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."
אתם הולכים לרופא והוא רושם לכם כמה בדיקות. הרופא קובע שיש לכם כולסטרול גבוה ושכדאי לכם לקחת תרופה בשביל זה. אז אתם מקבלים קופסת גלולות. יש לכם ביטחון מסוים, לרופא שלכם יש ביטחון מסוים שזה יעשה את העבודה. החברה שפיתחה את זה ערכה מחקרים רבים, הגישה את זה למינהל המזון והתרופות, הם בחנו את זה ביסודיות, בספקנות. הם אישרו את זה. יש להם מושג כללי איך זה עובד, יש להם מושג כללי מה הן תופעות הלוואי. זה צריך להיות בסדר. אתם מנהלים שיחה קצת יותר מעמיקה עם הרופא שלכם והרופא קצת מודאג כי לאחרונה הייתם במצב רוח רע, לא הרגשתם כרגיל, לא הצלחתם ליהנות מהדברים בחיים כמו בדרך כלל. הרופא אומר, "אתם יודעים, אני חושב שאתם קצת בדיכאון. "אני אצטרך לתת לכם עוד כדור."
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?
עכשיו אנחנו כבר מדברים על שתי תרופות. גם הכדור הזה-- מיליוני אנשים לקחו אותו, החברה עשתה מחקרים, המינהל בחן אותו -- הכל טוב. סביר שהכל יהיה בסדר. סביר שהכל יהיה בסדר. אבל, רק רגע. כמה חקרנו את שתי אלו ביחד?
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.
את זה קשה מאד לעשות. למעשה, לא נוהגים לעשות זאת. אנחנו מסתמכים באופן מוחלט על "מעקב לאחר השיווק", אחרי שהתרופות הופצו למכירה. איך אנחנו יכולים לגלות אם דברים לא טובים קורים בין שתי תרופות? שלוש? חמש? שבע תרופות? שאלו את האדם האהוב עליכם שיש לו כמה אבחונים כמה תרופות הוא לוקח כרגע.
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.
למה איכפת לי מהבעיה הזו? איכפת לי ממנה מאד. אני מידען וחוקר נתונים, ולמען האמת, לדעתי, התקווה היחידה -- היחידה -- להבין את האינטראקציות הללו היא לנצל הרבה מקורות של נתונים כדי למצוא מתי ניתן להשתמש בתרופות בו-זמנית באופן בטוח ומתי זה לא כל כך בטוח.
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.
אז תרשו לי לספר לכם סיפור ממדעי הנתונים. והוא מתחיל עם הסטודנט שלי, ניק. נקרא לו "ניק", כי זה השם שלו.
(Laughter)
(צחוק)
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.
ניק היה סטודנט צעיר. אמרתי, "אתה יודע, ניק, אנחנו צריכים להבין איך תרופות עובדות "איך הן עובדות ביחד, ואיך הן עובדות בנפרד, "ואין לנו הבנה מי יודע מה." אבל מינהל המזון והתרופות הנגיש מאגר מידע מדהים. זה מאגר מידע של תופעות שליליות. הם ממש מעלים לאינטרנט -- נגיש לציבור, כולכם יכולים להוריד את זה ממש עכשיו -- מאות אלפי דו"חות של אירועי תופעות שליליות ממטופלים, רופאים, חברות, רוקחים. והדו"חות האלה הם פשוטים למדי: כתובות בהם כל המחלות מהן סובל המטופל, כל התרופות שהוא לוקח, וכל התופעות השליליות, או תופעות הלוואי, שהם חווים. אלו לא כל התופעות השליליות שמתרחשות באמריקה כיום, אבל אלו מאות ומאות אלפי תרופות.
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.
אז אמרתי לניק, "בוא נחשוב על גלוקוז. "הגלוקוז חשוב מאד, ואנחנו יודעים שהוא קשור בסכרת. "בוא נראה אם נוכל להבין את התגובה לגלוקוז." שלחתי את ניק לדרכו. ניק חזר.
"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."
"ראס", הוא אמר, "יצרתי כלי מיון שיכול לבחון את תופעות הלוואי של תרופה "בהתבסס על מאגר המידע הזה, "שיכול לומר לך אם סביר שהתרופה הזו תשנה את רמת הגלוקוז."
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."
הוא עשה זאת. זה מאד פשוט, איכשהו. הוא לקח את כל התרופות שהיה ידוע שהן משנות את הגלוקוז וכמה תרופות שלא משנות את הגלוקוז, ואמר, "מה ההבדל בתופעות הלוואי שלהן? "ההבדל בתחושת התשישות? בתיאבון? בהרגלי מתן השתן?" כל הדברים הללו יחד נתנו לו כלי בעל יכולות ניבוי ממש טובות. הוא אמר, "ראס, אני יכול לנבא, בדיוק של 93 אחוזים "מתי תרופה תשנה את הגלוקוז."
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."
אמרתי, "ניק, זה נהדר." הוא סטודנט צעיר וצריך לעודד את הבטחון העצמי שלו. "אבל ניק, יש בעיה: "כל רופא בעולם מכיר את כל התרופות שמשנות את הגלוקוז, "כי זה חשוב מאד בפרקטיקה שלנו. "אז נהדר, עבודה טובה, אבל לא באמת כל כך מעניין, "ובהחלט לא משהו שאפשר לפרסם."
(Laughter)
(צחוק)
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."
הוא אמר, "אני יודע, ראס. חשבתי שזה מה שתגיד." ניק בחור פיקח. "חשבתי שזה מה שתגיד, אז עשיתי עוד ניסוי אחד. "בדקתי אנשים במאגר המידע הזה שלקחו שתי תרופות בו זמנית, "וחיפשתי סימנים דומים, סימני שינוי רמת גלוקוז, "אצל אנשים שלוקחים שתי תרופות, "כאשר כל אחת מהתרופות בפני עצמה לא משנה את רמת הגלוקוז, "אבל יחד, הן נתנו סימן חזק."
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.
ואני אמרתי, "או! אתה פיקח. רעיון טוב. תראה לי את הרשימה." ויש קבוצה של תרופות, לא מאוד מרגש. אבל מה שמשך את תשומת לבי היה, שברשימה היו שתי תרופות: פארוקסטין, או פקסיל, נוגד דיכאון; ופרבסטאטין, או פראבאכול, תרופה לכולסטרול.
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."
ואני אמרתי, "אהה! מיליוני אמריקאים לוקחים את שתי התרופות האלה." בפועל גילינו אחר כך, ש-15 מיליון אמריקאים לוקחים פארוקסטין בכל רגע נתון, 15 מיליון על פרבסטטין, וכמיליון, הערכנו, לוקחים את שתיהן. אז מדובר במיליון אנשים שאולי סובלים מבעיות עם הגלוקוז שלהם אם ההוקוס פוקוס של הלמידת-מכונה שלו במאגר המידע של מינהל המזון והתרופות יעמוד במבחן. אבל אמרתי, "זה עדיין לא מספיק לפירסום, "כי אני אוהב את מה שעשית עם ההוקוס-פוקוס ולמידת המכונה, "אבל מה שיש לנו איננו בדיוק ראיות בלתי מעורערות." אז אנחנו צריכים לעשות משהו אחר. בוא ניכנס למאגר הרפואי האלקטרוני של סטנפורד. יש לנו עותק שלו שמתאים למחקר, הוצאנו מידע מזהה. ואני אמרתי, "בוא נראה אם לאנשים שלוקחים את שתי התרופות האלה "יש בעיה עם הגלוקוז שלהם."
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.
יש אלפים רבים של אנשים במאגר הרפואי של סטנפורד שלוקחים פרוקסטין ופרבסטטין. אבל היינו זקוקים למטופלים מיוחדים. היינו זקוקים למטופלים שלוקחים אחת מהתרופות האלה ושיש להם מדידות של גלוקוז, ואז התחילו עם השנייה והיתה להם מדידת גלוקוז נוספת, כל זה בתקופה לא ארוכה מדי -- משהו כמו חודשיים. וכשעשינו את זה, מצאנו 10 מטופלים. אבל, ל-8 מתוך ה-10 היתה קפיצה ברמת הגלוקוז כשהם קיבלו את ה-"פ" השנייה -- אנחנו קוראים לזה "פ" ו-"פ" -- כשהם קיבלו את ה-"פ" השנייה. זה לא משנה איזה היתה קודם, ברגע שבאה השנייה, רמת הגלוקוז עלתה ב-20 מיליגרם לדציליטר. רק כתזכורת, באופן טבעי יש לכם, אם אתם לא חולי סכרת, רמת גלוקוז בסביבות ה-90. ואם זה עולה ל-120, 125, הרופא שלכם מתחיל לחשוב על אבחון של סכרת בפוטנציה. אז קפיצה של 20 -- די משמעותי.
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."
אמרתי, "ניק, זה ממש מדליק. "אבל לצערי עדיין אין לנו מאמר, "כי זה 10 מטופלים, בחייך -- "זה לא מספיק מטופלים." אז אמרנו, מה אנחנו יכולים לעשות?
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.
ואמרנו, בוא נקרא לחברים שלנו בהרוורד ובוונדרבילט, שגם -- אוניברסיטאות הרוורד בבוסטון, ו-וונדרבילט בנשוויל, שגם להם יש מאגרי מידע רפואי אלקטרוניים דומים לשלנו, ונראה אם הם יכולים למצוא לנו מטופלים דומים עם ה-"פ" האחת ועם ה-"פ" השניה, ועם מדידות הגלוקוז בתחום שאנחנו צריכים.
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.
וונדרבילט, יבורכו, מצאו בשבוע אחד 40 מטופלים כאלו עם אותה המגמה. הרוורד מצאו 100 מטופלים. אותה המגמה. כך שלבסוף, היו לנו 150 מטופלים משלושה מרכזים רפואיים שהראו לנו שמטופלים שמקבלים את שתי התרופות הללו קיבלו קפיצת גלוקוז משמעותית.
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.
ויותר מעניין, לא הכללנו את חולי הסכרת, כי אצל חולי סכרת, הגלוקוז כבר משובש. כשהסתכלנו על הגלוקוז של חולי סכרת, הוא עלה ב-60 מ"ג לדציליטר, לא רק 20. זה היה משהו רציני, ואמרנו, "אנחנו חייבים לפרסם את זה." הגשנו את המאמר. הכל היה ראיות מנתונים, נתונים ממינהל המזון והתרופות, נתונים מסטנפורד, נתונים מוונדרבילט, נתונים מהרוורד. לא עשינו אפילו ניסוי אמיתי אחד.
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.
אבל היינו מתוחים. אז ניק, בזמן שהמאמר עבר ביקורת, הלך למעבדה. מצאנו מישהו שמתמצא במעבדות. אני לא מתעסק בזה. אני מטפל בחולים, אבל אני לא עושה פיפטות. הם לימדו אותנו להאכיל עכברים בתרופות. לקחנו עכברים ונתנו להם "פ" אחת, פרוקסטין. לכמה עכברים אחרים נתנו פרבסטטין. ולקבוצה שלישית של עכברים נתנו את שניהם. והפלא ופלא, רמות הגלוקוז עלו בעכברים ב-20 עד 60 מ"ג לדציליטר.
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.
אז המאמר התקבל בהתבסס על הראיות מהנתונים בלבד, אבל הוספנו הערה קטנה בסוף: "אה, דרך אגב, אם נותנים את זה לעכברים, זה עולה."
That was great, and the story could have ended there. But I still have six and a half minutes.
זה היה נהדר, והסיפור יכול היה להסתיים שם. אבל יש לי עוד שש וחצי דקות.
(Laughter)
(צחוק)
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?"
אז אנחנו יושבים לנו וחושבים על כל זה, ואני לא זוכר מי חשב על זה, אבל מישהו אמר, "מעניין אם מטופלים שלוקחים את שתי התרופות הללו "מבחינים בתופעות לוואי של היפר-גליקמיה. "הם עלולים וצפויים לחוות זאת." איך נוכל לבדוק את זה?
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."
אמרנו, טוב, מה עושים? אם אתם לוקחים תרופה, תרופה חדשה אחת או שתיים, ויש לכם הרגשה מוזרה. מה אתם עושים? אתם נכנסים לגוגל ומקלידים את שתי התרופות שאתם לוקחים או את האחת שאתם לוקחים, ואתם מקלידים "תופעות לוואי." את מה שאתם חווים. אז אמרנו "בסדר, "נשאל את גוגל אם הם ישתפו אותנו ברישומי החיפושים שלהם, "כך שנוכל לבחון את רישומי החיפוש "ולבדוק אם מטופלים עורכים חיפושים כאלה." גוגל, צר לי לומר, סירבו לבקשה שלנו. אז הייתי בבאסה. הייתי בארוחת ערב עם חבר שעובד ב"מיקרוסופט מחקר" ואמרתי, "רצינו לעשות איזה מחקר, "גוגל סירבו, זה די באסה." הוא אמר, "טוב, לנו יש את החיפושים מבינג."
(Laughter)
(צחוק)
Yeah. That's great. Now I felt like I was --
כן. נהדר. עכשיו הרגשתי כאילו אני -
(Laughter)
(צחוק)
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.
הרגשתי כאילו אני מדבר אל ניק שוב. הוא עובד באחת החברות הגדולות בעולם, ואני עוד מנסה לגרום לו להרגיש יותר טוב. אבל הוא אמר, "לא, ראס, אולי אינך מבין. "לא רק שיש לנו החיפושים של בינג: "אם אתה משתמש באינטרנט אקספלורר כדי לעשות חיפושים בגוגל, "יאהו, בינג, מה שלא יהיה... "אז למשך שנה וחצי אנו שומרים את המידע הזה ל'מטרות מחקר' בלבד." אמרתי, "אלו דיבורים!" זה היה אריק הורוביץ, החבר שלי במיקרוסופט.
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.
אז עשינו מחקר בו הגדרנו 50 מילים שאדם רגיל עשוי להקליד אם יש לו היפרגליקמיה, כגון "תשישות", "חוסר תיאבון", "נותן הרבה שתן", "משתין הרבה" -- סלחו לי, אבל זה אחד הדברים שהוא עשוי להקליד. אז יש לנו 50 ביטויים שכינינו: "מילות הסכרת." וקודם יצרנו בסיס. ומסתבר שבערך חצי אחוז עד אחוז אחד מכל החיפושים באינטרנט מכיל את אחת מהמילים הללו. זאת הרמה הבסיסית שלנו. אם אנשים מקלידים "פרוקסטין" או "פקסיל" -- אלה מילים נרדפות -- ואת אחת המילים הללו, אז תדירות הופעת מילות הסכרת עולה מעל שני אחוזים, אם יודעים שהמילה "פרוקסטין" כבר קיימת. אם זה "פרבסטטין", התדירות עולה לכ-3% מרמת הבסיס. אם "פרוקסטין" ו"פרבסטטין" מופיעות שתיהן בשאילתא, זה עולה עד ל-10 אחוזים, עליה ענקית של פי שלוש או ארבע בחיפושים הללו עם שתי התרופות שמעניינות אותנו, ומילות הסכרת או מילות היפרגליקמיה.
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.
פרסמנו את זה, וזה זכה לקצת תשומת לב. הסיבה שזה ראוי לתשומת לב היא שכך המטופלים מספרים לנו בעקיפין על תופעות הלוואי שלהם דרך החיפושים שלהם. הסבנו לכך את תשומת הלב של מינהל המזון והתרופות. זה סיקרן אותם. הם התקינו תוכניות מעקב אחרי רשתות חברתיות בשיתוף פעולה עם מיקרוסופט, שיש לה תשתית יפה לשם כך, ועם אחרים, לבחון ציוצים בטוויטר, לבחון פרסומים בפייסבוק, לבחון רישומים ממנועי חיפוש, כדי לנסות ולאתר סימנים מוקדמים לכך שתרופות, בנפרד או ביחד, יוצרות בעיות.
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.
מה הלקח שלי בכל זה? למה לספר את הסיפור? ובכן, קודם כל, יש לנו כעת את ההבטחה הגלומה בנתונים רבים ובינוניים שיאפשרו לנו להבין אינטראקציות בין תרופות ובעצם, באופן בסיסי, פעילות של תרופות. איך עובדות תרופות? זה ייצור, וכבר יצר, מערכת אקולוגית חדשה בשביל להבין איך תרופות עובדות ולמטב את השימוש בהן. ניק התקדם הלאה; עכשיו הוא פרופסור באוניברסיטת קולומביה. הוא עשה את זה בדוקטורט שלו עם מאות זוגות של תרופות. הוא מצא כמה אינטראקציות מאד חשובות, וכך שיכפלנו את זה והראינו שזו דרך שבאמת פועלת ומצליחה לאתר אינטראקציות בין-תרופתיות.
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.
אבל יש כמה דברים. אנחנו לא לוקחים בבת אחת רק זוגות של תרופות. כפי שאמרתי קודם, ישנם מטופלים שלוקחים שלוש, חמש, שבע, תשע תרופות. האם הן באמת נחקרו בהקשר לאינטראקציה התשע-כיוונית שלהן? נכון, אנחנו יכולים לבחון זוגות: א ו-ב, א ו-ג, א ו-ד, אבל מה עם א, ב, ג, ד, ה, ו, ו-ז כולם ביחד, בהילקחן על ידי אותו המטופל, שאולי יוצרות אינטראקציה ביניהן בדרכים שמגבירות או מקטינות את יעילותן, או גורמות לתופעות לוואי בלתי צפויות? באמת שאין לנו מושג. זהו אופק פתוח, תחום לא-ידוע עבורנו באשר לשימוש בנתונים כדי לנסות ולהבין אינטראקציות בין תרופות.
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.
שני לקחים נוספים: אני רוצה שתחשבו על הכוח שהצלחנו ליצור עם הנתונים מאנשים שנידבו את התופעות השליליות שלהם דרך הרוקחים שלהם, בעצמם, דרך הרופאים שלהם, האנשים שאיפשרו למאגרי המידע בסטאנפורד, הרוורד, וונדרבילט, להיות מנוצלים לצרכי מחקר. אנשים מודאגים בקשר למידע. הם דואגים לפרטיות ולבטחון שלהם-- ובצדק. אנחנו צריכים מערכות מאובטחות. אבל אנחנו לא יכולים שתהיה מערכת שחוסמת את הנתונים, כי זה מקור יותר מדי עשיר של השראה, חדשנות וגילוי עבור דברים חדשים ברפואה.
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.
והדבר האחרון שאני רוצה לומר הוא, במקרה הזה מצאנו שתי תרופות וזה היה סיפור קצת עצוב. שתי התרופות באמת יצרו בעיות. הם הגבירו רמות גלוקוז. הם יכלו לגרום למישהו סכרת שבנסיבות אחרות לא היתה לו, כך שכדאי להשתמש בשתי התרופות האלה מאד בזהירות ביחד, אולי לא לקחת אותן יחד, אולי לרשום תרופות אחרות. אבל היתה אפשרות אחרת. יכולנו למצוא שתיים או שלוש תרופות שפועלות באינטראקציה ויוצרות אפקט חיובי. היינו יכולים לגלות אפקטים חדשים של תרופות שלא קיימים לאף אחת מהן בנפרד, אך ביחד, במקום לגרום לתופעות לוואי, הן יכולות להוות טיפול חדש וחדשני למחלות להן אין לנו טיפול או שהטיפול בהן איננו יעיל. אם ניקח טיפול תרופתי כיום, את כל פריצות הדרך החשובות -- לאיידס, לשחפת, לדיכאון, לסכרת -- זה תמיד קוקטייל של תרופות.
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?
כך שהצד החיובי כאן, והנושא להרצאת TED אחרת, ביום אחר, הוא איך אנחנו יכולים להשתמש באותם מקורות המידע כדי למצוא אפקטים חיוביים של שילובי תרופות שייצרו לנו טיפולים חדשים, תובנות חדשות באשר לדרכי הפעולה של תרופות, ויאפשרו לנו לטפל בחולים שלנו אפילו יותר טוב?
Thank you very much.
תודה רבה.
(Applause)
(מחיאות כפיים)