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."
Vous allez chez le docteur et passez quelques tests. Il ressort que vous avez un peu trop de cholestérol et qu'il serait bon de prendre un traitement pour y remédier. Il vous prescrit une boîte de médicaments. Vous êtes confiant, votre médecin est confiant que cela va faire l'affaire. Le laboratoire qui l'a créé a fait plein de tests, l'a soumis à la FDA. Ils l'ont étudié précisément, avec soin, et l'ont approuvé. Ils ont une bonne idée de son action, une bonne idée des effets secondaires. Ça devrait aller. Vous discutez un peu plus avec votre médecin, il s'inquiète car vous êtes un peu triste ces derniers temps, quelque chose cloche, vous n'arrivez pas à profiter de la vie comme vous en avez l'habitude. Votre médecin dit : « Je pense que vous déprimez. Je vais vous prescrire un autre médicament. »
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. Well, wait a minute. How much have we studied these two together?
Nous voilà à 2 traitements maintenant. Ce médicament aussi -- des millions le prennent, le laboratoire a fait des études, la FDA l'a revu -- c'est tout bon. Tout devrait bien se passer avec ça. Tout devrait bien se passer avec ça. Attendez une minute. A-t-on bien étudié ces 2 médicaments ensemble ?
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 between two medications? Three? Five? Seven? Ask your favorite person who has several diagnoses how many medications they're on.
Eh bien, c'est très dur à faire. A vrai dire, ce n'est pas fait. On se repose totalement sur la « surveillance après commercialisation », après leur mise sur le marché. Comment peut-on savoir si des effets secondaires existent si on mélange les deux ? Et avec trois ? Cinq ? Sept ? Demandez à un ami qui suit plusieurs traitements combien de pilules il prend.
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 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.
Pourquoi cela m'intéresse ? Ça m'intéresse beaucoup. Je suis informaticien et scientifique, et sérieusement, à mon avis, la seule chance -- la seule -- de comprendre ces interactions est de tirer parti d'un maximum de sources d'information de manière à découvrir quand les médicaments peuvent être mélangés et quand il y a un risque.
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.
Ceci est une histoire de science de données. Elle commence avec mon étudiant Nick. Appelons-le Nick, parce que c'est son nom.
(Laughter)
(Rires)
Nick was a young student. 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. But the FDA has made available an amazing database. 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.
Nick était étudiant. Je lui dit : « Nick, on doit comprendre l'action des médicaments, comment ils interagissent et agissent seuls, et on n'a pas une bonne compréhension. » Mais la FDA met à disposition une base de données géniale, une base des effets indésirables. Ils mettent en ligne -- librement accessible, vous pourriez tout télécharger maintenant -- des centaines de milliers de rapports sur les effets indésirables de patients, docteurs, entreprises, pharmaciens. Et ces rapports sont assez simples : ils contiennent toutes les maladies du patient, tous les médicaments qu'il prend, et tous les effets indésirables, ou effets secondaires qu'il rencontre. Pas tous les effets indésirables survenant en Amérique aujourd'hui, mais des centaines et centaines de milliers de médicaments.
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.
Donc j'ai dit à Nick : « Prenons le glucose. Le glucose est très important, et nous connaissons son lien avec le diabète. Voyons voir si on peut comprendre la réponse au glucose. » Nick part là dessus. Nick revient.
"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."
« Russ », me dit-il, « j'ai créé un classificateur qui peut regarder les effets d'un médicament dans la base de données de la FDA, et dire si ce médicament peut avoir un effet sur le taux de glucose. »
He did it. It was very simple, in a way. 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 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."
Il l'a fait. C'était très simple en somme. Il a prit tous les médicaments ayant un effet et quelques autres sans effet, et s'est dit : « Quelles sont les différences sur les effets secondaires ? Différence de fatigue ? D'appétit ? D'habitudes urinaires ? » Tout cela lui a permis de donner un très bon prédicteur. « Russ, je peux prédire avec une précision de 93% quand le glucose est impacté. »
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. So it's great, good job, but not really that interesting, definitely not publishable."
« Nick, c'est super. » C'est un jeune étudiant, Il faut l'encourager. « Mais il y a un problème. Tous les médecins du monde connaissent les médicaments jouant sur le glucose, car c'est le cœur du métier. Donc c'est bien, du bon boulot, mais pas très intéressant, et certainement pas publiable. »
(Laughter)
(Rires)
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, and I looked for signals similar, glucose-changing signals, for people taking two drugs, where each drug alone did not change glucose, but together I saw a strong signal."
« Je sais, Russ. Je me doutais que tu dirais ça. » Nick est intelligent. « Je m'en doutais donc j'ai fait un autre test. J'ai cherché toutes les personnes prenant 2 médicaments, et j'ai cherché les signaux similaires, les signaux de changement du glucose, pour les gens prenant 2 médocs, lesquels, individuellement, ne jouent pas sur le taux de glucose, mais ensemble présentent un signal fort. »
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.
Et j'ai dit : « Tu es malin. Bonne idée. Montre-moi la liste. » Voilà une liste de médicaments pas très sexy. Sur la liste, il y avait 2 médicaments qui ont attiré mon attention : Paroxétine, ou Paxil, un antidépresseur, et Pravastatine, ou Pravachol, un médicament pour le cholestérol.
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 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."
J'ai dit : « Des millions d'Américains prennent ces 2 médicaments. » Il s'avère que 15 millions prennent du paroxétine, 15 millions prennent du pravastatine, et 1 million prennent les deux selon nos estimations. Un million de personnes pouvant rencontrer des problèmes avec leur glucose si son programme d'apprentissage du charabia de la base de la FDA tient vraiment la route. « Ce n'est toujours pas publiable, parce que j'adore ce que tu as bidouillé, ton programme d'apprentissage, mais ce n'est pas encore une preuve irréfutable que nous avons. » Donc on doit faire autre chose. Regardons les rapports médicaux électroniques de Stanford. Nous avons une copie OK pour la recherche, les rapports sont anonymisés. « Voyons si les personnes prenant ces 2 médicaments ont des problèmes de 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, 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.
Il y a des milliers et des milliers de personnes qui prennent de la paroxétine et de la pravastatine dans ces dossiers. Nous voulions des patients particuliers, des patients prenant un de ces médicaments et ayant eu une mesure du taux de glucose, puis ayant pris l'autre médicament et une nouvelle mesure du glucose, tout cela sur une période raisonnable -- quelque chose comme 2 mois. En faisant cela, on a trouvé 10 patients. Cependant, 8 sur 10 présentaient une hausse de leur glucose quand ils prenaient leur 2ème P -- on appelle ça P et P - quand ils prenaient leur 2ème P. Peu importe l'ordre, le second P arrive, le glucose monte de 20 milligrammes par décilitre. Pour rappel, si vous n'êtes pas diabétique, votre glucose est à environ 90. et s'il monte à 120, 125, votre docteur commence à penser qu'il y a un risque de diabète. donc un pic de 20 -- plutôt notable.
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."
J'ai dit : « Nick, c'est très bon ça. Mais, désolé, on a toujours pas notre papier parce que 10 patients -- pardonne-moi -- c'est pas suffisant. »
So we said, what can we do? 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 with the one P, the other P, the glucose measurements in that range that we need.
Que pouvons-nous faire ? Appelons nos amis de Harvard et Vanderbilt qui ont -- Harvard à Boston, Vanderbilt à Nashville, des rapports médicaux électroniques, similaires aux nôtres. Ils ont peut-être des patients similaires avec le 1er P, le 2ème P, les mesures de glucose dans l'intervalle qui nous intéresse.
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 were having their glucose bump somewhat significantly.
Dieu merci, Vanderbilt en a trouvé 40 en une semaine. même tendance. Harvard en a trouvé 100, même tendance. En fin de compte, nous avions 150 patients de 3 centres médicaux différents indiquant que les patients prenant ces 2 médicaments voyaient leur taux de glucose augmenter significativement.
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." 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.
Plus intéressant, nous avions écarté les diabétiques, les diabétiques ont des taux de glucose anormaux. Quand on a regardé le glucose des diabétiques, il augmentait de 60 milligrammes par décilitre, pas juste 20. C'était important et on s'est dit : « On doit publier ça. » On a soumis notre papier. Il s'agissait de données factuelles, données de la FDA, données de Stanford, données de Vanderbilt et Harvard. On n'avait pas fait une seule expérience.
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. 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.
Mais nous étions nerveux. Donc Nick, pendant l'examen du papier, est retourné au labo. On a trouvé quelqu'un versé dans les trucs de labo. Je fais pas ça. Je m'occupe des patients, je ne touche pas aux pipettes. Il nous a appris à donner des médicaments aux souris. On a pris certaines souris et on a donné un P, la paroxétine, à d'autres la pravastatine. Et à un 3ème groupe de souris, les 2 P. Et voilà, le glucose a augmenté de 20 à 60 milligrammes par décilitre chez les souris.
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.
Le papier a été accepté, rien qu'avec les informations factuelles, mais on a ajouté une note à la fin disant : « Au fait, si vous testez sur des souris, ça monte. »
That was great, and the story could have ended there. But I still have six and a half minutes.
C'est très bien et l'histoire aurait pu s'arrêter là. Mais j'ai encore 6 min 30.
(Laughter)
(Rires)
So we were sitting around thinking about all of this, and I don't remember who thought of it, but somebody said, "I wonder if patients who are taking these two drugs are noticing side effects of hyperglycemia. They could and they should. How would we ever determine that?"
Donc on était là, à réfléchir à tout ça, et je ne me rappelle pas qui, mais quelqu'un à dit : « Je me demande si les patients qui prennent ces 2 médicaments ont remarqué les effets secondaires d'hyperglycémie. Ils pourraient et ils devraient. Comment pourrions-nous le déterminer ? »
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 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."
Qu'est-ce que tu fais ? Tu prends un médicament, puis un autre ou deux, et tu te sens bizarre. Que fais-tu ? Tu vas sur Google et tu cherches le nom du ou des médicaments que tu prends, et tu tapes « effets secondaires ». Et ce que tu ressens? Donc on s'est dit OK, demandons à Google s'ils veulent bien partager leurs logs avec nous, qu'on puisse voir les recherches et voir si des patients font ce genre de recherches. Je suis désolé de le dire, mais Google a refusé. J'étais un peu abattu. A un dîner avec un collègue travaillant pour Microsoft Research, j'ai dit : « On voulait faire cette étude, Google a dit non, c'est triste. » Il me dit : « Nous avons les recherches Bing. »
(Laughter)
(Rires)
Yeah. That's great. Now I felt like I was --
Ouais. C'est bien. J'avais l'impression --
(Laughter)
(Rires)
I felt like I was talking to Nick again. 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. We not only have Bing searches, 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.
J'avais l'impression de parler à Nick de nouveau. Il travaille pour une des plus grosses sociétés au monde et j'essaye de le réconforter. Il me dit : « Non, Russ, tu n'as pas bien compris. On n'a pas seulement les recherches Bing, mais si tu utilises Internet Explorer pour chercher sur Google, Yahoo, Bing, n'importe... Alors, pendant 18 mois on garde ces infos pour des questions de recherches. » J'ai dit : « Là, tu m'intéresses ! » C'était Eric Horvitz, mon ami chez 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. 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.
Donc on a fait une étude dans laquelle on définissait 50 mots qu'une personne pourrait taper en cas d'hyperglycémie, comme « fatigue », « perte d'appétit », « urine beaucoup », « fait beaucoup pipi » pardon, mais c'est un des trucs que vous pourriez taper. Nous avions 50 phrases qu'on a appelées les « mots du diabète ». Et on a d'abord cherché une référence. Il s'avère que 0,5 à 1% de toutes les recherches sur internet incluent l'un de ces mots. C'est notre taux de référence. Si les gens tapent « paroxétine » ou « Paxil » -- ce sont des synonymes -- et l'un de ces mots, le taux monte jusqu'à environ 2% des « mots du diabète », si vous savez que le mot « paroxétine » s'y trouve. Si c'est « pravastatine », le taux monte à 3% par rapport au taux de référence. Si on a « paroxétine » et « pravastatine » ensemble dans la recherche, il monte à 10%, une augmentation par 3 ou 4 dans ces recherches sur les 2 médicaments qui nous intéressaient, avec des mots propres au diabète ou à l'hyperglycémie.
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. 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.
On a publié ça, et cela a attiré l'attention. La raison pour laquelle ça mérite notre attention est que les patients nous disent les effets secondaires rencontrés indirectement via leurs recherches. On a porté cela à l'attention de la FDA. Ils étaient intéressés. Ils ont monté des programmes de surveillance des réseaux sociaux en collaboration avec Microsoft, qui avait une bonne infrastructure pour ça et d'autres pour suivre les flux Twitter, suivre les flux Facebook, suivre les recherches, pour déceler les indices qu'un médicament seul ou associé à d'autres, pose problème.
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. 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.
Qu'en retirer ? Pourquoi raconter cela ? Eh bien, pour commencer, nous avons la promesse de l'analyse de données pour nous aider à comprendre les interactions entre médicaments et, véritablement, leurs effets. Comment fonctionnent-ils ? Cela va créer, et a déjà créé, un nouvel écosystème pour comprendre comment les médicaments agissent et optimiser leur usage. Nick a avancé, il est professeur à Columbia désormais. Il a fait ça pour son doctorat, pour des centaines d'associations de médicaments. Il a trouvé plusieurs interactions très importantes, et donc on a reproduit ça et on a montré que ça fonctionne vraiment pour trouver des interactions entre médicaments.
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, 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.
Cela dit, quelques précisions. On ne fait pas que tester des couples de médicaments ensemble. Comme je l'ai déjà dit, certains patients prennent 3, 5, 7, 9 médicaments. Est-il possible d'étudier leurs multiples interactions ? Oui, on peut tester par paires, A avec B, A avec C, A avec D, mais qu'en est-il de A, B, C, D, E, F, G tous ensemble, pour un même patient, peut-être interagissant entre eux au point de les rendre plus efficaces ou moins efficaces ou causer des effets secondaires inattendus ? Nous n'en avons aucune idée. C'est un nouvel horizon, un nouveau champ pour nous d'utiliser des données pour essayer de comprendre toutes les interactions des médicaments
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, 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.
2 dernières leçons : je veux que vous imaginiez la force que nous avons pu générer à partir des données de gens qui ont accepter de partager leurs réactions via leurs pharmaciens, entre eux, leurs docteurs, les gens qui ont permis d'utiliser les bases de Stanford, Harvard, Vanderbilt à des fins de recherche. Les gens s'inquiètent. Ils ont peur pour leur vie privée et leur sécurité -- ils ont raison. Il faut des systèmes sûrs. Mais on ne peut pas travailler sans ces données, car c'est une source trop riche d'inspiration, d'innovation et de découvertes de nouvelles connaissances en médecine.
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 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.
La dernière chose que je veux dire : dans ce cas on a trouvé 2 médicaments et c'est une histoire un peu triste. Les 2 médicaments posent problème. Ils augmentent le glucose. Ils peuvent provoquer un diabète chez des gens qui ne l'auraient pas sinon, vous avez donc intérêt à faire très attention aux 2 ensemble, peut-être à éviter les 2 ensemble, faire des prescriptions différentes. Mais il y a une autre possibilité. On aurait pu trouver 2 ou 3 médicaments qui interagissent de façon bénéfique. Produisant de nouveaux effets qu'aucun d'entre eux n'a seul, mais ensemble, au lieu d'effets secondaires, ils pourraient être un nouveau traitement pour des maladies sans traitement ou dont les traitements sont inefficaces. Si on pense aux traitements aujourd'hui, toutes les découvertes majeures -- pour le SIDA, la tuberculose, la dépression, le diabète -- c'est toujours un cocktail de médicaments.
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, new insights into how drugs work and enable us to take care of our patients even better?
Et donc, la bonne nouvelle, et le sujet d'une autre TED Talk, un autre jour, c'est comment pouvons-nous utiliser la même source de données pour trouver les effets positifs lors du mélange de médicaments apportant ainsi de nouveaux traitements, de nouvelles infos sur leur fonctionnement et nous permettre de prendre encore mieux soin de nos patients ?
Thank you very much.
Merci beaucoup.
(Applause)
(Applaudissements)