Math can help uncover cancer's secrets | Irina Kareva

74,501 views ・ 2018-04-25

TED


โปรดดับเบิลคลิกที่คำบรรยายภาษาอังกฤษด้านล่างเพื่อเล่นวิดีโอ

Translator: Orm Wiwitumpon
00:12
I am a translator.
0
12549
1243
ฉันเป็นนักแปล
00:14
I translate from biology into mathematics
1
14514
3191
ฉันแปลชีววิทยาเป็นคณิตศาสตร์
00:17
and vice versa.
2
17729
1150
และแปลในทางกลับกัน
00:19
I write mathematical models
3
19588
1790
ฉันเขียนโมเดลทางคณิตศาสตร์
00:21
which, in my case, are systems of differential equations,
4
21402
2847
ซึ่งในกรณีของฉัน มันคือระบบความแตกต่างของสมการ
00:24
to describe biological mechanisms,
5
24273
1947
เพื่ออธิบายการทำงานด้านชีววิทยา
00:26
such as cell growth.
6
26244
1158
เช่น การเจริญเติบโตของเซลล์
00:28
Essentially, it works like this.
7
28122
1848
มาดูตัวอย่างการทำงาน
00:30
First, I identify the key elements
8
30573
2469
ขั้นแรก ฉันหากุญแจสำคัญ
00:33
that I believe may be driving behavior over time
9
33066
2777
ที่ฉันคิดว่ามีส่วนเกี่ยวข้อง
00:35
of a particular mechanism.
10
35867
1539
กับระบบกลไกเฉพาะ
00:38
Then, I formulate assumptions
11
38230
1891
จากนั้น ฉันสรุปสมมุติฐาน
00:40
about how these elements interact with each other
12
40145
2886
ว่าสิ่งต่าง ๆ ทำงานเกี่ยวข้องกันอย่างไร
00:43
and with their environment.
13
43055
1337
และในสภาพแวดล้อมนั้น
00:44
It may look something like this.
14
44916
1772
มันก็จะหน้าตาประมาณนี้
00:46
Then, I translate these assumptions into equations,
15
46712
3317
จากนั้น ฉันก็แปลสมมุติฐานเหล่านี้ ให้เป็นรูปสมการ
00:50
which may look something like this.
16
50610
1824
ซึ่งก็จะเป็นแบบนี้
00:53
Finally, I analyze my equations
17
53434
1890
สุดท้าย ฉันวิเคราะห์สมการ
00:55
and translate the results back into the language of biology.
18
55348
3101
และแปลมันกลับไปเป็นภาษาชีววิทยา
01:00
A key aspect of mathematical modeling
19
60156
2420
กุญแจสำคัญของคณิตศาสตร์
01:02
is that we, as modelers, do not think about what things are;
20
62600
3908
คือเรา ผู้สร้างโมเดล ไม่ได้คิดว่าสิ่งต่าง ๆ จะเป็นเช่นใด
01:06
we think about what they do.
21
66532
1855
แต่เราคิดว่ามันทำงานอะไร
01:08
We think about relationships between individuals,
22
68411
2489
เราคิดถึงความสัมพันธ์ระหว่างแต่ละอย่าง
01:10
whether they be cells, animals or people,
23
70924
2886
ไม่ว่ามันจะเป็นเซลล์ สัตว์ หรือมนุษย์
01:13
and how they interact with each other and with their environment.
24
73834
3048
และการตอบสนองระหว่างกัน ในสภาพแวดล้อมของพวกมัน
01:17
Let me give you an example.
25
77639
1340
ฉันจะยกตัวอย่างให้ดู
01:19
What do foxes and immune cells have in common?
26
79719
3803
สุนัขจิ้งจอกกับเซลล์ภูมิคุ้มกัน มีอะไรเหมือนกัน
01:24
They're both predators,
27
84793
1459
ทั้งคู่เป็นนักล่า
01:26
except foxes feed on rabbits,
28
86744
2723
ต่างกันที่สุนัขจิ้งจอกกินกระต่าย
01:29
and immune cells feed on invaders, such as cancer cells.
29
89491
3330
แต่เซลล์ภูมิคุ้มกัน กินผู้บุกรุก เช่น เซลล์มะเร็ง
01:33
But from a mathematical point of view,
30
93273
2345
แต่จากมุมมองทางคณิตศาสตร์
01:35
a qualitatively same system of predator-prey type equations
31
95642
4156
พวกมันต่างอยู่ในระบบเดียวกันระบบของนักล่า
01:39
will describe interactions between foxes and rabbits
32
99822
3245
ที่แสดงความสัมพันธ์ระหว่าง สุนัขจิ้งจอกกับกระต่าย
01:43
and cancer and immune cells.
33
103091
1774
และเซลล์มะเร็งกับเซลล์ภูมิคุ้มกัน
01:45
Predator-prey type systems have been studied extensively
34
105609
2708
ระบบ นักล่า-เหยื่อได้รับการศึกษามานานแล้ว
01:48
in scientific literature,
35
108341
1269
ในทางวิทยาศาสตร์
01:49
describing interactions of two populations,
36
109634
2378
อธิบายการตอบสนองระหว่างสองเผ่าพันธ์
01:52
where survival of one depends on consuming the other.
37
112036
2775
ที่การรอดชีวิตของฝ่ายหนึ่ง ขึ้นอยู่กับการกินอีกฝ่ายหนึ่ง
01:55
And these same equations provide a framework
38
115485
2620
และสมการเดียวกันก็จะเป็นพื้นฐาน
01:58
for understanding cancer-immune interactions,
39
118129
2311
ในการอธิบายการตอบสนองระหว่าง มะเร็งและภูมิคุ้มกัน
02:00
where cancer is the prey,
40
120464
1841
ที่เซลล์มะเร็งเป็นเหยื่อ
02:02
and the immune system is the predator.
41
122329
2372
เซลล์ภูมิคุ้มกันเป็นนักล่า
02:04
And the prey employs all sorts of tricks to prevent the predator from killing it,
42
124725
4032
และเหยื่อก็เล่นกลสารพัด เพื่อไม่ให้ตัวเองถูกกิน
02:08
ranging from camouflaging itself
43
128781
1820
ตั้งแต่การพรางตัวเอง
02:10
to stealing the predator's food.
44
130625
1839
เพื่อหลบเลี่ยงการเป็นอาหาร
02:13
This can have some very interesting implications.
45
133352
2562
และน่าจะเกิดผลกระทบที่น่าสนใจ
02:15
For example, despite enormous successes in the field of immunotherapy,
46
135938
4822
เช่น แม้ว่าเซลล์ภูมิคุ้มกันจะทำงานสำเร็จ ได้อย่างงดงาม
02:20
there still remains somewhat limited efficacy
47
140784
2461
แต่มันก็ยังเหลือจุดที่จัดการไม่ได้
02:23
when it comes solid tumors.
48
143269
1542
เช่น ก้อนเนื้องอกแข็ง ๆ
02:25
But if you think about it ecologically,
49
145423
2559
แต่หากคุณคิดแบบนิเวศวิทยา
02:28
both cancer and immune cells --
50
148006
2090
ทั้งมะเร็งและเซลล์ภูมิคุ้มกัน--
02:30
the prey and the predator --
51
150120
1600
เหยื่อและนักล่า--
02:31
require nutrients such as glucose to survive.
52
151744
3031
ต้องการสารอาหารจำพวกกลูโคสเพื่อดำรงชีวิต
02:35
If cancer cells outcompete the immune cells for shared nutrients
53
155358
4789
ถ้ามะเร็งเอาชนะภูมิต้านทานในเรื่องอาหารได้
02:40
in the tumor microenvironment,
54
160171
1793
ภายในสภาพแวดล้อมของเนื้องอก
02:41
then the immune cells will physically not be able to do their job.
55
161988
3414
เซลล์ภูมิต้านทาน ก็ทำงานของมันไม่ได้
02:46
This predator-prey-shared resource type model
56
166291
2868
เป็นโมเดลแบบนักล่า-เหยื่อ-แบ่งปันทรัพยากร
02:49
is something I've worked on in my own research.
57
169183
2297
ซึ่งเป็นงานที่ฉันกำลังทำวิจัย
02:51
And it was recently shown experimentally
58
171504
2724
และผลการทดลองเมื่อเร็ว ๆ นี้บอกว่า
02:54
that restoring the metabolic balance in the tumor microenvironment --
59
174252
4054
การรักษาระดับการเผาผลาญให้สมดุล ภายในเนื้องอก--
02:58
that is, making sure immune cells get their food --
60
178330
3531
นั่นคือให้แน่ใจว่าภูมิคุ้มกัน ได้อาหารที่เพียงพอ --
03:01
can give them, the predators, back their edge in fighting cancer, the prey.
61
181885
5245
สามารถทำให้นักล่าอย่างภูมิคุ้มกัน สู้กับเหยื่ออย่างมะเร็งได้ดี
03:08
This means that if you abstract a bit,
62
188440
2339
นี่หมายความว่า
03:10
you can think about cancer itself as an ecosystem,
63
190803
2955
มะเร็งนั้น เป็นสภาพแวดล้อมในตัว
03:13
where heterogeneous populations of cells compete and cooperate
64
193782
4287
ที่มีเซลล์หลากหลายชนิด แข่งขัน และทำงานร่วมกัน
03:18
for space and nutrients,
65
198093
2017
เพื่อพื้นที่ และอาหาร
03:20
interact with predators -- the immune system --
66
200134
2672
การตอบสนองกับนักล่า-- ระบบภูมิคุ้มกัน--
03:22
migrate -- metastases --
67
202830
2241
อพยพ-- แพร่กระจาย--
03:25
all within the ecosystem of the human body.
68
205095
2467
ทั้งหมดในระบบนิเวศของมนุษย์
03:28
And what do we know about most ecosystems from conservation biology?
69
208221
3869
และเรารู้เรื่องระบบนิเวศแบบใดบ้าง จากชีววิทยา
03:32
That one of the best ways to extinguish species
70
212643
2852
วิธีหนึ่ง ในการระบุสายพันธ์
03:35
is not to target them directly
71
215519
1952
คือการไม่มุ่งไปยังเป้าหมายโดยตรง
03:37
but to target their environment.
72
217495
2439
แต่มุ่งเป้าหมายไปที่สภาพแวดล้อม
03:40
And so, once we have identified the key components
73
220880
3070
และแล้ว เมื่อเราพบกุญแจสำคัญ
03:43
of the tumor environment,
74
223974
1644
ของเนื้องอกแล้ว
03:45
we can propose hypotheses
75
225642
1948
เราก็สรุปสมมติฐานได้
03:47
and simulate scenarios and therapeutic interventions
76
227614
3294
และจำลองสภาพแวดล้อมเพื่อหาทางรักษา
03:50
all in a completely safe and affordable way
77
230932
3425
ในทางที่ปลอดภัย และเป็นไปได้
03:54
and target different components of the microenvironment
78
234381
3369
และมุ่งเป้าไปที่ส่วนประกอบต่าง ๆ ของสภาพแวดล้อมนั้น
03:57
in such a way as to kill the cancer without harming the host,
79
237774
3996
นี่เป็นวิธีที่ดีในการกำจัดมะเร็ง โดยไม่ทำอันตรายกับเจ้าของร่าง
04:01
such as me or you.
80
241794
1570
เช่น คุณหรือฉัน
04:05
And so while the immediate goal of my research
81
245029
3002
และจุดมุ่งหมายของงานวิจัยฉัน
04:08
is to advance research and innovation
82
248055
2266
คือการสร้างนวัตกรรมและวิจัย
04:10
and to reduce its cost,
83
250345
1896
เพื่อลดต้นทุน
04:12
the real intent, of course, is to save lives.
84
252265
2517
และแน่นอน รักษาชีวิต
04:15
And that's what I try to do
85
255278
1771
นั่นคือสิ่งที่ฉันพยายามทำ
04:17
through mathematical modeling applied to biology,
86
257073
2747
ผ่านการใช้โมเดลทางคณิตศาสตร์ และประยุกต์มันเข้ากับชีววิทยา
04:19
and in particular, to the development of drugs.
87
259844
2471
และโดยเฉพาะอย่างยิ่ง ช่วยพัฒนายา
04:22
It's a field that until relatively recently has remained somewhat marginal,
88
262895
4056
ซึ่งเป็นหน่วยงานที่ค่อนข้างจะเล็ก และไม่ค่อยเป็นที่รู้จัก
04:26
but it has matured.
89
266975
1452
แต่ทำงานเต็มที่
04:28
And there are now very well-developed mathematical methods,
90
268451
3149
และตอนนี้ก็มีวิธีการทางคณิตศาสตร์ ที่พัฒนาขึ้นมาใหม่
04:31
a lot of preprogrammed tools,
91
271624
1899
โปรแกรมช่วยคำนวณมากมาย
04:33
including free ones,
92
273547
1496
มีแบบฟรีด้วย
04:35
and an ever-increasing amount of computational power available to us.
93
275067
4047
ที่เพิ่มความสามารถในการคำนวณ เท่าที่เป็นไปได้ให้เรา
04:40
The power and beauty of mathematical modeling
94
280718
3399
ความสามารถและความงามของโมเดลทางคณิตศาสตร์
04:44
lies in the fact that it makes you formalize,
95
284141
2641
ทำให้เราจัดความจริงเป็นสูตร
04:46
in a very rigorous way,
96
286806
2087
ในรูปแบบที่เข้มงวด
04:48
what we think we know.
97
288917
1465
สิ่งที่เราคิดว่าเรารู้อยู่แล้ว
04:50
We make assumptions,
98
290904
1444
เราก็สร้างสรุป
04:52
translate them into equations,
99
292372
1568
แปลงเป็นสมการ
04:53
run simulations,
100
293964
1311
ให้ระบบจำลองทำงาน
04:55
all to answer the question:
101
295299
1773
เพื่อตอบคำถามทั้งหมด
04:57
In a world where my assumptions are true,
102
297096
2246
ในโลกที่สมมติฐานเป็นจริง
04:59
what do I expect to see?
103
299366
1570
ฉันคาดหวังจะเห็นอะไร
05:01
It's a pretty simple conceptual framework.
104
301890
2086
มันก็เป็นกรอบแนวคิดในแบบง่าย ๆ
05:04
It's all about asking the right questions.
105
304000
2226
คือการตั้งคำถามให้ถูกทาง
05:06
But it can unleash numerous opportunities for testing biological hypotheses.
106
306603
4095
และหาคำตอบที่มากมายมหาศาล ด้วยการทดสอบทางชีววิทยา
05:11
If our predictions match our observations,
107
311696
2600
หากการคาดการณ์ของเราตรงกับการค้นพบ
05:14
great! -- we got it right, so we can make further predictions
108
314320
3027
เจ๋งเลย! เรามาถูกทางแล้ว เราก็คาดการณ์ต่อไปได้
05:17
by changing this or that aspect of the model.
109
317371
2560
ด้วยการ เปลี่ยนนู่นนิด นี่หน่อยในโมเดล
05:20
If, however, our predictions do not match our observations,
110
320733
3700
แต่ถ้าการคาดการณ์ไม่ตรงกับผลการทดลอง
05:24
that means that some of our assumptions are wrong,
111
324457
2585
นั่นหมายความว่าสมมติฐานบางอย่างผิด
05:27
and so our understanding of the key mechanisms
112
327066
2433
ข้อมูลการเข้าใจที่เรามี
05:29
of underlying biology
113
329523
1439
ในเรื่องชีววิทยานั้น
05:30
is still incomplete.
114
330986
1270
ยังไม่มากพอ
05:32
Luckily, since this is a model,
115
332829
2362
แต่โชคยังดี เพราะในโมเดลนี้
05:35
we control all the assumptions.
116
335215
1889
เราควบคุมสมมติฐานได้
05:37
So we can go through them, one by one,
117
337128
2140
เราสามารถดูได้ ทีละขั้น
05:39
identifying which one or ones are causing the discrepancy.
118
339292
3829
วิเคราะห์ว่าอะไรที่ทำให้เราผิดพลาด
05:43
And then we can fill this newly identified gap in knowledge
119
343637
3356
และเติมเต็มช่องว่างนั้น
05:47
using both experimental and theoretical approaches.
120
347017
2715
ด้วยทฤษฎีและการทดลอง
05:50
Of course, any ecosystem is extremely complex,
121
350699
2821
และแน่นอน ทุก ๆ ระบบนิเวศน์ มีความซับซ้อนมาก
05:53
and trying to describe all the moving parts is not only very difficult,
122
353544
3843
การพยายามจะอธิบายการเคลื่อนไหว ของสิ่งต่าง ๆ ไม่เพียงแค่ยากมาก
05:57
but also not very informative.
123
357411
1662
แต่ข้อมูลก็ยังน้อยมาก
05:59
There's also the issue of timescales,
124
359518
2066
ทั้งปัญหาด้านเวลา
06:01
because some processes take place on a scale of seconds, some minutes,
125
361608
3668
เพราะเหตุการอาจเกิดขึ้นได้ในหลักของ วินาที นาที
06:05
some days, months and years.
126
365300
1948
เป็นวัน หลายเดือน หรือเป็นปี
06:07
It may not always be possible to separate those out experimentally.
127
367272
3199
ไม่จำเป็นที่เราจะแยกการทดลองนั้น
06:11
And some things happen so quickly or so slowly
128
371143
3384
บางอย่างอาจเกิดขึ้นเร็ว หรือช้า
06:14
that you may physically never be able to measure them.
129
374551
2720
จนคุณไม่สามารถวัดมันทางกายภาพได้
06:17
But as mathematicians,
130
377295
2288
แต่ในฐานะนักคณิตศาสตร์
06:19
we have the power to zoom in on any subsystem in any timescale
131
379607
5645
เรามีความสามารถในการซูมลงไปถึง ระบบย่อย ในระดับเวลาใดก็ได้
06:25
and simulate effects of interventions
132
385276
2124
และจำลองเหตุการณ์
06:27
that take place in any timescale.
133
387424
2701
ที่เกิดขึ้นในหน่วยเวลาใดก็ได้
06:31
Of course, this isn't the work of a modeler alone.
134
391942
2934
แน่นอน นี่ไม่ใช่งานของ คนสร้างโมเดลเพียงอย่างเดียว
06:34
It has to happen in close collaboration with biologists.
135
394900
3289
มันเกิดขึ้นด้วยความช่วยเหลืออย่างใกล้ชิด จากนักชีววิทยา
06:38
And it does demand some capacity of translation
136
398213
3004
และต้องใช้ความสามารถในการแปลข้อมูล
06:41
on both sides.
137
401241
1204
ของทั้งสองด้าน
06:43
But starting with a theoretical formulation of a problem
138
403550
3788
แต่การเริ่มงานด้วยทฤษฎีของปัญหา
06:47
can unleash numerous opportunities for testing hypotheses
139
407362
3497
สามารถปลดปล่อยโอกาสมากมาย ในการพิสูน์สมมติฐาน
06:50
and simulating scenarios and therapeutic interventions,
140
410883
3239
และจำลองสถานการณ์ และวิธีการรักษา
06:54
all in a completely safe way.
141
414146
2070
ในวิถีทางที่ปลอดภัยแน่นอน
06:56
It can identify gaps in knowledge and logical inconsistencies
142
416977
5175
สามารถระบุช่องว่างที่หายไปของความรู้ และตรรกศาสตร์ที่ขัดแย้งกัน
07:02
and can help guide us as to where we should keep looking
143
422176
2839
ช่วยเราไปถึงจุดที่เรามองหา
07:05
and where there may be a dead end.
144
425039
1895
และอาจพาเราไปสู่ทางตันด้วยเช่นกัน
07:07
In other words:
145
427632
1247
หรืออีกแง่หนึ่ง:
07:08
mathematical modeling can help us answer questions
146
428903
3494
คณิตศาสตร์ช่วยเราหาคำตอบ
07:12
that directly affect people's health --
147
432421
2388
ที่มีผลกระทบโดยตรงกับสุขภาพของผู้คน
07:15
that affect each person's health, actually --
148
435942
2704
ที่มีผลกระทบต่อแต่ละคน ที่จริง--
07:18
because mathematical modeling will be key
149
438670
2676
เพราะว่าคณิตศาสตร์เป็นกุญแจสำคัญ
07:21
to propelling personalized medicine.
150
441370
1834
ในการจัดยาให้เหมาะกับแต่ละคน
07:24
And it all comes down to asking the right question
151
444112
3067
และมันก็จะนำไปสู่คำถามที่ถูกต้อง
07:27
and translating it to the right equation ...
152
447711
2075
แปลมันไปสู่สมการที่ถูกต้อง
07:30
and back.
153
450670
1150
และในทางกลับกัน
07:32
Thank you.
154
452533
1151
ขอบคุณ
07:33
(Applause)
155
453708
3299
(เสียงปรบมือ)
เกี่ยวกับเว็บไซต์นี้

ไซต์นี้จะแนะนำคุณเกี่ยวกับวิดีโอ YouTube ที่เป็นประโยชน์สำหรับการเรียนรู้ภาษาอังกฤษ คุณจะได้เห็นบทเรียนภาษาอังกฤษที่สอนโดยอาจารย์ชั้นนำจากทั่วโลก ดับเบิลคลิกที่คำบรรยายภาษาอังกฤษที่แสดงในแต่ละหน้าของวิดีโอเพื่อเล่นวิดีโอจากที่นั่น คำบรรยายเลื่อนซิงค์กับการเล่นวิดีโอ หากคุณมีความคิดเห็นหรือคำขอใด ๆ โปรดติดต่อเราโดยใช้แบบฟอร์มการติดต่อนี้

https://forms.gle/WvT1wiN1qDtmnspy7