What really happens when you mix medications? | Russ Altman

Översättare: Johanna Jämsén Granskare: Lisbeth Pekkari

So you go to the doctor and get some tests.

Du går till läkaren och det tas några prover.

The doctor determines that you have high cholesterol

Läkaren fastställer att du har högt kolesterol

and you would benefit from medication to treat it.

och att ett läkemedel skulle få dig att må bättre.

So you get a pillbox.

Så du får en tablettask.

You have some confidence,

Du tror,

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

din läkare tror att det här kommer fungera.

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

Företaget bakom läkemedlet utförde en massa studier,

som FDA (läkemedelsinspektionen i USA) granskade och godkände.

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

They have a rough idea of how it works,

Man vet ungefär hur läkemedlet fungerar,

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

man känner till biverkningarna ganska bra.

It should be OK.

Det borde vara okej.

You have a little more of a conversation with your physician

Du fortsätter tala med läkaren

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

och läkaren är lite oroad över att du har varit nedstämd,

haven't felt like yourself,

inte känt dig som du brukar

och du har inte kunnat njuta av saker på samma sätt som tidigare.

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

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

Din läkare säger, "Vet du, jag tror att du lider av depression.

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

Jag ska skriva ut ännu en tablett till dig."

So now we're talking about two medications.

Så nu är det fråga om två läkemedel.

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

Även den här tabletten - miljontals människor har tagit den,

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

företaget har gjort studier, FDA har kontrollerat - bra.

Think things should go OK.

Det borde inte vara några problem.

Think things should go OK.

Det borde inte vara några problem.

Men vänta lite.

Well, wait a minute.

How much have we studied these two together?

Hur mycket har man studerat de här två tillsammans?

Well, it's very hard to do that.

Det är väldigt svårt att göra det.

In fact, it's not traditionally done.

Faktum är, det brukar inte göras.

Vi måste helt och hållet lita på "post marketing surveillance",

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

after the drugs hit the market.

efter att läkemedlen har börjat säljas.

How can we figure out if bad things are happening

Hur ska vi få reda på om det händer dåliga saker

between two medications?

mellan två läkemedel?

Three? Five? Seven?

Mellan tre? Fem? Sju?

Ask your favorite person who has several diagnoses

Fråga en person som du känner med flera diagnoser

hur många mediciner de tar.

how many medications they're on.

Why do I care about this problem?

Varför bryr jag mig om det här?

Jag bryr mig oerhört.

I care about it deeply.

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

Min grej är IT och datavetenskap och enligt mig

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

så är enda sättet - enda sättet - vi kan förstå dessa interaktioner

is to leverage lots of different sources of data

genom att använda massor av data från olika håll

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

för att ta reda på när läkemedel är säkra att användas samtidigt

och när det inte är så säkert.

and when it's not so safe.

So let me tell you a data science story.

Nu ska ni få höra en historia.

And it begins with my student Nick.

Det börjar med min elev Nick.

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

Vi kan kalla honom "Nick" för det är så han heter.

(Laughter)

(Skratt)

Nick was a young student.

Nick var ung och ny.

Jag sa, "Vet du, Nick, vi behöver förstå hur läkemedel fungerar,

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

and how they work together and how they work separately,

hur de fungerar tillsammans och hur de fungerar enskilt,

and we don't have a great understanding.

för i nuläget vet vi inte."

But the FDA has made available an amazing database.

Men FDA har offentliggjort en fantastisk databas.

It's a database of adverse events.

Det är en databas över biverkningar.

They literally put on the web --

De lägger upp på internet -

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

allmänt tillgängligt, ni kan alla ladda ner det nu -

hundratusentals rapporter om biverkningar

hundreds of thousands of adverse event reports

from patients, doctors, companies, pharmacists.

från patienter, läkare, företag, farmaceuter.

And these reports are pretty simple:

Och rapporterna är ganska simpla:

it has all the diseases that the patient has,

där står alla sjukdomar som patienten har,

alla mediciner som de tar

all the drugs that they're on,

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

och alla biverkningar som de upplever.

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

Det är inte alla biverkningar som sker i USA idag,

men det är hundratusentals mediciner.

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

So I said to Nick,

Så jag sa till Nick,

"Om vi tänker på glukos.

"Let's think about glucose.

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

Glukos är viktigt och vi vet att det har koppling till diabetes.

Let's see if we can understand glucose response.

Tänk om vi skulle försöka förstå glukosresponsen."

I sent Nick off. Nick came back.

Jag skickade iväg Nick. Han kom tillbaka.

"Russ," he said,

"Russ", sa han,

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

"Jag har gjort en klassificerare som kan hitta biverkningarna av en medicin

based on looking at this database,

baserat på den här databasen

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

och berätta om den medicinen sannolikt ändrar glukosnivåer eller inte gör det."

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

Han gjorde det. Det var väldigt enkelt.

He took all the drugs that were known to change glucose

Han tog alla mediciner som är kända glukospåverkare

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

och en massa mediciner som inte påverkar glukos

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

och frågade sig, "Vad är skillnaden i biverkningarna?

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

Skillnader i trötthet? Aptit? Urinering?"

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

All den här informationen gav honom en bra förutsägare.

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

Han sa , "Russ, jag kan förutspå med 93 % sannolikhet

when a drug will change glucose."

när en medicin påverkar glukos."

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

Jag sa, "Nick, det är toppen"

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

Han är en ung studerande, han behöver få självförtroende.

"But Nick, there's a problem.

"Nick, det finns ett problem.

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

Alla läkare känner till vilka mediciner som påverkar glukoshalten,

because it's core to our practice.

för det måste vi känna till.

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

Så, jättebra jobbat, men inte så intressant,

definitely not publishable."

definitivt inte publicerbart."

(Skratt)

(Laughter)

Han sa, "Jag vet, Russ. Jag gissade det."

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

Nick är smart.

Nick is smart.

"Jag gissade det, så jag gjorde ett annat experiment.

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

Jag kollade på personer i databasen som tog två mediciner

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

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

och sökte efter liknande signaler på glukosförändring,

for people taking two drugs,

hos personer som tar två mediciner

men där medicinerna var för sig inte ändrar glukoshalten,

where each drug alone did not change glucose,

but together I saw a strong signal."

men gav starka signaler när de användes samtidigt."

Jag sa, "Smart! Bra idé. Visa mig listan."

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

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

Det är en massa mediciner, inte så intressant.

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

Men det som fångade mitt intresse var ett par mediciner:

paroxetine, or Paxil, an antidepressant;

paroxetin, eller Seroxat, antidepressiv;

and pravastatin, or Pravachol, a cholesterol medication.

och pravastatin, eller Pravachol, en kolesterolmedicin.

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

Jag sa, "Oj. Det finns miljontals amerikaner som tar båda medicinerna."

In fact, we learned later,

Vi fick senare reda på,

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

att då använde 15 miljoner amerikaner paroxetin och 15 miljoner pravastatin

and a million, we estimated, on both.

och vi uppskattade att en miljon använde bägge.

So that's a million people

En miljon människor

som kanske har problem med glukosnivåerna

who might be having some problems with their glucose

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

om det här maskininlärningssvamlet som han gjorde i FDA-databasen

actually holds up.

faktiskt stämmer.

Jag sa, "Vi kan inte publicera ännu,

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

because I love what you did with the mumbo jumbo,

för jag gillar det du gjorde med allt svammel,

with the machine learning,

med maskininlärning,

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

men det är inte riktigt vattentäta bevis som vi har."

So we have to do something else.

Vi måste göra mer.

Let's go into the Stanford electronic medical record.

Vi går in på Stanfords elektroniska medicinska arkiv.

Vi har en kopia som kan användas i forskning,

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

we removed identifying information.

identitetsinformationen är utsuddad.

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

Jag sa, "Vi ska se om de som tar båda medicinerna

har problem med glukosnivåerna."

have problems with their glucose."

Now there are thousands and thousands of people

Det finns tusentals personer

in the Stanford medical records that take paroxetine and pravastatin.

i Stanfords medicinska arkiv som tar paroxetin och pravastatin.

But we needed special patients.

Men vi sökte en viss typ av patient.

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

Vi sökte patienter som gick på en av dem och var med om en glukosmätning,

then got the second one and had another glucose measurement,

sedan fick den andra och var med om en annan glukosmätning,

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

allt inom en rimlig tid - ungefär två månader.

And when we did that, we found 10 patients.

Vi hittade 10 patienter.

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

8 av 10 fick en ökning av glukoshalten

när de fick sitt andra P - vi kallar det P och P -

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

when they got the second P.

när de fick sitt andra P.

Någondera kommer först, sedan kommer den andra,

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

glucose went up 20 milligrams per deciliter.

glukoshalten stiger 20 milligram per deciliter.

Just as a reminder,

Som en påminnelse,

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

du har vanligtvis, om du inte är diabetiker,

ett glukos på ungefär 90.

with a glucose of around 90.

And if it gets up to 120, 125,

Om det stiger till 120, 125,

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

då börjar din läkare överväga en diabetesdiagnos.

Så en ökning på 20 - ganska betydande.

So a 20 bump -- pretty significant.

I said, "Nick, this is very cool.

Jag sa, "Nick, det här är häftigt.

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

Men tyvärr har vi inte en artikel ännu,

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

för det här är 10 patienter, och kom igen,

det är inte tillräckligt."

it's not enough patients."

So we said, what can we do?

Så vad skulle vi göra?

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

Vi ringde våra vänner vid Harvard och Vanderbilt,

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

som också - Harvard i Boston, Vanderbilt i Nashville,

who also have electronic medical records similar to ours.

som liksom vi har elektroniska medicinska arkiv.

Let's see if they can find similar patients

Kanske de kan hitta liknande patienter

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

med ett P, sedan ett annat P, glukosmätningarna

in that range that we need.

i den skala vi behöver.

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

Tack och lov, Vanderbilt hittade 40 patienter på en vecka,

same trend.

samma tendens.

Harvard found 100 patients, same trend.

Harvard hittade 100 patienter, samma trend.

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

Så till slut hade vi 150 patienter från tre olika sjukhus

that were telling us that patients getting these two drugs

som visade att patienter med dessa två mediciner

får en signifikant ökning av glukoshalten.

were having their glucose bump somewhat significantly.

More interestingly, we had left out diabetics,

Dessutom hade vi utelämnat diabetiker,

för de har redan instabila glukoshalter.

because diabetics already have messed up glucose.

When we looked at the glucose of diabetics,

När vi tittade på glukoshalterna hos diabetiker,

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

så var det en ökning på 60 mg/dl, inte bara 20.

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

Det var en viktig upptäckt och vi tänkte, "Vi måste publicera det här."

Vi skickade in artikeln.

We submitted the paper.

It was all data evidence,

Den bestod enbart av bevis i form av data,

data from the FDA, data from Stanford,

data från FDA, data från Stanford,

data från Vanderbilt, data från Harvard.

data from Vanderbilt, data from Harvard.

Vi hade inte utfört ett enda riktigt experiment,

We had not done a single real experiment.

But we were nervous.

Men vi var nervösa.

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

Medan artikeln granskades gick Nick till labbet.

We found somebody who knew about lab stuff.

Vi hittade någon som kunde labbgrejer.

I don't do that.

Jag gör inte sånt.

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

Jag tar hand om patienter, men har inga pipetter.

They taught us how to feed mice drugs.

De lärde oss hur man ger mediciner till möss.

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

Vi tog några möss och gav dem ett P, paroxetin.

We gave some other mice pravastatin.

Till några andra möss gav vi pravastatin.

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

Och den tredje gruppen fick båda medicinerna.

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

Och hör och häpna, glukoshalten gick från 20 till 60 mg/dl

in the mice.

hos mössen.

Så artikeln godkändes baserat enbart på bevis i form av data,

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

but we added a little note at the end,

men vi lade till en slutnot,

där det stod att möss får högre glukoshalt om de tar dem.

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

Det var härligt och här skulle historien kunna sluta.

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

But I still have six and a half minutes.

Men jag har sex och en halv minut kvar.

(Laughter)

(Skratt)

So we were sitting around thinking about all of this,

Vi satt och pratade om det här

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

och jag minns inte vem det var, men någon sa,

"Jag undrar om patienter som tar de här två medicinerna

"I wonder if patients who are taking these two drugs

are noticing side effects of hyperglycemia.

har symptom på hyperglykemi.

They could and they should.

Det borde de ha.

How would we ever determine that?"

Hur ska vi någonsin få reda på det?"

We said, well, what do you do?

Vi tänkte, vad gör man?

Man tar en medicin, en ny medicin eller två

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

and you get a funny feeling.

och man börjar må underligt.

What do you do?

Vad gör man då?

You go to Google

Man går till Google

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

och man skriver in medicinerna man tar

and you type in "side effects."

och man skriver "biverkningar".

What are you experiencing?

Vad upplever du?

So we said OK,

Så vi tänkte att,

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

vi frågar Google om de vill dela sin sökhistorik med oss,

so that we can look at the search logs

så att vi kan titta på sökhistoriken

and see if patients are doing these kinds of searches.

och se om patienter gör sådana här sökningar.

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

Google tackade nej, tyvärr.

So I was bummed.

Jag var besviken.

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

Jag var på middag med en kollega från Microsoft Research

jag sa, "Vi ville göra den här studien,

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

Google sa nej, det var trist."

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

Han sa, "Vi har sökmotorn Bing."

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

(Skratt)

(Laughter)

Yeah.

Jepp.

Det är härligt.

That's great.

Now I felt like I was --

Nu kändes det som att -

(Laughter)

(Skratt)

I felt like I was talking to Nick again.

som att prata med Nick igen.

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

Han jobbar för en av de största företagen i världen

och jag försöker trösta honom.

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

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

Men han sa, "Russ - du förstår inte.

Vi har inte bara bingsökningar,

We not only have Bing searches,

men om man använder Internet Explorer för att göra googlesökningar,

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

Yahoo, Bing, any ...

Yahoo, Bing, vad som helst...

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

Vi sparar informationen i 18 månader i forskningssyfte."

Jag sa, "Nu är vi inne på något!"

I said, "Now you're talking!"

This was Eric Horvitz, my friend at Microsoft.

Det var Eric Horvitz, min vän på Microsoft.

So we did a study

Så vi gjorde en studie

där vi definierade 50 ord som en vanlig person skulle skriva

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

if they're having hyperglycemia,

om de har hyperglykemi,

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

som "trötthet", "tappat aptiten", "urinerar ofta", "kissar ofta" -

ursäkta, men det är en sak som man kanske skriver.

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

Så vi hade 50 fraser som vi kallade "diabetesord".

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

And we did first a baseline.

Och först gjorde vi en måttstock.

And it turns out that about .5 to one percent

Det visar sig att ungefär en halv till en procent

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

av alla sökningar på internet innehåller någon av de fraserna.

So that's our baseline rate.

Så det är vår måttstock.

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

Om folk skriver "paroxetin" eller "Seroxat" - det är samma sak -

and one of those words,

och en av de fraserna,

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

så är andelen diabetesord två procent,

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

om man redan vet att det finns ett ord för paroxetin.

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

Om det är "pravastatin", så är andelen tre procent.

Om både "paroxetin" och "pravastatin" finns med i frågan,

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

it goes up to 10 percent,

så går det upp till 10 procent,

a huge three- to four-fold increase

en enorm tre- till fyrfaldig ökning

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

i sökningarna med de två mediciner som vi undersökte

och diabetesord eller hyperglykemiord.

and diabetes-type words or hyperglycemia-type words.

We published this,

Vi publicerade detta,

and it got some attention.

det fick en del uppmärksamhet.

The reason it deserves attention

Det förtjänar uppmärksamet

is that patients are telling us their side effects indirectly

därför att patienterna berättar om sina biverkningar indirekt

genom sina sökningar.

through their searches.

We brought this to the attention of the FDA.

Vi uppmärksammade FDA på detta.

They were interested.

De var intresserade.

They have set up social media surveillance programs

De har satt igång övervakningsprogram i sociala medier

to collaborate with Microsoft,

i samarbete med Microsoft,

som hade en lämplig infrastruktur, och andra,

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

to look at Twitter feeds,

man kollar twitterflöden,

to look at Facebook feeds,

man kollar på facebookflöden,

sökmotorhistorik,

to look at search logs,

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

för att hitta tidiga tecken på mediciner, som enskilt eller tillsammans,

are causing problems.

skapar problem.

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

Varför berättar jag det här?

För det första,

Well, first of all,

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

så är det nu möjligt att med hjälp av "big data" och medelstora data

to help us understand drug interactions

att förstå interaktioner mellan mediciner

and really, fundamentally, drug actions.

och medicinernas verkan.

How do drugs work?

Hur fungerar mediciner?

This will create and has created a new ecosystem

Det här har skapat ett nytt ekosystem

för att förstå medicinernas verkan och optimera användningen av dem.

for understanding how drugs work and to optimize their use.

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

Nick fortsatte; han är professor vid Columbia nu.

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

I sin doktorsavhandling gjorde han samma sak med hundratals mediciner.

Han hittade flera viktiga interaktioner,

He found several very important interactions,

and so we replicated this

så vi upprepade det här

and we showed that this is a way that really works

och vi visade att det här är ett fungerande sätt

for finding drug-drug interactions.

när man vill hitta interaktioner mellan mediciner.

However, there's a couple of things.

Men det är inte allt.

Vi använder inte bara två mediciner åt gången.

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

Det finns patienter som tar tre, fem, sju, nio mediciner.

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

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

Har de studerats med tanke på den niofaldiga interaktionen?

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

Vi kan göra det parvis, A och B, A och C, A och D,

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

men hur blir det om A, B, C, D, E, F, G, alla tillsammans,

tas av samma patient

being taken by the same patient,

perhaps interacting with each other

och kanske interagerar sinsemellan

så att de förstärker eller försvagar varandra,

in ways that either makes them more effective or less effective

or causes side effects that are unexpected?

eller ger oväntade biverkningar?

We really have no idea.

Vi har ingen aning.

Det är outforskat område, att använda data

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

to try to understand the interaction of drugs.

för att ta reda på interaktioner mellan mediciner.

Two more lessons:

Två saker till:

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

Jag vill att ni tänker på hur mycket vi kunde få fram

with the data from people who had volunteered their adverse reactions

ur data från människor som frivilligt rapporterade sina biverkningar

through their pharmacists, through themselves, through their doctors,

genom sina farmaceuter, av sig själva, genom sina läkare,

personerna som lät sin information vid Stanford, Harvard, Vanderbilt,

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

användas i forskningssyfte.

to be used for research.

People are worried about data.

Folk oroar sig för data.

De oroar sig över integritet och säkerhet - med rätta.

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

Vi behöver säkra system.

We need secure systems.

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

Men vi kan inte ha system som stänger ut den typen av data,

för det är en så rik källa

because it is too rich of a source

of inspiration, innovation and discovery

till inspiration, innovation och upptäckt

for new things in medicine.

av nya saker inom medicinen.

And the final thing I want to say is,

Och till sist vill jag säga,

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

i det här fallet hittade vi två mediciner och det var ganska sorgligt.

The two drugs actually caused problems.

De två medicinerna skapade problem.

They increased glucose.

De ökade glukoshalten.

De kunde ge någon diabetes

They could throw somebody into diabetes

who would otherwise not be in diabetes,

som inte skulle ha haft diabetes annars,

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

så man bör använda de två medicinerna med försiktighet,

kanske inte tillsammans,

perhaps not together,

göra andra val när man skriver ut mediciner.

make different choices when you're prescribing.

But there was another possibility.

Men det finns en annan möjlighet.

We could have found two drugs or three drugs

Vi skulle ha kunnat hitta två eller tre mediciner

that were interacting in a beneficial way.

som interagerar på ett gynnsamt sätt.

We could have found new effects of drugs

Vi skulle ha kunnat hitta nya effekter av mediciner

that neither of them has alone,

som de inte har var för sig,

but together, instead of causing a side effect,

men tillsammans, i stället för biverkningar,

kan de skapa en ny behandlingsform

they could be a new and novel treatment

for diseases that don't have treatments

för sjukdomar som saknar behandling

eller där behandlingarna är ineffektiva.

or where the treatments are not effective.

Om vi tänker på läkemedelsbehandling idag,

If we think about drug treatment today,

all the major breakthroughs --

alla stora genombrott -

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

för HIV, för tuberkulos, för depression, för diabetes -

it's always a cocktail of drugs.

det är alltid en kombination av mediciner.

And so the upside here,

Så fördelen här -

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

och det är ämnet för ett annat TED Talk en annan dag -

is how can we use the same data sources

är att vi kan använda samma datakällor

för att hitta goda effekter av medicinkombinationer

to find good effects of drugs in combination

that will provide us new treatments,

som kan ge oss nya behandlingar,

new insights into how drugs work

nya insikter i hur mediciner fungerar

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

och hjälpa oss att ta hand om våra patienter ännu bättre?

Thank you very much.

Tack så mycket.

(Applause)

(Applåder)