What really happens when you mix medications? | Russ Altman

Translator: Phương Thanh Vũ Reviewer: Mỹ Bùi

So you go to the doctor and get some tests.

Bạn đến khám bác sĩ và làm một số xét nghiệm.

The doctor determines that you have high cholesterol

Bác sĩ kết luận rằng bạn bị mỡ máu (cholesterol) cao

and you would benefit from medication to treat it.

và sẽ cần dùng thuốc để điều trị.

So you get a pillbox.

Vậy nên bạn mua một hộp thuốc.

You have some confidence,

Bạn tin vào nó,

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

bác sĩ của bạn cũng tin rằng loại thuốc này sẽ có tác dụng

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

Công ty sáng chế ra loại thuốc đó đã làm nhiều nghiên cứu, nộp lên FDA

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

FDA xem xét nó rất kỹ càng và rồi phê chuẩn.

They have a rough idea of how it works,

Họ nắm sơ sơ về công dụng của nó,

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

cũng như tác dụng phụ

It should be OK.

Mọi thứ chắc là ổn.

You have a little more of a conversation with your physician

Bạn nói chuyện thêm với bác sĩ của mình

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

và bác sĩ của bạn hơi lo lắng khi thấy bạn có vẻ buồn chán,

haven't felt like yourself,

bạn cảm thấy như không còn là chính mình,

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

và không thể tận hưởng niềm vui cuộc sống như trước.

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

Bác sĩ của bạn nói: "Tôi nghĩ bạn đang bị trầm cảm."

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

Tôi sẽ phải kê cho bạn một loại thuốc khác.

So now we're talking about two medications.

Vậy là tổng cộng bạn sẽ dùng hai loại thuốc.

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

Loại thuốc này -- hàng triệu người đã dùng,

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

công ty đã tiến hành nhiều nghiên cứu, FDA đã xem xét nó -- tất cả đều ổn.

Think things should go OK.

Hãy yên tâm rằng mọi thứ sẽ ổn.

Think things should go OK.

Hãy yên tâm rằng mọi thứ sẽ ổn.

Well, wait a minute.

Dừng lại một chút,

How much have we studied these two together?

Chúng ta đã nghiên cứu việc kết hợp hai loại thuốc này với nhau?

Well, it's very hard to do that.

Để làm điều đó rất khó

In fact, it's not traditionally done.

Thực ra, trước giờ người ta ít làm điều này

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

Chúng ta hoàn toàn dựa vào cái gọi là "giám sát sau tiếp thị,"

after the drugs hit the market.

sau khi thuốc được đưa ra thị trường.

How can we figure out if bad things are happening

Làm sao để biết sẽ có điều tồi tệ xảy ra

between two medications?

khi kết hợp hai loại thuốc?

Three? Five? Seven?

Hay thậm chí là ba? năm? bảy loại?

Ask your favorite person who has several diagnoses

Hãy hỏi một người bạn đang có nhiều chẩn đoán bệnh khác nhau

how many medications they're on.

xem họ dùng bao nhiêu loại thuốc.

Why do I care about this problem?

Tại sao tôi lại quan tâm vấn đề này?

I care about it deeply.

Tôi quan tâm sâu sắc đến nó.

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

Là dân tin học và khoa học dữ liệu, theo tôi,

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

hy vọng duy nhất -- thực sự duy nhất -- để hiểu được những mối tương tác này

is to leverage lots of different sources of data

là tận dụng tối đa các nguồn dữ liệu khác nhau

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

để có thể tìm ra các loại thuốc nào khi được kết hợp với nhau là an toàn

and when it's not so safe.

và khi nào không an toàn.

So let me tell you a data science story.

Cho phép tôi kể một câu chuyện trong ngành khoa học dữ liệu.

And it begins with my student Nick.

Câu chuyện bắt đầu với một sinh viên của tôi, Nick.

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

Hãy gọi cậu ấy là "Nick," vì đó là tên cậu ấy.

(Laughter)

(Tiếng cười)

Nick was a young student.

Nick là một sinh viên trẻ.

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

Tôi nói, " Nick, chúng ta phải hiểu tác dụng của các loại thuốc,

and how they work together and how they work separately,

việc chúng hoạt đông như thế nào và sẽ ra sao khi chúng kết hợp với nhau

and we don't have a great understanding.

mà chúng ta lại chưa hiểu kĩ được nó

But the FDA has made available an amazing database.

Nhưng FDA đã tạo ra một cơ sở dữ liệu tuyệt vời.

It's a database of adverse events.

Cơ sở dữ liệu bao gồm những trường hợp "có phản ứng xấu".

They literally put on the web --

Họ đưa lên mạng --

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

có sẵn cho công chúng, bạn có thể tải nó xuống ngay lúc này --

hundreds of thousands of adverse event reports

hàng trăm ngàn báo cáo về các trường hợp phản ứng xấu với thuốc

from patients, doctors, companies, pharmacists.

từ bệnh nhân, bác sĩ, công ty, dược sĩ.

And these reports are pretty simple:

Các báo cáo này thường khá ngắn gọn:

it has all the diseases that the patient has,

nó bao gồm toàn bộ bệnh lý của bệnh nhân

all the drugs that they're on,

toàn bộ thuốc họ đang dùng,

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

và toàn bộ phản ứng có hại, hoặc tác dụng phụ, mà họ gặp phải.

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

Tuy đó chưa phải tất cả trường hợp phản ứng xấu với thuốc xảy ra tại Mỹ hiện nay,

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

nhưng cũng là hàng trăm ngàn loại thuốc.

So I said to Nick,

Vậy nên tôi đã nói với Nick,

"Let's think about glucose.

"Hãy nghĩ về đường (glucose)

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

Glucose rất quan trọng, và chúng ta biết nó liên hệ đến tiểu đường.

Let's see if we can understand glucose response.

Hãy xem liệu chúng ta có thể hiểu được phản ứng của glucose hay không.

I sent Nick off. Nick came back.

Tôi đã cử Nick đi. Nick đã quay lại.

"Russ," he said,

"Thầy Russ," cậu ấy nói,

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

"Tôi đã làm ra máy phân loại có thể tìm ra tác dụng phụ của một loại thuốc

based on looking at this database,

dựa vào việc xem xét cơ sở dữ liệu này,

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

và có thể cho ông biết liệu loại thuốc đó có thay đổi glucose hay không."

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

Cậu ấy đã thành công. Nó rất đơn giản, trong chừng mực nào đó

He took all the drugs that were known to change glucose

Cậu ta lấy toàn bộ thuốc được biết là có thể thay đổi glucose

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

và một vài loại thuốc không thay đổi glucose,

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

và nói, "Sự khác biệt trong tác dụng phụ của chúng là gì?

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

Khác biệt ở sự mệt mỏi? Thèm ăn? Hay thói quen về tiểu tiện?"

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

Kết hợp những điều đó đưa đến một phỏng đoán thực sự ấn tượng.

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

Cậu ta nói, "Thầy ạ, em có thể dự đoán chính xác đến 93%

when a drug will change glucose."

việc một loại thuốc có thay đổi glucose hay không."

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

Tôi bảo, "Nick, điều đó thật tuyệt."

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

Cậu ấy là một sinh viên trẻ, bạn cần gây dựng sự tự tin cho cậu ấy.

"But Nick, there's a problem.

"Nhưng Nick à, có một vấn đề.

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

Là mọi bác sĩ trên thế giới đều biết tất cả loại thuốc làm thay đổi glucose,

because it's core to our practice.

bởi đó là cái cốt lõi trong công việc của chúng ta.

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

Vậy, cậu đã làm được một điều tuyệt vời nhưng không thật sự thú vị lắm.

definitely not publishable."

chắc chắn chưa thể công bố được.

(Laughter)

(Tiếng cười)

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

Cậu ấy nói, "Em biết, thưa thầy. em cũng đoán là thầy sẽ nói vậy."

Nick is smart.

Nick rất thông minh.

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

"Em đoán thầy sẽ nói vậy, nên em đã làm một thí nghiệm khác.

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

Em xem trong cơ sở dữ liệu thông tin những người đang dùng hai loại thuốc,

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

và em tìm những dấu hiệu giống nhau, dấu hiệu về sự thay đổi glucose,

for people taking two drugs,

đối với những người đang dùng hai loại thuốc,

where each drug alone did not change glucose,

mà nếu dùng riêng lẻ sẽ không thay đổi glucose

but together I saw a strong signal."

nhưng khi kết hợp với nhau thì xuất hiện một dấu hiệu mạnh."

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

Và tôi nói, "Ồ! Cậu rất thông minh. Ý hay đó. Đưa tôi xem danh sách."

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

Và có hàng tá loại thuốc trong đó, không mấy thú vị.

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

Nhưng điều làm tôi chú ý là trong danh sách đó, có hai loại thuốc:

paroxetine, or Paxil, an antidepressant;

paroxetine, hay còn gọi là Paxil, một loại thuốc chữa trầm cảm;

and pravastatin, or Pravachol, a cholesterol medication.

và pravastatin, hay Pravachol, một loại thuốc điều trị mỡ máu cao.

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

Và tôi nói, "Ừm. Có hàng triệu người Mỹ đang dùng hai loại thuốc này."

In fact, we learned later,

Trên thực tế, sau đó chúng tôi biết rằng,

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

15 triệu người Mỹ hiện dùng paroxetin, 15 triệu người dùng pravastatin,

and a million, we estimated, on both.

và theo chúng tôi ước tính, 1 triệu người đang sử dụng cả hai loại.

So that's a million people

Nó có nghĩa rằng có tới 1 triệu người

who might be having some problems with their glucose

sẽ gặp phải một vài vấn đề với chỉ số đường huyết (glucose) của mình

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

nếu như cái mớ kết quả khó đọc mà cậu ấy làm với cơ sở dữ liệu FDA này

actually holds up.

thật sự đúng.

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

Nhưng tôi nói, "Nó vẫn không thể được công bố,

because I love what you did with the mumbo jumbo,

bởi tôi thích những gì cậu làm với cái mớ bòng bong,

with the machine learning,

với máy móc,

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

nhưng đó chưa thật sự là một chứng cứ đủ thuyết phục."

So we have to do something else.

Vậy nên, chúng ta phải thực hiện một vài nghiên cứu khác.

Let's go into the Stanford electronic medical record.

Hãy xem xét hồ sơ bệnh án điện tử của Stanford.

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

Chúng ta có một bản sao đủ để nghiên cứu,

we removed identifying information.

chúng ta bỏ qua những thông tin cá nhân.

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

Và tôi nói, "Hãy xem thử xem liệu những người đang dùng hai loại thuốc

have problems with their glucose."

có gặp vấn đề với chỉ số đường huyết của họ không."

Now there are thousands and thousands of people

Có hàng ngàn người

in the Stanford medical records that take paroxetine and pravastatin.

trong hồ sơ y tế điện tử Stanford dùng thuốc paroxetine và pravastin.

But we needed special patients.

Nhưng chúng ta cần những bệnh nhân đặc biệt.

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

Chúng ta cần 1 người đã dùng 1 loại thuốc và được kiểm tra glucose,

then got the second one and had another glucose measurement,

sau đó dùng thêm loại thuốc còn lại, rồi được kiểm tra glucose,

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

2 quá trình diễn ra trong một khoảng thời gian hợp lý - cỡ hai tháng.

And when we did that, we found 10 patients.

Và chúng tôi tìm được 10 bệnh nhân như vậy.

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

Tuy nhiên, 8/10 người có sự bất ổn trong chỉ số đường huyết của mình

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

khi họ uống P thứ hai -- chúng tôi gọi hai loại thuốc là P và P --

when they got the second P.

khi họ uống loại P thứ hai.

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

Loại nào cũng có thể dùng trước, cái thứ hai là cái còn lại,

glucose went up 20 milligrams per deciliter.

glucose tăng lên 20 mg/dL.

Just as a reminder,

Nhắc 1 chút là

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

nếu bạn không bị tiểu đường,

with a glucose of around 90.

lượng glucose vào khoảng 90.

And if it gets up to 120, 125,

Và nếu như nó lên tới 120, 125,

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

bác sĩ của bạn bắt đầu nghĩ về nguy cơ tiểu đường.

So a 20 bump -- pretty significant.

Vậy giờ tăng lên thêm 20 -- khá đáng kể.

I said, "Nick, this is very cool.

Tôi nói, "Nick, điều này hay đó.

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

Nhưng, tôi rất tiếc, vẫn chưa làm thành bài báo khoa học được

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

vì vừa rồi chỉ là 10 bệnh nhân-

it's not enough patients."

số bệnh nhân đó là quá ít.

So we said, what can we do?

Nên chúng tôi tự hỏi, chúng ta có thể làm gì?

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

À đúng rồi, hãy tham khảo bạn bè của chúng ta tại Harvard và Vanderbilt,

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

-- Harvard ở Boston, Vanderbilt ở Nashville,

who also have electronic medical records similar to ours.

họ cũng có hồ sơ bệnh án điện tử tương tự như của chúng ta.

Let's see if they can find similar patients

Hãy xem thử liệu họ có thể tìm được những bệnh nhân tương tự

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

với một loại P, và loại P còn lại, đo lượng glucose

in that range that we need.

trong phạm vi chúng ta cần.

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

Ơn Chúa, trong một tuần, Vanderbilt đã tìm được 40 bệnh nhân như vậy,

same trend.

cùng chiều hướng.

Harvard found 100 patients, same trend.

Harvard tìm ra 100 bệnh nhân, cùng chiều hướng.

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

Nên cuối cùng, chúng tôi có 150 bệnh nhân từ 3 trung tâm y tế khác nhau

that were telling us that patients getting these two drugs

giúp chúng tôi biết rằng các bệnh nhân, khi sử dụng hai loại thuốc này,

were having their glucose bump somewhat significantly.

bị gia tăng đáng kể lượng đường glucose.

More interestingly, we had left out diabetics,

Thú vị hơn, chúng tôi loại ra những người mắc bệnh tiểu đường,

because diabetics already have messed up glucose.

vì chỉ số glucose của họ đã có vấn đề rồi.

When we looked at the glucose of diabetics,

Khi chúng tôi nghiên cứu chỉ số đường glucose của các bệnh nhân tiểu đường

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

nó gia tăng tới 60 mg/dl, không phải chỉ là 20

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

Đây là vấn đề đáng quan ngại, "Chúng ta phải công bố điều này" chúng tôi nói.

We submitted the paper.

Chúng tôi nộp báo cáo khoa học.

It was all data evidence,

Tất cả dữ liệu, chứng cứ,

data from the FDA, data from Stanford,

từ FDA, từ Stanford,

data from Vanderbilt, data from Harvard.

từ Vanderbilt, từ Harvard.

We had not done a single real experiment.

Chúng tôi chưa làm thí nghiệm nào cả.

But we were nervous.

Nhưng chúng tôi không thật an tâm.

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

Cho nên, Nick, trong quá trình thu thập tài liệu, đi tới phòng thí nghiệm.

We found somebody who knew about lab stuff.

Chúng ta phải nhờ ai đó quen sử dụng các thiết bị trong phòng thí nghiệm.

I don't do that.

Chứ tôi không quen với việc đó.

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

Tôi chăm sóc người bệnh nhưng tôi không biết làm thí nghiệm.

They taught us how to feed mice drugs.

Họ chỉ cho chúng tôi cách làm thí nghiệm thuốc trên chuột.

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

Chúng tôi bắt những con chuột, cho chúng dùng một loại P, paxil.

We gave some other mice pravastatin.

Chúng tôi cho một vài con khác dùng pravastatin.

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

Và chúng tôi cho một vài con khác nữa dùng cả hai loại thuốc.

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

Quan sát và nhận ra, glucose tăng từ 20 lên đến 60 ml/dl

in the mice.

với lũ chuột.

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

Cuối cùng, bản báo cáo được chuẩn nhận dựa trên các dữ liệu có được,

but we added a little note at the end,

nhưng chúng tôi có thêm vào một lưu ý nhỏ vào lúc cuối,

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

rằng, nếu bạn cho lũ chuột dùng những thứ này, glucose sẽ tăng.

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

Điều đó thật tuyệt, và câu chuyện đáng lẽ có thể kết thúc ở đó

But I still have six and a half minutes.

Nhưng dù gì tôi vẫn còn 6 phút rưỡi nữa.

(Laughter)

(Tiếng cười)

So we were sitting around thinking about all of this,

Vì thế, chúng tôi ngồi lại với nhau, cùng bàn luận về những gì đang diễn ra

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

Tôi không nhớ rõ ai nói điều này, nhưng có ai đó phát biểu,

"I wonder if patients who are taking these two drugs

"Tôi băn khoăn liệu các bệnh nhân đang dùng 2 loại thuốc này

are noticing side effects of hyperglycemia.

có biết về các tác dụng phụ của hyperglycemia (một dạng tiểu đường)

They could and they should.

Họ có thể và họ nên lưu tâm.

How would we ever determine that?"

Làm thế nào chúng ta xác định được điều đó?"

We said, well, what do you do?

Ồ, ý kiến hay quá, bạn sẽ làm gì nào?

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

Bạn đang sử dụng thuốc tây, một hay hai loại mới,

and you get a funny feeling.

và bạn có cảm giác là lạ.

What do you do?

Bạn sẽ làm gì?

You go to Google

Bạn truy cập Google

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

gõ tên 2 loại hay 1 loại thuốc mà bạn đang dùng

and you type in "side effects."

sau đó gõ thêm dòng "tác dụng phụ."

What are you experiencing?

Bạn sẽ có được những gì?

So we said OK,

Vì thế, chúng tôi nói: được rồi,

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

Hỏi Google xem họ có chia sẻ lịch sử tìm kiếm của họ cho chúng ta,

so that we can look at the search logs

để chúng ta nhìn vào kết quả tìm kiếm

and see if patients are doing these kinds of searches.

và xem liệu các bệnh nhân có tìm kiếm những thông tin này không.

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

Rất tiếc, Google từ chối yêu cầu của chúng tôi.

So I was bummed.

Điều đó làm tôi choáng.

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

Tôi dùng bữa tối với một đồng nghiệp đang làm việc cho Microsolf Research

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

Tôi nói, "Chúng tôi muốn nghiên cứu,

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

Google từ chối, thật là khó chịu."

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

Anh ta nói: "Ồ, chúng tôi có Bing này."

(Laughter)

(Tiếng cười)

Yeah.

Đúng rồi.

That's great.

Tuyệt vời.

Now I felt like I was --

Khi đó, tôi cảm giác như thể tôi --

(Laughter)

(Tiếng cười)

I felt like I was talking to Nick again.

như thể tôi đang nói chuyện lại với Nick.

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

Anh này làm cho một trong những công ty lớn nhất thế giới,

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

và tôi đã cố làm cho anh ta cảm thấy tốt hơn.

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

Nhưng anh ấy nói, "Không, Russ -- có lẽ anh chưa hiểu.

We not only have Bing searches,

Chúng ta đâu chỉ có Bing,

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

nhưng nếu anh dùng IE để tìm kiếm với Google,

Yahoo, Bing, any ...

Yahoo, Bing, hay bất cứ công cụ tìm kiếm nào ....

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

Thì trong vòng 18 tháng, chúng tôi lưu trữ các dữ liệu đó cho mục đích nghiên cứu."

I said, "Now you're talking!"

Tôi vui mừng nói, "Phải thế chứ."

This was Eric Horvitz, my friend at Microsoft.

Đó là Eric Horvitz, một người bạn của tôi ở Microsolf.

So we did a study

Chúng tôi thực hiện một nghiên cứu

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

qua đó, chúng tôi xác định 50 từ mà một người thường dùng

if they're having hyperglycemia,

khi họ có vấn đề về chỉ số glucose trong máu cao (hyperglycemia)

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

như là "mệt mỏi", "chán ăn," "hay đi vệ sinh","tiểu rất nhiều"

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

thứ lỗi cho tôi, nhưng đó là những thứ mà bạn có thể sẽ gõ.

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

Thế là chúng tôi đúc kết 50 cụm từ mà chúng tôi gọi là "từ khóa tiểu đường."

And we did first a baseline.

Rồi chúng tôi tạo ra mốc tối thiểu.

And it turns out that about .5 to one percent

Hóa ra là khoảng 0.5 - 1%

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

trong số các tìm kiếm trên Internet có một trong những từ khóa đó.

So that's our baseline rate.

Vậy nên đó sẽ là mốc tối thiểu của chúng tôi.

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

Nếu người ta gõ "paroxetine" hay "Paxi" -- thì xem như một từ --

and one of those words,

và tương ứng với 1 từ trong nhóm từ khóa của chúng tôi

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

tỉ lệ sẽ là khoảng 2% trong số các từ khóa về bệnh tiểu đường.

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

nếu bạn đã biết có từ "paroxetine" đó.

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

Nếu đó là "pravastatin," tỉ lệ sẽ là khoảng 3% so với mốc tối thiểu.

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

Nếu cả "paroxetine" và "pravastatin" cùng được sử dụng,

it goes up to 10 percent,

tỉ lệ đó sẽ là 10%,

a huge three- to four-fold increase

tăng lên khoảng 3-4 lần

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

với những tìm kiếm liên quan tới 2 loại thuốc mà chúng ta quan tâm,

and diabetes-type words or hyperglycemia-type words.

và các từ khóa về tiểu đường hay hyperglycemia.

We published this,

Chúng tôi công bố điều này,

and it got some attention.

và thu hút ít nhiều quan tâm.

The reason it deserves attention

Lí do nó thu hút sự quan tâm

is that patients are telling us their side effects indirectly

đó là các bệnh nhân vô tình cho chúng tôi biết các tác dụng phụ của họ

through their searches.

khi họ tìm kiếm.

We brought this to the attention of the FDA.

Chúng tôi thông báo điều đó cho FDA.

They were interested.

Họ rất quan tâm.

They have set up social media surveillance programs

Họ xúc tiến chương trình giám sát truyền thông xã hội

to collaborate with Microsoft,

để cộng tác với Microsoft,

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

nơi có cở sở hạ tầng tốt để thực hiện điều này, và vài thứ khác,

to look at Twitter feeds,

để theo dõi các thông tin từ Twitter,

to look at Facebook feeds,

theo dõi các thông tin từ Facebook,

to look at search logs,

để nhìn vào các lịch sử tìm kiếm

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

nhằm phát hiện sớm các dấu hiệu mà thuốc, được dùng độc lập hay kết hợp,

are causing problems.

đang gây ra vấn đề cho bệnh nhân.

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

Tôi có được gì từ điều này? Sao tôi lại kể câu chuyện này?

Well, first of all,

Ồ, trước nhất,

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

Đây là triển vọng về việc khai thác các cơ sở dữ liệu lớn và trung

to help us understand drug interactions

để hiểu các tương tác giữa các loại thuốc với nhau,

and really, fundamentally, drug actions.

và tác dụng của thuốc một cách chính xác nhất

How do drugs work?

Các loại thuốc hoạt động như thế nào?

This will create and has created a new ecosystem

Điều này đang và sẽ tạo ra một hệ sinh thái mới

for understanding how drugs work and to optimize their use.

để nắm rõ cách thế hoạt động của thuốc, và tối ưu hóa công dụng của thuốc.

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

Nick ngày càng thăng tiến; cậu ấy giờ là giáo sư tại Columbia.

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

Cậu ấy thực hiện công trình này cho luận án tiến sĩ trên hàng trăm cặp thuốc.

He found several very important interactions,

Cậu ấy phát hiện một vài tương tác rất quan trọng,

and so we replicated this

do đó, chúng tôi lặp lại nó.

and we showed that this is a way that really works

và chỉ rõ đây mới là phương pháp hiệu quả

for finding drug-drug interactions.

để tìm ra tương tác giữa thuốc với thuốc.

However, there's a couple of things.

Tuy nhiên, còn đó một vài vấn đề.

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

Chúng tôi không hoàn toàn chỉ dùng 2 loại thuốc một lần.

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

Như tôi đã đề cập, có nhiều bệnh nhân dùng 3, 5, 7, hay 9 loại thuốc.

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

Đã có nghiên cứu nghiêm túc nào trên tương tác của 9 loại thuốc chưa?

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

Vâng, chúng ta có thể theo cặp, A và B, A và C, A và D

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

nhưng còn kết hợp cả A, B, C, D, E, F, G

being taken by the same patient,

mà bệnh nhân đó dùng thì sao?

perhaps interacting with each other

và có lẽ dùng kết hợp các loại thuốc này

in ways that either makes them more effective or less effective

theo cái cách mà có thể dẫn đến hiệu quả hơn hay giảm hiệu quả đi

or causes side effects that are unexpected?

hay thậm chí đưa đến các tác dụng phụ không lường trước?

We really have no idea.

Thực sự, chúng tôi chưa trả lời được.

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

Đó là cả một bầu trời xanh thẳm trước mặt, chờ đợi chúng ta sử dụng các dữ liệu

to try to understand the interaction of drugs.

để hiểu tương tác giữa các loại thuốc với nhau.

Two more lessons:

2 bài học nữa:

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

Tôi muốn nghĩ về sức mạnh mà chúng ta có thể tạo ra

with the data from people who had volunteered their adverse reactions

với dữ liệu từ những người sẵn sàng cho biết các phản ửng thuốc có hại của họ

through their pharmacists, through themselves, through their doctors,

qua dược sĩ của họ, qua chính họ, qua bác sĩ của họ,

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

những người góp phần của mình vào dữ liệu của Stanford, Harvard, Vanderbilt,

to be used for research.

vào việc nghiên cứu.

People are worried about data.

Người ta đang quan ngại về dữ liệu.

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

Họ lo về quyền riêng tư và sự an toàn của họ -- họ lo là đúng.

We need secure systems.

Chúng ta cần các hệ thống bảo mật.

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

Chứ không phải một hệ thống ngăn chặn dữ liệu,

because it is too rich of a source

bởi vì đây là một nguồn vô cùng quý giá

of inspiration, innovation and discovery

khơi nguồn hứng khởi, sáng tạo và tìm tòi

for new things in medicine.

cho các phát kiến mới trong ngành y.

And the final thing I want to say is,

Điều cuối cùng tôi muốn nói là

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

Trong trường hợp này, chúng ta tìm ra 2 loại thuốc và thật đáng buồn là

The two drugs actually caused problems.

2 loại thuốc đó gây ra nhiều vấn đề.

They increased glucose.

Chúng làm tăng lượng glucose.

They could throw somebody into diabetes

Chúng có thể khiến người ta bị tiểu đường

who would otherwise not be in diabetes,

mà nếu không uống chúng người ta đã không bị,

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

vì thế, bạn cần hết sức cẩn thận khi sử dụng 2 loại thuốc này

perhaps not together,

có lẽ đừng nên uống cùng lúc,

make different choices when you're prescribing.

hoặc tìm loại thuốc khác khi kê toa

But there was another possibility.

Nhưng có một khả năng khác.

We could have found two drugs or three drugs

Chúng ta có thể tìm 2 hay 3 loại thuốc

that were interacting in a beneficial way.

bổ trợ tốt cho nhau.

We could have found new effects of drugs

Chúng ta có thể tìm các tác dụng mới của thuốc

that neither of them has alone,

mà nếu dùng độc lập sẽ không có,

but together, instead of causing a side effect,

nhưng cùng nhau, sẽ sinh ra các tác dụng phụ

they could be a new and novel treatment

đó có thể là một cách điều trị mới và tuyệt vời

for diseases that don't have treatments

cho những căn bệnh nan y không có thuốc chữa

or where the treatments are not effective.

hay những căn bệnh chưa có thuốc chữa chưa hiệu quả.

If we think about drug treatment today,

Khi suy nghĩ về thuốc trị bệnh ngày nay,

all the major breakthroughs --

tất cả những đột phá --

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

bất kể là điều trị HIV, lao phổi, trầm cảm, hay tiểu đường

it's always a cocktail of drugs.

nó luôn đòi hỏi phải kết hợp nhiều loại thuốc.

And so the upside here,

Một mặt tốt nữa,

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

và cũng là chủ đề cho một bài nói chuyện khác ở TED,

is how can we use the same data sources

là làm thế nào chúng ta sử dụng các nguồn dữ liệu giống nhau

to find good effects of drugs in combination

để tìm ra các tác dụng tốt khi dùng kết hợp thuốc

that will provide us new treatments,

qua đó, giúp chúng ta tìm ra những cách điều trị mới

new insights into how drugs work

cũng như sự am tường về tác dụng của thuốc

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

từ đó, giúp chúng ta chăm sóc bệnh nhân của chúng ta tốt hơn?

Thank you very much.

Cảm ơn mọi người.

(Applause)

(Vỗ tay)