What really happens when you mix medications? | Russ Altman

188,719 views ・ 2016-03-23

TED


Por favor, clique duas vezes nas legendas em inglês abaixo para reproduzir o vídeo.

Tradutor: Thais Leo Revisor: Fernando Gonçalves
00:12
So you go to the doctor and get some tests.
0
12811
3321
Você vai ao médico e faz alguns exames.
00:16
The doctor determines that you have high cholesterol
1
16674
2620
o médico considera que seu colesterol está alto
00:19
and you would benefit from medication to treat it.
2
19318
3171
e que você deveria tomar uma medicação para tratá-lo.
00:22
So you get a pillbox.
3
22981
1556
Então você compra uma caixa de remédios.
00:25
You have some confidence,
4
25505
1199
Você está confiante,
00:26
your physician has some confidence that this is going to work.
5
26728
2937
seu médico está confiante de que isso vai funcionar.
00:29
The company that invented it did a lot of studies, submitted it to the FDA.
6
29689
3553
A empresa que inventou o remédio fez muitos estudos e enviou para o FDA.
00:33
They studied it very carefully, skeptically, they approved it.
7
33266
3107
Eles fizeram estudos criteriosos, céticos, e deram a aprovação.
00:36
They have a rough idea of how it works,
8
36397
1889
Eles têm uma ideia de como ele funciona,
00:38
they have a rough idea of what the side effects are.
9
38310
2453
têm uma ideia de quais são os efeitos colaterais.
00:40
It should be OK.
10
40787
1150
Deve dar certo.
00:42
You have a little more of a conversation with your physician
11
42864
2818
Você conversa mais com seu médico
00:45
and the physician is a little worried because you've been blue,
12
45706
2963
e o médico está preocupado porque você anda deprimido,
00:48
haven't felt like yourself,
13
48693
1293
não tem se sentido como você mesmo,
00:50
you haven't been able to enjoy things in life quite as much as you usually do.
14
50010
3731
não tem conseguido curtir as coisas da vida como antes.
00:53
Your physician says, "You know, I think you have some depression.
15
53765
3186
O médico diz: "Sabe, acho que você está meio deprimido.
00:57
I'm going to have to give you another pill."
16
57792
2315
Vou ter que te dar outro remédio."
01:00
So now we're talking about two medications.
17
60934
2483
Então, agora estamos falando de duas medicações.
01:03
This pill also -- millions of people have taken it,
18
63441
3104
Este remédio também: milhões de pessoas já o tomaram,
01:06
the company did studies, the FDA looked at it -- all good.
19
66569
3631
a empresa pesquisou,
a FDA deu uma olhada. Está tudo bem.
01:10
Think things should go OK.
20
70823
2057
Deve dar tudo certo.
01:12
Think things should go OK.
21
72904
2197
Deve dar tudo certo.
01:15
Well, wait a minute.
22
75125
1439
Espera um minuto.
01:16
How much have we studied these two together?
23
76588
3517
Pesquisamos sobre esses dois juntos?
01:20
Well, it's very hard to do that.
24
80630
2300
É muito difícil fazer isso.
01:22
In fact, it's not traditionally done.
25
82954
2130
Na verdade, normalmente, não é feito.
01:25
We totally depend on what we call "post-marketing surveillance,"
26
85108
5518
Dependemos totalmente da chamada "fiscalização pós-marketing",
01:30
after the drugs hit the market.
27
90650
1880
depois que o remédio chegou ao mercado.
01:32
How can we figure out if bad things are happening
28
92996
2848
Como podemos descobrir se coisas ruins acontecem
01:35
between two medications?
29
95868
1357
entre dois medicamentos?
01:37
Three? Five? Seven?
30
97249
2030
Três? Cinco? Sete?
01:39
Ask your favorite person who has several diagnoses
31
99708
2415
Pergunte à pessoa próxima a você,
diagnosticada com várias coisas, quantos medicamentos ela toma.
01:42
how many medications they're on.
32
102147
1834
01:44
Why do I care about this problem?
33
104530
1580
Por que eu me importo com isso? Eu me importo muito.
01:46
I care about it deeply.
34
106134
1157
Sou um cara da informática, da ciência de dados,
01:47
I'm an informatics and data science guy and really, in my opinion,
35
107315
4304
e na minha opinião a única esperança, a única, para entender essas interações
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
é confrontar muitas fontes diferentes de dados
01:58
in order to figure out when drugs can be used together safely
38
118492
3556
para descobrir quando remédios podem ser usados juntos e de forma segura
02:02
and when it's not so safe.
39
122072
1777
e quando não é tão seguro.
02:04
So let me tell you a data science story.
40
124615
2051
Vou contar uma história de ciência de dados.
02:06
And it begins with my student Nick.
41
126690
2154
Tudo começou com meu aluno Nick.
02:08
Let's call him "Nick," because that's his name.
42
128868
2380
Vamos chamá-lo de "Nick", porque é esse o seu nome.
02:11
(Laughter)
43
131272
1592
(Risos)
02:12
Nick was a young student.
44
132888
1201
Nick era um estudante jovem.
02:14
I said, "You know, Nick, we have to understand how drugs work
45
134113
3079
Eu disse: "Nick, temos que entender como esses remédios funcionam
02:17
and how they work together and how they work separately,
46
137216
2626
e como funcionam juntos e como funcionam separados,
02:19
and we don't have a great understanding.
47
139866
1922
e não sabemos muita coisa."
02:21
But the FDA has made available an amazing database.
48
141812
2405
Mas o FDA disponibilizou uma base de dados incrível.
02:24
It's a database of adverse events.
49
144241
1699
Uma base de dados de efeitos adversos.
02:26
They literally put on the web --
50
146321
1642
Eles literalmente colocaram na web,
02:27
publicly available, you could all download it right now --
51
147987
3119
disponível ao público, todos vocês podem baixar agora mesmo,
02:31
hundreds of thousands of adverse event reports
52
151130
3627
centenas de milhares de relatórios de efeitos adversos
02:34
from patients, doctors, companies, pharmacists.
53
154781
3760
de pacientes, médicos, empresas e farmacêuticos.
02:38
And these reports are pretty simple:
54
158565
1749
Estes relatórios são bem simples:
02:40
it has all the diseases that the patient has,
55
160338
2658
têm todas as doenças das quais o paciente sofre,
todos os remédios que ele está tomando,
02:43
all the drugs that they're on,
56
163020
1767
02:44
and all the adverse events, or side effects, that they experience.
57
164811
3818
todos os efeitos adversos ou colaterais que ele sentiu.
02:48
It is not all of the adverse events that are occurring in America today,
58
168653
3436
Não são todos os efeitos adversos que estão ocorrendo nos EUA hoje,
02:52
but it's hundreds and hundreds of thousands of drugs.
59
172113
2578
mas são centenas e centenas de milhares de remédios.
02:54
So I said to Nick,
60
174715
1299
Então eu disse ao Nick:
"Vamos pensar sobre glicose.
02:56
"Let's think about glucose.
61
176038
1826
02:57
Glucose is very important, and we know it's involved with diabetes.
62
177888
3567
Glicose é muito importante e sabemos que tem a ver com a diabetes.
03:01
Let's see if we can understand glucose response.
63
181479
3970
Vejamos se conseguimos entender a resposta da glicose."
03:05
I sent Nick off. Nick came back.
64
185473
2458
O Nick foi. O Nick voltou.
03:08
"Russ," he said,
65
188248
1786
"Russ", ele disse,
03:10
"I've created a classifier that can look at the side effects of a drug
66
190351
5112
"criei um 'categorizador' que consegue analisar efeitos colaterais de um remédio
03:15
based on looking at this database,
67
195487
2051
a partir da análise dessa base de dados,
03:17
and can tell you whether that drug is likely to change glucose or not."
68
197562
4271
e dizer se aquele remédio pode ou não alterar a glicose."
03:21
He did it. It was very simple, in a way.
69
201857
2016
Ele conseguiu. Foi simples, de certa forma.
03:23
He took all the drugs that were known to change glucose
70
203897
2635
Ele pegou todos os remédios associados a alterações na glicose
03:26
and a bunch of drugs that don't change glucose,
71
206556
2389
e um monte que não alteram a glicose,
03:28
and said, "What's the difference in their side effects?
72
208969
2888
e disse: "Qual é a diferença nos efeitos colaterais deles?
03:31
Differences in fatigue? In appetite? In urination habits?"
73
211881
4852
Diferenças na fadiga? Apetite? Frequência de urinar?"
03:36
All those things conspired to give him a really good predictor.
74
216757
2960
Tudo isso conspirou para lhe dar um ótimo "prognosticador".
03:39
He said, "Russ, I can predict with 93 percent accuracy
75
219741
2548
Ele disse: "Russ, consigo prever com 93% de precisão
quando um remédio altera a glicose."
03:42
when a drug will change glucose."
76
222313
1572
03:43
I said, "Nick, that's great."
77
223909
1416
Eu disse: "Nick, que bacana".
03:45
He's a young student, you have to build his confidence.
78
225349
2896
Ele é um estudante jovem, preciso fomentar sua autoconfiança.
03:48
"But Nick, there's a problem.
79
228269
1390
"Mas, Nick, há um problema.
03:49
It's that every physician in the world knows all the drugs that change glucose,
80
229683
3960
Todos os médicos do mundo sabem quais remédios mexem na glicose,
03:53
because it's core to our practice.
81
233667
2038
porque é crucial para nossa prática.
03:55
So it's great, good job, but not really that interesting,
82
235729
3722
Então, bacana, bom trabalho, mas isso não é tão interessante
03:59
definitely not publishable."
83
239475
1531
e com certeza não dá para publicar."
04:01
(Laughter)
84
241030
1014
(Risos)
04:02
He said, "I know, Russ. I thought you might say that."
85
242068
2550
Ele disse: "Eu sei, Russ. Achei que diria isso." O Nick é esperto.
04:04
Nick is smart.
86
244642
1152
04:06
"I thought you might say that, so I did one other experiment.
87
246149
2874
"Achei que diria isso, então fiz outro experimento.
Analisei na base de dados as pessoas que tomam dois remédios.
04:09
I looked at people in this database who were on two drugs,
88
249047
2928
04:11
and I looked for signals similar, glucose-changing signals,
89
251999
4422
Procurei sinais parecidos, sinais de alterações na glicose,
04:16
for people taking two drugs,
90
256445
1624
em pessoas que tomam dois remédios,
04:18
where each drug alone did not change glucose,
91
258093
5569
nas quais cada remédio, sozinho, não alterou a glicose,
04:23
but together I saw a strong signal."
92
263686
2460
mas que, usados juntos, deixam um sinal relevante."
04:26
And I said, "Oh! You're clever. Good idea. Show me the list."
93
266170
3149
Eu disse: "Ah! Você é inteligente. Boa ideia. Me mostre a lista."
04:29
And there's a bunch of drugs, not very exciting.
94
269343
2254
Tinha um monte de remédios, não muito eletrizante.
04:31
But what caught my eye was, on the list there were two drugs:
95
271621
3932
Mas o que chamou minha atenção, foram dois remédios na lista:
04:35
paroxetine, or Paxil, an antidepressant;
96
275577
3393
paroxetina, ou Paxil, um antidepressivo;
04:39
and pravastatin, or Pravachol, a cholesterol medication.
97
279756
3570
e pravastatina, ou Pravachol, remédio para o colesterol.
04:43
And I said, "Huh. There are millions of Americans on those two drugs."
98
283936
4283
Eu disse: "Hum. Há milhões de norte-americanos tomando os dois".
04:48
In fact, we learned later,
99
288243
1246
Descobrimos depois,
04:49
15 million Americans on paroxetine at the time, 15 million on pravastatin,
100
289513
6032
15 milhões nos EUA tomavam paroxetina, e 15 milhões tomavam pravastatina.
04:55
and a million, we estimated, on both.
101
295569
2817
Um milhão, estimamos, tomavam ambos.
04:58
So that's a million people
102
298767
1254
Então um milhão de pessoas
05:00
who might be having some problems with their glucose
103
300045
2453
talvez estivesse com problemas em sua glicose
05:02
if this machine-learning mumbo jumbo that he did in the FDA database
104
302522
3206
se a máquina de analisar o "blábláblá" da base de dados do FDA
05:05
actually holds up.
105
305752
1254
realmente funcionasse.
Eu disse: "Ainda não dá pra publicar, porque adoro o que fez com o 'blábláblá',
05:07
But I said, "It's still not publishable,
106
307030
1927
05:08
because I love what you did with the mumbo jumbo,
107
308981
2296
com a máquina que analisa,
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
mas essas evidências ainda não estão no padrão necessário."
05:17
So we have to do something else.
110
317618
1589
Então temos que fazer outra coisa.
05:19
Let's go into the Stanford electronic medical record.
111
319231
2876
Vamos aos registros médicos eletrônicos de Stanford.
05:22
We have a copy of it that's OK for research,
112
322131
2064
Temos uma cópia, está boa para a pesquisa,
e removemos as identificações.
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
Eu disse: "Vamos ver se as pessoas tomando esses remédios
05:29
have problems with their glucose."
115
329108
1769
têm problemas com a glicose."
05:31
Now there are thousands and thousands of people
116
331242
2207
Há milhares e milhares de pessoas
05:33
in the Stanford medical records that take paroxetine and pravastatin.
117
333473
3459
nos registros médicos de Stanford tomando paroxetina e pravastatina.
05:36
But we needed special patients.
118
336956
1799
Mas precisamos de pacientes especiais.
05:38
We needed patients who were on one of them and had a glucose measurement,
119
338779
4597
Precisamos de pacientes que tomaram uma delas
e mediram sua glicose,
05:43
then got the second one and had another glucose measurement,
120
343400
3449
e aí tomaram a outra e mediram de novo sua glicose,
05:46
all within a reasonable period of time -- something like two months.
121
346873
3615
tudo isso dentro de um tempo razoável, algo como dois meses.
05:50
And when we did that, we found 10 patients.
122
350512
3159
Fizemos isso e achamos dez pacientes.
05:54
However, eight out of the 10 had a bump in their glucose
123
354592
4538
Porém, oito desses dez tiveram aumento da glicose
05:59
when they got the second P -- we call this P and P --
124
359154
2645
quando tomaram o segundo P, chamamos de "P&P",
06:01
when they got the second P.
125
361823
1310
quando tomaram o segundo P.
06:03
Either one could be first, the second one comes up,
126
363157
2562
Qualquer um pode ser o primeiro, quando o segundo aparece,
06:05
glucose went up 20 milligrams per deciliter.
127
365743
2847
a glicose sobe 20 mg/dL.
06:08
Just as a reminder,
128
368614
1158
Só para lembrar:
06:09
you walk around normally, if you're not diabetic,
129
369796
2325
você anda por aí numa boa, se você não for diabético,
06:12
with a glucose of around 90.
130
372145
1359
com a glicose por volta de 90.
06:13
And if it gets up to 120, 125,
131
373528
2076
Se subir para 120, 125,
06:15
your doctor begins to think about a potential diagnosis of diabetes.
132
375628
3450
seu médico começa a considerar um diagnóstico de diabetes.
06:19
So a 20 bump -- pretty significant.
133
379102
2991
Então uma alta de 20 é bem significativa.
06:22
I said, "Nick, this is very cool.
134
382601
1904
Eu disse: "Nick, isso é muito legal.
06:25
But, I'm sorry, we still don't have a paper,
135
385616
2053
Mas, desculpe, ainda não temos um artigo,
06:27
because this is 10 patients and -- give me a break --
136
387693
2579
porque são só dez pacientes e, fala sério,
não são pacientes suficientes."
06:30
it's not enough patients."
137
390296
1245
06:31
So we said, what can we do?
138
391565
1306
Então pensamos no que fazer.
06:32
And we said, let's call our friends at Harvard and Vanderbilt,
139
392895
2976
Decidimos chamar nossos amigos em Harvard e em Vanderbilt,
06:35
who also -- Harvard in Boston, Vanderbilt in Nashville,
140
395895
2587
que também, Harvard em Boston, Vanderbilt em Nashville,
06:38
who also have electronic medical records similar to ours.
141
398506
2821
têm registros médicos eletrônicos parecidos com o nossos.
06:41
Let's see if they can find similar patients
142
401351
2020
Vejamos se eles acham pacientes similares
06:43
with the one P, the other P, the glucose measurements
143
403395
3276
com um P, o outro P, as medições da glicose
06:46
in that range that we need.
144
406695
1600
no limite que precisamos.
06:48
God bless them, Vanderbilt in one week found 40 such patients,
145
408787
4955
Deus abençoe, Vanderbilt achou em uma semana
40 pacientes com a mesma tendência.
06:53
same trend.
146
413766
1189
06:55
Harvard found 100 patients, same trend.
147
415804
3620
Harvard achou 100 com a mesma tendência.
06:59
So at the end, we had 150 patients from three diverse medical centers
148
419448
4281
Ao final, achamos 150 pacientes desses três centros médicos diferentes
07:03
that were telling us that patients getting these two drugs
149
423753
3297
que diziam que pacientes tomando esses dois medicamentos
07:07
were having their glucose bump somewhat significantly.
150
427074
2703
sofriam aumento da glicose de forma significativa.
07:10
More interestingly, we had left out diabetics,
151
430317
2810
Mais interessante: deixamos de fora diabéticos,
07:13
because diabetics already have messed up glucose.
152
433151
2317
porque eles já têm a glicose bem alterada.
07:15
When we looked at the glucose of diabetics,
153
435492
2238
Quando analisamos a glicose de diabéticos,
07:17
it was going up 60 milligrams per deciliter, not just 20.
154
437754
3435
estava subindo 60 mg/dL, não só 20.
07:21
This was a big deal, and we said, "We've got to publish this."
155
441760
3452
Isso era considerável e dissemos: "Temos que publicar isso."
07:25
We submitted the paper.
156
445236
1179
Enviamos o artigo.
07:26
It was all data evidence,
157
446439
2111
Tudo tinha base em dados,
07:28
data from the FDA, data from Stanford,
158
448574
2483
dados do FDA, dados de Stanford,
07:31
data from Vanderbilt, data from Harvard.
159
451081
1946
dados de Vanderbilt e dados de Harvard.
07:33
We had not done a single real experiment.
160
453051
2396
Não tínhamos feito nenhum experimento físico.
07:36
But we were nervous.
161
456495
1296
Mas estávamos nervosos.
07:38
So Nick, while the paper was in review, went to the lab.
162
458201
3730
Então Nick, enquanto o artigo estava sob avaliação, foi ao laboratório.
07:41
We found somebody who knew about lab stuff.
163
461955
2462
Achamos alguém que entende de coisas de laboratório.
07:44
I don't do that.
164
464441
1393
Eu não faço isso.
07:45
I take care of patients, but I don't do pipettes.
165
465858
2417
Eu cuido de pacientes, não de pipetas.
07:49
They taught us how to feed mice drugs.
166
469420
3053
Nos ensinaram a dar remédio a ratos.
07:52
We took mice and we gave them one P, paroxetine.
167
472864
2414
Pegamos os ratos e demos um P, paroxetina.
07:55
We gave some other mice pravastatin.
168
475302
2508
Demos a outros a pravastatina.
07:57
And we gave a third group of mice both of them.
169
477834
3595
Ao terceiro grupo, demos ambas.
08:01
And lo and behold, glucose went up 20 to 60 milligrams per deciliter
170
481893
3946
"Voilà": a glicose subiu entre 20 e 60 mg/dL nos ratos.
08:05
in the mice.
171
485863
1171
O artigo foi aceito com base apenas nas evidências informacionais,
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
mas adicionamos uma notinha no final
alertando que a glicose aumentará se derem ambas aos ratos.
08:12
saying, oh by the way, if you give these to mice, it goes up.
174
492158
2899
Foi ótimo e a história podia terminar aí.
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
Mas ainda tenho seis minutos e meio.
08:19
(Laughter)
177
499634
2807
(Risos)
08:22
So we were sitting around thinking about all of this,
178
502465
2815
Então estávamos lá, pensando nisso,
08:25
and I don't remember who thought of it, but somebody said,
179
505304
2735
e não lembro de quem foi a ideia, mas alguém disse:
"Será que os pacientes tomando os dois remédios
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
estão notando efeitos colaterais de hiperglicemia?
08:34
They could and they should.
182
514865
1496
Eles poderiam e deveriam.
08:36
How would we ever determine that?"
183
516761
1877
Como poderíamos determinar isso?"
08:39
We said, well, what do you do?
184
519551
1443
Pensamos, bem, o que você faz?
Você toma um remédio, um remédio novo ou dois,
08:41
You're taking a medication, one new medication or two,
185
521018
2580
08:43
and you get a funny feeling.
186
523622
1538
e se sente meio esquisito.
08:45
What do you do?
187
525184
1151
O que você faz?
08:46
You go to Google
188
526359
1151
Você vai ao Google
08:47
and type in the two drugs you're taking or the one drug you're taking,
189
527534
3349
digita os dois remédios ou o remédio que você está tomando
08:50
and you type in "side effects."
190
530907
1603
e digita "efeitos colaterais".
08:52
What are you experiencing?
191
532534
1356
O que você está sentindo?
08:54
So we said OK,
192
534239
1151
Dissemos: "Ok.
08:55
let's ask Google if they will share their search logs with us,
193
535414
3056
vamos perguntar ao Google se compartilhariam os históricos conosco
08:58
so that we can look at the search logs
194
538494
1833
para analisarmos esses históricos de pesquisa
09:00
and see if patients are doing these kinds of searches.
195
540351
2565
e saber se os pacientes estão fazendo essas buscas.
09:02
Google, I am sorry to say, denied our request.
196
542940
3275
O Google, infelizmente, negou o pedido.
09:06
So I was bummed.
197
546819
1151
Fiquei chateado.
09:07
I was at a dinner with a colleague who works at Microsoft Research
198
547994
3166
Eu estava jantando com um colega que trabalha na Microsoft Research
e disse: "Queríamos fazer uma pesquisa,
09:11
and I said, "We wanted to do this study,
199
551184
1941
o Google disse não. É meio chato."
09:13
Google said no, it's kind of a bummer."
200
553149
1880
Ele disse: "Bem, temos as pesquisas do Bing".
09:15
He said, "Well, we have the Bing searches."
201
555053
2086
09:18
(Laughter)
202
558195
3483
(Risos)
09:22
Yeah.
203
562805
1267
É.
09:24
That's great.
204
564096
1151
Que legal.
09:25
Now I felt like I was --
205
565271
1151
Achei que estava...
09:26
(Laughter)
206
566446
1000
(Risos)
09:27
I felt like I was talking to Nick again.
207
567470
2412
que estava falando com o Nick de novo.
09:30
He works for one of the largest companies in the world,
208
570437
2624
Ele trabalha para uma das maiores empresas do mundo
e eu tentando fazê-lo se sentir melhor.
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
Ele disse: "Russ, acho que não entendeu. Não temos só as pesquisas do Bing.
09:37
We not only have Bing searches,
211
577784
1500
Se você usar o Internet Explorer para pesquisar no Google,
09:39
but if you use Internet Explorer to do searches at Google,
212
579308
3340
09:42
Yahoo, Bing, any ...
213
582672
1891
Yahoo, Bing, qualquer um...
09:44
Then, for 18 months, we keep that data for research purposes only."
214
584587
3643
E, por 18 meses, mantemos esses dados só para fins de pesquisa."
09:48
I said, "Now you're talking!"
215
588254
1936
Eu disse: "Agora sim!"
09:50
This was Eric Horvitz, my friend at Microsoft.
216
590214
2198
Foi o Eric Horvitz, meu amigo na Microsoft.
09:52
So we did a study
217
592436
1695
Fizemos um estudo.
09:54
where we defined 50 words that a regular person might type in
218
594155
4619
Definimos 50 palavras que uma pessoa comum talvez digite
09:58
if they're having hyperglycemia,
219
598798
1602
se estiver com hiperglicemia.
10:00
like "fatigue," "loss of appetite," "urinating a lot," "peeing a lot" --
220
600424
4762
Como "fadiga", "falta de apetite", "urinando muito", "fazendo muito xixi",
10:05
forgive me, but that's one of the things you might type in.
221
605210
2767
desculpa, mas essa é uma das coisas que você talvez digite.
Tínhamos 50 frases que denominamos "palavras de diabetes".
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
Primeiro estabelecemos uma medida padrão.
10:12
And it turns out that about .5 to one percent
224
612902
2704
Acontece que entre 0,5% a 1%
10:15
of all searches on the Internet involve one of those words.
225
615630
2982
de todas as pesquisas na Internet envolvem essas palavras.
10:18
So that's our baseline rate.
226
618636
1742
Essa era nossa medida padrão.
10:20
If people type in "paroxetine" or "Paxil" -- those are synonyms --
227
620402
4143
Se digitarem "paroxetina" ou "Paxil", são sinônimos,
10:24
and one of those words,
228
624569
1215
e uma dessas palavras,
10:25
the rate goes up to about two percent of diabetes-type words,
229
625808
4890
a taxa sobe cerca de 2% das palavras de diabetes,
10:30
if you already know that there's that "paroxetine" word.
230
630722
3044
se você já souber que existe a palavra "paroxetina".
10:34
If it's "pravastatin," the rate goes up to about three percent from the baseline.
231
634191
4547
Se for "pravastatina", a taxa sobre cerca de 3% do padrão.
10:39
If both "paroxetine" and "pravastatin" are present in the query,
232
639171
4390
Se ambas estiverem presentes na pesquisa
10:43
it goes up to 10 percent,
233
643585
1669
sobe até 10%,
10:45
a huge three- to four-fold increase
234
645278
3461
um aumento enorme de três vezes a quatro vezes
10:48
in those searches with the two drugs that we were interested in,
235
648763
3389
nas pesquisas com os dois remédios nos quais estamos interessados
10:52
and diabetes-type words or hyperglycemia-type words.
236
652176
3566
e palavras de diabetes ou palavras de hiperglicemia.
10:56
We published this,
237
656216
1265
Publicamos isso
10:57
and it got some attention.
238
657505
1466
e recebeu alguma atenção.
10:58
The reason it deserves attention
239
658995
1778
A razão pela qual merece atenção
11:00
is that patients are telling us their side effects indirectly
240
660797
4312
é que os pacientes estão nos dizendo indiretamente os efeitos colaterais
por meio de suas pesquisas.
11:05
through their searches.
241
665133
1156
11:06
We brought this to the attention of the FDA.
242
666313
2138
Levamos isso ao FDA.
11:08
They were interested.
243
668475
1269
Eles se interessaram.
11:09
They have set up social media surveillance programs
244
669768
3606
Eles têm programas de monitoramento de mídias socias
11:13
to collaborate with Microsoft,
245
673398
1751
para colaborar com a Microsoft,
11:15
which had a nice infrastructure for doing this, and others,
246
675173
2794
que tem uma boa infraestrutura para fazer isso, e outras,
11:17
to look at Twitter feeds,
247
677991
1282
para olhar "feeds" do Twitter,
11:19
to look at Facebook feeds,
248
679297
1716
"feeds" do Facebook,
olhar históricos de pesquisa,
11:21
to look at search logs,
249
681037
1311
11:22
to try to see early signs that drugs, either individually or together,
250
682372
4909
tentar ver sinais precoces que remédios, seja individualmente ou em conjunto,
11:27
are causing problems.
251
687305
1589
estejam causando problemas.
11:28
What do I take from this? Why tell this story?
252
688918
2174
O que tiro disso? Por que contar essa história?
11:31
Well, first of all,
253
691116
1207
Primeiramente,
11:32
we have now the promise of big data and medium-sized data
254
692347
4037
agora temos a promessa da "big data" e dados de tamanho médio
11:36
to help us understand drug interactions
255
696408
2918
para nos ajudar a entender a interação de remédios
11:39
and really, fundamentally, drug actions.
256
699350
2420
e, fundamentalmente, ações dos remédios.
11:41
How do drugs work?
257
701794
1413
Como remédios funcionam?
11:43
This will create and has created a new ecosystem
258
703231
2836
Isso vai criar, e já criou, um novo ecossistema
11:46
for understanding how drugs work and to optimize their use.
259
706091
3267
para entender como remédios funcionam e para otimizar seu uso.
11:50
Nick went on; he's a professor at Columbia now.
260
710303
2659
Nick continuou. Ele é professor em Columbia agora.
11:52
He did this in his PhD for hundreds of pairs of drugs.
261
712986
4072
Ele fez isso em seu doutorado com centenas de pares de remédios.
11:57
He found several very important interactions,
262
717082
2517
Ele encontrou várias interações muito importantes
11:59
and so we replicated this
263
719623
1214
então replicamos isso
12:00
and we showed that this is a way that really works
264
720861
2574
e mostramos que essa é uma forma que funciona
12:03
for finding drug-drug interactions.
265
723459
2339
para descobrir interações entre remédios.
12:06
However, there's a couple of things.
266
726282
1734
Porém, há algumas coisas.
12:08
We don't just use pairs of drugs at a time.
267
728040
3046
Não só usamos pares de remédios por vez.
12:11
As I said before, there are patients on three, five, seven, nine drugs.
268
731110
4469
Como disse, há pacientes tomando três, cinco, sete, nove remédios.
12:15
Have they been studied with respect to their nine-way interaction?
269
735981
3642
Será que já foram estudados em relação às interações dos nove ao mesmo tempo?
12:19
Yes, we can do pair-wise, A and B, A and C, A and D,
270
739647
4208
Sim, podemos fazer com base em pares. "A" e "B", "A" e "C", "A" e "D".
12:23
but what about A, B, C, D, E, F, G all together,
271
743879
4286
Mas e "A, B, C, D, E, F, G" todos juntos,
12:28
being taken by the same patient,
272
748189
1762
tomados pelo mesmo paciente,
12:29
perhaps interacting with each other
273
749975
2118
talvez interagindo entre si
12:32
in ways that either makes them more effective or less effective
274
752117
3778
de forma que talvez os deixem mais, ou menos, eficientes;
12:35
or causes side effects that are unexpected?
275
755919
2332
ou causem efeitos colaterais inesperados?
12:38
We really have no idea.
276
758275
1827
Realmente não sabemos.
12:40
It's a blue sky, open field for us to use data
277
760126
3756
É um céu azul, campo aberto, para usarmos dados
12:43
to try to understand the interaction of drugs.
278
763906
2502
para tentar entender a interação de remédios.
12:46
Two more lessons:
279
766848
1370
Duas outras lições:
12:48
I want you to think about the power that we were able to generate
280
768242
4199
quero que pensem sobre o poder que pudemos gerar
12:52
with the data from people who had volunteered their adverse reactions
281
772465
4711
com dados de pessoas que voluntariamente informaram suas reações adversas
12:57
through their pharmacists, through themselves, through their doctors,
282
777200
3269
por meio de farmacêuticos, médicos, ou elas próprias;
13:00
the people who allowed the databases at Stanford, Harvard, Vanderbilt,
283
780493
3667
com as pessoas que deram acesso aos dados de Stanford, Harvard e Vanderbilt
13:04
to be used for research.
284
784184
1427
para serem usados para pesquisa.
13:05
People are worried about data.
285
785929
1445
As pessoas se preocupam com dados.
13:07
They're worried about their privacy and security -- they should be.
286
787398
3187
Preocupam-se com sua privacidade e segurança, e devem.
Precisamos de sistemas seguros.
13:10
We need secure systems.
287
790609
1151
13:11
But we can't have a system that closes that data off,
288
791784
3406
Mas não podemos ter sistemas que enclausuram os dados,
13:15
because it is too rich of a source
289
795214
2752
porque são uma fonte muito rica
13:17
of inspiration, innovation and discovery
290
797990
3971
de inspiração, inovação e descoberta
13:21
for new things in medicine.
291
801985
1578
de novas coisas para a medicina.
13:24
And the final thing I want to say is,
292
804494
1794
Finalmente, quero dizer:
13:26
in this case we found two drugs and it was a little bit of a sad story.
293
806312
3357
nesse caso, achamos dois remédios e a história foi meio triste.
13:29
The two drugs actually caused problems.
294
809693
1921
São dois remédios que causam problemas.
13:31
They increased glucose.
295
811638
1475
Aumentavam a glicose.
13:33
They could throw somebody into diabetes
296
813137
2446
Poderiam levar alguém à diabetes,
13:35
who would otherwise not be in diabetes,
297
815607
2294
que em outra situação não a teria.
13:37
and so you would want to use the two drugs very carefully together,
298
817925
3175
então deve-se usar os dois juntos com muito cuidado,
talvez não usá-los juntos,
13:41
perhaps not together,
299
821124
1151
13:42
make different choices when you're prescribing.
300
822299
2340
fazer outras escolhas ao prescrever.
13:44
But there was another possibility.
301
824663
1846
Mas tem outra possibilidade.
13:46
We could have found two drugs or three drugs
302
826533
2344
Poderíamos ter encontrado dois ou três remédios
13:48
that were interacting in a beneficial way.
303
828901
2261
que interagissem de forma benéfica.
13:51
We could have found new effects of drugs
304
831616
2712
Poderíamos ter achado novos efeitos de remédios
13:54
that neither of them has alone,
305
834352
2160
que nenhum tem quando sozinho,
13:56
but together, instead of causing a side effect,
306
836536
2493
mas juntos, ao invés de causar um efeito colateral,
13:59
they could be a new and novel treatment
307
839053
2425
poderiam ser um novo tratamento
14:01
for diseases that don't have treatments
308
841502
1882
para doenças que não têm tratamento
14:03
or where the treatments are not effective.
309
843408
2007
ou cujos tratamentos são ineficientes.
14:05
If we think about drug treatment today,
310
845439
2395
Se pensarmos em tratamentos com remédios hoje,
14:07
all the major breakthroughs --
311
847858
1752
os avanços mais importantes,
14:09
for HIV, for tuberculosis, for depression, for diabetes --
312
849634
4297
contra HIV, tuberculose, depressão, diabetes,
14:13
it's always a cocktail of drugs.
313
853955
2830
são sempre um coquetel de remédios.
14:16
And so the upside here,
314
856809
1730
Então tem um lado positivo aqui.
14:18
and the subject for a different TED Talk on a different day,
315
858563
2849
E um tema para outro dia, para outra palestra TED.
14:21
is how can we use the same data sources
316
861436
2593
Será assim que poderemos usar as mesmas fontes de dados
14:24
to find good effects of drugs in combination
317
864053
3563
para achar bons efeitos em combinações de remédios
14:27
that will provide us new treatments,
318
867640
2175
que forneceriam novos tratamentos,
14:29
new insights into how drugs work
319
869839
1852
nova compreensão de como remédios funcionam,
14:31
and enable us to take care of our patients even better?
320
871715
3786
e nos permitam cuidar de forma ainda melhor de nossos pacientes?
14:35
Thank you very much.
321
875525
1166
Muito obrigado.
14:36
(Applause)
322
876715
3499
(Aplausos)
Sobre este site

Este site apresentará a você vídeos do YouTube que são úteis para o aprendizado do inglês. Você verá aulas de inglês ministradas por professores de primeira linha de todo o mundo. Clique duas vezes nas legendas em inglês exibidas em cada página de vídeo para reproduzir o vídeo a partir daí. As legendas rolarão em sincronia com a reprodução do vídeo. Se você tiver algum comentário ou solicitação, por favor, entre em contato conosco usando este formulário de contato.

https://forms.gle/WvT1wiN1qDtmnspy7