What really happens when you mix medications? | Russ Altman

Translator: lia setiawan Reviewer: Dewi Barnas

So you go to the doctor and get some tests.

Ketika Anda pergi ke dokter dan melakukan beberapa tes,

The doctor determines that you have high cholesterol

dan dokter mengatakan Anda punya kolesterol tinggi

and you would benefit from medication to treat it.

dan Anda sebaiknya meminum obat.

So you get a pillbox.

Anda diberi sekotak obat.

You have some confidence,

Anda yakin,

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

dan dokter Anda juga yakin bahwa (pengobatan) ini akan berhasil.

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

Produsen obat ini sudah melakukan banyak pengujian dan mengirimnya ke BPOM.

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

BPOM mempelajari dengan teliti, dengan skeptis, dan mengizinkannya.

They have a rough idea of how it works,

Mereka tahu konsep cara kerjanya,

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

mereka tahu efek sampingnya,

It should be OK.

seharusnya aman.

You have a little more of a conversation with your physician

Anda mengobrol lagi dengan dokter Anda

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

dan dia sedikit khawatir karena Anda terlihat sedih,

haven't felt like yourself,

tidak seperti biasanya,

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

Anda tidak bisa menikmati hidup seperti biasanya Anda lakukan.

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

Dokter berkata, "Menurut saya, Anda mengalami depresi.

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

Saya akan memberi obat lain untuk Anda."

So now we're talking about two medications.

Jadi kita bicara soal dua jenis obat sekarang.

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

Obat ini juga -- sudah digunakan oleh jutaan orang,

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

produsen telah menelitinya, BPOM memberikan izin -- semuanya aman.

Think things should go OK.

Harusnya semua baik-baik saja.

Think things should go OK.

Harusnya semua akan baik-baik saja.

Well, wait a minute.

Tapi, tunggu sebentar.

How much have we studied these two together?

Berapa banyak yang telah kita pelajari tentang penggabungan keduanya?

Well, it's very hard to do that.

Nah, sangat sulit melakukannya.

In fact, it's not traditionally done.

Bahkan, biasanya tidak dilakukan.

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

Kita hanya bergantung pada yang disebut "pengawasan setelah penjualan,"

after the drugs hit the market.

setelah obat beredar di pasaran.

How can we figure out if bad things are happening

Bagaimana kita bisa mengetahui jika hal buruk terjadi

between two medications?

karena pemakaian 2 pengobatan ini?

Three? Five? Seven?

Tiga? Lima? Tujuh?

Ask your favorite person who has several diagnoses

Tanyakan pada kenalan Anda yang didiagnosa beberapa penyakit,

how many medications they're on.

berapa jenis obat yang mereka pakai?

Why do I care about this problem?

Kenapa saya peduli dengan ini?

I care about it deeply.

Saya sangat peduli.

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

Saya seorang ilmuwan IT dan data, dan sebenarnya, menurut saya,

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

satu-satunya harapan untuk memahami interaksi (antara obat) ini

is to leverage lots of different sources of data

adalah dengan menggali berbagai sumber data

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

untuk memahami kapan obat-obatan aman digunakan bersamaan

and when it's not so safe.

dan kapan tidak terlalu aman.

So let me tell you a data science story.

Mari saya ceritakan satu cerita tentang ilmu data.

And it begins with my student Nick.

Kisah ini berawal dengan murid saya, Nick.

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

Kita sebut dia "Nick," karena itulah namanya.

(Laughter)

(Tertawa)

Nick was a young student.

Nick adalah pelajar muda.

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

Saya berkata padanya, "Nick, kita harus memahami kerja obat,

and how they work together and how they work separately,

bagaimana mereka bekerja bersamaan dan terpisah,

and we don't have a great understanding.

tapi kita tidak mengerti sepenuhnya.

But the FDA has made available an amazing database.

Tapi BPOM sudah punya database yang luar biasa,

It's a database of adverse events.

yaitu database efek samping obat.

They literally put on the web --

Informasi ini tersedia di internet --

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

dapat dilihat publik dan dapat diunduh seketika --

hundreds of thousands of adverse event reports

ratusan ribu laporan efek samping

from patients, doctors, companies, pharmacists.

dari pasien, dokter, produsen, apoteker.

And these reports are pretty simple:

Dan laporan ini sangat sederhana:

it has all the diseases that the patient has,

ada daftar penyakit yang diderita pasien,

all the drugs that they're on,

obat-obatan yang mereka gunakan,

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

dan semua efek samping yang mereka alami.

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

Bukan semua efek samping yang terjadi di Amerika sekarang,

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

tapi efek samping dari ratusan ribu obat.

So I said to Nick,

Jadi saya katakan pada Nick,

"Let's think about glucose.

"Mari kita ambil glukosa sebagai contoh,

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

Glukosa sangat penting dan kita tahu ada hubungannya dengan diabetes.

Let's see if we can understand glucose response.

Mari kita lihat apakah kita memahami reaksi glukosa.

I sent Nick off. Nick came back.

Saya mengirim Nick pergi. Saat Nick kembali,

"Russ," he said,

"Russ, " katanya,

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

"Saya telah mengelompokkan efek samping obat

based on looking at this database,

berdasarkan database ini,

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

dan bisa memberitahumu apakah obat itu mungkin mengubah glukosa atau tidak".

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

Dia melakukannya. Dengan sederhana sekali.

He took all the drugs that were known to change glucose

Dia melihat semua obat yang diketahui mengubah glukosa,

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

dan obat-obatan yang tidak mengubah glukosa,

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

dan berkata "Apakah pebedaan dari efek samping keduanya?

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

Tingkat kelelahan? Selera makan? Kebiasaan buang air kecil?"

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

Semua ini untuk memberinya prediksi yang sangat bagus.

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

Katanya, "Russ, saya bisa memprediksi dengan akurasi 93%

when a drug will change glucose."

apakah sebuah obat akan mengubah glukosa."

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

Saya bilang, "Nick, itu hebat."

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

Dia anak muda, saya harus membangun kepercayaan dirinya.

"But Nick, there's a problem.

"Tapi ada satu masalah.

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

Setiap dokter di dunia tahu obat mana yang dapat mengubah glukosa,

because it's core to our practice.

karena itulah inti dari pekerjaan dokter.

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

Kamu sudah bekerja dengan baik, tapi ini tidak terlalu menarik,

definitely not publishable."

pastinya tidak layak dipublikasi."

(Laughter)

(Tertawa)

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

"Saya tahu, Russ. Saya sudah menebak kamu akan bilang begitu."

Nick is smart.

Nick itu pintar.

"Saya tahu kamu akan bilang begitu, jadi saya melakukan satu percobaan lain,

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

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

Saya memeriksa pasien di database yang menggunakan dua obat,

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

dan saya periksa tanda yang sama, tanda perubahan glukosa,

for people taking two drugs,

untuk orang yang memakai dua obat,

where each drug alone did not change glucose,

dimana salah satu obat saja tidak mengubah glukosa,

but together I saw a strong signal."

tetapi ketika bersamaan ada sinyal perubahan."

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

Saya bilang, "Oh, pintar. Ide bagus. Tunjukkan daftarnya."

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

Dan ada banyak obat, tidak terlalu menarik.

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

Tapi yang menarik perhatian saya, ada 2 obat dalam daftar:

paroxetine, or Paxil, an antidepressant;

paroxetine atau Paxil, obat anti depresi;

and pravastatin, or Pravachol, a cholesterol medication.

dan pravastatin atau Pravachol, obat kolestrerol.

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

Dan saya bilang,"Wow. Jutaan orang di Amerika menggunakan dua obat ini."

In fact, we learned later,

Bahkan, belakangan kami mengetahui

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

15 juta warga Amerika menggunakan paroxetine ketika itu,

dan 15 juta menggunakan pravastatin,

and a million, we estimated, on both.

dan kami perkirakan sejuta orang mengunakan keduanya.

So that's a million people

Jadi ada sejuta orang

who might be having some problems with their glucose

yang mungkin mengalami masalah glukosa

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

jika riset Nick berdasarkan database BPOM ini benar.

actually holds up.

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

Tapi ini masih tidak layak terbit,

because I love what you did with the mumbo jumbo,

meskipun saya senang dengan yang kamu lakukan

with the machine learning,

dengan riset komputer ini,

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

tapi kita belum memiliki bukti yang layak.

So we have to do something else.

Jadi kita harus melakukan sesuatu.

Let's go into the Stanford electronic medical record.

Mari kita lihat rekam medis eletronik Stanford.

Kita punya salinan yang dapat digunakan untuk penelitian,

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

we removed identifying information.

kita hapus infomasi identitas (pasien).

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

Dan saya berkata, "Mari lihat apakah pasien yang menggunakan kedua obat ini

have problems with their glucose."

punya masalah glukosa."

Now there are thousands and thousands of people

Nah, ada ribuan orang

in the Stanford medical records that take paroxetine and pravastatin.

di rekam medis Stanford yang memakai paroxetine dan pravastatin.

But we needed special patients.

Tapi kami butuh pasien khusus.

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

Kami butuh pasien yang menggunakan salah satu dan diukur glukosanya,

then got the second one and had another glucose measurement,

lalu menggunakan obat kedua dan diukur lagi glukosanya,

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

semua ini dalam periode tertentu -- misalnya dalam dua bulan.

And when we did that, we found 10 patients.

kami menemukan 10 pasien.

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

Akan tetapi, 8 dari 10 pasien mengalami kenaikan glukosa

ketika mereka mendapat P kedua -- kita sebut kedua obat ini P dan P --

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

when they got the second P.

ketika mendapat P kedua.

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

Yang mana pun bisa jadi yang pertama, dan ketika menggunakan obat kedua

glucose went up 20 milligrams per deciliter.

glukosa naik 20mg /desiliter.

Just as a reminder,

Sekadar mengingatkan,

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

kalau Anda bukan penderita diabetes, Anda berfungsi normal

with a glucose of around 90.

dengan glukosa sekitar 90.

And if it gets up to 120, 125,

Kalau naik ke 120, 125,

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

dokter Anda mulai berpikir kemungkinan Anda terkena diabetes.

So a 20 bump -- pretty significant.

Jadi, lonjakan 20 sangat berarti.

I said, "Nick, this is very cool.

Saya berkata, "Nick, ini sangat keren.

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

Tapi, maaf, kita masih belum bisa menerbitkan ini,

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

karena ini hanya 10 pasien dan

it's not enough patients."

itu tidak cukup."

So we said, what can we do?

Jadi apa yang bisa kita lakukan?

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

Mari hubungi teman-teman kita di Harvard dan Vanderbilt,

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

-- Harvard di Boston, dan Vanderbilt di Nashville --

who also have electronic medical records similar to ours.

yang juga punya rekam medis elektorik seperti punya kita.

Let's see if they can find similar patients

Mari lihat apakah mereka bisa menemukan pasien seperti ini

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

yang menggunakan 1 P, lalu P lainnya, dan diukur glukosanya

in that range that we need.

dalam batas yang kita butuhkan.

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

Tuhan memberkahi mereka, Vanderbilt dalam seminggu menemukan 40 pasien,

same trend.

gejala yang sama.

Harvard found 100 patients, same trend.

Harvard menemukan 100 pasien, gejala yang sama.

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

Maka akhirnya, kami punya 150 pasien dari 3 pusat medis berbeda

that were telling us that patients getting these two drugs

yang memberi tahu kami bahwa pasien yang mengkonsumsi 2 obat ini

were having their glucose bump somewhat significantly.

mengalami lonjakan glukosa yang berarti.

More interestingly, we had left out diabetics,

Lebih menarik lagi, kami mengesampingkan penderita diabetes,

because diabetics already have messed up glucose.

karena kadar glukosa penderita diabetes sudah kacau.

When we looked at the glucose of diabetics,

Ketika kita lihat kadar glukosa penderita diabetes,

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

kenaikannya 60mg /desiiter, tidak hanya 20.

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

Ini masalah besar, dan kami berkata, "Kita harus menerbitkan ini."

We submitted the paper.

Kami kirimkan makalahnya.

It was all data evidence,

Semuanya adalah bukti data,

data from the FDA, data from Stanford,

data dari BPOM, data dari Stanford,

data from Vanderbilt, data from Harvard.

data dari Vanderbilt, data dari Harvard.

We had not done a single real experiment.

Kami belum melakukan satu percobaan apa pun.

But we were nervous.

Tetapi kami gugup.

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

Waktu makalahnya sedang di-review, Nick pergi ke ke lab.

We found somebody who knew about lab stuff.

Kami menemukan seseorang yang mengerti tentang lab.

I don't do that.

Saya tidak mengerti lab.

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

Saya merawat pasien, tetapi tidak dengan pipet.

They taught us how to feed mice drugs.

Mereka mengajari kami cara memberi obat pada tikus.

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

Kami ambil tikus dan memberi mereka satu P, paroxetine.

We gave some other mice pravastatin.

Dan kami memberi P lain - pravastatin pada tikus yang lain.

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

Dan kelompok tikus ketiga kami berikan kedua obat itu.

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

Dan secara mengejutkan, kadar glukosa meningkat

20 sampai 60mg/desiliter pada tikus-tikus itu.

in the mice.

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

Makalah ini diterima berdasarkan bukti data saja,

tapi kami menambahkan catatan yang mengatakan,

but we added a little note at the end,

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

ketika obat diberikan pada tikus, glukosa mereka juga naik.

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

Jadi bagus, dan kisah ini bisa berakhir di sini.

But I still have six and a half minutes.

Tapi saya masih punya 6 setengah menit.

(Laughter)

(Tertawa)

So we were sitting around thinking about all of this,

Kami sedang berkumpul memikirkan semua ini,

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

dan seseorang terpikir, saya lupa siapa, tapi dia bilang,

"I wonder if patients who are taking these two drugs

"Saya terpikir apakah pasien yang mengkonsumsi 2 obat ini

are noticing side effects of hyperglycemia.

juga menyadari efek samping dari hyperglycemia.

They could and they should.

Harusnya mereka menyadarinya.

How would we ever determine that?"

Bagaimana kita bisa mengetahuinya?"

We said, well, what do you do?

Jadi, apa yang kamu lakukan?

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

Anda menggunakan satu atau dua obat baru,

and you get a funny feeling.

dan merasa agak aneh.

What do you do?

Apa yang Anda lakukan?

You go to Google

Anda buka Google

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

dan mengetik 2 obat yang Anda minum atau satu obat yang Anda minum,

and you type in "side effects."

dan mengetik "efek samping."

What are you experiencing?

Apa yang Anda rasakan?

So we said OK,

Jadi kami putuskan untuk

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

bertanya pada Google apakah mereka bisa membagi Log Pencarian pada kami

so that we can look at the search logs

agar kami dapat mencari tahu

and see if patients are doing these kinds of searches.

apakah pasien melakukan pencarian seperti ini.

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

Sayang sekali, Google menolak permintaan kami.

So I was bummed.

Saya kecewa.

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

Saat makan malam dengan teman yang bekerja di Microsoft Research

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

saya cerita, "Kami ingin melakukan penelitian ini,

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

tapi Google menolak, sungguh mengecewakan.

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

Dia bilang, "Kami punya mesin pencari Bing."

(Laughter)

(Tertawa)

Yeah.

Ya.

That's great.

Itu bagus sekali.

Now I felt like I was --

Saya merasa seperti --

(Laughter)

(Tertawa)

I felt like I was talking to Nick again.

Seperti saya sedang bicara dengan Nick lagi.

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

Dia bekerja di salah satu perusahaan terbesar di dunia,

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

dan sudah mencoba membuatnya merasa lebih baik.

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

Tapi dia bilang, "Tidak, Russ -- mungkin kamu tidak mengerti.

We not only have Bing searches,

Kami tidak hanya punya Bing,

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

tapi kalau kamu pakai IE untuk melakukan pencarian di Google,

Yahoo, Bing, any ...

Yahoo, Bing, mesin pencari apa pun...

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

Untuk 18 bulan, kami menyimpan data itu untuk penelitan saja."

I said, "Now you're talking!"

Saya berkata, "Nah, ini baru menarik."

This was Eric Horvitz, my friend at Microsoft.

Dia Eric Horvitz, teman saya di Microsoft.

So we did a study

Jadi kami melakukan penelitian

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

dimana kami menetapkan 50 kata yang mungkin akan diketik orang awam

if they're having hyperglycemia,

kalau mereka punya hyperglycemia,

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

sepeti "kecapekan," "kehilangan nafsu makan," "sering kencing," --

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

maaf, tapi itu salah satu yang umumnya akan Anda ketik.

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

Jadi kami punya 50 frase yang kami sebut "kta-kata diabetes."

And we did first a baseline.

Dan pertama kami menetapkan nilai dasar.

And it turns out that about .5 to one percent

Ternyata sekitar 0.5 sampai 1 persen

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

dari semua pencarian di internet menggunakan salah satu kata itu.

So that's our baseline rate.

Jadi itu adalah nilai dasar kami.

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

Bila seseorang mengetik "paroxetine" atau "Paxil" -- keduanya adalah sama --

and one of those words,

dan salah satu kata itu,

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

temuan kami naik 2 persen dari kata-kata diabetes,

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

kalau Anda sudah tahu bahwa disana terdapat kata "paroxetine."

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

Dengan kata "pravastatin," temuan naik sekitar 3 pesen dari nilai dasar.

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

Kalau keduanya -- "paroxetine" dan "pravastatin" -- ada dalam pencarian,

it goes up to 10 percent,

nilainya naik hingga 10 persen,

a huge three- to four-fold increase

meningkat hingga 3-4 kali lipat

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

pada pencarian dengan 2 obat yang menjadi fokus penelitian ini

and diabetes-type words or hyperglycemia-type words.

dan kata-kata diabetes atau kata-kata hyperglycemia.

We published this,

Kami menerbitkan temuan ini

and it got some attention.

dan mendapat perhatian.

The reason it deserves attention

Penelitian ini layak diperhatikan

is that patients are telling us their side effects indirectly

karena pasien memberi tahu kita efek samping mereka secara tidak langsung

through their searches.

lewat pencarian mereka.

We brought this to the attention of the FDA.

Kami membawa penelitian ini ke BPOM

They were interested.

dan mereka pun tertarik.

They have set up social media surveillance programs

Mereka membuat program pengawasan di media sosial

to collaborate with Microsoft,

untuk bekerjasama dengan Microsoft,

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

yang punya infrastruktur untuk melakukannya, dan lainnya,

to look at Twitter feeds,

mereka melihat Log Twitter,

to look at Facebook feeds,

melihat Log Facebook,

to look at search logs,

Log Pencarian,

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

untuk mencari tahu tanda-tanda awal ketika kedua obat ini menyebabkan masalah,

are causing problems.

baik bersamaan atau terpisah.

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

Jadi apa pembelajarannya? Kenapa menceritakan ini?

Well, first of all,

Baik, yang pertama,

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

kami sekarang mendapatkan komitmen perusahaan data besar dan sedang

to help us understand drug interactions

untuk membatu kita memahami interaksi obat-obatan

and really, fundamentally, drug actions.

dan pada dasarnya, reaksi obat.

How do drugs work?

Bagaimana obat bekerja?

This will create and has created a new ecosystem

Ini akan membuat dan telah membentuk ekosistem baru

for understanding how drugs work and to optimize their use.

untuk memahami bagaimana obat bekerja dan memaksimalkan fungsinya.

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

Nick meneruskan karirnya; Dia profesor di Columbia sekarang.

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

Dia melakukan studi ini untuk disertasi doktornya

pada ratusan pasang obat-obatan.

He found several very important interactions,

Dia menemukan beberapa interaksi penting,

and so we replicated this

dan kami mengulang studi ini

and we showed that this is a way that really works

dan menunjukkan bahwa ini adalah jalan yang tepat

for finding drug-drug interactions.

untuk mencari tahu interaksi obat.

However, there's a couple of things.

Akan tetapi, ada beberapa hal.

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

Kita tidak hanya menggunakan sepasang obat pada satu waktu.

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

Seperti saya bilang tadi, ada pasien yang meminum 3, 5, 7, 9 obat.

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

Apakah obat-obatan ini sudah dipelajari interaksinya ketika digunakan bersamaan?

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

Tentu kita bisa pasangkan dua-dua, A dan B, A dan C, A dan D,

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

tetapi bagaimana jika A, B, C, D, E, F, G secara bersamaan,

being taken by the same patient,

dikonsumsi oleh pasien yang sama,

perhaps interacting with each other

mungkin interaksi diantara mereka

in ways that either makes them more effective or less effective

bisa membuat mereka lebih efektif atau menjadi tidak efektif

or causes side effects that are unexpected?

atau menimbulkan efek samping yang tidak diharapkan?

We really have no idea.

Kita sungguh tidak tahu.

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

Ini adalah bidang yang sangat luas dan terbuka bagi kita untuk menggunakan data

to try to understand the interaction of drugs.

dan mencoba memahami Interaksi antara obat-obat ini.

Two more lessons:

Dua pelajaran lagi:

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

Saya ingin Anda pikirkan tentang kekuatan yang bisa kita hasilkan

with the data from people who had volunteered their adverse reactions

dengan data dari orang-orang yang sukarela memberikan reaksi buruk mereka

through their pharmacists, through themselves, through their doctors,

melalui apoteker, diri mereka sendiri, dan dokter mereka,

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

Orang-orang yang mengizinkan database di Stanford, Harvard, Vanderbilt,

to be used for research.

digunakan untuk penelitian.

People are worried about data.

Orang-orang khawatir akan data mereka,

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

akan privasi dan keamanan mereka -- dan memang seharusnya begitu.

We need secure systems.

Kita butuh sistem yang aman.

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

Tapi harusnya sistem itu tidak menutup akses kita pada data,

because it is too rich of a source

karena ini adalah sumber yang sangat kaya

of inspiration, innovation and discovery

akan inspirasi, inovasi dan penemuan

for new things in medicine.

hal-hal baru di bidang kedokteran.

And the final thing I want to say is,

Yang terakhir yang ingin saya katakan adalah,

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

dalam studi ini kami menemukan 2 obat dan ceritanya agak sedih.

The two drugs actually caused problems.

Kedua obat ini menimbulkan masalah.

They increased glucose.

Keduanya meningkatkan glukosa.

They could throw somebody into diabetes

Mereka bisa menyebabkan seseorang terkena diabetes

who would otherwise not be in diabetes,

yang sebelumnya tidak punya diabetes,

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

dan supaya Anda berhati-hati menggunakan kedua obat ini secara bersamaan,

perhaps not together,

mungkin tidak bersamaan,

make different choices when you're prescribing.

gunakan obat lain ketika Anda menulis resep.

But there was another possibility.

Tapi ada kemungkinan lain.

We could have found two drugs or three drugs

Kita bisa menemukan 2 obat atau 3 obat

that were interacting in a beneficial way.

yang interaksinya menguntungkan.

We could have found new effects of drugs

Kita bisa menemukan efek baru obat

yang sendiri-sendiri tidak ditemukan pada kedua obat ini

that neither of them has alone,

but together, instead of causing a side effect,

tapi muncul saat digunakan bersamaan, alih-alih efek samping.

they could be a new and novel treatment

Mereka bisa jadi pengobatan baru

for diseases that don't have treatments

bagi penyakit yang belum bisa diobati

or where the treatments are not effective.

atau pengobatannya belum efektif.

If we think about drug treatment today,

Kalau kita pikirkan tentang pengobatan saat ini,

all the major breakthroughs --

semua terobosan besar --

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

untuk HIV, untuk tuberculosis, untuk depresi, untuk diabetes --

it's always a cocktail of drugs.

semuanya adalah campuran berbagai obat.

And so the upside here,

Jadi sisi positifnya disini,

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

dan topik untuk TED Talk berikutnya,

is how can we use the same data sources

adalah bagaimana kita bisa menggunakan sumber data yang sama

to find good effects of drugs in combination

untuk mencari efek positif dari kombinasi obat-obatan

that will provide us new treatments,

yang akan menyediakan kita pengobatan baru,

new insights into how drugs work

wawasan baru tentang cara kerja obat

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

dan memungkinkan kita untuk merawat pasien lebih baik?

Thank you very much.

Terima kasih banyak.

(Applause)

(Tepuk tangan)