What really happens when you mix medications? | Russ Altman

Fordító: Péter Pallós Lektor: Zsuzsanna Lőrincz

So you go to the doctor and get some tests.

Felkeressük az orvosunkat, s ő néhány laborvizsgálatot végez.

The doctor determines that you have high cholesterol

Megállapítja, hogy magas a koleszterinszintünk.

and you would benefit from medication to treat it.

Jó lenne, ha erre gyógyszert szednénk.

So you get a pillbox.

Gyógyszert ír föl rá.

You have some confidence,

Bízunk benne,

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

s orvosunk is bízik benne, hogy hatni fog.

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

A gyógyszerfejlesztő a kísérletei eredményét beadta az engedélyező szervnek.

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

A szerv alaposan tanulmányozta őket, majd megadta az engedélyt.

They have a rough idea of how it works,

Nagyjából ismerik a szer hatásmechanizmusát,

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

kb. ismertek a mellékhatások.

It should be OK.

Jónak kell lennie.

You have a little more of a conversation with your physician

Egy kicsit még beszélgetünk az orvossal,

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

a doki egy kicsit ideges, látja. hogy le vagyok törve,

haven't felt like yourself,

pocsékul érzem magam,

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

nem tudok úgy örülni az élet dolgainak, ahogy szoktam.

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

"Azt hiszem, maga egy kissé levert – mondja a doki –

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

arra adok egy másik tablettát."

So now we're talking about two medications.

Úgyhogy most már két gyógyszerről van szó.

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

E milliók által szedett gyógyszerre is elvégezték a kísérleteket,

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

a hatóság engedélyezte – minden rendben.

Think things should go OK.

Ezzel rendben lesz.

Think things should go OK.

Ezzel is rendben lesz.

Well, wait a minute.

De várjunk csak!

How much have we studied these two together?

Mennyit vizsgálták a két szert együtt?

Well, it's very hard to do that.

Nos, ezt elég nehéz elvégezni.

In fact, it's not traditionally done.

Az a helyzet, hogy nem szokták.

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

Teljesen az ún. "forgalomba hozatalt követő vizsgálat"-tól függünk

after the drugs hit the market.

a gyógyszerek piacra kerülése után.

How can we figure out if bad things are happening

Hogyan deríthetjük ki, ha két szer

between two medications?

károsan hat egymásra?

Three? Five? Seven?

És ha három? Öt? Hét?

Ask your favorite person who has several diagnoses

Kérdezzék meg több betegségben szenvedő

how many medications they're on.

jó ismerősüket, hányfélét szed.

Why do I care about this problem?

Miért foglalkoztat ez a kérdés?

I care about it deeply.

Nagyon is foglalkoztat.

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

Informatikus és adattudós vagyok, és véleményem szerint

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

az egyetlen reményünk, hogy megértsük a kölcsönhatásokat,

is to leverage lots of different sources of data

ha kihasználjuk a különféle adatforrásokat

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

annak eldöntésére, mikor szedhetők biztonsággal egyes gyógyszerek együtt,

and when it's not so safe.

és mikor nem biztonságos.

So let me tell you a data science story.

Íme egy adatokkal kapcsolatos történet.

And it begins with my student Nick.

Nickkel, tanítványommal kezdődik.

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

Nevezzük Nicknek, mivel úgy hívják.

(Laughter)

(Nevetés)

Nick was a young student.

"Nick – szóltam

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

ifjú diákomhoz –, meg kellene értenünk a gyógyszerek hatását:

and how they work together and how they work separately,

hogyan hatnak együtt, külön-külön.

and we don't have a great understanding.

Nem sokat tudunk róla."

But the FDA has made available an amazing database.

De elérhetjük a hatóság, az FDA óriási adatbázisát,

It's a database of adverse events.

ami a kedvezőtlen hatásokról szól.

They literally put on the web --

Gyakorlatilag a weben van,

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

bárkinek hozzáférhető, letölthető róla

hundreds of thousands of adverse event reports

kedvezőtlen hatásokról szóló százezernyi jelentés,

from patients, doctors, companies, pharmacists.

ami betegektől, orvosoktól, cégektől és gyógyszerészektől jött.

And these reports are pretty simple:

Nagyon egyszerű jelentések:

it has all the diseases that the patient has,

felsorolják, mi bajuk a betegeknek,

all the drugs that they're on,

milyen gyógyszereket szednek,

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

minden tapasztalt kedvezőtlen vagy mellékhatást.

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

Nem minden kedvezőtlen hatás fordul elő ma az USA-ban,

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

de vagy százezernyi orvosságról írnak.

So I said to Nick,

Azt mondtam Nicknek:

"Let's think about glucose.

"Nézzük meg a glükózt, a szőlőcukrot!

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

A glükóz nagyon fontos, és tudjuk róla, hogy köze van a cukorbetegséghez.

Let's see if we can understand glucose response.

Nézzük meg, megérthetjük-e a szőlőcukor reakcióját!"

I sent Nick off. Nick came back.

Nick elment, aztán visszajött.

"Russ," he said,

"Russ, – mondta –

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

egy mellékhatás alapján osztályozó rendszert állítottam össze,

based on looking at this database,

amely az adatbázist használva kimutatja,

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

hogy egy orvosságtól megváltozik-e a vércukorszint."

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

Megcsinálta. Elég egyszerű volt.

He took all the drugs that were known to change glucose

Csoportosította a gyógyszereket aszerint,

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

hogy megváltoztatják-e a vércukorszintet vagy sem,

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

és föltette a kérdést: "Miben különböznek a mellékhatásaik?

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

Kimerültség? Étvágy? Vizelési szokások?"

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

E tényezők révén Nick tényleg jó jelzőrendszert hozott létre.

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

"Russ, 93%-os pontossággal előre tudom jelezni,

when a drug will change glucose."

hogy a szer módosítja-e a cukrot."

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

"Nick, ez pompás!" – így én.

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

Zöldfülű diák, erősítsük csak az önbizalmát!

"But Nick, there's a problem.

"De Nick, az a bibi,

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

hogy minden orvos ismeri a vércukorszintet befolyásoló szereket,

because it's core to our practice.

mert ez szakmai kétszerkettő.

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

Amit csináltál jó, de nem lőnek vele nyulat,

definitely not publishable."

és biztosan nem publikálható."

(Laughter)

(Nevetés)

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

"Russ, tudom, sejtettem, hogy ezt mondod" – felelte.

Nick is smart.

Nick éles eszű.

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

"Sejtettem, hogy ezt mondod, így másik kutatást is végeztem.

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

Az adatbázisban megnéztem azokat, akik két gyógyszert szednek,

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

és kerestem a vércukorszintjük változására utaló jeleket

for people taking two drugs,

arra az esetre,

where each drug alone did not change glucose,

amikor egy-egy gyógyszer nem hatott a vércukorszintre,

but together I saw a strong signal."

de kettő már igen.

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

"Okos vagy, jó ötlet! Nézzük, mire jutottál!" – mondtam.

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

A listán egy csomó érdektelen gyógyszer van.

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

De a listán két orvosság ötlött a szemembe:

paroxetine, or Paxil, an antidepressant;

a paroxetin, egy antidepresszáns,

and pravastatin, or Pravachol, a cholesterol medication.

és a pravasztatin, egy koleszteringyógyszer.

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

Megjegyeztem: "Hűha, ezt a két szert több millió amerikai szedi."

In fact, we learned later,

Később megtudtuk,

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

hogy jelenleg 15-15 millióan szedik a paroxetint, illetve a pravasztatint,

and a million, we estimated, on both.

és sejthetően egymillióan mindkettőt.

So that's a million people

Tehát egymilliónyinak

who might be having some problems with their glucose

lehet baja a vércukrával,

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

ha ezt a hatósági adatbázisból gépi tanulás csiribirijével kinyert

actually holds up.

eredmények alátámasztják.

De azt mondtam: "Ez még nem publikálható,

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

because I love what you did with the mumbo jumbo,

mert bár tetszik, amit hókuszpókuszoltál

with the machine learning,

a gépi tanulással,

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

de ez nem megdönthetetlen bizonyíték."

So we have to do something else.

Valami mást kell csinálnunk.

Let's go into the Stanford electronic medical record.

Menjünk bele a Stanford elektronikus orvosi feljegyzéseibe.

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

Megvan nekünk, kutatásra megfelel,

we removed identifying information.

és kiszedtük belőle az információt.

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

"Nézzük meg, hogy a mindkét gyógyszert szedőknek

have problems with their glucose."

van-e bajuk a cukrukkal" – mondtam.

Now there are thousands and thousands of people

Több ezer beteg van

in the Stanford medical records that take paroxetine and pravastatin.

a Stanford adatbázisában, akik paroxetint és pravasztatint szednek.

But we needed special patients.

De nem minden páciens volt érdekes.

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

Olyanok kellettek, akik az egyiket szedték, és mérték a vércukrukat,

then got the second one and had another glucose measurement,

majd a másikat is kezdték szedni, és akkor is mérték a vércukrukat,

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

mindezt ésszerű időintervallumon, mondjuk két hónapon belül.

And when we did that, we found 10 patients.

10 ilyen beteget találtunk.

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

A 10 közül nyolc betegnek megnőtt a vércukorszintje,

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

amikor szedni kezdte a másik P nevű szert,

when they got the second P.

– ezt hívjuk P + P-nek.

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

Mindegy melyikkel kezdi, s mikor hozzáveszi a másikat,

glucose went up 20 milligrams per deciliter.

a vércukor 20 mg/dl értékkel fölszökik.

Just as a reminder,

Csak emlékeztetőül:

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

aki nem cukorbeteg, vidáman sétálgat

with a glucose of around 90.

kb. 90-es vércukorszinttel.

And if it gets up to 120, 125,

De ha 120-125-re felszökik, orvosa

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

már cukorbetegséget gyanít.

So a 20 bump -- pretty significant.

Úgyhogy a 20-as növekedés jelentős.

I said, "Nick, this is very cool.

"Nick – mondtam –, ez frankó,

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

de ne haragudj, ez kevés a cikkhez,

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

mert 10 beteg, ne is akard bemesélni,

it's not enough patients."

mintának 10 beteg kevés."

So we said, what can we do?

Akkor most mit tegyünk?

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

Jó, hívjuk föl barátainkat a Harvardon és a Vanderbilten,

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

a Harvardnak Bostonban és Vanderbiltnek Nashville-ben

who also have electronic medical records similar to ours.

is van a miénkhez hasonló elektronikus orvosi adatbázisa.

Let's see if they can find similar patients

Találnak-e hasonló betegeket

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

az egyik és a másik P-vel és mért vércukorszinttel

in that range that we need.

a nekünk kellő intervallumban.

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

Az Isten áldja meg őket, a Vanderbilt egy hét alatt talált 40 ilyen beteget.

same trend.

A szabályszerűség azonos.

Harvard found 100 patients, same trend.

A Harvard 100 ilyet talált, a szabályszerűség ugyanaz.

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

Végül a három egészségügyi intézményből volt 150 betegünk,

that were telling us that patients getting these two drugs

akik alátámasztották, hogy a két gyógyszert szedők

were having their glucose bump somewhat significantly.

vércukorszintje szignifikánsan felszökött.

More interestingly, we had left out diabetics,

Kihagytuk a cukorbetegeket,

because diabetics already have messed up glucose.

mert az ő cukruk már eleve nincs rendben.

When we looked at the glucose of diabetics,

Mikor a vércukrukat figyeltük,

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

nem 20, hanem 60 mg/dl-rel ugrott meg.

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

Nagy fogás volt, és a közzététel mellett döntöttünk.

We submitted the paper.

Benyújtottuk a cikket

It was all data evidence,

a bizonyító adatokkal,

data from the FDA, data from Stanford,

adatok a hatóságtól, a Stanford adatai,

data from Vanderbilt, data from Harvard.

a Vanderbilt és a Harvard adatai.

We had not done a single real experiment.

Egyetlen árva kísérletet sem végeztünk.

But we were nervous.

De idegesek voltunk,

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

ezért miközben a cikk lektoráláson volt, Nick bement a laborba.

We found somebody who knew about lab stuff.

Találtunk valakit, aki értett a labormunkához.

I don't do that.

Én nem.

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

Betegeket ápolok, de pipettákhoz nem értek.

They taught us how to feed mice drugs.

Kitanítottak minket, hogyan kell gyógyszerezni az egereket.

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

Adtunk az egereknek paroxetint.

We gave some other mice pravastatin.

Más egereknek meg pravasztatint.

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

A harmadik egércsoportnak mindkettőt.

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

És lám, az egerek vércukra decinként

in the mice.

20-60 mg-mal fölment.

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

Az egyedül informatikai bizonyítékon alapuló cikkünket elfogadták,

but we added a little note at the end,

de rövid megjegyzést fűztünk hozzá,

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

miszerint ha ezt adjuk az egereknek, a vércukruk fölmegy.

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

Ez pompás volt, és a mesém itt véget is érhetne.

But I still have six and a half minutes.

De még van hat és fél percem.

(Laughter)

(Nevetés)

So we were sitting around thinking about all of this,

Csak ültünk, és ezeken filóztunk,

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

nem tudom, melyikünknek jutott eszébe:

"I wonder if patients who are taking these two drugs

"Vajon akik mindkét gyógyszert szedik,

are noticing side effects of hyperglycemia.

észreveszik-e a magas vércukorszint mellékhatásait?

They could and they should.

Észrevehetik és kellene is.

How would we ever determine that?"

Hogyan határozhatnánk meg?"

We said, well, what do you do?

Mit szoktunk tenni?

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

Kapunk egy-két új gyógyszert,

and you get a funny feeling.

aztán fura érzésünk támad.

What do you do?

Mit szoktunk tenni?

You go to Google

Guglizunk, beírjuk

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

a két új gyógyszer nevét, vagy az egyikét

and you type in "side effects."

azzal, hogy "mellékhatás".

What are you experiencing?

Mit tapasztalunk?

So we said OK,

Jó, akkor kérjük el

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

a Google-tól a keresések napló-fájljait,

so that we can look at the search logs

hogy végignézhessük őket:

and see if patients are doing these kinds of searches.

vajon a betegek keresnek-e ilyen infót?

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

Sajnos, a Google nem volt készséges.

So I was bummed.

Elkenődtem.

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

Vacsoráztunk egy Microsoft Researchnél dolgozó munkatársammal.

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

"Meg kéne csinálni a kutatást, a Google

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

nemet mondott, le vagyok törve."

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

Erre ő: "Ott a Bing keresőnk."

(Laughter)

(Nevetés)

Yeah.

Eeegen.

That's great.

Ez nagyszerű.

Now I felt like I was --

Úgy éreztem magam...

(Laughter)

(Nevetés)

I felt like I was talking to Nick again.

... mintha megint Nickkel beszélnék.

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

A világ egyik legnagyobb cégénél dolgozik,

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

és én már épp készültem leápolni,

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

de ő így szólt: "Russ, bizonyára félreértesz.

We not only have Bing searches,

Nemcsak a Bing keresőnk van,

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

de az Internet Explorer látja, amit Google-lal,

Yahoo, Bing, any ...

Yahooval, Binggel, bármivel keresnek.

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

Másfél évig tároljuk azokat az adatokat, kizárólag kutatási célból."

I said, "Now you're talking!"

Erre azt mondtam: "Ez már döfi!"

This was Eric Horvitz, my friend at Microsoft.

A fiú Eric Horvitz volt, a microsoftos cimbim.

So we did a study

Megcsináltuk a kutatást,

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

kiválasztottunk 50 szót, amit egy átlagos személy begépel,

if they're having hyperglycemia,

ha magas a vércukorszintje,

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

pl. kimerültség, étvágytalanság, gyakori vizelés, már elnézést,

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

de ilyeneket szoktak beírni.

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

50 kifejezést, ún. cukorbaj szavakat találtunk.

And we did first a baseline.

Először meghatároztuk a bázist.

And it turns out that about .5 to one percent

Kiderült, hogy az internetes keresések 0,5–1%-ában

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

e szavak egyike fordul elő.

So that's our baseline rate.

Ez a mi százalékos arányunk.

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

Ha valaki beírja a paroxetint vagy a Paxilt – ezek szinonimák –

and one of those words,

valamelyiket közülük,

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

az arány a cukorbaj szavak 2%-áig megy föl,

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

ha már tudjuk, hogy létezik a paroxetin szó.

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

A pravasztatin esetén az arány a bázishoz képest 3%-kal nő.

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

Ha mindkét szóra egyszerre rákerestek,

it goes up to 10 percent,

az arány 10%-kal nőtt,

a huge three- to four-fold increase

ez jó 3-4-szeres növekedés

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

a bennünket érdeklő két gyógyszerre történt rákereséseknél

and diabetes-type words or hyperglycemia-type words.

és a cukorbaj szavaknál vagy a magas vércukor típusú szavaknál.

We published this,

Publikáltuk az eredményeket,

and it got some attention.

és némi figyelmet keltettek.

The reason it deserves attention

Azért érdemelnek figyelmet,

is that patients are telling us their side effects indirectly

mert a betegek közvetve, keresésükkel adják meg

through their searches.

a mellékhatásokat.

We brought this to the attention of the FDA.

Felhívtuk rá a hatóság figyelmét,

They were interested.

érdekelte őket.

They have set up social media surveillance programs

Indítottak egy közösségimédia-figyelő programot

to collaborate with Microsoft,

a Microsofttal együttműködve,

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

amelynek megvolt az infrastruktúrája,

to look at Twitter feeds,

hogy rálásson a Twitterre,

to look at Facebook feeds,

a Facebookra,

to look at search logs,

a keresések naplófájljaira,

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

s így korán rábukkanjon, ha egy gyógyszer akár magában vagy másikkal együtt

are causing problems.

bajt okoz.

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

Mi szűrhető le ebből? Miért mondom ezt el?

Well, first of all,

Először, mert a big data

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

és a közepes méretű adat azt ígéri,

to help us understand drug interactions

hogy segítségével megérthetjük a gyógyszerek kölcsönhatását

and really, fundamentally, drug actions.

és a gyógyszerek alapvető hatásmechanizmusát.

How do drugs work?

Hogyan hatnak az orvosságok?

This will create and has created a new ecosystem

Ez új ökorendszert hoz létre, de már létre is hozott

for understanding how drugs work and to optimize their use.

a gyógyszerek hatásának megértéséhez s alkalmazásuk optimalizálásához.

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

Nick folytatta: most tanár a Columbián.

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

PhD-jában több száz gyógyszerpárt vizsgált.

He found several very important interactions,

Több nagyon lényeges kölcsönhatást talált,

and so we replicated this

vizsgálatait ismételtük.

and we showed that this is a way that really works

Kimutattuk, hogy ez a módszer hatékony

for finding drug-drug interactions.

a gyógyszerek kölcsönhatásának kimutatására.

However, there's a couple of things.

De ez még nem minden.

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

A módszer nemcsak gyógyszerpárokra alkalmazható.

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

Már mondtam, hogy egyes betegek 3, 5, 7, 9 féle gyógyszer szednek.

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

Kutatta-e valaki a 9 gyógyszer kölcsönhatását?

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

Párosával megy: A+B, A+C, A+D,

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

de mi a helyzet az A, B, C, D, E, F, G együttese esetén,

being taken by the same patient,

ha a beteg mindegyiket szedi?

perhaps interacting with each other

Talán úgy lépnek kölcsönhatásra egymással,

in ways that either makes them more effective or less effective

hogy egymás hatását erősítik vagy gyengítik,

or causes side effects that are unexpected?

vagy nem várt mellékhatásokat okoznak?

We really have no idea.

Fogalmunk sincs.

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

Egyelőre fehér folt, amelyet adatok segítségével föltárhatunk,

to try to understand the interaction of drugs.

hogy a gyógyszerek kölcsönhatását megértsük.

Two more lessons:

Még két tanulság.

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

Gondoljanak bele, micsoda energia keletkezett a betegek adataiból,

with the data from people who had volunteered their adverse reactions

akik önként közölték panaszaikat

through their pharmacists, through themselves, through their doctors,

patikusukon, orvosukon keresztül vagy közvetlenül,

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

azokból, akik a Stanfordon, Harvardon, Vanderbilten kutatási célból

to be used for research.

átengedték az adatbázisukat.

People are worried about data.

Az emberek idegesek adataik miatt.

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

Féltik a magánéletüket, a biztonságukat, – és jól is teszik.

We need secure systems.

Biztonságos rendszerek kellenek.

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

De nem olyanok, amelyek kizárják az adatokat,

because it is too rich of a source

mert ezek gazdag forrást képeznek

of inspiration, innovation and discovery

az orvoslás új gondolataihoz, újításaihoz

for new things in medicine.

és fölfedezéseihez.

And the final thing I want to say is,

Végezetül hangsúlyozom,

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

hogy mi két szert találtunk, s ez csak e szomorú történet egy szelete.

The two drugs actually caused problems.

A két gyógyszer bajt okozott,

They increased glucose.

növelték a vércukrot.

They could throw somebody into diabetes

Cukorbetegséget okozhatnak valakinél,

who would otherwise not be in diabetes,

aki különben nem kapná el a cukorbajt.

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

Szeretnénk nagyon óvatosan szedni együtt a két gyógyszert,

perhaps not together,

vagy együtt talán nem,

make different choices when you're prescribing.

dönteni szeretnénk, ha már fölírják őket.

But there was another possibility.

Ám volt más lehetőségünk is.

We could have found two drugs or three drugs

Találhattunk volna 2-3 gyógyszert,

that were interacting in a beneficial way.

amelyek előnyösen hatnak egymásra.

We could have found new effects of drugs

Találhattunk volna új gyógyhatásokat,

that neither of them has alone,

amelyet külön-külön egyikük sem mutat föl,

but together, instead of causing a side effect,

de együttesen, mellékhatások helyett,

they could be a new and novel treatment

új, szokatlan gyógymódot nyújthatnak

for diseases that don't have treatments

a kezelhetetlen betegségekre,

or where the treatments are not effective.

vagy azokra, amiknél a kezelés hatástalan.

If we think about drug treatment today,

Ha a gyógyszeres kezeléseket nézzük,

all the major breakthroughs --

minden nagy áttörés,

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

pl. a HIV, TBC, depresszió, cukorbaj,

it's always a cocktail of drugs.

gyógyszerek kombinációjával történik.

And so the upside here,

A módszer ígéretes,

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

és a különböző TED előadások tárgya az,

is how can we use the same data sources

hogy miként használhatjuk ki az adatforrásokat arra,

to find good effects of drugs in combination

hogy jó hatásokat találjunk orvosságok kombinálásakor,

that will provide us new treatments,

és ez új kezelésekhez vezet,

new insights into how drugs work

jobban megértjük a gyógyszerek hatását,

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

és így még jobban kezelhetjük betegeinket.

Thank you very much.

Köszönöm szépen.

(Applause)

(Taps)