What really happens when you mix medications? | Russ Altman

188,264 views ・ 2016-03-23

TED


Κάντε διπλό κλικ στους αγγλικούς υπότιτλους παρακάτω για να αναπαραγάγετε το βίντεο.

Μετάφραση: Sofia Savvopoulou Επιμέλεια: Dimitra Papageorgiou
00:12
So you go to the doctor and get some tests.
0
12811
3321
Πας, λοιπόν, στον γιατρό και κάνεις κάποιες εξετάσεις.
00:16
The doctor determines that you have high cholesterol
1
16674
2620
O γιατρός βρίσκει πως έχεις υψηλή χοληστερόλη
00:19
and you would benefit from medication to treat it.
2
19318
3171
και θα ωφεληθείς από μια φαρμακευτική αγωγή.
00:22
So you get a pillbox.
3
22981
1556
Οπότε βρίσκεσαι με ένα κουτί χαπιών.
00:25
You have some confidence,
4
25505
1199
Τα εμπιστεύεσαι κι ο γιατρός σου πιστεύει πως θα έχουν αποτέλεσμα.
00:26
your physician has some confidence that this is going to work.
5
26728
2937
Η εταιρεία που τα παρασκεύασε έκανε μελέτες,
00:29
The company that invented it did a lot of studies, submitted it to the FDA.
6
29689
3553
τις υπέβαλε στον FDA, τον Οργανισμό Τροφίμων και Φαρμάκων των ΗΠΑ.
00:33
They studied it very carefully, skeptically, they approved it.
7
33266
3107
Εκείνοι τις μελέτησαν με μεγάλη προσοχή και σκεπτικισμό, πριν τις εγκρίνουν.
00:36
They have a rough idea of how it works,
8
36397
1889
Έχουν μια γενική ιδέα για το πώς δρουν.
00:38
they have a rough idea of what the side effects are.
9
38310
2453
Έχουν μια γενική ιδέα για τις πιθανές παρενέργειες.
00:40
It should be OK.
10
40787
1150
Θα πρέπει να είναι εντάξει.
00:42
You have a little more of a conversation with your physician
11
42864
2818
Συζητάς περισσότερο με τον γιατρό σου
00:45
and the physician is a little worried because you've been blue,
12
45706
2963
κι εκείνος είναι λίγο ανήσυχος γιατί έχεις μελαγχολήσει,
00:48
haven't felt like yourself,
13
48693
1293
δεν αισθάνεσαι πολύ καλά
00:50
you haven't been able to enjoy things in life quite as much as you usually do.
14
50010
3731
και δεν απολαμβάνεις τη ζωή όπως πριν.
00:53
Your physician says, "You know, I think you have some depression.
15
53765
3186
Ο γιατρός σου λέει, «Ξέρεις, νομίζω ότι έχεις πάθει ένα είδος κατάθλιψης.
00:57
I'm going to have to give you another pill."
16
57792
2315
Θα σου δώσω άλλο ένα χάπι».
01:00
So now we're talking about two medications.
17
60934
2483
Οπότε τώρα, πρέπει να πάρεις δύο φάρμακα.
01:03
This pill also -- millions of people have taken it,
18
63441
3104
Αυτό το χάπι -- εκατομμύρια άνθρωποι το παίρνουν,
01:06
the company did studies, the FDA looked at it -- all good.
19
66569
3631
η εταιρεία έκανε μελέτες, ο FDA το εξέτασε -- όλα καλά.
01:10
Think things should go OK.
20
70823
2057
Νομίζεις ότι όλα θα πάνε καλά.
01:12
Think things should go OK.
21
72904
2197
Νομίζεις ότι όλα θα πάνε καλά.
01:15
Well, wait a minute.
22
75125
1439
Όμως, μισό λεπτό.
01:16
How much have we studied these two together?
23
76588
3517
Πόσο έχουν μελετηθεί αυτά τα δύο μαζί;
01:20
Well, it's very hard to do that.
24
80630
2300
Ε, λοιπόν, αυτό είναι πολύ δύσκολο.
01:22
In fact, it's not traditionally done.
25
82954
2130
Συνήθως μάλιστα δε συμβαίνει.
01:25
We totally depend on what we call "post-marketing surveillance,"
26
85108
5518
Εξαρτόμαστε από αυτό που λέγεται «παρακολούθηση μετά την κυκλοφορία»,
01:30
after the drugs hit the market.
27
90650
1880
αφότου τα φάρμακα φθάσουν στην αγορά.
01:32
How can we figure out if bad things are happening
28
92996
2848
Πώς μπορούμε να ξέρουμε αν κάτι κακό συμβαίνει
01:35
between two medications?
29
95868
1357
με την ταυτόχρονη χορήγηση δύο φαρμάκων;
01:37
Three? Five? Seven?
30
97249
2030
Τριών; Πέντε; Επτά;
01:39
Ask your favorite person who has several diagnoses
31
99708
2415
Ρωτήστε κάποιον που έχει διαγνωσθεί με διάφορες παθήσεις
01:42
how many medications they're on.
32
102147
1834
πόσα φάρμακα παίρνει.
01:44
Why do I care about this problem?
33
104530
1580
Γιατί μ' απασχολεί αυτό το πρόβλημα; Και μάλιστα πολύ σοβαρά.
01:46
I care about it deeply.
34
106134
1157
01:47
I'm an informatics and data science guy and really, in my opinion,
35
107315
4304
Ο τομέας μου είναι η Πληροφορική και η Επιστήμη Δεδομένων,
και πιστεύω, πως η μόνη μας ελπίδα -- η μόνη --
01:51
the only hope -- only hope -- to understand these interactions
36
111643
3745
να κατανοήσουμε αυτές τις αλληλεπιδράσεις
01:55
is to leverage lots of different sources of data
37
115412
3056
είναι να αξιοποιήσουμε πολλά δεδομένα από διάφορες πηγές
01:58
in order to figure out when drugs can be used together safely
38
118492
3556
για να καταλάβουμε πότε τα φάρμακα μπορούν να ληφθούν ταυτόχρονα με ασφάλεια
02:02
and when it's not so safe.
39
122072
1777
και πότε υπάρχει κίνδυνος.
02:04
So let me tell you a data science story.
40
124615
2051
Να σας πω μια ιστορία από την Επιστήμη των Δεδομένων.
02:06
And it begins with my student Nick.
41
126690
2154
Αρχίζει με τον φοιτητή μου, τον Νικ.
02:08
Let's call him "Nick," because that's his name.
42
128868
2380
Ας τον πούμε «Νικ», επειδή έτσι τον λένε.
02:11
(Laughter)
43
131272
1592
(Γέλια)
02:12
Nick was a young student.
44
132888
1201
Ο Νικ ήταν νεαρός φοιτητής.
02:14
I said, "You know, Nick, we have to understand how drugs work
45
134113
3079
Του είπα, «Νικ, πρέπει να κατανοήσουμε πώς δρουν τα φάρμακα,
02:17
and how they work together and how they work separately,
46
137216
2626
πώς δρουν σε συνδυασμό και πώς δρουν μεμονωμένα,
02:19
and we don't have a great understanding.
47
139866
1922
κάτι που δεν το κατανοούμε καλά».
02:21
But the FDA has made available an amazing database.
48
141812
2405
Όμως ο FDA έχει κάνει διαθέσιμη μια τεράστια βάση δεδομένων.
02:24
It's a database of adverse events.
49
144241
1699
Δεδομένα ανεπιθύμητων αντιδράσεων.
02:26
They literally put on the web --
50
146321
1642
Είναι στο διαδίκτυο, Κυριολεκτικά, ανοιχτά σε όλους.
02:27
publicly available, you could all download it right now --
51
147987
3119
Ο καθένας μπορεί να τα κατεβάσει άμεσα.
02:31
hundreds of thousands of adverse event reports
52
151130
3627
Εκατοντάδες χιλιάδες αναφορές ανεπιθύμητων αντιδράσεων
02:34
from patients, doctors, companies, pharmacists.
53
154781
3760
από ασθενείς, γιατρούς, εταιρείες, φαρμακοποιούς.
02:38
And these reports are pretty simple:
54
158565
1749
Οι αναφορές αυτές είναι πολύ απλές:
02:40
it has all the diseases that the patient has,
55
160338
2658
Περιλαμβάνουν όλες τις παθήσεις ενός ασθενούς,
02:43
all the drugs that they're on,
56
163020
1767
όλα τα φάρμακα που παίρνει,
02:44
and all the adverse events, or side effects, that they experience.
57
164811
3818
όλες τις ανεπιθύμητες αντιδράσεις ή παρενέργειες, που παρουσιάζουν.
02:48
It is not all of the adverse events that are occurring in America today,
58
168653
3436
Δεν είναι το σύνολο των ανεπιθύμητων αντιδράσεων που εκδηλώνονται στις Η.Π.Α.
02:52
but it's hundreds and hundreds of thousands of drugs.
59
172113
2578
είναι όμως εκατοντάδες χιλιάδες φάρμακα.
02:54
So I said to Nick,
60
174715
1299
Είπα λοιπόν στον Νικ:
«Ας επικεντρωθούμε στη γλυκόζη.
02:56
"Let's think about glucose.
61
176038
1826
02:57
Glucose is very important, and we know it's involved with diabetes.
62
177888
3567
Η γλυκόζη είναι πολύ σημαντική, ξέρουμε ότι σχετίζεται με το διαβήτη.
03:01
Let's see if we can understand glucose response.
63
181479
3970
Ας δούμε αν κατανοούμε την απόκριση στη γλυκόζη».
03:05
I sent Nick off. Nick came back.
64
185473
2458
Τον έστειλα για έρευνα. Ο Νικ γύρισε.
03:08
"Russ," he said,
65
188248
1786
«Ρας», μου είπε,
03:10
"I've created a classifier that can look at the side effects of a drug
66
190351
5112
«δημιούργησα μια ταξινόμηση των ανεπιθύμητων αντιδράσεων ενός φαρμάκου
03:15
based on looking at this database,
67
195487
2051
από αυτή τη βάση δεδομένων,
03:17
and can tell you whether that drug is likely to change glucose or not."
68
197562
4271
που δείχνει αν το φάρμακο μπορεί να επηρεάσει τη γλυκόζη ή όχι».
03:21
He did it. It was very simple, in a way.
69
201857
2016
Το κατάφερε. Ήταν σχετικά απλό.
03:23
He took all the drugs that were known to change glucose
70
203897
2635
Πήρε όλα τα φάρμακα που ήταν γνωστό ότι επηρέαζαν τη γλυκόζη
03:26
and a bunch of drugs that don't change glucose,
71
206556
2389
και κάποια φάρμακα που δεν επηρεάζουν τη γλυκόζη,
03:28
and said, "What's the difference in their side effects?
72
208969
2888
κι αναρωτήθηκε αν υπάρχει διαφορά στις ανεπιθύμητες ενέργειες.
03:31
Differences in fatigue? In appetite? In urination habits?"
73
211881
4852
Υπάρχει διαφορά στην κόπωση, στην όρεξη, στην ούρηση;
03:36
All those things conspired to give him a really good predictor.
74
216757
2960
Όλα αυτά συνδυάστηκαν ώστε να του δώσουν μια καλή πρόβλεψη.
03:39
He said, "Russ, I can predict with 93 percent accuracy
75
219741
2548
Μου είπε, «Ρας, μπορώ να προβλέψω με ακρίβεια 93%
03:42
when a drug will change glucose."
76
222313
1572
αν ένα φάρμακο επηρεάζει τη γλυκόζη».
03:43
I said, "Nick, that's great."
77
223909
1416
Του λέω, «Μπράβο Νικ, σπουδαία».
03:45
He's a young student, you have to build his confidence.
78
225349
2896
Νέος φοιτητής είναι, πρέπει ν' αποκτήσει αυτοπεποίθηση.
03:48
"But Nick, there's a problem.
79
228269
1390
«Όμως, Νικ, υπάρχει πρόβλημα.
03:49
It's that every physician in the world knows all the drugs that change glucose,
80
229683
3960
Κάθε γιατρός στον κόσμο γνωρίζει όλα τα φάρμακα που επηρεάζουν τη γλυκόζη,
03:53
because it's core to our practice.
81
233667
2038
είναι βασικό στην εκπαίδευσή τους.
03:55
So it's great, good job, but not really that interesting,
82
235729
3722
Άρα, έκανες καλή δουλειά, αλλά δεν είναι και τόσο ενδιαφέρον,
03:59
definitely not publishable."
83
239475
1531
και σίγουρα δεν είναι δημοσιεύσιμο».
04:01
(Laughter)
84
241030
1014
(Γέλια)
04:02
He said, "I know, Russ. I thought you might say that."
85
242068
2550
«Το ξέρω, Ρας» μου λέει. «Ήξερα ότι θα το πεις αυτό».
04:04
Nick is smart.
86
244642
1152
Έξυπνος ο Νικ.
04:06
"I thought you might say that, so I did one other experiment.
87
246149
2874
«Το ήξερα και γι' αυτό έκανα άλλο ένα πείραμα.
04:09
I looked at people in this database who were on two drugs,
88
249047
2928
Μελέτησα σ' αυτή τη βάση δεδομένων τα άτομα που έπαιρναν δύο φάρμακα
04:11
and I looked for signals similar, glucose-changing signals,
89
251999
4422
κι έψαξα για παρόμοια συμπτώματα, μεταβολής της γλυκόζης,
04:16
for people taking two drugs,
90
256445
1624
σε άτομα που έπαιρναν δύο φάρμακα.
04:18
where each drug alone did not change glucose,
91
258093
5569
Όταν δηλαδή το ένα φάρμακο δεν επηρέαζε τη γλυκόζη,
04:23
but together I saw a strong signal."
92
263686
2460
αλλά σε συνδυασμό υπήρχε σοβαρή ένδειξη».
04:26
And I said, "Oh! You're clever. Good idea. Show me the list."
93
266170
3149
«Μπράβο, έξυπνο», του λέω. «Για δείξε μου τη λίστα».
04:29
And there's a bunch of drugs, not very exciting.
94
269343
2254
Είναι πολλά τα φάρμακα, δεν είναι πολύ συναρπαστικό.
04:31
But what caught my eye was, on the list there were two drugs:
95
271621
3932
Αλλά αυτό που τράβηξε την προσοχή μου ήταν δύο φάρμακα στη λίστα:
04:35
paroxetine, or Paxil, an antidepressant;
96
275577
3393
η παροξετίνη ή Paxil, ένα αντικαταθλιπτικό
04:39
and pravastatin, or Pravachol, a cholesterol medication.
97
279756
3570
και η πραβαστατίνη ή Pravachol, ένα φάρμακο για τη χοληστερόλη.
04:43
And I said, "Huh. There are millions of Americans on those two drugs."
98
283936
4283
Και λέω, «Α, εκατομμύρια Αμερικανοί παίρνουν αυτά τα δύο φάρμακα».
04:48
In fact, we learned later,
99
288243
1246
Και όπως μάθαμε αργότερα,
04:49
15 million Americans on paroxetine at the time, 15 million on pravastatin,
100
289513
6032
15 εκατομμύρια Αμερικανοί παίρνουν παροξετίνη,
15 εκατομμύρια παίρνουν πραβαστατίνη
04:55
and a million, we estimated, on both.
101
295569
2817
και ένα εκατομμύριο, κατά τους υπολογισμούς μας, και τα δύο.
04:58
So that's a million people
102
298767
1254
Άρα, ένα εκατομμύριο άνθρωποι
05:00
who might be having some problems with their glucose
103
300045
2453
ίσως έχουν προβλήματα με το σάκχαρο,
05:02
if this machine-learning mumbo jumbo that he did in the FDA database
104
302522
3206
αν αυτή η έξυπνη μηχανή που έφτιαξε με τα δεδομένα του FDA, κάνει δουλειά.
05:05
actually holds up.
105
305752
1254
Είπα, όμως,
05:07
But I said, "It's still not publishable,
106
307030
1927
«Και πάλι δεν είναι δημοσιεύσιμο,
05:08
because I love what you did with the mumbo jumbo,
107
308981
2296
γιατί, μ' αρέσει μεν αυτό που έκανες
05:11
with the machine learning,
108
311301
1246
με την έξυπνη μηχανή,
05:12
but it's not really standard-of-proof evidence that we have."
109
312571
3864
αλλά το αποτέλεσμα δεν είναι ασφαλής απόδειξη».
05:17
So we have to do something else.
110
317618
1589
Άρα πρέπει να κάνουμε κάτι άλλο.
05:19
Let's go into the Stanford electronic medical record.
111
319231
2876
Ας δούμε το ηλεκτρονικό ιατρικό αρχείο του Στάνφορντ.
05:22
We have a copy of it that's OK for research,
112
322131
2064
Έχουμε ένα αντίγραφο, διαθέσιμο προς διερεύνηση,
05:24
we removed identifying information.
113
324219
2046
αφαιρώντας τις προσωπικές πληροφορίες.
05:26
And I said, "Let's see if people on these two drugs
114
326581
2503
Είπα λοιπόν, «Ας δούμε αν όσοι παίρνουν και τα δύο φάρμακα
05:29
have problems with their glucose."
115
329108
1769
έχουν πρόβλημα με το σάκχαρό τους».
05:31
Now there are thousands and thousands of people
116
331242
2207
Υπάρχουν φυσικά χιλιάδες άνθρωποι
05:33
in the Stanford medical records that take paroxetine and pravastatin.
117
333473
3459
στα ιατρικά αρχεία του Στάνφορντ που παίρνουν παροξετίνη και πραβαστατίνη.
05:36
But we needed special patients.
118
336956
1799
Όμως χρειαζόμασταν ειδικούς ασθενείς.
05:38
We needed patients who were on one of them and had a glucose measurement,
119
338779
4597
Θέλαμε ασθενείς που έπαιρναν ένα φάρμακο και παρακολούθησαν τη γλυκόζη τους,
05:43
then got the second one and had another glucose measurement,
120
343400
3449
μετά πήραν το δεύτερο και ξαναμέτρησαν τη γλυκόζη τους,
05:46
all within a reasonable period of time -- something like two months.
121
346873
3615
για μια λογική χρονική περίοδο- κάπου δύο μήνες.
05:50
And when we did that, we found 10 patients.
122
350512
3159
Το κάναμε αυτό, και βρήκαμε 10 ασθενείς.
05:54
However, eight out of the 10 had a bump in their glucose
123
354592
4538
Παρόλα αυτά, 8 στους 10 παρουσίασαν αύξηση της γλυκόζης
05:59
when they got the second P -- we call this P and P --
124
359154
2645
όταν πήραν τη δεύτερη Π -ας τις ονομάσουμε Π και Π-
06:01
when they got the second P.
125
361823
1310
όταν πήραν τη δεύτερη Π.
06:03
Either one could be first, the second one comes up,
126
363157
2562
Όποια κι αν πήραν πρώτα και μετά τη δεύτερη,
06:05
glucose went up 20 milligrams per deciliter.
127
365743
2847
το σάκχαρο ανέβαινε κατά 20 mg/dL.
06:08
Just as a reminder,
128
368614
1158
Να υπενθυμίσω,
06:09
you walk around normally, if you're not diabetic,
129
369796
2325
ότι αν δεν είσαι διαβητικός, κυκλοφορείς
06:12
with a glucose of around 90.
130
372145
1359
με τιμή γλυκόζης γύρω στα 90.
06:13
And if it gets up to 120, 125,
131
373528
2076
Αν ανέβει στα 120-125,
06:15
your doctor begins to think about a potential diagnosis of diabetes.
132
375628
3450
ο γιατρός σου εξετάζει μια πιθανή διάγνωση διαβήτη.
06:19
So a 20 bump -- pretty significant.
133
379102
2991
Επομένως, μια αύξηση 20 μονάδων είναι σημαντική.
06:22
I said, "Nick, this is very cool.
134
382601
1904
Είπα, «Νικ, είναι πολύ καλό.
06:25
But, I'm sorry, we still don't have a paper,
135
385616
2053
Αλλά, λυπάμαι, και πάλι δεν είναι δημοσιεύσιμο,
06:27
because this is 10 patients and -- give me a break --
136
387693
2579
γιατί έχουμε μόνο 10 ασθενείς
και βέβαια είναι πολύ λίγοι».
06:30
it's not enough patients."
137
390296
1245
06:31
So we said, what can we do?
138
391565
1306
Οπότε λέμε, τι να κάνουμε;
06:32
And we said, let's call our friends at Harvard and Vanderbilt,
139
392895
2976
Eίπαμε, να μιλήσουμε στους φίλους μας στο Χάρβαρντ, στη Βοστώνη
06:35
who also -- Harvard in Boston, Vanderbilt in Nashville,
140
395895
2587
και στο Βάντερμπιλντ, στο Νάσβιλ
06:38
who also have electronic medical records similar to ours.
141
398506
2821
που έχουν ηλεκτρονικά ιατρικά αρχεία παρόμοια με τα δικά μας.
06:41
Let's see if they can find similar patients
142
401351
2020
Να δούμε αν μπορούν να βρουν τέτοιους ασθενείς
06:43
with the one P, the other P, the glucose measurements
143
403395
3276
με τη μία Π, την άλλη Π, και τις μετρήσεις σακχάρου
06:46
in that range that we need.
144
406695
1600
στα επίπεδα που μας ενδιαφέρουν.
06:48
God bless them, Vanderbilt in one week found 40 such patients,
145
408787
4955
Να είναι καλά το Βάντερμπιλντ σε μία βδομάδα βρήκε 40 τέτοιους ασθενείς,
06:53
same trend.
146
413766
1189
με την ίδια τάση.
06:55
Harvard found 100 patients, same trend.
147
415804
3620
Το Χάρβαρντ βρήκε 100 τέτοιους ασθενείς, με την ίδια τάση.
06:59
So at the end, we had 150 patients from three diverse medical centers
148
419448
4281
Οπότε, τελικά, είχαμε 150 ασθενείς από τρία διαφορετικά ιατρικά κέντρα
07:03
that were telling us that patients getting these two drugs
149
423753
3297
που έδειχναν ότι οι ασθενείς που έπαιρναν αυτά τα δύο φάρμακα
07:07
were having their glucose bump somewhat significantly.
150
427074
2703
ανέβαζαν σημαντικά τα επίπεδα της γλυκόζης τους.
07:10
More interestingly, we had left out diabetics,
151
430317
2810
Και μάλιστα, δεν είχαμε συμπεριλάβει τους διαβητικούς,
07:13
because diabetics already have messed up glucose.
152
433151
2317
γιατί οι διαβητικοί είχαν ήδη αυξημένη γλυκόζη.
07:15
When we looked at the glucose of diabetics,
153
435492
2238
Όταν προσέξαμε τη γλυκόζη των διαβητικών,
07:17
it was going up 60 milligrams per deciliter, not just 20.
154
437754
3435
είδαμε ότι αυξανόταν κατά 60 mg/dL, όχι μόνο κατά 20.
07:21
This was a big deal, and we said, "We've got to publish this."
155
441760
3452
Αυτό ήταν πολύ σημαντικό, οπότε είπαμε, «Πρέπει να το δημοσιεύσουμε».
07:25
We submitted the paper.
156
445236
1179
Υποβάλαμε την εργασία.
07:26
It was all data evidence,
157
446439
2111
Περιλάμβανε στοιχεία από τα δεδομένα,
07:28
data from the FDA, data from Stanford,
158
448574
2483
από τον FDA, από το Στάνφορντ,
07:31
data from Vanderbilt, data from Harvard.
159
451081
1946
από το Βάντερμπιλντ και το Χάρβαρντ.
07:33
We had not done a single real experiment.
160
453051
2396
Δεν είχαμε κάνει ούτε ένα πείραμα.
07:36
But we were nervous.
161
456495
1296
Ήμασταν όμως ανήσυχοι.
07:38
So Nick, while the paper was in review, went to the lab.
162
458201
3730
Τότε ο Νικ, όσο η εργασία ήταν υπό αναθεώρηση, μπήκε στο εργαστήριο.
07:41
We found somebody who knew about lab stuff.
163
461955
2462
Βρήκαμε κάποιον που ήξερε από εργαστηριακή δουλειά.
07:44
I don't do that.
164
464441
1393
Εγώ δεν ξέρω. Ξέρω να φροντίζω ασθενείς,
07:45
I take care of patients, but I don't do pipettes.
165
465858
2417
07:49
They taught us how to feed mice drugs.
166
469420
3053
Μας έμαθαν πώς να δίνουμε φάρμακα σε ποντίκια.
07:52
We took mice and we gave them one P, paroxetine.
167
472864
2414
Δώσαμε στα ποντίκια τη μια Π, την παροξετίνη.
07:55
We gave some other mice pravastatin.
168
475302
2508
Δώσαμε σε κάποια άλλα ποντίκια πραβαστατίνη,
07:57
And we gave a third group of mice both of them.
169
477834
3595
Και δώσαμε σε μια τρίτη ομάδα ποντικιών και τις δυο Π.
08:01
And lo and behold, glucose went up 20 to 60 milligrams per deciliter
170
481893
3946
Και ιδού! Η γλυκόζη τους ανέβηκε από 20 ως 60 mg/dL.
08:05
in the mice.
171
485863
1171
Οπότε, η εργασία εγκρίθηκε
08:07
So the paper was accepted based on the informatics evidence alone,
172
487058
3158
με βάση μόνο τα πληροφοριακά στοιχεία,
08:10
but we added a little note at the end,
173
490240
1894
όμως προσθέσαμε μια σημείωση στο τέλος
08:12
saying, oh by the way, if you give these to mice, it goes up.
174
492158
2899
που έλεγε: «Παρεμπιπτόντως, και στα ποντίκια αυξάνεται».
08:15
That was great, and the story could have ended there.
175
495081
2508
Ωραία, η υπόθεση θα μπορούσε να είχε τελειώσει εδώ.
08:17
But I still have six and a half minutes.
176
497613
1997
Αλλά μου μένουν ακόμη 6,5 λεπτά.
08:19
(Laughter)
177
499634
2807
(Γέλια)
08:22
So we were sitting around thinking about all of this,
178
502465
2815
Καθόμασταν και τα σκεφτόμασταν όλα αυτά,
08:25
and I don't remember who thought of it, but somebody said,
179
505304
2735
και δε θυμάμαι ποιος σκέφτηκε, ή κάποιος είπε,
08:28
"I wonder if patients who are taking these two drugs
180
508063
3201
«Αναρωτιέμαι αν οι ασθενείς που παίρνουν αυτά τα φάρμακα
08:31
are noticing side effects of hyperglycemia.
181
511288
3553
έχουν προσέξει παρενέργειες από την υπεργλυκαιμία.
08:34
They could and they should.
182
514865
1496
Θα έπρεπε.
08:36
How would we ever determine that?"
183
516761
1877
Πώς θα μπορούσαμε να το βρούμε αυτό;»
08:39
We said, well, what do you do?
184
519551
1443
Τι θα έκανε κάποιος, λοιπόν;
08:41
You're taking a medication, one new medication or two,
185
521018
2580
Αν πάρεις ένα φάρμακο, ένα νέο φάρμακο ή και δύο,
08:43
and you get a funny feeling.
186
523622
1538
και νιώσεις περίεργα...
08:45
What do you do?
187
525184
1151
Τι κάνεις;
08:46
You go to Google
188
526359
1151
Πας στο Google
08:47
and type in the two drugs you're taking or the one drug you're taking,
189
527534
3349
και πληκτρολογείς το φάρμακο ή τα δύο φάρμακα που παίρνεις
08:50
and you type in "side effects."
190
530907
1603
και γράφεις «Παρενέργειες».
08:52
What are you experiencing?
191
532534
1356
Τι νιώθεις;
08:54
So we said OK,
192
534239
1151
Είπαμε, εντάξει,
08:55
let's ask Google if they will share their search logs with us,
193
535414
3056
ας ζητήσουμε από την Google να μας δώσει
το ιστορικό, τις καταγραφές των αναζητήσεων
08:58
so that we can look at the search logs
194
538494
1833
για να δούμε αν οι ασθενείς κάνουν αυτές τις αναζητήσεις.
09:00
and see if patients are doing these kinds of searches.
195
540351
2565
09:02
Google, I am sorry to say, denied our request.
196
542940
3275
Δυστυχώς, η Google αρνήθηκε το αίτημά μας.
09:06
So I was bummed.
197
546819
1151
Απογοητεύτηκα.
09:07
I was at a dinner with a colleague who works at Microsoft Research
198
547994
3166
Έτρωγα με ένα συνάδελφο που δουλεύει στο ερευνητικό της Microsoft
09:11
and I said, "We wanted to do this study,
199
551184
1941
και του λέω, «Θέλαμε να κάνουμε αυτή την έρευνα,
09:13
Google said no, it's kind of a bummer."
200
553149
1880
και η Google μας αρνήθηκε».
Και μου λέει, «Καλά, υπάρχει και το Bing».
09:15
He said, "Well, we have the Bing searches."
201
555053
2086
09:18
(Laughter)
202
558195
3483
(Γέλια)
09:22
Yeah.
203
562805
1267
Ναι!
09:24
That's great.
204
564096
1151
Φανταστικά!
09:25
Now I felt like I was --
205
565271
1151
Μου φαινόταν ότι...
09:26
(Laughter)
206
566446
1000
(Γέλια)
09:27
I felt like I was talking to Nick again.
207
567470
2412
Μου φαινόταν σαν να μιλούσα πάλι με το Νικ.
09:30
He works for one of the largest companies in the world,
208
570437
2624
Δουλεύει σε μία από τις μεγαλύτερες εταιρείες του κόσμου,
09:33
and I'm already trying to make him feel better.
209
573085
2206
και ήδη προσπαθώ να τον κάνω να νιώσει καλύτερα.
09:35
But he said, "No, Russ -- you might not understand.
210
575315
2445
Και μου λέει, «Όχι, Ρας-δεν κατάλαβες.
09:37
We not only have Bing searches,
211
577784
1500
Δεν έχουμε μόνο τις αναζητήσεις του Bing.
09:39
but if you use Internet Explorer to do searches at Google,
212
579308
3340
Αν χρησιμοποιείς Internet Explorer για να ψάξεις στο Google,
09:42
Yahoo, Bing, any ...
213
582672
1891
στη Yahoo, στο Bing, οπουδήποτε...
09:44
Then, for 18 months, we keep that data for research purposes only."
214
584587
3643
εμείς κρατάμε αυτά τα δεδομένα 18 μήνες, για ερευνητικούς σκοπούς μόνο».
09:48
I said, "Now you're talking!"
215
588254
1936
«Τώρα μιλάς σωστά!», του λέω.
09:50
This was Eric Horvitz, my friend at Microsoft.
216
590214
2198
Ήταν ο Έρικ Χόρβιτς, ο φίλος μου απ' τη Microsoft.
09:52
So we did a study
217
592436
1695
Οπότε, κάναμε μια μελέτη
09:54
where we defined 50 words that a regular person might type in
218
594155
4619
στην οποία ορίσαμε 50 λέξεις που ένας συνηθισμένος άνθρωπος θα πληκτρολογούσε
09:58
if they're having hyperglycemia,
219
598798
1602
αν είχε υπεργλυκαιμία,
10:00
like "fatigue," "loss of appetite," "urinating a lot," "peeing a lot" --
220
600424
4762
όπως «κόπωση», «ανορεξία», «συχνουρία», «πολύ κατούρημα»,
συγγνώμη, αλλά είναι μία απ' τις λέξεις που θα έγραφε κάποιος.
10:05
forgive me, but that's one of the things you might type in.
221
605210
2767
Συγκεντρώσαμε 50 φράσεις που τις είπαμε «λέξεις του διαβήτη».
10:08
So we had 50 phrases that we called the "diabetes words."
222
608001
2790
10:10
And we did first a baseline.
223
610815
2063
Θέσαμε ένα σημείο αναφοράς.
10:12
And it turns out that about .5 to one percent
224
612902
2704
Και φάνηκε ότι περίπου 0,5 ως 1%
10:15
of all searches on the Internet involve one of those words.
225
615630
2982
όλων των αναζητήσεων στο Ίντερνετ περιλαμβάνουν μια απ' αυτές τις λέξεις.
10:18
So that's our baseline rate.
226
618636
1742
Αυτό ήταν το σημείο αναφοράς μας.
10:20
If people type in "paroxetine" or "Paxil" -- those are synonyms --
227
620402
4143
Αν έγραφαν «παροξετίνη» ή «Paxil» - που είναι συνώνυμα -
10:24
and one of those words,
228
624569
1215
και μία απ' αυτές τις λέξεις
10:25
the rate goes up to about two percent of diabetes-type words,
229
625808
4890
η συχνότητα ανέβαινε περίπου στο 2% για τις «λέξεις του διαβήτη»,
10:30
if you already know that there's that "paroxetine" word.
230
630722
3044
αν ήταν γνωστό ότι υπήρχε η λέξη παροξετίνη.
10:34
If it's "pravastatin," the rate goes up to about three percent from the baseline.
231
634191
4547
Αν έγραφαν πραβαστατίνη, η συχνότητα ανέβαινε στο 3% από το σημείο αναφοράς.
10:39
If both "paroxetine" and "pravastatin" are present in the query,
232
639171
4390
Αν και οι δυο λέξεις «παροξετίνη» και «πραβαστατίνη» υπάρχουν στην αναζήτηση
10:43
it goes up to 10 percent,
233
643585
1669
ανεβαίνει στο 10%,
10:45
a huge three- to four-fold increase
234
645278
3461
μια τεράστια, σχεδόν τετραπλάσια αύξηση,
10:48
in those searches with the two drugs that we were interested in,
235
648763
3389
για τις αναζητήσεις με τα δυο φάρμακα που μας ενδιέφεραν,
10:52
and diabetes-type words or hyperglycemia-type words.
236
652176
3566
και τις «λέξεις του διαβήτη» ή της υπεργλυκαιμίας.
10:56
We published this,
237
656216
1265
Το δημοσιεύσαμε αυτό,
10:57
and it got some attention.
238
657505
1466
και έτυχε κάποιας προσοχής.
10:58
The reason it deserves attention
239
658995
1778
Ο λόγος που αξίζει την προσοχή
11:00
is that patients are telling us their side effects indirectly
240
660797
4312
είναι ότι οι ασθενείς μας λένε για τις παρενέργειες που έχουν
έμμεσα, μέσω των αναζητήσεών τους.
11:05
through their searches.
241
665133
1156
11:06
We brought this to the attention of the FDA.
242
666313
2138
Το κοινοποιήσαμε στον FDA.
11:08
They were interested.
243
668475
1269
Και ενδιαφέρθηκαν.
11:09
They have set up social media surveillance programs
244
669768
3606
Ξεκίνησαν προγράμματα παρακολούθησης μέσω των μέσων κοινωνικής δικτύωσης
11:13
to collaborate with Microsoft,
245
673398
1751
σε συνεργασία με τη Microsoft
11:15
which had a nice infrastructure for doing this, and others,
246
675173
2794
που είχε ισχυρή υποδομή γι' αυτά και για άλλα,
11:17
to look at Twitter feeds,
247
677991
1282
για έρευνα στο Twitter και στο Facebook
11:19
to look at Facebook feeds,
248
679297
1716
στις καταγραφές των αναζητήσεων,
11:21
to look at search logs,
249
681037
1311
11:22
to try to see early signs that drugs, either individually or together,
250
682372
4909
ώστε να δουν πρώιμα σημεία ότι τα φάρμακα, είτε ανεξάρτητα είτε σε συνδυασμό
11:27
are causing problems.
251
687305
1589
προκαλούν προβλήματα.
11:28
What do I take from this? Why tell this story?
252
688918
2174
Τι συνάγεται απ' αυτό; Γιατί σας λέω αυτή την ιστορία;
11:31
Well, first of all,
253
691116
1207
Λοιπόν, πρώτα-πρώτα, έχουμε τώρα
11:32
we have now the promise of big data and medium-sized data
254
692347
4037
το πλεονέκτημα των μεγα-δεδομένων και των μεσαίας τάξης δεδομένων
11:36
to help us understand drug interactions
255
696408
2918
που μας βοηθούν να καταλάβουμε τις αλληλεπιδράσεις των φαρμάκων
11:39
and really, fundamentally, drug actions.
256
699350
2420
και στην πραγματικότητα, στην ουσία, τη δράση τους
11:41
How do drugs work?
257
701794
1413
Πώς δρουν τα φάρμακα.
11:43
This will create and has created a new ecosystem
258
703231
2836
Αυτό θα δημιουργήσει και ήδη δημιούργησε
ένα νέο περιβάλλον για την κατανόηση της δράσης των φαρμάκων
11:46
for understanding how drugs work and to optimize their use.
259
706091
3267
και τη βελτίωση της χρήσης τους.
11:50
Nick went on; he's a professor at Columbia now.
260
710303
2659
Ο Νικ προχώρησε. Είναι τώρα καθηγητής στο Κολούμπια.
11:52
He did this in his PhD for hundreds of pairs of drugs.
261
712986
4072
Έκανε το διδακτορικό του πάνω σε εκατοντάδες ζεύγη φαρμάκων.
11:57
He found several very important interactions,
262
717082
2517
Βρήκε μερικές ενδιαφέρουσες αλληλεπιδράσεις
11:59
and so we replicated this
263
719623
1214
κι έτσι ξανακάναμε την έρευνα
12:00
and we showed that this is a way that really works
264
720861
2574
και δείξαμε πως είναι μια μέθοδος που αποδίδει
12:03
for finding drug-drug interactions.
265
723459
2339
για την έρευνα των αλληλεπιδράσεων των φαρμάκων.
12:06
However, there's a couple of things.
266
726282
1734
Όμως, υπάρχουν κάποια θέματα.
12:08
We don't just use pairs of drugs at a time.
267
728040
3046
Τώρα, δε μελετάμε ζεύγη φαρμάκων.
12:11
As I said before, there are patients on three, five, seven, nine drugs.
268
731110
4469
Όπως είπα νωρίτερα, κάποιοι ασθενείς παίρνουν 3 ,5, 7, 9 φάρμακα.
12:15
Have they been studied with respect to their nine-way interaction?
269
735981
3642
Έχει μελετηθεί η αλληλεπίδραση και των εννιά;
12:19
Yes, we can do pair-wise, A and B, A and C, A and D,
270
739647
4208
Ναι, μπορούμε να το κάνουμε ανά ζέυγη, το Α με το Β, το Α με το Γ, το Α με το Δ,
12:23
but what about A, B, C, D, E, F, G all together,
271
743879
4286
αλλά το Α με το Β, το Γ, το Δ, το Ε το Ζ, το Η, όλα μαζί,
12:28
being taken by the same patient,
272
748189
1762
να λαμβάνονται από τον ίδιο άρρωστο,
12:29
perhaps interacting with each other
273
749975
2118
και ίσως να αλληλεπιδρούν το ένα με το άλλο
12:32
in ways that either makes them more effective or less effective
274
752117
3778
με τρόπους που τα κάνουν περισσότερο ή λιγότερο αποτελεσματικά
12:35
or causes side effects that are unexpected?
275
755919
2332
ή προκαλούν απροσδόκητες παρενέργειες;
12:38
We really have no idea.
276
758275
1827
Δεν έχουμε ιδέα.
12:40
It's a blue sky, open field for us to use data
277
760126
3756
Ανεξερεύνητο, ανοιχτό πεδίο για τη χρήση δεδομένων
12:43
to try to understand the interaction of drugs.
278
763906
2502
για να προσπαθήσουμε να κατανοήσουμε την αλληλεπίδραση των φαρμάκων.
12:46
Two more lessons:
279
766848
1370
Δυο ακόμη μαθήματα:
12:48
I want you to think about the power that we were able to generate
280
768242
4199
Θα ήθελα να αναλογιστείτε τη δύναμη που μπορούμε να δημιουργήσουμε
12:52
with the data from people who had volunteered their adverse reactions
281
772465
4711
με τα δεδομένα που διέθεσαν αυτοί που είχαν ανεπιθύμητα συμπτώματα
12:57
through their pharmacists, through themselves, through their doctors,
282
777200
3269
οι ίδιοι ή μέσω των φαρμακοποιών και των γιατρών τους.
13:00
the people who allowed the databases at Stanford, Harvard, Vanderbilt,
283
780493
3667
Οι άνθρωποι που διέθεσαν τις βάσεις δεδομένων
στο Στάνφορντ, το Χάρβαρντ, το Βάντερμπιλντ
13:04
to be used for research.
284
784184
1427
13:05
People are worried about data.
285
785929
1445
Ο κόσμος ανησυχεί για τα δεδομένα.
13:07
They're worried about their privacy and security -- they should be.
286
787398
3187
Ανησυχούν για την ιδιωτικότητα και την ασφάλεια.
13:10
We need secure systems.
287
790609
1151
Καλά κάνουν. Χρειαζόμαστε ασφαλή συστήματα.
13:11
But we can't have a system that closes that data off,
288
791784
3406
Αλλά δε γίνεται να έχουμε ένα σύστημα που αποκλείει τα δεδομένα
13:15
because it is too rich of a source
289
795214
2752
γιατί είναι μια τόσο πλούσια πηγή
13:17
of inspiration, innovation and discovery
290
797990
3971
έμπνευσης, καινοτομίας και νέων ανακαλύψεων, στην Ιατρική.
13:21
for new things in medicine.
291
801985
1578
13:24
And the final thing I want to say is,
292
804494
1794
Και το τελευταίο, που θα ήθελα να πω
13:26
in this case we found two drugs and it was a little bit of a sad story.
293
806312
3357
είναι ότι σ' αυτή την περίπτωση βρήκαμε δύο φάρμακα και ήταν στενάχωρο.
13:29
The two drugs actually caused problems.
294
809693
1921
Τα δύο φάρμακα προκαλούσαν προβλήματα.
13:31
They increased glucose.
295
811638
1475
Ανέβαζαν το σάκχαρο.
13:33
They could throw somebody into diabetes
296
813137
2446
Μπορούσαν να κάνουν κάποιον διαβητικό
13:35
who would otherwise not be in diabetes,
297
815607
2294
που διαφορετικά δε θα γινόταν,
13:37
and so you would want to use the two drugs very carefully together,
298
817925
3175
οπότε η ταυτόχρονη χρήση τους πρέπει να γίνεται με μεγάλη προσοχή.
13:41
perhaps not together,
299
821124
1151
Ίσως όχι σε συνδυασμό,
13:42
make different choices when you're prescribing.
300
822299
2340
να υπάρχουν άλλες επιλογές στη συνταγογράφηση.
13:44
But there was another possibility.
301
824663
1846
Αλλά υπάρχει κι άλλη πιθανότητα.
13:46
We could have found two drugs or three drugs
302
826533
2344
Θα μπορούσαμε να βρούμε 2 ή 3 φάρμακα
13:48
that were interacting in a beneficial way.
303
828901
2261
που να αλληλεπιδρούν με ευεργετικό τρόπο.
13:51
We could have found new effects of drugs
304
831616
2712
Θα μπορούσαμε να βρούμε νέες δράσεις των φαρμάκων
13:54
that neither of them has alone,
305
834352
2160
που κανένα από μόνο του δεν είχε,
13:56
but together, instead of causing a side effect,
306
836536
2493
αλλά μαζί, αντί για παρενέργειες
13:59
they could be a new and novel treatment
307
839053
2425
θα μπορούσαν να είναι μια νέα θεραπεία
14:01
for diseases that don't have treatments
308
841502
1882
για ασθένειες που δε θεραπεύονται
14:03
or where the treatments are not effective.
309
843408
2007
ή όπου η αγωγή δεν είναι αποτελεσματική.
14:05
If we think about drug treatment today,
310
845439
2395
Αν αναλογιστούμε σήμερα
14:07
all the major breakthroughs --
311
847858
1752
τις μεγάλες τομές στη φαρμακευτική αγωγή,
14:09
for HIV, for tuberculosis, for depression, for diabetes --
312
849634
4297
για το AIDS, τη φυματίωση, την κατάθλιψη, το διαβήτη,
14:13
it's always a cocktail of drugs.
313
853955
2830
πάντα δίνονται κοκτέιλ φαρμάκων.
14:16
And so the upside here,
314
856809
1730
Έτσι, το πλεονέκτημα εδώ,
14:18
and the subject for a different TED Talk on a different day,
315
858563
2849
κι ίσως το θέμα μιας άλλης ομιλίας στο TED κάποια στιγμή,
14:21
is how can we use the same data sources
316
861436
2593
είναι η πιθανή χρήση των ίδιων πηγών
14:24
to find good effects of drugs in combination
317
864053
3563
για να βρούμε ευεργετικές επιδράσεις συνδυασμών φαρμάκων
14:27
that will provide us new treatments,
318
867640
2175
που θα οδηγήσουν σε νέες θεραπείες,
14:29
new insights into how drugs work
319
869839
1852
νέες ιδέες για τη δράση των φάρμακων
14:31
and enable us to take care of our patients even better?
320
871715
3786
ώστε η φροντίδα για τους ασθενείς να βελτιωθεί περισσότερο;
14:35
Thank you very much.
321
875525
1166
Σας ευχαριστώ πολύ.
14:36
(Applause)
322
876715
3499
(Χειροκρότημα)
Σχετικά με αυτόν τον ιστότοπο

Αυτός ο ιστότοπος θα σας παρουσιάσει βίντεο στο YouTube που είναι χρήσιμα για την εκμάθηση της αγγλικής γλώσσας. Θα δείτε μαθήματα αγγλικών που διδάσκουν κορυφαίοι καθηγητές από όλο τον κόσμο. Κάντε διπλό κλικ στους αγγλικούς υπότιτλους που εμφανίζονται σε κάθε σελίδα βίντεο για να αναπαράγετε το βίντεο από εκεί. Οι υπότιτλοι μετακινούνται συγχρονισμένα με την αναπαραγωγή του βίντεο. Εάν έχετε οποιαδήποτε σχόλια ή αιτήματα, παρακαλούμε επικοινωνήστε μαζί μας χρησιμοποιώντας αυτή τη φόρμα επικοινωνίας.

https://forms.gle/WvT1wiN1qDtmnspy7