What really happens when you mix medications? | Russ Altman

188,264 views ・ 2016-03-23

TED


A videó lejátszásához kattintson duplán az alábbi angol feliratokra.

Fordító: Péter Pallós Lektor: Zsuzsanna Lőrincz
00:12
So you go to the doctor and get some tests.
0
12811
3321
Felkeressük az orvosunkat, s ő néhány laborvizsgálatot végez.
00:16
The doctor determines that you have high cholesterol
1
16674
2620
Megállapítja, hogy magas a koleszterinszintünk.
00:19
and you would benefit from medication to treat it.
2
19318
3171
Jó lenne, ha erre gyógyszert szednénk.
00:22
So you get a pillbox.
3
22981
1556
Gyógyszert ír föl rá.
00:25
You have some confidence,
4
25505
1199
Bízunk benne,
00:26
your physician has some confidence that this is going to work.
5
26728
2937
s orvosunk is bízik benne, hogy hatni fog.
00:29
The company that invented it did a lot of studies, submitted it to the FDA.
6
29689
3553
A gyógyszerfejlesztő a kísérletei eredményét beadta az engedélyező szervnek.
00:33
They studied it very carefully, skeptically, they approved it.
7
33266
3107
A szerv alaposan tanulmányozta őket, majd megadta az engedélyt.
00:36
They have a rough idea of how it works,
8
36397
1889
Nagyjából ismerik a szer hatásmechanizmusát,
00:38
they have a rough idea of what the side effects are.
9
38310
2453
kb. ismertek a mellékhatások.
00:40
It should be OK.
10
40787
1150
Jónak kell lennie.
00:42
You have a little more of a conversation with your physician
11
42864
2818
Egy kicsit még beszélgetünk az orvossal,
00:45
and the physician is a little worried because you've been blue,
12
45706
2963
a doki egy kicsit ideges, látja. hogy le vagyok törve,
00:48
haven't felt like yourself,
13
48693
1293
pocsékul érzem magam,
00:50
you haven't been able to enjoy things in life quite as much as you usually do.
14
50010
3731
nem tudok úgy örülni az élet dolgainak, ahogy szoktam.
00:53
Your physician says, "You know, I think you have some depression.
15
53765
3186
"Azt hiszem, maga egy kissé levert – mondja a doki –
00:57
I'm going to have to give you another pill."
16
57792
2315
arra adok egy másik tablettát."
01:00
So now we're talking about two medications.
17
60934
2483
Úgyhogy most már két gyógyszerről van szó.
01:03
This pill also -- millions of people have taken it,
18
63441
3104
E milliók által szedett gyógyszerre is elvégezték a kísérleteket,
01:06
the company did studies, the FDA looked at it -- all good.
19
66569
3631
a hatóság engedélyezte – minden rendben.
01:10
Think things should go OK.
20
70823
2057
Ezzel rendben lesz.
01:12
Think things should go OK.
21
72904
2197
Ezzel is rendben lesz.
01:15
Well, wait a minute.
22
75125
1439
De várjunk csak!
01:16
How much have we studied these two together?
23
76588
3517
Mennyit vizsgálták a két szert együtt?
01:20
Well, it's very hard to do that.
24
80630
2300
Nos, ezt elég nehéz elvégezni.
01:22
In fact, it's not traditionally done.
25
82954
2130
Az a helyzet, hogy nem szokták.
01:25
We totally depend on what we call "post-marketing surveillance,"
26
85108
5518
Teljesen az ún. "forgalomba hozatalt követő vizsgálat"-tól függünk
01:30
after the drugs hit the market.
27
90650
1880
a gyógyszerek piacra kerülése után.
01:32
How can we figure out if bad things are happening
28
92996
2848
Hogyan deríthetjük ki, ha két szer
01:35
between two medications?
29
95868
1357
károsan hat egymásra?
01:37
Three? Five? Seven?
30
97249
2030
És ha három? Öt? Hét?
01:39
Ask your favorite person who has several diagnoses
31
99708
2415
Kérdezzék meg több betegségben szenvedő
01:42
how many medications they're on.
32
102147
1834
jó ismerősüket, hányfélét szed.
01:44
Why do I care about this problem?
33
104530
1580
Miért foglalkoztat ez a kérdés?
01:46
I care about it deeply.
34
106134
1157
Nagyon is foglalkoztat.
01:47
I'm an informatics and data science guy and really, in my opinion,
35
107315
4304
Informatikus és adattudós vagyok, és véleményem szerint
01:51
the only hope -- only hope -- to understand these interactions
36
111643
3745
az egyetlen reményünk, hogy megértsük a kölcsönhatásokat,
01:55
is to leverage lots of different sources of data
37
115412
3056
ha kihasználjuk a különféle adatforrásokat
01:58
in order to figure out when drugs can be used together safely
38
118492
3556
annak eldöntésére, mikor szedhetők biztonsággal egyes gyógyszerek együtt,
02:02
and when it's not so safe.
39
122072
1777
és mikor nem biztonságos.
02:04
So let me tell you a data science story.
40
124615
2051
Íme egy adatokkal kapcsolatos történet.
02:06
And it begins with my student Nick.
41
126690
2154
Nickkel, tanítványommal kezdődik.
02:08
Let's call him "Nick," because that's his name.
42
128868
2380
Nevezzük Nicknek, mivel úgy hívják.
02:11
(Laughter)
43
131272
1592
(Nevetés)
02:12
Nick was a young student.
44
132888
1201
"Nick – szóltam
02:14
I said, "You know, Nick, we have to understand how drugs work
45
134113
3079
ifjú diákomhoz –, meg kellene értenünk a gyógyszerek hatását:
02:17
and how they work together and how they work separately,
46
137216
2626
hogyan hatnak együtt, külön-külön.
02:19
and we don't have a great understanding.
47
139866
1922
Nem sokat tudunk róla."
02:21
But the FDA has made available an amazing database.
48
141812
2405
De elérhetjük a hatóság, az FDA óriási adatbázisát,
02:24
It's a database of adverse events.
49
144241
1699
ami a kedvezőtlen hatásokról szól.
02:26
They literally put on the web --
50
146321
1642
Gyakorlatilag a weben van,
02:27
publicly available, you could all download it right now --
51
147987
3119
bárkinek hozzáférhető, letölthető róla
02:31
hundreds of thousands of adverse event reports
52
151130
3627
kedvezőtlen hatásokról szóló százezernyi jelentés,
02:34
from patients, doctors, companies, pharmacists.
53
154781
3760
ami betegektől, orvosoktól, cégektől és gyógyszerészektől jött.
02:38
And these reports are pretty simple:
54
158565
1749
Nagyon egyszerű jelentések:
02:40
it has all the diseases that the patient has,
55
160338
2658
felsorolják, mi bajuk a betegeknek,
02:43
all the drugs that they're on,
56
163020
1767
milyen gyógyszereket szednek,
02:44
and all the adverse events, or side effects, that they experience.
57
164811
3818
minden tapasztalt kedvezőtlen vagy mellékhatást.
02:48
It is not all of the adverse events that are occurring in America today,
58
168653
3436
Nem minden kedvezőtlen hatás fordul elő ma az USA-ban,
02:52
but it's hundreds and hundreds of thousands of drugs.
59
172113
2578
de vagy százezernyi orvosságról írnak.
02:54
So I said to Nick,
60
174715
1299
Azt mondtam Nicknek:
02:56
"Let's think about glucose.
61
176038
1826
"Nézzük meg a glükózt, a szőlőcukrot!
02:57
Glucose is very important, and we know it's involved with diabetes.
62
177888
3567
A glükóz nagyon fontos, és tudjuk róla, hogy köze van a cukorbetegséghez.
03:01
Let's see if we can understand glucose response.
63
181479
3970
Nézzük meg, megérthetjük-e a szőlőcukor reakcióját!"
03:05
I sent Nick off. Nick came back.
64
185473
2458
Nick elment, aztán visszajött.
03:08
"Russ," he said,
65
188248
1786
"Russ, – mondta –
03:10
"I've created a classifier that can look at the side effects of a drug
66
190351
5112
egy mellékhatás alapján osztályozó rendszert állítottam össze,
03:15
based on looking at this database,
67
195487
2051
amely az adatbázist használva kimutatja,
03:17
and can tell you whether that drug is likely to change glucose or not."
68
197562
4271
hogy egy orvosságtól megváltozik-e a vércukorszint."
03:21
He did it. It was very simple, in a way.
69
201857
2016
Megcsinálta. Elég egyszerű volt.
03:23
He took all the drugs that were known to change glucose
70
203897
2635
Csoportosította a gyógyszereket aszerint,
03:26
and a bunch of drugs that don't change glucose,
71
206556
2389
hogy megváltoztatják-e a vércukorszintet vagy sem,
03:28
and said, "What's the difference in their side effects?
72
208969
2888
és föltette a kérdést: "Miben különböznek a mellékhatásaik?
03:31
Differences in fatigue? In appetite? In urination habits?"
73
211881
4852
Kimerültség? Étvágy? Vizelési szokások?"
03:36
All those things conspired to give him a really good predictor.
74
216757
2960
E tényezők révén Nick tényleg jó jelzőrendszert hozott létre.
03:39
He said, "Russ, I can predict with 93 percent accuracy
75
219741
2548
"Russ, 93%-os pontossággal előre tudom jelezni,
03:42
when a drug will change glucose."
76
222313
1572
hogy a szer módosítja-e a cukrot."
03:43
I said, "Nick, that's great."
77
223909
1416
"Nick, ez pompás!" – így én.
03:45
He's a young student, you have to build his confidence.
78
225349
2896
Zöldfülű diák, erősítsük csak az önbizalmát!
03:48
"But Nick, there's a problem.
79
228269
1390
"De Nick, az a bibi,
03:49
It's that every physician in the world knows all the drugs that change glucose,
80
229683
3960
hogy minden orvos ismeri a vércukorszintet befolyásoló szereket,
03:53
because it's core to our practice.
81
233667
2038
mert ez szakmai kétszerkettő.
03:55
So it's great, good job, but not really that interesting,
82
235729
3722
Amit csináltál jó, de nem lőnek vele nyulat,
03:59
definitely not publishable."
83
239475
1531
és biztosan nem publikálható."
04:01
(Laughter)
84
241030
1014
(Nevetés)
04:02
He said, "I know, Russ. I thought you might say that."
85
242068
2550
"Russ, tudom, sejtettem, hogy ezt mondod" – felelte.
04:04
Nick is smart.
86
244642
1152
Nick éles eszű.
04:06
"I thought you might say that, so I did one other experiment.
87
246149
2874
"Sejtettem, hogy ezt mondod, így másik kutatást is végeztem.
04:09
I looked at people in this database who were on two drugs,
88
249047
2928
Az adatbázisban megnéztem azokat, akik két gyógyszert szednek,
04:11
and I looked for signals similar, glucose-changing signals,
89
251999
4422
és kerestem a vércukorszintjük változására utaló jeleket
04:16
for people taking two drugs,
90
256445
1624
arra az esetre,
04:18
where each drug alone did not change glucose,
91
258093
5569
amikor egy-egy gyógyszer nem hatott a vércukorszintre,
04:23
but together I saw a strong signal."
92
263686
2460
de kettő már igen.
04:26
And I said, "Oh! You're clever. Good idea. Show me the list."
93
266170
3149
"Okos vagy, jó ötlet! Nézzük, mire jutottál!" – mondtam.
04:29
And there's a bunch of drugs, not very exciting.
94
269343
2254
A listán egy csomó érdektelen gyógyszer van.
04:31
But what caught my eye was, on the list there were two drugs:
95
271621
3932
De a listán két orvosság ötlött a szemembe:
04:35
paroxetine, or Paxil, an antidepressant;
96
275577
3393
a paroxetin, egy antidepresszáns,
04:39
and pravastatin, or Pravachol, a cholesterol medication.
97
279756
3570
és a pravasztatin, egy koleszteringyógyszer.
04:43
And I said, "Huh. There are millions of Americans on those two drugs."
98
283936
4283
Megjegyeztem: "Hűha, ezt a két szert több millió amerikai szedi."
04:48
In fact, we learned later,
99
288243
1246
Később megtudtuk,
04:49
15 million Americans on paroxetine at the time, 15 million on pravastatin,
100
289513
6032
hogy jelenleg 15-15 millióan szedik a paroxetint, illetve a pravasztatint,
04:55
and a million, we estimated, on both.
101
295569
2817
és sejthetően egymillióan mindkettőt.
04:58
So that's a million people
102
298767
1254
Tehát egymilliónyinak
05:00
who might be having some problems with their glucose
103
300045
2453
lehet baja a vércukrával,
05:02
if this machine-learning mumbo jumbo that he did in the FDA database
104
302522
3206
ha ezt a hatósági adatbázisból gépi tanulás csiribirijével kinyert
05:05
actually holds up.
105
305752
1254
eredmények alátámasztják.
De azt mondtam: "Ez még nem publikálható,
05:07
But I said, "It's still not publishable,
106
307030
1927
05:08
because I love what you did with the mumbo jumbo,
107
308981
2296
mert bár tetszik, amit hókuszpókuszoltál
05:11
with the machine learning,
108
311301
1246
a gépi tanulással,
05:12
but it's not really standard-of-proof evidence that we have."
109
312571
3864
de ez nem megdönthetetlen bizonyíték."
05:17
So we have to do something else.
110
317618
1589
Valami mást kell csinálnunk.
05:19
Let's go into the Stanford electronic medical record.
111
319231
2876
Menjünk bele a Stanford elektronikus orvosi feljegyzéseibe.
05:22
We have a copy of it that's OK for research,
112
322131
2064
Megvan nekünk, kutatásra megfelel,
05:24
we removed identifying information.
113
324219
2046
és kiszedtük belőle az információt.
05:26
And I said, "Let's see if people on these two drugs
114
326581
2503
"Nézzük meg, hogy a mindkét gyógyszert szedőknek
05:29
have problems with their glucose."
115
329108
1769
van-e bajuk a cukrukkal" – mondtam.
05:31
Now there are thousands and thousands of people
116
331242
2207
Több ezer beteg van
05:33
in the Stanford medical records that take paroxetine and pravastatin.
117
333473
3459
a Stanford adatbázisában, akik paroxetint és pravasztatint szednek.
05:36
But we needed special patients.
118
336956
1799
De nem minden páciens volt érdekes.
05:38
We needed patients who were on one of them and had a glucose measurement,
119
338779
4597
Olyanok kellettek, akik az egyiket szedték, és mérték a vércukrukat,
05:43
then got the second one and had another glucose measurement,
120
343400
3449
majd a másikat is kezdték szedni, és akkor is mérték a vércukrukat,
05:46
all within a reasonable period of time -- something like two months.
121
346873
3615
mindezt ésszerű időintervallumon, mondjuk két hónapon belül.
05:50
And when we did that, we found 10 patients.
122
350512
3159
10 ilyen beteget találtunk.
05:54
However, eight out of the 10 had a bump in their glucose
123
354592
4538
A 10 közül nyolc betegnek megnőtt a vércukorszintje,
05:59
when they got the second P -- we call this P and P --
124
359154
2645
amikor szedni kezdte a másik P nevű szert,
06:01
when they got the second P.
125
361823
1310
– ezt hívjuk P + P-nek.
06:03
Either one could be first, the second one comes up,
126
363157
2562
Mindegy melyikkel kezdi, s mikor hozzáveszi a másikat,
06:05
glucose went up 20 milligrams per deciliter.
127
365743
2847
a vércukor 20 mg/dl értékkel fölszökik.
06:08
Just as a reminder,
128
368614
1158
Csak emlékeztetőül:
06:09
you walk around normally, if you're not diabetic,
129
369796
2325
aki nem cukorbeteg, vidáman sétálgat
06:12
with a glucose of around 90.
130
372145
1359
kb. 90-es vércukorszinttel.
06:13
And if it gets up to 120, 125,
131
373528
2076
De ha 120-125-re felszökik, orvosa
06:15
your doctor begins to think about a potential diagnosis of diabetes.
132
375628
3450
már cukorbetegséget gyanít.
06:19
So a 20 bump -- pretty significant.
133
379102
2991
Úgyhogy a 20-as növekedés jelentős.
06:22
I said, "Nick, this is very cool.
134
382601
1904
"Nick – mondtam –, ez frankó,
06:25
But, I'm sorry, we still don't have a paper,
135
385616
2053
de ne haragudj, ez kevés a cikkhez,
06:27
because this is 10 patients and -- give me a break --
136
387693
2579
mert 10 beteg, ne is akard bemesélni,
06:30
it's not enough patients."
137
390296
1245
mintának 10 beteg kevés."
06:31
So we said, what can we do?
138
391565
1306
Akkor most mit tegyünk?
06:32
And we said, let's call our friends at Harvard and Vanderbilt,
139
392895
2976
Jó, hívjuk föl barátainkat a Harvardon és a Vanderbilten,
06:35
who also -- Harvard in Boston, Vanderbilt in Nashville,
140
395895
2587
a Harvardnak Bostonban és Vanderbiltnek Nashville-ben
06:38
who also have electronic medical records similar to ours.
141
398506
2821
is van a miénkhez hasonló elektronikus orvosi adatbázisa.
06:41
Let's see if they can find similar patients
142
401351
2020
Találnak-e hasonló betegeket
06:43
with the one P, the other P, the glucose measurements
143
403395
3276
az egyik és a másik P-vel és mért vércukorszinttel
06:46
in that range that we need.
144
406695
1600
a nekünk kellő intervallumban.
06:48
God bless them, Vanderbilt in one week found 40 such patients,
145
408787
4955
Az Isten áldja meg őket, a Vanderbilt egy hét alatt talált 40 ilyen beteget.
06:53
same trend.
146
413766
1189
A szabályszerűség azonos.
06:55
Harvard found 100 patients, same trend.
147
415804
3620
A Harvard 100 ilyet talált, a szabályszerűség ugyanaz.
06:59
So at the end, we had 150 patients from three diverse medical centers
148
419448
4281
Végül a három egészségügyi intézményből volt 150 betegünk,
07:03
that were telling us that patients getting these two drugs
149
423753
3297
akik alátámasztották, hogy a két gyógyszert szedők
07:07
were having their glucose bump somewhat significantly.
150
427074
2703
vércukorszintje szignifikánsan felszökött.
07:10
More interestingly, we had left out diabetics,
151
430317
2810
Kihagytuk a cukorbetegeket,
07:13
because diabetics already have messed up glucose.
152
433151
2317
mert az ő cukruk már eleve nincs rendben.
07:15
When we looked at the glucose of diabetics,
153
435492
2238
Mikor a vércukrukat figyeltük,
07:17
it was going up 60 milligrams per deciliter, not just 20.
154
437754
3435
nem 20, hanem 60 mg/dl-rel ugrott meg.
07:21
This was a big deal, and we said, "We've got to publish this."
155
441760
3452
Nagy fogás volt, és a közzététel mellett döntöttünk.
07:25
We submitted the paper.
156
445236
1179
Benyújtottuk a cikket
07:26
It was all data evidence,
157
446439
2111
a bizonyító adatokkal,
07:28
data from the FDA, data from Stanford,
158
448574
2483
adatok a hatóságtól, a Stanford adatai,
07:31
data from Vanderbilt, data from Harvard.
159
451081
1946
a Vanderbilt és a Harvard adatai.
07:33
We had not done a single real experiment.
160
453051
2396
Egyetlen árva kísérletet sem végeztünk.
07:36
But we were nervous.
161
456495
1296
De idegesek voltunk,
07:38
So Nick, while the paper was in review, went to the lab.
162
458201
3730
ezért miközben a cikk lektoráláson volt, Nick bement a laborba.
07:41
We found somebody who knew about lab stuff.
163
461955
2462
Találtunk valakit, aki értett a labormunkához.
07:44
I don't do that.
164
464441
1393
Én nem.
07:45
I take care of patients, but I don't do pipettes.
165
465858
2417
Betegeket ápolok, de pipettákhoz nem értek.
07:49
They taught us how to feed mice drugs.
166
469420
3053
Kitanítottak minket, hogyan kell gyógyszerezni az egereket.
07:52
We took mice and we gave them one P, paroxetine.
167
472864
2414
Adtunk az egereknek paroxetint.
07:55
We gave some other mice pravastatin.
168
475302
2508
Más egereknek meg pravasztatint.
07:57
And we gave a third group of mice both of them.
169
477834
3595
A harmadik egércsoportnak mindkettőt.
08:01
And lo and behold, glucose went up 20 to 60 milligrams per deciliter
170
481893
3946
És lám, az egerek vércukra decinként
08:05
in the mice.
171
485863
1171
20-60 mg-mal fölment.
08:07
So the paper was accepted based on the informatics evidence alone,
172
487058
3158
Az egyedül informatikai bizonyítékon alapuló cikkünket elfogadták,
08:10
but we added a little note at the end,
173
490240
1894
de rövid megjegyzést fűztünk hozzá,
08:12
saying, oh by the way, if you give these to mice, it goes up.
174
492158
2899
miszerint ha ezt adjuk az egereknek, a vércukruk fölmegy.
08:15
That was great, and the story could have ended there.
175
495081
2508
Ez pompás volt, és a mesém itt véget is érhetne.
08:17
But I still have six and a half minutes.
176
497613
1997
De még van hat és fél percem.
08:19
(Laughter)
177
499634
2807
(Nevetés)
08:22
So we were sitting around thinking about all of this,
178
502465
2815
Csak ültünk, és ezeken filóztunk,
08:25
and I don't remember who thought of it, but somebody said,
179
505304
2735
nem tudom, melyikünknek jutott eszébe:
08:28
"I wonder if patients who are taking these two drugs
180
508063
3201
"Vajon akik mindkét gyógyszert szedik,
08:31
are noticing side effects of hyperglycemia.
181
511288
3553
észreveszik-e a magas vércukorszint mellékhatásait?
08:34
They could and they should.
182
514865
1496
Észrevehetik és kellene is.
08:36
How would we ever determine that?"
183
516761
1877
Hogyan határozhatnánk meg?"
08:39
We said, well, what do you do?
184
519551
1443
Mit szoktunk tenni?
08:41
You're taking a medication, one new medication or two,
185
521018
2580
Kapunk egy-két új gyógyszert,
08:43
and you get a funny feeling.
186
523622
1538
aztán fura érzésünk támad.
08:45
What do you do?
187
525184
1151
Mit szoktunk tenni?
08:46
You go to Google
188
526359
1151
Guglizunk, beírjuk
08:47
and type in the two drugs you're taking or the one drug you're taking,
189
527534
3349
a két új gyógyszer nevét, vagy az egyikét
08:50
and you type in "side effects."
190
530907
1603
azzal, hogy "mellékhatás".
08:52
What are you experiencing?
191
532534
1356
Mit tapasztalunk?
08:54
So we said OK,
192
534239
1151
Jó, akkor kérjük el
08:55
let's ask Google if they will share their search logs with us,
193
535414
3056
a Google-tól a keresések napló-fájljait,
08:58
so that we can look at the search logs
194
538494
1833
hogy végignézhessük őket:
09:00
and see if patients are doing these kinds of searches.
195
540351
2565
vajon a betegek keresnek-e ilyen infót?
09:02
Google, I am sorry to say, denied our request.
196
542940
3275
Sajnos, a Google nem volt készséges.
09:06
So I was bummed.
197
546819
1151
Elkenődtem.
09:07
I was at a dinner with a colleague who works at Microsoft Research
198
547994
3166
Vacsoráztunk egy Microsoft Researchnél dolgozó munkatársammal.
09:11
and I said, "We wanted to do this study,
199
551184
1941
"Meg kéne csinálni a kutatást, a Google
09:13
Google said no, it's kind of a bummer."
200
553149
1880
nemet mondott, le vagyok törve."
09:15
He said, "Well, we have the Bing searches."
201
555053
2086
Erre ő: "Ott a Bing keresőnk."
09:18
(Laughter)
202
558195
3483
(Nevetés)
09:22
Yeah.
203
562805
1267
Eeegen.
09:24
That's great.
204
564096
1151
Ez nagyszerű.
09:25
Now I felt like I was --
205
565271
1151
Úgy éreztem magam...
09:26
(Laughter)
206
566446
1000
(Nevetés)
09:27
I felt like I was talking to Nick again.
207
567470
2412
... mintha megint Nickkel beszélnék.
09:30
He works for one of the largest companies in the world,
208
570437
2624
A világ egyik legnagyobb cégénél dolgozik,
09:33
and I'm already trying to make him feel better.
209
573085
2206
és én már épp készültem leápolni,
09:35
But he said, "No, Russ -- you might not understand.
210
575315
2445
de ő így szólt: "Russ, bizonyára félreértesz.
09:37
We not only have Bing searches,
211
577784
1500
Nemcsak a Bing keresőnk van,
09:39
but if you use Internet Explorer to do searches at Google,
212
579308
3340
de az Internet Explorer látja, amit Google-lal,
09:42
Yahoo, Bing, any ...
213
582672
1891
Yahooval, Binggel, bármivel keresnek.
09:44
Then, for 18 months, we keep that data for research purposes only."
214
584587
3643
Másfél évig tároljuk azokat az adatokat, kizárólag kutatási célból."
09:48
I said, "Now you're talking!"
215
588254
1936
Erre azt mondtam: "Ez már döfi!"
09:50
This was Eric Horvitz, my friend at Microsoft.
216
590214
2198
A fiú Eric Horvitz volt, a microsoftos cimbim.
09:52
So we did a study
217
592436
1695
Megcsináltuk a kutatást,
09:54
where we defined 50 words that a regular person might type in
218
594155
4619
kiválasztottunk 50 szót, amit egy átlagos személy begépel,
09:58
if they're having hyperglycemia,
219
598798
1602
ha magas a vércukorszintje,
10:00
like "fatigue," "loss of appetite," "urinating a lot," "peeing a lot" --
220
600424
4762
pl. kimerültség, étvágytalanság, gyakori vizelés, már elnézést,
10:05
forgive me, but that's one of the things you might type in.
221
605210
2767
de ilyeneket szoktak beírni.
10:08
So we had 50 phrases that we called the "diabetes words."
222
608001
2790
50 kifejezést, ún. cukorbaj szavakat találtunk.
10:10
And we did first a baseline.
223
610815
2063
Először meghatároztuk a bázist.
10:12
And it turns out that about .5 to one percent
224
612902
2704
Kiderült, hogy az internetes keresések 0,5–1%-ában
10:15
of all searches on the Internet involve one of those words.
225
615630
2982
e szavak egyike fordul elő.
10:18
So that's our baseline rate.
226
618636
1742
Ez a mi százalékos arányunk.
10:20
If people type in "paroxetine" or "Paxil" -- those are synonyms --
227
620402
4143
Ha valaki beírja a paroxetint vagy a Paxilt – ezek szinonimák –
10:24
and one of those words,
228
624569
1215
valamelyiket közülük,
10:25
the rate goes up to about two percent of diabetes-type words,
229
625808
4890
az arány a cukorbaj szavak 2%-áig megy föl,
10:30
if you already know that there's that "paroxetine" word.
230
630722
3044
ha már tudjuk, hogy létezik a paroxetin szó.
10:34
If it's "pravastatin," the rate goes up to about three percent from the baseline.
231
634191
4547
A pravasztatin esetén az arány a bázishoz képest 3%-kal nő.
10:39
If both "paroxetine" and "pravastatin" are present in the query,
232
639171
4390
Ha mindkét szóra egyszerre rákerestek,
10:43
it goes up to 10 percent,
233
643585
1669
az arány 10%-kal nőtt,
10:45
a huge three- to four-fold increase
234
645278
3461
ez jó 3-4-szeres növekedés
10:48
in those searches with the two drugs that we were interested in,
235
648763
3389
a bennünket érdeklő két gyógyszerre történt rákereséseknél
10:52
and diabetes-type words or hyperglycemia-type words.
236
652176
3566
és a cukorbaj szavaknál vagy a magas vércukor típusú szavaknál.
10:56
We published this,
237
656216
1265
Publikáltuk az eredményeket,
10:57
and it got some attention.
238
657505
1466
és némi figyelmet keltettek.
10:58
The reason it deserves attention
239
658995
1778
Azért érdemelnek figyelmet,
11:00
is that patients are telling us their side effects indirectly
240
660797
4312
mert a betegek közvetve, keresésükkel adják meg
11:05
through their searches.
241
665133
1156
a mellékhatásokat.
11:06
We brought this to the attention of the FDA.
242
666313
2138
Felhívtuk rá a hatóság figyelmét,
11:08
They were interested.
243
668475
1269
érdekelte őket.
11:09
They have set up social media surveillance programs
244
669768
3606
Indítottak egy közösségimédia-figyelő programot
11:13
to collaborate with Microsoft,
245
673398
1751
a Microsofttal együttműködve,
11:15
which had a nice infrastructure for doing this, and others,
246
675173
2794
amelynek megvolt az infrastruktúrája,
11:17
to look at Twitter feeds,
247
677991
1282
hogy rálásson a Twitterre,
11:19
to look at Facebook feeds,
248
679297
1716
a Facebookra,
11:21
to look at search logs,
249
681037
1311
a keresések naplófájljaira,
11:22
to try to see early signs that drugs, either individually or together,
250
682372
4909
s így korán rábukkanjon, ha egy gyógyszer akár magában vagy másikkal együtt
11:27
are causing problems.
251
687305
1589
bajt okoz.
11:28
What do I take from this? Why tell this story?
252
688918
2174
Mi szűrhető le ebből? Miért mondom ezt el?
11:31
Well, first of all,
253
691116
1207
Először, mert a big data
11:32
we have now the promise of big data and medium-sized data
254
692347
4037
és a közepes méretű adat azt ígéri,
11:36
to help us understand drug interactions
255
696408
2918
hogy segítségével megérthetjük a gyógyszerek kölcsönhatását
11:39
and really, fundamentally, drug actions.
256
699350
2420
és a gyógyszerek alapvető hatásmechanizmusát.
11:41
How do drugs work?
257
701794
1413
Hogyan hatnak az orvosságok?
11:43
This will create and has created a new ecosystem
258
703231
2836
Ez új ökorendszert hoz létre, de már létre is hozott
11:46
for understanding how drugs work and to optimize their use.
259
706091
3267
a gyógyszerek hatásának megértéséhez s alkalmazásuk optimalizálásához.
11:50
Nick went on; he's a professor at Columbia now.
260
710303
2659
Nick folytatta: most tanár a Columbián.
11:52
He did this in his PhD for hundreds of pairs of drugs.
261
712986
4072
PhD-jában több száz gyógyszerpárt vizsgált.
11:57
He found several very important interactions,
262
717082
2517
Több nagyon lényeges kölcsönhatást talált,
11:59
and so we replicated this
263
719623
1214
vizsgálatait ismételtük.
12:00
and we showed that this is a way that really works
264
720861
2574
Kimutattuk, hogy ez a módszer hatékony
12:03
for finding drug-drug interactions.
265
723459
2339
a gyógyszerek kölcsönhatásának kimutatására.
12:06
However, there's a couple of things.
266
726282
1734
De ez még nem minden.
12:08
We don't just use pairs of drugs at a time.
267
728040
3046
A módszer nemcsak gyógyszerpárokra alkalmazható.
12:11
As I said before, there are patients on three, five, seven, nine drugs.
268
731110
4469
Már mondtam, hogy egyes betegek 3, 5, 7, 9 féle gyógyszer szednek.
12:15
Have they been studied with respect to their nine-way interaction?
269
735981
3642
Kutatta-e valaki a 9 gyógyszer kölcsönhatását?
12:19
Yes, we can do pair-wise, A and B, A and C, A and D,
270
739647
4208
Párosával megy: A+B, A+C, A+D,
12:23
but what about A, B, C, D, E, F, G all together,
271
743879
4286
de mi a helyzet az A, B, C, D, E, F, G együttese esetén,
12:28
being taken by the same patient,
272
748189
1762
ha a beteg mindegyiket szedi?
12:29
perhaps interacting with each other
273
749975
2118
Talán úgy lépnek kölcsönhatásra egymással,
12:32
in ways that either makes them more effective or less effective
274
752117
3778
hogy egymás hatását erősítik vagy gyengítik,
12:35
or causes side effects that are unexpected?
275
755919
2332
vagy nem várt mellékhatásokat okoznak?
12:38
We really have no idea.
276
758275
1827
Fogalmunk sincs.
12:40
It's a blue sky, open field for us to use data
277
760126
3756
Egyelőre fehér folt, amelyet adatok segítségével föltárhatunk,
12:43
to try to understand the interaction of drugs.
278
763906
2502
hogy a gyógyszerek kölcsönhatását megértsük.
12:46
Two more lessons:
279
766848
1370
Még két tanulság.
12:48
I want you to think about the power that we were able to generate
280
768242
4199
Gondoljanak bele, micsoda energia keletkezett a betegek adataiból,
12:52
with the data from people who had volunteered their adverse reactions
281
772465
4711
akik önként közölték panaszaikat
12:57
through their pharmacists, through themselves, through their doctors,
282
777200
3269
patikusukon, orvosukon keresztül vagy közvetlenül,
13:00
the people who allowed the databases at Stanford, Harvard, Vanderbilt,
283
780493
3667
azokból, akik a Stanfordon, Harvardon, Vanderbilten kutatási célból
13:04
to be used for research.
284
784184
1427
átengedték az adatbázisukat.
13:05
People are worried about data.
285
785929
1445
Az emberek idegesek adataik miatt.
13:07
They're worried about their privacy and security -- they should be.
286
787398
3187
Féltik a magánéletüket, a biztonságukat, – és jól is teszik.
13:10
We need secure systems.
287
790609
1151
Biztonságos rendszerek kellenek.
13:11
But we can't have a system that closes that data off,
288
791784
3406
De nem olyanok, amelyek kizárják az adatokat,
13:15
because it is too rich of a source
289
795214
2752
mert ezek gazdag forrást képeznek
13:17
of inspiration, innovation and discovery
290
797990
3971
az orvoslás új gondolataihoz, újításaihoz
13:21
for new things in medicine.
291
801985
1578
és fölfedezéseihez.
13:24
And the final thing I want to say is,
292
804494
1794
Végezetül hangsúlyozom,
13:26
in this case we found two drugs and it was a little bit of a sad story.
293
806312
3357
hogy mi két szert találtunk, s ez csak e szomorú történet egy szelete.
13:29
The two drugs actually caused problems.
294
809693
1921
A két gyógyszer bajt okozott,
13:31
They increased glucose.
295
811638
1475
növelték a vércukrot.
13:33
They could throw somebody into diabetes
296
813137
2446
Cukorbetegséget okozhatnak valakinél,
13:35
who would otherwise not be in diabetes,
297
815607
2294
aki különben nem kapná el a cukorbajt.
13:37
and so you would want to use the two drugs very carefully together,
298
817925
3175
Szeretnénk nagyon óvatosan szedni együtt a két gyógyszert,
13:41
perhaps not together,
299
821124
1151
vagy együtt talán nem,
13:42
make different choices when you're prescribing.
300
822299
2340
dönteni szeretnénk, ha már fölírják őket.
13:44
But there was another possibility.
301
824663
1846
Ám volt más lehetőségünk is.
13:46
We could have found two drugs or three drugs
302
826533
2344
Találhattunk volna 2-3 gyógyszert,
13:48
that were interacting in a beneficial way.
303
828901
2261
amelyek előnyösen hatnak egymásra.
13:51
We could have found new effects of drugs
304
831616
2712
Találhattunk volna új gyógyhatásokat,
13:54
that neither of them has alone,
305
834352
2160
amelyet külön-külön egyikük sem mutat föl,
13:56
but together, instead of causing a side effect,
306
836536
2493
de együttesen, mellékhatások helyett,
13:59
they could be a new and novel treatment
307
839053
2425
új, szokatlan gyógymódot nyújthatnak
14:01
for diseases that don't have treatments
308
841502
1882
a kezelhetetlen betegségekre,
14:03
or where the treatments are not effective.
309
843408
2007
vagy azokra, amiknél a kezelés hatástalan.
14:05
If we think about drug treatment today,
310
845439
2395
Ha a gyógyszeres kezeléseket nézzük,
14:07
all the major breakthroughs --
311
847858
1752
minden nagy áttörés,
14:09
for HIV, for tuberculosis, for depression, for diabetes --
312
849634
4297
pl. a HIV, TBC, depresszió, cukorbaj,
14:13
it's always a cocktail of drugs.
313
853955
2830
gyógyszerek kombinációjával történik.
14:16
And so the upside here,
314
856809
1730
A módszer ígéretes,
14:18
and the subject for a different TED Talk on a different day,
315
858563
2849
és a különböző TED előadások tárgya az,
14:21
is how can we use the same data sources
316
861436
2593
hogy miként használhatjuk ki az adatforrásokat arra,
14:24
to find good effects of drugs in combination
317
864053
3563
hogy jó hatásokat találjunk orvosságok kombinálásakor,
14:27
that will provide us new treatments,
318
867640
2175
és ez új kezelésekhez vezet,
14:29
new insights into how drugs work
319
869839
1852
jobban megértjük a gyógyszerek hatását,
14:31
and enable us to take care of our patients even better?
320
871715
3786
és így még jobban kezelhetjük betegeinket.
14:35
Thank you very much.
321
875525
1166
Köszönöm szépen.
14:36
(Applause)
322
876715
3499
(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