What really happens when you mix medications? | Russ Altman

翻訳: Yasushi Aoki 校正: Masaki Yanagishita

So you go to the doctor and get some tests.

病院に行って 検査を受けたところ

The doctor determines that you have high cholesterol

コレステロールが高いので

and you would benefit from medication to treat it.

薬で下げた方が良いと 診断されました

So you get a pillbox.

それで薬の瓶を １つ手にします

You have some confidence,

患者も医者も

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

薬は効くはずだと 信じています

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

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

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

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

They have a rough idea of how it works,

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

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

It should be OK.

大丈夫なはずだと

You have a little more of a conversation with your physician

さらに話していると 医者が少し懸念を持ちます

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

どうも少し ふさぎ気味だ

haven't felt like yourself,

何か違和感がある

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

以前のように 物事を楽しめない

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

医者が言います 「少しうつの傾向があるようです

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

薬をもう１つ 飲んだほうがいいですね」

So now we're talking about two medications.

これで薬が２つになりました

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

こちらの薬も 何百万という人が使っていて

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

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

Think things should go OK.

こっちは大丈夫なはずです

Think things should go OK.

こっちは大丈夫なはずです

Well, wait a minute.

でも 待ってください

How much have we studied these two together?

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？

Well, it's very hard to do that.

それは 実際 行うのが難しく

In fact, it's not traditionally done.

通常は行われていません

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

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

after the drugs hit the market.

How can we figure out if bad things are happening

２つの薬の併用で 問題が生じているかは

between two medications?

どうすれば わかるのでしょう？

Three? Five? Seven?

併用が ３つ ５つ ７つの場合は？

Ask your favorite person who has several diagnoses

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

how many medications they're on.

Why do I care about this problem?

私はこの問題に とても関心があります

I care about it deeply.

なぜかというと

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

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

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

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

is to leverage lots of different sources of data

様々な異なる情報源のデータを 活用することなんです

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

それによって薬が併用して 安全か安全でないか

and when it's not so safe.

分かるようになります

So let me tell you a data science story.

データサイエンスの方法を お聞かせしましょう

And it begins with my student Nick.

話は私の教え子から 始まります

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

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

(Laughter)

(笑)

Nick was a young student.

若い学生のニックに 私は言いました

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

「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

and how they work together and how they work separately,

and we don't have a great understanding.

我々はあまり良く 理解しているとは言えない

But the FDA has made available an amazing database.

しかしFDAが作った 素晴らしいデータベースがある

It's a database of adverse events.

有害事象のデータベースだ」

They literally put on the web --

文字通りWebサイトで 公開されていて

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

誰でもすぐダウンロードできます

hundreds of thousands of adverse event reports

そこには患者 医者 企業 薬剤師から寄せられた

from patients, doctors, companies, pharmacists.

何十万という有害事象の報告が 集められています

And these reports are pretty simple:

このデータはとても シンプルなもので

it has all the diseases that the patient has,

その患者が抱える すべての病気

all the drugs that they're on,

処方されている すべての薬

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

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

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

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

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

何百何千という薬の データがあります

So I said to Nick,

それでニックに言いました

"Let's think about glucose.

「血糖を検討してみよう

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

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

Let's see if we can understand glucose response.

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」

I sent Nick off. Nick came back.

そしてニックを送り出し ニックが戻ってきました

"Russ," he said,

「先生 このデータベースの データに基づいて

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

副作用による 薬の分類を作りました

based on looking at this database,

これを使うと

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

薬で血糖が変わるか どうか分かります」

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

彼のやったことは ごく単純です

He took all the drugs that were known to change glucose

血糖を変えることが 分かっている薬のグループと

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

血糖を変えない薬のグループを 比較したんです

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

「両者の副作用に どんな違いがあるのか？

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

倦怠感は？ 食欲は？ 排尿習慣は？」

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

これらを合わせると とても良い指標になります

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

「薬が血糖を変えるかどうか

93%の精度で当てられます」と

when a drug will change glucose."

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

「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)

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

"But Nick, there's a problem.

「問題は

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

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

because it's core to our practice.

とても重要なことだからね

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

良い成果だが 本当に興味深いとは言えず

definitely not publishable."

論文にはならないな」

(Laughter)

(笑)

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

「先生がそう言うのは 分かっていました」

Nick is smart.

ニックは頭の良い学生です

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

「そうくると思って もう１つ実験をしました

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

データベースで薬を ２つ併用している患者に

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

血糖が変化している 兆候がないか探したんです

for people taking two drugs,

服用している２つの薬が

where each drug alone did not change glucose,

単独では血糖を 変えないけれど

but together I saw a strong signal."

併用すると 変化する見込みが 高いケースです」

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

「なるほど いいアイデアだ リストを見せてご覧」

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

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

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

目を引く薬が ２つありました

paroxetine, or Paxil, an antidepressant;

パロキセチン 別名パキシルという 抗うつ薬と

and pravastatin, or Pravachol, a cholesterol medication.

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

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

「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」

In fact, we learned later,

実際後で分かったことですが

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

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

and a million, we estimated, on both.

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

So that's a million people

つまり百万人もの人が 薬のせいで

who might be having some problems with their glucose

血糖の問題を抱えている かもしれないのです

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

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

actually holds up.

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

「でもまだ論文にはできないな

because I love what you did with the mumbo jumbo,

君のやっている 機械学習とか言うやつを

with the machine learning,

私は面白いと思うが

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

我々の分野で確立した 実証方法とは言えない｣

So we have to do something else.

もっと何かやる 必要があります

Let's go into the Stanford electronic medical record.

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

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

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

we removed identifying information.

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

「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」

have problems with their glucose."

Now there are thousands and thousands of people

パロキセチンとプラバスタチンを 使っている患者なら

in the Stanford medical records that take paroxetine and pravastatin.

スタンフォードの医療記録に 何千人もいましたが

But we needed special patients.

私たちは特別な患者を 必要としていました

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

最初一方を服用していて 血糖値を測定し

then got the second one and had another glucose measurement,

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

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

２ヶ月というような 適当な期間内に行った患者です

And when we did that, we found 10 patients.

探してみたら 10人見つかりました

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

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 —

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

when they got the second P.

見られました

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

どちらが先でも同じで ２番目の薬を服用したとたんに

glucose went up 20 milligrams per deciliter.

血糖が 20mg/dl 上昇したんです

Just as a reminder,

参考までに

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

普通に生活している人は 糖尿病でなければ

with a glucose of around 90.

血糖値は90程度です

And if it gets up to 120, 125,

それが120とか125になったら

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

医者は糖尿病の可能性を 疑い始めます

So a 20 bump -- pretty significant.

だから20の上昇というのは 見過ごせないものです

I said, "Nick, this is very cool.

「ニック これはすごいぞ

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

だが残念ながら まだ論文にはできない

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

たった10人では

どう見ても少なすぎる」

it's not enough patients."

So we said, what can we do?

どうしたらいいか？

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

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

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

知り合いに電話する ことにしました

who also have electronic medical records similar to ours.

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

Let's see if they can find similar patients

最初のPと 次のPの服用と

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

血糖値測定を 必要な期間内に行っている患者を

in that range that we need.

探してもらうことにしました

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

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

same trend.

同じ傾向が見られました

Harvard found 100 patients, same trend.

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

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

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

that were telling us that patients getting these two drugs

これら２つの薬を 併用すると

were having their glucose bump somewhat significantly.

血糖が有意に上昇することを 示していました

More interestingly, we had left out diabetics,

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

because diabetics already have messed up glucose.

When we looked at the glucose of diabetics,

糖尿病患者の場合には

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

20mgではなく60mgも 上昇することが分かりました

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

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

We submitted the paper.

It was all data evidence,

証拠はすべてデータです

data from the FDA, data from Stanford,

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

data from Vanderbilt, data from Harvard.

We had not done a single real experiment.

自分で実験は １つもしていません

But we were nervous.

でも少し不安になったので

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

論文が査読を受けている間に

We found somebody who knew about lab stuff.

実験ができる人間を探しました

I don't do that.

私はやりませんので

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

患者は診ますが ピペットは使いません

They taught us how to feed mice drugs.

マウスに薬を与える やり方を習いました

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

あるマウスのグループには パロキセチンを与え

We gave some other mice pravastatin.

別のグループには プラバスタチンを与え

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

第３のグループには 両方与えました

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

するとマウスでも 20〜60mg/dlの

血糖上昇が見られました

in the mice.

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

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

but we added a little note at the end,

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」

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

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

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

But I still have six and a half minutes.

まだ６分半残っています

(Laughter)

(笑)

So we were sitting around thinking about all of this,

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

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

「この２つの薬を 服用した患者の中に

"I wonder if patients who are taking these two drugs

are noticing side effects of hyperglycemia.

高血糖の副作用に気付いた人は いなかったのかな？

They could and they should.

気付いて良さそうなものだけど

How would we ever determine that?"

どうすればわかるだろう？」

We said, well, what do you do?

「患者はどうするだろう？

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

薬を１つか２つ 新たに服用し始めて

and you get a funny feeling.

何か具合が 悪くなったとしたら

What do you do?

どうするか？

You go to Google

飲んでいる薬の名前に

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

「副作用」という キーワードを追加して

Googleで検索し

and you type in "side effects."

自分の症状を 探してみるんじゃないかな？」

What are you experiencing?

So we said OK,

それでGoogleに

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

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

so that we can look at the search logs

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

and see if patients are doing these kinds of searches.

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

あいにく我々の依頼は Googleに断られ

So I was bummed.

とてもがっかりしました

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

Microsoftリサーチで働く仕事仲間と 食事していた時に

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

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

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

彼が言いました 「うちにBing検索というのがあるけど･･･」

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

(Laughter)

(笑)

Yeah.

ほう

そりゃいいね

That's great.

Now I felt like I was --

私は内心もう —

(Laughter)

(笑)

I felt like I was talking to Nick again.

またニックと話しているような 感じになりました

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

世界最大の企業の１つで 働いている男です

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

私はもう おだてる姿勢に 入っていました

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

すると彼が言います 「誤解したかもしれませんが

We not only have Bing searches,

うちにはBing検索がある というだけじゃなくて

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

Internet Explorerで検索していれば Googleだろうと

Yahoo, Bing, any ...

Yahooだろうと Bingだろうと

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

研究目的限定でデータを 18ヶ月分保持してあるんです」

I said, "Now you're talking!"

「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

This was Eric Horvitz, my friend at Microsoft.

So we did a study

それで研究に取りかかり

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

高血糖の一般の人が 検索に使いそうな言葉を

if they're having hyperglycemia,

50個リストアップしました

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

「疲れる」「食欲がない」 「尿の量が多い」「おしっこが多い」

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

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

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

And we did first a baseline.

まず基準となる 値を調べたところ

And it turns out that about .5 to one percent

インターネット検索全体のうちの 0.5〜1%は

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

糖尿病言葉を含むことが 分かりました

So that's our baseline rate.

これが基準になります

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

パロキセチンないしはパキシル —

この２つは同じですが —

and one of those words,

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

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

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

パロキセチン言葉が ある場合です

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

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

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

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

it goes up to 10 percent,

10%に上がります

a huge three- to four-fold increase

３倍から４倍という 大きな上昇です

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

この２つの薬の名を 両方含んだ検索では

and diabetes-type words or hyperglycemia-type words.

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

We published this,

この結果を 発表すると

and it got some attention.

注目を集めました

The reason it deserves attention

これが注目に値するのは

is that patients are telling us their side effects indirectly

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

through their searches.

We brought this to the attention of the FDA.

我々がこれをFDAに示すと

They were interested.

彼らは興味を示し

They have set up social media surveillance programs

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

to collaborate with Microsoft,

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

Microsoftはそのための 良いインフラを持っています

to look at Twitter feeds,

Twitterフィード

to look at Facebook feeds,

Facebookフィード

to look at search logs,

検索ログを見て

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

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

are causing problems.

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

ここから得られることは何か？ なぜこの話をしたのか？

Well, first of all,

まず 我々は今や

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

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

to help us understand drug interactions

有望なビッグテータや 中規模データを

and really, fundamentally, drug actions.

手にしているということ

How do drugs work?

薬がどう効き

This will create and has created a new ecosystem

薬の使用をどう最適化できるか 理解するための

for understanding how drugs work and to optimize their use.

新しいエコシステムが できつつあるということです

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

ニックは研究を続け 今ではコロンビア大学の教授です

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

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

He found several very important interactions,

and so we replicated this

我々は同じ方法を適用して

and we showed that this is a way that really works

これが 薬の 相互作用を見つける

for finding drug-drug interactions.

有効な方法であることを 示したんです

However, there's a couple of things.

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

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

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

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

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

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？

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

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

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

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？

being taken by the same patient,

perhaps interacting with each other

相互作用によって

in ways that either makes them more effective or less effective

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

or causes side effects that are unexpected?

We really have no idea.

まったく分かっていません

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

データを使って薬の相互作用を 理解するといのうは

to try to understand the interaction of drugs.

手つかずで開かれた 研究領域なんです

Two more lessons:

教訓がもう２つあります

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

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

with the data from people who had volunteered their adverse reactions

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

through their pharmacists, through themselves, through their doctors,

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

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

研究利用できるようにしてくれた 人々のデータです

to be used for research.

People are worried about data.

みんなデータについては 懸念を持っています

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

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

We need secure systems.

安全なシステムが必要です

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

しかしデータを封印してしまう わけにはいきません

because it is too rich of a source

医学において 新しいことを発見し

of inspiration, innovation and discovery

革新し インスピレーションを 得るための

for new things in medicine.

非常に豊かな源なんです

And the final thing I want to say is,

最後に言いたいのは

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

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

The two drugs actually caused problems.

一緒に使うと問題があって

They increased glucose.

血糖が上がります

They could throw somebody into diabetes

誰か糖尿病でなかった人を

who would otherwise not be in diabetes,

糖尿病にしてしまう かもしれません

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

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

perhaps not together,

make different choices when you're prescribing.

処方を変えた方が 良いかもしれません

But there was another possibility.

しかし別の 可能性もあります

We could have found two drugs or three drugs

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

that were interacting in a beneficial way.

発見していたかも しれないのです

We could have found new effects of drugs

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

that neither of them has alone,

新しい薬効が見つかる かもしれません

but together, instead of causing a side effect,

副作用を起こすのではなく

they could be a new and novel treatment

現在 治療法のない病気

for diseases that don't have treatments

治療法が効果的でない 病気への

or where the treatments are not effective.

新しい治療法が できるかもしれません

If we think about drug treatment today,

現在ある薬物療法を 考えてみると

all the major breakthroughs --

大きな飛躍は

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

HIVにせよ 結核にせよ うつ病にせよ 糖尿病にせよ

it's always a cocktail of drugs.

みんな薬の混合から 生まれているのです

And so the upside here,

だからこれの 明るい面は

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

そして次のTEDトークの テーマになるのは

is how can we use the same data sources

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

to find good effects of drugs in combination

that will provide us new treatments,

それが新しい治療法や

new insights into how drugs work

薬の働きについての 新たな洞察を与えてくれ

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

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

Thank you very much.

どうもありがとう

(Applause)

(拍手)