I'm a cancer doctor, and I walked out of my office and walked by the pharmacy in the hospital three or four years ago, and this was the cover of Fortune magazine sitting in the window of the pharmacy.
Ik ben kankerarts en ik liep drie of vier jaar geleden van mijn kantoor langs de apotheek in het ziekenhuis, en zag daar de cover van het tijdschrift Fortune achter het raam van de apotheek.
And so, as a cancer doctor, you look at this, and you get a little bit downhearted. But when you start to read the article by Cliff, who himself is a cancer survivor, who was saved by a clinical trial where his parents drove him from New York City to upstate New York to get an experimental therapy for -- at the time -- Hodgkin's disease, which saved his life, he makes remarkable points here. And the point of the article was that we have gotten reductionist in our view of biology, in our view of cancer. For the last 50 years, we have focused on treating the individual gene in understanding cancer, not in controlling cancer.
Als je als kankerarts hiernaar kijkt geraak je er een beetje van in de put. Maar wanneer je het artikel van Cliff begint te lezen, die zelf kanker heeft overleefd, en gered werd door een klinische test, doordat zijn ouders hem vanuit New York City naar het Noorden brachten voor experimentele therapie - op dat moment - de ziekte van Hodgkin, wat zijn leven heeft gered. Hij doet hier opmerkelijke uitspraken. En het punt van het artikel was dat we te reductionistisch waren geworden in onze kijk op biologie, in onze kijk op kanker. De laatste 50 jaar hebben we ons gericht op de behandeling van het individuele gen, op het begrijpen van kanker, niet op de controle van kanker.
So, this is an astounding table. And this is something that sobers us in our field everyday in that, obviously, we've made remarkable impacts on cardiovascular disease, but look at cancer. The death rate in cancer in over 50 years hasn't changed. We've made small wins in diseases like chronic myelogenous leukemia, where we have a pill that can put 100 percent of people in remission, but in general, we haven't made an impact at all in the war on cancer.
Dit is een verbazingwekkende tabel. En dit is iets dat ons in ons onderzoeksgebied dagelijks ontnuchtert want we zien een duidelijke vooruitgang op gebied van hart-en vaatziekten. Maar kijk eens naar kanker. Het sterftecijfer bij kanker is in meer dan 50 jaar niet veranderd. We hebben kleine overwinningen geboekt voor ziekten als chronische myeloïde leukemie, waar we een pil hebben die 100 procent van de mensen kan genezen. Maar in het algemeen hebben we in de oorlog tegen kanker niet veel terrein gewonnen.
So, what I'm going to tell you today, is a little bit of why I think that's the case, and then go out of my comfort zone and tell you where I think it's going, where a new approach -- that we hope to push forward in terms of treating cancer. Because this is wrong.
Dus ga ik vandaag vertellen wat ik denk dat daarvan de reden is om vervolgens het bekende gebied te verlaten en u te vertellen waar ik denk dat het naartoe gaat met een nieuwe aanpak - en we hopen snel - voor de behandeling van kanker. Want nu gaat het verkeerd.
So, what is cancer, first of all? Well, if one has a mass or an abnormal blood value, you go to a doctor, they stick a needle in. They way we make the diagnosis today is by pattern recognition: Does it look normal? Does it look abnormal?
Dus, wat is kanker, in de eerste plaats? Nou, als iemand een gezwel heeft of een abnormale bloedwaarde, gaat hij naar een arts. Ze steken er een naald in. Vandaag de dag stellen we de diagnose door patroonherkenning. Ziet het er normaal uit? Ziet het er abnormaal uit?
So, that pathologist is just like looking at this plastic bottle. This is a normal cell. This is a cancer cell. That is the state-of-the-art today in diagnosing cancer. There's no molecular test, there's no sequencing of genes that was referred to yesterday, there's no fancy looking at the chromosomes. This is the state-of-the-art and how we do it.
Dus, wat die patholoog doet is net als kijken naar deze plastic fles. Dit is een normale cel. Dit is een kanker cel. Dat is vandaag de stand van zaken in de diagnose van kanker. Er bestaat geen moleculaire test. Ook geen genensequencering waar gisteren werd naar verwezen. Ook geen gesofistikeerd onderzoek van chromosomen. Dit is de stand van zaken van hoe we het doen.
You know, I know very well, as a cancer doctor, I can't treat advanced cancer. So, as an aside, I firmly believe in the field of trying to identify cancer early. It is the only way you can start to fight cancer, is by catching it early. We can prevent most cancers. You know, the previous talk alluded to preventing heart disease. We could do the same in cancer. I co-founded a company called Navigenics, where, if you spit into a tube -- and we can look look at 35 or 40 genetic markers for disease, all of which are delayable in many of the cancers -- you start to identify what you could get, and then we can start to work to prevent them. Because the problem is, when you have advanced cancer, we can't do that much today about it, as the statistics allude to.
U en ik weten heel goed dat je kanker in een vergevorderd stadium niet kan behandelen. Daarom geloof ik stellig in het belang van het onderzoek naar de vroege identificatie van kanker. De enige manier om kanker beginnen te bestrijden, is door hem in een vroeg stadium te ondervangen. We kunnen de meeste kankers voorkomen. De vorige lezing ging over het voorkomen van hart- en vaatziekten. We kunnen hetzelfde doen met kanker. Ik ben mede-oprichter van een bedrijf genaamd Navigenics, waar, als je in een buis spuugt, we kunnen zoeken naar 35 of 40 genetische merkers voor de ziekte, die veel van de kankers kunnen uitstellen. Je begint met identificeren wat je kan krijgen, en dan kunnen we proberen ze te voorkomen. Omdat we vandaag aan geavanceerde kankers niet erg veel kunnen doen, zoals de statistieken aantonen.
So, the thing about cancer is that it's a disease of the aged. Why is it a disease of the aged? Because evolution doesn't care about us after we've had our children. See, evolution protected us during our childbearing years and then, after age 35 or 40 or 45, it said "It doesn't matter anymore, because they've had their progeny." So if you look at cancers, it is very rare -- extremely rare -- to have cancer in a child, on the order of thousands of cases a year. As one gets older? Very, very common.
Kanker is een ouderdomsziekte. Waarom is dat zo? Omdat de evolutie niet met ons inzit nadat we onze kinderen hebben gekregen. Evolutie beschermde ons tijdens onze vruchtbare jaren, en vervolgens, na de leeftijd van 35 of 40 of 45, vindt ze dat het er niet meer op aan komt, omdat we ons nageslacht hebben gekregen. Dus als je kijkt naar vormen van kanker, is het zeer, zeer zeldzaam kanker te vinden bij een kind, iets in de orde van slechts duizenden gevallen per jaar. Naarmate men ouder wordt komt het steeds meer voor.
Why is it hard to treat? Because it's heterogeneous, and that's the perfect substrate for evolution within the cancer. It starts to select out for those bad, aggressive cells, what we call clonal selection. But, if we start to understand that cancer isn't just a molecular defect, it's something more, then we'll get to new ways of treating it, as I'll show you.
Waarom is het zo moeilijk te behandelen? Omdat kanker heterogeen is, en dat is het perfecte substraat voor evolutie binnen de kanker. Het begint met het selecteren van die slechte, agressieve cellen, wat wij noemen klonale selectie. Maar als we beginnen te begrijpen dat kanker niet alleen een moleculair defect is, maar iets meer, dan krijgen we nieuwe manieren van behandelen, zoals ik zal aantonen.
So, one of the fundamental problems we have in cancer is that, right now, we describe it by a number of adjectives, symptoms: "I'm tired, I'm bloated, I have pain, etc." You then have some anatomic descriptions, you get that CT scan: "There's a three centimeter mass in the liver." You then have some body part descriptions: "It's in the liver, in the breast, in the prostate." And that's about it. So, our dictionary for describing cancer is very, very poor. It's basically symptoms. It's manifestations of a disease.
Een van de fundamentele problemen die we hebben bij kanker, is dat we het nu beschrijven met een aantal adjectieven, symptomen. Ik ben moe, ik ben opgeblazen, ik heb pijn, enz. Ook heb je een aantal anatomische beschrijvingen. Je krijgt een CAT-scan. Er zit een drie centimeter groot gezwel in de lever. Dan heb je wat beschrijvingen van lichaamsdelen. Het zit in de lever, in de borst, in de prostaat. En dat is het zo'n beetje. Dus, ons woordenboek voor het beschrijven van kanker is erg, erg beperkt. Het gaat voornamelijk over symptomen. Manifestaties van een ziekte.
What's exciting is that over the last two or three years, the government has spent 400 million dollars, and they've allocated another billion dollars, to what we call the Cancer Genome Atlas Project. So, it is the idea of sequencing all of the genes in the cancer, and giving us a new lexicon, a new dictionary to describe it. You know, in the mid-1850's in France, they started to describe cancer by body part. That hasn't changed in over 150 years. It is absolutely archaic that we call cancer by prostate, by breast, by muscle. It makes no sense, if you think about it.
Wat spannend is, is dat gedurende de laatste twee of drie jaar, de regering al 400 miljoen dollar heeft uitgegeven, en ze hebben nog eens één miljard dollar toegewezen, aan wat we de Cancer Genome Project Atlas noemen. Het is de bedoeling om alle genen in de kanker te sequenceren, om ons een nieuw lexicon, een nieuw woordenboek om het te beschrijven, te geven. Rond 1850 zijn ze in Frankrijk begonnen met kanker te benoemen naar lichaamsdelen. Dat is in meer dan 150 jaar niet veranderd. Het is absoluut archaïsch dat we kanker benoemen door de prostaat, door de borst, door de spier. Dat heeft geen zin als je erover nadenkt.
So, obviously, the technology is here today, and, over the next several years, that will change. You will no longer go to a breast cancer clinic. You will go to a HER2 amplified clinic, or an EGFR activated clinic, and they will go to some of the pathogenic lesions that were involved in causing this individual cancer. So, hopefully, we will go from being the art of medicine more to the science of medicine, and be able to do what they do in infectious disease, which is look at that organism, that bacteria, and then say, "This antibiotic makes sense, because you have a particular bacteria that will respond to it." When one is exposed to H1N1, you take Tamiflu, and you can remarkably decrease the severity of symptoms and prevent many of the manifestations of the disease. Why? Because we know what you have, and we know how to treat it -- although we can't make vaccine in this country, but that's a different story.
De technologie is er vandaag, en in de komende jaren zal dat veranderen. Je zult niet langer naar een borstkankerkliniek gaan. Je gaat dan naar een HER2-versterkte kliniek, of naar een EGFR-geactiveerde kliniek, waar ze gaan zoeken naar een aantal pathogene laesies, die betrokken waren bij de veroorzaking van deze individuele kanker. Dus hopelijk zullen we dan van geneeskunst naar een geneeskundewetenschap gaan, en kunnen doen wat ze doen in de infectieziektebestrijding, die kijken naar dat organisme, die bacterie, en op basis daarvan zeggen, dit antibioticum is zinvol, want je hebt een bepaalde bacterie die daarop zal reageren. Wanneer je wordt blootgesteld aan H1N1, kan je Tamiflu innemen, waardoor je de ernst van de symptomen aanzienlijk kan verminderen en veel van de gevolgen van de ziekte kan voorkomen. Waarom? Omdat we weten wat je hebt, en we weten hoe het te behandelen, hoewel we geen vaccin kunnen maken in dit land, maar dat is een ander verhaal.
The Cancer Genome Atlas is coming out now. The first cancer was done, which was brain cancer. In the next month, the end of December, you'll see ovarian cancer, and then lung cancer will come several months after. There's also a field of proteomics that I'll talk about in a few minutes, which I think is going to be the next level in terms of understanding and classifying disease. But remember, I'm not pushing genomics, proteomics, to be a reductionist. I'm doing it so we can identify what we're up against. And there's a very important distinction there that we'll get to.
De Cancer Genome Atlas verschijnt nu. De eerste daarin behandelde kanker was hersenkanker. Volgende maand, eind december, komt eierstokkanker aan de beurt, en enkele maanden later longkanker. Er is ook het gebied van de proteomica, waarover ik het over een paar minuten zal hebben, en waarvan ik denk dat die het volgende niveau zal worden in het begrijpen en indelen van de ziekte. Maar ik ben hier niet om genomica, proteomica te promoten en een reductionist te worden. Ik doe dat om te kunnen bepalen waar we tegen vechten. En dat is een heel belangrijk onderscheid dat we moeten maken.
In health care today, we spend most of the dollars -- in terms of treating disease -- most of the dollars in the last two years of a person's life. We spend very little, if any, dollars in terms of identifying what we're up against. If you could start to move that, to identify what you're up against, you're going to do things a hell of a lot better. If we could even take it one step further and prevent disease, we can take it enormously the other direction, and obviously, that's where we need to go, going forward.
In de gezondheidszorg van vandaag de dag besteden we het meeste geld - in termen van behandeling van de ziekte - het merendeel van het geld aan de laatste twee levensjaren van een persoon. We besteden weinig of geen geld aan het identificeren van waar we tegen vechten. Als je dat zou kunnen veranderen, om te bepalen waar je tegen vecht, dan ga je de dingen een stuk beter kunnen aanpakken. Als we zelfs nog een stap verder konden en de ziekte voorkomen, dan kunnen we het enorm veel beter doen. En, natuurlijk is het dat waar we naartoe moeten, als we vooruit willen.
So, this is the website of the National Cancer Institute. And I'm here to tell you, it's wrong. So, the website of the National Cancer Institute says that cancer is a genetic disease. The website says, "If you look, there's an individual mutation, and maybe a second, and maybe a third, and that is cancer." But, as a cancer doc, this is what I see. This isn't a genetic disease. So, there you see, it's a liver with colon cancer in it, and you see into the microscope a lymph node where cancer has invaded. You see a CT scan where cancer is in the liver. Cancer is an interaction of a cell that no longer is under growth control with the environment. It's not in the abstract; it's the interaction with the environment. It's what we call a system.
Dit is de website van het National Cancer Institute. En ik ben hier om u te vertellen dat ze fout is. De website van het National Cancer Institute zegt dat kanker een genetische ziekte is. De website zegt dat er een individuele mutatie is, en misschien een tweede, en misschien een derde, en dat is dan kanker. Maar als kankerdokter zie ik dit. Het is geen genetische ziekte. Daar zie je een lever met darmkanker erin, en in de microscoop zie je een lymfeklier waar de kanker is binnengedrongen. Je ziet een CAT-scan met kanker in de lever. Kanker is een interactie van een cel waarvan de groei niet langer onder controle is van haar omgeving. Een cel staat niet op zichzelf, ze is in interactie met de omgeving. Het is wat wij een systeem noemen.
The goal of me as a cancer doctor is not to understand cancer. And I think that's been the fundamental problem over the last five decades, is that we have strived to understand cancer. The goal is to control cancer. And that is a very different optimization scheme, a very different strategy for all of us.
Mijn doel als kankerarts is niet kanker te begrijpen. En ik denk dat het fundamentele probleem in de afgelopen vijf decennia was dat we ernaar streefden om kanker te begrijpen. Het doel is het beheersen van kanker. En dat is een heel andere aanpak, een heel andere strategie voor ons allemaal.
I got up at the American Association of Cancer Research, one of the big cancer research meetings, with 20,000 people there, and I said, "We've made a mistake. We've all made a mistake, myself included, by focusing down, by being a reductionist. We need to take a step back." And, believe it or not, there were hisses in the audience. People got upset, but this is the only way we're going to go forward.
Ik kwam bij de American Association of Cancer Research, een van de grote kankeronderzoek bijeenkomsten, met 20.000 mensen, en ik zei dat we fout zaten. We hebben allemaal een fout heeft gemaakt, mezelf inbegrepen, door ons naar beneden te richten, door reductionist te zijn. We moeten een stap terug. En, geloof het of niet, er werd gesist in het publiek. Mensen werden boos, maar dit is de enige manier waarop we vooruit kunnen gaan.
You know, I was very fortunate to meet Danny Hillis a few years ago. We were pushed together, and neither one of us really wanted to meet the other. I said, "Do I really want to meet a guy from Disney, who designed computers?" And he was saying: Does he really want to meet another doctor? But people prevailed on us, and we got together, and it's been transformative in what I do, absolutely transformative. We have designed, and we have worked on the modeling -- and much of these ideas came from Danny and from his team -- the modeling of cancer in the body as complex system. And I'll show you some data there where I really think it can make a difference and a new way to approach it.
Ik had het geluk Danny Hillis een paar jaar geleden te ontmoeten. We werden bij elkaar gezet en geen van ons wilde echt de ander ontmoeten. Ik zei: "Wil ik echt een jongen van Disney, die zich bezig houdt met het ontwerpen van computers, ontmoeten?" En hij vroeg zich af of hij eigenlijk wel weer eens een arts wilde ontmoeten. Min of meer tegen onze zin werden we samengebracht en het heeft mijn werk getransformeerd, absoluut getransformeerd. We hebben ontworpen, en we hebben gewerkt aan de modellering - en een groot deel van deze ideeën kwam van Danny, en van zijn team - aan het modelleren van kanker in het lichaam als complex systeem. En ik zal je wat gegevens laten zien waarvan ik denk dat ze het verschil kunnen maken en een nieuwe manier van benaderen.
The key is, when you look at these variables and you look at this data, you have to understand the data inputs. You know, if I measured your temperature over 30 days, and I asked, "What was the average temperature?" and it came back at 98.7, I would say, "Great." But if during one of those days your temperature spiked to 102 for six hours, and you took Tylenol and got better, etc., I would totally miss it. So, one of the problems, the fundamental problems in medicine is that you and I, and all of us, we go to our doctor once a year. We have discrete data elements; we don't have a time function on them.
Als je naar deze variabelen en naar deze gegevens kijkt, gaat het om het begrijpen van de data-input. Als ik je temperatuur gedurende 30 dagen zou meten, en ik vroeg naar de gemiddelde temperatuur, en die was 37,1 °C, zou ik zeggen geweldig. Maar als tijdens een van die dagen je temperatuur zes uur lang op 38,9 °C had gepiekt, je Tylenol nam en beter werd, enz. dan had ik dat helemaal gemist. Een van de fundamentele problemen in de geneeskunde is dat u en ik, en wij allemaal, één keer per jaar naar onze huisarts gaan. We hebben discrete gegevens; geen verloop in functie van de tijd ervan.
Earlier it was referred to this direct life device. You know, I've been using it for two and a half months. It's a staggering device, not because it tells me how many kilocalories I do every day, but because it looks, over 24 hours, what I've done in a day. And I didn't realize that for three hours I'm sitting at my desk, and I'm not moving at all. And a lot of the functions in the data that we have as input systems here are really different than we understand them, because we're not measuring them dynamically.
Eerder werd al verwezen naar dit directe levensapparaat. Ik gebruik het al twee en een halve maand. Het is een onthutsend apparaat, niet omdat het me vertelt hoeveel kilocalorieën ik elke dag opgebruik, maar omdat het, 24 op 24 uur, kijkt naar wat ik heb gedaan gedurende de dag. En ik wist niet dat ik drie uur aan mijn bureau zit, en dan helemaal niet beweeg. En veel van de functies in de gegevens die we hier als inputsystemen hebben zijn echt anders dan dat wij ze begrijpen, omdat we ze niet dynamisch meten.
And so, if you think of cancer as a system, there's an input and an output and a state in the middle. So, the states, are equivalent classes of history, and the cancer patient, the input, is the environment, the diet, the treatment, the genetic mutations. The output are our symptoms: Do we have pain? Is the cancer growing? Do we feel bloated, etc.? Most of that state is hidden. So what we do in our field is we change and input, we give aggressive chemotherapy, and we say, "Did that output get better? Did that pain improve, etc.?"
En ja, als je aan kanker denkt als een systeem, is er een input en een output en een middentoestand. Deze toestanden zijn equivalentie-klassen van de geschiedenis, en de kankerpatiënt, de input is het milieu, de voeding, de behandeling, de genetische mutaties. De output zijn onze symptomen. Hebben we pijn? Groeit de kanker? Hebben we een opgeblazen gevoel, enz.? Het meeste van die toestand is verborgen. Dus wat we doen op ons gebied is dat we de input veranderen, we geven agressieve chemotherapie. En we zeggen, werd de output beter? Heeft dat de pijn verminderd, enz.?
And so, the problem is that it's not just one system, it's multiple systems on multiple scales. It's a system of systems. And so, when you start to look at emergent systems, you can look at a neuron under a microscope. A neuron under the microscope is very elegant with little things sticking out and little things over here, but when you start to put them together in a complex system, and you start to see that it becomes a brain, and that brain can create intelligence, what we're talking about in the body, and cancer is starting to model it like a complex system. Well, the bad news is that these robust -- and robust is a key word -- emergent systems are very hard to understand in detail. The good news is you can manipulate them. You can try to control them without that fundamental understanding of every component.
Het probleem is dat er niet alleen één systeem is, maar meerdere systemen op meerdere niveaus. Het is een systeem van systemen. En ja, wanneer je begint te kijken naar emergente systemen, kan je kijken naar een neuron onder een microscoop. Een neuron onder de microscoop is zeer elegant met de kleine dingen die er uit steken en kleine dingen hier, maar als je ze gaat samenvoegen tot een complex systeem, zie je dat het een brein wordt, en dat brein kan intelligentie creëren. Ook het systeem lichaam en kanker zijn we begonnen te modelleren als een complex systeem. Nou, het slechte nieuws is dat deze robuuste - en robuust is een sleutelwoord - emergente systemen zeer moeilijk in detail zijn te begrijpen. Het goede nieuws is dat je ze kunt manipuleren. Je kunt proberen om ze onder controle te krijgen zonder een fundamenteel begrip van elke component.
One of the most fundamental clinical trials in cancer came out in February in the New England Journal of Medicine, where they took women who were pre-menopausal with breast cancer. So, about the worst kind of breast cancer you can get. They had gotten their chemotherapy, and then they randomized them, where half got placebo, and half got a drug called Zoledronic acid that builds bone. It's used to treat osteoporosis, and they got that twice a year. They looked and, in these 1,800 women, given twice a year a drug that builds bone, you reduce the recurrence of cancer by 35 percent. Reduce occurrence of cancer by a drug that doesn't even touch the cancer. So the notion, you change the soil, the seed doesn't grow as well. You change that system, and you could have a marked effect on the cancer.
Een van de meest fundamentele klinische studies bij kanker kwam uit in februari in het New England Journal of Medicine, waar ze pre-menopausale vrouwen namen met borstkanker. Zowat de ergste vorm van borstkanker die je kunt krijgen. Ze hadden hun chemotherapie gekregen, en dan werden ze gerandomiseerd, waar de helft een placebo kreeg, en de andere helft kreeg een geneesmiddel genaamd Zoledroninezuur dat bot opbouwt. Het wordt gebruikt ter behandeling van osteoporose, en ze kregen dat twee keer per jaar. En bij deze 1800 vrouwen, die tweemaal per jaar een medicijn dat bot bouwt kregen, verkleinde je de herhaling van kanker met 35 procent. Verminderde je het optreden van kanker door een geneesmiddel dat zelfs geen invloed had op de kanker. Dus het begrip dat als je je de bodem verandert, het zaad niet goed zal groeien. Je verandert dat systeem, en je kon een duidelijk effect op de kanker hebben.
Nobody has ever shown -- and this will be shocking -- nobody has ever shown that most chemotherapy actually touches a cancer cell. It's never been shown. There's all these elegant work in the tissue culture dishes, that if you give this cancer drug, you can do this effect to the cell, but the doses in those dishes are nowhere near the doses that happen in the body.
Niemand heeft ooit aangetoond - en dit zal schokkend zijn - Niemand heeft ooit aangetoond dat de meeste chemotherapie daadwerkelijk een kankercel raakt. Het is nooit aangetoond. Er is al dit elegante werk op weefselculturen, dat, als je dit kankermedicijn geeft, je dit effect op de cel zal krijgen, maar de doses in de schaaltjes komen nergens in de buurt van de doses die in het lichaam worden bereikt.
If I give a woman with breast cancer a drug called Taxol every three weeks, which is the standard, about 40 percent of women with metastatic cancer have a great response to that drug. And a response is 50 percent shrinkage. Well, remember that's not even an order of magnitude, but that's a different story. They then recur, I give them that same drug every week. Another 30 percent will respond. They then recur, I give them that same drug over 96 hours by continuous infusion, another 20 or 30 percent will respond. So, you can't tell me it's working by the same mechanism in all three size. It's not. We have no idea the mechanism. So the idea that chemotherapy may just be disrupting that complex system, just like building bone disrupted that system and reduced recurrence, chemotherapy may work by that same exact way. The wild thing about that trial also, was that it reduced new primaries, so new cancers, by 30 percent also.
Als ik een vrouw met borstkanker het geneesmiddel Taxol elke drie weken toedien, dat is de standaardbehandeling, dan heeft ongeveer 40 procent van de vrouwen met uitgezaaide kanker een geweldige reactie op dit medicijn. En een reactie is 50 procent inkrimping. Dat is niet eens één orde van grootte, maar dat is een ander verhaal. Dan hervallen ze en geef ik ze elke week hetzelfde medicijn. Nog eens 30 procent zullen reageren. Dan hervallen ze en geef ik ze hetzelfde medicijn gedurende 96 uur door een continue infusie. Nog eens 20 of 30 procent zal reageren. Je kan mij dus niet vertellen dat het werkt via hetzelfde mechanisme in alle drie gevallen. Dat is niet zo. We hebben geen idee van het mechanisme. Dus het idee dat chemotherapie alleen maar dat complexe systeem verstoort, net zoals de bouw van het bot dat systeem verstoort en terugval vermindert, kan chemotherapie op exact dezelfde manier werken. Het eigenaardige aan dat onderzoek is dat het ook nieuwe beginnende kankers, en dus ook nieuwe kankers, met 30 procent terugdringt.
So, the problem is, yours and mine, all of our systems are changing. They're dynamic. I mean, this is a scary slide, not to take an aside, but it looks at obesity in the world. And I'm sorry if you can't read the numbers, they're kind of small. But, if you start to look at it, that red, that dark color there, more than 75 percent of the population of those countries are obese. Look a decade ago, look two decades ago: markedly different. So, our systems today are dramatically different than our systems a decade or two ago. So the diseases we have today, which reflect patterns in the system over the last several decades, are going to change dramatically over the next decade or so based on things like this.
Het probleem is dat al onze systemen voortdurend aan het veranderen zijn. Ze zijn dynamisch. Dit is een enge foto, niet als een terzijde, maar ze geeft het voorkomen van obesitas in de wereld weer. En het spijt me als je de cijfers niet kan lezen, ze zijn nogal klein. Maar als je ernaar begint te kijken, dan zie je dat donkerrood, meer dan 75 procent van de bevolking van deze landen is zwaarlijvig. Kijk eens een decennium geleden, kijk dan twee decennia geleden, aanzienlijke verschillen. Dus, onze systemen zijn vandaag de dag dramatisch anders dan een decennium of twee geleden. Dus de ziektes die wij nu hebben, die patronen in het systeem weerspiegelen in de afgelopen tientallen jaren, gaan dramatisch veranderen in het komende decennium of zo gebaseerd op dit soort dingen.
So, this picture, although it is beautiful, is a 40-gigabyte picture of the whole proteome. So this is a drop of blood that has gone through a superconducting magnet, and we're able to get resolution where we can start to see all of the proteins in the body. We can start to see that system. Each of the red dots are where a protein has actually been identified. The power of these magnets, the power of what we can do here, is that we can see an individual neutron with this technology. So, again, this is stuff we're doing with Danny Hillis and a group called Applied Proteomics, where we can start to see individual neutron differences, and we can start to look at that system like we never have before. So, instead of a reductionist view, we're taking a step back.
Dit beeld, hoewel het mooi is, is een 40 gigabyte beeld van het hele proteoom. Dit is een druppel bloed die door een supergeleidende magneet is gegaan, en we kunnen een resolutie krijgen waar we alle eiwitten in het lichaam beginnen te zien. We kunnen het systeem beginnen te zien. Elk van de rode stippen komen overeen met een daadwerkelijk geïdentificeerd eiwit. De kracht van deze magneten, de kracht van wat we hier kunnen doen is dat we een individueel neutron kunnen zien met deze technologie. Dit is wat wij aan het doen zijn met Danny Hillis en een groep genaamd Applied Proteomics, waar we individuele neutronenverschillen beginnen te zien, en we zoals nooit eerder naar dat systeem kunnen beginnen te kijken. Dus, in plaats van een reductionistische visie, doen we een stap terug.
So this is a woman, 46 years old, who had recurrent lung cancer. It was in her brain, in her lungs, in her liver. She had gotten Carboplatin Taxol, Carboplatin Taxotere, Gemcitabine, Navelbine: Every drug we have she had gotten, and that disease continued to grow. She had three kids under the age of 12, and this is her CT scan. And so what this is, is we're taking a cross-section of her body here, and you can see in the middle there is her heart, and to the side of her heart on the left there is this large tumor that will invade and will kill her, untreated, in a matter of weeks. She goes on a pill a day that targets a pathway, and again, I'm not sure if this pathway was in the system, in the cancer, but it targeted a pathway, and a month later, pow, that cancer's gone. Six months later it's still gone. That cancer recurred, and she passed away three years later from lung cancer, but she got three years from a drug whose symptoms predominately were acne. That's about it.
Dit is een vrouw, 46 jaar oud, die recurrente longkanker had. Hij zat in haar hersenen, in haar longen, in haar lever. Ze had Carboplatine Taxol gekregen en Carboplatine Taxotere, Gemcitabene, Navelbine. Elk geneesmiddel uit ons arsenaal had ze gekregen, en de ziekte bleef verder groeien. Ze had drie kinderen onder de 12 jaar, en dit is haar CAT-scan. We nemen een dwarsdoorsnede van haar lichaam hier. En je kan in het midden haar hart zien, en aan de zijkant van haar hart aan de linkerkant zit die grote tumor die verder zal groeien en haar in enkele weken zal doden, indien onbehandeld. Ze krijgt een pil per dag die zich richt op een mogelijk mechanisme, en nogmaals, ik ben niet zeker of dit mechanisme in het systeem, in de kanker, speelt maar ze mikte op een mechanisme, en een maand later, poef, was de kanker weg. Zes maanden later was hij nog steeds verdwenen. De kanker kwam echter terug, en ze overleed drie jaar later aan longkanker, maar die drie jaar kreeg ze van een geneesmiddel dat voornamelijk diende om acne te behandelen. Dat is het zo'n beetje.
So, the problem is that the clinical trial was done, and we were a part of it, and in the fundamental clinical trial -- the pivotal clinical trial we call the Phase Three, we refused to use a placebo. Would you want your mother, your brother, your sister to get a placebo if they had advanced lung cancer and had weeks to live? And the answer, obviously, is not. So, it was done on this group of patients. Ten percent of people in the trial had this dramatic response that was shown here, and the drug went to the FDA, and the FDA said, "Without a placebo, how do I know patients actually benefited from the drug?" So the morning the FDA was going to meet, this was the editorial in the Wall Street Journal. (Laughter) And so, what do you know, that drug was approved.
Dus, het probleem is dat de klinische proef werd gedaan, en wij deden daaraan mee, en in de fundamentele klinische proef, de kantelpunt klinische studie, die we fase drie noemen, weigerden wij een placebo te gebruiken. Zou je willen dat je moeder, je broer, je zus een placebo kregen als zij geavanceerde longkanker hadden en nog enkele weken te leven hadden? En het antwoord is, natuurlijk, neen. Dus werd dat gedaan met deze groep van patiënten. 10 procent van de mensen in het onderzoek vertoonden de dramatische reactie die hier werd getoond, en het medicijn werd voorgelegd aan de FDA, en de FDA vroeg hoe kan je, zonder een placebo, weten of patiënten echt profiteerden van het medicijn? Op de ochtend dat de FDA ging samenkomen, was dit het redactioneel artikel in de Wall Street Journal. (Gelach) En ja, het medicijn werd goedgekeurd.
The amazing thing is another company did the right scientific trial, where they gave half placebo and half the drug. And we learned something important there. What's interesting is they did it in South America and Canada, where it's "more ethical to give placebos." They had to give it also in the U.S. to get approval, so I think there were three U.S. patients in upstate New York who were part of the trial. But they did that, and what they found is that 70 percent of the non-responders lived much longer and did better than people who got placebo. So it challenged everything we knew in cancer, is that you don't need to get a response. You don't need to shrink the disease. If we slow the disease, we may have more of a benefit on patient survival, patient outcome, how they feel, than if we shrink the disease.
Het verbazingwekkende is dat een ander bedrijf de wetenschappelijke proef op de juiste manier uitvoerde, waar ze de helft een placebo en de helft het medicijn gaf. En we leerden er iets belangrijks. Wat interessant is, is dat zij het deden in Zuid-Amerika en Canada, waar het "ethischer is om placebo's te geven." Ze moesten ze ook geven in de Verenigde Staten om goedkeuring te verkrijgen, dus ik denk dat er drie Amerikaanse patiënten benoorden New York deel uitmaakten van de proef. Maar ze deden dat en wat ze vonden, is dat 70 procent van de non-responders veel langer leefden en het beter deden dan de mensen die een placebo kregen. Dit stelde alles wat we wisten over kanker in vraag, je hebt geen reactie nodig. Dat het niet nodig is om de ziekte te doen krimpen. Als we de ziekte vertragen, winnen we meer aan overleving van de patiënten, patiënt resultaat, hoe ze zich voelen, dan wanneer we de ziekte doen krimpen.
The problem is that, if I'm this doc, and I get your CT scan today and you've got a two centimeter mass in your liver, and you come back to me in three months and it's three centimeters, did that drug help you or not? How do I know? Would it have been 10 centimeters, or am I giving you a drug with no benefit and significant cost? So, it's a fundamental problem. And, again, that's where these new technologies can come in.
Het probleem is dat, als ik deze dokter ben en ik krijg je CAT-scan van vandaag, en je hebt een twee centimeter groot gezwel in je lever, en je na drie maanden terug bij mij komt, en het drie centimeter is geworden, heeft dat medicijn je dan geholpen of niet? Hoe kan ik dat weten? Zou het dan 10 centimeter zijn of gaf ik je een geneesmiddel met geen enkel voordeel en aanzienlijke kosten? Dat is een fundamenteel probleem. En, nogmaals, dat is waar deze nieuwe technologieën hun rol kunnen spelen.
And so, the goal obviously is that you go into your doctor's office -- well, the ultimate goal is that you prevent disease, right? The ultimate goal is that you prevent any of these things from happening. That is the most effective, cost-effective, best way we can do things today. But if one is unfortunate to get a disease, you'll go into your doctor's office, he or she will take a drop of blood, and we will start to know how to treat your disease. The way we've approached it is the field of proteomics, again, this looking at the system. It's taking a big picture.
En ja, het uiteindelijke doel is uiteraard dat als je bij een arts binnenstapt dat je ziekte wordt voorkomen. Het uiteindelijke doel is te beletten dat je zoiets overkomt. Dat is de meest effectieve, rendabele en beste manier waarop we vandaag dingen kunnen doen. Maar als je jammer genoeg een ziekte krijgt, ga je naar je arts, hij of zij zal een druppel bloed afnemen, om te weten hoe je ziekte te behandelen. De manier waarop we dat benaderden is het gebied van de proteomica, Dit kijken naar het systeem. Het grote beeld in zicht krijgen.
The problem with technologies like this is that if one looks at proteins in the body, there are 11 orders of magnitude difference between the high-abundant and the low-abundant proteins. So, there's no technology in the world that can span 11 orders of magnitude. And so, a lot of what has been done with people like Danny Hillis and others is to try to bring in engineering principles, try to bring the software. We can start to look at different components along this spectrum.
Het probleem met dit soort technologieën is dat als men kijkt naar eiwitten in het lichaam, er 11 ordes van grootteverschil zijn tussen de veel en weinig voorkomende eiwitten. Er bestaat geen technologie in de wereld die 11 ordes van grootte kan overbruggen. En daarom is veel van wat er is gedaan met Danny Hillis en anderen is proberen de ingenieurskunst in te brengen, de software in te brengen. We kunnen beginnen te kijken naar de verschillende componenten in dit spectrum.
And so, earlier was talked about cross-discipline, about collaboration. And I think one of the exciting things that is starting to happen now is that people from those fields are coming in. Yesterday, the National Cancer Institute announced a new program called the Physical Sciences and Oncology, where physicists, mathematicians, are brought in to think about cancer, people who never approached it before. Danny and I got 16 million dollars, they announced yesterday, to try to attach this problem. A whole new approach, instead of giving high doses of chemotherapy by different mechanisms, to try to bring technology to get a picture of what's actually happening in the body.
Eerder werd gesproken over cross-discipline, over samenwerking. En ik denk dat een van de spannende dingen die nu gaan gebeuren is dat mensen uit die gebieden hun inbreng gaan hebben. Gisteren heeft het National Cancer Institute een nieuw programma aangekondigd, Fysische Wetenschappen en Oncologie genoemd, waar natuurkundigen, wiskundigen, worden aangesteld om na te denken over kanker, mensen die daarvoor nog nooit waren benaderd. Danny en ik kregen 16 miljoen dollar, kondigden zij gisteren aan, om te proberen dit probleem aan te pakken. Een geheel nieuwe aanpak, in plaats van het geven van hoge doses chemotherapie via verschillende mechanismen om te proberen de technologie in te brengen om een beeld te verkrijgen van wat er werkelijk in het lichaam gebeurt.
So, just for two seconds, how these technologies work -- because I think it's important to understand it. What happens is every protein in your body is charged, so the proteins are sprayed in, the magnet spins them around, and then there's a detector at the end. When it hit that detector is dependent on the mass and the charge. And so we can accurately -- if the magnet is big enough, and your resolution is high enough -- you can actually detect all of the proteins in the body and start to get an understanding of the individual system.
Nu even, voor twee seconden, over hoe deze technologieën werken - omdat ik denk dat het belangrijk is ze te begrijpen. Wat er gebeurt is dit: elk eiwit in je lichaam heeft een lading, de eiwitten worden ingespoten, de magneet draait ze rond, en dan is er een detector aan het eind. Het raken van de detector is afhankelijk van de massa en de lading. En zo nauwkeurig dat, als de magneet groot genoeg is, en je resolutie hoog genoeg is, je alle eiwitten in het lichaam kunt detecteren en beginnen een goed begrip van het individuele systeem te krijgen.
And so, as a cancer doctor, instead of having paper in my chart, in your chart, and it being this thick, this is what data flow is starting to look like in our offices, where that drop of blood is creating gigabytes of data. Electronic data elements are describing every aspect of the disease. And certainly the goal is we can start to learn from every encounter and actually move forward, instead of just having encounter and encounter, without fundamental learning.
En ja, als kankerarts, in plaats van een dikke papieren bundel met grafieken is dit hoe de datastroom er gaat uitzien in onze kantoren, wanneer die druppel bloed gigabytes aan gegevens gaat creëren. Elektronische gegevens beschrijven elk aspect van de ziekte. En het doel is zeker dat we kunnen beginnen met te leren van elke ontmoeting om daadwerkelijk vooruitgang te boeken, in plaats van alleen maar te ontmoeten zonder iets bij te leren.
So, to conclude, we need to get away from reductionist thinking. We need to start to think differently and radically. And so, I implore everyone here: Think differently. Come up with new ideas. Tell them to me or anyone else in our field, because over the last 59 years, nothing has changed. We need a radically different approach.
Dus, tot slot, we moeten af van reductionistisch denken. We moeten radicaal anders gaan denken. En ja, ik smeek iedereen hier om anders te denken. Kom op met nieuwe ideeën. Vertel ze aan mij of iemand anders in ons vakgebied, omdat in de afgelopen 59 jaar er niets is veranderd. We hebben behoefte aan een radicaal andere aanpak.
You know, Andy Grove stepped down as chairman of the board at Intel -- and Andy was one of my mentors, tough individual. When Andy stepped down, he said, "No technology will win. Technology itself will win." And I'm a firm believer, in the field of medicine and especially cancer, that it's going to be a broad platform of technologies that will help us move forward and hopefully help patients in the near-term.
Toen Andy Grove terugtrad als voorzitter van de raad van bestuur bij Intel - en Andy was een van mijn mentors, een moeilijk persoon - wanneer Andy terugtrad, zei hij, "Geen technologie zal winnen. Technologie zelf zal winnen." En ik ben een stevige gelovige, op het gebied van de geneeskunde en met name kanker, dat het een breed platform van technologieën gaat worden dat ons vooruit zal helpen en hopelijk ook patiënten op de korte termijn.
Thank you very much.
Heel hartelijk bedankt.