What really happens when you mix medications? | Russ Altman

Μετάφραση: Sofia Savvopoulou Επιμέλεια: Dimitra Papageorgiou

So you go to the doctor and get some tests.

Πας, λοιπόν, στον γιατρό και κάνεις κάποιες εξετάσεις.

The doctor determines that you have high cholesterol

O γιατρός βρίσκει πως έχεις υψηλή χοληστερόλη

and you would benefit from medication to treat it.

και θα ωφεληθείς από μια φαρμακευτική αγωγή.

So you get a pillbox.

Οπότε βρίσκεσαι με ένα κουτί χαπιών.

You have some confidence,

Τα εμπιστεύεσαι κι ο γιατρός σου πιστεύει πως θα έχουν αποτέλεσμα.

your physician has some confidence that this is going to work.

Η εταιρεία που τα παρασκεύασε έκανε μελέτες,

The company that invented it did a lot of studies, submitted it to the FDA.

τις υπέβαλε στον FDA, τον Οργανισμό Τροφίμων και Φαρμάκων των ΗΠΑ.

They studied it very carefully, skeptically, they approved it.

Εκείνοι τις μελέτησαν με μεγάλη προσοχή και σκεπτικισμό, πριν τις εγκρίνουν.

They have a rough idea of how it works,

Έχουν μια γενική ιδέα για το πώς δρουν.

they have a rough idea of what the side effects are.

Έχουν μια γενική ιδέα για τις πιθανές παρενέργειες.

It should be OK.

Θα πρέπει να είναι εντάξει.

You have a little more of a conversation with your physician

Συζητάς περισσότερο με τον γιατρό σου

and the physician is a little worried because you've been blue,

κι εκείνος είναι λίγο ανήσυχος γιατί έχεις μελαγχολήσει,

haven't felt like yourself,

δεν αισθάνεσαι πολύ καλά

you haven't been able to enjoy things in life quite as much as you usually do.

και δεν απολαμβάνεις τη ζωή όπως πριν.

Your physician says, "You know, I think you have some depression.

Ο γιατρός σου λέει, «Ξέρεις, νομίζω ότι έχεις πάθει ένα είδος κατάθλιψης.

I'm going to have to give you another pill."

Θα σου δώσω άλλο ένα χάπι».

So now we're talking about two medications.

Οπότε τώρα, πρέπει να πάρεις δύο φάρμακα.

This pill also -- millions of people have taken it,

Αυτό το χάπι -- εκατομμύρια άνθρωποι το παίρνουν,

the company did studies, the FDA looked at it -- all good.

η εταιρεία έκανε μελέτες, ο FDA το εξέτασε -- όλα καλά.

Think things should go OK.

Νομίζεις ότι όλα θα πάνε καλά.

Think things should go OK.

Νομίζεις ότι όλα θα πάνε καλά.

Well, wait a minute.

Όμως, μισό λεπτό.

How much have we studied these two together?

Πόσο έχουν μελετηθεί αυτά τα δύο μαζί;

Well, it's very hard to do that.

Ε, λοιπόν, αυτό είναι πολύ δύσκολο.

In fact, it's not traditionally done.

Συνήθως μάλιστα δε συμβαίνει.

We totally depend on what we call "post-marketing surveillance,"

Εξαρτόμαστε από αυτό που λέγεται «παρακολούθηση μετά την κυκλοφορία»,

after the drugs hit the market.

αφότου τα φάρμακα φθάσουν στην αγορά.

How can we figure out if bad things are happening

Πώς μπορούμε να ξέρουμε αν κάτι κακό συμβαίνει

between two medications?

με την ταυτόχρονη χορήγηση δύο φαρμάκων;

Three? Five? Seven?

Τριών; Πέντε; Επτά;

Ask your favorite person who has several diagnoses

Ρωτήστε κάποιον που έχει διαγνωσθεί με διάφορες παθήσεις

how many medications they're on.

πόσα φάρμακα παίρνει.

Why do I care about this problem?

Γιατί μ' απασχολεί αυτό το πρόβλημα; Και μάλιστα πολύ σοβαρά.

I care about it deeply.

I'm an informatics and data science guy and really, in my opinion,

Ο τομέας μου είναι η Πληροφορική και η Επιστήμη Δεδομένων,

και πιστεύω, πως η μόνη μας ελπίδα -- η μόνη --

the only hope -- only hope -- to understand these interactions

να κατανοήσουμε αυτές τις αλληλεπιδράσεις

is to leverage lots of different sources of data

είναι να αξιοποιήσουμε πολλά δεδομένα από διάφορες πηγές

in order to figure out when drugs can be used together safely

για να καταλάβουμε πότε τα φάρμακα μπορούν να ληφθούν ταυτόχρονα με ασφάλεια

and when it's not so safe.

και πότε υπάρχει κίνδυνος.

So let me tell you a data science story.

Να σας πω μια ιστορία από την Επιστήμη των Δεδομένων.

And it begins with my student Nick.

Αρχίζει με τον φοιτητή μου, τον Νικ.

Let's call him "Nick," because that's his name.

Ας τον πούμε «Νικ», επειδή έτσι τον λένε.

(Laughter)

(Γέλια)

Nick was a young student.

Ο Νικ ήταν νεαρός φοιτητής.

I said, "You know, Nick, we have to understand how drugs work

Του είπα, «Νικ, πρέπει να κατανοήσουμε πώς δρουν τα φάρμακα,

and how they work together and how they work separately,

πώς δρουν σε συνδυασμό και πώς δρουν μεμονωμένα,

and we don't have a great understanding.

κάτι που δεν το κατανοούμε καλά».

But the FDA has made available an amazing database.

Όμως ο FDA έχει κάνει διαθέσιμη μια τεράστια βάση δεδομένων.

It's a database of adverse events.

Δεδομένα ανεπιθύμητων αντιδράσεων.

They literally put on the web --

Είναι στο διαδίκτυο, Κυριολεκτικά, ανοιχτά σε όλους.

publicly available, you could all download it right now --

Ο καθένας μπορεί να τα κατεβάσει άμεσα.

hundreds of thousands of adverse event reports

Εκατοντάδες χιλιάδες αναφορές ανεπιθύμητων αντιδράσεων

from patients, doctors, companies, pharmacists.

από ασθενείς, γιατρούς, εταιρείες, φαρμακοποιούς.

And these reports are pretty simple:

Οι αναφορές αυτές είναι πολύ απλές:

it has all the diseases that the patient has,

Περιλαμβάνουν όλες τις παθήσεις ενός ασθενούς,

all the drugs that they're on,

όλα τα φάρμακα που παίρνει,

and all the adverse events, or side effects, that they experience.

όλες τις ανεπιθύμητες αντιδράσεις ή παρενέργειες, που παρουσιάζουν.

It is not all of the adverse events that are occurring in America today,

Δεν είναι το σύνολο των ανεπιθύμητων αντιδράσεων που εκδηλώνονται στις Η.Π.Α.

but it's hundreds and hundreds of thousands of drugs.

είναι όμως εκατοντάδες χιλιάδες φάρμακα.

So I said to Nick,

Είπα λοιπόν στον Νικ:

«Ας επικεντρωθούμε στη γλυκόζη.

"Let's think about glucose.

Glucose is very important, and we know it's involved with diabetes.

Η γλυκόζη είναι πολύ σημαντική, ξέρουμε ότι σχετίζεται με το διαβήτη.

Let's see if we can understand glucose response.

Ας δούμε αν κατανοούμε την απόκριση στη γλυκόζη».

I sent Nick off. Nick came back.

Τον έστειλα για έρευνα. Ο Νικ γύρισε.

"Russ," he said,

«Ρας», μου είπε,

"I've created a classifier that can look at the side effects of a drug

«δημιούργησα μια ταξινόμηση των ανεπιθύμητων αντιδράσεων ενός φαρμάκου

based on looking at this database,

από αυτή τη βάση δεδομένων,

and can tell you whether that drug is likely to change glucose or not."

που δείχνει αν το φάρμακο μπορεί να επηρεάσει τη γλυκόζη ή όχι».

He did it. It was very simple, in a way.

Το κατάφερε. Ήταν σχετικά απλό.

He took all the drugs that were known to change glucose

Πήρε όλα τα φάρμακα που ήταν γνωστό ότι επηρέαζαν τη γλυκόζη

and a bunch of drugs that don't change glucose,

και κάποια φάρμακα που δεν επηρεάζουν τη γλυκόζη,

and said, "What's the difference in their side effects?

κι αναρωτήθηκε αν υπάρχει διαφορά στις ανεπιθύμητες ενέργειες.

Differences in fatigue? In appetite? In urination habits?"

Υπάρχει διαφορά στην κόπωση, στην όρεξη, στην ούρηση;

All those things conspired to give him a really good predictor.

Όλα αυτά συνδυάστηκαν ώστε να του δώσουν μια καλή πρόβλεψη.

He said, "Russ, I can predict with 93 percent accuracy

Μου είπε, «Ρας, μπορώ να προβλέψω με ακρίβεια 93%

when a drug will change glucose."

αν ένα φάρμακο επηρεάζει τη γλυκόζη».

I said, "Nick, that's great."

Του λέω, «Μπράβο Νικ, σπουδαία».

He's a young student, you have to build his confidence.

Νέος φοιτητής είναι, πρέπει ν' αποκτήσει αυτοπεποίθηση.

"But Nick, there's a problem.

«Όμως, Νικ, υπάρχει πρόβλημα.

It's that every physician in the world knows all the drugs that change glucose,

Κάθε γιατρός στον κόσμο γνωρίζει όλα τα φάρμακα που επηρεάζουν τη γλυκόζη,

because it's core to our practice.

είναι βασικό στην εκπαίδευσή τους.

So it's great, good job, but not really that interesting,

Άρα, έκανες καλή δουλειά, αλλά δεν είναι και τόσο ενδιαφέρον,

definitely not publishable."

και σίγουρα δεν είναι δημοσιεύσιμο».

(Laughter)

(Γέλια)

He said, "I know, Russ. I thought you might say that."

«Το ξέρω, Ρας» μου λέει. «Ήξερα ότι θα το πεις αυτό».

Nick is smart.

Έξυπνος ο Νικ.

"I thought you might say that, so I did one other experiment.

«Το ήξερα και γι' αυτό έκανα άλλο ένα πείραμα.

I looked at people in this database who were on two drugs,

Μελέτησα σ' αυτή τη βάση δεδομένων τα άτομα που έπαιρναν δύο φάρμακα

and I looked for signals similar, glucose-changing signals,

κι έψαξα για παρόμοια συμπτώματα, μεταβολής της γλυκόζης,

for people taking two drugs,

σε άτομα που έπαιρναν δύο φάρμακα.

where each drug alone did not change glucose,

Όταν δηλαδή το ένα φάρμακο δεν επηρέαζε τη γλυκόζη,

but together I saw a strong signal."

αλλά σε συνδυασμό υπήρχε σοβαρή ένδειξη».

And I said, "Oh! You're clever. Good idea. Show me the list."

«Μπράβο, έξυπνο», του λέω. «Για δείξε μου τη λίστα».

And there's a bunch of drugs, not very exciting.

Είναι πολλά τα φάρμακα, δεν είναι πολύ συναρπαστικό.

But what caught my eye was, on the list there were two drugs:

Αλλά αυτό που τράβηξε την προσοχή μου ήταν δύο φάρμακα στη λίστα:

paroxetine, or Paxil, an antidepressant;

η παροξετίνη ή Paxil, ένα αντικαταθλιπτικό

and pravastatin, or Pravachol, a cholesterol medication.

και η πραβαστατίνη ή Pravachol, ένα φάρμακο για τη χοληστερόλη.

And I said, "Huh. There are millions of Americans on those two drugs."

Και λέω, «Α, εκατομμύρια Αμερικανοί παίρνουν αυτά τα δύο φάρμακα».

In fact, we learned later,

Και όπως μάθαμε αργότερα,

15 million Americans on paroxetine at the time, 15 million on pravastatin,

15 εκατομμύρια Αμερικανοί παίρνουν παροξετίνη,

15 εκατομμύρια παίρνουν πραβαστατίνη

and a million, we estimated, on both.

και ένα εκατομμύριο, κατά τους υπολογισμούς μας, και τα δύο.

So that's a million people

Άρα, ένα εκατομμύριο άνθρωποι

who might be having some problems with their glucose

ίσως έχουν προβλήματα με το σάκχαρο,

if this machine-learning mumbo jumbo that he did in the FDA database

αν αυτή η έξυπνη μηχανή που έφτιαξε με τα δεδομένα του FDA, κάνει δουλειά.

actually holds up.

Είπα, όμως,

But I said, "It's still not publishable,

«Και πάλι δεν είναι δημοσιεύσιμο,

because I love what you did with the mumbo jumbo,

γιατί, μ' αρέσει μεν αυτό που έκανες

with the machine learning,

με την έξυπνη μηχανή,

but it's not really standard-of-proof evidence that we have."

αλλά το αποτέλεσμα δεν είναι ασφαλής απόδειξη».

So we have to do something else.

Άρα πρέπει να κάνουμε κάτι άλλο.

Let's go into the Stanford electronic medical record.

Ας δούμε το ηλεκτρονικό ιατρικό αρχείο του Στάνφορντ.

We have a copy of it that's OK for research,

Έχουμε ένα αντίγραφο, διαθέσιμο προς διερεύνηση,

we removed identifying information.

αφαιρώντας τις προσωπικές πληροφορίες.

And I said, "Let's see if people on these two drugs

Είπα λοιπόν, «Ας δούμε αν όσοι παίρνουν και τα δύο φάρμακα

have problems with their glucose."

έχουν πρόβλημα με το σάκχαρό τους».

Now there are thousands and thousands of people

Υπάρχουν φυσικά χιλιάδες άνθρωποι

in the Stanford medical records that take paroxetine and pravastatin.

στα ιατρικά αρχεία του Στάνφορντ που παίρνουν παροξετίνη και πραβαστατίνη.

But we needed special patients.

Όμως χρειαζόμασταν ειδικούς ασθενείς.

We needed patients who were on one of them and had a glucose measurement,

Θέλαμε ασθενείς που έπαιρναν ένα φάρμακο και παρακολούθησαν τη γλυκόζη τους,

then got the second one and had another glucose measurement,

μετά πήραν το δεύτερο και ξαναμέτρησαν τη γλυκόζη τους,

all within a reasonable period of time -- something like two months.

για μια λογική χρονική περίοδο- κάπου δύο μήνες.

And when we did that, we found 10 patients.

Το κάναμε αυτό, και βρήκαμε 10 ασθενείς.

However, eight out of the 10 had a bump in their glucose

Παρόλα αυτά, 8 στους 10 παρουσίασαν αύξηση της γλυκόζης

when they got the second P -- we call this P and P --

όταν πήραν τη δεύτερη Π -ας τις ονομάσουμε Π και Π-

when they got the second P.

όταν πήραν τη δεύτερη Π.

Either one could be first, the second one comes up,

Όποια κι αν πήραν πρώτα και μετά τη δεύτερη,

glucose went up 20 milligrams per deciliter.

το σάκχαρο ανέβαινε κατά 20 mg/dL.

Just as a reminder,

Να υπενθυμίσω,

you walk around normally, if you're not diabetic,

ότι αν δεν είσαι διαβητικός, κυκλοφορείς

with a glucose of around 90.

με τιμή γλυκόζης γύρω στα 90.

And if it gets up to 120, 125,

Αν ανέβει στα 120-125,

your doctor begins to think about a potential diagnosis of diabetes.

ο γιατρός σου εξετάζει μια πιθανή διάγνωση διαβήτη.

So a 20 bump -- pretty significant.

Επομένως, μια αύξηση 20 μονάδων είναι σημαντική.

I said, "Nick, this is very cool.

Είπα, «Νικ, είναι πολύ καλό.

But, I'm sorry, we still don't have a paper,

Αλλά, λυπάμαι, και πάλι δεν είναι δημοσιεύσιμο,

because this is 10 patients and -- give me a break --

γιατί έχουμε μόνο 10 ασθενείς

και βέβαια είναι πολύ λίγοι».

it's not enough patients."

So we said, what can we do?

Οπότε λέμε, τι να κάνουμε;

And we said, let's call our friends at Harvard and Vanderbilt,

Eίπαμε, να μιλήσουμε στους φίλους μας στο Χάρβαρντ, στη Βοστώνη

who also -- Harvard in Boston, Vanderbilt in Nashville,

και στο Βάντερμπιλντ, στο Νάσβιλ

who also have electronic medical records similar to ours.

που έχουν ηλεκτρονικά ιατρικά αρχεία παρόμοια με τα δικά μας.

Let's see if they can find similar patients

Να δούμε αν μπορούν να βρουν τέτοιους ασθενείς

with the one P, the other P, the glucose measurements

με τη μία Π, την άλλη Π, και τις μετρήσεις σακχάρου

in that range that we need.

στα επίπεδα που μας ενδιαφέρουν.

God bless them, Vanderbilt in one week found 40 such patients,

Να είναι καλά το Βάντερμπιλντ σε μία βδομάδα βρήκε 40 τέτοιους ασθενείς,

same trend.

με την ίδια τάση.

Harvard found 100 patients, same trend.

Το Χάρβαρντ βρήκε 100 τέτοιους ασθενείς, με την ίδια τάση.

So at the end, we had 150 patients from three diverse medical centers

Οπότε, τελικά, είχαμε 150 ασθενείς από τρία διαφορετικά ιατρικά κέντρα

that were telling us that patients getting these two drugs

που έδειχναν ότι οι ασθενείς που έπαιρναν αυτά τα δύο φάρμακα

were having their glucose bump somewhat significantly.

ανέβαζαν σημαντικά τα επίπεδα της γλυκόζης τους.

More interestingly, we had left out diabetics,

Και μάλιστα, δεν είχαμε συμπεριλάβει τους διαβητικούς,

because diabetics already have messed up glucose.

γιατί οι διαβητικοί είχαν ήδη αυξημένη γλυκόζη.

When we looked at the glucose of diabetics,

Όταν προσέξαμε τη γλυκόζη των διαβητικών,

it was going up 60 milligrams per deciliter, not just 20.

είδαμε ότι αυξανόταν κατά 60 mg/dL, όχι μόνο κατά 20.

This was a big deal, and we said, "We've got to publish this."

Αυτό ήταν πολύ σημαντικό, οπότε είπαμε, «Πρέπει να το δημοσιεύσουμε».

We submitted the paper.

Υποβάλαμε την εργασία.

It was all data evidence,

Περιλάμβανε στοιχεία από τα δεδομένα,

data from the FDA, data from Stanford,

από τον FDA, από το Στάνφορντ,

data from Vanderbilt, data from Harvard.

από το Βάντερμπιλντ και το Χάρβαρντ.

We had not done a single real experiment.

Δεν είχαμε κάνει ούτε ένα πείραμα.

But we were nervous.

Ήμασταν όμως ανήσυχοι.

So Nick, while the paper was in review, went to the lab.

Τότε ο Νικ, όσο η εργασία ήταν υπό αναθεώρηση, μπήκε στο εργαστήριο.

We found somebody who knew about lab stuff.

Βρήκαμε κάποιον που ήξερε από εργαστηριακή δουλειά.

I don't do that.

Εγώ δεν ξέρω. Ξέρω να φροντίζω ασθενείς,

I take care of patients, but I don't do pipettes.

They taught us how to feed mice drugs.

Μας έμαθαν πώς να δίνουμε φάρμακα σε ποντίκια.

We took mice and we gave them one P, paroxetine.

Δώσαμε στα ποντίκια τη μια Π, την παροξετίνη.

We gave some other mice pravastatin.

Δώσαμε σε κάποια άλλα ποντίκια πραβαστατίνη,

And we gave a third group of mice both of them.

Και δώσαμε σε μια τρίτη ομάδα ποντικιών και τις δυο Π.

And lo and behold, glucose went up 20 to 60 milligrams per deciliter

Και ιδού! Η γλυκόζη τους ανέβηκε από 20 ως 60 mg/dL.

in the mice.

Οπότε, η εργασία εγκρίθηκε

So the paper was accepted based on the informatics evidence alone,

με βάση μόνο τα πληροφοριακά στοιχεία,

but we added a little note at the end,

όμως προσθέσαμε μια σημείωση στο τέλος

saying, oh by the way, if you give these to mice, it goes up.

που έλεγε: «Παρεμπιπτόντως, και στα ποντίκια αυξάνεται».

That was great, and the story could have ended there.

Ωραία, η υπόθεση θα μπορούσε να είχε τελειώσει εδώ.

But I still have six and a half minutes.

Αλλά μου μένουν ακόμη 6,5 λεπτά.

(Laughter)

(Γέλια)

So we were sitting around thinking about all of this,

Καθόμασταν και τα σκεφτόμασταν όλα αυτά,

and I don't remember who thought of it, but somebody said,

και δε θυμάμαι ποιος σκέφτηκε, ή κάποιος είπε,

"I wonder if patients who are taking these two drugs

«Αναρωτιέμαι αν οι ασθενείς που παίρνουν αυτά τα φάρμακα

are noticing side effects of hyperglycemia.

έχουν προσέξει παρενέργειες από την υπεργλυκαιμία.

They could and they should.

Θα έπρεπε.

How would we ever determine that?"

Πώς θα μπορούσαμε να το βρούμε αυτό;»

We said, well, what do you do?

Τι θα έκανε κάποιος, λοιπόν;

You're taking a medication, one new medication or two,

Αν πάρεις ένα φάρμακο, ένα νέο φάρμακο ή και δύο,

and you get a funny feeling.

και νιώσεις περίεργα...

What do you do?

Τι κάνεις;

You go to Google

Πας στο Google

and type in the two drugs you're taking or the one drug you're taking,

και πληκτρολογείς το φάρμακο ή τα δύο φάρμακα που παίρνεις

and you type in "side effects."

και γράφεις «Παρενέργειες».

What are you experiencing?

Τι νιώθεις;

So we said OK,

Είπαμε, εντάξει,

let's ask Google if they will share their search logs with us,

ας ζητήσουμε από την Google να μας δώσει

το ιστορικό, τις καταγραφές των αναζητήσεων

so that we can look at the search logs

για να δούμε αν οι ασθενείς κάνουν αυτές τις αναζητήσεις.

and see if patients are doing these kinds of searches.

Google, I am sorry to say, denied our request.

Δυστυχώς, η Google αρνήθηκε το αίτημά μας.

So I was bummed.

Απογοητεύτηκα.

I was at a dinner with a colleague who works at Microsoft Research

Έτρωγα με ένα συνάδελφο που δουλεύει στο ερευνητικό της Microsoft

and I said, "We wanted to do this study,

και του λέω, «Θέλαμε να κάνουμε αυτή την έρευνα,

Google said no, it's kind of a bummer."

και η Google μας αρνήθηκε».

Και μου λέει, «Καλά, υπάρχει και το Bing».

He said, "Well, we have the Bing searches."

(Laughter)

(Γέλια)

Yeah.

Ναι!

That's great.

Φανταστικά!

Now I felt like I was --

Μου φαινόταν ότι...

(Laughter)

(Γέλια)

I felt like I was talking to Nick again.

Μου φαινόταν σαν να μιλούσα πάλι με το Νικ.

He works for one of the largest companies in the world,

Δουλεύει σε μία από τις μεγαλύτερες εταιρείες του κόσμου,

and I'm already trying to make him feel better.

και ήδη προσπαθώ να τον κάνω να νιώσει καλύτερα.

But he said, "No, Russ -- you might not understand.

Και μου λέει, «Όχι, Ρας-δεν κατάλαβες.

We not only have Bing searches,

Δεν έχουμε μόνο τις αναζητήσεις του Bing.

but if you use Internet Explorer to do searches at Google,

Αν χρησιμοποιείς Internet Explorer για να ψάξεις στο Google,

Yahoo, Bing, any ...

στη Yahoo, στο Bing, οπουδήποτε...

Then, for 18 months, we keep that data for research purposes only."

εμείς κρατάμε αυτά τα δεδομένα 18 μήνες, για ερευνητικούς σκοπούς μόνο».

I said, "Now you're talking!"

«Τώρα μιλάς σωστά!», του λέω.

This was Eric Horvitz, my friend at Microsoft.

Ήταν ο Έρικ Χόρβιτς, ο φίλος μου απ' τη Microsoft.

So we did a study

Οπότε, κάναμε μια μελέτη

where we defined 50 words that a regular person might type in

στην οποία ορίσαμε 50 λέξεις που ένας συνηθισμένος άνθρωπος θα πληκτρολογούσε

if they're having hyperglycemia,

αν είχε υπεργλυκαιμία,

like "fatigue," "loss of appetite," "urinating a lot," "peeing a lot" --

όπως «κόπωση», «ανορεξία», «συχνουρία», «πολύ κατούρημα»,

συγγνώμη, αλλά είναι μία απ' τις λέξεις που θα έγραφε κάποιος.

forgive me, but that's one of the things you might type in.

Συγκεντρώσαμε 50 φράσεις που τις είπαμε «λέξεις του διαβήτη».

So we had 50 phrases that we called the "diabetes words."

And we did first a baseline.

Θέσαμε ένα σημείο αναφοράς.

And it turns out that about .5 to one percent

Και φάνηκε ότι περίπου 0,5 ως 1%

of all searches on the Internet involve one of those words.

όλων των αναζητήσεων στο Ίντερνετ περιλαμβάνουν μια απ' αυτές τις λέξεις.

So that's our baseline rate.

Αυτό ήταν το σημείο αναφοράς μας.

If people type in "paroxetine" or "Paxil" -- those are synonyms --

Αν έγραφαν «παροξετίνη» ή «Paxil» - που είναι συνώνυμα -

and one of those words,

και μία απ' αυτές τις λέξεις

the rate goes up to about two percent of diabetes-type words,

η συχνότητα ανέβαινε περίπου στο 2% για τις «λέξεις του διαβήτη»,

if you already know that there's that "paroxetine" word.

αν ήταν γνωστό ότι υπήρχε η λέξη παροξετίνη.

If it's "pravastatin," the rate goes up to about three percent from the baseline.

Αν έγραφαν πραβαστατίνη, η συχνότητα ανέβαινε στο 3% από το σημείο αναφοράς.

If both "paroxetine" and "pravastatin" are present in the query,

Αν και οι δυο λέξεις «παροξετίνη» και «πραβαστατίνη» υπάρχουν στην αναζήτηση

it goes up to 10 percent,

ανεβαίνει στο 10%,

a huge three- to four-fold increase

μια τεράστια, σχεδόν τετραπλάσια αύξηση,

in those searches with the two drugs that we were interested in,

για τις αναζητήσεις με τα δυο φάρμακα που μας ενδιέφεραν,

and diabetes-type words or hyperglycemia-type words.

και τις «λέξεις του διαβήτη» ή της υπεργλυκαιμίας.

We published this,

Το δημοσιεύσαμε αυτό,

and it got some attention.

και έτυχε κάποιας προσοχής.

The reason it deserves attention

Ο λόγος που αξίζει την προσοχή

is that patients are telling us their side effects indirectly

είναι ότι οι ασθενείς μας λένε για τις παρενέργειες που έχουν

έμμεσα, μέσω των αναζητήσεών τους.

through their searches.

We brought this to the attention of the FDA.

Το κοινοποιήσαμε στον FDA.

They were interested.

Και ενδιαφέρθηκαν.

They have set up social media surveillance programs

Ξεκίνησαν προγράμματα παρακολούθησης μέσω των μέσων κοινωνικής δικτύωσης

to collaborate with Microsoft,

σε συνεργασία με τη Microsoft

which had a nice infrastructure for doing this, and others,

που είχε ισχυρή υποδομή γι' αυτά και για άλλα,

to look at Twitter feeds,

για έρευνα στο Twitter και στο Facebook

to look at Facebook feeds,

στις καταγραφές των αναζητήσεων,

to look at search logs,

to try to see early signs that drugs, either individually or together,

ώστε να δουν πρώιμα σημεία ότι τα φάρμακα, είτε ανεξάρτητα είτε σε συνδυασμό

are causing problems.

προκαλούν προβλήματα.

What do I take from this? Why tell this story?

Τι συνάγεται απ' αυτό; Γιατί σας λέω αυτή την ιστορία;

Well, first of all,

Λοιπόν, πρώτα-πρώτα, έχουμε τώρα

we have now the promise of big data and medium-sized data

το πλεονέκτημα των μεγα-δεδομένων και των μεσαίας τάξης δεδομένων

to help us understand drug interactions

που μας βοηθούν να καταλάβουμε τις αλληλεπιδράσεις των φαρμάκων

and really, fundamentally, drug actions.

και στην πραγματικότητα, στην ουσία, τη δράση τους

How do drugs work?

Πώς δρουν τα φάρμακα.

This will create and has created a new ecosystem

Αυτό θα δημιουργήσει και ήδη δημιούργησε

ένα νέο περιβάλλον για την κατανόηση της δράσης των φαρμάκων

for understanding how drugs work and to optimize their use.

και τη βελτίωση της χρήσης τους.

Nick went on; he's a professor at Columbia now.

Ο Νικ προχώρησε. Είναι τώρα καθηγητής στο Κολούμπια.

He did this in his PhD for hundreds of pairs of drugs.

Έκανε το διδακτορικό του πάνω σε εκατοντάδες ζεύγη φαρμάκων.

He found several very important interactions,

Βρήκε μερικές ενδιαφέρουσες αλληλεπιδράσεις

and so we replicated this

κι έτσι ξανακάναμε την έρευνα

and we showed that this is a way that really works

και δείξαμε πως είναι μια μέθοδος που αποδίδει

for finding drug-drug interactions.

για την έρευνα των αλληλεπιδράσεων των φαρμάκων.

However, there's a couple of things.

Όμως, υπάρχουν κάποια θέματα.

We don't just use pairs of drugs at a time.

Τώρα, δε μελετάμε ζεύγη φαρμάκων.

As I said before, there are patients on three, five, seven, nine drugs.

Όπως είπα νωρίτερα, κάποιοι ασθενείς παίρνουν 3 ,5, 7, 9 φάρμακα.

Have they been studied with respect to their nine-way interaction?

Έχει μελετηθεί η αλληλεπίδραση και των εννιά;

Yes, we can do pair-wise, A and B, A and C, A and D,

Ναι, μπορούμε να το κάνουμε ανά ζέυγη, το Α με το Β, το Α με το Γ, το Α με το Δ,

but what about A, B, C, D, E, F, G all together,

αλλά το Α με το Β, το Γ, το Δ, το Ε το Ζ, το Η, όλα μαζί,

being taken by the same patient,

να λαμβάνονται από τον ίδιο άρρωστο,

perhaps interacting with each other

και ίσως να αλληλεπιδρούν το ένα με το άλλο

in ways that either makes them more effective or less effective

με τρόπους που τα κάνουν περισσότερο ή λιγότερο αποτελεσματικά

or causes side effects that are unexpected?

ή προκαλούν απροσδόκητες παρενέργειες;

We really have no idea.

Δεν έχουμε ιδέα.

It's a blue sky, open field for us to use data

Ανεξερεύνητο, ανοιχτό πεδίο για τη χρήση δεδομένων

to try to understand the interaction of drugs.

για να προσπαθήσουμε να κατανοήσουμε την αλληλεπίδραση των φαρμάκων.

Two more lessons:

Δυο ακόμη μαθήματα:

I want you to think about the power that we were able to generate

Θα ήθελα να αναλογιστείτε τη δύναμη που μπορούμε να δημιουργήσουμε

with the data from people who had volunteered their adverse reactions

με τα δεδομένα που διέθεσαν αυτοί που είχαν ανεπιθύμητα συμπτώματα

through their pharmacists, through themselves, through their doctors,

οι ίδιοι ή μέσω των φαρμακοποιών και των γιατρών τους.

the people who allowed the databases at Stanford, Harvard, Vanderbilt,

Οι άνθρωποι που διέθεσαν τις βάσεις δεδομένων

στο Στάνφορντ, το Χάρβαρντ, το Βάντερμπιλντ

to be used for research.

People are worried about data.

Ο κόσμος ανησυχεί για τα δεδομένα.

They're worried about their privacy and security -- they should be.

Ανησυχούν για την ιδιωτικότητα και την ασφάλεια.

We need secure systems.

Καλά κάνουν. Χρειαζόμαστε ασφαλή συστήματα.

But we can't have a system that closes that data off,

Αλλά δε γίνεται να έχουμε ένα σύστημα που αποκλείει τα δεδομένα

because it is too rich of a source

γιατί είναι μια τόσο πλούσια πηγή

of inspiration, innovation and discovery

έμπνευσης, καινοτομίας και νέων ανακαλύψεων, στην Ιατρική.

for new things in medicine.

And the final thing I want to say is,

Και το τελευταίο, που θα ήθελα να πω

in this case we found two drugs and it was a little bit of a sad story.

είναι ότι σ' αυτή την περίπτωση βρήκαμε δύο φάρμακα και ήταν στενάχωρο.

The two drugs actually caused problems.

Τα δύο φάρμακα προκαλούσαν προβλήματα.

They increased glucose.

Ανέβαζαν το σάκχαρο.

They could throw somebody into diabetes

Μπορούσαν να κάνουν κάποιον διαβητικό

who would otherwise not be in diabetes,

που διαφορετικά δε θα γινόταν,

and so you would want to use the two drugs very carefully together,

οπότε η ταυτόχρονη χρήση τους πρέπει να γίνεται με μεγάλη προσοχή.

perhaps not together,

Ίσως όχι σε συνδυασμό,

make different choices when you're prescribing.

να υπάρχουν άλλες επιλογές στη συνταγογράφηση.

But there was another possibility.

Αλλά υπάρχει κι άλλη πιθανότητα.

We could have found two drugs or three drugs

Θα μπορούσαμε να βρούμε 2 ή 3 φάρμακα

that were interacting in a beneficial way.

που να αλληλεπιδρούν με ευεργετικό τρόπο.

We could have found new effects of drugs

Θα μπορούσαμε να βρούμε νέες δράσεις των φαρμάκων

that neither of them has alone,

που κανένα από μόνο του δεν είχε,

but together, instead of causing a side effect,

αλλά μαζί, αντί για παρενέργειες

they could be a new and novel treatment

θα μπορούσαν να είναι μια νέα θεραπεία

for diseases that don't have treatments

για ασθένειες που δε θεραπεύονται

or where the treatments are not effective.

ή όπου η αγωγή δεν είναι αποτελεσματική.

If we think about drug treatment today,

Αν αναλογιστούμε σήμερα

all the major breakthroughs --

τις μεγάλες τομές στη φαρμακευτική αγωγή,

for HIV, for tuberculosis, for depression, for diabetes --

για το AIDS, τη φυματίωση, την κατάθλιψη, το διαβήτη,

it's always a cocktail of drugs.

πάντα δίνονται κοκτέιλ φαρμάκων.

And so the upside here,

Έτσι, το πλεονέκτημα εδώ,

and the subject for a different TED Talk on a different day,

κι ίσως το θέμα μιας άλλης ομιλίας στο TED κάποια στιγμή,

is how can we use the same data sources

είναι η πιθανή χρήση των ίδιων πηγών

to find good effects of drugs in combination

για να βρούμε ευεργετικές επιδράσεις συνδυασμών φαρμάκων

that will provide us new treatments,

που θα οδηγήσουν σε νέες θεραπείες,

new insights into how drugs work

νέες ιδέες για τη δράση των φάρμακων

and enable us to take care of our patients even better?

ώστε η φροντίδα για τους ασθενείς να βελτιωθεί περισσότερο;

Thank you very much.

Σας ευχαριστώ πολύ.

(Applause)

(Χειροκρότημα)