John Wilbanks: Let's pool our medical data

31,309 views ・ 2012-10-16

TED


A videó lejátszásához kattintson duplán az alábbi angol feliratokra.

00:00
Translator: Joseph Geni Reviewer: Morton Bast
0
0
7000
Fordító: Péter Pallós Lektor: Reka Lorinczy
00:15
So I have bad news, I have good news,
1
15358
3061
Van rossz hírem, és van jó hírem.
00:18
and I have a task.
2
18419
1865
Feladatom is van.
00:20
So the bad news is that we all get sick.
3
20284
2943
A rossz hír: mindnyájan megbetegszünk.
00:23
I get sick. You get sick.
4
23227
2272
Én is, önök is.
00:25
And every one of us gets sick, and the question really is,
5
25499
2542
Mindnyájan megbetegszünk; csak az a kérdés:
00:28
how sick do we get? Is it something that kills us?
6
28041
2877
mennyire súlyosan? És hogy belehalunk-e.
00:30
Is it something that we survive?
7
30918
1345
Olyan, amit túlélünk?
00:32
Is it something that we can treat?
8
32263
1928
Olyan, ami kezelhető?
00:34
And we've gotten sick as long as we've been people.
9
34191
3256
Mióta emberré váltunk, megbetegszünk.
00:37
And so we've always looked for reasons to explain why we get sick.
10
37447
3486
Mindig kerestük megbetegedésünk okát.
00:40
And for a long time, it was the gods, right?
11
40933
1957
Sokáig az isteneknek róttuk föl.
00:42
The gods are angry with me, or the gods are testing me,
12
42890
3154
Az istenek haragszanak rám, vagy próbára tesznek.
00:46
right? Or God, singular, more recently,
13
46044
2416
Vagy később, az egyistenhit idején,
00:48
is punishing me or judging me.
14
48460
2664
büntet vagy ítéletet mond fölöttem.
00:51
And as long as we've looked for explanations,
15
51124
2680
A magyarázatok keresése során
00:53
we've wound up with something that gets closer and closer to science,
16
53804
3711
egyre közelebb kerültünk a tudományhoz,
00:57
which is hypotheses as to why we get sick,
17
57515
2489
amely hipotéziseket állít föl az okokról.
01:00
and as long as we've had hypotheses about why we get sick, we've tried to treat it as well.
18
60004
4740
S ha már hipotéziseink voltak róla, megpróbálkoztunk kezelésekkel is.
01:04
So this is Avicenna. He wrote a book over a thousand years ago called "The Canon of Medicine,"
19
64744
4033
Ez itt Avicenna. Több mint ezer éve írta meg A gyógyítás könyve c. művét,
01:08
and the rules he laid out for testing medicines
20
68777
2406
s megfogalmazta a többé-kevésbé ma is érvényes
01:11
are actually really similar to the rules we have today,
21
71183
1789
gyógyszervizsgálati szabályokat:
01:12
that the disease and the medicine must be the same strength,
22
72972
2945
a betegség és a gyógyszer legyen egyenlő erősségű,
01:15
the medicine needs to be pure, and in the end we need
23
75917
2397
a gyógyszer legyen tiszta, s teszteljük végül embereken.
01:18
to test it in people. And so if you put together these themes
24
78314
3141
A humán vizsgálat leírásából
01:21
of a narrative or a hypothesis in human testing,
25
81455
4465
vagy hipotéziséből még akkor is
01:25
right, you get some beautiful results,
26
85920
2656
gyönyörű eredményekhez juthatunk,
01:28
even when we didn't have very good technologies.
27
88576
1442
ha nincs nagyon jó technológiánk.
01:30
This is a guy named Carlos Finlay. He had a hypothesis
28
90018
3062
Ez itt Carlos Finlay.
Úttörő jellegű hipotézise volt az 1800-as évek végén.
01:33
that was way outside the box for his time, in the late 1800s.
29
93080
2905
01:35
He thought yellow fever was not transmitted by dirty clothing.
30
95985
2848
Úgy gondolta, hogy a sárgalázat
nem koszos ruha, hanem szúnyog terjeszti.
01:38
He thought it was transmitted by mosquitos.
31
98833
2426
01:41
And they laughed at him. For 20 years, they called this guy
32
101259
2362
Kinevették. 20 éven át szúnyogos embernek csúfolták.
01:43
"the mosquito man." But he ran an experiment in people,
33
103621
3489
De embereken kísérletezett.
01:47
right? He had this hypothesis, and he tested it in people.
34
107110
3103
Hipotézisét embereken ellenőrizte.
01:50
So he got volunteers to go move to Cuba and live in tents
35
110213
4642
Önkénteseket rávett, hogy Kubába költözzenek, sátorban lakjanak,
01:54
and be voluntarily infected with yellow fever.
36
114855
3035
és vessék alá magukat sárgaláz-fertőzésnek.
01:57
So some of the people in some of the tents had dirty clothes
37
117890
3022
Voltak, akik piszkos ruhában éltek sátrukban,
02:00
and some of the people were in tents that were full
38
120912
1219
egyesek sátra teli volt
02:02
of mosquitos that had been exposed to yellow fever.
39
122131
2256
sárgalázzal fertőzött szúnyogokkal.
02:04
And it definitively proved that it wasn't this magic dust
40
124387
3401
Kétségtelenül bebizonyosodott, hogy nem a koszos ruhában lévő
02:07
called fomites in your clothes that caused yellow fever.
41
127788
3422
titokzatos por a fertőzéshordozó.
02:11
But it wasn't until we tested it in people that we actually knew.
42
131210
3376
De embereken végzett kísérlet előtt ezt nem tudtuk.
02:14
And this is what those people signed up for.
43
134586
1959
Alanyai erre szerződtek.
02:16
This is what it looked like to have yellow fever in Cuba
44
136545
3090
Akkoriban Kubában ezt jelentette a sárgaláz.
02:19
at that time. You suffered in a tent, in the heat, alone,
45
139635
4534
A hőségben egyedül szenvedtek tőle a sátorban,
02:24
and you probably died.
46
144169
2696
s nagy eséllyel belehaltak.
02:26
But people volunteered for this.
47
146865
3217
De azt önként vállalták.
02:30
And it's not just a cool example of a scientific design
48
150082
3311
Ez nemcsak jó példa rá, elvileg hogyan kell tudományos kísérletet tervezni.
02:33
of experiment in theory. They also did this beautiful thing.
49
153393
2913
Még egy remek dolgot tettek.
02:36
They signed this document, and it's called an informed consent document.
50
156306
3919
Az alanyokkal aláíratták az ún. informált beleegyezést.
02:40
And informed consent is an idea that we should be
51
160225
2513
Az informált beleegyezésre
02:42
very proud of as a society, right? It's something that
52
162738
2226
társadalmilag büszkék lehetünk, nem?
02:44
separates us from the Nazis at Nuremberg,
53
164964
2766
Ez különböztet meg minket a Nürnbergben elítélt náciknak
02:47
enforced medical experimentation. It's the idea
54
167730
2875
a foglyokra ráerőszakolt orvosi kísérleteitől.
Az elv: nem számít beleegyezésnek, ha nem értjük, mibe egyeztünk bele.
02:50
that agreement to join a study without understanding isn't agreement.
55
170605
3788
02:54
It's something that protects us from harm, from hucksters,
56
174393
4109
Ez véd meg bennünket az egészségünkkel kufárkodók okozta károktól,
02:58
from people that would try to hoodwink us into a clinical
57
178502
2853
oly személyektől, akik orrunknál fogva vezetve
03:01
study that we don't understand, or that we don't agree to.
58
181355
3752
számunkra érthetetlen vagy nem kívánt orvosi kísérletre akarnak rávenni.
03:05
And so you put together the thread of narrative hypothesis,
59
185107
4329
A megfogalmazott hipotézis,
03:09
experimentation in humans, and informed consent,
60
189436
2597
az emberen végzett kísérlet s az informált beleegyezés együttesét
03:12
and you get what we call clinical study, and it's how we do
61
192033
2665
nevezzük klinikai vizsgálatnak.
03:14
the vast majority of medical work. It doesn't really matter
62
194698
3015
Ma zömmel így működik az orvostudomány,
03:17
if you're in the north, the south, the east, the west.
63
197713
2342
a világ bármely pontján.
03:20
Clinical studies form the basis of how we investigate,
64
200055
4113
Klinikai vizsgálaton alapszik a tudományos kutatás.
03:24
so if we're going to look at a new drug, right,
65
204168
1859
Pl. új gyógyszert bevezetése előtt
03:26
we test it in people, we draw blood, we do experiments,
66
206027
2998
embereken vizsgáljuk, vért veszünk tőlük, kísérletet végzünk,
03:29
and we gain consent for that study, to make sure
67
209025
2329
megszerezzük beleegyezésüket,
03:31
that we're not screwing people over as part of it.
68
211354
2649
hogy biztosak legyenek benne: nem csapjuk be őket.
03:34
But the world is changing around the clinical study,
69
214003
3664
Ám a világ változik,
de a klinikai vizsgálatok évtizedeken
03:37
which has been fairly well established for tens of years
70
217667
3366
vagy tán 50-100 évig nem változnak.
03:41
if not 50 to 100 years.
71
221033
1900
03:42
So now we're able to gather data about our genomes,
72
222933
3051
Már gyűjthetünk adatokat genomjainkról,
03:45
but, as we saw earlier, our genomes aren't dispositive.
73
225984
2860
de ahogy korábban láttuk, genomjaink nem diszpozitívak.
03:48
We're able to gather information about our environment.
74
228844
2766
Információt gyűjthetünk környezetünkről,
03:51
And more importantly, we're able to gather information
75
231610
1910
sőt, gyűjthetünk Információt
03:53
about our choices, because it turns out that what we think of
76
233520
2840
preferenciáinkról, mert kiderült, hogy egészségünk
03:56
as our health is more like the interaction of our bodies,
77
236360
2720
több mint testünk, genomjaink, preferenciáink
03:59
our genomes, our choices and our environment.
78
239080
3649
és környezetünk kölcsönhatása.
04:02
And the clinical methods that we've got aren't very good
79
242729
2744
Jelenlegi klinikai módszereink nemigen jók a vizsgálatukra,
04:05
at studying that because they are based on the idea
80
245473
2632
mert személyek közti interakción alapszanak.
04:08
of person-to-person interaction. You interact
81
248105
1914
Kapcsolatba kerülünk orvosunkkal,
04:10
with your doctor and you get enrolled in the study.
82
250019
2095
bekapcsolódunk a kísérletbe.
04:12
So this is my grandfather. I actually never met him,
83
252114
2615
Ez a nagyapám. Sosem találkoztam vele.
04:14
but he's holding my mom, and his genes are in me, right?
84
254729
3795
Karjában tartja a mamámat; génjei megvannak bennem.
04:18
His choices ran through to me. He was a smoker,
85
258524
2891
Preferenciái eljutottak hozzám. Dohányzott, mint a legtöbben.
04:21
like most people were. This is my son.
86
261415
2584
04:23
So my grandfather's genes go all the way through to him,
87
263999
3442
Ő a fiam.
Nagyapám génjei eljutottak hozzá,
04:27
and my choices are going to affect his health.
88
267441
2552
s preferenciáim hatnak az egészségére.
04:29
The technology between these two pictures
89
269993
2694
A két kép közötti technológia jobban nem is különbözhetne,
04:32
cannot be more different, but the methodology
90
272687
3673
de a klinikai vizsgálatok módszertana
04:36
for clinical studies has not radically changed over that time period.
91
276360
4124
ez idő alatt nem változott gyökeresen.
04:40
We just have better statistics.
92
280484
2668
Csak a statisztikáink javultak.
04:43
The way we gain informed consent was formed in large part
93
283152
3452
Az informált beleegyezés jórészt a 2. világháború után alakult ki,
04:46
after World War II, around the time that picture was taken.
94
286604
2591
amikor a fénykép készült.
04:49
That was 70 years ago, and the way we gain informed consent,
95
289195
3934
Ez 70 éve volt, és az informált beleegyezés megszerzésének módja,
04:53
this tool that was created to protect us from harm,
96
293129
2877
eme eszköz, amely azért készül, hogy a károktól megóvjon,
04:56
now creates silos. So the data that we collect
97
296006
3666
tárolót képez.
A prosztatarákról vagy Alzheimer-kórról begyűjtött adatok
04:59
for prostate cancer or for Alzheimer's trials
98
299672
2726
05:02
goes into silos where it can only be used
99
302398
2615
tárolókba kerülnek,
ahol csupán az említett betegségek kutatásához használhatók.
05:05
for prostate cancer or for Alzheimer's research.
100
305013
3224
05:08
Right? It can't be networked. It can't be integrated.
101
308237
2894
Nem lehet terjeszteni, sem integrálni.
05:11
It cannot be used by people who aren't credentialed.
102
311131
3533
Nem használhatja, aki nincs rá fölhatalmazva.
05:14
So a physicist can't get access to it without filing paperwork.
103
314664
2953
Egyetlen fizikus sem férhet hozzá némi papírmunka nélkül.
05:17
A computer scientist can't get access to it without filing paperwork.
104
317617
3068
Egyetlen programozó sem férhet hozzá némi papírmunka nélkül.
05:20
Computer scientists aren't patient. They don't file paperwork.
105
320685
4143
A programozók türelmetlenek; utálják a papírmunkát.
05:24
And this is an accident. These are tools that we created
106
324828
3986
Ez szerencsétlen dolog.
Eszközeinket arra teremtettük, hogy a károktól,
05:28
to protect us from harm, but what they're doing
107
328814
3267
ne pedig az újításoktól óvjanak.
05:32
is protecting us from innovation now.
108
332081
2530
05:34
And that wasn't the goal. It wasn't the point. Right?
109
334611
3265
Ugye, nem ez volt a célunk?
05:37
It's a side effect, if you will, of a power we created
110
337876
2699
Ez mellékhatás.
Mondhatjuk, hogy saját javunkra hoztuk létre.
05:40
to take us for good.
111
340575
2359
05:42
And so if you think about it, the depressing thing is that
112
342934
3144
Szomorú, hogy a Facebook sosem változtat bármin,
05:46
Facebook would never make a change to something
113
346078
2133
ami olyan fontos lenne,
05:48
as important as an advertising algorithm
114
348211
2571
mint egy annyira kis mintanagyságú reklámalgoritmus,
05:50
with a sample size as small as a Phase III clinical trial.
115
350782
4411
mint egy III. fázisú klinikai vizsgálat.
05:55
We cannot take the information from past trials
116
355193
3662
Nem tudjuk a régi vizsgálatokból származó információt összetársítani,
05:58
and put them together to form statistically significant samples.
117
358855
4154
hogy statisztikailag szignifikáns mintához jussunk.
06:03
And that sucks, right? So 45 percent of men develop
118
363009
3484
Nagy kár! A férfiak 45%-ában bujkál a rák.
06:06
cancer. Thirty-eight percent of women develop cancer.
119
366493
3097
A nők 38%-ában bujkál a rák.
06:09
One in four men dies of cancer.
120
369590
2344
A férfiak negyede rákba hal bele.
06:11
One in five women dies of cancer, at least in the United States.
121
371934
3556
A nők ötöde rákba hal bele, legalábbis az USA-ban.
06:15
And three out of the four drugs we give you
122
375490
2228
A rákra rendelt gyógyszerek 3/4-e hatástalan.
06:17
if you get cancer fail. And this is personal to me.
123
377718
3513
Ez személyesen is érint.
06:21
My sister is a cancer survivor.
124
381231
1963
Nővérem ráktúlélő.
06:23
My mother-in-law is a cancer survivor. Cancer sucks.
125
383194
3589
Anyósom ráktúlélő. Megszívták.
06:26
And when you have it, you don't have a lot of privacy
126
386783
2190
A rákosoknak nincs intim szférájuk a kórházban.
06:28
in the hospital. You're naked the vast majority of the time.
127
388973
3487
Majdnem állandóan pucérak.
06:32
People you don't know come in and look at you and poke you and prod you,
128
392460
3695
Ismeretlenek nézegetnek minket, mutogatnak ránk, és döfködnek;
06:36
and when I tell cancer survivors that this tool we created
129
396155
3441
s ha ráktúlélőkkel közöljük, hogy épp a védelmükre kifejlesztett eszköz
06:39
to protect them is actually preventing their data from being used,
130
399596
3098
gátolja adataik hasznosítását, különösen akkor,
06:42
especially when only three to four percent of people
131
402694
2050
ha a rákbetegeknek csupán 3-4%-a kíván
06:44
who have cancer ever even sign up for a clinical study,
132
404744
2798
részt venni klinikai vizsgálatban,
06:47
their reaction is not, "Thank you, God, for protecting my privacy."
133
407542
3558
s reakciójuk nemleges: "Istennek hála, hogy védi a magánszférámat."
06:51
It's outrage
134
411100
2697
hanem felháborodás,
06:53
that we have this information and we can't use it.
135
413797
2125
hogy megvan az információ, de nem használjuk.
06:55
And it's an accident.
136
415922
2476
Szerencsétlen dolog.
06:58
So the cost in blood and treasure of this is enormous.
137
418398
3055
Emberi és anyagi költségei óriásiak.
07:01
Two hundred and twenty-six billion a year is spent on cancer in the United States.
138
421453
3655
Az USA-ban évente 226 milliárd dollárt költenek a rákra.
07:05
Fifteen hundred people a day die in the United States.
139
425108
3219
Az USA-ban naponta 1 500 ember hal bele.
07:08
And it's getting worse.
140
428327
2573
A helyzet csak romlik.
07:10
So the good news is that some things have changed,
141
430900
2982
A jó hír, hogy valami változott,
07:13
and the most important thing that's changed
142
433882
1553
és a legfontosabb változás,
07:15
is that we can now measure ourselves in ways
143
435435
2338
hogy ma már úgy mérhetjük magunkat,
07:17
that used to be the dominion of the health system.
144
437773
3058
ahogy korábban csak egészségügyi intézményekben tudták.
07:20
So a lot of people talk about it as digital exhaust.
145
440831
2158
Sokan digitális túlcsordulásként beszélnek róla.
07:22
I like to think of it as the dust that runs along behind my kid.
146
442989
3042
Én inkább gyerekem futása közben fölvert pornak gondolom.
07:26
We can reach back and grab that dust,
147
446031
2376
Hátranyúlva nyakon csíphetjük azt a port,
07:28
and we can learn a lot about health from it, so if our choices
148
448407
2414
sokat tanulhatunk belőle egészségünkről,
07:30
are part of our health, what we eat is a really important
149
450821
2680
hogy választásunk, pl. az étkezés, lényegesen hat egészségünkre.
07:33
aspect of our health. So you can do something very simple
150
453501
2689
Nagyon egyszerű a módszer:
07:36
and basic and take a picture of your food,
151
456190
1957
lefotózhatjuk táplálékunkat,
07:38
and if enough people do that, we can learn a lot about
152
458147
2884
s ha elég sok fénykép készül, rengeteget megtudhatunk róla,
07:41
how our food affects our health.
153
461031
1425
hogyan hat az étel egészségünkre.
07:42
One interesting thing that came out of this — this is an app for iPhones called The Eatery —
154
462456
4516
Érdekes, hogy a The Eatery nevű app szerint azt hisszük,
07:46
is that we think our pizza is significantly healthier
155
466972
2490
hogy az általunk evett pizza sokkal egészségesebb,
07:49
than other people's pizza is. Okay? (Laughter)
156
469462
3438
mint amit mások esznek. (Nevetés)
07:52
And it seems like a trivial result, but this is the sort of research
157
472900
3608
Ez eléggé csekély eredmény,
de az egészségügyi rendszer a kutatására korábban éveket
07:56
that used to take the health system years
158
476508
2314
07:58
and hundreds of thousands of dollars to accomplish.
159
478822
2293
és több száz ezer dollárt fordított.
08:01
It was done in five months by a startup company of a couple of people.
160
481115
3724
Most ezt egy startup cég pár embere öt hónap alatt megcsinálta.
08:04
I don't have any financial interest in it.
161
484839
2624
Pénzügyileg nem vagyok benne érdekelt.
08:07
But more nontrivially, we can get our genotypes done,
162
487463
2696
Sokkal lényegesebb, hogy elkészíttethetjük genotípusunkat,
08:10
and although our genotypes aren't dispositive, they give us clues.
163
490159
2818
s bár genotípusaink nem diszpozitívak, bennük a lényeg.
08:12
So I could show you mine. It's just A's, T's, C's and G's.
164
492977
2806
Megmutatom az enyémet. A-kból, T-kből, C-kből és G-kből áll.
08:15
This is the interpretation of it. As you can see,
165
495783
2232
Íme a kiértékelése.
Látható, hogy 32%-os esélyem van prosztatarákra,
08:18
I carry a 32 percent risk of prostate cancer,
166
498015
2600
08:20
22 percent risk of psoriasis and a 14 percent risk of Alzheimer's disease.
167
500615
4223
22%-os pikkelysömörre és 14%-os Alzheimer-kórra.
08:24
So that means, if you're a geneticist, you're freaking out,
168
504838
2607
Egy genetikus rögtön kiborulna:
08:27
going, "Oh my God, you told everyone you carry the ApoE E4 allele. What's wrong with you?"
169
507445
4034
"Te jó isten, maga mindenkinek elmondta, hogy ApoE E4 allélja van. Megőrült?"
08:31
Right? When I got these results, I started talking to doctors,
170
511479
3688
Amikor megkaptam az eredményt, beszéltem orvosokkal.
08:35
and they told me not to tell anyone, and my reaction is,
171
515167
2409
Azt tanácsolták, tartsam titokban. Megkérdeztem:
08:37
"Is that going to help anyone cure me when I get the disease?"
172
517576
3288
"Ha megbetegszem, ez segít majd a gyógyításomban?"
08:40
And no one could tell me yes.
173
520864
3064
Senki sem bólogatott.
08:43
And I live in a web world where, when you share things,
174
523928
2806
Webvilágban élünk, ahol ha megosztunk valamit,
08:46
beautiful stuff happens, not bad stuff.
175
526734
2710
nem rossz, hanem csodás dolgok történnek.
08:49
So I started putting this in my slide decks,
176
529444
1900
Kezdtem fölrakni bemutatóim közé,
08:51
and I got even more obnoxious, and I went to my doctor,
177
531344
2461
s vérszemet kapva elmentem az orvosomhoz:
08:53
and I said, "I'd like to actually get my bloodwork.
178
533805
1982
"Csináltassa meg a vérképem, és kérem a leletet."
08:55
Please give me back my data." So this is my most recent bloodwork.
179
535787
2790
Ez a legfrissebb leletem.
08:58
As you can see, I have high cholesterol.
180
538577
2369
Látható, hogy magas a koleszterinszintem,
09:00
I have particularly high bad cholesterol, and I have some
181
540946
2751
sok a rossz koleszterin. rossz a májfunkció,
09:03
bad liver numbers, but those are because we had a dinner party with a lot of good wine
182
543697
3003
de azért, mert a vizsgálat előtti este
09:06
the night before we ran the test. (Laughter)
183
546700
2709
vacsora közben jól beboroztunk. (Nevetés)
09:09
Right. But look at how non-computable this information is.
184
549409
4413
De ezt az információt igen nehéz földolgozni.
09:13
This is like the photograph of my granddad holding my mom
185
553822
2974
Az adatok szempontjából ez a mamámat tartó nagypapámra hasonlít:
09:16
from a data perspective, and I had to go into the system
186
556796
3599
be kell mennem a rendszerbe,
09:20
and get it out.
187
560395
2162
és onnan kinyernem.
09:22
So the thing that I'm proposing we do here
188
562557
3282
Amikor azt javaslom, hogy csípjük nyakon a port,
09:25
is that we reach behind us and we grab the dust,
189
565839
2416
ezen azt értem,
09:28
that we reach into our bodies and we grab the genotype,
190
568255
2978
hogy testünkből csípjük nyakon a genotípust,
09:31
and we reach into the medical system and we grab our records,
191
571233
2701
és az egészségügyi rendszerből nyerjük ki az adatainkat,
09:33
and we use it to build something together, which is a commons.
192
573934
3440
s használjuk valami közös adathalmaz összeállítására.
09:37
And there's been a lot of talk about commonses, right,
193
577374
3144
Sok szó esett a közös adathalmazról.
09:40
here, there, everywhere, right. A commons is nothing more
194
580518
2948
A közös adathalmaz nem más, mint közjó,
09:43
than a public good that we build out of private goods.
195
583466
2928
amelyet magánjavakból építünk.
09:46
We do it voluntarily, and we do it through standardized
196
586394
2769
Önkéntesen, szabványos jogi eszközökkel
09:49
legal tools. We do it through standardized technologies.
197
589163
2800
és szabványos technikával tesszük.
09:51
Right. That's all a commons is. It's something that we build
198
591963
3271
Ez mind közös adathalmaz.
Azért építjük össze, mert fontosnak tartjuk.
09:55
together because we think it's important.
199
595234
2520
09:57
And a commons of data is something that's really unique,
200
597754
2632
A közös adathalmaz valóban egyedi,
10:00
because we make it from our own data. And although
201
600386
2868
mert saját adatainkból építjük föl.
Bár sokan szeretik, ha személyes adataikra mindig rálátnak,
10:03
a lot of people like privacy as their methodology of control
202
603254
2287
10:05
around data, and obsess around privacy, at least
203
605541
2255
és megszállottak magánéletüket illetően,
10:07
some of us really like to share as a form of control,
204
607796
3048
legalább páran megosztanák adataikat.
10:10
and what's remarkable about digital commonses
205
610844
2353
A digitális közös adathalmaz érdekessége,
10:13
is you don't need a big percentage if your sample size is big enough
206
613197
3532
hogy nincs szükség sok alanyra, ha a mintanagyság elég nagy,
10:16
to generate something massive and beautiful.
207
616729
2511
hogy valami jelentős és szép jöjjön ki belőle.
10:19
So not that many programmers write free software,
208
619240
2558
Nem sokan írnak erre ingyen kódot,
10:21
but we have the Apache web server.
209
621798
2335
de itt az Apache webszerver.
10:24
Not that many people who read Wikipedia edit,
210
624133
2697
A Wikipédiát olvasók közül nem sokan szerkesztenek, de működik.
10:26
but it works. So as long as some people like to share
211
626830
4009
Amíg van, aki hajlandó megosztani a rá vonatkozó infót,
10:30
as their form of control, we can build a commons, as long as we can get the information out.
212
630839
3744
létrehozhatjuk az adathalmazt, ha kinyerhetjük az infót.
10:34
And in biology, the numbers are even better.
213
634583
2376
A biológiában a számok még kedvezőbbek.
10:36
So Vanderbilt ran a study asking people, we'd like to take
214
636959
2552
A Vanderbilt közvélemény-kutatása arra vonatkozott,
10:39
your biosamples, your blood, and share them in a biobank,
215
639511
3322
hogy vérképüket hányan hajlandók orvosi biobankban elhelyezni.
10:42
and only five percent of the people opted out.
216
642833
2372
Csak 5%-uk ellenezte.
10:45
I'm from Tennessee. It's not the most science-positive state
217
645205
3092
Tennessee-ből származom. Az állam nemigen koncentrál a tudományra.
10:48
in the United States of America. (Laughter)
218
648297
3039
(Nevetés)
10:51
But only five percent of the people wanted out.
219
651336
2378
De csak 5% akart kimaradni.
10:53
So people like to share, if you give them the opportunity and the choice.
220
653714
4023
Az emberek szeretnék megosztani adataikat, ha lehetőségük van rá.
10:57
And the reason that I got obsessed with this, besides the obvious family aspects,
221
657737
4483
Amiért a kérdés megszállottja vagyok a nyilvánvaló családi okokon kívül,
11:02
is that I spend a lot of time around mathematicians,
222
662220
3273
és sok időt töltök matematikusokkal;
11:05
and mathematicians are drawn to places where there's a lot of data
223
665493
2914
őket pedig az olyan helyek vonzzák, ahol sok az adat,
11:08
because they can use it to tease signals out of noise.
224
668407
2943
mert segítségükkel el tudják különíteni a jelet a zajtól.
11:11
And those correlations that they can tease out, they're not
225
671350
2968
E korrelációkban nem biztos, hogy kiderülnek az oksági tényezők,
11:14
necessarily causal agents, but math, in this day and age,
226
674318
3872
de manapság a matematika
11:18
is like a giant set of power tools
227
678190
2360
erős eszközök óriási készlete,
11:20
that we're leaving on the floor, not plugged in in health,
228
680550
3875
amelyet egészségügyi alkalmazás helyett parlagon hagyunk,
11:24
while we use hand saws.
229
684425
2312
s közben kőbaltát használunk.
11:26
If we have a lot of shared genotypes, and a lot of shared
230
686737
4438
Ha sok hozzáférhető genotípusunk,
hozzáférhető életmód-adatunk,
11:31
outcomes, and a lot of shared lifestyle choices,
231
691175
2748
hozzáférhető környezetvédelmi információnk van,
11:33
and a lot of shared environmental information, we can start
232
693923
2776
11:36
to tease out the correlations between subtle variations
233
696699
2896
elkezdhetjük az emberekben zajló apró változások,
11:39
in people, the choices they make and the health that they create as a result of those choices,
234
699595
5311
preferenciáik és egészségük közötti korreláció kimutatását,
11:44
and there's open-source infrastructure to do all of this.
235
704906
2486
s megvan hozzá a nyílt forráskódú infrastruktúránk.
11:47
Sage Bionetworks is a nonprofit that's built a giant math system
236
707392
3094
A Sage Bionetworks nonprofit kutatóbázis,
11:50
that's waiting for data, but there isn't any.
237
710486
4572
amelynek óriási matematikai rendszere adatokra vár, de hiába.
11:55
So that's what I do. I've actually started what we think is
238
715058
3888
Megszerveztem, szerintem, elsőként a világon
11:58
the world's first fully digital, fully self-contributed,
239
718946
3938
a teljesen digitális klinikai vizsgálatot, amely önbevalló, etikailag jóváhagyott,
12:02
unlimited in scope, global in participation, ethically approved
240
722884
5035
korlátlan befogadó képességű, globális részvételű,
12:07
clinical research study where you contribute the data.
241
727919
3655
amelybe bárki eljuttathatja adatait.
12:11
So if you reach behind yourself and you grab the dust,
242
731574
2206
Ha magunk mögül elcsípjük a port,
12:13
if you reach into your body and grab your genome,
243
733780
2626
ha testünkből elcsípjük a genomunkat,
12:16
if you reach into the medical system and somehow extract your medical record,
244
736406
3047
ha az egészségügyi rendszerből valahogy előhalásszuk adatainkat,
12:19
you can actually go through an online informed consent process --
245
739453
3323
internetes informált beleegyezési folyamaton átmenve –
12:22
because the donation to the commons must be voluntary
246
742776
2646
mert az adománynak önkéntesnek és informáltnak kell lennie –
12:25
and it must be informed -- and you can actually upload
247
745422
2793
feltölthetjük a ránk vonatkozó infót,
12:28
your information and have it syndicated to the
248
748215
2592
közölhetjük a matematikusokkal,
12:30
mathematicians who will do this sort of big data research,
249
750807
3096
akik elvégzik a big data kutatást.
12:33
and the goal is to get 100,000 in the first year
250
753903
2856
Célunk az első évben 100 000,
12:36
and a million in the first five years so that we have
251
756759
2358
az első öt évben egymillió,
hogy statisztikailag szignifikáns kategóriát kapjunk
12:39
a statistically significant cohort that you can use to take
252
759117
3834
12:42
smaller sample sizes from traditional research
253
762951
2422
a hagyományos kutatásoknál kisebb esetszám elérésére.
12:45
and map it against,
254
765373
1599
s összevethessük
12:46
so that you can use it to tease out those subtle correlations
255
766972
2922
és kimutathassuk a változatok közti apró korrelációkat,
12:49
between the variations that make us unique
256
769894
2529
amelyek egyedivé tesznek minket,
12:52
and the kinds of health that we need to move forward as a society.
257
772423
4024
s egészségi állapotunk között, amely a társadalmi haladáshoz szükséges.
12:56
And I've spent a lot of time around other commons.
258
776447
3024
Sok időt fordítottunk más adathalmazokra is.
12:59
I've been around the early web. I've been around
259
779471
2680
Ott voltam az internet kidolgozásánál,
13:02
the early creative commons world, and there's four things
260
782151
2608
s az első kreatív adathalmazoknál;
13:04
that all of these share, which is, they're all really simple.
261
784759
3354
négy közös tényezőjük van, mind egyszerűek.
13:08
And so if you were to go to the website and enroll in this study,
262
788113
2727
Ha rámegyünk a honlapra, és bejelentkezünk a kutatásba,
13:10
you're not going to see something complicated.
263
790840
2255
semmi bonyolultat nem látunk.
13:13
But it's not simplistic. These things are weak intentionally,
264
793095
5049
De nem a végletekig leegyszerűsített; ezek szándékosan gyengék,
13:18
right, because you can always add power and control to a system,
265
798144
3023
mert a rendszert pótlólag is lehet erősíteni és kontrollálni,
13:21
but it's very difficult to remove those things if you put them in at the beginning,
266
801167
3964
de eltávolítani őket elég bajos. ha kezdetben benne voltak a rendszerben.
13:25
and so being simple doesn't mean being simplistic,
267
805131
2545
Az egyszerűség nem jelent primitívséget.
13:27
and being weak doesn't mean weakness.
268
807676
2184
és a gyenge nem jelent gyengeséget.
13:29
Those are strengths in the system.
269
809860
2351
Ezek a rendszer erősségei.
13:32
And open doesn't mean that there's no money.
270
812211
2665
A nyitottság nem jelent pénztelenséget.
13:34
Closed systems, corporations, make a lot of money
271
814876
3020
A zárt rendszerek, cégek sokat keresnek
13:37
on the open web, and they're one of the reasons why the open web lives
272
817896
3539
a nyitott interneten, és az egyik ok, amiért a nyitott internet él,
13:41
is that corporations have a vested interest in the openness
273
821435
2827
hogy a cégek érdekeltek
a rendszer nyitottságában.
13:44
of the system.
274
824262
2334
13:46
And so all of these things are part of the clinical study that we've created,
275
826596
3794
Ezek mind tényezői a kidolgozott klinikai vizsgálatunknak.
13:50
so you can actually come in, all you have to be is 14 years old,
276
830390
3429
Bárki, aki 14 évesnél idősebb, csatlakozhat hozzá.
13:53
willing to sign a contract that says I'm not going to be a jerk,
277
833819
2027
szerződést köthet, amelyben benne van,
13:55
basically, and you're in.
278
835846
2665
hogy nem csinál hülyeséget, és kész.
13:58
You can start analyzing the data.
279
838511
1573
Kezdhetjük elemezni az adatokat.
14:00
You do have to solve a CAPTCHA as well. (Laughter)
280
840084
4159
De előbb meg kell oldaniuk a CAPTCHA-t. (Nevetés)
14:04
And if you'd like to build corporate structures on top of it,
281
844243
3581
Ha céges struktúrákat akarunk építeni, az is lehetséges.
14:07
that's okay too. That's all in the consent,
282
847824
3146
Benne van az informált beleegyezésben.
14:10
so if you don't like those terms, you don't come in.
283
850970
2564
Ha nem tetszenek a feltételek, ne vegyen részt.
14:13
It's very much the design principles of a commons
284
853534
3092
Az egészségi adatokhoz igyekszünk fölhasználni
14:16
that we're trying to bring to health data.
285
856626
2594
az adatfeldolgozás általános elveit.
14:19
And the other thing about these systems is that it only takes
286
859220
2979
E rendszerek másik jellemzője, hogy kialakításukban
14:22
a small number of really unreasonable people working together
287
862199
3179
minimális számú félnótás ember vesz részt.
14:25
to create them. It didn't take that many people
288
865378
3182
Nem kellenek sokan hozzá,
14:28
to make Wikipedia Wikipedia, or to keep it Wikipedia.
289
868560
3472
hogy a Wikipedia Wikipedia legyen, és az is maradjon.
14:32
And we're not supposed to be unreasonable in health,
290
872032
2068
Az egészséggel nem viccelődünk,
14:34
and so I hate this word "patient."
291
874100
2276
ezért utálom a páciens, azaz a türelmes szót.
14:36
I don't like being patient when systems are broken,
292
876376
3167
Nem szeretek türelmes lenni, amikor a rendszer
14:39
and health care is broken.
293
879543
2627
és az egészségügy le van robbanva.
14:42
I'm not talking about the politics of health care, I'm talking about the way we scientifically approach health care.
294
882170
4164
Nem egészségpolitikáról, hanem tudományos felfogásáról beszélek.
14:46
So I don't want to be patient. And the task I'm giving to you
295
886334
3270
Nem akarok türelmes lenni, és az önöknek szánt feladat sem az.
14:49
is to not be patient. So I'd like you to actually try,
296
889604
3046
Szeretném, ha hazatérve
14:52
when you go home, to get your data.
297
892650
2717
megpróbálnának utánanézni adataiknak.
14:55
You'll be shocked and offended and, I would bet, outraged,
298
895367
2717
Megdöbbennek, megsértődnek, s lefogadom, föl is háborodnak azon,
14:58
at how hard it is to get it.
299
898084
2876
milyen nehéz hozzájutniuk.
15:00
But it's a challenge that I hope you'll take,
300
900960
2619
De ez olyan feladat, amelyet – remélem – fölvállalnak,
15:03
and maybe you'll share it. Maybe you won't.
301
903579
2461
s talán megosztanak. Lehet, hogy nem.
15:06
If you don't have anyone in your family who's sick,
302
906040
1444
Ha családjukban nincs is beteg,
15:07
maybe you wouldn't be unreasonable. But if you do,
303
907484
2993
azért tán nem lesznek irracionálisak; de ha mégis,
vagy valaki most vagy volt beteg a családból, tán megteszik.
15:10
or if you've been sick, then maybe you would.
304
910477
2207
15:12
And we're going to be able to do an experiment in the next several months
305
912684
3088
A következő hónapokban kísérletet végezhetünk,
15:15
that lets us know exactly how many unreasonable people are out there.
306
915772
3157
amely megadja rá a választ, hány félnótást számlálhatunk
15:18
So this is the Athena Breast Health Network. It's a study
307
918929
2122
Ez az ATHENA Emlőegészségi Hálózat.
15:21
of 150,000 women in California, and they're going to
308
921051
3818
A kutatás 150 000 kaliforniai nőre terjed ki,
15:24
return all the data to the participants of the study
309
924869
2718
akik földolgozható formában visszaküldik adataikat a kutatóknak,
15:27
in a computable form, with one-clickability to load it into
310
927587
3146
hogy egy kattintással betölthessék őket a rendszerembe.
15:30
the study that I've put together. So we'll know exactly
311
930733
2616
Úgyhogy pontosan tudni fogjuk
15:33
how many people are willing to be unreasonable.
312
933349
2304
a félnótásak számát.
15:35
So what I'd end [with] is,
313
935653
2384
Zárszóul: a legszebb, amire rájöttem azóta,
15:38
the most beautiful thing I've learned since I quit my job
314
938037
3320
hogy majd egy éve kiléptem a munkából,
15:41
almost a year ago to do this, is that it really doesn't take
315
941357
3383
hogy e projekttel foglalkozzam:
nem kellenek sokan látványos eredmények eléréséhez.
15:44
very many of us to achieve spectacular results.
316
944740
3808
15:48
You just have to be willing to be unreasonable,
317
948548
2712
Csak akarni kell, hogy félnótásak legyünk,
15:51
and the risk we're running is not the risk those 14 men
318
951260
2331
s a bennünket fenyegető kockázat nem mérhető össze
15:53
who got yellow fever ran. Right?
319
953591
1868
a sárgalázat kapott 14 emberével.
15:55
It's to be naked, digitally, in public. So you know more
320
955459
2861
Ez digitális nyilvános meztelenség, úgyhogy többet tudnak rólam
15:58
about me and my health than I know about you. It's asymmetric now.
321
958320
3433
s egészségemről, mint én önökről; ma ez aszimmetrikus.
16:01
And being naked and alone can be terrifying.
322
961753
3630
Magányosan pucérnak lenni talán ijesztő.
16:05
But to be naked in a group, voluntarily, can be quite beautiful.
323
965383
4467
De csoportban, önkéntesen pucérnak lenni eléggé jó lehet.
16:09
And so it doesn't take all of us.
324
969850
1888
Nem kell mindenkinek részt vennie,
16:11
It just takes all of some of us. Thank you.
325
971738
3006
elég, ha csak néhányunk.
16:14
(Applause)
326
974744
5590
Köszönöm. (Taps)
Erről a weboldalról

Ez az oldal olyan YouTube-videókat mutat be, amelyek hasznosak az angol nyelvtanuláshoz. A világ minden tájáról származó, kiváló tanárok által tartott angol leckéket láthatsz. Az egyes videók oldalán megjelenő angol feliratokra duplán kattintva onnan játszhatja le a videót. A feliratok a videó lejátszásával szinkronban gördülnek. Ha bármilyen észrevétele vagy kérése van, kérjük, lépjen kapcsolatba velünk ezen a kapcsolatfelvételi űrlapon.

https://forms.gle/WvT1wiN1qDtmnspy7