What really happens when you mix medications? | Russ Altman

188,476 views ・ 2016-03-23

TED


Dubbelklik op de Engelse ondertitels hieronder om de video af te spelen.

Vertaald door: Rik Delaet Nagekeken door: Peter van de Ven
00:12
So you go to the doctor and get some tests.
0
12811
3321
Je gaat naar de dokter en krijgt een aantal tests.
00:16
The doctor determines that you have high cholesterol
1
16674
2620
De arts vindt een hoog cholesterolgehalte
00:19
and you would benefit from medication to treat it.
2
19318
3171
en het zou goed voor je zijn als je wat medicatie nam.
00:22
So you get a pillbox.
3
22981
1556
Je krijgt wat pillen.
00:25
You have some confidence,
4
25505
1199
Je vertrouwt erop
00:26
your physician has some confidence that this is going to work.
5
26728
2937
en je arts vertrouwt erop dat ze gaan werken.
00:29
The company that invented it did a lot of studies, submitted it to the FDA.
6
29689
3553
Het bedrijf deed heel wat studies en diende die in bij de FDA.
Ze keken alles nauwkeurig en sceptisch na, en keurde ze goed.
00:33
They studied it very carefully, skeptically, they approved it.
7
33266
3107
00:36
They have a rough idea of how it works,
8
36397
1889
Ze hebben een ruw idee van de werking
00:38
they have a rough idea of what the side effects are.
9
38310
2453
en van wat de bijwerkingen zijn.
00:40
It should be OK.
10
40787
1150
Het zou in orde moeten zijn.
00:42
You have a little more of a conversation with your physician
11
42864
2818
Je praat nog wat na met je arts
00:45
and the physician is a little worried because you've been blue,
12
45706
2963
en de arts is bezorgd, omdat je wat treurig was,
00:48
haven't felt like yourself,
13
48693
1293
je niet goed voelde
00:50
you haven't been able to enjoy things in life quite as much as you usually do.
14
50010
3731
en niet zoveel plezier in het leven had als gewoonlijk.
00:53
Your physician says, "You know, I think you have some depression.
15
53765
3186
Je arts zegt: "Ik denk dat je wat depressief bent.
00:57
I'm going to have to give you another pill."
16
57792
2315
Laat me je ook nog een andere pil voorschrijven."
01:00
So now we're talking about two medications.
17
60934
2483
Dus hebben we het nu over twee medicijnen.
01:03
This pill also -- millions of people have taken it,
18
63441
3104
Deze pil, net zo -- miljoenen mensen hebben ze gebruikt,
01:06
the company did studies, the FDA looked at it -- all good.
19
66569
3631
het bedrijf deed studies, de FDA keek er naar -- allemaal goed.
01:10
Think things should go OK.
20
70823
2057
Je denkt dat alles nu in orde is.
01:12
Think things should go OK.
21
72904
2197
Je denkt dat alles nu in orde is.
01:15
Well, wait a minute.
22
75125
1439
Wacht eens even.
01:16
How much have we studied these two together?
23
76588
3517
Hebben we deze twee samen wel bestudeerd?
01:20
Well, it's very hard to do that.
24
80630
2300
Nou, dat is heel moeilijk.
01:22
In fact, it's not traditionally done.
25
82954
2130
Sterker nog, het gebeurt normaal gesproken niet.
01:25
We totally depend on what we call "post-marketing surveillance,"
26
85108
5518
Wij zijn helemaal afhankelijk van 'veiligheidsonderzoek na toelating',
01:30
after the drugs hit the market.
27
90650
1880
nadat de geneesmiddelen op de markt komen.
01:32
How can we figure out if bad things are happening
28
92996
2848
Hoe kunnen we erachter komen
wat er gebeurt als we twee medicijnen combineren.
01:35
between two medications?
29
95868
1357
01:37
Three? Five? Seven?
30
97249
2030
Of drie? Vijf? Zeven?
01:39
Ask your favorite person who has several diagnoses
31
99708
2415
Vraag eens aan iemand met een aantal kwalen
01:42
how many medications they're on.
32
102147
1834
hoeveel medicijnen hij moet nemen.
01:44
Why do I care about this problem?
33
104530
1580
Waarom tob ik zo over dit probleem?
01:46
I care about it deeply.
34
106134
1157
Ik houd me bezig met informatica en datawetenschap.
01:47
I'm an informatics and data science guy and really, in my opinion,
35
107315
4304
Naar mijn mening ligt de enige hoop om deze interacties te begrijpen
01:51
the only hope -- only hope -- to understand these interactions
36
111643
3745
01:55
is to leverage lots of different sources of data
37
115412
3056
in het benutten van veel verschillende gegevensbronnen.
01:58
in order to figure out when drugs can be used together safely
38
118492
3556
Zo kunnen we erachter komen of medicaties veilig samen kunnen worden gebruikt
02:02
and when it's not so safe.
39
122072
1777
en wanneer het niet zo veilig is.
02:04
So let me tell you a data science story.
40
124615
2051
Ik vertel jullie een verhaal uit de datawetenschap.
02:06
And it begins with my student Nick.
41
126690
2154
Het begint met mijn student Nick.
02:08
Let's call him "Nick," because that's his name.
42
128868
2380
Laten we hem 'Nick' noemen, want zo heet hij.
02:11
(Laughter)
43
131272
1592
(Gelach)
02:12
Nick was a young student.
44
132888
1201
Nick was een jonge student.
02:14
I said, "You know, Nick, we have to understand how drugs work
45
134113
3079
Ik zei: "Nick, we moeten begrijpen hoe medicijnen werken,
hoe ze samenwerken en hoe ze afzonderlijk werken.
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
We weten er niet veel over."
02:21
But the FDA has made available an amazing database.
48
141812
2405
Maar de FDA heeft een geweldige databank beschikbaar gemaakt,
02:24
It's a database of adverse events.
49
144241
1699
een databank van bijwerkingen.
02:26
They literally put on the web --
50
146321
1642
Hij staat op een website --
02:27
publicly available, you could all download it right now --
51
147987
3119
publiek beschikbaar, iedereen kan het downloaden --
02:31
hundreds of thousands of adverse event reports
52
151130
3627
met honderdduizenden bijwerkingen
02:34
from patients, doctors, companies, pharmacists.
53
154781
3760
gemeld door patiënten, artsen, bedrijven, apothekers.
02:38
And these reports are pretty simple:
54
158565
1749
Deze verslagen zijn vrij eenvoudig:
02:40
it has all the diseases that the patient has,
55
160338
2658
ze geven alle ziekten die de patiënten hebben,
02:43
all the drugs that they're on,
56
163020
1767
alle medicijnen die ze nemen
02:44
and all the adverse events, or side effects, that they experience.
57
164811
3818
en alle nadelige bijwerkingen die ze ervaren.
02:48
It is not all of the adverse events that are occurring in America today,
58
168653
3436
Het zijn niet alle bijwerkingen die zich nu voordoen in Amerika,
02:52
but it's hundreds and hundreds of thousands of drugs.
59
172113
2578
maar het gaat wel over honderdduizenden geneesmiddelen.
02:54
So I said to Nick,
60
174715
1299
Dus zei ik tegen Nick:
02:56
"Let's think about glucose.
61
176038
1826
"Laten we nadenken over glucose.
02:57
Glucose is very important, and we know it's involved with diabetes.
62
177888
3567
Glucose is erg belangrijk en we weten dat het heeft te maken met diabetes.
03:01
Let's see if we can understand glucose response.
63
181479
3970
Laten we eens kijken of we de glucoserespons kunnen begrijpen."
03:05
I sent Nick off. Nick came back.
64
185473
2458
Ik stuurde Nick eropuit. Nick kwam terug.
03:08
"Russ," he said,
65
188248
1786
"Russ," zei hij,
03:10
"I've created a classifier that can look at the side effects of a drug
66
190351
5112
"ik heb een indeler gemaakt die kan kijken welke bijwerkingen een medicijn heeft
03:15
based on looking at this database,
67
195487
2051
volgens de gegevens in deze databank
03:17
and can tell you whether that drug is likely to change glucose or not."
68
197562
4271
en of dat medicijn invloed heeft op de glucosespiegel."
03:21
He did it. It was very simple, in a way.
69
201857
2016
Hij had het voor elkaar. Eigenlijk best simpel.
03:23
He took all the drugs that were known to change glucose
70
203897
2635
Hij nam alle medicijnen die de glucosespiegel veranderen
03:26
and a bunch of drugs that don't change glucose,
71
206556
2389
en een aantal die dat niet doen
03:28
and said, "What's the difference in their side effects?
72
208969
2888
en zei: "Wat is het verschil in hun bijwerkingen?
03:31
Differences in fatigue? In appetite? In urination habits?"
73
211881
4852
Verschillen in vermoeidheid? In eetlust? In plasgewoonten?"
03:36
All those things conspired to give him a really good predictor.
74
216757
2960
Al die dingen samen gaven een ​​echt goede voorspelling.
03:39
He said, "Russ, I can predict with 93 percent accuracy
75
219741
2548
Hij zei: "Ik kan met 93% zekerheid voorspellen
of een geneesmiddel glucose verandert."
03:42
when a drug will change glucose."
76
222313
1572
03:43
I said, "Nick, that's great."
77
223909
1416
Ik zeg: "Geweldig."
Hij is nog jong, je moet hem wat aanmoedigen.
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
"Maar Nick, er is een probleem.
03:49
It's that every physician in the world knows all the drugs that change glucose,
80
229683
3960
Elke arts ter wereld weet welke medicijnen glucose veranderen,
03:53
because it's core to our practice.
81
233667
2038
dat is basispraktijk.
03:55
So it's great, good job, but not really that interesting,
82
235729
3722
Geweldig, goed gedaan, maar niet echt interessant
03:59
definitely not publishable."
83
239475
1531
en zeker niet publiceerbaar."
04:01
(Laughter)
84
241030
1014
(Gelach)
Hij: "Ik weet het, Russ. Ik verwachtte dit."
04:02
He said, "I know, Russ. I thought you might say that."
85
242068
2550
04:04
Nick is smart.
86
244642
1152
Nick is slim.
"Ik dacht dat je dat ging zeggen, dus deed ik nog een experiment.
04:06
"I thought you might say that, so I did one other experiment.
87
246149
2874
04:09
I looked at people in this database who were on two drugs,
88
249047
2928
Ik keek naar de mensen die twee geneesmiddelen namen
04:11
and I looked for signals similar, glucose-changing signals,
89
251999
4422
en zocht naar vergelijkbare signalen over glucoseverandering
04:16
for people taking two drugs,
90
256445
1624
bij dat soort mensen,
04:18
where each drug alone did not change glucose,
91
258093
5569
waarbij elk geneesmiddel op zich glucose niet wijzigde
04:23
but together I saw a strong signal."
92
263686
2460
maar samen een sterk signaal gaven."
04:26
And I said, "Oh! You're clever. Good idea. Show me the list."
93
266170
3149
En ik zei: "Oh, slim van je. Goed idee. Toon me de lijst."
04:29
And there's a bunch of drugs, not very exciting.
94
269343
2254
Er stonden veel medicijnen op, niet erg spannend.
04:31
But what caught my eye was, on the list there were two drugs:
95
271621
3932
Maar twee geneesmiddelen sprongen eruit:
04:35
paroxetine, or Paxil, an antidepressant;
96
275577
3393
paroxetine, of Paxil, een antidepressivum;
04:39
and pravastatin, or Pravachol, a cholesterol medication.
97
279756
3570
en pravastatine, of Pravachol, een cholesterolmedicatie.
04:43
And I said, "Huh. There are millions of Americans on those two drugs."
98
283936
4283
En ik zei: "Ha! Miljoenen Amerikanen nemen die twee geneesmiddelen."
04:48
In fact, we learned later,
99
288243
1246
15 miljoen Amerikanen nemen paroxetine, zo bleek later,
04:49
15 million Americans on paroxetine at the time, 15 million on pravastatin,
100
289513
6032
en 15 miljoen pravastatine,
04:55
and a million, we estimated, on both.
101
295569
2817
en één miljoen nemen beide, schatten we.
04:58
So that's a million people
102
298767
1254
Dat is dus een miljoen mensen
05:00
who might be having some problems with their glucose
103
300045
2453
met misschien wat glucoseproblemen,
05:02
if this machine-learning mumbo jumbo that he did in the FDA database
104
302522
3206
als dit gegoochel van machinaal leren met de FDA-database klopte.
05:05
actually holds up.
105
305752
1254
05:07
But I said, "It's still not publishable,
106
307030
1927
Ik zei: "Toch is het niet te publiceren.
05:08
because I love what you did with the mumbo jumbo,
107
308981
2296
Ik hou wel van dat gegoochel met dat machinaal leren,
05:11
with the machine learning,
108
311301
1246
05:12
but it's not really standard-of-proof evidence that we have."
109
312571
3864
maar we hebben nog geen harde bewijzen.
05:17
So we have to do something else.
110
317618
1589
Dus moeten we iets anders doen.
05:19
Let's go into the Stanford electronic medical record.
111
319231
2876
Laten we Stanfords elektronisch medisch dossier bekijken."
05:22
We have a copy of it that's OK for research,
112
322131
2064
We hadden een kopie die geschikt was onderzoek,
05:24
we removed identifying information.
113
324219
2046
zonder identificerende informatie.
05:26
And I said, "Let's see if people on these two drugs
114
326581
2503
Ik zeg: "Eens kijken of mensen met die twee geneesmiddelen
05:29
have problems with their glucose."
115
329108
1769
problemen hebben met hun glucose."
05:31
Now there are thousands and thousands of people
116
331242
2207
Nu staan er duizenden en duizenden mensen in de Stanford medische dossiers
05:33
in the Stanford medical records that take paroxetine and pravastatin.
117
333473
3459
die paroxetine en pravastatine nemen,
05:36
But we needed special patients.
118
336956
1799
maar we hadden speciale patiënten nodig:
05:38
We needed patients who were on one of them and had a glucose measurement,
119
338779
4597
patiënten die er één namen en een glucosemeting hadden gehad,
05:43
then got the second one and had another glucose measurement,
120
343400
3449
dan het tweede kregen en nog een glucosemeting hadden,
05:46
all within a reasonable period of time -- something like two months.
121
346873
3615
allemaal binnen een redelijke termijn -- zoiets als twee maanden.
05:50
And when we did that, we found 10 patients.
122
350512
3159
Aan die specificaties voldeden 10 patiënten.
05:54
However, eight out of the 10 had a bump in their glucose
123
354592
4538
8 van de 10 hadden een glucoseopstoot
05:59
when they got the second P -- we call this P and P --
124
359154
2645
toen ze de tweede P kregen -- we noemen ze P en P --
06:01
when they got the second P.
125
361823
1310
dus toen ze de tweede P kregen.
06:03
Either one could be first, the second one comes up,
126
363157
2562
Elke P kon de eerste zijn, maar als de tweede kwam,
06:05
glucose went up 20 milligrams per deciliter.
127
365743
2847
ging de glucose omhoog met 20 mg per deciliter.
06:08
Just as a reminder,
128
368614
1158
Ter vergelijking, als je geen diabetes hebt,
06:09
you walk around normally, if you're not diabetic,
129
369796
2325
loop je normaal rond met een glucose van ongeveer 90.
06:12
with a glucose of around 90.
130
372145
1359
06:13
And if it gets up to 120, 125,
131
373528
2076
Als het 120, 125 wordt,
06:15
your doctor begins to think about a potential diagnosis of diabetes.
132
375628
3450
gaat je arts denken aan een mogelijke diabetes.
06:19
So a 20 bump -- pretty significant.
133
379102
2991
Dus een opstoot van 20 is vrij significant.
06:22
I said, "Nick, this is very cool.
134
382601
1904
Ik zei: "Nick, dit is erg cool.
06:25
But, I'm sorry, we still don't have a paper,
135
385616
2053
Maar, het spijt me, we hebben nog steeds geen artikel,
06:27
because this is 10 patients and -- give me a break --
136
387693
2579
want dit zijn 10 patiënten, dat zijn er veel te weinig."
06:30
it's not enough patients."
137
390296
1245
06:31
So we said, what can we do?
138
391565
1306
Wat konden we doen?
06:32
And we said, let's call our friends at Harvard and Vanderbilt,
139
392895
2976
We belden onze vrienden aan Harvard en Vanderbilt,
06:35
who also -- Harvard in Boston, Vanderbilt in Nashville,
140
395895
2587
die ook -- Harvard in Boston, Vanderbilt in Nashville --
06:38
who also have electronic medical records similar to ours.
141
398506
2821
die ook zulke elektronische medische dossiers hebben.
06:41
Let's see if they can find similar patients
142
401351
2020
Eens zien of ze vergelijkbare patiënten konden vinden
06:43
with the one P, the other P, the glucose measurements
143
403395
3276
met de ene P, de andere P
en de glucosemetingen in het bereik dat we nodig hebben.
06:46
in that range that we need.
144
406695
1600
06:48
God bless them, Vanderbilt in one week found 40 such patients,
145
408787
4955
Godzijdank vond Vanderbilt in één week 40 dergelijke patiënten
06:53
same trend.
146
413766
1189
met dezelfde trend.
06:55
Harvard found 100 patients, same trend.
147
415804
3620
Harvard vond 100 patiënten, dezelfde trend.
06:59
So at the end, we had 150 patients from three diverse medical centers
148
419448
4281
Uiteindelijk hadden we dus 150 patiënten uit drie verschillende medische centra
07:03
that were telling us that patients getting these two drugs
149
423753
3297
die ons vertelden dat patiënten die deze twee geneesmiddelen kregen
07:07
were having their glucose bump somewhat significantly.
150
427074
2703
een nogal aanzienlijke glucoseopstoot vertoonden.
07:10
More interestingly, we had left out diabetics,
151
430317
2810
Interessanter is dat we diabetici hadden weggelaten,
07:13
because diabetics already have messed up glucose.
152
433151
2317
omdat diabetici sowieso vreemde glucosewaarden hebben.
07:15
When we looked at the glucose of diabetics,
153
435492
2238
Toen bekeken we de glucose van de diabetici,
07:17
it was going up 60 milligrams per deciliter, not just 20.
154
437754
3435
die ging niet met 20 maar met 60 mg per deciliter omhoog.
07:21
This was a big deal, and we said, "We've got to publish this."
155
441760
3452
Dit was belangrijk en we zeiden: "Dit moeten we publiceren."
07:25
We submitted the paper.
156
445236
1179
We dienden de paper in.
07:26
It was all data evidence,
157
446439
2111
Het waren louter gegevensbewijzen:
07:28
data from the FDA, data from Stanford,
158
448574
2483
gegevens van de FDA, gegevens uit Stanford,
gegevens uit Vanderbilt, gegevens van Harvard.
07:31
data from Vanderbilt, data from Harvard.
159
451081
1946
07:33
We had not done a single real experiment.
160
453051
2396
We hadden geen enkel echt experiment uitgevoerd.
07:36
But we were nervous.
161
456495
1296
Maar we waren nerveus.
07:38
So Nick, while the paper was in review, went to the lab.
162
458201
3730
Dus Nick ging, terwijl het paper werd beoordeeld, naar het lab.
07:41
We found somebody who knew about lab stuff.
163
461955
2462
We vonden iemand die daarmee overweg kon.
07:44
I don't do that.
164
464441
1393
Ik kan dat niet.
07:45
I take care of patients, but I don't do pipettes.
165
465858
2417
Ik zorg voor patiënten, maar werk niet met pipetten.
07:49
They taught us how to feed mice drugs.
166
469420
3053
Ze leerden ons hoe muizen geneesmiddelen toe te dienen.
07:52
We took mice and we gave them one P, paroxetine.
167
472864
2414
We gaven de muizen een P, paroxetine.
07:55
We gave some other mice pravastatin.
168
475302
2508
We gaven een aantal andere muizen pravastatine.
07:57
And we gave a third group of mice both of them.
169
477834
3595
We gaven een derde groep muizen beide.
08:01
And lo and behold, glucose went up 20 to 60 milligrams per deciliter
170
481893
3946
En ziedaar, glucose ging met 20 tot 60 mg per deciliter omhoog
08:05
in the mice.
171
485863
1171
in de muizen.
Het artikel werd geaccepteerd puur op het gegevensbewijs,
08:07
So the paper was accepted based on the informatics evidence alone,
172
487058
3158
08:10
but we added a little note at the end,
173
490240
1894
maar we voegden een notitie toe:
tussen haakjes, als je dit aan muizen geeft, gaat het omhoog.
08:12
saying, oh by the way, if you give these to mice, it goes up.
174
492158
2899
Dat was geweldig. Het verhaal kon hier stoppen.
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
Maar ik heb nog zes en een halve minuut.
08:19
(Laughter)
177
499634
2807
(Gelach)
08:22
So we were sitting around thinking about all of this,
178
502465
2815
Dus gingen we er nog wat over nadenken
08:25
and I don't remember who thought of it, but somebody said,
179
505304
2735
en ik weet niet meer wie het bedacht, maar iemand zei:
"Ik vraag me af of patiënten die deze twee geneesmiddelen innemen
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
bijwerkingen van hyperglykemie vertonen.
08:34
They could and they should.
182
514865
1496
Dat zou kunnen en zou moeten.
08:36
How would we ever determine that?"
183
516761
1877
Hoe gaan we dat ooit vinden?"
08:39
We said, well, what do you do?
184
519551
1443
Wat zou je in dat geval doen?
08:41
You're taking a medication, one new medication or two,
185
521018
2580
Je nam al één medicijn, dan krijg je er een of twee bij
08:43
and you get a funny feeling.
186
523622
1538
en je krijgt een raar gevoel.
08:45
What do you do?
187
525184
1151
Wat doe je dan?
08:46
You go to Google
188
526359
1151
Je gaat naar Google
08:47
and type in the two drugs you're taking or the one drug you're taking,
189
527534
3349
en typt de twee geneesmiddelen in die je gebruikt, of de ene die je neemt,
08:50
and you type in "side effects."
190
530907
1603
en je typt 'bijwerkingen'.
08:52
What are you experiencing?
191
532534
1356
Wat ervaar je?
08:54
So we said OK,
192
534239
1151
Dus zeiden we: "Oké,
08:55
let's ask Google if they will share their search logs with us,
193
535414
3056
laten we Google vragen om hun zoeklogboeken met ons te delen,
08:58
so that we can look at the search logs
194
538494
1833
zodat we kunnen zien
09:00
and see if patients are doing these kinds of searches.
195
540351
2565
of patiënten met dit soort zoekopdrachten bezig zijn."
09:02
Google, I am sorry to say, denied our request.
196
542940
3275
Google wees, spijtig genoeg, ons verzoek af.
09:06
So I was bummed.
197
546819
1151
Ik zat vast.
09:07
I was at a dinner with a colleague who works at Microsoft Research
198
547994
3166
Op een diner zei ik tegen een collega van Microsoft Research:
09:11
and I said, "We wanted to do this study,
199
551184
1941
"We wilden dit onderzoek doen,
maar Google zei nee, de spelbrekers."
09:13
Google said no, it's kind of a bummer."
200
553149
1880
Hij zei: "Nou, wij hebben Bing."
09:15
He said, "Well, we have the Bing searches."
201
555053
2086
09:18
(Laughter)
202
558195
3483
(Gelach)
09:22
Yeah.
203
562805
1267
Ja.
09:24
That's great.
204
564096
1151
Dat is geweldig.
09:25
Now I felt like I was --
205
565271
1151
Nu voelde ik me --
09:26
(Laughter)
206
566446
1000
(Gelach)
09:27
I felt like I was talking to Nick again.
207
567470
2412
alsof ik weer praatte met Nick.
09:30
He works for one of the largest companies in the world,
208
570437
2624
Hij werkt voor een van de grootste bedrijven in de wereld
en ik probeer hem een beter gevoel te geven.
09:33
and I'm already trying to make him feel better.
209
573085
2206
09:35
But he said, "No, Russ -- you might not understand.
210
575315
2445
Hij zei: "Russ, misschien begrijp je het niet.
09:37
We not only have Bing searches,
211
577784
1500
Het zijn niet alleen gegevens van Bing
09:39
but if you use Internet Explorer to do searches at Google,
212
579308
3340
maar je kan Internet Explorer gebruiken voor zoekopdrachten op Google,
09:42
Yahoo, Bing, any ...
213
582672
1891
Yahoo, Bing ...
09:44
Then, for 18 months, we keep that data for research purposes only."
214
584587
3643
We bewaren de gegevens 18 maanden lang alleen voor onderzoeksdoeleinden."
09:48
I said, "Now you're talking!"
215
588254
1936
Ik zei: "Dat begint erop te lijken!"
09:50
This was Eric Horvitz, my friend at Microsoft.
216
590214
2198
Dit was Eric Horvitz, mijn vriend bij Microsoft.
09:52
So we did a study
217
592436
1695
We deden een studie waarin we 50 woorden selecteerden
09:54
where we defined 50 words that a regular person might type in
218
594155
4619
die Jan Modaal in zou typen als hij hyperglycemie zou hebben,
09:58
if they're having hyperglycemia,
219
598798
1602
10:00
like "fatigue," "loss of appetite," "urinating a lot," "peeing a lot" --
220
600424
4762
zoals 'vermoeidheid', 'geen eetlust', 'veel urineren', 'veel plassen' --
10:05
forgive me, but that's one of the things you might type in.
221
605210
2767
sorry, maar dat soort dingen typt men dan in.
We hadden dus 50 'diabeteswoorden'.
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
We bepaalden eerst de referentietoestand.
10:12
And it turns out that about .5 to one percent
224
612902
2704
Het bleek dat in ongeveer 0,5% tot 1% van alle zoekopdrachten op het internet
10:15
of all searches on the Internet involve one of those words.
225
615630
2982
een van die woorden voorkomt.
10:18
So that's our baseline rate.
226
618636
1742
Dat is onze referentie.
10:20
If people type in "paroxetine" or "Paxil" -- those are synonyms --
227
620402
4143
Als mensen "paroxetine" of "Paxil" intypen -- dat zijn synoniemen --
10:24
and one of those words,
228
624569
1215
samen met een van die woorden,
10:25
the rate goes up to about two percent of diabetes-type words,
229
625808
4890
dan stijgt dat tot ongeveer 2% van de diabetes-type woorden,
10:30
if you already know that there's that "paroxetine" word.
230
630722
3044
als je al weet dat 'paroxetine' erin staat.
10:34
If it's "pravastatin," the rate goes up to about three percent from the baseline.
231
634191
4547
Met 'pravastatine' gaat het naar zo'n 3% ten opzichte van de referentie.
10:39
If both "paroxetine" and "pravastatin" are present in the query,
232
639171
4390
Als zowel 'paroxetine' en 'pravastatine' in de zoekopdracht staan,
10:43
it goes up to 10 percent,
233
643585
1669
gaat het naar de 10%,
10:45
a huge three- to four-fold increase
234
645278
3461
een enorme drie- tot viervoudige toename
10:48
in those searches with the two drugs that we were interested in,
235
648763
3389
in de opdrachten met de twee medicijnen waarin we geïnteresseerd waren
10:52
and diabetes-type words or hyperglycemia-type words.
236
652176
3566
samen met diabetes-type woorden, of hyperglykemie-type woorden.
10:56
We published this,
237
656216
1265
We publiceerden dat
10:57
and it got some attention.
238
657505
1466
en het kreeg wat aandacht.
10:58
The reason it deserves attention
239
658995
1778
De reden dat het aandacht verdient,
11:00
is that patients are telling us their side effects indirectly
240
660797
4312
is dat patiënten ons hun bijwerkingen indirect meedelen
door middel van hun zoekopdrachten.
11:05
through their searches.
241
665133
1156
11:06
We brought this to the attention of the FDA.
242
666313
2138
Wij brachten dit onder de aandacht van de FDA.
11:08
They were interested.
243
668475
1269
Ze waren geïnteresseerd.
11:09
They have set up social media surveillance programs
244
669768
3606
Zij hebben monitorprogramma's voor sociale media ontwikkeld
11:13
to collaborate with Microsoft,
245
673398
1751
om onder meer samen te werken met Microsoft,
11:15
which had a nice infrastructure for doing this, and others,
246
675173
2794
die hiervoor een mooie infrastructuur had,
11:17
to look at Twitter feeds,
247
677991
1282
om te kijken naar Twitter-gegevens,
11:19
to look at Facebook feeds,
248
679297
1716
Facebook-gegevens,
11:21
to look at search logs,
249
681037
1311
zoeklogboeken,
11:22
to try to see early signs that drugs, either individually or together,
250
682372
4909
om te proberen de eerste tekenen te zien
dat medicijnen individueel of gezamenlijk problemen veroorzaken.
11:27
are causing problems.
251
687305
1589
11:28
What do I take from this? Why tell this story?
252
688918
2174
Wat leer ik hiervan? Waarom dit verhaal?
In de eerste plaats
11:31
Well, first of all,
253
691116
1207
11:32
we have now the promise of big data and medium-sized data
254
692347
4037
hebben we nu de belofte om uit de grotere dataverzamelingen
11:36
to help us understand drug interactions
255
696408
2918
interacties tussen geneesmiddelen te kunnen begrijpen,
11:39
and really, fundamentally, drug actions.
256
699350
2420
wellicht zelfs de fundamentele werking van geneesmiddelen.
11:41
How do drugs work?
257
701794
1413
Hoe werken medicijnen?
11:43
This will create and has created a new ecosystem
258
703231
2836
Dit creëert een nieuw ecosysteem
11:46
for understanding how drugs work and to optimize their use.
259
706091
3267
voor het begrijpen van de werking van geneesmiddelen
en het optimaliseren van het gebruik.
11:50
Nick went on; he's a professor at Columbia now.
260
710303
2659
Nick vertrok. Hij is nu professor aan Columbia.
11:52
He did this in his PhD for hundreds of pairs of drugs.
261
712986
4072
Hij deed dit in zijn doctoraat voor honderden paren van medicijnen.
11:57
He found several very important interactions,
262
717082
2517
Hij vond een aantal zeer belangrijke interacties,
11:59
and so we replicated this
263
719623
1214
we herhaalden ze
12:00
and we showed that this is a way that really works
264
720861
2574
en toonden aan dat dit een manier is die echt werkt
12:03
for finding drug-drug interactions.
265
723459
2339
voor het vinden van geneesmiddelinteracties.
12:06
However, there's a couple of things.
266
726282
1734
Maar er is nog wat.
12:08
We don't just use pairs of drugs at a time.
267
728040
3046
We gebruiken geneesmiddelen niet alleen per paar tegelijk.
12:11
As I said before, there are patients on three, five, seven, nine drugs.
268
731110
4469
Er zijn patiënten die drie, vijf, zeven, zelfs negen geneesmiddelen innemen.
12:15
Have they been studied with respect to their nine-way interaction?
269
735981
3642
Is de interactie tussen die negen onderzocht?
12:19
Yes, we can do pair-wise, A and B, A and C, A and D,
270
739647
4208
Ja, we kunnen het paarsgewijs, A en B, A en C, A en D doen,
12:23
but what about A, B, C, D, E, F, G all together,
271
743879
4286
maar hoe zit het met A, B, C, D, E, F, G allemaal samen,
12:28
being taken by the same patient,
272
748189
1762
bij dezelfde patiënt.
12:29
perhaps interacting with each other
273
749975
2118
Misschien maakt hun interactie
12:32
in ways that either makes them more effective or less effective
274
752117
3778
ze wel effectiever, of minder effectief,
12:35
or causes side effects that are unexpected?
275
755919
2332
of veroorzaakt ze onverwachte bijwerkingen.
12:38
We really have no idea.
276
758275
1827
We hebben echt geen idee.
12:40
It's a blue sky, open field for us to use data
277
760126
3756
Het is voor ons onontgonnen terrein om gegevens te gebruiken
12:43
to try to understand the interaction of drugs.
278
763906
2502
om de interactie van geneesmiddelen proberen te begrijpen.
12:46
Two more lessons:
279
766848
1370
Nog twee lessen:
12:48
I want you to think about the power that we were able to generate
280
768242
4199
denk eens na over hoeveel goeds we hebben kunnen doen
12:52
with the data from people who had volunteered their adverse reactions
281
772465
4711
doordat mensen informatie over hun bijwerkingen hebben verstrekt,
12:57
through their pharmacists, through themselves, through their doctors,
282
777200
3269
via hun apothekers, uit zichzelf of via hun artsen,
en doordat ze hebben toegestaan dat de databanken van Stanford,
13:00
the people who allowed the databases at Stanford, Harvard, Vanderbilt,
283
780493
3667
Harvard en Vanderbilt werden gebruikt voor onderzoek.
13:04
to be used for research.
284
784184
1427
13:05
People are worried about data.
285
785929
1445
Mensen maken zich zorgen over gegevens,
13:07
They're worried about their privacy and security -- they should be.
286
787398
3187
over hun privacy en veiligheid -- dat moet ook.
13:10
We need secure systems.
287
790609
1151
We moeten veilige systemen hebben.
13:11
But we can't have a system that closes that data off,
288
791784
3406
Maar onze systemen mogen die gegevens niet afsluiten,
13:15
because it is too rich of a source
289
795214
2752
omdat het een te rijke bron is
13:17
of inspiration, innovation and discovery
290
797990
3971
van inspiratie, innovatie en ontdekking,
13:21
for new things in medicine.
291
801985
1578
voor nieuwe dingen in de geneeskunde.
13:24
And the final thing I want to say is,
292
804494
1794
Nog één ding hierover.
13:26
in this case we found two drugs and it was a little bit of a sad story.
293
806312
3357
Bij deze twee geneesmiddelen was het een beetje een triest verhaal.
13:29
The two drugs actually caused problems.
294
809693
1921
De combinatie veroorzaakte problemen.
13:31
They increased glucose.
295
811638
1475
Ze verhoogden de glucose.
13:33
They could throw somebody into diabetes
296
813137
2446
Ze kunnen bij iemand diabetes veroorzaken
13:35
who would otherwise not be in diabetes,
297
815607
2294
die dat anders niet zou krijgen
13:37
and so you would want to use the two drugs very carefully together,
298
817925
3175
en dus moet je die twee heel voorzichtig samen gebruiken,
of misschien wel niet.
13:41
perhaps not together,
299
821124
1151
13:42
make different choices when you're prescribing.
300
822299
2340
Misschien beter iets anders voorschrijven.
13:44
But there was another possibility.
301
824663
1846
Maar het had ook anders kunnen zijn.
13:46
We could have found two drugs or three drugs
302
826533
2344
We hadden ook twee of drie medicijnen kunnen vinden
13:48
that were interacting in a beneficial way.
303
828901
2261
met een gunstige invloed op elkaars werking.
13:51
We could have found new effects of drugs
304
831616
2712
We hadden bij combinaties nieuwe effecten kunnen vinden
13:54
that neither of them has alone,
305
834352
2160
die de medicijnen individueel niet hebben.
13:56
but together, instead of causing a side effect,
306
836536
2493
Combinaties die samen geen problemen veroorzaken
maar een nieuwe en innovatieve behandeling kunnen vormen
13:59
they could be a new and novel treatment
307
839053
2425
14:01
for diseases that don't have treatments
308
841502
1882
voor ziekten waar we niets voor hebben
14:03
or where the treatments are not effective.
309
843408
2007
of waarvoor de behandeling niet effectief is.
14:05
If we think about drug treatment today,
310
845439
2395
Bij de hedendaagse behandeling met geneesmiddelen
14:07
all the major breakthroughs --
311
847858
1752
zijn alle belangrijke doorbraken --
14:09
for HIV, for tuberculosis, for depression, for diabetes --
312
849634
4297
voor HIV, tuberculose, voor depressie, voor diabetes --
14:13
it's always a cocktail of drugs.
313
853955
2830
altijd een cocktail van geneesmiddelen.
14:16
And so the upside here,
314
856809
1730
Dat is hier het positieve
14:18
and the subject for a different TED Talk on a different day,
315
858563
2849
en een onderwerp voor een andere TED Talk:
14:21
is how can we use the same data sources
316
861436
2593
hoe kunnen we gebruik maken van diezelfde gegevensbronnen
14:24
to find good effects of drugs in combination
317
864053
3563
om combinaties van geneesmiddelen met goede effecten te vinden.
14:27
that will provide us new treatments,
318
867640
2175
Combinaties die ons nieuwe behandelingen geven
14:29
new insights into how drugs work
319
869839
1852
en die nieuwe inzichten verschaffen over hoe medicijnen werken,
14:31
and enable us to take care of our patients even better?
320
871715
3786
zodat we nog beter voor onze patiënten kunnen zorgen.
14:35
Thank you very much.
321
875525
1166
Veel dank.
14:36
(Applause)
322
876715
3499
(Applaus)
Over deze website

Deze site laat u kennismaken met YouTube-video's die nuttig zijn om Engels te leren. U ziet Engelse lessen gegeven door topdocenten uit de hele wereld. Dubbelklik op de Engelse ondertitels op elke videopagina om de video af te spelen. De ondertitels scrollen synchroon met het afspelen van de video. Heeft u opmerkingen of verzoeken, neem dan contact met ons op via dit contactformulier.

https://forms.gle/WvT1wiN1qDtmnspy7