Sie gehen zum Arzt und lassen sich untersuchen. Dieser stellt bei Ihnen einen hohen Cholesterinwert fest, der mit einem Medikament behandelt werden kann. Sie erhalten eine Arzneidose. Sie sind zuversichtlich. Auch Ihr Arzt vertraut auf diese Behandlung. Das Herstellerunternehmen unterzog es mehreren Studien, legte es der FDA vor. Sie prüften es sorgfältig, kritisch, gaben es dann frei. Sie haben eine grobe Vorstellung wie es funktioniert, welche Nebenwirkungen es auslöst. Es sollte okay sein. In den kommenden Sprechstunden zeigt sich der Arzt ein wenig besorgt, weil sie etwas deprimiert waren, sich nicht wie sich selbst gefühlt haben, sich nicht wie gewohnt an den Dingen des Lebens erfreuen konnten. Ihr Arzt sagt Ihnen: "Ich denke, Sie haben Depressionen. Ich werde ihnen ein weiteres Medikament verschreiben müssen." Also sprechen wir nun von zwei Medikamenten. Auch diese Pille wurde von Millionen Menschen genommen, vom Unternehmen geprüft, und von der FDA bewilligt. Alles in Ordnung. Es sollte gut verlaufen. Es sollte gut verlaufen.
So you go to the doctor and get some tests. The doctor determines that you have high cholesterol and you would benefit from medication to treat it. So you get a pillbox. You have some confidence, your physician has some confidence that this is going to work. The company that invented it did a lot of studies, submitted it to the FDA. They studied it very carefully, skeptically, they approved it. They have a rough idea of how it works, they have a rough idea of what the side effects are. It should be OK. You have a little more of a conversation with your physician and the physician is a little worried because you've been blue, haven't felt like yourself, you haven't been able to enjoy things in life quite as much as you usually do. Your physician says, "You know, I think you have some depression. I'm going to have to give you another pill." So now we're talking about two medications. This pill also -- millions of people have taken it, the company did studies, the FDA looked at it -- all good. Think things should go OK. Think things should go OK.
Aber warten Sie! Warum haben wir diese beiden gemeinsam getestet? Nun, es ist sehr schwierig, das zu tun. Üblicherweise wird das nicht gemacht. Wir sind komplett auf sogenannte "Anwendungsbeobachtungen" angewiesen, nachdem die Arzneimittel auf den Markt gelangen. Wie können wir herausfinden,
Well, wait a minute. How much have we studied these two together? Well, it's very hard to do that. In fact, it's not traditionally done. We totally depend on what we call "post-marketing surveillance," after the drugs hit the market. How can we figure out if bad things are happening
dass zwei, drei, fünf oder sieben Medikamenten sich nicht vertragen? Fragen Sie einen Liebsten mit mehreren Diagnosen, wie viele Medikamente er einnimmt. Weshalb interessiert mich dieses Problem so sehr? Ich bin ein Mensch der Informatik und Data Science und meiner Meinung nach ist die einzig wirkliche Hoffnung, diese Interaktionen zu verstehen, viele verschiedene Datenquellen gegeneinander auszuwerten,
between two medications? Three? Five? Seven? Ask your favorite person who has several diagnoses how many medications they're on. Why do I care about this problem? I care about it deeply. I'm an informatics and data science guy and really, in my opinion, the only hope -- only hope -- to understand these interactions
um herauszufinden, wann diese Medikamente sicher zusammen eingenommen werden können und wann es eben nicht sicher ist. Ich erzähle Ihnen eine Data-Science-Geschichte und sie beginnt mit meinem Schüler Nick. Nennen wir ihn "Nick", denn so heißt er ja auch. (Gelächter) Nick war ein jüngerer Schüler
is to leverage lots of different sources of data in order to figure out when drugs can be used together safely and when it's not so safe. So let me tell you a data science story. And it begins with my student Nick. Let's call him "Nick," because that's his name. (Laughter) Nick was a young student.
und ich sagte zu ihm: "Wir müssen verstehen, wie Arzneien miteinander und getrennt funktionieren. Davon haben wir kein gutes Verständnis.
I said, "You know, Nick, we have to understand how drugs work and how they work together and how they work separately, and we don't have a great understanding.
Aber die FDA hat uns den Zugang zu dieser Datenbank gewährt.
But the FDA has made available an amazing database.
Eine Datenbank der negativen Folgen solcher Arzneien. Sie haben es ins Netz gestellt. Es ist öffentlich zugänglich. Sie könnten es jetzt runterladen. Hunderttausende Berichte nachteiliger Fälle von Patienten, Ärzten, Pharmaunternehmen, Apothekern. Diese Berichte sind ziemlich unkompliziert: Sie umfassen alle Erkrankungen der Patienten, die Arzneimittel die sie einnehmen, und die Nebenwirkungen, die sie erleiden. Es sind nicht alle solcher Fälle, die heute in den USA vorkommen, aber es sind Hunderttausende von Medikamenten. So sagte ich zu Nick: "Denken wir über Glukose nach. Glukose ist sehr wichtig und wir wissen, dass sie mit Diabetes zusammenhängt. Schauen wir mal, ob wir Glukosereaktionen verstehen können." Ich schickte Nick fort. Nick kam zurück.
It's a database of adverse events. They literally put on the web -- publicly available, you could all download it right now -- hundreds of thousands of adverse event reports from patients, doctors, companies, pharmacists. And these reports are pretty simple: it has all the diseases that the patient has, all the drugs that they're on, and all the adverse events, or side effects, that they experience. It is not all of the adverse events that are occurring in America today, but it's hundreds and hundreds of thousands of drugs. So I said to Nick, "Let's think about glucose. Glucose is very important, and we know it's involved with diabetes. Let's see if we can understand glucose response. I sent Nick off. Nick came back.
"Russ," sagte er, "ich habe einen Klassifizierer erstellt, der anhand der Nebenwirkungen einer Arznei, basierend auf dieser Datenbank, bestimmen kann, ob das Medikament den Glukosespiegel verändert oder nicht." Er schaffte es. Es war irgendwie sehr einfach.
"Russ," he said, "I've created a classifier that can look at the side effects of a drug based on looking at this database, and can tell you whether that drug is likely to change glucose or not." He did it. It was very simple, in a way.
Er nahm alle Medikamente, von denen man wusste, dass sie Glukose beeinflussen und einige andere, die das nicht tun, und sagte: "Worin liegt der Unterschied bei den Nebenwirkungen? Der Müdigkeit? Dem Appetit? Dem Harnlass?"
He took all the drugs that were known to change glucose and a bunch of drugs that don't change glucose, and said, "What's the difference in their side effects? Differences in fatigue? In appetite? In urination habits?"
All diese Dinge fügten sich zu einem sehr guten Prädiktor zusammen. Er sagte: "Russ, ich kann mit 93%-iger Genauigkeit voraussagen, ob eine Arznei Glukose beeinflusst." Ich sagte: "Großartig!" Er ist noch jung. Man muss seine Zuversicht aufbauen. (Gelächter) "Aber Nick, es gibt da ein Problem. Jeder Arzt auf der Welt kennt die glukoseverändernden Medikamente, weil es fundamental für unsere Praktiken ist.
All those things conspired to give him a really good predictor. He said, "Russ, I can predict with 93 percent accuracy when a drug will change glucose." I said, "Nick, that's great." He's a young student, you have to build his confidence. "But Nick, there's a problem. It's that every physician in the world knows all the drugs that change glucose, because it's core to our practice.
Also gut gemacht, aber eigentlich nicht interessant, auf jeden Fall nicht veröffentlichbar." (Gelächter) Er sagte: "Ich dachte mir, du würdest das sagen." Nick ist schlau. "Ich dachte, du würdest das sagen, also machte ich noch ein Experiment. Ich schaute nach Leuten in der Datenbank, die zwei Medikamente zu sich nahmen.
So it's great, good job, but not really that interesting, definitely not publishable." (Laughter) He said, "I know, Russ. I thought you might say that." Nick is smart. "I thought you might say that, so I did one other experiment. I looked at people in this database who were on two drugs,
Ich suchte nach ähnlichen Signalen -- glukoseändernde Signale --
and I looked for signals similar, glucose-changing signals,
für Patienten mit zwei Arzneien, wobei jedes Medikament an sich den Glukosewert nicht beeinflusst. Zusammen jedoch, sah ich ein starkes Signal." Und ich sagte: "Du bist clever. Gute Idee. Zeig mir die Liste." Es war ein Haufen Medikamente. Nicht sehr spannend. Aber was mir ins Auge fiel, waren zwei besondere Medikamente: Paroxetin, oder Paxil, ein Antidepressivum; und Pravastatin, oder Pravachol, eine Cholesterinarznei.
for people taking two drugs, where each drug alone did not change glucose, but together I saw a strong signal." And I said, "Oh! You're clever. Good idea. Show me the list." And there's a bunch of drugs, not very exciting. But what caught my eye was, on the list there were two drugs: paroxetine, or Paxil, an antidepressant; and pravastatin, or Pravachol, a cholesterol medication.
Ich sagte: "Es gibt Millionen Amerikaner, die diese beiden Medikamente benötigen." Tatsächlich erfuhren wir später, dass 15 Millionen Amerikaner damals auf Paroxetin waren, 15 Millionen auf Pravastatin, und eine Millionen, so schätzten wir, auf beiden. Das sind eine Million Menschen,
And I said, "Huh. There are millions of Americans on those two drugs." In fact, we learned later, 15 million Americans on paroxetine at the time, 15 million on pravastatin, and a million, we estimated, on both. So that's a million people
die vielleicht einige Probleme mit ihrer Glukose haben, falls dieser Hokuspokus mit der FDA-Datenbank tatsächlich funktioniert. Aber ich sagte: "Es ist immer noch nicht publizierbar. Mich begeistert zwar dein Hokuspokus, das selbst-lernende Verfahren, aber es ist dennoch kein zuverlässiger Beweis, den wir hier haben." Also müssen wir etwas anderes machen. Begutachten wir die medizinischen Akten von Stanford. Unsere Kopie davon ist für Nachforschungen geeignet. Wir entfernten persönliche Informationen. Ich sagte: "Sehen wir nach, ob Leute beim Gebrauch beider Medikamente Probleme mit ihrer Glukose haben." Es gibt Abertausende von Menschen in diesem Protokoll, die Paroxetin und Pravastatin zu sich nehmen. Aber wir brauchten besondere Patienten. Wir brauchten Patienten, die eines der Medikamente einnahmen und dann eine Glukosemessung unternahmen, dann die andere Arznei nahmen und den Glukosewert erneut messen ließen.
who might be having some problems with their glucose if this machine-learning mumbo jumbo that he did in the FDA database actually holds up. But I said, "It's still not publishable, because I love what you did with the mumbo jumbo, with the machine learning, but it's not really standard-of-proof evidence that we have." So we have to do something else. Let's go into the Stanford electronic medical record. We have a copy of it that's OK for research, we removed identifying information. And I said, "Let's see if people on these two drugs have problems with their glucose." Now there are thousands and thousands of people in the Stanford medical records that take paroxetine and pravastatin. But we needed special patients. We needed patients who were on one of them and had a glucose measurement, then got the second one and had another glucose measurement,
Dies sollte in einem Zeitraum von etwa zwei Monaten geschehen sein. Als wir das taten, fanden wir zehn Patienten. Allerdings zeigten 8 dieser 10 eine Erhöhung ihrer Glukosewerte auf, als sie das zweite P zu sich nahmen. Wir nennen die Arzneien P und P. Beide hätten zuerst eingenommen werden können. Taucht das Zweite auf, stieg die Glukose um 20 Milligramm pro Deziliter. Nur zur Erinnerung: Als Nicht-Diabetiker hat man normalerweise einem Glukosewert von 90. Steigt dieser auf 120, 125, veranlasst das Ihren Arzt, an eine potenzielle Diabetes-Diagnose zu denken. Also ist ein Anstieg von 20 ziemlich ausschlaggebend. Ich sagte: "Nick, das ist alles schön und gut. Aber so leid es mir tut, es genügt noch nicht für eine Veröffentlichung. Es sind bloß 10 Patienten und das genügt nicht. Also fragten wir uns, was wir unternehmen könnten.
all within a reasonable period of time -- something like two months. And when we did that, we found 10 patients. However, eight out of the 10 had a bump in their glucose when they got the second P -- we call this P and P -- when they got the second P. Either one could be first, the second one comes up, glucose went up 20 milligrams per deciliter. Just as a reminder, you walk around normally, if you're not diabetic, with a glucose of around 90. And if it gets up to 120, 125, your doctor begins to think about a potential diagnosis of diabetes. So a 20 bump -- pretty significant. I said, "Nick, this is very cool. But, I'm sorry, we still don't have a paper, because this is 10 patients and -- give me a break -- it's not enough patients."
So we said, what can we do?
Und wir sagten: "Rufen wir Havert und Vanderbilt an -- Harvard in Boston, Vanderbilt in Nashville -- die ähnliche elektronische Krankenakten haben." Schauen wir mal, ob sie ähnliche Patienten finden
And we said, let's call our friends at Harvard and Vanderbilt, who also -- Harvard in Boston, Vanderbilt in Nashville, who also have electronic medical records similar to ours. Let's see if they can find similar patients
mit dem einen und dem anderen P und den Glukosemesswerten, in dem Umfang, den wir benötigen. Gesegnet sollen sie sein: Innerhalb einer Woche fand Vanderbilt 40 solcher Patienten -- gleicher Trend. Harvard fand 100 solcher Patienten, gleicher Trend. Am Ende hatten wir also 150 Patienten von drei verschiedenen medizinischen Zentren, die uns sagten, dass Patienten beim Gebrauch beider Medikamente
with the one P, the other P, the glucose measurements in that range that we need. God bless them, Vanderbilt in one week found 40 such patients, same trend. Harvard found 100 patients, same trend. So at the end, we had 150 patients from three diverse medical centers that were telling us that patients getting these two drugs
einen deutlichen Anstieg ihres Glukosewerts erfuhren. Interessanterer Weise beachteten wir nicht die Diabetiker, da deren Glukose bereits beeinflusst war. Als wir die Glukose der Diabetiker betrachteten, stieg sie sogar um 60 Milligramm pro Deziliter anstatt um 20. Das war große Sache und wir meinten: "Wir müssen das veröffentlichen."
were having their glucose bump somewhat significantly. More interestingly, we had left out diabetics, because diabetics already have messed up glucose. When we looked at the glucose of diabetics, it was going up 60 milligrams per deciliter, not just 20. This was a big deal, and we said, "We've got to publish this."
Wir reichten die Abhandlung ein. Es bestand alles aus Datennachweisen, Daten von der FDA, Daten von Stanford, Daten von Vanderbilt, Daten von Harvard. Wir hatten kein einziges Experiment durchgeführt. Aber wir waren nervös. Also ging Nick ins Labor, während die Veröffentlichung überprüft wurde. Wir fanden jemanden, der sich mit Laborarbeiten auskennt. Ich mache so etwas nicht. Ich sorge mich um Patienten, und hantiere nicht mit Pipetten.
We submitted the paper. It was all data evidence, data from the FDA, data from Stanford, data from Vanderbilt, data from Harvard. We had not done a single real experiment. But we were nervous. So Nick, while the paper was in review, went to the lab. We found somebody who knew about lab stuff. I don't do that. I take care of patients, but I don't do pipettes.
Sie zeigten uns, wie man Mäuse mit Arzneien füttert. Wir nahmen Mäuse und gaben ihnen ein P, Paroxetin. Wir gaben anderen Mäusen Pravastatin. Und einer dritten Gruppe von Mäusen gaben wir beides. Und siehe da, die Glukose der Mäuse stieg um 20 - 60 Milligram pro Deziliter. Die Abhandlung wurde basierend auf den Informatiknachweisen angenommen, aber wir fügten eine Notiz hinzu, die besagt, dass Glukose steigt, wenn man sie an Mäuse verabreicht. Das war toll. Die Geschichte hätte dort ihr Ende nehmen können. Aber mir bleiben noch sechseinhalb Minuten.
They taught us how to feed mice drugs. We took mice and we gave them one P, paroxetine. We gave some other mice pravastatin. And we gave a third group of mice both of them. And lo and behold, glucose went up 20 to 60 milligrams per deciliter in the mice. So the paper was accepted based on the informatics evidence alone, but we added a little note at the end, saying, oh by the way, if you give these to mice, it goes up. That was great, and the story could have ended there. But I still have six and a half minutes. (Laughter)
(Gelächter) Nun saßen wir da und dachten über das Ganze nach. Ich erinnere mich nicht, wer darauf kam, aber jemand sagte:
So we were sitting around thinking about all of this, and I don't remember who thought of it, but somebody said,
"Ich frage mich, ob Patienten, die beide Medikamente einnehmen, Hyperglykämie als Nebenwirkung verspüren.
"I wonder if patients who are taking these two drugs are noticing side effects of hyperglycemia.
Sie könnten und sollten es.
They could and they should.
Wie können wir das feststellen?" Wir sagten: "Nun, was würde man machen?" Man nimmt ein Medikament, dann ein neues oder zwei, und bemerkt ein seltsames Gefühl. Was unternimmt man? Man geht auf Google,
How would we ever determine that?" We said, well, what do you do? You're taking a medication, one new medication or two, and you get a funny feeling. What do you do? You go to Google
gibt die ein oder zwei Medikamente ein, die man einnimmt, und fügt "Nebenwirkungen" hinzu. Welche Wirkungen verspürt man? Also sagten wir: "Okay, fragen wir Google, ob wir ihre Suchprotokoll einsehen dürfen," sodass wir feststellen können, ob Patienten solche Suchbegriffe verwenden. Es tut mir leid, das zu sagen, aber Google verweigerte es uns. Ziemlich entmutigend. Ich war mit einem Kollegen von Microsoft Research Abendessen und sagte: "Wir wollten diese Studie durchführen, doch Google lehnte ab. Schade." Er sagte: "Nun, wir haben das Suchprotokoll von Bing." (Gelächter) Na ja. Das ist schön. Nun fühlte ich mich als -- (Gelächter)
and type in the two drugs you're taking or the one drug you're taking, and you type in "side effects." What are you experiencing? So we said OK, let's ask Google if they will share their search logs with us, so that we can look at the search logs and see if patients are doing these kinds of searches. Google, I am sorry to say, denied our request. So I was bummed. I was at a dinner with a colleague who works at Microsoft Research and I said, "We wanted to do this study, Google said no, it's kind of a bummer." He said, "Well, we have the Bing searches." (Laughter) Yeah. That's great. Now I felt like I was -- (Laughter)
Ich fühlte mich, als spräche ich wieder mit Nick.
I felt like I was talking to Nick again.
Er arbeitet für eines der größten Unternehmen der Welt, und ich versuchte, ihn ein wenig zu trösten. Aber er sagte: "Nein, Russ, du verstehst nicht.
He works for one of the largest companies in the world, and I'm already trying to make him feel better. But he said, "No, Russ -- you might not understand.
Es gibt nicht nur die Bing-Suche,
We not only have Bing searches,
wir nutzen auch den Internet Explorer, für Suchen auf Google, Yahoo, Bing oder sonstwo, dann behalten wir diese Daten 18 Monate für "Forschungszwecke" . Ich sagte: "Das hört sich schon besser an!" Es war Eric Horvitz, mein Freund bei Microsoft. Also unternahmen wir eine Studie, bei der wir 50 Begriffe aussuchten, die eine normale Person eingeben würde, wenn sie Hyperglykämie hätte, wie "Müdigkeit", "Appetitlosigkeit", "häufiges Urinieren", "häufiges Pinkeln" -- Verzeihung, aber wahrscheinlich würden Sie das eintippen.
but if you use Internet Explorer to do searches at Google, Yahoo, Bing, any ... Then, for 18 months, we keep that data for research purposes only." I said, "Now you're talking!" This was Eric Horvitz, my friend at Microsoft. So we did a study where we defined 50 words that a regular person might type in if they're having hyperglycemia, like "fatigue," "loss of appetite," "urinating a lot," "peeing a lot" -- forgive me, but that's one of the things you might type in.
Also hatten wir 50 Phrasen, die wir die "Diabeteswörter" nannten. Zuerst erzeugten wir einen Ausgangswert. Jedoch ungefähr 0,5 bis 1 % aller Suchen im Internet beinhalten eines dieser Wörter. Also ist das die Rate unseres Ausgangswerts. Wenn jemand "Paroxetin" oder "Paxil" -- das sind Synonyme -- und eines dieser Wörter eingibt, steigt die Rate auf ungefähr 2 % der Diabetes-artigen Wörter, falls man bereits weiß, dass das "Paroxetin-Wort" eingegeben wurde. Wenn es "Pravastatin" ist, steigt die Rate um ungefähr 3 % vom Ausgangswert. Wenn sowohl "Paroxetin" als auch "Pravastatin" eingegeben wurden, steigt sie um 10 %. Ein enormer drei- bis vierfacher Anstieg in den Suchen mit den zwei Medikamenten, die uns interessieren, und den Diabetes-artigen oder Hyperglykämie-artigen Wörtern. Wir veröffentlichten das, und es erhielt einige Aufmerksamkeit. Es verdient Beachtung, weil Patienten uns durch die Suchmaschinen ihre Nebenwirkungen indirekt mitteilen.
So we had 50 phrases that we called the "diabetes words." And we did first a baseline. And it turns out that about .5 to one percent of all searches on the Internet involve one of those words. So that's our baseline rate. If people type in "paroxetine" or "Paxil" -- those are synonyms -- and one of those words, the rate goes up to about two percent of diabetes-type words, if you already know that there's that "paroxetine" word. If it's "pravastatin," the rate goes up to about three percent from the baseline. If both "paroxetine" and "pravastatin" are present in the query, it goes up to 10 percent, a huge three- to four-fold increase in those searches with the two drugs that we were interested in, and diabetes-type words or hyperglycemia-type words. We published this, and it got some attention. The reason it deserves attention is that patients are telling us their side effects indirectly through their searches.
Wir machten die FDA darauf aufmerksam. Sie waren interessiert. Sie haben Überwachungsprogramme auf sozialen Medienseiten gestartet, um mit Microsoft zu kollaborieren, die bereits eine nette Infrastruktur dafür, und anderes, haben, um Twitter- und Facebookfeeds zu folgen, um Suchverläufe zu beobachten, um frühe Anzeichen zu erkennen, dass Medikamente, einzeln oder gemischt, Probleme verursachen. Was kann ich dem entnehmen? Warum die Geschichte? Erstens: Wir haben nun den Vorteil großer und mittelgroßer Datensätze, um Wechselwirkungen von Arzneimitteln und Medikamentenwirkung grundlegend zu verstehen.
We brought this to the attention of the FDA. They were interested. They have set up social media surveillance programs to collaborate with Microsoft, which had a nice infrastructure for doing this, and others, to look at Twitter feeds, to look at Facebook feeds, to look at search logs, to try to see early signs that drugs, either individually or together, are causing problems. What do I take from this? Why tell this story? Well, first of all, we have now the promise of big data and medium-sized data to help us understand drug interactions and really, fundamentally, drug actions.
Wie funktionieren Medikamente? Eben das wird und hat bereits ein neues Umfeld ermöglicht, um Arzneimittelwirkungen zu verstehen und deren Gebrauch zu optimieren. Nick ist nun Professor an der Columbia. Er führte dies für seine Doktorarbeit mit Hunderten von Medikamentenpaaren durch. Er fand einige sehr wichtige Verhältnisse. Also bildeten wir diese nach und zeigten, dass diese Methoden wirklich funktionieren, um Wechselwirkungen von Arzneien ausfindig zu machen. Allerdings gibt es noch einiges zu beachten. Wir benutzen zeitgleich nicht bloß zwei Medikamente. Wie gesagt gibt es Patienten, die drei, fünf, sieben, neun Arzneien einnehmen. Wurden diese hinsichtlich ihrer neunwegigen Wechselwirkungen geprüft? Ja, wir können dies paarweise durchführen: A und B, A und C, A und D.
How do drugs work? This will create and has created a new ecosystem for understanding how drugs work and to optimize their use. Nick went on; he's a professor at Columbia now. He did this in his PhD for hundreds of pairs of drugs. He found several very important interactions, and so we replicated this and we showed that this is a way that really works for finding drug-drug interactions. However, there's a couple of things. We don't just use pairs of drugs at a time. As I said before, there are patients on three, five, seven, nine drugs. Have they been studied with respect to their nine-way interaction? Yes, we can do pair-wise, A and B, A and C, A and D,
Aber wie steht es mit A, B, C, D, E, F, G zusammen, eingenommen von einem Patienten, vielleicht miteinander interagierend, sodass sie entweder mehr oder weniger effektiv sind oder unerwartete Nebenwirkungen hervorrufen? Da haben wir keine Ahnung. Es stehen uns noch viele Möglichkeiten beim Gebrauch solcher Daten offen, um die Wechselwirkung zwischen Medikamenten zu verstehen. Zwei weitere Schlusspunkte: Ich möchte, dass Sie über die Kraft nachdenken, die wir aus den Daten der Menschen gewannen, die ihre schlechteren Erfahrungen mit den Medikamenten durch ihren Apotheker, durch sich selbst, oder durch ihren Arzt weitergaben -- die Leute, die ermöglichten, dass wir die Daten von Stanford, Harvard, Vanderbilt
but what about A, B, C, D, E, F, G all together, being taken by the same patient, perhaps interacting with each other in ways that either makes them more effective or less effective or causes side effects that are unexpected? We really have no idea. It's a blue sky, open field for us to use data to try to understand the interaction of drugs. Two more lessons: I want you to think about the power that we were able to generate with the data from people who had volunteered their adverse reactions through their pharmacists, through themselves, through their doctors, the people who allowed the databases at Stanford, Harvard, Vanderbilt,
für unsere Nachforschungen verwenden konnten. Leute sorgen sich um Daten; um ihre Privatsphäre und Sicherheit, und das sollten sie. Wir brauchen gesicherte Systeme. Aber wir können kein System haben, welches Daten unzugänglich macht, weil es eine zu wertvolle Quelle für Inspiration, Innovation und Entdeckungen ist, hinsichtlich neuer Erkenntnisse in der Medizin. Letztendlich möchte ich noch eines sagen: In diesem Fall fanden wir zwei Arzneien, mit einer traurigen Geschichte. Sie verursachten wirkliche Probleme. Sie erhöhten Glukose. Sie ließen Menschen an Diabetes erkranken,
to be used for research. People are worried about data. They're worried about their privacy and security -- they should be. We need secure systems. But we can't have a system that closes that data off, because it is too rich of a source of inspiration, innovation and discovery for new things in medicine. And the final thing I want to say is, in this case we found two drugs and it was a little bit of a sad story. The two drugs actually caused problems. They increased glucose. They could throw somebody into diabetes
die sonst nicht daran leiden würden. Deshalb würde man die zwei Arzneien nur vorsichtig miteinander anwenden, vielleicht ausschließlich getrennt, oder andere Arzneien verschreiben. Aber es gab eine weitere Möglichkeit. Wir hätten zwei oder drei Arzneien finden können, die vorteilhaft interagierten. Wir hätten neue Wirkungen von Medikamenten finden können, die keine der beiden allein verursacht, aber zusammen, anstatt eine Nebenwirkung hervorzurufen, könnten sie eine neuartige Behandlung für nicht zu behandelnde Krankheiten bilden oder wo die bisherigen nicht effektiv waren. Wenn wir an heutige medikamentöse Behandlungen denken, an alle großen Durchbrüche -- für HIV, für Tuberkulose, für Depression, für Diabetes -- ist es immer ein Arzneimittelcocktail. Also ist das Positive hier, und das Thema eines anderen TEDTalks an einem anderen Tag, wie wir die gleichen Datenquellen nutzen können, um gute Wirkungen von Arzneikombinationen zu finden, die uns neue Behandlungsmethoden nahe legen,
who would otherwise not be in diabetes, and so you would want to use the two drugs very carefully together, perhaps not together, make different choices when you're prescribing. But there was another possibility. We could have found two drugs or three drugs that were interacting in a beneficial way. We could have found new effects of drugs that neither of them has alone, but together, instead of causing a side effect, they could be a new and novel treatment for diseases that don't have treatments or where the treatments are not effective. If we think about drug treatment today, all the major breakthroughs -- for HIV, for tuberculosis, for depression, for diabetes -- it's always a cocktail of drugs. And so the upside here, and the subject for a different TED Talk on a different day, is how can we use the same data sources to find good effects of drugs in combination that will provide us new treatments,
neue Einsichten in die Funktionen von Medikamenten gewähren, und uns ermöglichen Patienten besser zu versorgen? Vielen Dank. (Applaus)
new insights into how drugs work and enable us to take care of our patients even better? Thank you very much. (Applause)