Why curiosity is the key to science and medicine | Kevin B. Jones

72,234 views ・ 2017-01-11

TED


A videó lejátszásához kattintson duplán az alábbi angol feliratokra.

00:00
Translator: Joseph Geni Reviewer: Joanna Pietrulewicz
0
0
7000
Fordító: Reka Lorinczy Lektor: Péter Pallós
00:12
Science.
1
12840
1200
Tudomány.
00:14
The very word for many of you conjures unhappy memories of boredom
2
14760
3416
E szóról többeknek
középiskolai biológia- és fizikaórák nyomasztó unalma jut eszébe.
00:18
in high school biology or physics class.
3
18200
2896
De ami ott folyt,
00:21
But let me assure that what you did there
4
21120
3096
annak vajmi kevés köze van a tudományhoz.
00:24
had very little to do with science.
5
24240
2176
00:26
That was really the "what" of science.
6
26440
2296
Az a tudomány mit alkotott része volt.
00:28
It was the history of what other people had discovered.
7
28760
2720
Mások felfedezéséről szóló történet volt.
00:32
What I'm most interested in as a scientist
8
32720
2336
Engem tudósként
a tudomány hogyanja érdekel.
00:35
is the "how" of science.
9
35080
2136
00:37
Because science is knowledge in process.
10
37240
3816
Mert a tudomány folyamatban levő tudás.
Megfigyelünk valamit, magyarázatot találunk ki hozzá,
00:41
We make an observation, guess an explanation for that observation,
11
41080
3456
00:44
and then make a prediction that we can test
12
44560
2056
aztán feltevést alakítunk ki, amelyet tesztelhetünk
00:46
with an experiment or other observation.
13
46640
1920
kísérlettel vagy másik megfigyeléssel.
Következzen pár példa.
00:49
A couple of examples.
14
49080
1336
00:50
First of all, people noticed that the Earth was below, the sky above,
15
50440
3576
Őseink észrevették, hogy fent az ég és lent a Föld,
s úgy tűnt, a Nap s a Hold körötte kering.
00:54
and both the Sun and the Moon seemed to go around them.
16
54040
3880
00:58
Their guessed explanation
17
58720
1536
Azt a magyarázatot találták ki,
01:00
was that the Earth must be the center of the universe.
18
60280
3080
hogy a Föld biztos az univerzum közepe.
01:04
The prediction: everything should circle around the Earth.
19
64240
3200
Föltevésük: a Föld körül kering minden.
Ezt akkor tesztelték igazán,
01:08
This was first really tested
20
68120
1656
01:09
when Galileo got his hands on one of the first telescopes,
21
69800
2816
amikor Galilei hozzájutott az első távcsövek egyikéhez,
01:12
and as he gazed into the night sky,
22
72640
2376
és föltárult előtte az éjszakai égbolt.
Meglátta a Jupiter bolygót,
01:15
what he found there was a planet, Jupiter,
23
75040
3696
01:18
with four moons circling around it.
24
78760
4000
a körülötte keringő négy holdját.
01:23
He then used those moons to follow the path of Jupiter
25
83760
4376
A holdak segítségével követte a Jupiter pályáját,
s rájött, hogy a Jupiter sem a Föld körül,
01:28
and found that Jupiter also was not going around the Earth
26
88160
3736
01:31
but around the Sun.
27
91920
1960
hanem a Nap körül kering.
A föltevés tehát nem igazolódott.
01:35
So the prediction test failed.
28
95160
2280
01:38
And this led to the discarding of the theory
29
98400
2096
Elvetették az elméletet,
01:40
that the Earth was the center of the universe.
30
100520
2176
miszerint a Föld az univerzum közepe lenne.
01:42
Another example: Sir Isaac Newton noticed that things fall to the Earth.
31
102720
4096
Másik példa: Isaac Newon észrevette, hogy a tárgyak leesnek a Földre.
01:46
The guessed explanation was gravity,
32
106840
2920
A magyarázata a gravitáció volt.
01:50
the prediction that everything should fall to the Earth.
33
110520
3136
A feltevés pedig, hogy minden le kell essen a Földre.
01:53
But of course, not everything does fall to the Earth.
34
113680
3560
Persze, nem minden esik le a Földre.
01:58
So did we discard gravity?
35
118200
1560
Tehát elvetettük a gravitációt?
02:00
No. We revised the theory and said, gravity pulls things to the Earth
36
120920
4416
Nem! Csak kiigazítottuk elméletünket: a gravitáció addig vonzza a tárgyakat
02:05
unless there is an equal and opposite force in the other direction.
37
125360
4200
a Föld felé. amíg föl nem lép egy ellentétes irányú ugyanakkora erő.
Újat tanultunk.
02:10
This led us to learn something new.
38
130160
2160
02:12
We began to pay more attention to the bird and the bird's wings,
39
132920
3256
Több figyelmet fordítottunk a madarakra és szárnyaikra.
02:16
and just think of all the discoveries
40
136200
2376
Gondoljanak csak
a repüléssel összefüggő összes fölfedezésre.
02:18
that have flown from that line of thinking.
41
138600
2039
02:21
So the test failures, the exceptions, the outliers
42
141639
5137
Ezért a kísérletek kudarca, a kivételek, a kiugró értékek
02:26
teach us what we don't know and lead us to something new.
43
146800
4560
még nem ismert új dolgokra tanítanak, és új felfedezésekhez vezetnek.
Így tanul és halad a tudomány.
02:32
This is how science moves forward. This is how science learns.
44
152000
3200
02:35
Sometimes in the media, and even more rarely,
45
155840
2256
Olykor a média és nála ritkábban,
néha még tudósok is használják
02:38
but sometimes even scientists will say
46
158120
2416
02:40
that something or other has been scientifically proven.
47
160560
2760
a tudományosan igazolt tény kifejezést.
02:43
But I hope that you understand that science never proves anything
48
163880
4576
De remélem, értik: végérvényesen, örökre sosem bizonyít be semmit
02:48
definitively forever.
49
168480
1880
.a tudomány.
02:51
Hopefully science remains curious enough
50
171520
3816
De remélhetőleg a tudomány elég kíváncsi marad ahhoz,
02:55
to look for
51
175360
1416
hogy kutasson,
02:56
and humble enough to recognize
52
176800
1976
és elég szerény ahhoz, hogy felismerje,
02:58
when we have found
53
178800
1496
ha rátalál
03:00
the next outlier,
54
180320
1696
a következő rendhagyó esetre,
a következő kivételre,
03:02
the next exception,
55
182040
1496
03:03
which, like Jupiter's moons,
56
183560
2296
amely – mint a Jupiter holdjai esetében –
03:05
teaches us what we don't actually know.
57
185880
2600
megtanítja nekünk, amit még nem tudunk.
Itt váltsunk sebességet.
03:09
We're going to change gears here for a second.
58
189160
2536
03:11
The caduceus, or the symbol of medicine,
59
191720
1936
A caduceus, az orvoslás szimbóluma
03:13
means a lot of different things to different people,
60
193680
2456
embere válogatja, milyen sok jelentéssel bírt.
De az orvoslásról szóló közbeszédet
03:16
but most of our public discourse on medicine
61
196160
2256
03:18
really turns it into an engineering problem.
62
198440
2776
jórészt műszaki kérdéssé változtatja.
03:21
We have the hallways of Congress,
63
201240
1736
A Kongresszus folyosóin
és a biztosítók tanácstermeiben gondolkoznak, mennyit fizessenek érte.
03:23
and the boardrooms of insurance companies that try to figure out how to pay for it.
64
203000
4000
03:27
The ethicists and epidemiologists
65
207680
1616
Etikai és járványügyi szakértők
03:29
try to figure out how best to distribute medicine,
66
209320
2696
jobb gyógyszerelosztáson törik a fejüket,
a kórházak és az orvosok rögeszmésen ragaszkodnak
03:32
and the hospitals and physicians are absolutely obsessed
67
212040
2656
03:34
with their protocols and checklists,
68
214720
1936
a protokollokhoz és előírásokhoz,
03:36
trying to figure out how best to safely apply medicine.
69
216680
3536
hogy biztonságosabbá tegyék a gyógyítást.
03:40
These are all good things.
70
220240
2120
Ezek jó elgondolások.
03:42
However, they also all assume
71
222960
2736
Bár bizonyos fokig
03:45
at some level
72
225720
1976
ezek mind feltételezik,
03:47
that the textbook of medicine is closed.
73
227720
2520
hogy az orvosi tankönyvek már teljesek.
Az egészségügyi szolgáltatás minőségét
03:51
We start to measure the quality of our health care
74
231160
2496
03:53
by how quickly we can access it.
75
233680
2536
a hozzáférés sebességével mérjük.
03:56
It doesn't surprise me that in this climate,
76
236240
2096
Nem meglepő, hogy e környezetben
03:58
many of our institutions for the provision of health care
77
238360
2816
számos egészségügyi intézmény
04:01
start to look a heck of a lot like Jiffy Lube.
78
241200
2496
inkább autószervizre hasonlít.
04:03
(Laughter)
79
243720
2576
(Nevetés)
04:06
The only problem is that when I graduated from medical school,
80
246320
3936
Az egyetlen gond, hogy mikor elvégeztem az orvosit,
04:10
I didn't get one of those little doohickeys
81
250280
2056
nem kaptam olyan kütyüt,
04:12
that your mechanic has to plug into your car
82
252360
2376
amit szerelők autónkhoz csatlakoztatnak,
04:14
and find out exactly what's wrong with it,
83
254760
2376
hogy pontosan megtudják, mi a hiba.
Mert az orvosi tankönyvek
04:17
because the textbook of medicine
84
257160
2096
04:19
is not closed.
85
259280
1520
nem teljesek.
04:21
Medicine is science.
86
261320
1840
A gyógyítás pedig tudomány.
04:23
Medicine is knowledge in process.
87
263560
2680
A gyógyítás folyamatban levő tudás.
04:27
We make an observation,
88
267280
1376
Megfigyelünk valamit,
04:28
we guess an explanation of that observation,
89
268680
2135
magyarázatot találunk rá,
04:30
and then we make a prediction that we can test.
90
270839
2617
előrejelzést dolgozunk ki, amelyet tesztelhetünk.
04:33
Now, the testing ground of most predictions in medicine
91
273480
3576
A gyógyítás legtöbb előrejelzését
a népességen tesztelik.
04:37
is populations.
92
277080
1536
04:38
And you may remember from those boring days in biology class
93
278640
3576
Emlékezhetnek unalmas biológiaórákról,
04:42
that populations tend to distribute
94
282240
2176
hogy a népesség valamely mérőszáma
04:44
around a mean
95
284440
1216
az átlagérték körül
04:45
as a Gaussian or a normal curve.
96
285680
1856
Gauss- vagy normális eloszlású.
04:47
Therefore, in medicine,
97
287560
1656
Tehát a gyógyításban
04:49
after we make a prediction from a guessed explanation,
98
289240
3216
amikor magyarázat alapján előrejelzést fogalmazunk meg,
04:52
we test it in a population.
99
292480
1880
azt a népességen teszteljük.
04:55
That means that what we know in medicine,
100
295320
2936
Eszerint tudásunk a gyógyításról,
04:58
our knowledge and our know-how,
101
298280
2256
ismereteink és a know-how
05:00
comes from populations
102
300560
2256
a népességből származik,
05:02
but extends only as far
103
302840
2776
de csak addig terjed,
05:05
as the next outlier,
104
305640
1736
míg a következő rendellenesség,
05:07
the next exception,
105
307400
1216
a következő kivétel,
05:08
which, like Jupiter's moons,
106
308640
1736
– mint a Jupiter holdjai –
05:10
will teach us what we don't actually know.
107
310400
2400
meg nem tanítja, amit még nem tudtunk.
Sebész vagyok.
05:14
Now, I am a surgeon
108
314080
1336
05:15
who looks after patients with sarcoma.
109
315440
2416
Szarkómás betegekkel foglalkozom.
05:17
Sarcoma is a very rare form of cancer.
110
317880
2200
A szarkóma ritka rákfajta,
05:20
It's the cancer of flesh and bones.
111
320720
2040
lágy részek és csontok daganata.
05:23
And I would tell you that every one of my patients is an outlier,
112
323240
4336
Minden páciensem
05:27
is an exception.
113
327600
1200
egyedi, rendhagyó eset.
Sosem végeztem olyan sebészeti műtétet szarkómás páciensen,
05:30
There is no surgery I have ever performed for a sarcoma patient
114
330000
3216
05:33
that has ever been guided by a randomized controlled clinical trial,
115
333240
4256
melyet ellenőrzött randomizált klinikai kísérletből leszűrt,
05:37
what we consider the best kind of population-based evidence in medicine.
116
337520
3720
népességalapú legjobb bizonyíték befolyásolt volna.
05:42
People talk about thinking outside the box,
117
342400
2296
Emlegetik a kreatív gondolkozást,
05:44
but we don't even have a box in sarcoma.
118
344720
2736
de szarkóma esetén a szokványos sincs meg, amitől eltérjünk.
05:47
What we do have as we take a bath in the uncertainty
119
347480
3336
Csak a bizonytalanba ugorhatunk fejest.
05:50
and unknowns and exceptions and outliers that surround us in sarcoma
120
350840
4136
A szarkómánál a bennünket körülvevő ismeretlenek, kivételek, anomáliák révén
bármely tudomány két legfontosabb értékéhez
05:55
is easy access to what I think are those two most important values
121
355000
4536
05:59
for any science:
122
359560
1536
könnyen hozzájutunk:
alázatossághoz és kíváncsisághoz.
06:01
humility and curiosity.
123
361120
2200
Mert ha alázatosak és kíváncsiak vagyunk,
06:04
Because if I am humble and curious,
124
364000
2296
06:06
when a patient asks me a question,
125
366320
2296
mikor egy szarkómás olyat kérdez,
06:08
and I don't know the answer,
126
368640
1440
amire nem tudom a választ,
06:10
I'll ask a colleague
127
370920
1216
akkor a kollégámhoz fordulok,
akinek lehet más, de hasonlón kirívó esete.
06:12
who may have a similar albeit distinct patient with sarcoma.
128
372160
3016
06:15
We'll even establish international collaborations.
129
375200
2696
Még nemzetközi együttműködést is keresünk.
06:17
Those patients will start to talk to each other through chat rooms
130
377920
3136
A páciensek csevegőszobákban, támogatói csoportokban
beszélnek egymással.
06:21
and support groups.
131
381080
1200
06:22
It's through this kind of humbly curious communication
132
382800
3576
Ezekből a szerény és érdeklődő beszélgetésekből
06:26
that we begin to try and learn new things.
133
386400
3560
próbálunk új dolgokat tanulni.
06:31
As an example, this is a patient of mine
134
391240
2056
Pl., ő az egyik páciensem,
06:33
who had a cancer near his knee.
135
393320
1680
akinek a térde táján volt daganata.
06:35
Because of humbly curious communication
136
395480
2376
A szerény s érdeklődő beszélgetésekből
06:37
in international collaborations,
137
397880
2096
nemzetközi együttműködés során megtudtuk,
hogy a bokát átműthetjük
06:40
we have learned that we can repurpose the ankle to serve as the knee
138
400000
4536
06:44
when we have to remove the knee with the cancer.
139
404560
2256
a daganat miatt eltávolítandó térd helyére.
06:46
He can then wear a prosthetic and run and jump and play.
140
406840
2840
Protézist kaphat, amellyel futhat, ugrálhat, játszhat.
06:50
This opportunity was available to him
141
410360
3016
E lehetőség nemzetközi együttműködés révén
06:53
because of international collaborations.
142
413400
2776
vált elérhetővé számára.
06:56
It was desirable to him
143
416200
1696
Vonzó volt számára,
06:57
because he had contacted other patients who had experienced it.
144
417920
2960
mert kapcsolatba került másokkal, akik ezt már átélték.
07:01
And so exceptions and outliers in medicine
145
421920
4056
A gyógyításban a kivételek és rendhagyó esetek
megtanítanak rá, amit még nem tudunk s új gondolkozásmódra késztetnek.
07:06
teach us what we don't know, but also lead us to new thinking.
146
426000
3960
Fontos tudnunk, hogy az orvoslásban az új gondolkodásmód,
07:11
Now, very importantly,
147
431080
1856
07:12
all the new thinking that outliers and exceptions lead us to in medicine
148
432960
3856
amelyre a rendhagyó esetek s a kivételek rávezetnek,
07:16
does not only apply to the outliers and exceptions.
149
436840
3360
az nemcsak rájuk alkalmazható.
07:20
It is not that we only learn from sarcoma patients
150
440920
3176
A szarkómás páciensektől
nemcsak kezelésük módját tanuljuk meg.
07:24
ways to manage sarcoma patients.
151
444120
1960
07:26
Sometimes, the outliers
152
446920
2056
Néha a rendhagyó esetek
és a kivételek
07:29
and the exceptions
153
449000
1696
07:30
teach us things that matter quite a lot to the general population.
154
450720
3240
jelentős dolgokat tanítanak a népesség egészéről is.
07:35
Like a tree standing outside a forest,
155
455360
1856
Mint egy erdő mellett álló fa
07:37
the outliers and the exceptions draw our attention
156
457240
4016
felhívja figyelmünket, mi a fa lényege,
07:41
and lead us into a much greater sense of perhaps what a tree is.
157
461280
4336
a rendhagyó eset és a kivétel is rámutat a lényegre.
07:45
We often talk about losing the forests for the trees,
158
465640
2496
Szokták mondani, hogy a fától nem látjuk az erdőt,
de a fát sem vesszük néha észre
07:48
but one also loses a tree
159
468160
1816
07:50
within a forest.
160
470000
1520
az erdőben.
De a magányosan álló fa is
07:53
But the tree that stands out by itself
161
473000
1856
07:54
makes those relationships that define a tree,
162
474880
2896
megtestesíti a fát jellemző kapcsolatokat,
07:57
the relationships between trunk and roots and branches,
163
477800
3816
benne is kétségtelenül megvan
a törzs, a gyökerek s az ágak közötti viszony.
08:01
much more apparent.
164
481640
1240
08:03
Even if that tree is crooked
165
483360
1696
Még ha a fa görbe,
vagy nem szokványos
08:05
or even if that tree has very unusual relationships
166
485080
2976
a törzs, gyökér és ágak összekapcsolódása,
08:08
between trunk and roots and branches,
167
488080
2296
08:10
it nonetheless draws our attention
168
490400
2696
akkor is ráirányítja a figyelmünket,
megfigyelhetjük,
08:13
and allows us to make observations
169
493120
1896
aztán tesztelhetjük a népesség egészén.
08:15
that we can then test in the general population.
170
495040
2240
Említettem, hogy a szarkóma ritka,
08:18
I told you that sarcomas are rare.
171
498000
1976
a daganatos betegségek kb. 1%-át teszi ki.
08:20
They make up about one percent of all cancers.
172
500000
2640
08:23
You also probably know that cancer is considered a genetic disease.
173
503280
3960
Valószínű tudják, hogy a rákot genetikai eredetűnek tartják.
08:27
By genetic disease we mean that cancer is caused by oncogenes
174
507840
3336
Ez azt jelenti, hogy a rákot onkogének okozzák,
08:31
that are turned on in cancer
175
511200
1376
amelyek elrákosodnak,
08:32
and tumor suppressor genes that are turned off to cause cancer.
176
512600
3040
és vannak tumorszuppresszor gének, melyek ha leállnak, rákot okoznak.
Ha azt gondolják, hogy az onkogénekről
08:36
You might think that we learned about oncogenes
177
516160
2416
08:38
and tumor suppressor genes from common cancers
178
518600
2216
s tumorszupresszor génekről a gyakori rákokból
08:40
like breast cancer and prostate cancer
179
520840
1976
– pl. emlőrák, prosztatarák,
08:42
and lung cancer,
180
522840
1496
tüdőrák – tanultunk,
08:44
but you'd be wrong.
181
524360
1199
akkor tévednek.
Az onkogénekről és tumorszuppresszor génekről
08:46
We learned about oncogenes and tumor suppressor genes
182
526000
2895
08:48
for the first time
183
528919
1216
először
ebből az icipici 1%-ból tanultunk.
08:50
in that itty-bitty little one percent of cancers called sarcoma.
184
530159
3441
08:54
In 1966, Peyton Rous got the Nobel Prize
185
534760
2576
Peyton Rous 1966-ban Nobel-díjat kapott,
08:57
for realizing that chickens
186
537360
2016
mert felfedezte a csirkéknél
08:59
had a transmissible form of sarcoma.
187
539400
3120
a szarkóma transzmissziós formáját.
09:03
Thirty years later, Harold Varmus and Mike Bishop discovered
188
543260
2836
30 év múlva Harold Varmus és Mike Bishop
felfedezte a transzmissziós anyagot.
09:06
what that transmissible element was.
189
546120
2536
09:08
It was a virus
190
548680
1576
Egy vírus volt.
09:10
carrying a gene,
191
550280
1416
Hordozta a gént.
09:11
the src oncogene.
192
551720
1440
Az SRC onkogént.
09:13
Now, I will not tell you that src is the most important oncogene.
193
553880
3656
Nem mondom, hogy az SRC a legfontosabb onkogén.
09:17
I will not tell you
194
557560
1216
Azt sem állítom,
09:18
that src is the most frequently turned on oncogene in all of cancer.
195
558800
3496
hogy minden rákban az SRC a leggyakrabban előforduló onkogén.
09:22
But it was the first oncogene.
196
562320
2440
De az volt az első onkogén .
09:25
The exception, the outlier
197
565960
2336
A kivétel, a rendhagyó
09:28
drew our attention and led us to something
198
568320
2520
hívta fel figyelmünket valamire,
09:31
that taught us very important things about the rest of biology.
199
571520
4040
ami nagyon fontos dolgokat tanított a biológiáról.
09:36
Now, TP53 is the most important tumor suppressor gene.
200
576880
4096
A p53 gén a legfontosabb tumorszuppresszor gén.
A leggyakrabban kiiktatott tumorszupresszor gén
09:41
It is the most frequently turned off tumor suppressor gene
201
581000
2736
09:43
in almost every kind of cancer.
202
583760
1800
majdnem minden rákfajta esetén.
09:46
But we didn't learn about it from common cancers.
203
586360
2296
De nem a gyakori rákoknál fedeztük fel.
09:48
We learned about it when doctors Li and Fraumeni
204
588680
2416
Li és Fraumeni orvosok fedezték fel,
akik családok kezelése során rájöttek,
09:51
were looking at families,
205
591120
1576
09:52
and they realized that these families
206
592720
2016
hogy e családokban
09:54
had way too many sarcomas.
207
594760
2520
lényegesen több szarkómás volt.
09:57
I told you that sarcoma is rare.
208
597920
1776
Említettem, hogy a szarkóma ritka.
09:59
Remember that a one in a million diagnosis,
209
599720
3176
Egymillió emberből egy a szarkómás.
10:02
if it happens twice in one family,
210
602920
2136
kétszeri előfordulása egy családban
már túl gyakorinak számít.
10:05
is way too common in that family.
211
605080
2400
10:08
The very fact that these are rare
212
608640
2696
A ritka előfordulás
felhívta figyelmünket,
10:11
draws our attention
213
611360
1440
10:13
and leads us to new kinds of thinking.
214
613760
2240
és más gondolatmenethez vezetett.
10:17
Now, many of you may say,
215
617480
1456
Fogalmazhatunk úgy is,
10:18
and may rightly say,
216
618960
1536
és jogosan tesszük:
10:20
that yeah, Kevin, that's great,
217
620520
1896
"Igazad van Kevin, ez nagyszerű,
10:22
but you're not talking about a bird's wing.
218
622440
2056
de nem a madár szárnyáról van szó.
10:24
You're not talking about moons floating around some planet Jupiter.
219
624520
3480
Nem valami Jupiter körül keringő holdról beszélsz,
10:28
This is a person.
220
628520
1536
hanem emberekről.
Ez a rendhagyó eset, kivétel előre viheti a tudományt,
10:30
This outlier, this exception, may lead to the advancement of science,
221
630080
3256
10:33
but this is a person.
222
633360
1200
de ő ember."
10:36
And all I can say
223
636280
1616
Csak azt mondhatom,
10:37
is that I know that all too well.
224
637920
2360
hogy teljesen tudatában vagyok ennek.
10:41
I have conversations with these patients with rare and deadly diseases.
225
641760
3400
Beszélgetek ritka és végzetes betegségben szenvedő páciensekkel.
10:45
I write about these conversations.
226
645800
1936
Írok e beszélgetésekről.
10:47
These conversations are terribly fraught.
227
647760
2296
E beszélgetések szörnyen kiborítanak.
Borzalmas frázisokkal terheltek:
10:50
They're fraught with horrible phrases
228
650080
1816
10:51
like "I have bad news" or "There's nothing more we can do."
229
651920
3240
"Rossz hírem van", "Többet már nem tehetünk".
10:55
Sometimes these conversations turn on a single word:
230
655760
3200
Néha a beszélgetésekben egyetlen szó villan föl:
10:59
"terminal."
231
659760
1200
a "vég".
11:04
Silence can also be rather uncomfortable.
232
664920
2920
A csend is elég kínos.
11:09
Where the blanks are in medicine
233
669360
2576
A gyógyítás fehér foltjai
11:11
can be just as important
234
671960
1856
ugyanolyan fontosak,
11:13
as the words that we use in these conversations.
235
673840
2240
mint a beszélgetés során használt szavak.
Melyek a hiányosságok?
11:17
What are the unknowns?
236
677080
1536
11:18
What are the experiments that are being done?
237
678640
2200
Milyen kísérleteket végzünk?
11:21
Do this little exercise with me.
238
681680
1696
Végezzék e kis gyakorlatot velem.
11:23
Up there on the screen, you see this phrase, "no where."
239
683400
3216
A képernyőn látható: "no where" – sehol.
11:26
Notice where the blank is.
240
686640
1280
Megjegyezték a szóköz helyét?
11:28
If we move that blank one space over
241
688680
3200
Ha a szóköz egy betűvel arrább van:
11:32
"no where"
242
692640
1576
a "no where" – sehol
11:34
becomes "now here,"
243
694240
2696
átalakul "now here" – most itt-té,
11:36
the exact opposite meaning,
244
696960
1896
pontosan ellentétes értelművé
11:38
just by shifting the blank one space over.
245
698880
2200
csak a szóköz áthelyezésével.
11:43
I'll never forget the night
246
703680
1576
Sosem felejtem el az éjszakát,
11:45
that I walked into one of my patients' rooms.
247
705280
2240
amikor bementem egyik páciensem szobájába.
11:48
I had been operating long that day
248
708280
1656
Hosszan műtöttem aznap,
11:49
but I still wanted to come and see him.
249
709960
2016
de őt mégis szerettem volna megnézni.
Egy fiú volt, akinél csontrákot állapítottam meg pár nappal korábban.
11:52
He was a boy I had diagnosed with a bone cancer a few days before.
250
712000
3200
11:55
He and his mother had been meeting with the chemotherapy doctors
251
715840
3056
A fiú és édesanyja találkoztak a kemoterápiás orvosokkal
11:58
earlier that day,
252
718920
1216
korábban a nap folyamán,
akik beutalták a fiút kórházi kezelésre.
12:00
and he had been admitted to the hospital to begin chemotherapy.
253
720160
2976
Majdnem éjfél volt, mikor a szobájába értem.
12:03
It was almost midnight when I got to his room.
254
723160
2176
12:05
He was asleep, but I found his mother
255
725360
2176
A fiú aludt, de édesanyja
12:07
reading by flashlight
256
727560
1576
zseblámpánál olvasott
az ágya mellett.
12:09
next to his bed.
257
729160
1456
12:10
She came out in the hall to chat with me for a few minutes.
258
730640
2800
Kijött a folyosóra csevegni velem pár percet.
12:14
It turned out that what she had been reading
259
734280
2096
Kiderült,
hogy a kemoterápiás orvosoktól
12:16
was the protocol that the chemotherapy doctors
260
736400
2176
12:18
had given her that day.
261
738600
1240
aznap kapott protokollt olvassa.
12:20
She had memorized it.
262
740200
1240
Kívülről megtanulta.
12:23
She said, "Dr. Jones, you told me
263
743200
3536
Azt monta: "Dr. Jones, maga azt mondta,
12:26
that we don't always win
264
746760
2176
hogy nem mindig győzünk
12:28
with this type of cancer,
265
748960
1280
ezzel a rákkal szemben,
12:31
but I've been studying this protocol, and I think I can do it.
266
751680
3480
de tanulmányoztam a protokollt, és úgy gondolom, meg tudom tenni.
12:35
I think I can comply with these very difficult treatments.
267
755960
3576
Meg tudok birkózni e nagyon bonyolult kezelésekkel.
12:39
I'm going to quit my job. I'm going to move in with my parents.
268
759560
2976
Felmondok a munkahelyemen. Összeköltözünk a szüleimmel.
12:42
I'm going to keep my baby safe."
269
762560
1960
Meg fogom védeni a gyerekem."
12:47
I didn't tell her.
270
767320
1200
Nem mondtam meg neki.
12:49
I didn't stop to correct her thinking.
271
769840
2920
Nem javítottam ki a gondolatmenetét.
12:53
She was trusting in a protocol
272
773680
2256
Egy protokollban bízott,
12:55
that even if complied with,
273
775960
3216
amit még ha sikerül is kivitelezni,
12:59
wouldn't necessarily save her son.
274
779200
2400
akkor sem biztos, hogy megmenti a fiát.
13:03
I didn't tell her.
275
783960
1200
Nem mondtam meg neki.
13:06
I didn't fill in that blank.
276
786360
1400
Nem töltöttem ki azt az űrt.
De másfél évre rá
13:09
But a year and a half later
277
789080
1976
a fia mégiscsak meghalt rákban.
13:11
her boy nonetheless died of his cancer.
278
791080
2720
13:15
Should I have told her?
279
795400
1320
Meg kellett volna mondjam?
13:17
Now, many of you may say, "So what?
280
797360
2256
Sokan mondhatják: "Na és?
13:19
I don't have sarcoma.
281
799640
1256
Nekem nincs szarkómám.
13:20
No one in my family has sarcoma.
282
800920
1896
Senkinek a családban nincs szarkómája.
13:22
And this is all fine and well,
283
802840
1456
Minden szép és jó,
13:24
but it probably doesn't matter in my life."
284
804320
2696
valószínű nem számít az én életemben."
Valószínűleg igazuk van.
13:27
And you're probably right.
285
807040
1256
13:28
Sarcoma may not matter a whole lot in your life.
286
808320
2680
A szarkómának lehet semmi jelentősége egész életükben.
De ahol vannak hiányosságok a gyógyításban,
13:33
But where the blanks are in medicine
287
813040
2336
13:35
does matter in your life.
288
815400
1320
az jelentőséggel bír az életükben.
13:38
I didn't tell you one dirty little secret.
289
818520
2296
Nem említettem egy csúnya kis titkot.
13:40
I told you that in medicine, we test predictions in populations,
290
820840
4376
Mondtam, hogy a lakosságon teszteljük a gyógyításban az előrejelzéseket,
13:45
but I didn't tell you,
291
825240
1256
de nem mondtam meg,
13:46
and so often medicine never tells you
292
826520
2216
és a gyógyításban soha nem említik,
13:48
that every time an individual
293
828760
2856
hogy minden esetben,
13:51
encounters medicine,
294
831640
2096
amikor valaki gyógykezelést kap,
13:53
even if that individual is firmly embedded in the general population,
295
833760
4040
még akkor is, ha az illető tökéletesen benne van az általános népességben,
13:59
neither the individual nor the physician knows
296
839360
2376
sem az egyén, sem az orvosa nem tudhatja,
14:01
where in that population the individual will land.
297
841760
2680
a népesség melyik részére kerül utána.
Minden gyógykezelés
14:05
Therefore, every encounter with medicine
298
845040
2696
14:07
is an experiment.
299
847760
1440
egy-egy kísérlet.
14:09
You will be a subject
300
849920
2016
A kísérlet alanya
14:11
in an experiment.
301
851960
1680
ön lesz.
14:14
And the outcome will be either a better or a worse result for you.
302
854560
4840
A végén az eredmény vagy kedvező lesz önnek vagy lehet, hogy nem.
14:20
As long as medicine works well,
303
860320
2016
Míg a gyógyítás jól működik,
14:22
we're fine with fast service,
304
862360
3016
nincs baj a gyors szolgáltatással,
14:25
bravado, brimmingly confident conversations.
305
865400
3440
a siker, csupa bizalom beszélgetésekkel.
14:29
But when things don't work well,
306
869720
1656
De mikor a dolgok nem mennek jól.
14:31
sometimes we want something different.
307
871400
1840
néha egészen mást szeretnénk.
14:34
A colleague of mine removed a tumor from a patient's limb.
308
874520
3280
Egy kollégám tumort távolított el egy páciense végtagjából.
14:38
He was concerned about this tumor.
309
878920
1816
Nyugtalanította a tumor.
14:40
In our physician conferences, he talked about his concern
310
880760
3016
Az orvosi konferenciánkon beszélt aggodalmáról,
14:43
that this was a type of tumor
311
883800
1416
hogy az effajta tumor
14:45
that had a high risk for coming back in the same limb.
312
885240
2560
nagy valószínűséggel visszanő ugyanabba a végtagba.
14:48
But his conversations with the patient
313
888680
1976
De a pácienssel a beszélgetései
14:50
were exactly what a patient might want:
314
890680
2096
úgy zajlottak, ahogy a páciensnek éppen megfelelt:
14:52
brimming with confidence.
315
892800
1256
telve bizakodással.
Az mondta: "Eltávolítottam, jól van, távozhat."
14:54
He said, "I got it all and you're good to go."
316
894080
3016
A páciens és a férje örült.
14:57
She and her husband were thrilled.
317
897120
1736
14:58
They went out, celebrated, fancy dinner, opened a bottle of champagne.
318
898880
4080
Elmentek, ünnepeltek, díszvacsora, pezsgőt bontottak.
A gond az volt, hogy a nő egy héttel később
15:04
The only problem was a few weeks later,
319
904040
2296
15:06
she started to notice another nodule in the same area.
320
906360
3096
ugyanazon a részen másik csomót érzékelt.
15:09
It turned out he hadn't gotten it all, and she wasn't good to go.
321
909480
4136
Kiderült, hogy az orvos nem távolított el mindent, és a nő még sincs jól.
15:13
But what happened at this juncture absolutely fascinates me.
322
913640
2840
Ami eme helyzetben történt, teljesen lenyűgözött.
15:17
My colleague came to me and said,
323
917200
1616
Kollégám odajött és megkért:
15:18
"Kevin, would you mind looking after this patient for me?"
324
918840
2720
"Kevin, átvennéd tőlem a pácienst?"
"Miért, te is ugyanolyan jól tudod mit kell tenni, mint én – mondtam.
15:22
I said, "Why, you know the right thing to do as well as I do.
325
922240
3216
15:25
You haven't done anything wrong."
326
925480
1616
Nem rontottál el semmit."
"Csak vedd át, kérlek, tőlem."- mondta.
15:27
He said, "Please, just look after this patient for me."
327
927120
4480
15:33
He was embarrassed --
328
933200
1536
Zavarban volt,
15:34
not by what he had done,
329
934760
1400
nem azért, amit tett,
hanem a betegével folytatott
15:37
but by the conversation that he had had,
330
937154
1926
15:39
by the overconfidence.
331
939760
1440
önhitt hangnemű beszélgetés miatt.
15:42
So I performed a much more invasive surgery
332
942600
2616
Én sokkal kiterjedtebb műtétet végeztem,
15:45
and had a very different conversation with the patient afterwards.
333
945240
3136
és utána egész másképp beszélgettem a pácienssel:
15:48
I said, "Most likely I've gotten it all
334
948400
2336
"Valószínű mindent eltávolítottam – mondtam.
15:50
and you're most likely good to go,
335
950760
2416
Valószínű elég jól van, hogy távozzon,
15:53
but this is the experiment that we're doing.
336
953200
3160
de végzünk egy kísérletet.
Ezért figyeljen erre meg arra.
15:57
This is what you're going to watch for.
337
957040
2016
Én is figyelni fogom.
15:59
This is what I'm going to watch for.
338
959080
1896
Együttműködünk, hogy kiderüljön a műtét sikerült-e,
16:01
And we're going to work together to find out if this surgery will work
339
961000
3936
16:04
to get rid of your cancer."
340
964960
1320
s megszabadult-e a ráktól."
16:06
I can guarantee you, she and her husband
341
966920
1936
Biztos, hogy beszélgetésünk után
16:08
did not crack another bottle of champagne after talking to me.
342
968880
2920
nem bontottak pezsgőt.
16:13
But she was now a scientist,
343
973600
2856
De ez után a nő tudományos munkatárs lett
16:16
not only a subject in her experiment.
344
976480
3360
és nem csak kísérlete alanya.
16:21
And so I encourage you
345
981960
1616
Biztatom önöket,
16:23
to seek humility and curiosity
346
983600
3456
hogy alázatot és kíváncsiságot kérjenek
orvosaiktól.
16:27
in your physicians.
347
987080
1200
16:28
Almost 20 billion times each year,
348
988760
2976
Évente 20 milliárd ember
16:31
a person walks into a doctor's office,
349
991760
3936
megy be orvosi rendelőbe,
16:35
and that person becomes a patient.
350
995720
2280
és az illetőből páciens lesz.
16:39
You or someone you love will be that patient sometime very soon.
351
999320
3520
Önök vagy szeretteik páciensek lesznek valamikor hamarosan.
16:43
How will you talk to your doctors?
352
1003840
1640
Hogy beszélnek majd orvosaikkal?
16:46
What will you tell them?
353
1006640
1200
Mit mondanak majd nekik?
16:48
What will they tell you?
354
1008760
1520
Mit mondanak ők önöknek?
16:52
They cannot tell you
355
1012600
2216
Nem beszélhetnek arról,
16:54
what they do not know,
356
1014840
1520
amiről ők sem tudnak,
16:57
but they can tell you when they don't know
357
1017560
3560
de megmondhatják, ha nem tudnak valamit:
17:02
if only you'll ask.
358
1022280
1360
csak kérdezniük kell.
Kérem, vegyenek részt a beszélgetésben!
17:04
So please, join the conversation.
359
1024160
2840
17:08
Thank you.
360
1028200
1216
Köszönöm.
17:09
(Applause)
361
1029440
2868
(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