下の英語字幕をダブルクリックすると動画を再生できます。
翻訳: Yasushi Aoki
校正: Masaki Yanagishita
00:12
So you go to the doctor
and get some tests.
0
12811
3321
病院に行って
検査を受けたところ
00:16
The doctor determines
that you have high cholesterol
1
16674
2620
コレステロールが高いので
00:19
and you would benefit
from medication to treat it.
2
19318
3171
薬で下げた方が良いと
診断されました
00:22
So you get a pillbox.
3
22981
1556
それで薬の瓶を
1つ手にします
00:25
You have some confidence,
4
25505
1199
患者も医者も
00:26
your physician has some confidence
that this is going to work.
5
26728
2937
薬は効くはずだと
信じています
00:29
The company that invented it did
a lot of studies, submitted it to the FDA.
6
29689
3553
薬を作った会社は 多くの研究を
重ねた上で 薬の認可を申請し
00:33
They studied it very carefully,
skeptically, they approved it.
7
33266
3107
FDAは細心の注意を払って
批判的に審査した上で認可を出しています
00:36
They have a rough idea of how it works,
8
36397
1889
薬がどのように働き
どんな副作用があるかは
おおよそ分かっていて
00:38
they have a rough idea
of what the side effects are.
9
38310
2453
00:40
It should be OK.
10
40787
1150
大丈夫なはずだと
00:42
You have a little more
of a conversation with your physician
11
42864
2818
さらに話していると
医者が少し懸念を持ちます
00:45
and the physician is a little worried
because you've been blue,
12
45706
2963
どうも少し ふさぎ気味だ
00:48
haven't felt like yourself,
13
48693
1293
何か違和感がある
00:50
you haven't been able to enjoy things
in life quite as much as you usually do.
14
50010
3731
以前のように
物事を楽しめない
00:53
Your physician says, "You know,
I think you have some depression.
15
53765
3186
医者が言います
「少しうつの傾向があるようです
00:57
I'm going to have to give
you another pill."
16
57792
2315
薬をもう1つ
飲んだほうがいいですね」
01:00
So now we're talking
about two medications.
17
60934
2483
これで薬が2つになりました
01:03
This pill also -- millions
of people have taken it,
18
63441
3104
こちらの薬も
何百万という人が使っていて
01:06
the company did studies,
the FDA looked at it -- all good.
19
66569
3631
製薬会社が研究をし FDAが
チェックしていて 問題のないものです
01:10
Think things should go OK.
20
70823
2057
こっちは大丈夫なはずです
01:12
Think things should go OK.
21
72904
2197
こっちは大丈夫なはずです
01:15
Well, wait a minute.
22
75125
1439
でも 待ってください
01:16
How much have we studied
these two together?
23
76588
3517
両方同時に使った場合については
どれほど研究されているのでしょう?
01:20
Well, it's very hard to do that.
24
80630
2300
それは 実際 行うのが難しく
01:22
In fact, it's not traditionally done.
25
82954
2130
通常は行われていません
01:25
We totally depend on what we call
"post-marketing surveillance,"
26
85108
5518
私たちはもっぱら
「市販後調査」と呼ばれるものに
頼っています
01:30
after the drugs hit the market.
27
90650
1880
01:32
How can we figure out
if bad things are happening
28
92996
2848
2つの薬の併用で
問題が生じているかは
01:35
between two medications?
29
95868
1357
どうすれば
わかるのでしょう?
01:37
Three? Five? Seven?
30
97249
2030
併用が 3つ 5つ 7つの場合は?
01:39
Ask your favorite person
who has several diagnoses
31
99708
2415
病気をいくつも抱えた人に
薬をいったい何種飲んでいるのか
聞いてご覧なさい
01:42
how many medications they're on.
32
102147
1834
01:44
Why do I care about this problem?
33
104530
1580
私はこの問題に
とても関心があります
01:46
I care about it deeply.
34
106134
1157
なぜかというと
01:47
I'm an informatics and data science guy
and really, in my opinion,
35
107315
4304
私はインフォマティクスとデータサイエンスを
専門とする人間ですが 私の考えでは
01:51
the only hope -- only hope --
to understand these interactions
36
111643
3745
そのような薬の相互作用について理解する
唯一見込みのある方法は
01:55
is to leverage lots
of different sources of data
37
115412
3056
様々な異なる情報源のデータを
活用することなんです
01:58
in order to figure out
when drugs can be used together safely
38
118492
3556
それによって薬が併用して
安全か安全でないか
02:02
and when it's not so safe.
39
122072
1777
分かるようになります
02:04
So let me tell you a data science story.
40
124615
2051
データサイエンスの方法を
お聞かせしましょう
02:06
And it begins with my student Nick.
41
126690
2154
話は私の教え子から
始まります
02:08
Let's call him "Nick,"
because that's his name.
42
128868
2380
彼を「ニック」と呼ぶことにしましょう
それが彼の名前なので
02:11
(Laughter)
43
131272
1592
(笑)
02:12
Nick was a young student.
44
132888
1201
若い学生のニックに
私は言いました
02:14
I said, "You know, Nick, we have
to understand how drugs work
45
134113
3079
「薬は単独で
あるいは併用したとき
どう働くのか
理解する必要があるが
02:17
and how they work together
and how they work separately,
46
137216
2626
02:19
and we don't have a great understanding.
47
139866
1922
我々はあまり良く
理解しているとは言えない
02:21
But the FDA has made available
an amazing database.
48
141812
2405
しかしFDAが作った
素晴らしいデータベースがある
02:24
It's a database of adverse events.
49
144241
1699
有害事象のデータベースだ」
02:26
They literally put on the web --
50
146321
1642
文字通りWebサイトで
公開されていて
02:27
publicly available, you could all
download it right now --
51
147987
3119
誰でもすぐダウンロードできます
02:31
hundreds of thousands
of adverse event reports
52
151130
3627
そこには患者 医者 企業
薬剤師から寄せられた
02:34
from patients, doctors,
companies, pharmacists.
53
154781
3760
何十万という有害事象の報告が
集められています
02:38
And these reports are pretty simple:
54
158565
1749
このデータはとても
シンプルなもので
02:40
it has all the diseases
that the patient has,
55
160338
2658
その患者が抱える
すべての病気
02:43
all the drugs that they're on,
56
163020
1767
処方されている
すべての薬
02:44
and all the adverse events,
or side effects, that they experience.
57
164811
3818
そして経験されたすべての有害事象
ないしは副作用が書かれています
02:48
It is not all of the adverse events
that are occurring in America today,
58
168653
3436
米国で発生している有害事象が
網羅されているわけではありませんが
02:52
but it's hundreds and hundreds
of thousands of drugs.
59
172113
2578
何百何千という薬の
データがあります
02:54
So I said to Nick,
60
174715
1299
それでニックに言いました
02:56
"Let's think about glucose.
61
176038
1826
「血糖を検討してみよう
02:57
Glucose is very important,
and we know it's involved with diabetes.
62
177888
3567
血糖はとても重要で
糖尿病に関与していることが分かっている
03:01
Let's see if we can understand
glucose response.
63
181479
3970
薬による血糖の変化について
何か分かるかやってみよう」
03:05
I sent Nick off. Nick came back.
64
185473
2458
そしてニックを送り出し
ニックが戻ってきました
03:08
"Russ," he said,
65
188248
1786
「先生 このデータベースの
データに基づいて
03:10
"I've created a classifier that can
look at the side effects of a drug
66
190351
5112
副作用による
薬の分類を作りました
03:15
based on looking at this database,
67
195487
2051
これを使うと
03:17
and can tell you whether that drug
is likely to change glucose or not."
68
197562
4271
薬で血糖が変わるか
どうか分かります」
03:21
He did it. It was very simple, in a way.
69
201857
2016
彼のやったことは
ごく単純です
03:23
He took all the drugs
that were known to change glucose
70
203897
2635
血糖を変えることが
分かっている薬のグループと
03:26
and a bunch of drugs
that don't change glucose,
71
206556
2389
血糖を変えない薬のグループを
比較したんです
03:28
and said, "What's the difference
in their side effects?
72
208969
2888
「両者の副作用に
どんな違いがあるのか?
03:31
Differences in fatigue? In appetite?
In urination habits?"
73
211881
4852
倦怠感は? 食欲は? 排尿習慣は?」
03:36
All those things conspired
to give him a really good predictor.
74
216757
2960
これらを合わせると
とても良い指標になります
03:39
He said, "Russ, I can predict
with 93 percent accuracy
75
219741
2548
「薬が血糖を変えるかどうか
93%の精度で当てられます」と
03:42
when a drug will change glucose."
76
222313
1572
03:43
I said, "Nick, that's great."
77
223909
1416
「すごいじゃないか」
若い学生です 自信を付けて
やらなきゃいけません (笑)
03:45
He's a young student,
you have to build his confidence.
78
225349
2896
03:48
"But Nick, there's a problem.
79
228269
1390
「問題は
03:49
It's that every physician in the world
knows all the drugs that change glucose,
80
229683
3960
どの薬が血糖に影響するか
医者ならみんな知っているということだ
03:53
because it's core to our practice.
81
233667
2038
とても重要なことだからね
03:55
So it's great, good job,
but not really that interesting,
82
235729
3722
良い成果だが
本当に興味深いとは言えず
03:59
definitely not publishable."
83
239475
1531
論文にはならないな」
04:01
(Laughter)
84
241030
1014
(笑)
04:02
He said, "I know, Russ.
I thought you might say that."
85
242068
2550
「先生がそう言うのは
分かっていました」
04:04
Nick is smart.
86
244642
1152
ニックは頭の良い学生です
04:06
"I thought you might say that,
so I did one other experiment.
87
246149
2874
「そうくると思って
もう1つ実験をしました
04:09
I looked at people in this database
who were on two drugs,
88
249047
2928
データベースで薬を
2つ併用している患者に
04:11
and I looked for signals similar,
glucose-changing signals,
89
251999
4422
血糖が変化している
兆候がないか探したんです
04:16
for people taking two drugs,
90
256445
1624
服用している2つの薬が
04:18
where each drug alone
did not change glucose,
91
258093
5569
単独では血糖を
変えないけれど
04:23
but together I saw a strong signal."
92
263686
2460
併用すると 変化する見込みが
高いケースです」
04:26
And I said, "Oh! You're clever.
Good idea. Show me the list."
93
266170
3149
「なるほど いいアイデアだ
リストを見せてご覧」
04:29
And there's a bunch of drugs,
not very exciting.
94
269343
2254
そこには あまり興味を引かない薬が
たくさん並んでいましたが
04:31
But what caught my eye
was, on the list there were two drugs:
95
271621
3932
目を引く薬が
2つありました
04:35
paroxetine, or Paxil, an antidepressant;
96
275577
3393
パロキセチン 別名パキシルという
抗うつ薬と
04:39
and pravastatin, or Pravachol,
a cholesterol medication.
97
279756
3570
プラバスタチン 別名プラバコールという
高コレステロール血症治療薬です
04:43
And I said, "Huh. There are millions
of Americans on those two drugs."
98
283936
4283
「おや この2つを飲んでいる患者なら
アメリカに何百万人もいるぞ」
04:48
In fact, we learned later,
99
288243
1246
実際後で分かったことですが
04:49
15 million Americans on paroxetine
at the time, 15 million on pravastatin,
100
289513
6032
その当時でパロキセチンは1500万人
プラバスタチンも1500万人のアメリカ人が服用しており
04:55
and a million, we estimated, on both.
101
295569
2817
両方服用している人が
百万人ほどいると推定されました
04:58
So that's a million people
102
298767
1254
つまり百万人もの人が
薬のせいで
05:00
who might be having some problems
with their glucose
103
300045
2453
血糖の問題を抱えている
かもしれないのです
05:02
if this machine-learning mumbo jumbo
that he did in the FDA database
104
302522
3206
ニックがFDAのデータを
機械学習にかけて
ごちゃごちゃやった結果が
もし正しいのであれば
05:05
actually holds up.
105
305752
1254
05:07
But I said, "It's still not publishable,
106
307030
1927
「でもまだ論文にはできないな
05:08
because I love what you did
with the mumbo jumbo,
107
308981
2296
君のやっている
機械学習とか言うやつを
05:11
with the machine learning,
108
311301
1246
私は面白いと思うが
05:12
but it's not really standard-of-proof
evidence that we have."
109
312571
3864
我々の分野で確立した
実証方法とは言えない」
05:17
So we have to do something else.
110
317618
1589
もっと何かやる
必要があります
05:19
Let's go into the Stanford
electronic medical record.
111
319231
2876
スタンフォードの電子医療記録に
あたってみることにしました
05:22
We have a copy of it
that's OK for research,
112
322131
2064
研究室にコピーがあって
個人情報を取り除けば
研究目的に使えました
05:24
we removed identifying information.
113
324219
2046
05:26
And I said, "Let's see if people
on these two drugs
114
326581
2503
「この2つの薬を
使っている患者に
血糖の問題がないか
見てみよう」
05:29
have problems with their glucose."
115
329108
1769
05:31
Now there are thousands
and thousands of people
116
331242
2207
パロキセチンとプラバスタチンを
使っている患者なら
05:33
in the Stanford medical records
that take paroxetine and pravastatin.
117
333473
3459
スタンフォードの医療記録に
何千人もいましたが
05:36
But we needed special patients.
118
336956
1799
私たちは特別な患者を
必要としていました
05:38
We needed patients who were on one of them
and had a glucose measurement,
119
338779
4597
最初一方を服用していて
血糖値を測定し
05:43
then got the second one and had
another glucose measurement,
120
343400
3449
それからもう一方を服用し
また血糖値を測定するというのを
05:46
all within a reasonable period of time --
something like two months.
121
346873
3615
2ヶ月というような
適当な期間内に行った患者です
05:50
And when we did that,
we found 10 patients.
122
350512
3159
探してみたら
10人見つかりました
05:54
However, eight out of the 10
had a bump in their glucose
123
354592
4538
そして10人中 8人で
血糖の増加が
2番目のPの後 — 2つの薬を
P & P と呼んでいるんですが —
05:59
when they got the second P --
we call this P and P --
124
359154
2645
06:01
when they got the second P.
125
361823
1310
見られました
06:03
Either one could be first,
the second one comes up,
126
363157
2562
どちらが先でも同じで
2番目の薬を服用したとたんに
06:05
glucose went up
20 milligrams per deciliter.
127
365743
2847
血糖が 20mg/dl 上昇したんです
06:08
Just as a reminder,
128
368614
1158
参考までに
06:09
you walk around normally,
if you're not diabetic,
129
369796
2325
普通に生活している人は
糖尿病でなければ
06:12
with a glucose of around 90.
130
372145
1359
血糖値は90程度です
06:13
And if it gets up to 120, 125,
131
373528
2076
それが120とか125になったら
06:15
your doctor begins to think
about a potential diagnosis of diabetes.
132
375628
3450
医者は糖尿病の可能性を
疑い始めます
06:19
So a 20 bump -- pretty significant.
133
379102
2991
だから20の上昇というのは
見過ごせないものです
06:22
I said, "Nick, this is very cool.
134
382601
1904
「ニック これはすごいぞ
06:25
But, I'm sorry, we still
don't have a paper,
135
385616
2053
だが残念ながら
まだ論文にはできない
06:27
because this is 10 patients
and -- give me a break --
136
387693
2579
たった10人では
どう見ても少なすぎる」
06:30
it's not enough patients."
137
390296
1245
06:31
So we said, what can we do?
138
391565
1306
どうしたらいいか?
06:32
And we said, let's call our friends
at Harvard and Vanderbilt,
139
392895
2976
ボストンにあるハーバード大と
ナッシュビルにあるヴァンダービルト大の
06:35
who also -- Harvard in Boston,
Vanderbilt in Nashville,
140
395895
2587
知り合いに電話する
ことにしました
06:38
who also have electronic
medical records similar to ours.
141
398506
2821
両大学にもスタンフォードと同様の
電子医療記録があります
06:41
Let's see if they can find
similar patients
142
401351
2020
最初のPと
次のPの服用と
06:43
with the one P, the other P,
the glucose measurements
143
403395
3276
血糖値測定を
必要な期間内に行っている患者を
06:46
in that range that we need.
144
406695
1600
探してもらうことにしました
06:48
God bless them, Vanderbilt
in one week found 40 such patients,
145
408787
4955
ありがたいことに ヴァンダービルト大からは
1週間で そのような患者が40人見つかり
06:53
same trend.
146
413766
1189
同じ傾向が見られました
06:55
Harvard found 100 patients, same trend.
147
415804
3620
ハーバード大からは100人の患者が見つかり
同じ傾向が見られました
06:59
So at the end, we had 150 patients
from three diverse medical centers
148
419448
4281
最終的に3つの異なる医療センターで
150人の患者が見つかり
07:03
that were telling us that patients
getting these two drugs
149
423753
3297
これら2つの薬を
併用すると
07:07
were having their glucose bump
somewhat significantly.
150
427074
2703
血糖が有意に上昇することを
示していました
07:10
More interestingly,
we had left out diabetics,
151
430317
2810
さらに興味深いのは
血糖にすでに異常のある
糖尿病患者は当初除外していたんですが
07:13
because diabetics already
have messed up glucose.
152
433151
2317
07:15
When we looked
at the glucose of diabetics,
153
435492
2238
糖尿病患者の場合には
07:17
it was going up 60 milligrams
per deciliter, not just 20.
154
437754
3435
20mgではなく60mgも
上昇することが分かりました
07:21
This was a big deal, and we said,
"We've got to publish this."
155
441760
3452
これは重大なことです
「これは発表しなきゃいけない」となって
論文を提出しました
07:25
We submitted the paper.
156
445236
1179
07:26
It was all data evidence,
157
446439
2111
証拠はすべてデータです
07:28
data from the FDA, data from Stanford,
158
448574
2483
FDAのデータ
スタンフォード大のデータ
ヴァンダービルト大のデータ
ハーバード大のデータ
07:31
data from Vanderbilt, data from Harvard.
159
451081
1946
07:33
We had not done a single real experiment.
160
453051
2396
自分で実験は
1つもしていません
07:36
But we were nervous.
161
456495
1296
でも少し不安になったので
07:38
So Nick, while the paper
was in review, went to the lab.
162
458201
3730
論文が査読を受けている間に
07:41
We found somebody
who knew about lab stuff.
163
461955
2462
実験ができる人間を探しました
07:44
I don't do that.
164
464441
1393
私はやりませんので
07:45
I take care of patients,
but I don't do pipettes.
165
465858
2417
患者は診ますが
ピペットは使いません
07:49
They taught us how to feed mice drugs.
166
469420
3053
マウスに薬を与える
やり方を習いました
07:52
We took mice and we gave them
one P, paroxetine.
167
472864
2414
あるマウスのグループには
パロキセチンを与え
07:55
We gave some other mice pravastatin.
168
475302
2508
別のグループには
プラバスタチンを与え
07:57
And we gave a third group
of mice both of them.
169
477834
3595
第3のグループには
両方与えました
08:01
And lo and behold, glucose went up
20 to 60 milligrams per deciliter
170
481893
3946
するとマウスでも
20〜60mg/dlの
血糖上昇が見られました
08:05
in the mice.
171
485863
1171
08:07
So the paper was accepted
based on the informatics evidence alone,
172
487058
3158
論文はインフォマティクス的な
証拠だけで受理されましたが
08:10
but we added a little note at the end,
173
490240
1894
最後に注釈を
追加しておきました
「ちなみに マウスに投与したところ
上昇が見られた」
08:12
saying, oh by the way,
if you give these to mice, it goes up.
174
492158
2899
素晴らしい結果です
話はここで終わりにしてもいいんですが
08:15
That was great, and the story
could have ended there.
175
495081
2508
08:17
But I still have six and a half minutes.
176
497613
1997
まだ6分半残っています
08:19
(Laughter)
177
499634
2807
(笑)
08:22
So we were sitting around
thinking about all of this,
178
502465
2815
この件について考えていて
誰だったのか覚えていませんが
こう言いました
08:25
and I don't remember who thought
of it, but somebody said,
179
505304
2735
「この2つの薬を
服用した患者の中に
08:28
"I wonder if patients
who are taking these two drugs
180
508063
3201
08:31
are noticing side effects
of hyperglycemia.
181
511288
3553
高血糖の副作用に気付いた人は
いなかったのかな?
08:34
They could and they should.
182
514865
1496
気付いて良さそうなものだけど
08:36
How would we ever determine that?"
183
516761
1877
どうすればわかるだろう?」
08:39
We said, well, what do you do?
184
519551
1443
「患者はどうするだろう?
08:41
You're taking a medication,
one new medication or two,
185
521018
2580
薬を1つか2つ
新たに服用し始めて
08:43
and you get a funny feeling.
186
523622
1538
何か具合が
悪くなったとしたら
08:45
What do you do?
187
525184
1151
どうするか?
08:46
You go to Google
188
526359
1151
飲んでいる薬の名前に
08:47
and type in the two drugs you're taking
or the one drug you're taking,
189
527534
3349
「副作用」という
キーワードを追加して
Googleで検索し
08:50
and you type in "side effects."
190
530907
1603
自分の症状を
探してみるんじゃないかな?」
08:52
What are you experiencing?
191
532534
1356
08:54
So we said OK,
192
534239
1151
それでGoogleに
08:55
let's ask Google if they will share
their search logs with us,
193
535414
3056
検索ログを見せてくれるよう
頼んでみよう
ということになりました
08:58
so that we can look at the search logs
194
538494
1833
患者がそのような検索をしていないか
調べようというわけです
09:00
and see if patients are doing
these kinds of searches.
195
540351
2565
09:02
Google, I am sorry to say,
denied our request.
196
542940
3275
あいにく我々の依頼は
Googleに断られ
09:06
So I was bummed.
197
546819
1151
とてもがっかりしました
09:07
I was at a dinner with a colleague
who works at Microsoft Research
198
547994
3166
Microsoftリサーチで働く仕事仲間と
食事していた時に
09:11
and I said, "We wanted to do this study,
199
551184
1941
こういう研究を
したいんだけど
Googleに断られて
参ったという話をすると
09:13
Google said no, it's kind of a bummer."
200
553149
1880
彼が言いました
「うちにBing検索というのがあるけど・・・」
09:15
He said, "Well, we have
the Bing searches."
201
555053
2086
09:18
(Laughter)
202
558195
3483
(笑)
09:22
Yeah.
203
562805
1267
ほう
そりゃいいね
09:24
That's great.
204
564096
1151
09:25
Now I felt like I was --
205
565271
1151
私は内心もう —
09:26
(Laughter)
206
566446
1000
(笑)
09:27
I felt like I was talking to Nick again.
207
567470
2412
またニックと話しているような
感じになりました
09:30
He works for one of the largest
companies in the world,
208
570437
2624
世界最大の企業の1つで
働いている男です
09:33
and I'm already trying
to make him feel better.
209
573085
2206
私はもう おだてる姿勢に
入っていました
09:35
But he said, "No, Russ --
you might not understand.
210
575315
2445
すると彼が言います
「誤解したかもしれませんが
09:37
We not only have Bing searches,
211
577784
1500
うちにはBing検索がある
というだけじゃなくて
09:39
but if you use Internet Explorer
to do searches at Google,
212
579308
3340
Internet Explorerで検索していれば
Googleだろうと
09:42
Yahoo, Bing, any ...
213
582672
1891
Yahooだろうと
Bingだろうと
09:44
Then, for 18 months, we keep that data
for research purposes only."
214
584587
3643
研究目的限定でデータを
18ヶ月分保持してあるんです」
09:48
I said, "Now you're talking!"
215
588254
1936
「そりゃ願ってもない!」
彼はエリック・ホーヴィッツという
Microsoftにいる友人です
09:50
This was Eric Horvitz,
my friend at Microsoft.
216
590214
2198
09:52
So we did a study
217
592436
1695
それで研究に取りかかり
09:54
where we defined 50 words
that a regular person might type in
218
594155
4619
高血糖の一般の人が
検索に使いそうな言葉を
09:58
if they're having hyperglycemia,
219
598798
1602
50個リストアップしました
10:00
like "fatigue," "loss of appetite,"
"urinating a lot," "peeing a lot" --
220
600424
4762
「疲れる」「食欲がない」
「尿の量が多い」「おしっこが多い」
10:05
forgive me, but that's one
of the things you might type in.
221
605210
2767
そういった みんなの
使いそうな言葉です
これで「糖尿病言葉」と私たちの呼ぶ
50のフレーズができました
10:08
So we had 50 phrases
that we called the "diabetes words."
222
608001
2790
10:10
And we did first a baseline.
223
610815
2063
まず基準となる
値を調べたところ
10:12
And it turns out
that about .5 to one percent
224
612902
2704
インターネット検索全体のうちの
0.5〜1%は
10:15
of all searches on the Internet
involve one of those words.
225
615630
2982
糖尿病言葉を含むことが
分かりました
10:18
So that's our baseline rate.
226
618636
1742
これが基準になります
10:20
If people type in "paroxetine"
or "Paxil" -- those are synonyms --
227
620402
4143
パロキセチンないしはパキシル —
この2つは同じですが —
10:24
and one of those words,
228
624569
1215
その一方の言葉があるとき
糖尿病言葉が現れる率は2%ほどに上がります
10:25
the rate goes up to about two percent
of diabetes-type words,
229
625808
4890
10:30
if you already know
that there's that "paroxetine" word.
230
630722
3044
パロキセチン言葉が
ある場合です
10:34
If it's "pravastatin," the rate goes up
to about three percent from the baseline.
231
634191
4547
プラバスタチンがある場合は
基準から上がって3%ほどになります
10:39
If both "paroxetine" and "pravastatin"
are present in the query,
232
639171
4390
検索語にパロキセチンとプラバスタチンが
両方ある場合は
10:43
it goes up to 10 percent,
233
643585
1669
10%に上がります
10:45
a huge three- to four-fold increase
234
645278
3461
3倍から4倍という
大きな上昇です
10:48
in those searches with the two drugs
that we were interested in,
235
648763
3389
この2つの薬の名を
両方含んだ検索では
10:52
and diabetes-type words
or hyperglycemia-type words.
236
652176
3566
糖尿病言葉ないしは高血糖言葉が
よく現れるということです
10:56
We published this,
237
656216
1265
この結果を
発表すると
10:57
and it got some attention.
238
657505
1466
注目を集めました
10:58
The reason it deserves attention
239
658995
1778
これが注目に値するのは
11:00
is that patients are telling us
their side effects indirectly
240
660797
4312
患者が検索を通して
間接的に
副作用について
語っているからです
11:05
through their searches.
241
665133
1156
11:06
We brought this
to the attention of the FDA.
242
666313
2138
我々がこれをFDAに示すと
11:08
They were interested.
243
668475
1269
彼らは興味を示し
11:09
They have set up social media
surveillance programs
244
669768
3606
Microsoftその他の企業と協力して
ソーシャルメディア監視プログラムを
立ち上げました
11:13
to collaborate with Microsoft,
245
673398
1751
11:15
which had a nice infrastructure
for doing this, and others,
246
675173
2794
Microsoftはそのための
良いインフラを持っています
11:17
to look at Twitter feeds,
247
677991
1282
Twitterフィード
11:19
to look at Facebook feeds,
248
679297
1716
Facebookフィード
11:21
to look at search logs,
249
681037
1311
検索ログを見て
11:22
to try to see early signs that drugs,
either individually or together,
250
682372
4909
薬を単独使用ないしは
併用したときに
問題を起こす兆候を
見つけようとしています
11:27
are causing problems.
251
687305
1589
11:28
What do I take from this?
Why tell this story?
252
688918
2174
ここから得られることは何か?
なぜこの話をしたのか?
11:31
Well, first of all,
253
691116
1207
まず 我々は今や
11:32
we have now the promise
of big data and medium-sized data
254
692347
4037
薬の相互作用や 薬の効果そのもの
についての理解を助ける
11:36
to help us understand drug interactions
255
696408
2918
有望なビッグテータや
中規模データを
11:39
and really, fundamentally, drug actions.
256
699350
2420
手にしているということ
11:41
How do drugs work?
257
701794
1413
薬がどう効き
11:43
This will create and has created
a new ecosystem
258
703231
2836
薬の使用をどう最適化できるか
理解するための
11:46
for understanding how drugs work
and to optimize their use.
259
706091
3267
新しいエコシステムが
できつつあるということです
11:50
Nick went on; he's a professor
at Columbia now.
260
710303
2659
ニックは研究を続け
今ではコロンビア大学の教授です
11:52
He did this in his PhD
for hundreds of pairs of drugs.
261
712986
4072
彼は博士論文で何百という
薬の組み合わせについて調べ
非常に重要な薬の相互作用を
いくつも見つけました
11:57
He found several
very important interactions,
262
717082
2517
11:59
and so we replicated this
263
719623
1214
我々は同じ方法を適用して
12:00
and we showed that this
is a way that really works
264
720861
2574
これが 薬の
相互作用を見つける
12:03
for finding drug-drug interactions.
265
723459
2339
有効な方法であることを
示したんです
12:06
However, there's a couple of things.
266
726282
1734
いくつか考えるべき
ことがあります
薬というのは 1度に2種類までしか
使わないわけではありません
12:08
We don't just use pairs
of drugs at a time.
267
728040
3046
12:11
As I said before, there are patients
on three, five, seven, nine drugs.
268
731110
4469
前に言ったように 薬を
3種 5種 7種 9種 使う患者がいます
12:15
Have they been studied with respect
to their nine-way interaction?
269
735981
3642
9種の薬の相互作用について
研究されているのでしょうか?
12:19
Yes, we can do pair-wise,
A and B, A and C, A and D,
270
739647
4208
2つずつ組にして研究することはできます
AとB AとC AとD というように
12:23
but what about A, B, C,
D, E, F, G all together,
271
743879
4286
しかし 同じ患者が飲む薬
A B C D E F G
全部一緒にはどうでしょう?
12:28
being taken by the same patient,
272
748189
1762
12:29
perhaps interacting with each other
273
749975
2118
相互作用によって
12:32
in ways that either makes them
more effective or less effective
274
752117
3778
効果が増減したり
予期しない副作用が
出たりするかもしれません
12:35
or causes side effects
that are unexpected?
275
755919
2332
12:38
We really have no idea.
276
758275
1827
まったく分かっていません
12:40
It's a blue sky, open field
for us to use data
277
760126
3756
データを使って薬の相互作用を
理解するといのうは
12:43
to try to understand
the interaction of drugs.
278
763906
2502
手つかずで開かれた
研究領域なんです
12:46
Two more lessons:
279
766848
1370
教訓がもう2つあります
12:48
I want you to think about the power
that we were able to generate
280
768242
4199
私たちがデータによって得た力について
考えてほしいのです
12:52
with the data from people who had
volunteered their adverse reactions
281
772465
4711
薬剤師や医師を通し
あるいは患者自ら
薬害反応について
進んで情報提供し
12:57
through their pharmacists,
through themselves, through their doctors,
282
777200
3269
スタンフォード大 ハーバード大
ヴァンダービルト大のデータベースで
13:00
the people who allowed the databases
at Stanford, Harvard, Vanderbilt,
283
780493
3667
研究利用できるようにしてくれた
人々のデータです
13:04
to be used for research.
284
784184
1427
13:05
People are worried about data.
285
785929
1445
みんなデータについては
懸念を持っています
13:07
They're worried about their privacy
and security -- they should be.
286
787398
3187
プライバシーやセキュリティについて
心配しているし そうあるべきです
13:10
We need secure systems.
287
790609
1151
安全なシステムが必要です
13:11
But we can't have a system
that closes that data off,
288
791784
3406
しかしデータを封印してしまう
わけにはいきません
13:15
because it is too rich of a source
289
795214
2752
医学において
新しいことを発見し
13:17
of inspiration, innovation and discovery
290
797990
3971
革新し インスピレーションを
得るための
13:21
for new things in medicine.
291
801985
1578
非常に豊かな源なんです
13:24
And the final thing I want to say is,
292
804494
1794
最後に言いたいのは
13:26
in this case we found two drugs
and it was a little bit of a sad story.
293
806312
3357
今回のケースで2つの薬について
発見したのは 少し残念な結果でした
13:29
The two drugs actually caused problems.
294
809693
1921
一緒に使うと問題があって
13:31
They increased glucose.
295
811638
1475
血糖が上がります
13:33
They could throw somebody into diabetes
296
813137
2446
誰か糖尿病でなかった人を
13:35
who would otherwise not be in diabetes,
297
815607
2294
糖尿病にしてしまう
かもしれません
13:37
and so you would want to use
the two drugs very carefully together,
298
817925
3175
2つの薬を併用する場合には
注意が必要で
一緒には使わないよう
13:41
perhaps not together,
299
821124
1151
13:42
make different choices
when you're prescribing.
300
822299
2340
処方を変えた方が
良いかもしれません
13:44
But there was another possibility.
301
824663
1846
しかし別の
可能性もあります
13:46
We could have found
two drugs or three drugs
302
826533
2344
2つないしは3つの薬が
良い方向に相互作用することを
13:48
that were interacting in a beneficial way.
303
828901
2261
発見していたかも
しれないのです
13:51
We could have found new effects of drugs
304
831616
2712
単独の薬では現れないけれど
一緒にすると現れるような
13:54
that neither of them has alone,
305
834352
2160
新しい薬効が見つかる
かもしれません
13:56
but together, instead
of causing a side effect,
306
836536
2493
副作用を起こすのではなく
13:59
they could be a new and novel treatment
307
839053
2425
現在 治療法のない病気
14:01
for diseases that don't have treatments
308
841502
1882
治療法が効果的でない
病気への
14:03
or where the treatments are not effective.
309
843408
2007
新しい治療法が
できるかもしれません
14:05
If we think about drug treatment today,
310
845439
2395
現在ある薬物療法を
考えてみると
14:07
all the major breakthroughs --
311
847858
1752
大きな飛躍は
14:09
for HIV, for tuberculosis,
for depression, for diabetes --
312
849634
4297
HIVにせよ 結核にせよ
うつ病にせよ 糖尿病にせよ
14:13
it's always a cocktail of drugs.
313
853955
2830
みんな薬の混合から
生まれているのです
14:16
And so the upside here,
314
856809
1730
だからこれの
明るい面は
14:18
and the subject for a different
TED Talk on a different day,
315
858563
2849
そして次のTEDトークの
テーマになるのは
14:21
is how can we use the same data sources
316
861436
2593
同じデータを使って
好ましい効果を生む薬の組み合わせは
いかに見つけられるかということです
14:24
to find good effects
of drugs in combination
317
864053
3563
14:27
that will provide us new treatments,
318
867640
2175
それが新しい治療法や
14:29
new insights into how drugs work
319
869839
1852
薬の働きについての
新たな洞察を与えてくれ
14:31
and enable us to take care
of our patients even better?
320
871715
3786
患者をもっとうまく治療できる
ようにしてくれるはずです
14:35
Thank you very much.
321
875525
1166
どうもありがとう
14:36
(Applause)
322
876715
3499
(拍手)
New videos
このウェブサイトについて
このサイトでは英語学習に役立つYouTube動画を紹介します。世界中の一流講師による英語レッスンを見ることができます。各ビデオのページに表示される英語字幕をダブルクリックすると、そこからビデオを再生することができます。字幕はビデオの再生と同期してスクロールします。ご意見・ご要望がございましたら、こちらのお問い合わせフォームよりご連絡ください。