What really happens when you mix medications? | Russ Altman

Çeviri: İnci Hande Yener Gözden geçirme: Sancak Gülgen

So you go to the doctor and get some tests.

Doktora gittiniz ve bazı testleri yaptırdınız.

The doctor determines that you have high cholesterol

Doktor yüksek kolesterolünüzün olduğunu ve

and you would benefit from medication to treat it.

bunu tedavi etmek için ilaçlardan yararlanabileceğinizi söyledi.

So you get a pillbox.

Böylelikle ilaç kutusunu aldınız.

You have some confidence,

İşe yarayacağına dair

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

sizin de doktorunuzun da biraz inancı var.

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

Bunu icat eden şirket birçok çalışma yaptı ve FDA'nın onayına sundu.

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

FDA çok dikkatli bir şekilde üzerinde çalıştı ve ilacı onayladı.

They have a rough idea of how it works,

Nasıl çalıştığına ve yan etkilerine

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

dair yaklaşık tahminleri var.

It should be OK.

Buraya kadar tamam.

You have a little more of a conversation with your physician

Doktorunuzla biraz daha konuştunuz ve

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

doktorunuz keyifsiz göründüğünüz için endişelendi,

haven't felt like yourself,

kendinizi iyi hissetmiyorsunuz,

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

artık normalde olduğu gibi hayatınızdan zevk alamıyorsunuz.

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

Doktorunuz size "Depresyonun olduğunu düşünüyorum. Sana başka

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

bir ilaç daha vereceğim." diyor.

So now we're talking about two medications.

Artık iki ilaçtan bahsediyoruz.

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

Bu ilaç -- milyonlarca insanın aldığı, firmanın hakkında

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

çalışmalar yaptığı, FDA'nın kontrol ettiği bir ilaç -- oldukça güzel.

Think things should go OK.

İşlerin iyi gittiğini düşünün.

Think things should go OK.

İşlerin iyi gittiğini düşünün.

Well, wait a minute.

Bekleyin bir dakika.

How much have we studied these two together?

Kaç tane çalışmada bu ikisini birlikte değerlendirdik ki?

Well, it's very hard to do that.

Bunu yapmak oldukça zordur.

In fact, it's not traditionally done.

Aslında normalde pek de yapılmaz.

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

"Pazarlama sonrası denetim" dediğimiz, ilacın

piyasaya çıktıktan sonraki deneyimlere

after the drugs hit the market.

tamamen bel bağlamış durumdayız.

How can we figure out if bad things are happening

Bu iki ilaç arasında kötü etkileşimler oluyorsa,

between two medications?

bunları nasıl anlayacağız?

Three? Five? Seven?

3? 5? Peki ya 7 olursa?

Ask your favorite person who has several diagnoses

Birden fazla tanı almış olan, sevdiğiniz herhangi bir

how many medications they're on.

insana kaç ilaç kullandığını sorun.

Why do I care about this problem?

Neden bu problemi önemsiyorum?

I care about it deeply.

Bunu son derece önemsiyorum.

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

Ben bir bilişimciyim ve veri bilimi insanıyım, bence gerçekten,

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

bu husustaki tek umut çok sayıda veri kaynağını kullanarak

is to leverage lots of different sources of data

ilaçların ne zaman birlikte güvenle kullanılabileceğini ya da

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

kullanılamayacağını aradaki etkileşimleri hesaba katarak

and when it's not so safe.

tespit edebiliriz.

So let me tell you a data science story.

Size bir veri bilimi hikayesi anlatayım:

And it begins with my student Nick.

Nick adındaki bir öğrencimle başlıyor.

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

Ona "Nick" diyelim. Çünkü bu onun gerçek adı.

(Laughter)

(Kahkahalar)

Nick was a young student.

Nick genç bir öğrenciydi.

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

Ona, "Nick, bildiğin üzere ilaçların nasıl çalıştığını, birlikte

and how they work together and how they work separately,

ve ayrı ayrı nasıl çalıştıklarını anlamak zorundayız.

and we don't have a great understanding.

Henüz çoğu şey bilmiyoruz."dedim.

But the FDA has made available an amazing database.

FDA mükemmel, kullanışlı bir veritabanı hazırladı.

It's a database of adverse events.

Bu veritabanı ilaç etkileşimlerini içeriyor.

They literally put on the web --

Harfiyen internet sitesine koymuşlar.

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

İsteyen herkes şimdi bile gidip indirebilir.

hundreds of thousands of adverse event reports

Hastalar, doktorlar, şirketler ve eczacılar

from patients, doctors, companies, pharmacists.

tarafından bildirilmiş yüz binlerce ilaç etkileşimi bildirimi var.

And these reports are pretty simple:

Bu bildiriler oldukça basit;

it has all the diseases that the patient has,

Hastanın sahip olduğu tüm hastalıklar,

all the drugs that they're on,

kullandığı tüm ilaçlar ve

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

deneyimledikleri tüm yan etkiler ve etkileşimler.

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

Amerika'da yaşanan ilaç etkileşimlerinin hepsi bu değil.

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

Daha geride yüzlerce, yüz binlerce ilaç var.

So I said to Nick,

Sonra Nick'e dedim ki,

"Let's think about glucose.

"Glikozu ele alalım,

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

Glikoz hayli önemli, ve biliyoruz ki diyabetle de ilişkilli.

Let's see if we can understand glucose response.

Belki de kan şekeri üzerinden bu sorunu çözebiliriz ."

I sent Nick off. Nick came back.

Nick'le vedalaştık. Sonrasında Nick geri geldi.

"Russ," he said,

"Russ," dedi

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

"Veritabanından ilacın yan etkilerine bakacak,

based on looking at this database,

sana bu ilacın kan şekerini oynatıp oynatmayacağını söyleyecek

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

bir sınıflandırıcı yarattım."

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

Çok basit çalışıyor temelde.

He took all the drugs that were known to change glucose

Kan şekerini oynattığı bilinen bütün ilaçları alıyor,

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

ayrıca kan şekerine etki etmeyen bir grup ilacı da alıyor ve

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

şunu soruyor "Bu ilaçların yan etkileri arasında ne fark var?

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

Yorgunluk? İştah? İdrar sıklığı?"

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

Bunların tümü onun iyi tahminler yapmasını sağladı.

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

"Russ, yüzde 93 isabetle bir ilacın kan şekerine

when a drug will change glucose."

etkisini bulabiliyorum" dedi.

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

"Harika" dedim ona.

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

Genç bir öğrenci o, kendine güvenini kırmamalısınız.

"But Nick, there's a problem.

"Nick problem var. Dünyada her

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

doktor, tüm ilaçların glikozu değiştirdiğini bilir

because it's core to our practice.

çünkü bu bizim uygulamanın özüdür.

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

Bu harika, iyi bir iş ama yeterince ilginç değil

definitely not publishable."

ve kesinlikle yayınlanamaz

(Laughter)

(Kahkahalar)

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

Biliyorum Russ, senin Nick’in zeki olduğunu

Nick is smart.

söyleyeceğini düşündüm, dedi.

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

ve bir başka deney daha yaptım diye söylersin diye düşündüm.

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

Veritabanında iki ilaç alan insanlara baktım.

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

Ve benzer sinyallere, iki ilaç alan insanların

for people taking two drugs,

değişen glikoz değişim sinyallerine baktım

where each drug alone did not change glucose,

Ve her bir ilaç tek başına glikozu değiştirmedi

but together I saw a strong signal."

Fakat bu iki ilacın beraber güçlü bir sinyal verdiğini gördüm.

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

Ve ben “Ah, ne kadar zekisin,

çok iyi bir fikir, hadi bana listeyi göster” dedim.

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

Ve önümde heyecan verici olmayan bir ilaç listesi vardı.

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

Fakat listede iki ilaca gözüm takıldı:

paroxetine, or Paxil, an antidepressant;

Bunlar bir antidepresan olan paroksetin veya paxil

and pravastatin, or Pravachol, a cholesterol medication.

ve kolesterol ilacı olan pravastatin veya pravachol.

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

Ve ben “ hah, bu iki ilacı alan milyonlarca Amerikan var” dedim

In fact, we learned later,

Aslında biz bunu . sonradan öğrendik

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

15 milyon Amerikan paroksetin alırken, aynı anda 15 milyon pravastatin alıyor

and a million, we estimated, on both.

ve 1 milyon, ki bu bizim tahminimizdi, her ikisini birden alıyor.

So that's a million people

Ve bu glikoz sorunları olan

who might be having some problems with their glucose

bir milyon insan

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

onun FDA veri tabanında yaptığı,

actually holds up.

makine tarafından öğrenilen anlamsız dil, aslında gösterildi.

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

Fakat ben “hala bunun yayınlanabilir olmadığını,

because I love what you did with the mumbo jumbo,

Yaptığın ve makinanın öğrendiği

with the machine learning,

anlamsız dili sevdiğimi,

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

fakat elimizdeki gerçek kanıtın standart bir kanıt olmadığını söyledim

So we have to do something else.

Bu yüzden başka bir şey yapmak zorundaydık.

Let's go into the Stanford electronic medical record.

Hadi Stanford elektronik medikal kayıtlara girelim.

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

Biz de onların bir kopyası mevcuttu ve bunlar araştırma için yeterliydi.

we removed identifying information.

Tanımlanma bilgilerini kaldırdık.

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

Ve ben “ hadi o zaman bu iki ilacı alan insanların

have problems with their glucose."

Glikozlarında bir sorun var mı bir görelim” dedim

Now there are thousands and thousands of people

Stanford medikal kayıtlarında paroksetin

in the Stanford medical records that take paroxetine and pravastatin.

ve pravastatin alan binlerce ve binlerce insan vardı.

But we needed special patients.

ancak bizim özel hastalara ihtiyacımız vardı.

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

Bizim ihtiyaç duyduğumuz hastalar, bir ilacı alıp ve glikoz ölçümü yapan

then got the second one and had another glucose measurement,

sonra ikinciyi alıp tekrar glikoz ölçümü yapanlar olmalıydı.

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

Ve tüm bunlar iki ay gibi makul bir zaman aralığında olmalıydı.

And when we did that, we found 10 patients.

Ve biz bunu yaptığımızda, 10 hasta bulduk.

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

Bunlardan 8 tanesinin glikozunda ikinci P’yi aldığında fırlama oluyordu.

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

onlar ikinci P’yi aldıklarında,

when they got the second P.

olan fırlamayı P ve P -- diye adlandırıyorduk

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

Herhangi birini önce alıyordu ve ikincisi sonradan geliyordu.

glucose went up 20 milligrams per deciliter.

Ve glikoz desilitre başına 20 miligram yükseliyordu.

Just as a reminder,

Sadece bir hatırlatma.

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

Diyabet değilseniz, normalde

with a glucose of around 90.

glikozunuz 90 civarında seyreder.

And if it gets up to 120, 125,

Ama 120,125 olursa doktorunuz sizin potansiyel

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

bir diyabet hastası olduğunuzu düşünmeye başlar.

So a 20 bump -- pretty significant.

Böyle bir 20'lik bir artış- oldukça önemlidir-

I said, "Nick, this is very cool.

Ben “ Nick bu çok iyi.

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

Fakat üzgünüm, hala bir makalemiz yok,

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

10 hasta var ve – biraz ara verelim-

it's not enough patients."

bu yeterli hasta sayısı değil” dedim.

So we said, what can we do?

Biz ne yapabiliriz diye düşündük

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

Bostandaki Harvard ve Nashnille'de Vanderbilt'deki

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

arkadaşlarımızı aramaya karar verdik.

who also have electronic medical records similar to ours.

çünkü, orada bizdeki medikal

kayıtlara benzer elektronik kayıtlar mevcuttu.

Let's see if they can find similar patients

P ilacı kullanan ve diğer P ilacı kullanan

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

aynı hastalardaki ihtiyacımız olan

in that range that we need.

glikoz ölçümlerini görelim.

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

Şükürler olsun ki, 1 haftada içinde Vanderbilt'de

same trend.

aynı eğilimlerde olan 40 hasta buldu.

Harvard found 100 patients, same trend.

Hardvard, aynı eğilimlerde 100 hasta buldu.

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

Sonunda 3 farklı merkezde bu iki aynı ilacı alan

that were telling us that patients getting these two drugs

150 hastamız vardı ve

were having their glucose bump somewhat significantly.

onların glikozlarında önemli ölçüde artış saptandı.

More interestingly, we had left out diabetics,

Daha ilginci, biz diyabetlileri bıraktık

because diabetics already have messed up glucose.

çünkü onların glikozları çoktan bozulmuştu.

When we looked at the glucose of diabetics,

Diyabetlilerin glikozlarına baktığımızda

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

desilitre başına 20 değil, 60 miligram artmıştı.

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

Bu büyük bir şeydi ve "bunu yayınlamalıyız" dedik.

We submitted the paper.

Makaleyi, FDA'den, Stanford'dan

It was all data evidence,

Vanderbilt'ten, Hardvard'dan

data from the FDA, data from Stanford,

tüm kanıtlarla

data from Vanderbilt, data from Harvard.

sunduk.

We had not done a single real experiment.

Biz tek bir gerçek deney yapmamıştık.

But we were nervous.

Gergindik.

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

Makale gözden geçilirken, Nick laba gitti

We found somebody who knew about lab stuff.

ve lab işlerinden anlayan birisini bulduk.

I don't do that.

Bunu ben yapmadım.

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

Hastalarla ilgilenirim ama pipetleme işini ben yapmam.

They taught us how to feed mice drugs.

Bize nasıl fareleri ilaçlarla besleyeceğimizi öğrettiler.

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

Fareleri aldık ve onlara bir P, paroksetine verdik.

We gave some other mice pravastatin.

Diğer bir farelere pravastatin verdik

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

ve üçüncü bir gruba iki ilacı birden verdik.

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

Farelerde, glikoz desilitre başına 20'den 60'a kadar

in the mice.

arttığını gözlemledik.

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

Makale, yalnızca kanıtlara dayanılarak kabul edildi

but we added a little note at the end,

fakat biz sonuna eğer bu ikisini farelere

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

verirseniz glikoz artar diye ufak bir not ekledik.

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

Bu harika bir şeydi ve hikaye burada bitmeliydi.

But I still have six and a half minutes.

Fakat hala 6 buçuk dakikam var.

(Laughter)

(Kahkahalar)

So we were sitting around thinking about all of this,

Biz hala bunun üzerine düşünüyorduk

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

Kim düşündü hatırlamıyorum ama birisi

"I wonder if patients who are taking these two drugs

eğer hastalar bu iki ilacı beraber alırlarsa

are noticing side effects of hyperglycemia.

hiperglisemi yan etkilerini görür, dedi.

They could and they should.

Oldu ve olmalıydı.

How would we ever determine that?"

Biz bunu nasıl belirleyebilirdik?

We said, well, what do you do?

"Ne yapmalıyız?" diye sorduk.

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

Bir ilaç alıyorsun ve bir ya da iki ilaç daha ekleniyor

and you get a funny feeling.

ve eğlenceli duyguların oluyor.

What do you do?

Ne yaparsınız?

You go to Google

Google'ı açıp,

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

aldığı iki ilacın veya tek ilacın adını yazıp

and you type in "side effects."

yan etkilerini araştırırsın.

What are you experiencing?

Ne umuyorsunuz?

So we said OK,

Biz "tamam" diyip

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

Google'a girdik ve onların araştırma günlüklerine

bizimle paylaşıp paylaşmayacaklarını sorduk

so that we can look at the search logs

bu yüzden araştırma günlüklerine baktık

and see if patients are doing these kinds of searches.

ve hastaların böyle bir araştırma yapıp yapmadıklarını gördük.

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

Google" üzgünüm ama isteğiniz rededildi" dedi.

So I was bummed.

Ben şok oldum.

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

Microsoftta çalışan bir arkadaşla yemekteydim ve

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

"Böyle bir çalışma yapmak istedik ama Google

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

"hayır, bu bir tür beleşçilik" dedi, dedim

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

Arkadaşımsa" evet bizim Bing araştırmalarımız var" dedi.

(Laughter)

(Kahkahalar)

Yeah.

Evet

That's great.

Bu harika

Now I felt like I was --

Şimdi ben---

(Laughter)

( kahkahalar)

I felt like I was talking to Nick again.

Tekrar Nick ile konuşuyormuşum gibi hissettim.

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

O dünyadanın en büyük şirketlerinden birisinde çalışıyor

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

ve ben onun kendisinin daha iyi hissetmesi için çabalıyorum.

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

Ama "Hayır, Russ anlamamış olabilirsin" dedi

We not only have Bing searches,

"Bizim sadece Bing araştırmalarımız yok

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

Eğer siz İnternet Explorer'ı kullanarak Google'da,

Yahoo, Bing, any ...

Yahoo'da , Bing'de veya

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

herhangi bir yerde arama yaparsanız

Biz o datayı 18 ay koruma altına alırız." dedi

I said, "Now you're talking!"

"Ha şöyle!" dedim.

This was Eric Horvitz, my friend at Microsoft.

Microsoft'ta çalışan Eric Horvitz adında bir arkadaşımdı.

So we did a study

Bunun üzerine biz bir çalışma yaptık

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

Hiperglisemisi olan normal insanların yazdığı

if they're having hyperglycemia,

50 kelime belirledik.

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

Örneğin "yorgunluk, iştah kaybı,

sık idrara çıkma, fazla idrar yapma--" gibi

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

üzgünüm ama bu yazılan şeylerden bir tanesi.

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

Böylelikle biz 50 ifade belirleyerek

onları "diyabet kelimeleri" olarak adlandırdık.

And we did first a baseline.

Biz ilk olarak alt sınırı belirledik.

And it turns out that about .5 to one percent

ve bu konuda tüm İnternet aramalarının

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

yüzde 0.5 ile biri arasında bu kelimelerden birini içerir.

So that's our baseline rate.

Böylelikler bu bizim alt sınır oranımız oldu.

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

Eğer insanlar "paroksetin veya paxil -- bunlar eş anlamlıdır--

and one of those words,

kelimelerinden birisini arattığında

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

diyabet kelimelerinin oranı yüzde ikiye yükselecektir.

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

Eğer, paroksetin kelimesinin olduğunu biliyorsanız,

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

eğer o kelime pravastatinse, oran alt sınırdan yüzde üçe yükselecektir.

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

Sorgulamada hem paroksetin hem de pravastatin varsa,

it goes up to 10 percent,

oran yüzde 10'a çıkacaktır.

a huge three- to four-fold increase

diyabet kelimeleri veya hiperglisemi kelimeleri içerisinde

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

ilgilendiğimiz bu iki ilaç ile ilgili

and diabetes-type words or hyperglycemia-type words.

oldukça büyük üç dört katlık bir artış.

We published this,

Bunu yayınladık

and it got some attention.

ve aksiyon aldık.

The reason it deserves attention

Aksiyon almamızın nedeni ise,

is that patients are telling us their side effects indirectly

araştırma süresince, hastalar bize

dolaylı yoldan yan etkilerini anlatmalarıydı.

through their searches.

We brought this to the attention of the FDA.

Bunu FDA dikkatine sunduk

They were interested.

ve onlar ilgilendiler.

They have set up social media surveillance programs

Microsoft ile ortaklaşa sosyal medya üzerinden

to collaborate with Microsoft,

oldukça iyi bir alt yapısı olan

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

Twitter aramalarına,

Facebook aramalarına

to look at Twitter feeds,

Araştırma loglarına bakmak için

to look at Facebook feeds,

anket programları kurarak,

to look at search logs,

ayrı ayrı veya birlikte ilaçların erken belirtilerini,

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

olası problemleri görmeye çalıştılar.

are causing problems.

Bundan ne çıkarmalıyım?

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

Neden bu hikayeyi anlattım?

İlk olarak,

Well, first of all,

Büyük ve orta ölçekli veriler

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

gerçekten temelde ilaç etkilerini,

to help us understand drug interactions

ilaç etkileşimlerini

and really, fundamentally, drug actions.

anlamamıza yardım etmektedir.

How do drugs work?

Bu ilaçlar nasıl işliyor?

This will create and has created a new ecosystem

Onlar, ilaçların işleyişi ve kullanımını anlamamız için

for understanding how drugs work and to optimize their use.

yeni bir ekosistem yarattı ve yaratacak.

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

Nick bu işe devam etti ve şuan Kolombiya'da profesör.

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

O doktorasını yüzlerce çift ilaçlar ile yaptı.

He found several very important interactions,

Pek çok önemli etkileşimler buldu

and so we replicated this

ilaç-ilaç etkileşimlerini bularak

and we showed that this is a way that really works

bunun bu şekilde işleyeceğini gösterdik.

for finding drug-drug interactions.

Fakat bir kaç şey var.

However, there's a couple of things.

Biz aynı zamanda ilaç çiftleri kullanmadık.

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

Daha önce belirttiğim gibi,

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

üç, beş, yedi , dokuz ilaç kullanan hastalar var.

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

Onların 9 yönlü etkileşimleri mi çalışıldı peki?

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

Evet, biz A ve B, A ve C , A ve D gibi ikililer yaparak çalıştık.

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

Peki aynı hasta tarafından

being taken by the same patient,

A, B,C, D, E, F, G hepsi alınırsa ne olur?

perhaps interacting with each other

Belki de her biri ötekiyle etkileşerek

in ways that either makes them more effective or less effective

diğerlerini daha etkili yapabilir veya etkisini azaltabilir.

or causes side effects that are unexpected?

veya beklenmedik yan etkiler oluşabilir?

We really have no idea.

Gerçekten bir fikrimiz yok.

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

Açık mavi gökyüzü ve dataları kullanmamız ve onların

to try to understand the interaction of drugs.

etkileşimlerini anlamaya çalışmamız için ucu açık bir alan.

Two more lessons:

2 önemli nokta:

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

yaratmaya çalıştığımız gücü düşünmenizi istiyorum.

with the data from people who had volunteered their adverse reactions

Eczacılar, kendileri, doktorları aracılığıyla

through their pharmacists, through themselves, through their doctors,

gönüllü olan insanlardaki yan etki datalarını

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

Stanford, Harvard, Vanderbilt'deki verileri araştırma için

to be used for research.

kullanmamızı sağlayan insanları.

People are worried about data.

insanlar veriler için kaygı duyuyorlar.

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

Gizlilikleri ve güvenlikleri hakkında

endişeleniyorlar ki endişelenmeliler de.

We need secure systems.

Güvenlik sistemlerine ihtiyacımız var.

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

Fakat, verileri gizleyebilecek bir sisteme sahip değiliz.

because it is too rich of a source

Çünkü, tıpta yeni şeylerin

of inspiration, innovation and discovery

ilham, yenilik ve keşfi için

for new things in medicine.

oldukça pahalı bir kaynak.

And the final thing I want to say is,

Son olarak şunu söylemek istiyorum.

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

Bu durumda, biraz üzücü bir hikaye oldu ancak

The two drugs actually caused problems.

aslında çeşitli problemlere sebep olan iki ilaç bulduk.

They increased glucose.

Bu ilaçlar glukozu yükselterek,

They could throw somebody into diabetes

kişinin diyabet olmasına neden olabiliyorlar.

who would otherwise not be in diabetes,

Diyabet olmayanlar ise,

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

bu iki ilacı beraber dikkatli bir şekilde kullanmalılar.

perhaps not together,

Belki beraber kullanmamalı

make different choices when you're prescribing.

reçete edilirken, farklı seçimler yapabilirsiniz.

But there was another possibility.

Fakat bir başka alternatif daha vardı.

We could have found two drugs or three drugs

Biz iki veya üç ilacın

that were interacting in a beneficial way.

olumlu yönde etkileşimleri bulduk,

We could have found new effects of drugs

ilaçların yeni etkileşimlerini bulduk.

that neither of them has alone,

Hiç bir ilaç tek başına yan etki yaratmazken,

but together, instead of causing a side effect,

beraber alındığında yan etkilere sebep olmaktadır.

they could be a new and novel treatment

Bu, tedavisi olmayan veya

for diseases that don't have treatments

etkili bir tedavi bulunmayan hastalıklar için,

or where the treatments are not effective.

değişik ve yeni bir tedavi yöntemi olabilir.

If we think about drug treatment today,

Bugünki ilaç tedavilerini düşünecek olursak,

all the major breakthroughs --

tüm yeni buluşları--

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

örneğin HIV, tüberküloz, depresyon, diyabet--

it's always a cocktail of drugs.

Her zaman bir ilaç kokteyilidir.

And so the upside here,

Ve işte başka ve farklı bir günde

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

farklı bir yönden TED Talk konusu:

is how can we use the same data sources

Hastalarımıza daha iyi bakmak için,

to find good effects of drugs in combination

bize yeni tedaviler,

that will provide us new treatments,

yeni bakış açıları sağlayacak kombine

new insights into how drugs work

ilaçların iyi etkilerini bulmak için

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

aynı veri kaynaklarını nasıl kullanabiliriz?

Thank you very much.

Çok teşekkürler!

(Applause)

(alkış)