
jak zjistíme, že dva léky
01:35
between two medications?
29
95868
1357
společně fungují špatně?
01:37
Three? Five? Seven?
30
97249
2030
Tři? Pět? Sedm?
01:39
Ask your favorite person who has several diagnoses
31
99708
2415
Zeptejte se Vašich blízkých s několika diagnózami,
01:42
how many medications they're on.
32
102147
1834
kolik léků užívají.
01:44
Why do I care about this problem?
33
104530
1580
Proč se zabývám tímto problémem?
01:46
I care about it deeply.
34
106134
1157
Záleží mi na něm hodně.
01:47
I'm an informatics and data science guy and really, in my opinion,
35
107315
4304
Jsem informatik a analytik dat a podle mně opravdu jediná šance -
01:51
the only hope -- only hope -- to understand these interactions
36
111643
3745
jediná šance, jak porozumět těmto interakcím
01:55
is to leverage lots of different sources of data
37
115412
3056
je použít hodně různých zdrojů dat,
01:58
in order to figure out when drugs can be used together safely
38
118492
3556
abychom zjistili, které léky mohou být bezpečně užívány společně,
02:02
and when it's not so safe.
39
122072
1777
a kdy to není bezpečné.
02:04
So let me tell you a data science story.
40
124615
2051
Řeknu Vám příběh vědy o datech.
02:06
And it begins with my student Nick.
41
126690
2154
Začíná mým studentem Nickem.
02:08
Let's call him "Nick," because that's his name.
42
128868
2380
Budeme mu říkat "Nick," protože se tak jmenuje.
02:11
(Laughter)
43
131272
1592
(Smích)
02:12
Nick was a young student.
44
132888
1201
Nick byl mladý student.
02:14
I said, "You know, Nick, we have to understand how drugs work
45
134113
3079
Řekl jsem, "Víš, Nicku, musíme pochopit, jak léky fungují
02:17
and how they work together and how they work separately,
46
137216
2626
a jak fungují dohromady, a jak fungují zvlášť,
02:19
and we don't have a great understanding.
47
139866
1922
a moc dobře tomu nerozumíme.
02:21
But the FDA has made available an amazing database.
48
141812
2405
Ale FDA zveřejnila tuhle skvělou databázi.
02:24
It's a database of adverse events.
49
144241
1699
Je to databáze nežádoucích účinků.
02:26
They literally put on the web --
50
146321
1642
Doslova je dali na web-
02:27
publicly available, you could all download it right now --
51
147987
3119
veřejně přístupné, všichni byste si je nyní mohli stáhnout-
02:31
hundreds of thousands of adverse event reports
52
151130
3627
stovky tisíc zpráv o nepříznivých účincích
02:34
from patients, doctors, companies, pharmacists.
53
154781
3760
od pacientů, doktorů, společností a lékárníků.
02:38
And these reports are pretty simple:
54
158565
1749
Tyto zprávy jsou celkem jednoduché:
02:40
it has all the diseases that the patient has,
55
160338
2658
obsahuji všechny pacientovy nemoci,
02:43
all the drugs that they're on,
56
163020
1767
všechny užívané léky,
02:44
and all the adverse events, or side effects, that they experience.
57
164811
3818
a všechny nežádoucí účinky, anebo vedlejší účinky, které zažil.
02:48
It is not all of the adverse events that are occurring in America today,
58
168653
3436
Nejsou to všechny nežádoucí účinky, které se dnes objeví v USA,
02:52
but it's hundreds and hundreds of thousands of drugs.
59
172113
2578
ale jsou to stovky a stovky tisíc léků.
02:54
So I said to Nick,
60
174715
1299
Tak jsem řekl Nickovi,
02:56
"Let's think about glucose.
61
176038
1826
"Zamysleme se nad glukózou.
02:57
Glucose is very important, and we know it's involved with diabetes.
62
177888
3567
Glukóza je velmi důležitá, a my víme, že je spojená s cukrovkou.
03:01
Let's see if we can understand glucose response.
63
181479
3970
Zkusme zjistit, jestli můžeme pochopit odezvu glukózy.
03:05
I sent Nick off. Nick came back.
64
185473
2458
Poslal jsem Nicka pryč. Nick přišel zpátky.
03:08
"Russ," he said,
65
188248
1786
"Russi," řekl,
03:10
"I've created a classifier that can look at the side effects of a drug
66
190351
5112
"vytvořil jsem klasifikátor, který může ukázat vedlejší účinky léků
03:15
based on looking at this database,
67
195487
2051
na základě zkoumání této databáze,
03:17
and can tell you whether that drug is likely to change glucose or not."
68
197562
4271
a může Vám říct, jestli ten lék pravděpodobně ovlivní glukózu či ne."
03:21
He did it. It was very simple, in a way.
69
201857
2016
Zvládl to. Svým způsobem to bylo jednoduché.
03:23
He took all the drugs that were known to change glucose
70
203897
2635
Vzal všechny léky, o kterých víme, že mění glukózu,
03:26
and a bunch of drugs that don't change glucose,
71
206556
2389
a řadu léků, které nemění glukózu,
03:28
and said, "What's the difference in their side effects?
72
208969
2888
a řekl, "Jaký je rozdíl mezi jejich vedlejšími účinky?
03:31
Differences in fatigue? In appetite? In urination habits?"
73
211881
4852
Rozdíl v únavě? V chuti k jídlu? V močení?"
03:36
All those things conspired to give him a really good predictor.
74
216757
2960
Všechny tyto věci dohromady mu daly velmi dobrý prediktor.
03:39
He said, "Russ, I can predict with 93 percent accuracy
75
219741
2548
Řekl, "Russi, mohu předpovědět s přesností 93 %,
03:42
when a drug will change glucose."
76
222313
1572
kdy lék změní glukózu."
03:43
I said, "Nick, that's great."
77
223909
1416
Řekl jsem, "Nicku, to je skvělé."
03:45
He's a young student, you have to build his confidence.
78
225349
2896
Je to mladý student, musíte budovat jeho sebedůvěru.
03:48
"But Nick, there's a problem.
79
228269
1390
"Ale Nicku, je tu problém.
03:49
It's that every physician in the world knows all the drugs that change glucose,
80
229683
3960
Každý doktor na světě ví, že všechny léky mění glukózu,
03:53
because it's core to our practice.
81
233667
2038
protože to je základ naší praxe.
03:55
So it's great, good job, but not really that interesting,
82
235729
3722
Takže skvělé, dobrá práce, ale ne moc zajímavé,
03:59
definitely not publishable."
83
239475
1531
určitě ne publikovatelné."
04:01
(Laughter)
84
241030
1014
(Smích)
04:02
He said, "I know, Russ. I thought you might say that."
85
242068
2550
Řekl, "Já vím, Russ. Myslel jsem si, že to řekneš."
04:04
Nick is smart.
86
244642
1152
Nick je chytrý.
04:06
"I thought you might say that, so I did one other experiment.
87
246149
2874
"Myslel jsem si, že to řekneš, udělal jsem ještě jeden pokus.
04:09
I looked at people in this database who were on two drugs,
88
249047
2928
Podíval jsem se na všechny v této databázi užívající dva léky,
04:11
and I looked for signals similar, glucose-changing signals,
89
251999
4422
a hledal jsem podobné signály, signály měnící se glukózy,
04:16
for people taking two drugs,
90
256445
1624
pro osoby užívající tyto dva léky,
04:18
where each drug alone did not change glucose,
91
258093
5569
kde každý lék zvlášť neovlivnil glukózu,
04:23
but together I saw a strong signal."
92
263686
2460
ale dohromady jsem viděl výrazný signál."
04:26
And I said, "Oh! You're clever. Good idea. Show me the list."
93
266170
3149
A já řekl, "Aha! Jsi chytrý. Dobrý nápad. Ukaž mi ten seznam."
04:29
And there's a bunch of drugs, not very exciting.
94
269343
2254
A je tu řada léků, nepříliš zajímavých.
04:31
But what caught my eye was, on the list there were two drugs:
95
271621
3932
Ale co mne zaujalo, na seznamu byly dva léky:
04:35
paroxetine, or Paxil, an antidepressant;
96
275577
3393
paroxetin, nebo Paxil, antidepresant,
04:39
and pravastatin, or Pravachol, a cholesterol medication.
97
279756
3570
a pravastin, nebo Pravachol, lék na cholesterol.
04:43
And I said, "Huh. There are millions of Americans on those two drugs."
98
283936
4283
A já jsem řekl, "Aha. Miliony Američanů užívají tyto dva léky."
04:48
In fact, we learned later,
99
288243
1246
Později jsme zjistili, že
04:49
15 million Americans on paroxetine at the time, 15 million on pravastatin,
100
289513
6032
na paroxetinu bylo 15 miliónů Američanů,
15 miliónů na pravastinu,
04:55
and a million, we estimated, on both.
101
295569
2817
a milión, odhadem, na obou.
04:58
So that's a million people
102
298767
1254
Takže to je milión lidí,
05:00
who might be having some problems with their glucose
103
300045
2453
kteří mohou mít problémy s glukózou,
05:02
if this machine-learning mumbo jumbo that he did in the FDA database
104
302522
3206
pokud obstojí tenhle mechanický nesmysl,
05:05
actually holds up.
105
305752
1254
který s databází FDA provedl.
05:07
But I said, "It's still not publishable,
106
307030
1927
Řekl jsem, "Stále to není publikovatelné,
05:08
because I love what you did with the mumbo jumbo,
107
308981
2296
ale protože se mi líbí, co jsi s tím provedl,
05:11
with the machine learning,
108
311301
1246
s tím strojovým učením,
05:12
but it's not really standard-of-proof evidence that we have."
109
312571
3864
ale není to standardní důkaz."
05:17
So we have to do something else.
110
317618
1589
Takže musíme provést něco jiného.
05:19
Let's go into the Stanford electronic medical record.
111
319231
2876
Pojďme do Stanfordských elektronických lékařských záznamů.
05:22
We have a copy of it that's OK for research,
112
322131
2064
Máme jejich kopii pro výzkumné účely,
05:24
we removed identifying information.
113
324219
2046
odstranili jsem identifikující informace.
05:26
And I said, "Let's see if people on these two drugs
114
326581
2503
Řekl jsem, "Podívejme se, jestli lidé na těchto dvou lécích
05:29
have problems with their glucose."
115
329108
1769
mají problémy s hladinou cukru krvi."
05:31
Now there are thousands and thousands of people
116
331242
2207
Ve Stanfordských lékařských záznamech
05:33
in the Stanford medical records that take paroxetine and pravastatin.
117
333473
3459
Jsou tisíce a tisíce lidí, kteří užívají paroxetin a pravastatin.
05:36
But we needed special patients.
118
336956
1799
My ale potřebovali speciální pacienty.
05:38
We needed patients who were on one of them and had a glucose measurement,
119
338779
4597
Potřebovali jsme pacienty, kteří užívali jeden z nich a znali hladinu cukru v krvi,
05:43
then got the second one and had another glucose measurement,
120
343400
3449
a poté dostali ten druhý a měli znovu změřenou hladinu cukru,
05:46
all within a reasonable period of time -- something like two months.
121
346873
3615
to vše v rozumném časovém období -- okolo dvou měsíců.
05:50
And when we did that, we found 10 patients.
122
350512
3159
A když jsme to udělali, našli jsme 10 pacientů.
05:54
However, eight out of the 10 had a bump in their glucose
123
354592
4538
Ale osm z 10 měli výkyv v hladině cukru,
05:59
when they got the second P -- we call this P and P --
124
359154
2645
když dostali druhé P -- nazýváme je P a P --
06:01
when they got the second P.
125
361823
1310
když dostali to druhé P.
06:03
Either one could be first, the second one comes up,
126
363157
2562
Kterýkoliv mohl být první, pak přišel ten druhý a
06:05
glucose went up 20 milligrams per deciliter.
127
365743
2847
glukóza se zvýšila o 20 miligramů na decilitr.
06:08
Just as a reminder,
128
368614
1158
Jen pro připomenutí,
06:09
you walk around normally, if you're not diabetic,
129
369796
2325
pokud nejste diabetik, normálně chodíte okolo,
06:12
with a glucose of around 90.
130
372145
1359
s glukózou okolo 90.
06:13
And if it gets up to 120, 125,
131
373528
2076
A když se dostane na 120, 125,
06:15
your doctor begins to think about a potential diagnosis of diabetes.
132
375628
3450
Váš doktor začne uvažovat o diagnóze cukrovky.
06:19
So a 20 bump -- pretty significant.
133
379102
2991
Takže skok o 20 -- celkem zásadní.
06:22
I said, "Nick, this is very cool.
134
382601
1904
Řekl jsem, "Nicku, tohle je vážně cool.
06:25
But, I'm sorry, we still don't have a paper,
135
385616
2053
Ale, obávám se, že stále nemáme článek,
06:27
because this is 10 patients and -- give me a break --
136
387693
2579
protože tohle je 10 pacientů
06:30
it's not enough patients."
137
390296
1245
to není dost pacientů."
06:31
So we said, what can we do?
138
391565
1306
Co můžeme dělat?
06:32
And we said, let's call our friends at Harvard and Vanderbilt,
139
392895
2976
Řekli jsme si, že zavoláme přátelům na Harvardu a Vanderbiltu,
06:35
who also -- Harvard in Boston, Vanderbilt in Nashville,
140
395895
2587
kteří -- Harvard v Bostonu, Vanderbilt v Nashville,
06:38
who also have electronic medical records similar to ours.
141
398506
2821
kteří také mají lékařské záznamy podobné našim.
06:41
Let's see if they can find similar patients
142
401351
2020
Uvidíme, jestli najdou podobné pacienty
06:43
with the one P, the other P, the glucose measurements
143
403395
3276
s jedním P, druhým P, měřeními glukózy
06:46
in that range that we need.
144
406695
1600
v rozmezí, které potřebujeme.
06:48
God bless them, Vanderbilt in one week found 40 such patients,
145
408787
4955
Bůh jim žehnej, Vanderbilt našli za týden 40 takových pacientů,
06:53
same trend.
146
413766
1189
stejný trend.
06:55
Harvard found 100 patients, same trend.
147
415804
3620
Harvard našel 100 pacientů, stejný trend.
06:59
So at the end, we had 150 patients from three diverse medical centers
148
419448
4281
Nakonec jsme měli 150 pacientů ze tří různých zdravotnických center,
07:03
that were telling us that patients getting these two drugs
149
423753
3297
kteří nám říkali, že pacienti, kteří užívají tyto dva léky,
07:07
were having their glucose bump somewhat significantly.
150
427074
2703
měli celkem podstatný skok ve své glukóze.
07:10
More interestingly, we had left out diabetics,
151
430317
2810
Zajímavější je, že jsme vynechali diabetiky,
07:13
because diabetics already have messed up glucose.
152
433151
2317
protože diabetici už rozkolísanou glukózu mají.
07:15
When we looked at the glucose of diabetics,
153
435492
2238
Když jsme se podívali na glukózu diabetiků,
07:17
it was going up 60 milligrams per deciliter, not just 20.
154
437754
3435
stoupala o 60 miligramů na decilitr, ne 20.
07:21
This was a big deal, and we said, "We've got to publish this."
155
441760
3452
Tohle bylo podstatné, a řekli jsme, "Tohle musíme publikovat."
07:25
We submitted the paper.
156
445236
1179
Odeslali jsme článek.
07:26
It was all data evidence,
157
446439
2111
Všechno to bylo podloženo daty,
07:28
data from the FDA, data from Stanford,
158
448574
2483
daty z FDA, ze Stanfordu,
07:31
data from Vanderbilt, data from Harvard.
159
451081
1946
z Vanderbiltu, z Harvardu.
07:33
We had not done a single real experiment.
160
453051
2396
Neudělali jsme ani jediný skutečný experiment.
07:36
But we were nervous.
161
456495
1296
Ale byli jsme nervózní.
07:38
So Nick, while the paper was in review, went to the lab.
162
458201
3730
Takže Nick, zatímco byl článek posuzován, šel do laboratoře.
07:41
We found somebody who knew about lab stuff.
163
461955
2462
Našli jsme někoho, kdo něco věděl o laboratořích.
07:44
I don't do that.
164
464441
1393
To já nedělám.
07:45
I take care of patients, but I don't do pipettes.
165
465858
2417
Starám se o pacienty, ale nedělám pipety.
07:49
They taught us how to feed mice drugs.
166
469420
3053
Naučili nás, jak dávat myším léky.
07:52
We took mice and we gave them one P, paroxetine.
167
472864
2414
Vzali jsme myši a dali jsme jim jedno P, paroxetin.
07:55
We gave some other mice pravastatin.
168
475302
2508
Jiným myším jsme dali pravastatin.
07:57
And we gave a third group of mice both of them.
169
477834
3595
A třetí skupině myší jsme dali oba.
08:01
And lo and behold, glucose went up 20 to 60 milligrams per deciliter
170
481893
3946
A podívejme, glukóza stoupla o 20 až 60 miligramů na decilitr
08:05
in the mice.
171
485863
1171
u myší.
08:07
So the paper was accepted based on the informatics evidence alone,
172
487058
3158
Takže článek byl přijat, založen pouze na datech,
08:10
but we added a little note at the end,
173
490240
1894
a na konec jsme přidali malou poznámku,
08:12
saying, oh by the way, if you give these to mice, it goes up.
174
492158
2899
mimochodem, pokud je dáte myším, stoupne nahoru.
08:15
That was great, and the story could have ended there.
175
495081
2508
To bylo skvělé, a ten příběh by tu mohl skončit.
08:17
But I still have six and a half minutes.
176
497613
1997
Ale ještě pořád mám šest a půl minuty.
08:19
(Laughter)
177
499634
2807
(Smích.)
08:22
So we were sitting around thinking about all of this,
178
502465
2815
Tak jsme seděli a přemýšleli o tom všem,
08:25
and I don't remember who thought of it, but somebody said,
179
505304
2735
a nepamatuji si, koho to napadlo, ale někdo řekl,
08:28
"I wonder if patients who are taking these two drugs
180
508063
3201
"Zajímalo by mne, jestli si pacienti užívající tyto dva léky,
08:31
are noticing side effects of hyperglycemia.
181
511288
3553
všímají vedlejších účinků hyperglykémie.
08:34
They could and they should.
182
514865
1496
Mohli by a měli by.
08:36
How would we ever determine that?"
183
516761
1877
Jak to zjistíme?"
08:39
We said, well, what do you do?
184
519551
1443
Řekli jsme, no, co uděláte?
08:41
You're taking a medication, one new medication or two,
185
521018
2580
Mluvíme o užívání léků, jednoho či dvou nových,
08:43
and you get a funny feeling.
186
523622
1538
a máte zvláštní pocit.
08:45
What do you do?
187
525184
1151
Co uděláte?
08:46
You go to Google
188
526359
1151
Půjdete na Google
08:47
and type in the two drugs you're taking or the one drug you're taking,
189
527534
3349
a zadáte ty dva léky, které užíváte, nebo ten jeden, který užíváte,
08:50
and you type in "side effects."
190
530907
1603
a napíšete "vedlejší účinky".
08:52
What are you experiencing?
191
532534
1356
Co zažíváte?
08:54
So we said OK,
192
534239
1151
Tak jsme řekli OK,
08:55
let's ask Google if they will share their search logs with us,
193
535414
3056
zeptáme se Googlu, jestli nám zpřístupní záznamy o vyhledávání,
08:58
so that we can look at the search logs
194
538494
1833
abychom se na ně mohli podívat
09:00
and see if patients are doing these kinds of searches.
195
540351
2565
a vidět, zda pacienti toto hledají.
09:02
Google, I am sorry to say, denied our request.
196
542940
3275
Google, bohužel musím říct, odmítl naši žádost.
09:06
So I was bummed.
197
546819
1151
Byl jsem zklamaný.
09:07
I was at a dinner with a colleague who works at Microsoft Research
198
547994
3166
Byl jsem na večeři s kolegou, který pracuje v Microsoft Research,
09:11
and I said, "We wanted to do this study,
199
551184
1941
a řekl jsem, "Chtěli jsme udělat tuto studii
09:13
Google said no, it's kind of a bummer."
200
553149
1880
a Google řekl ne. Je to trochu zklamání."
09:15
He said, "Well, we have the Bing searches."
201
555053
2086
Řekl, "No, my máme vyhledávání na Bingu."
09:18
(Laughter)
202
558195
3483
(Smích.)
09:22
Yeah.
203
562805
1267
Jo.
09:24
That's great.
204
564096
1151
To je skvělé.
09:25
Now I felt like I was --
205
565271
1151
Cítil jsem se jako bych --
09:26
(Laughter)
206
566446
1000
(Smích.)
09:27
I felt like I was talking to Nick again.
207
567470
2412
Měl jsem pocit, jako bych znovu mluvil s Nickem.
09:30
He works for one of the largest companies in the world,
208
570437
2624
Pracuje pro jednu z největších výzkumných organizacích na světě,
09:33
and I'm already trying to make him feel better.
209
573085
2206
a já se ho snažím utěšit.
09:35
But he said, "No, Russ -- you might not understand.
210
575315
2445
Ale on řekl, "Ne Russi- ty mi možná nerozumíš.
09:37
We not only have Bing searches,
211
577784
1500
Máme nejenom vyhledávání na Bingu,
09:39
but if you use Internet Explorer to do searches at Google,
212
579308
3340
ale pokud použiješ Internet Explorer pro vyhledávání na Googlu,
09:42
Yahoo, Bing, any ...
213
582672
1891
Yahoo, Bingu, čemkoliv...
09:44
Then, for 18 months, we keep that data for research purposes only."
214
584587
3643
po 18 měsíců si ponecháváme tyto údaje pouze pro výzkumné účely.
09:48
I said, "Now you're talking!"
215
588254
1936
Řekl jsem, "Teď se bavíme pořádně!"
09:50
This was Eric Horvitz, my friend at Microsoft.
216
590214
2198
To byl Eric Horvitz, můj přítel z Microsoftu.
09:52
So we did a study
217
592436
1695
Tak jsme udělali studii,
09:54
where we defined 50 words that a regular person might type in
218
594155
4619
ve které jsme definovali 50 slov, které by normální člověk mohl zadat
09:58
if they're having hyperglycemia,
219
598798
1602
pokud má hyperglykémii,
10:00
like "fatigue," "loss of appetite," "urinating a lot," "peeing a lot" --
220
600424
4762
jako "únava", "ztráta chuti k jídlu", "hodně močení", "hodně čůrání"-
10:05
forgive me, but that's one of the things you might type in.
221
605210
2767
omluvte mne, ale je to jedna z věcí, které by mohl zadat.
10:08
So we had 50 phrases that we called the "diabetes words."
222
608001
2790
Měli jsme 50 frází, které jsme nazvali "diabetická slova".
10:10
And we did first a baseline.
223
610815
2063
Udělali jsme tak základnu.
10:12
And it turns out that about .5 to one percent
224
612902
2704
A ukázalo se, že asi 0,5 až 1 %
10:15
of all searches on the Internet involve one of those words.
225
615630
2982
všech vyhledávání na Internetu obsahují jedno z těch slov.
10:18
So that's our baseline rate.
226
618636
1742
To je náš základní poměr.
10:20
If people type in "paroxetine" or "Paxil" -- those are synonyms --
227
620402
4143
Když lidé zadají "paroxetin" nebo "Paxil"- to jsou synonyma-
10:24
and one of those words,
228
624569
1215
a jedno z těch slov,
10:25
the rate goes up to about two percent of diabetes-type words,
229
625808
4890
ten poměr stoupne na asi 2 % diabetických slov,
10:30
if you already know that there's that "paroxetine" word.
230
630722
3044
a jak už víte, to je to slovo "paroxetin".
10:34
If it's "pravastatin," the rate goes up to about three percent from the baseline.
231
634191
4547
Pokud je to "pravastatin", základní poměr stoupne asi o 3 % od základny.
10:39
If both "paroxetine" and "pravastatin" are present in the query,
232
639171
4390
Když se oba zároveň vyskytují ve vyhledávání,
10:43
it goes up to 10 percent,
233
643585
1669
poměr stoupne asi na 10 %,
10:45
a huge three- to four-fold increase
234
645278
3461
obrovský tří- až čtyřnásobný nárůst
10:48
in those searches with the two drugs that we were interested in,
235
648763
3389
v těch hledáních, kde jsou oba léky
10:52
and diabetes-type words or hyperglycemia-type words.
236
652176
3566
a slovy typu diabetes nebo hyperglykémie.
10:56
We published this,
237
656216
1265
Publikovali jsme to
10:57
and it got some attention.
238
657505
1466
a vzbudili jsme pozornost.
10:58
The reason it deserves attention
239
658995
1778
Důvod, proč si to zasluhuje pozornost
11:00
is that patients are telling us their side effects indirectly
240
660797
4312
je ten, že pacienti nám nepřímo říkají své vedlejší účinky
11:05
through their searches.
241
665133
1156
skrz svoje vyhledávání.
11:06
We brought this to the attention of the FDA.
242
666313
2138
Upozornili jsme na to FDA.
11:08
They were interested.
243
668475
1269
A FDA to zaujalo.
11:09
They have set up social media surveillance programs
244
669768
3606
Vytvořili programy na sledování sociálních médií
11:13
to collaborate with Microsoft,
245
673398
1751
ve spoluprácí s Microsoftem,
11:15
which had a nice infrastructure for doing this, and others,
246
675173
2794
který na to měl hezkou infrastrukturu, a dalšími,
11:17
to look at Twitter feeds,
247
677991
1282
ke zkoumání příspěvků
11:19
to look at Facebook feeds,
248
679297
1716
na Twitteru,na Facebooku,
11:21
to look at search logs,
249
681037
1311
záznamů o vyhledávání,
11:22
to try to see early signs that drugs, either individually or together,
250
682372
4909
abychom brzy viděli signály, že léky samostatně nebo dohromady,
11:27
are causing problems.
251
687305
1589
způsobují problémy.
11:28
What do I take from this? Why tell this story?
252
688918
2174
Co z toho je? Proč tento příběh?
11:31
Well, first of all,
253
691116
1207
Především máme příslib
11:32
we have now the promise of big data and medium-sized data
254
692347
4037
velkého a středně velkého množství dat
11:36
to help us understand drug interactions
255
696408
2918
k pochopení interakcí mezi léky
11:39
and really, fundamentally, drug actions.
256
699350
2420
a skutečného fungování léků.
11:41
How do drugs work?
257
701794
1413
Jak fungují léky?
11:43
This will create and has created a new ecosystem
258
703231
2836
Toto vytvoří a vytvořilo nový ekosystém
11:46
for understanding how drugs work and to optimize their use.
259
706091
3267
pro pochopení fungování léků a optimalizaci jejich užívání.
11:50
Nick went on; he's a professor at Columbia now.
260
710303
2659
Nick pokračoval dále; je profesorem na Columbii.
11:52
He did this in his PhD for hundreds of pairs of drugs.
261
712986
4072
Svou dizertační práci věnoval stovkám párů léků.
11:57
He found several very important interactions,
262
717082
2517
Nalezl několik velmi významných interakcí,
11:59
and so we replicated this
263
719623
1214
tak jsme to zopakovali
12:00
and we showed that this is a way that really works
264
720861
2574
a ukázali, že toto je skutečně fungující způsob
12:03
for finding drug-drug interactions.
265
723459
2339
nalézání interakcí mezi léky.
12:06
However, there's a couple of things.
266
726282
1734
Nicméně je zde pár drobností.
12:08
We don't just use pairs of drugs at a time.
267
728040
3046
Najednou neužíváme pouze dvojice léků.
12:11
As I said before, there are patients on three, five, seven, nine drugs.
268
731110
4469
Jak jsem řekl dříve, jsou pacienti se třemi, pěti, sedmi, devíti léky.
12:15
Have they been studied with respect to their nine-way interaction?
269
735981
3642
Byly zkoumány vzájemné interakce všech devíti?
12:19
Yes, we can do pair-wise, A and B, A and C, A and D,
270
739647
4208
Můžeme párovat A a B, A a C, A a D,
12:23
but what about A, B, C, D, E, F, G all together,
271
743879
4286
ale co A, B, C, D, E, F, G dohromady,
12:28
being taken by the same patient,
272
748189
1762
užívané jedním pacientem,
12:29
perhaps interacting with each other
273
749975
2118
možná vzájemně reagující způsobem,
12:32
in ways that either makes them more effective or less effective
274
752117
3778
který zvyšuje nebo snižuje jejich efekt
12:35
or causes side effects that are unexpected?
275
755919
2332
nebo způsobuje nečekané účinky.
12:38
We really have no idea.
276
758275
1827
My opravdu netušíme.
12:40
It's a blue sky, open field for us to use data
277
760126
3756
Je to pole neorané, příležitost pro nás využít data
12:43
to try to understand the interaction of drugs.
278
763906
2502
k pochopení interakcí mezi léky.
12:46
Two more lessons:
279
766848
1370
Další dvě věci:
12:48
I want you to think about the power that we were able to generate
280
768242
4199
chci, abyste přemýšleli o moci, kterou jsme byli schopni vytvořit
12:52
with the data from people who had volunteered their adverse reactions
281
772465
4711
s daty od lidí, kteří poskytli nežádoucí účinky
12:57
through their pharmacists, through themselves, through their doctors,
282
777200
3269
prostřednictvím lékárníků, nich samotných, jejich doktorů
13:00
the people who allowed the databases at Stanford, Harvard, Vanderbilt,
283
780493
3667
lidé, kteří umožnili databázím ve Stanfordu, Harvardu, Vanderbiltu,
13:04
to be used for research.
284
784184
1427
užívání pro výzkum.
13:05
People are worried about data.
285
785929
1445
Lidé se bojí o data.
13:07
They're worried about their privacy and security -- they should be.
286
787398
3187
Obávají se o své soukromí a bezpečnost - měli by.
13:10
We need secure systems.
287
790609
1151
Potřebujeme bezpečné systémy.
13:11
But we can't have a system that closes that data off,
288
791784
3406
Ale nemůžeme mít systém, který uzavírá data,
13:15
because it is too rich of a source
289
795214
2752
protože je to příliš cenný zdroj
13:17
of inspiration, innovation and discovery
290
797990
3971
inspirace, inovace a objevů
13:21
for new things in medicine.
291
801985
1578
nových věcí v lékařství.
13:24
And the final thing I want to say is,
292
804494
1794
A poslední věc, kterou chci říct je,
13:26
in this case we found two drugs and it was a little bit of a sad story.
293
806312
3357
že jsme v tomto případě našli dva léky a byl to trošku smutný příběh.
13:29
The two drugs actually caused problems.
294
809693
1921
Dva léky skutečně způsobující problémy.
13:31
They increased glucose.
295
811638
1475
Zvyšovaly glukózu.
13:33
They could throw somebody into diabetes
296
813137
2446
Mohly u někoho vyvolat cukrovku,
13:35
who would otherwise not be in diabetes,
297
815607
2294
u někoho, kdo by ji jinak neměl,
13:37
and so you would want to use the two drugs very carefully together,
298
817925
3175
a tak byste měli používat tyto léky dohromady velmi opatrně,
13:41
perhaps not together,
299
821124
1151
možná ne společně,
13:42
make different choices when you're prescribing.
300
822299
2340
prostě zvolit jiné, když je předepisujete.
13:44
But there was another possibility.
301
824663
1846
Ale byla zde ještě další možnost.
13:46
We could have found two drugs or three drugs
302
826533
2344
Mohli jsme nalézt dva nebo tři léky,
13:48
that were interacting in a beneficial way.
303
828901
2261
které reagovaly přínosným způsobem.
13:51
We could have found new effects of drugs
304
831616
2712
Mohli jsme nalézt nové účinky léků,
13:54
that neither of them has alone,
305
834352
2160
které by žádný z nich samostatně neměl,
13:56
but together, instead of causing a side effect,
306
836536
2493
ale dohromady způsobovaly nový vedlejší účinek,
13:59
they could be a new and novel treatment
307
839053
2425
mohly být novou a novátorskou léčbou
14:01
for diseases that don't have treatments
308
841502
1882
chorob, které nemají léčbu
14:03
or where the treatments are not effective.
309
843408
2007
nebo jejichž léčba není účinná.
14:05
If we think about drug treatment today,
310
845439
2395
Když přemýšlíme o lécích dnes,
14:07
all the major breakthroughs --
311
847858
1752
všechny zlomové průlomy --
14:09
for HIV, for tuberculosis, for depression, for diabetes --
312
849634
4297
pro HIV, tuberkulózu, depresi, cukrovku --
14:13
it's always a cocktail of drugs.
313
853955
2830
jsou vždy mixem léků.
14:16
And so the upside here,
314
856809
1730
Takže ten pozitivní aspekt,
14:18
and the subject for a different TED Talk on a different day,
315
858563
2849
a téma pro odlišnou TED přednášku,
14:21
is how can we use the same data sources
316
861436
2593
je jak můžeme použít stejné zdroje dat
14:24
to find good effects of drugs in combination
317
864053
3563
pro nalezení positivních účinků kombinace léčiv,
14:27
that will provide us new treatments,
318
867640
2175
které nám poskytnou novou léčbu,
14:29
new insights into how drugs work
319
869839
1852
nový vhled do fungování léčiv
14:31
and enable us to take care of our patients even better?
320
871715
3786
a umožní nám postarat se ještě lépe o naše pacienty.
14:35
Thank you very much.
321
875525
1166
Děkuji Vám.
14:36
(Applause)
322
876715
3499
(potlesk)
O tomto webu

Tato stránka vám představí videa na YouTube, která jsou užitečná pro výuku angličtiny. Uvidíte lekce angličtiny vedené špičkovými učiteli z celého světa. Dvojklikem na anglické titulky zobrazené na každé stránce s videem si video přehrajete přímo odtud. Titulky se posouvají synchronizovaně s přehráváním videa. Pokud máte nějaké připomínky nebo požadavky, kontaktujte nás prosím pomocí tohoto kontaktního formuláře.

https://forms.gle/WvT1wiN1qDtmnspy7