What really happens when you mix medications? | Russ Altman

Vertaald door: Rik Delaet Nagekeken door: Peter van de Ven

So you go to the doctor and get some tests.

Je gaat naar de dokter en krijgt een aantal tests.

The doctor determines that you have high cholesterol

De arts vindt een hoog cholesterolgehalte

and you would benefit from medication to treat it.

en het zou goed voor je zijn als je wat medicatie nam.

So you get a pillbox.

Je krijgt wat pillen.

You have some confidence,

Je vertrouwt erop

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

en je arts vertrouwt erop dat ze gaan werken.

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

Het bedrijf deed heel wat studies en diende die in bij de FDA.

Ze keken alles nauwkeurig en sceptisch na, en keurde ze goed.

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

They have a rough idea of how it works,

Ze hebben een ruw idee van de werking

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

en van wat de bijwerkingen zijn.

It should be OK.

Het zou in orde moeten zijn.

You have a little more of a conversation with your physician

Je praat nog wat na met je arts

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

en de arts is bezorgd, omdat je wat treurig was,

haven't felt like yourself,

je niet goed voelde

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

en niet zoveel plezier in het leven had als gewoonlijk.

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

Je arts zegt: "Ik denk dat je wat depressief bent.

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

Laat me je ook nog een andere pil voorschrijven."

So now we're talking about two medications.

Dus hebben we het nu over twee medicijnen.

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

Deze pil, net zo -- miljoenen mensen hebben ze gebruikt,

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

het bedrijf deed studies, de FDA keek er naar -- allemaal goed.

Think things should go OK.

Je denkt dat alles nu in orde is.

Think things should go OK.

Je denkt dat alles nu in orde is.

Well, wait a minute.

Wacht eens even.

How much have we studied these two together?

Hebben we deze twee samen wel bestudeerd?

Well, it's very hard to do that.

Nou, dat is heel moeilijk.

In fact, it's not traditionally done.

Sterker nog, het gebeurt normaal gesproken niet.

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

Wij zijn helemaal afhankelijk van 'veiligheidsonderzoek na toelating',

after the drugs hit the market.

nadat de geneesmiddelen op de markt komen.

How can we figure out if bad things are happening

Hoe kunnen we erachter komen

wat er gebeurt als we twee medicijnen combineren.

between two medications?

Three? Five? Seven?

Of drie? Vijf? Zeven?

Ask your favorite person who has several diagnoses

Vraag eens aan iemand met een aantal kwalen

how many medications they're on.

hoeveel medicijnen hij moet nemen.

Why do I care about this problem?

Waarom tob ik zo over dit probleem?

I care about it deeply.

Ik houd me bezig met informatica en datawetenschap.

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

Naar mijn mening ligt de enige hoop om deze interacties te begrijpen

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

is to leverage lots of different sources of data

in het benutten van veel verschillende gegevensbronnen.

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

Zo kunnen we erachter komen of medicaties veilig samen kunnen worden gebruikt

and when it's not so safe.

en wanneer het niet zo veilig is.

So let me tell you a data science story.

Ik vertel jullie een verhaal uit de datawetenschap.

And it begins with my student Nick.

Het begint met mijn student Nick.

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

Laten we hem 'Nick' noemen, want zo heet hij.

(Laughter)

(Gelach)

Nick was a young student.

Nick was een jonge student.

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

Ik zei: "Nick, we moeten begrijpen hoe medicijnen werken,

hoe ze samenwerken en hoe ze afzonderlijk werken.

and how they work together and how they work separately,

and we don't have a great understanding.

We weten er niet veel over."

But the FDA has made available an amazing database.

Maar de FDA heeft een geweldige databank beschikbaar gemaakt,

It's a database of adverse events.

een databank van bijwerkingen.

They literally put on the web --

Hij staat op een website --

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

publiek beschikbaar, iedereen kan het downloaden --

hundreds of thousands of adverse event reports

met honderdduizenden bijwerkingen

from patients, doctors, companies, pharmacists.

gemeld door patiënten, artsen, bedrijven, apothekers.

And these reports are pretty simple:

Deze verslagen zijn vrij eenvoudig:

it has all the diseases that the patient has,

ze geven alle ziekten die de patiënten hebben,

all the drugs that they're on,

alle medicijnen die ze nemen

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

en alle nadelige bijwerkingen die ze ervaren.

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

Het zijn niet alle bijwerkingen die zich nu voordoen in Amerika,

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

maar het gaat wel over honderdduizenden geneesmiddelen.

So I said to Nick,

Dus zei ik tegen Nick:

"Let's think about glucose.

"Laten we nadenken over glucose.

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

Glucose is erg belangrijk en we weten dat het heeft te maken met diabetes.

Let's see if we can understand glucose response.

Laten we eens kijken of we de glucoserespons kunnen begrijpen."

I sent Nick off. Nick came back.

Ik stuurde Nick eropuit. Nick kwam terug.

"Russ," he said,

"Russ," zei hij,

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

"ik heb een indeler gemaakt die kan kijken welke bijwerkingen een medicijn heeft

based on looking at this database,

volgens de gegevens in deze databank

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

en of dat medicijn invloed heeft op de glucosespiegel."

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

Hij had het voor elkaar. Eigenlijk best simpel.

He took all the drugs that were known to change glucose

Hij nam alle medicijnen die de glucosespiegel veranderen

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

en een aantal die dat niet doen

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

en zei: "Wat is het verschil in hun bijwerkingen?

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

Verschillen in vermoeidheid? In eetlust? In plasgewoonten?"

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

Al die dingen samen gaven een ​​echt goede voorspelling.

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

Hij zei: "Ik kan met 93% zekerheid voorspellen

of een geneesmiddel glucose verandert."

when a drug will change glucose."

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

Ik zeg: "Geweldig."

Hij is nog jong, je moet hem wat aanmoedigen.

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

"But Nick, there's a problem.

"Maar Nick, er is een probleem.

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

Elke arts ter wereld weet welke medicijnen glucose veranderen,

because it's core to our practice.

dat is basispraktijk.

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

Geweldig, goed gedaan, maar niet echt interessant

definitely not publishable."

en zeker niet publiceerbaar."

(Laughter)

(Gelach)

Hij: "Ik weet het, Russ. Ik verwachtte dit."

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

Nick is smart.

Nick is slim.

"Ik dacht dat je dat ging zeggen, dus deed ik nog een experiment.

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

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

Ik keek naar de mensen die twee geneesmiddelen namen

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

en zocht naar vergelijkbare signalen over glucoseverandering

for people taking two drugs,

bij dat soort mensen,

where each drug alone did not change glucose,

waarbij elk geneesmiddel op zich glucose niet wijzigde

but together I saw a strong signal."

maar samen een sterk signaal gaven."

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

En ik zei: "Oh, slim van je. Goed idee. Toon me de lijst."

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

Er stonden veel medicijnen op, niet erg spannend.

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

Maar twee geneesmiddelen sprongen eruit:

paroxetine, or Paxil, an antidepressant;

paroxetine, of Paxil, een antidepressivum;

and pravastatin, or Pravachol, a cholesterol medication.

en pravastatine, of Pravachol, een cholesterolmedicatie.

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

En ik zei: "Ha! Miljoenen Amerikanen nemen die twee geneesmiddelen."

In fact, we learned later,

15 miljoen Amerikanen nemen paroxetine, zo bleek later,

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

en 15 miljoen pravastatine,

and a million, we estimated, on both.

en één miljoen nemen beide, schatten we.

So that's a million people

Dat is dus een miljoen mensen

who might be having some problems with their glucose

met misschien wat glucoseproblemen,

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

als dit gegoochel van machinaal leren met de FDA-database klopte.

actually holds up.

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

Ik zei: "Toch is het niet te publiceren.

because I love what you did with the mumbo jumbo,

Ik hou wel van dat gegoochel met dat machinaal leren,

with the machine learning,

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

maar we hebben nog geen harde bewijzen.

So we have to do something else.

Dus moeten we iets anders doen.

Let's go into the Stanford electronic medical record.

Laten we Stanfords elektronisch medisch dossier bekijken."

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

We hadden een kopie die geschikt was onderzoek,

we removed identifying information.

zonder identificerende informatie.

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

Ik zeg: "Eens kijken of mensen met die twee geneesmiddelen

have problems with their glucose."

problemen hebben met hun glucose."

Now there are thousands and thousands of people

Nu staan er duizenden en duizenden mensen in de Stanford medische dossiers

in the Stanford medical records that take paroxetine and pravastatin.

die paroxetine en pravastatine nemen,

But we needed special patients.

maar we hadden speciale patiënten nodig:

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

patiënten die er één namen en een glucosemeting hadden gehad,

then got the second one and had another glucose measurement,

dan het tweede kregen en nog een glucosemeting hadden,

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

allemaal binnen een redelijke termijn -- zoiets als twee maanden.

And when we did that, we found 10 patients.

Aan die specificaties voldeden 10 patiënten.

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

8 van de 10 hadden een glucoseopstoot

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

toen ze de tweede P kregen -- we noemen ze P en P --

when they got the second P.

dus toen ze de tweede P kregen.

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

Elke P kon de eerste zijn, maar als de tweede kwam,

glucose went up 20 milligrams per deciliter.

ging de glucose omhoog met 20 mg per deciliter.

Just as a reminder,

Ter vergelijking, als je geen diabetes hebt,

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

loop je normaal rond met een glucose van ongeveer 90.

with a glucose of around 90.

And if it gets up to 120, 125,

Als het 120, 125 wordt,

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

gaat je arts denken aan een mogelijke diabetes.

So a 20 bump -- pretty significant.

Dus een opstoot van 20 is vrij significant.

I said, "Nick, this is very cool.

Ik zei: "Nick, dit is erg cool.

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

Maar, het spijt me, we hebben nog steeds geen artikel,

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

want dit zijn 10 patiënten, dat zijn er veel te weinig."

it's not enough patients."

So we said, what can we do?

Wat konden we doen?

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

We belden onze vrienden aan Harvard en Vanderbilt,

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

die ook -- Harvard in Boston, Vanderbilt in Nashville --

who also have electronic medical records similar to ours.

die ook zulke elektronische medische dossiers hebben.

Let's see if they can find similar patients

Eens zien of ze vergelijkbare patiënten konden vinden

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

met de ene P, de andere P

en de glucosemetingen in het bereik dat we nodig hebben.

in that range that we need.

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

Godzijdank vond Vanderbilt in één week 40 dergelijke patiënten

same trend.

met dezelfde trend.

Harvard found 100 patients, same trend.

Harvard vond 100 patiënten, dezelfde trend.

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

Uiteindelijk hadden we dus 150 patiënten uit drie verschillende medische centra

that were telling us that patients getting these two drugs

die ons vertelden dat patiënten die deze twee geneesmiddelen kregen

were having their glucose bump somewhat significantly.

een nogal aanzienlijke glucoseopstoot vertoonden.

More interestingly, we had left out diabetics,

Interessanter is dat we diabetici hadden weggelaten,

because diabetics already have messed up glucose.

omdat diabetici sowieso vreemde glucosewaarden hebben.

When we looked at the glucose of diabetics,

Toen bekeken we de glucose van de diabetici,

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

die ging niet met 20 maar met 60 mg per deciliter omhoog.

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

Dit was belangrijk en we zeiden: "Dit moeten we publiceren."

We submitted the paper.

We dienden de paper in.

It was all data evidence,

Het waren louter gegevensbewijzen:

data from the FDA, data from Stanford,

gegevens van de FDA, gegevens uit Stanford,

gegevens uit Vanderbilt, gegevens van Harvard.

data from Vanderbilt, data from Harvard.

We had not done a single real experiment.

We hadden geen enkel echt experiment uitgevoerd.

But we were nervous.

Maar we waren nerveus.

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

Dus Nick ging, terwijl het paper werd beoordeeld, naar het lab.

We found somebody who knew about lab stuff.

We vonden iemand die daarmee overweg kon.

I don't do that.

Ik kan dat niet.

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

Ik zorg voor patiënten, maar werk niet met pipetten.

They taught us how to feed mice drugs.

Ze leerden ons hoe muizen geneesmiddelen toe te dienen.

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

We gaven de muizen een P, paroxetine.

We gave some other mice pravastatin.

We gaven een aantal andere muizen pravastatine.

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

We gaven een derde groep muizen beide.

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

En ziedaar, glucose ging met 20 tot 60 mg per deciliter omhoog

in the mice.

in de muizen.

Het artikel werd geaccepteerd puur op het gegevensbewijs,

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

but we added a little note at the end,

maar we voegden een notitie toe:

tussen haakjes, als je dit aan muizen geeft, gaat het omhoog.

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

Dat was geweldig. Het verhaal kon hier stoppen.

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

But I still have six and a half minutes.

Maar ik heb nog zes en een halve minuut.

(Laughter)

(Gelach)

So we were sitting around thinking about all of this,

Dus gingen we er nog wat over nadenken

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

en ik weet niet meer wie het bedacht, maar iemand zei:

"Ik vraag me af of patiënten die deze twee geneesmiddelen innemen

"I wonder if patients who are taking these two drugs

are noticing side effects of hyperglycemia.

bijwerkingen van hyperglykemie vertonen.

They could and they should.

Dat zou kunnen en zou moeten.

How would we ever determine that?"

Hoe gaan we dat ooit vinden?"

We said, well, what do you do?

Wat zou je in dat geval doen?

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

Je nam al één medicijn, dan krijg je er een of twee bij

and you get a funny feeling.

en je krijgt een raar gevoel.

What do you do?

Wat doe je dan?

You go to Google

Je gaat naar Google

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

en typt de twee geneesmiddelen in die je gebruikt, of de ene die je neemt,

and you type in "side effects."

en je typt 'bijwerkingen'.

What are you experiencing?

Wat ervaar je?

So we said OK,

Dus zeiden we: "Oké,

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

laten we Google vragen om hun zoeklogboeken met ons te delen,

so that we can look at the search logs

zodat we kunnen zien

and see if patients are doing these kinds of searches.

of patiënten met dit soort zoekopdrachten bezig zijn."

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

Google wees, spijtig genoeg, ons verzoek af.

So I was bummed.

Ik zat vast.

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

Op een diner zei ik tegen een collega van Microsoft Research:

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

"We wilden dit onderzoek doen,

maar Google zei nee, de spelbrekers."

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

Hij zei: "Nou, wij hebben Bing."

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

(Laughter)

(Gelach)

Yeah.

Ja.

That's great.

Dat is geweldig.

Now I felt like I was --

Nu voelde ik me --

(Laughter)

(Gelach)

I felt like I was talking to Nick again.

alsof ik weer praatte met Nick.

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

Hij werkt voor een van de grootste bedrijven in de wereld

en ik probeer hem een beter gevoel te geven.

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

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

Hij zei: "Russ, misschien begrijp je het niet.

We not only have Bing searches,

Het zijn niet alleen gegevens van Bing

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

maar je kan Internet Explorer gebruiken voor zoekopdrachten op Google,

Yahoo, Bing, any ...

Yahoo, Bing ...

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

We bewaren de gegevens 18 maanden lang alleen voor onderzoeksdoeleinden."

I said, "Now you're talking!"

Ik zei: "Dat begint erop te lijken!"

This was Eric Horvitz, my friend at Microsoft.

Dit was Eric Horvitz, mijn vriend bij Microsoft.

So we did a study

We deden een studie waarin we 50 woorden selecteerden

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

die Jan Modaal in zou typen als hij hyperglycemie zou hebben,

if they're having hyperglycemia,

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

zoals 'vermoeidheid', 'geen eetlust', 'veel urineren', 'veel plassen' --

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

sorry, maar dat soort dingen typt men dan in.

We hadden dus 50 'diabeteswoorden'.

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

And we did first a baseline.

We bepaalden eerst de referentietoestand.

And it turns out that about .5 to one percent

Het bleek dat in ongeveer 0,5% tot 1% van alle zoekopdrachten op het internet

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

een van die woorden voorkomt.

So that's our baseline rate.

Dat is onze referentie.

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

Als mensen "paroxetine" of "Paxil" intypen -- dat zijn synoniemen --

and one of those words,

samen met een van die woorden,

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

dan stijgt dat tot ongeveer 2% van de diabetes-type woorden,

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

als je al weet dat 'paroxetine' erin staat.

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

Met 'pravastatine' gaat het naar zo'n 3% ten opzichte van de referentie.

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

Als zowel 'paroxetine' en 'pravastatine' in de zoekopdracht staan,

it goes up to 10 percent,

gaat het naar de 10%,

a huge three- to four-fold increase

een enorme drie- tot viervoudige toename

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

in de opdrachten met de twee medicijnen waarin we geïnteresseerd waren

and diabetes-type words or hyperglycemia-type words.

samen met diabetes-type woorden, of hyperglykemie-type woorden.

We published this,

We publiceerden dat

and it got some attention.

en het kreeg wat aandacht.

The reason it deserves attention

De reden dat het aandacht verdient,

is that patients are telling us their side effects indirectly

is dat patiënten ons hun bijwerkingen indirect meedelen

door middel van hun zoekopdrachten.

through their searches.

We brought this to the attention of the FDA.

Wij brachten dit onder de aandacht van de FDA.

They were interested.

Ze waren geïnteresseerd.

They have set up social media surveillance programs

Zij hebben monitorprogramma's voor sociale media ontwikkeld

to collaborate with Microsoft,

om onder meer samen te werken met Microsoft,

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

die hiervoor een mooie infrastructuur had,

to look at Twitter feeds,

om te kijken naar Twitter-gegevens,

to look at Facebook feeds,

Facebook-gegevens,

to look at search logs,

zoeklogboeken,

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

om te proberen de eerste tekenen te zien

dat medicijnen individueel of gezamenlijk problemen veroorzaken.

are causing problems.

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

Wat leer ik hiervan? Waarom dit verhaal?

In de eerste plaats

Well, first of all,

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

hebben we nu de belofte om uit de grotere dataverzamelingen

to help us understand drug interactions

interacties tussen geneesmiddelen te kunnen begrijpen,

and really, fundamentally, drug actions.

wellicht zelfs de fundamentele werking van geneesmiddelen.

How do drugs work?

Hoe werken medicijnen?

This will create and has created a new ecosystem

Dit creëert een nieuw ecosysteem

for understanding how drugs work and to optimize their use.

voor het begrijpen van de werking van geneesmiddelen

en het optimaliseren van het gebruik.

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

Nick vertrok. Hij is nu professor aan Columbia.

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

Hij deed dit in zijn doctoraat voor honderden paren van medicijnen.

He found several very important interactions,

Hij vond een aantal zeer belangrijke interacties,

and so we replicated this

we herhaalden ze

and we showed that this is a way that really works

en toonden aan dat dit een manier is die echt werkt

for finding drug-drug interactions.

voor het vinden van geneesmiddelinteracties.

However, there's a couple of things.

Maar er is nog wat.

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

We gebruiken geneesmiddelen niet alleen per paar tegelijk.

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

Er zijn patiënten die drie, vijf, zeven, zelfs negen geneesmiddelen innemen.

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

Is de interactie tussen die negen onderzocht?

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

Ja, we kunnen het paarsgewijs, A en B, A en C, A en D doen,

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

maar hoe zit het met A, B, C, D, E, F, G allemaal samen,

being taken by the same patient,

bij dezelfde patiënt.

perhaps interacting with each other

Misschien maakt hun interactie

in ways that either makes them more effective or less effective

ze wel effectiever, of minder effectief,

or causes side effects that are unexpected?

of veroorzaakt ze onverwachte bijwerkingen.

We really have no idea.

We hebben echt geen idee.

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

Het is voor ons onontgonnen terrein om gegevens te gebruiken

to try to understand the interaction of drugs.

om de interactie van geneesmiddelen proberen te begrijpen.

Two more lessons:

Nog twee lessen:

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

denk eens na over hoeveel goeds we hebben kunnen doen

with the data from people who had volunteered their adverse reactions

doordat mensen informatie over hun bijwerkingen hebben verstrekt,

through their pharmacists, through themselves, through their doctors,

via hun apothekers, uit zichzelf of via hun artsen,

en doordat ze hebben toegestaan dat de databanken van Stanford,

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

Harvard en Vanderbilt werden gebruikt voor onderzoek.

to be used for research.

People are worried about data.

Mensen maken zich zorgen over gegevens,

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

over hun privacy en veiligheid -- dat moet ook.

We need secure systems.

We moeten veilige systemen hebben.

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

Maar onze systemen mogen die gegevens niet afsluiten,

because it is too rich of a source

omdat het een te rijke bron is

of inspiration, innovation and discovery

van inspiratie, innovatie en ontdekking,

for new things in medicine.

voor nieuwe dingen in de geneeskunde.

And the final thing I want to say is,

Nog één ding hierover.

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

Bij deze twee geneesmiddelen was het een beetje een triest verhaal.

The two drugs actually caused problems.

De combinatie veroorzaakte problemen.

They increased glucose.

Ze verhoogden de glucose.

They could throw somebody into diabetes

Ze kunnen bij iemand diabetes veroorzaken

who would otherwise not be in diabetes,

die dat anders niet zou krijgen

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

en dus moet je die twee heel voorzichtig samen gebruiken,

of misschien wel niet.

perhaps not together,

make different choices when you're prescribing.

Misschien beter iets anders voorschrijven.

But there was another possibility.

Maar het had ook anders kunnen zijn.

We could have found two drugs or three drugs

We hadden ook twee of drie medicijnen kunnen vinden

that were interacting in a beneficial way.

met een gunstige invloed op elkaars werking.

We could have found new effects of drugs

We hadden bij combinaties nieuwe effecten kunnen vinden

that neither of them has alone,

die de medicijnen individueel niet hebben.

but together, instead of causing a side effect,

Combinaties die samen geen problemen veroorzaken

maar een nieuwe en innovatieve behandeling kunnen vormen

they could be a new and novel treatment

for diseases that don't have treatments

voor ziekten waar we niets voor hebben

or where the treatments are not effective.

of waarvoor de behandeling niet effectief is.

If we think about drug treatment today,

Bij de hedendaagse behandeling met geneesmiddelen

all the major breakthroughs --

zijn alle belangrijke doorbraken --

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

voor HIV, tuberculose, voor depressie, voor diabetes --

it's always a cocktail of drugs.

altijd een cocktail van geneesmiddelen.

And so the upside here,

Dat is hier het positieve

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

en een onderwerp voor een andere TED Talk:

is how can we use the same data sources

hoe kunnen we gebruik maken van diezelfde gegevensbronnen

to find good effects of drugs in combination

om combinaties van geneesmiddelen met goede effecten te vinden.

that will provide us new treatments,

Combinaties die ons nieuwe behandelingen geven

new insights into how drugs work

en die nieuwe inzichten verschaffen over hoe medicijnen werken,

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

zodat we nog beter voor onze patiënten kunnen zorgen.

Thank you very much.

Veel dank.

(Applause)

(Applaus)