David Agus: A new strategy in the war against cancer

Translator: yamela areesamarn Reviewer: Teerachart Prasert

I'm a cancer doctor, and I walked out of my office

ผมเป็นแพทย์รักษาโรคมะเร็ง และผมเดินออกมาจากห้องทำงานของผม

and walked by the pharmacy in the hospital three or four years ago,

แล้วเดินผ่านแผนกยาของโรงพยาบาลเมื่อสามหรือสี่ปีที่แล้ว

and this was the cover of Fortune magazine

และนี่เป็นปกของนิตยสาร "ฟอร์จูน"

sitting in the window of the pharmacy.

ที่อยู่ในตู้โชว์ของแผนกยาตอนนั้น

And so, as a cancer doctor, you look at this,

ในฐานะแพทย์รักษามะเร็ง พอได้มาเห็นนี่เข้า

and you get a little bit downhearted.

ก็อดรู้สึกเศร้าใจบ้างไม่ได้ครับ

But when you start to read the article by Cliff,

แต่เมื่อได้เริ่มอ่านบทความของคลิฟ

who himself is a cancer survivor,

ซึ่งเป็นผู้รอดชีวิตจากโรคมะเร็ง

who was saved by a clinical trial

โดยได้การทดลองทางการแพทย์ช่วยชีวิตไว้

where his parents drove him from New York City to upstate New York

พ่อแม่ของเขาขับรถพาเขา จากตัวเมืองนิวยอร์ค ไปยังตอนเหนือของนิวยอร์ค

to get an experimental therapy for --

เพื่อทดลองรับการรักษา --

at the time -- Hodgkin's disease, which saved his life,

ในตอนนั้นคือ -- โรคฮอดจ์กิ้น และช่วยให้เขารอดชีวิตมาได้

he makes remarkable points here.

เขาชี้ประเด็นที่น่าที่งไว้ในบทความนี้

And the point of the article was that we have gotten

ประเด็นนั้นก็คือ ปัจจุบันเราได้รับ

reductionist in our view of biology,

แนวคิดการศึกษาแบบลดทอนในทางชีววิทยา

in our view of cancer.

มาใช้กับโรคมะเร็งด้วย

For the last 50 years, we have focused on treating

ช่วง 50 ปีที่ผ่านมา เราได้เน้นการรักษาพยาบาลไปที่

the individual gene

ยีนจำเพาะตัว

in understanding cancer, not in controlling cancer.

เน้นเรื่องความเข้าใจมะเร็ง ไม่ใช่การควบคุมมะเร็ง

So, this is an astounding table.

นี่เป็นตารางที่น่าตกใจมาก

And this is something that sobers us in our field everyday

และเป็นสิ่งที่ทำให้เราหูตาสว่างถึงสาขาวิชาของเราทุกวันเลยครับ

in that, obviously, we've made remarkable impacts

เห็นได้ชัดว่า เราได้สร้างความเปลี่ยนแปลงที่น่าทึ่งขึ้นมา

on cardiovascular disease,

ต่อโรคหัวใจ

but look at cancer. The death rate in cancer

แต่เมื่อดูที่โรคมะเร็ง อัตราการตายของโรคมะเร็ง

in over 50 years hasn't changed.

ในช่วงกว่า 50 ปีที่ผ่านมายังไม่เปลี่ยนเลย

We've made small wins in diseases like chronic myelogenous leukemia,

เราเอาชนะได้บ้าง ในกรณีของมะเร็งเม็ดเลือดขาว

where we have a pill that can put 100 percent of people in remission,

ที่เรามียาเม็ด ซึ่งช่วยทุเลามะเร็งลงได้ในผู้ป่วยจำนวนทั้ง 100 เปอร์เซนต์

but in general, we haven't made an impact at all in the war on cancer.

แต่โดยรวมแล้ว เรายังไม่ได้สร้างความเปลี่ยนแปลงอะไร ในสงครามต้านมะเร็งเลย

So, what I'm going to tell you today,

สิ่งที่ผมจะเล่าให้คุณฟังในวันนี้

is a little bit of why I think that's the case,

เป็นเหตุผลส่วนหนึ่งว่า ทำไมผมจึงคิดว่าเป็นอย่างนั้น

and then go out of my comfort zone

แล้วออกไปนอกกรอบเรื่องที่ผมคุ้นชิน

and tell you where I think it's going,

และเล่าถึงทิศทางที่ผมคิดว่าเรื่องนี้กำลังมุ่งไป

where a new approach -- that we hope to push forward

เป็นวิธีการแนวใหม่ -- ซึ่งเราตั้งใจจะผลักดันสนับสนุน

in terms of treating cancer.

ในแง่ของการรักษาโรคมะเร็ง

Because this is wrong.

เพราะว่าสิ่งนี้มันผิดครับ

So, what is cancer, first of all?

งั้น อันดับแรกเลย มะเร็งคืออะไร?

Well, if one has a mass or an abnormal blood value, you go to a doctor,

ถ้าใครมีก้อนหรือคุณภาพของเลือดที่ผิดปรกติ คุณก็ไปหาหมอ

they stick a needle in.

หมอก็ทิ่มเข็มฉีดยาเข้าไป

They way we make the diagnosis today is by pattern recognition:

วิธีการที่เราวินิจฉัยโรคในปัจุบันนี้ก็คือ การตรวจจับรูปแบบของโรค

Does it look normal? Does it look abnormal?

มันดูเป็นปรกติไหม? มันดูผิดปรกติไหม?

So, that pathologist is just like looking at this plastic bottle.

ที่พยาธิแพทย์ทำ ก็เหมือนกับการดูขวดพลาสติกนี่ครับ

This is a normal cell. This is a cancer cell.

นี่คือเซลล์ปรกติ ส่วนนี่คือเซลล์มะเร็ง

That is the state-of-the-art today in diagnosing cancer.

นั่นเป็นวิธีการวินิจฉัยโรคมะเร็งที่ดีที่สุด เท่าที่มีในปัจจุบันแล้วครับ

There's no molecular test,

ไม่มีการทดสอบโมเลกุล

there's no sequencing of genes that was referred to yesterday,

ไม่มีการจัดลำดับยีนส์ที่เราพูดถึงกันเมื่อวาน

there's no fancy looking at the chromosomes.

ไม่มีการการตรวจสอบลงลึกเรื่องโครโมโซมส์เลย

This is the state-of-the-art and how we do it.

นี่เป็นวิธีทันสมัยที่สุดเท่าที่เรามีอยู่ครับ

You know, I know very well, as a cancer doctor, I can't treat advanced cancer.

ผมรู้ดี ในฐานะแพทย์มะเร็ง ว่าผมรักษามะเร็งระยะสุดท้ายไม่ได้

So, as an aside, I firmly believe in the field of trying to identify cancer early.

ดังนั้น ผมขอเสริมว่า ผมจึงเชื่ออย่างยิ่ง ในการพยายามหามะเร็งให้พบแต่เนิ่นๆ

It is the only way you can start to fight cancer, is by catching it early.

มันเป็นวิธีการเดียว ที่คุณสามารถต่อสู้กับมะเร็งได้ คือการจับตัวมันให้ได้แต่เนิ่นๆ

We can prevent most cancers.

เราป้องกันมะเร็งส่วนใหญ่ได้ครับ

You know, the previous talk alluded to preventing heart disease.

การพูดครั้งก่อน กล่าวถึงการป้องกันโรคหัวใจ

We could do the same in cancer.

เราทำสิ่งเดียวกันนั้นกับโรคมะเร็งได้ครับ

I co-founded a company called Navigenics,

ผมได้ร่วมก่อตั้งบริษัทชื่อว่า "นาวิจีนิคส์"

where, if you spit into a tube --

ที่ซึ่ง ถ้าคุณถ่มนํ้าลายลงในหลอดแก้ว

and we can look look at 35 or 40 genetic markers for disease,

เราจะมองหาตัวชี้บ่งการเกิดโรคทางพันธุศาสตร์ได้ 35 หรือ 40 ตัว

all of which are delayable in many of the cancers --

ซึ่งทั้งหมดถ่วงเวลาการเกิดออกไปได้ ในกรณีมะเร็งหลายๆชนิด

you start to identify what you could get,

เราจะระบุมะเร็งที่คุณมีโอกาสเป็น

and then we can start to work to prevent them.

แล้วเราก็จะเริ่มทำงาน เพื่อป้องกันมันได้

Because the problem is, when you have advanced cancer,

เพราะปัญหาก็คือ เมื่อคุณเป็นมะเร็งระยะสุดท้าย

we can't do that much today about it, as the statistics allude to.

เราก็ทำอะไรไม่ค่อยได้แล้ว สำหรับปัจจุบันนี้ อย่างที่สถิติแสดงให้เห็น

So, the thing about cancer is that it's a disease of the aged.

ดังนั้น เรื่องสำคัญเกี่ยวกับมะเร็งก็คือ มะเร็งเป็นโรคของคนแก่

Why is it a disease of the aged?

ทำไมมันจึงเป็นโรคของคนแก่หรือครับ?

Because evolution doesn't care about us after we've had our children.

ก็เพราะว่าวิวัฒนาการไม่สนใจเรา หลังจากเรามีลูกแล้วครับ

See, evolution protected us during our childbearing years

กล่าวคือ วิวัฒนาการจะปกป้องเรา ในช่วงวัยที่เราผลิตลูก

and then, after age 35 or 40 or 45,

แล้วพอหลังจากอายุ 35 หรือ 40 หรือ 45 ปี

it said "It doesn't matter anymore, because they've had their progeny."

มันก็บอกว่า ไม่สำคัญแล้วล่ะ เพราะแต่ละคนก็มีทายาทกันแล้วนี่

So if you look at cancers, it is very rare -- extremely rare --

ดังนั้น สำหรับมะเร็ง จึงเป็นเรื่องยากมาก ยากมากเหลือเกิน

to have cancer in a child, on the order of thousands of cases a year.

ที่จะพบมะเร็งในเด็ก อยู่ในระดับหลักพันรายต่อปีเท่านั้นครับ

As one gets older? Very, very common.

แต่พอเราแก่ตัวลง กลับมีคนเป็นกันเยอะมากๆ

Why is it hard to treat?

ทำไมมะเร็งถึงรักษายากหรือครับ?

Because it's heterogeneous,

ก็เพราะว่ามันเป็นเซลล์เนื้อผสม

and that's the perfect substrate for evolution within the cancer.

ซึ่งเป็นสารตั้งต้นอันสมบูรณ์แบบ สำหรับการเติบโตในเนื้อมะเร็งเลย

It starts to select out for those bad, aggressive cells,

เริ่มด้วยการเลือกขจัดเซลล์ไม่ดีที่พร้อมจะรุกรานร่างกายออกไป

what we call clonal selection.

ที่เราเรียกว่า "โคลนัล ซีเลคชั่น"

But, if we start to understand

แต่ ถ้าเราตระหนัก

that cancer isn't just a molecular defect, it's something more,

ว่ามะเร็งไม่ใช่แค่ความบกพร่องของโมเลกุล แต่มีอะไรมากกว่านั้น

then we'll get to new ways of treating it, as I'll show you.

เราก็จะเล็งเห็นวิธีการรักษาใหม่ๆ อย่างที่ผมจะแสดงให้คุณดู

So, one of the fundamental problems we have in cancer

ปัญหาพื้นฐานอย่างหนึ่งเกี่ยวกับมะเร็ง

is that, right now, we describe it by a number of adjectives, symptoms:

ก็คือ ปัจจุบันนี้ เราอธิบายมะเร็ง โดยใช้คำคุณศัพธ์ หรืออาการของโรคต่างๆ

"I'm tired, I'm bloated, I have pain, etc."

ฉันรู้สึกเหนื่อย, แน่นอึดอัด, เจ็บปวด, ฯลฯ

You then have some anatomic descriptions,

แล้วก็มีคำอธิบายในเชิงกายวิภาค

you get that CT scan: "There's a three centimeter mass in the liver."

คุณเข้าเครื่อง CAT scan มีก้อนเนื้อขนาดสามเซ็นติเมตรอยู่ในตับ

You then have some body part descriptions:

แล้วหมอก็อธิบายโรคตามส่วนของร่างกาย

"It's in the liver, in the breast, in the prostate."

มันอยู่ในตับ, ในเต้านม, ในต่อมลูกหมาก

And that's about it.

และก็แค่นั้นแหละครับ

So, our dictionary for describing cancer is very, very poor.

คลังคำที่เราใช้อธิบายมะเร็ง จึงแย่เอามากๆ

It's basically symptoms.

เป็นแค่คำบอกอาการของโรค

It's manifestations of a disease.

เป็นคำบอกการสำแดงอาการของโรคเท่านั้น

What's exciting is that over the last two or three years,

ที่น่าตื่นเต้นก็คือ เมื่อสองหรือสามปีที่ผ่านมา

the government has spent 400 million dollars,

รัฐบาลได้ใช้เงิน 400 ล้านดอลล่าร์

and they've allocated another billion dollars,

และได้จัดสรรเงินอีกพันล้านดอลล่าร์

to what we call the Cancer Genome Atlas Project.

ให้กับสิ่งที่เราเรียกว่า "โครงการแผนผังพันธุกรรมมะเร็ง"

So, it is the idea of sequencing all of the genes in the cancer,

เป็นแนวคิด ที่จะจัดเรียงลำดับหน่วยพันธุกรรมของยีนทั้งหมดในมะเร็ง

and giving us a new lexicon, a new dictionary to describe it.

ทำให้เรามีศัพท์บัญญัติใหม่ๆ มีคลังคำใหม่ๆ เพื่อใช้อธิบายมะเร็ง

You know, in the mid-1850's in France,

กลางทศวรรษที่ 1850 ในฝรั่งเศส

they started to describe cancer by body part.

เราเริ่มต้นอธิบายมะเร็ง โดยใช้อวัยวะของร่างกาย

That hasn't changed in over 150 years.

วิธีนี้ ไม่ได้เปลี่ยนไปเลยตลอด 150 ปี

It is absolutely archaic that we call cancer

เป็นเรื่องโบราณล้าสมัยจริงๆ ที่เราเรียกมะเร็ง

by prostate, by breast, by muscle.

โดยใช้คำว่า ต่อมลูกหมาก, เต้านม, กล้ามเนื้อ

It makes no sense, if you think about it.

ไม่สมเหตุสมผลเลย ถ้าเราคิดเกี่ยวกับเรื่องนี้

So, obviously, the technology is here today,

เห็นได้ชัดว่า ตอนนี้เรามีเทคโนโลยีแล้ว

and, over the next several years, that will change.

และ อีกหลายปีข้างหน้า สิ่งนี้จะเปลียนไปครับ

You will no longer go to a breast cancer clinic.

คุณจะไม่ไปคลีนิคมะเร็งเต้านมอีกต่อไปแล้ว

You will go to a HER2 amplified clinic, or an EGFR activated clinic,

คุณจะไปที่คลินิคขยายโปรตีน HER2 หรือคลินิคกระตุ้นโปรตีน EGFR

and they will go to some of the pathogenic lesions

หมอก็จะตรวจที่แผลติดเชื้อ

that were involved in causing this individual cancer.

ที่มีส่วนก่อให้เกิดมะเร็งแต่ละอย่างๆ

So, hopefully, we will go from being the art of medicine

ดังนั้น จึงหวังได้ว่า เราจะคืบหน้า จากการเป็นศิลปะทางการแพทย์

more to the science of medicine,

ไปเป็นวิทยาศาสตร์ทางการแพทย์ได้มากขึ้น

and be able to do what they do in infectious disease,

และสามารถทำสิ่งที่เราทำกันกับโรคติดเชื้อได้

which is look at that organism, that bacteria,

นั่นคือ ศึกษาสิ่งที่มีชีวิตนั้นๆ แบคทีเรียตัวนั้น

and then say, "This antibiotic makes sense,

แล้วก็บอกได้ว่า ยาปฏิชีวนะตัวนี้ใช้ได้

because you have a particular bacteria that will respond to it."

เพราะว่า เรามีเชื้อโรคตัวใดตัวหนึ่งที่ตอบรับกับยา

When one is exposed to H1N1, you take Tamiflu,

เมื่อคุณติดเชื้อ H1N1 คุณก็กินยาทามิฟลู

and you can remarkably decrease the severity of symptoms

คุณก็จะลดความรุนแรงของโรคได้ อย่างยอดเยี่ยม

and prevent many of the manifestations of the disease.

และป้องกันการสำแดงอาการของโรค ได้อีกหลายๆอย่าง

Why? Because we know what you have, and we know how to treat it --

ทำไมหรือ? เพราะเรารู้ว่า คุณเป็นโรคอะไร และรู้ว่าจะรักษาโรคนั้นได้อย่างไร

although we can't make vaccine in this country, but that's a different story.

ถึงเราจะผลิตวัคซีนในประเทศนี้ไม่ได้ แต่นั่นเป็นคนละเรื่องกันอีก

The Cancer Genome Atlas is coming out now.

แผนผังแสดงชุดหน่วยพันธุกรรมมะเร็ง กำลังจะออกมาแล้ว

The first cancer was done, which was brain cancer.

มะเร็งแรกเสร็จสมบูรณ์แล้ว ซึ่งก็คือมะเร็งสมอง

In the next month, the end of December, you'll see ovarian cancer,

ในเดือนหน้า ปลายเดือนธันวาคม คุณจะได้เห็นแผนภูมิมะเร็งรังไข่

and then lung cancer will come several months after.

แล้วมะเร็งปอดจะตามมา อีกหลายเดือนหลังจากนั้น

There's also a field of proteomics that I'll talk about in a few minutes,

นอกจากนั้น ยังมีสาขาการศึกษาโปรตีน ซึ่งผมจะพูดถึงในอีกไม่กี่นาทีนี้

which I think is going to be the next level

ที่ผมคิดว่า กำลังจะเป็นขั้นถัดไป

in terms of understanding and classifying disease.

ในการทำความเข้าใจ และการจำแนกโรค

But remember, I'm not pushing genomics,

แต่จำไว้นะครับ ผมไม่ได้สนับสนุนให้วิชายีนส์ศึกษา

proteomics, to be a reductionist.

และโปรตีนศึกษา เป็นไปตามแนวคิดการศึกษาแบบลดทอน

I'm doing it so we can identify what we're up against.

ผมกำลังทำงานนี้ เพื่อที่เราจะระบุได้ว่า เรากำลังต่อสู้กับอะไร

And there's a very important distinction there that we'll get to.

ตรงนี้ มีข้อแตกต่างที่สำคัญมาก ซึ่งไว้ผมจะได้อธิบายต่อไป

In health care today, we spend most of the dollars --

ในการรักษาพยาบาลยุคปัจจุบัน เราหมดเงินส่วนใหญ่ไปกับ

in terms of treating disease --

เรื่องการรักษาโรค --

most of the dollars in the last two years of a person's life.

เงินส่วนมาก ถูกใช้ไปในสองปีสุดท้าย ของชีวิตคนๆหนึ่ง

We spend very little, if any, dollars in terms of identifying what we're up against.

เราใช้เงินน้อยมากๆ ถ้าใชัไปจริง ในการระบุว่า เรากำลังเผชิญกับปัญหาอะไร

If you could start to move that, to identify what you're up against,

ถ้าเราเริ่มเปลี่ยนไปเน้นเรื่องการระบุว่า เรากำลังเผชิญกับปัญหาอะไรได้

you're going to do things a hell of a lot better.

เราจะทำสิ่งต่างๆได้ดีขึ้นอีกมากครับ

If we could even take it one step further and prevent disease,

ถ้าเราพยายามรุดหน้าไปอีกขั้น และทำการป้องกันโรค

we can take it enormously the other direction,

เราจะก้าวหน้าไปได้อย่างมากในอีกทิศทางหนึ่ง

and obviously, that's where we need to go, going forward.

และเห็นได้ชัดว่า นั่นคือที่ๆเราจำเป็นต้องไป รุดไปข้างหน้า

So, this is the website of the National Cancer Institute.

นี่เป็นเว็บไซท์ของ "สถาบันมะเร็งแห่งชาติ"

And I'm here to tell you, it's wrong.

และผมขอบอกไว้ตรงนี้เลยครับว่า มันผิด

So, the website of the National Cancer Institute

เว็บไซท์ของสถาบันมะเร็งแห่งชาติ

says that cancer is a genetic disease.

บอกว่า มะเร็งเป็นโรคทางพันธุกรรม

The website says, "If you look, there's an individual mutation,

เว็บไซท์นี้บอกว่า ถ้าคุณดู จะมีเซลล์กลายพันธุ์ขึ้นตัวนึง

and maybe a second, and maybe a third,

แล้วก็ อาจจะมีตัวที่สอง แล้วก็ตัวที่สาม

and that is cancer."

นั่นแหละ มะเร็ง

But, as a cancer doc, this is what I see.

แต่ ในฐานะที่เป็นหมอมะเร็ง นี่คือสิ่งที่ผมเห็นครับ

This isn't a genetic disease.

นี่ไม่ใช่โรคทางพันธุกรรม

So, there you see, it's a liver with colon cancer in it,

ที่คุณเห็นนี้ เป็นตับ ที่มีมะเร็งลำไส้ใหญ่อยู่ข้างใน

and you see into the microscope a lymph node

พอส่องกล้องจุลทรรศน์ ก็จะเห็นต่อมนํ้าเหลือง

where cancer has invaded.

ที่มะเร็งลุกลามเข้าไป

You see a CT scan where cancer is in the liver.

คุณจะเห็นภาพ CAT scan ซึ่งมีมะเร็งอยู่ในตับ

Cancer is an interaction of a cell

มะเร็งเป็นปฏิสัมพันธ์ระหว่างกันของเซลล์

that no longer is under growth control with the environment.

ซึ่งไม่ได้ถูกควบคุมการเติบโตให้สอดคล้องกับสภาพแวดล้อม

It's not in the abstract; it's the interaction with the environment.

มะเร็งไม่ได้มีเพียงภาพกว้างๆ แต่เป็นปฏิสัมพันธ์ที่เกิดกับสภาพแวดล้อมด้วย

It's what we call a system.

มันเป็นสิ่งที่เราเรียกว่า ระบบ

The goal of me as a cancer doctor is not to understand cancer.

เป้าหมายของผมในฐานะแพทย์มะเร็ง ไม่ใช่เพื่อเข้าใจมะเร็ง

And I think that's been the fundamental problem over the last five decades,

และผมคิดว่า เรื่องนี้เป็นปัญหาพื้นฐาน ในช่วงห้าทศวรรษที่ผ่านมา

is that we have strived to understand cancer.

กล่าวคือ เราพยายามอย่างหนัก ที่จะเข้าใจมะเร็ง

The goal is to control cancer.

เป้าหมายคือ การควบคุมมะเร็ง

And that is a very different optimization scheme,

และนั่นเป็นแผนบรรลุผลที่แตกต่างไปมาก

a very different strategy for all of us.

เป็นกลยุทธ์ที่แตกต่างไปมาก สำหรับเราทุกคน

I got up at the American Association of Cancer Research,

ผมลุกขึ้นพูด ที่สมาคมวิจัยมะเร็งอเมริกัน

one of the big cancer research meetings, with 20,000 people there,

ซึ่งเป็นหนึ่งในการประชุมงานวิจัยมะเร็งที่สำคัญ มีคนเข้าประชุม 20,000 คน

and I said, "We've made a mistake.

ผมพูดว่า เราได้ทำผิดพลาดไปแล้ว

We've all made a mistake, myself included,

พวกเราทั้งหมดได้ทำพลาดไปแล้ว รวมทั้งตัวผมด้วย

by focusing down, by being a reductionist.

เพราะการศึกษาแบบเจาะจง แบบลดทอนองค์ประกอบ

We need to take a step back."

เราต้องถอยหลังออกมาครับ

And, believe it or not, there were hisses in the audience.

และ เชื่อมั้ยครับว่า มีเสียงไม่เห็นด้วยออกมาจากผู้ชม

People got upset, but this is the only way we're going to go forward.

มีคนไม่พอใจ แต่นี่เป็นวิธีเดียว ที่เราจะก้าวไปข้างหน้าได้

You know, I was very fortunate to meet Danny Hillis a few years ago.

ผมโชคดีมาก ที่ได้พบ แดนนี่ ฮิลลิส เมื่อสองสามปีที่แล้ว

We were pushed together, and neither one of us really wanted to meet the other.

เราถูกผลักดันให้มาพบกัน และเราทั้งสองคน จริงๆแล้วก็ไม่อยากจะพบกัน

I said, "Do I really want to meet a guy from Disney, who designed computers?"

ผมพูดว่า "จริงหรือ ที่ผมอยากจะพบใครก็ไม่รู้จากดิสนี่ย์ ที่ออกแบบคอมพิวเตอร์?"

And he was saying: Does he really want to meet another doctor?

ส่วนเขาก็พูดว่า จริงหรือ ที่เขาอยากจะพบหมอที่ไหนไม่รู้อีกคนหนึ่ง

But people prevailed on us, and we got together,

แต่คนเขาก็ชักชวนเราให้พบกัน และเราก็มาร่วมมือกัน

and it's been transformative in what I do, absolutely transformative.

ซึ่งเป็นการพลิกโฉมสิ่งที่ผมทำไปเลย พลิกโฉมอย่างสิ้นเชิงเลย

We have designed, and we have worked on the modeling --

เราได้ออกแบบ และทำงานด้านแบบจำลองคอมพิวเตอร์ --

and much of these ideas came from Danny and from his team --

และหลายๆแนวคิดเลย ที่ได้มาจากแดนนี่ และทีมงานของเขา --

the modeling of cancer in the body as complex system.

แบบจำลองคอมพิวเตอร์ของมะเร็งในร่างกาย ที่เป็นระบบซับซ้อน

And I'll show you some data there

และผมจะแสดงข้อมูลบางอย่างให้คุณดู

where I really think it can make a difference and a new way to approach it.

ซึ่งผมเชื่อว่าสามารถสร้างความเปลี่ยนแปลง และเป็นแนวทางใหม่ในการต้านมะเร็ง

The key is, when you look at these variables and you look at this data,

กุญแจสำคัญคือ เมื่อคุณดูที่ตัวแปรเหล่านี้ และดูข้อมูลเหล่านี้

you have to understand the data inputs.

คุณต้องเข้าใจข้อมูลที่นำไปใช้

You know, if I measured your temperature over 30 days,

ถ้าผมวัดอุณหภูมิของร่างกายคุณ ในช่วง 30 วัน

and I asked, "What was the average temperature?"

และผมถามว่า อุณหภูมิเฉลี่ยเป็นเท่าไร

and it came back at 98.7, I would say, "Great."

แล้วผลออกมาเป็น 98.7 ผมก็จะบอกว่าเยี่ยม

But if during one of those days

แต่ถ้าเกิดมีวันหนึ่งในช่วงนั้น

your temperature spiked to 102 for six hours,

อุณหภูมิของคุณสูงถึง 102 นานหกชั่วโมง

and you took Tylenol and got better, etc.,

และคุณทานยาไทลีนอล และรู้สึกดีขึ้น, ฯลฯ

I would totally miss it.

ผมก็จะไม่ได้ข้อมูลนี้เลย

So, one of the problems, the fundamental problems in medicine

ดังนั้น ปัญหาพื้นฐานที่สำคัญอย่างหนึ่งทางการแพทย์

is that you and I, and all of us,

ก็คือทั้งคุณ และผม และพวกเราทุกคน

we go to our doctor once a year.

ไปหาหมอแค่ปีละครั้ง

We have discrete data elements; we don't have a time function on them.

เรามีรูปแบบข้อมูลที่ไม่ต่อเนื่องกัน เราไม่ได้พิจารณาข้อมูลที่ต่อเนื่องด้านเวลา

Earlier it was referred to this direct life device.

ก่อนหน้านี้ มีการพูดถึงเจ้าสิ่งประดิษฐ์เพื่อชีวิตโดยตรงนี้

You know, I've been using it for two and a half months.

ผมใช้เครื่องนี้มานานสองเดือนครึ่งแล้วครับ

It's a staggering device, not because it tells me

เป็นเครื่องมือที่น่าทึ่งมาก ไม่ใช่เพราะว่ามันบอกผม

how many kilocalories I do every day,

ว่าทุกๆวัน ผมใช้พลังงานไปกี่กิโลแคลอรี่

but because it looks, over 24 hours, what I've done in a day.

แต่เพราะว่ามันเก็บข้อมูล ตลอด 24 ชั่วโมงเลย ว่าผมทำอะไรบ้างในหนึ่งวัน

And I didn't realize that for three hours I'm sitting at my desk,

ผมไม่รู้ตัวเลยว่า ผมนั่งอยู่ที่โต๊ะทำงาน นานถึงสามชั่วโมง

and I'm not moving at all.

โดยไม่ได้เคลื่อนไหวไปไหนเลย

And a lot of the functions in the data that we have as input systems here

และตัวแปรหลายๆตัวในข้อมูล ที่เรานำไปใช้เป็นระบบป้อนข้อมูลนี้

are really different than we understand them,

ต่างไปจากที่เราเข้าใจอย่างมากจริงๆครับ

because we're not measuring them dynamically.

เพราะว่าเราไม่ได้วัดมันในแบบที่แสดงการเปลียนแปลง

And so, if you think of cancer as a system,

ดังนั้น ถ้าคุณคิดว่ามะเร็งเป็นระบบ

there's an input and an output and a state in the middle.

มีทั้งข้อมูลป้อนเข้า และผลที่ออกมา และสภาวะระหว่างกลาง

So, the states, are equivalent classes of history,

สภาวะที่ว่า คือกลุ่มประวัติ ซึ่งมีความสำคัญเท่าๆกัน

and the cancer patient, the input, is the environment,

และคนป่วยเป็นโรคมะเร็ง ข้อมูลที่นำมาใช้คือสภาพแวดล้อม,

the diet, the treatment, the genetic mutations.

อาหาร, การให้การรักษา, การกลายพันธุ์ทางพันธุกรรม

The output are our symptoms:

ผลที่ออกมา ก็คืออาการป่วย

Do we have pain? Is the cancer growing? Do we feel bloated, etc.?

เรามีอาการเจ็บปวดไหม? มะเร็งกำลังโตขึ้นใช่ไหม? เรารู้สึกแน่นอึดอัดไหม, ฯลฯ?

Most of that state is hidden.

สภาวะเหล่านั้น มักไม่มีใครเห็น

So what we do in our field is we change and input,

ดังนั้น สิ่งที่เราทำในสาขาของเราก็คือ เปลี่ยนข้อมูลป้อนเข้าเสีย

we give aggressive chemotherapy,

เราใช้เคมีบำบัดเชิงรุก

and we say, "Did that output get better? Did that pain improve, etc.?"

แล้วก็ถามว่า ผลที่ออกมาดีขึ้นไหม? อาการเจ็บปวดทุเลาลงไหม, ฯลฯ?

And so, the problem is that it's not just one system,

ปัญหาก็คือ มะเร็งไม่ใช่เพียงแค่ระบบเดี่ยว

it's multiple systems on multiple scales.

มันเป็นระบบหลายระบบ ในระดับหลายระดับ

It's a system of systems.

มันเป็นระบบหนึ่ง ของหลายๆระบบ

And so, when you start to look at emergent systems,

ดังนั้น เมื่อคุณเริ่มดูระบบที่เพิ่งเกิดใหม่

you can look at a neuron under a microscope.

คุณลองดูเซลล์ประสาทผ่านกล้องจุลทรรศน์ก็ได้ครับ

A neuron under the microscope is very elegant

เซลล์ประสาท เมื่อดูด้วยกล้องจุลทรรศน์ งดงามมากครับ

with little things sticking out and little things over here,

มีอะไรต่ออะไรเล็กๆยื่นออกมา ตรงโน้นนิดตรงนี้หน่อย

but when you start to put them together in a complex system,

แต่พอคุณเริ่มรวมมันเข้ากัน เป็นระบบที่ซับซ้อน

and you start to see that it becomes a brain,

คุณก็จะเริ่มเห็นว่า มันกลายเป็นสมอง

and that brain can create intelligence,

และสมองนั้น สร้างความเฉลียวฉลาดได้ครับ

what we're talking about in the body,

สิ่งที่เรากำลังพูดถึงกันอยู่ก็คือ ในร่างกาย

and cancer is starting to model it like a complex system.

มะเร็งจะเริ่มก่อรูป เป็นเหมือนระบบที่ซับซ้อน

Well, the bad news is that these robust --

ข่าวร้ายก็คือ ระบบที่ทนทาน --

and robust is a key word --

ทนทานนี้เป็นคำสำคัญนะครับ --

emergent systems are very hard to understand in detail.

และเพิ่งเกิดใหม่นี้ ทำความเข้าใจรายละเอียดได้ยากมากๆ

The good news is you can manipulate them.

ข่าวดีก็คือ คุณยังจัดการกับมันได้

You can try to control them

คุณอาจลองควบคุมมันดู

without that fundamental understanding of every component.

โดยไม่ต้องเข้าใจส่วนประกอบทุกๆส่วน อย่างลึกซึ้งก็ได้

One of the most fundamental clinical trials in cancer

การทดลองทางการแพทย์ขั้นพื้นฐานที่สุดอย่างหนึ่งเกี่ยวกับมะเร็ง

came out in February in the New England Journal of Medicine,

ถูกตีพิมพ์ เมื่อเดือนกุมภาพันธ์ ใน "วารสารการแพทย์นิวอิงแลนด์",

where they took women who were pre-menopausal with breast cancer.

ซึ่งเขาใช้ผู้หญิงวัยก่อนหมดประจำเดือน ที่เป็นมะเร็งเต้านม

So, about the worst kind of breast cancer you can get.

ซึ่งเป็นมะเร็งเต้านม ชนิดร้ายแรงที่สุดที่คุณจะเป็นได้เลย

They had gotten their chemotherapy,

พวกเขาได้รับการรักษาด้วยเคมีบำบัด

and then they randomized them,

แล้วแพทย์ก็สุ่มเลือกผู้ป่วย

where half got placebo,

ครึ่งหนึ่งได้ยาหลอก ไม่มีผลทางการรักษา

and half got a drug called Zoledronic acid that builds bone.

และอีกครึ่งหนึ่ง ได้รับยา "กรดโซเลโดรนิค" ที่ใช้สร้างกระดูก

It's used to treat osteoporosis,

ใช้สำหรับรักษาโรคกระดูกอ่อน

and they got that twice a year.

ผู้ป่วยได้รับยานี้ปีละสองครั้ง

They looked and, in these 1,800 women,

แพทย์ดูผล และในจำนวนหญิงผู้ป่วย 1,800 คน

given twice a year a drug that builds bone,

ที่ได้รับยาสร้างกระดูกปีละสองครั้ง

you reduce the recurrence of cancer by 35 percent.

สามารถลดการเกิดขึ้นใหม่ของมะเร็ง ได้ประมาณ 35 เปอร์เซนท์

Reduce occurrence of cancer by a drug

เป็นการลดการเติบโตของมะเร็งด้วยยา

that doesn't even touch the cancer.

ซึ่งไม่ได้แตะต้องมะเร็งด้วยซํ้า

So the notion, you change the soil, the seed doesn't grow as well.

แนวคิดก็คือ พอคุณเปลี่ยนดิน เมล็ดพืชก็ไม่สามารถเติบโตได้เหมือนเดิม

You change that system,

พอคุณเปลี่ยนระบบนั้น

and you could have a marked effect on the cancer.

คุณก็จะสร้างผลกระทบที่เห็นได้ชัดต่อมะเร็งได้ครับ

Nobody has ever shown -- and this will be shocking --

ไม่มีใครเคยแสดงให้เห็นเลย -- เรื่องนี้น่าตกใจมากๆครับ --

nobody has ever shown that most chemotherapy

ไม่มีใครเคยแสดงให้เห็นเลยว่า การรักษาด้วยเคมีบำบัดส่วนมาก

actually touches a cancer cell.

มีการแตะต้องเซลล์มะเร็งจริงๆ

It's never been shown.

มันไม่เคยถูกนำมาแสดง

There's all these elegant work in the tissue culture dishes,

มีแต่งานเก๋ไก๋ในจานเพาะเลี้ยงเนื้อเยื่อพวกนี้

that if you give this cancer drug, you can do this effect to the cell,

ที่ ถ้าคุณให้ยารักษามะเร็งตัวนี้ ก็จะเกิดผลอย่างนี้ต่อเซลล์

but the doses in those dishes are nowhere near

แต่ปริมาณยาในจานทดลองเหล่านั้น ไม่ได้ใกล้เคียงกับ

the doses that happen in the body.

ปริมาณยาที่เกิดขึ้นในร่างกายคนเลยครับ

If I give a woman with breast cancer a drug called Taxol

ถ้าผมให้ยารักษามะเร็งเต้านมชื่อ "แท็กซอล" กับผู้ป่วยสตรี

every three weeks, which is the standard,

ทุกๆสามสัปดาห์ ซึ่งเป็นมาตรฐาน

about 40 percent of women with metastatic cancer

ประมาณร้อยละ 40 ของหญิงที่ป่วยเป็นมะเร็งแบบลุกลามสู่อวัยวะอื่น

have a great response to that drug.

มีผลตอบรับกับยานี้อย่างดีเยี่ยม

And a response is 50 percent shrinkage.

นั่นคือ มีการหดตัวของมะเร็งลงร้อยละ 50

Well, remember that's not even an order of magnitude,

อย่าลืมว่า นี่ยังไม่ได้ใช้หน่วยวัดเป็นขนาดจริงๆเลยด้วยซ้ำ

but that's a different story.

แต่นั่นเป็นคนละเรื่องอีกครับ

They then recur, I give them that same drug every week.

มะเร็งเกิดขึ้นใหม่อีก ผมก็ให้ยาเดิมกับผู้ป่วยทุกสัปดาห์

Another 30 percent will respond.

ร้อยละ 30 จะตอบรับกับยา

They then recur, I give them that same drug

พอมะเร็งกลับมาอีก ผมก็ให้ยาเดิมกับผู้ป่วยอีก

over 96 hours by continuous infusion,

กว่า 96 ชั่วโมงโดยให้ยาทางเส้นเลือดอย่างต่อเนื่อง

another 20 or 30 percent will respond.

อีกร้อยละ 20 หรือ 30 จะตอบรับกับยา

So, you can't tell me it's working by the same mechanism in all three size.

ดังนั้น คุณบอกผมไม่ได้หรอกครับว่า มะเร็งมันมีกลไกทำงานแบบเดียวกันในทั้งสามขนาด

It's not. We have no idea the mechanism.

ไม่ใช่เลย เราไม่รู้อะไรเกี่ยวกับกลไกนั้นเลย

So the idea that chemotherapy may just be disrupting

ดังนั้น แนวคิดที่ว่าเคมีบำบัด อาจแค่เข้าขัดขวางการทำงานของ

that complex system,

ระบบซับซ้อนนั้น

just like building bone disrupted that system and reduced recurrence,

เหมือนกับการสร้างกระดูก ทำให้ระบบสับสนและลดการกลับมาเกิดใหม่

chemotherapy may work by that same exact way.

เคมีบำบัดอาจจะทำงานในทำนองเดียวกันเปี๊ยบ

The wild thing about that trial also,

สิ่งที่น่าตื่นเต้นเกี่ยวกับการทดลองอีกอย่าง

was that it reduced new primaries, so new cancers, by 30 percent also.

คือมันลดการเกิดขึ้นของเนื้อร้ายใหม่ หรือมะเร็งใหม่ ได้ราวร้อยละ 30 ด้วย

So, the problem is, yours and mine, all of our systems are changing.

ดังนั้น ปัญหาทั้งของคุณและของผม ก็คือ ระบบของเราทั้งหมดเปลี่ยนแปลงอยู่ตลอดเวลา

They're dynamic.

มันเปลี่ยนแปลงตลอดเวลา

I mean, this is a scary slide, not to take an aside,

ผมคิดว่า นี่เป็นสไลด์ที่น่ากล้ว ไม่ได้นอกเรื่องนะครับ

but it looks at obesity in the world.

สไลด์นี้แสดงสถิติโรคอ้วนในโลก

And I'm sorry if you can't read the numbers, they're kind of small.

ผมขอโทษด้วยถ้าคุณอ่านต้วเลขไม่ได้ ตัวเลขมันเล็กไปหน่อยครับ

But, if you start to look at it, that red, that dark color there,

แต่ ถ้าคุณลองดู ตรงที่มีสีแดง ที่สีเข้มๆตรงนั้น

more than 75 percent of the population

มากกว่าร้อยละ 75 ของประชากร

of those countries are obese.

ของประเทศเหล่านั้น เป็นโรคอ้วน

Look a decade ago, look two decades ago: markedly different.

เทียบกับทศวรรษก่อน สองทศวรรษก่อน แตกต่างอย่างเห็นได้ชัดครับ

So, our systems today are dramatically different

ดังนั้นระบบของเราในวันนี้ จึงต่างไปจากเดิมมาก

than our systems a decade or two ago.

เมื่อเทียบกับหนึ่งหรือสองทศวรรษก่อน

So the diseases we have today,

ดังนั้น โรคภัยที่เรามีในวันนี้

which reflect patterns in the system over the last several decades,

ซึ่งสะท้อนแบบแผนของระบบ ในหลายๆทศวรรษที่ผ่านมา

are going to change dramatically over the next decade or so

จะเปลี่ยนไปอย่างมาก ในทศวรรษต่อไปหรือหลังจากนั้น

based on things like this.

ถ้าหากดูตามสถิติอย่างนี้

So, this picture, although it is beautiful, is a 40-gigabyte picture

ภาพนี้ ถึงแม้ว่าจะงดงาม เป็นรูปขนาด 40 กิกาไบท์

of the whole proteome.

ของชุดโปรตีนทั้งหมด

So this is a drop of blood that has gone through a superconducting magnet,

นี่เป็นหยดเลือดที่ได้ผ่านแม่เหล็กนำไฟฟ้ายิ่งยวด

and we're able to get resolution

และเราได้ภาพที่มีความละเอียด

where we can start to see all of the proteins in the body.

ขนาดที่เราสามารถเห็นโปรตีนทั้งหมดในร่างกายได้เลย

We can start to see that system.

เราสามารถมองเห็นระบบดังกล่าว

Each of the red dots are where a protein has actually been identified.

จุดสีแดงแต่ละจุด เป็นโปรตีนตัวที่เราระบุชนิดได้แล้ว

The power of these magnets, the power of what we can do here,

พลังของเจ้าแม่เหล็กนี้ พลังของสิ่งที่เราทำได้ตรงนี้

is that we can see an individual neutron with this technology.

คือ เราเห็นลึกถึงอนุภาคนิวตรอนเป็นตัวๆได้เลย ด้วยเทคโนโลยีนี้

So, again, this is stuff we're doing with Danny Hillis

ยํ้าอีกครั้งหนึ่ง นี่คือสิ่งที่เรากำลังทำอยู่ร่วมกับแดนนี่ ฮิลลิส

and a group called Applied Proteomics,

และกลุ่มที่เรียกว่า "โปรตีนศึกษาประยุกต์"

where we can start to see individual neutron differences,

ซึ่งช่วยให้เราเริ่มสังเกตความแตกต่างของนิวตรอนเป็นต้วๆได้

and we can start to look at that system like we never have before.

และเราสามารถศึกษาระบบนั้น ในแบบที่เราไม่เคยทำได้มาก่อน

So, instead of a reductionist view, we're taking a step back.

ดังนั้น แทนที่จะศึกษาแบบลดทอนองค์ประกอบ เราถอยหลังไปหนึ่งก้าว

So this is a woman, 46 years old,

นี่เป็นผู้หญิง อายุ 46 ปี

who had recurrent lung cancer.

ซึ่งกลับมาเป็นมะเร็งปอดอีก

It was in her brain, in her lungs, in her liver.

มะเร็งอยู่ในสมอง ในปอดทั้งสองข้าง ในตับของเธอ

She had gotten Carboplatin Taxol, Carboplatin Taxotere,

เธอได้รับยา คาร์โบพลาติน แท็กซอล, ดาร์โบพลาติน แท็กโซเทียร์,

Gemcitabine, Navelbine:

เจ็มไซทาบีน, นาเว็ลบีน

Every drug we have she had gotten, and that disease continued to grow.

เธอได้รับยาทุกตัวที่เรามี แต่มะเร็งก็ยังลุกลามต่อไปเรื่อยๆ

She had three kids under the age of 12,

เธอมีลูกสามคน อายุตํ่ากว่า 12

and this is her CT scan.

นี่คือภาพ CAT scan ของเธอ

And so what this is, is we're taking a cross-section of her body here,

ที่อยู่ในภาพ ก็คือภาพถ่ายร่างกายตามแนวตัดของเธอ

and you can see in the middle there is her heart,

ที่คุณเห็นอยู่ตรงกลางภาพนั้น ก็คือหัวใจของเธอครับ

and to the side of her heart on the left there is this large tumor

และข้างๆหัวใจทางซ้ายมือนั้น ก็คือเนื้องอกขนาดใหญ่

that will invade and will kill her, untreated, in a matter of weeks.

ที่จะเข้าไปทำร้ายและฆ่าเธอ ถ้าไม่ได้รับการรักษา ในเพียงไม่กี่สัปดาห์

She goes on a pill a day that targets a pathway,

เธอได้รับยาวันละเม็ด ซึ่งพุ่งเป้าไปที่เส้นทางลำเลียงเลือด

and again, I'm not sure if this pathway was in the system, in the cancer,

ยํ้าอีกครั้ง ผมก็ไม่แน่ใจว่าเส้นทางลำเลียงนี้อยู่ในระบบ นั่นคือในมะเร็งหรือเปล่า

but it targeted a pathway, and a month later, pow, that cancer's gone.

แต่ยาพุ่งเป้าไปที่เส้นทางลำเลียง และหนึ่งเดือนหลังจากนั้น เปรี้ยง มะเร็งนั้นก็หมดไป

Six months later it's still gone.

หกเดือนหลังจากนั้น มันก็ยังไม่กลับมา

That cancer recurred, and she passed away three years later from lung cancer,

มะเร็งเกิดขึ้นใหม่อีก และเธอก็เสียชีวิตจากมะเร็งปอดสามปีต่อมาด้วยมะเร็งปอด

but she got three years from a drug

แต่เธอได้ใช้ชีวิตอีกสามปี จากการใช้ยา

whose symptoms predominately were acne.

ซึ่งมีอาการส่วนใหญ่ เป็นแค่สิว

That's about it.

เท่านั้นเอง

So, the problem is that the clinical trial was done,

ปัญหาก็คือ ได้มีการทดลองทางการแพทย์แล้ว

and we were a part of it,

และเราเป็นส่วนหนึ่งของการทดลอง

and in the fundamental clinical trial --

และในการทดลองทางการแพทย์ขั้นพื้นฐานนี้

the pivotal clinical trial we call the Phase Three,

การทดลองที่เป็นจุดเปลี่ยนนี้ เราเรียกว่าระยะที่สาม

we refused to use a placebo.

เราปฏิเสธไม่ใช้ยาหลอก

Would you want your mother, your brother, your sister

คุณอยากให้แม่ พี่น้องชาย หรือพี่น้องสาวของคุณ

to get a placebo if they had advanced lung cancer and had weeks to live?

ได้ยาหลอกหรือครับ ถ้าเขาเป็นมะเร็งปอดขั้นสุดท้าย และจะมีชีวิตอยู่อีกไม่กี่สัปดาห์?

And the answer, obviously, is not.

คำตอบก็ชัดเจนครับ ว่าไม่

So, it was done on this group of patients.

ดังนั้น เราเลยทำการทดลองในกลุ่มผู้ป่วยนี้

Ten percent of people in the trial had this dramatic response that was shown here,

ร้อยละ 10 ของกลุ่มทดลองมีผลตอบรับที่น่าตื่นเต้นมาก ตามที่แสดงอยู่นี้

and the drug went to the FDA,

และยานี้ก็ไปถึง FDA

and the FDA said, "Without a placebo,

และ FDA บอกว่า ถ้าไม่ใช้ยาหลอก

how do I know patients actually benefited from the drug?"

แล้วเราจะรู้ได้อย่างไร ว่าคนไข้ได้รับประโยชน์จากยานี้จริง?

So the morning the FDA was going to meet,

พอตอนเช้า FDA กำลังจะประชุม

this was the editorial in the Wall Street Journal.

นี่คือบทบรรณาธิการใน "วอลล์สตรีทเจอร์นัล" ครับ

(Laughter)

(เสียงหัวเราะ)

And so, what do you know, that drug was approved.

แล้ว ใครจะไปนึกล่ะ ยานั้นได้รับการอนุมัติครับ

The amazing thing is another company did the right scientific trial,

สิ่งที่น่าประหลาดใจก็คือ อีกบริษัทหนี่งได้ทำการทดลองทางวิทยาศาสตร์อย่างถูกต้อง

where they gave half placebo and half the drug.

โดยให้ครึ่งหนึ่งได้รับยาหลอก และอีกครึ่งได้ตัวยาจริง

And we learned something important there.

และเราเรียนรู้สิ่งสำคัญบางอย่างตรงนั้น

What's interesting is they did it in South America and Canada,

สิ่งที่น่าสนใจก็คือ เขาทำการทดลองนี้ในอเมริกาใต้และแคนาดา

where it's "more ethical to give placebos."

ที่ซึ่ง "การให้ยาหลอกมีจริยธรรมมากกว่า"

They had to give it also in the U.S. to get approval,

พวกเขาต้องให้ยาหลอกในอเมริกาด้วย เพื่อให้ได้รับการอนุมัติ

so I think there were three U.S. patients

ผมคิดว่ามีคนไข้ชาวอเมริกันสามคน

in upstate New York who were part of the trial.

ในตอนเหนือของรัฐนิวยอร์ค ที่เข้าร่วมการทดลองนี้

But they did that, and what they found

เขาได้ให้ยาหลอก และสิ่งที่เขาพบ

is that 70 percent of the non-responders

ก็คือ ร้อยละ 70 ของคนไข้ที่ไม่ตอบรับยา

lived much longer and did better than people who got placebo.

มีชีวิตอยู่นานกว่ามาก และอาการดีกว่าผู้ที่ได้รับยาหลอก

So it challenged everything we knew in cancer,

ผลการทดลองจึงท้าทายทุกอย่างที่เรารู้เกี่ยวกับมะเร็ง

is that you don't need to get a response.

กล่าวคือ คนไข้ไม่ต้องตอบรับยาก็ได้

You don't need to shrink the disease.

คุณไม่ต้องทำให้โรคหดตัวลงก็ได้

If we slow the disease, we may have more of a benefit

ถ้าเราทำให้โรคช้าลง เราอาจจะได้รับประโยชน์มากกว่า

on patient survival, patient outcome, how they feel,

ในด้านการรอดชีวิตของผู้ป่วย, ผลที่ได้ต่อผู้ป่วย, สิ่งที่คนไข้รู้สึก,

than if we shrink the disease.

มากกว่าการทำให้มะเร็งหดตัวลง

The problem is that, if I'm this doc, and I get your CT scan today

ปัญหาก็คือ ถ้าผมเป็นหมอคนนั้น และผมได้ผล CAT scan ของคุณมาในวันนี้

and you've got a two centimeter mass in your liver,

และคุณมีก้อนขนาดสองเซ็นติเมตรอยู่ในตับ

and you come back to me in three months and it's three centimeters,

และคุณกลับมาหาผมในอีกสามเดือน และมันโตเป็นสามเซ็นติเมตร

did that drug help you or not?

ยานั้นมันช่วยคุณหรือเปล่า?

How do I know?

ผมจะทราบได้อย่างไร?

Would it have been 10 centimeters, or am I giving you a drug

ยาช่วยให้มันไม่โตเป็น 10 เซ็นติเมตร หรือผมให้ยา

with no benefit and significant cost?

ที่ไม่มีผลต่อการรักษา และมีค่าใช้จ่ายสูงกันแน่?

So, it's a fundamental problem.

ดังนั้น นี่จึงเป็นปัญหาพื้นฐานที่สำคัญ

And, again, that's where these new technologies can come in.

และยํ้าอีกครั้ง นั่นคือที่ที่เทคนิคใหม่ๆ สามารถเข้ามามีบทบาท

And so, the goal obviously is that you go into your doctor's office --

ดังนั้น เห็นได้ชัดว่าเป้าหมายก็คือ พอคุณไปหาหมอ --

well, the ultimate goal is that you prevent disease, right?

เป้าหมายสูงสุดก็คือ คุณไปป้องกันโรค ใช่มั้ยครับ

The ultimate goal is that you prevent any of these things from happening.

เป้าหมายสูงสุดก็คือ คุณป้องกันไม่ให้สิ่งเหล่านี้มันเกิดขึ้น

That is the most effective, cost-effective,

นั่นเป็นวิธีที่ได้ผลมากที่สุด ด้านค่าใช้จ่าย

best way we can do things today.

เป็นวิธีที่ดีที่สุดที่เราทำได้ในวันนี้

But if one is unfortunate to get a disease,

แต่ถ้าใครโชคร้ายพอที่จะเป็นโรค

you'll go into your doctor's office, he or she will take a drop of blood,

คุณก็ไปหาหมอ คุณหมอก็จะเจาะเลือดหยดนึง

and we will start to know how to treat your disease.

และเราก็จะรู้ว่า จะรักษาโรคของคุณได้อย่างไร

The way we've approached it is the field of proteomics,

แนวทางที่เรานำมาใช้รักษาก็คือ ใช้วิชาโปรตีนศึกษา

again, this looking at the system.

ยํ้าอีกครั้ง การศึกษาระบบแบบนี้

It's taking a big picture.

เป็นการมองภาพใหญ่

The problem with technologies like this is

ปัญหาของเทคโนโลยีแบบนี้ก็คือ

that if one looks at proteins in the body,

ถ้าเราดูโปรตีนในร่างกาย

there are 11 orders of magnitude difference

จะมีความแตกต่างด้านอันดับของขนาดถึง 11 ระดับ

between the high-abundant and the low-abundant proteins.

ระหว่างโปรตีนที่มีความอุดมสมบูรณ์สูง และโปรตีนที่มีความอุดมสมบูรณ์ตํ่า

So, there's no technology in the world that can span 11 orders of magnitude.

ไม่มีเทคโนโลยีใดในโลกที่สามารถใช้กับโปรตีนได้ทั้ง 11 ระดับขนาด

And so, a lot of what has been done with people like Danny Hillis and others

และดังนั้น หลายๆอย่างที่ได้ลงมือทำกับแดนนี่ ฮิลลิส และคนอื่นๆ

is to try to bring in engineering principles, try to bring the software.

ก็คือ การพยายามนำหลักด้านวิศวกรรมมาร่วมใช้ ใช้ซอฟต์แวร์เข้าช่วย

We can start to look at different components along this spectrum.

เราจะสามารถเริ่มดูส่วนประกอบที่แตกต่างกันตามแนวนี้

And so, earlier was talked about cross-discipline, about collaboration.

ฉะนั้น ก่อนหน้านี้ ที่ผมพูดถึงการประยุกต์ใช้หลายศาสตร์ พูดถึงการร่วมมือกัน

And I think one of the exciting things that is starting to happen now

และผมคิดว่า สิ่งที่น่าตื่นเต้นอย่างหนึ่ง ที่กำลังเริ่มเกิดขึ้นขณะนี้

is that people from those fields are coming in.

ก็คือ คนจากหลายๆสาขาวิชา กำลังเข้ามาร่วมกัน

Yesterday, the National Cancer Institute announced a new program

เมื่อวาน สถาบันมะเร็งแห่งชาติได้ประกาศโปรแกรมใหม่

called the Physical Sciences and Oncology,

ชื่อว่า วิทยาศาสตร์กายภาพและวิทยามะเร็ง

where physicists, mathematicians, are brought in to think about cancer,

ที่ซึ่งนักฟิสิกส์ นักคณิตศาสตร์ มาร่วมกันเพื่อช่วยกันคิดเกี่ยวกับมะเร็ง

people who never approached it before.

คนซึ่งไม่เคยเกี่ยวข้องกับมะเร็งมาก่อน

Danny and I got 16 million dollars, they announced yesterday,

แดนกับผมได้รับทุน 16 ล้านดอลล่าร์ เขาประกาศแล้วเมื่อวาน

to try to attach this problem.

เพื่อเป็นการยึดมั่นต่อการแก้ปัญหานี้

A whole new approach, instead of giving high doses of chemotherapy

เป็นวิธีการใหม่ทั้งหมด แทนที่จะให้เคมีบำบัดในปริมาณสูง

by different mechanisms,

ก็ใช้กลไกต่างๆ

to try to bring technology to get a picture of what's actually happening in the body.

เพื่อพยายามนำเทคโนโลยีมาใช้ ให้ได้ภาพของสิ่งที่เกิดขึ้นจริงๆ ในร่างกาย

So, just for two seconds, how these technologies work --

อีกแค่สองวินาที เรื่องกลไกของเทคโนโลยีพวกนี้ครับ --

because I think it's important to understand it.

เพราะผมคิดว่า เป็นสิ่งสำคัญที่เราต้องเข้าใจเรื่องนี้ครับ

What happens is every protein in your body is charged,

สิ่งที่เกิดขึ้นก็คือ โปรตีนทุกตัวในร่างกายเรานั้นมีประจุไฟฟ้า

so the proteins are sprayed in, the magnet spins them around,

โปรตีนจะถูกฉีดเข้าไป แม่เหล็กก็หมุนโปรตีนเหล่านั้นไปรอบๆ

and then there's a detector at the end.

แล้วจะมีตัวตรวจจับอยู่ตอนสุดท้าย

When it hit that detector is dependent on the mass and the charge.

โปรตีนจะไปชนตัวตรวจจับเมื่อใดนั้น ขึ้นอยู่กับมวลและประจุไฟฟ้าในตัวมัน

And so we can accurately -- if the magnet is big enough,

พูดตรงๆก็คือ, ถ้าแม่เหล็กขนาดใหญ่พอ

and your resolution is high enough --

และความละเอียดของภาพสูงพอ

you can actually detect all of the proteins in the body

คุณก็จะสามารถตรวจจับโปรตีนทุกตัวในร่างกายคุณ

and start to get an understanding of the individual system.

และเริ่มทำความเข้าใจระบบแต่ละระบบได้เลย

And so, as a cancer doctor,

ดังนั้น ในฐานะแพทย์มะเร็ง

instead of having paper in my chart, in your chart, and it being this thick,

แทนที่จะมีแผ่นกระดาษ เป็นใบงานของผม ใบงานของคุณ และหนาเตอะขนาดนี้

this is what data flow is starting to look like in our offices,

การไหลเวียนของข้อมูลในสำนักงานของเรา จะดูคล้ายๆแบบนี้

where that drop of blood is creating gigabytes of data.

ที่ซึ่งเลือดเพียงหยดเดียว ให้กำเนิดข้อมูลจำนวนมหาศาล

Electronic data elements are describing every aspect of the disease.

องค์ประกอบข้อมูลเชิงอีเลคโทรนิค จะอธิบายทุกๆแง่มุมของโรค

And certainly the goal is we can start to learn from every encounter

และแน่นอนว่าเป้าหมายก็คือ เราจะเริ่มเรียนรู้ได้จากการเผชิญหน้าโรคทุกๆครั้ง

and actually move forward, instead of just having encounter and encounter,

และก้าวไปข้างหน้าได้อย่างจริงจัง แทนที่เพียงต้องเผชิญหน้า ซํ้าแล้วซํ้าอีก

without fundamental learning.

โดยไม่ได้เรียนรู้ขั้นพื้นฐานเลย

So, to conclude, we need to get away from reductionist thinking.

ดังนั้น สรุปคือ เราต้องหลีกหนีแนวคิดการศึกษาแบบลดทอนแยกส่วน

We need to start to think differently and radically.

เราต้องเริ่มคิดให้แตกต่างออกไป และอย่างสุดกู่

And so, I implore everyone here: Think differently. Come up with new ideas.

ดังนั้น ผมขอร้องทุกท่านที่นี้ ให้คิดต่างออกไป หาแนวคิดใหม่ๆ

Tell them to me or anyone else in our field,

นำมาบอกผม หรือใครก็ได้ในสาขาวิชาของเรา

because over the last 59 years, nothing has changed.

เพราะว่า ที่ผ่านมากว่า 59 ปี ไม่มีอะไรเปลี่ยนแปลงเลย

We need a radically different approach.

เราต้องการแนวทางที่แตกต่างจากเดิม อย่างสุดกู่

You know, Andy Grove stepped down as chairman of the board at Intel --

เมื่อ แอนดี้ กรูฟ ลาออกจากตำแหน่งประธานกรรมการที่อินเทล --

and Andy was one of my mentors, tough individual.

แอนดี้เป็นหนึ่งในที่ปรึกษาของผม เป็นคนสู้ไม่ถอย --

When Andy stepped down, he said,

เมื่อแอนดี้ออกจากตำแหน่ง เขาพูดว่า

"No technology will win. Technology itself will win."

"ไม่มีเทคโนโลยีใดจะชนะ ตัวเทคโนโลยีเองจะชนะ"

And I'm a firm believer, in the field of medicine and especially cancer,

และผมเป็นผู้ที่เชื่ออย่างแรงกล้า ในสาขาวิชาการแพทย์ โดยเฉพาะเรื่องมะเร็ง

that it's going to be a broad platform of technologies

ว่ามะเร็ง จะเป็นโอกาสอันกว้างขวางของเทคโนโลยี

that will help us move forward

ที่จะช่วยให้เราเคลื่อนไปข้างหน้า

and hopefully help patients in the near-term.

และหวังว่าจะช่วยผู้ป่วยได้ ในช่วงเวลาอันใกล้

Thank you very much.

ขอบคุณมากครับ