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."
Vai dal dottore e gli porti delle analisi. Il dottore scopre che hai il colesterolo alto e che ti servirebbero delle medicine per curarlo. Così ti dà una scatola di pillole. Sei abbastanza sicuro, e anche il tuo medico è abbastanza sicuro che funzionerà. L'azienda che l'ha formulata ha fatto molti studi, l'ha sottoposta all'FDA. L'hanno studiata attentamente, scrupolosamente, e l'hanno approvata. Hanno grosso modo idea di come funzioni, hanno una vaga idea degli effetti collaterali. Dovrebbe essere a posto. Poi parli ancora un po' con il tuo medico e lui è un po' preoccupato perché ultimamente ti senti giù, non ti senti te stesso, non riesci a goderti la vita tanto quanto prima. Il tuo medico dice "sai, credo che tu sia un po' depresso. Ti devo dare un'altra pastiglia."
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?
Quindi ora si tratta di due medicine. Anche questa pillola... è stata presa da milioni di persone, l'azienda ha effettuato degli studi, l'FDA l'ha controllata... tutto a posto. Pensi che con questa tutto andrà bene. Pensi che con quest'altra tutto andrà bene. Beh, aspetta un minuto. Quanto abbiamo studiato le due medicine insieme?
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.
È una cosa molto difficile da fare. In realtà, di solito non si fa. Facciamo completamente affidamento sulla cosiddetta "sorveglianza post-marketing," dopo che i farmaci vengono immessi sul mercato. Come facciamo a rilevare eventuali effetti collaterali tra due farmaci? Tre? Cinque? Sette? Chiedete a chiunque abbia numerose diagnosi quante medicine prendano.
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.
Perché mi preoccupa questo problema? Mi sta molto a cuore. Mi occupo di informatica e scienza dei dati e, davvero, credo che l'unica e sola speranza di comprendere queste interazioni sia sfruttare molte diverse fonti di dati per capire quando i farmaci possano essere utilizzati insieme in modo sicuro, e quando non è così sicuro.
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.
Lasciate che vi racconti una storia sui dati. E inizia con il mio studente Nick. Chiamiamolo "Nick," dato che è il suo nome.
(Laughter)
(Risate)
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 era un giovane studente. Dissi: "Sai, Nick, dobbiamo capire come funzionano i farmaci, come funzionano insieme e come funzionano separatamente, e non ne sappiamo molto. Ma l'FDA ha reso disponibile un fantastico database. È un database di effetti collaterali. Hanno letteralmente messo in rete, disponibili al pubblico, potreste scaricarli ora, centinaia di migliaia di resoconti di effetti collaterali da pazienti, dottori, aziende, farmacisti. Questi dati sono abbastanza semplici: si riportano tutte le malattie da cui è affetto il paziente, tutti i farmaci che assume, e tutte le reazioni avverse, o effetti collaterali, che incontra. Non sono tutte le reazioni avverse che sono presenti in America oggi, ma si tratta di centinaia e centinaia di migliaia di farmaci.
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.
Quindi dissi a Nick: "Parliamo del glucosio. Il glucosio è molto importante e sappiamo che è correlato al diabete. Vediamo se riusciamo a capire la risposta glicemica." Ho mandato Nick al lavoro. Nick è tornato.
"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" disse, "Ho creato un classificatore che legge gli effetti collaterali di un farmaco e, in base a questo database, può dire se è probabile che quel farmaco modifichi o meno il glucosio."
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."
Ci era riuscito. In un certo senso, era molto semplice. Ha preso tutti i farmaci che è noto modifichino il glucosio e una manciata di farmaci che non lo fanno, e si è chiesto: "Qual è la differenza negli effetti collaterali? Differenze nella stanchezza? Nell'appetito? Nelle abitudini urinarie?" Tutti questi fattori hanno contribuito a creare un ottimo predittore. Ha detto: "Russ, posso predirre con il 93% di precisione se un farmaco cambierà il glucosio."
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."
Dissi: "Nick, è ottimo." È un giovane studente, bisogna fargli acquisire sicurezza. "Ma, Nick, c'è un problema. È che ogni medico al mondo conosce tutti i farmaci che modificano il glucosio perché è fondamentale per il nostro lavoro. Quindi è fantastico, un buon lavoro, ma non è così interessante, sicuramente non pubblicabile."
(Laughter)
(Risate)
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."
Disse: "Lo so, Russ. Credevo l'avresti detto." Nick è sveglio. "Credevo l'avresti detto, quindi ho fatto un altro esperimento. Ho cercato nel database le persone che assumevano due farmaci, e ho cercato segnali simili di modifica del livello di glucosio, in persone che assumono due farmaci, casi in cui ogni farmaco singolo non modificava il livello di glucosio, ma se presi insieme, ho rilevato un segnale importante."
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.
E ho detto: "Oh! Sei sveglio. Buona idea. Fammi vedere la lista." Vidi una manciata di farmaci, non molto entusiasmanti. Ma quello che attirò la mia attenzione furono due farmaci: la paroxetina, o Paxil, un antidepressivo; e la pravastatina, o Pravachol, un farmaco per il colesterolo.
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."
Ho detto: "Uh. Milioni di americani prendono questi due farmaci insieme." In realtà, scoprimmo dopo, 15 milioni erano sotto paroxetina e 15 milioni sotto pravastatina, e un milione, stimammo, che le prendevano insieme. Quindi un milione di persone avrebbero potuto avere problemi con il proprio glucosio se questo lavoro di machine learning effettuato sul database della FDA si fosse rivelato valido. Ma dissi: "Non è ancora pubblicabile, perché sebbene mi piaccia il tuo lavoro di machine learning, in realtà non siamo di fronte a prove sufficienti. Dobbiamo fare qualcos'altro. Guardiamo nel registro medico elettronico di Stanford. Ne abbiamo una copia adatta alla ricerca, abbiamo rimosso le informazioni personali. Dissi: "Vediamo se pazienti che assumono questi due farmaci hanno problemi con il loro glucosio."
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.
Ci sono migliaia e migliaia di persone nei registri medici di Stanford che assumono paroxetina e pravastatina. Ma a noi servivano pazienti speciali. Ci servivano pazienti che avessero misurato il glucosio sotto un farmaco solo e che l'avessero misurato di nuovo dopo aver preso il secondo farmaco, il tutto entro un periodo di tempo ragionevole, qualcosa come due mesi. E quando li abbiamo trovati, erano 10 pazienti. Tuttavia, 8 su 10 avevano rilevato un aumento di glucosio dopo aver assunto la seconda P, le chiamiamo P e P. dopo la seconda P. Qualunque fosse stata assunta per prima, dopo la seconda il glucosio era aumentato di 20 milligrammi per decilitro. Giusto come promemoria, se non siete diabetici, andate in giro con circa 90 di glucosio. E se si alza a 120 o 125, il vostro medico inizia a pensare ad una potenziale diagnosi di diabete. Quindi un aumento di 20 è abbastanza significativo.
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."
Dissi: "Nick, ciò è molto interessante. Ma, mi spiace, non abbiamo ancora un articolo, poiché si tratta di 10 pazienti e, concedimelo, non sono abbastanza."
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.
Quindi cosa potevamo fare? Ci siamo detti, chiamiamo i nostri amici ad Harvard e Vanderbilt, anche loro, Harvard a Boston e Vanderbilt a Nashville, hanno registri medici elettronici simili ai nostri. Vediamo se possono trovare pazienti simili con una P, l'altra P e le misurazioni di glucosio nell'intervallo di tempo utile.
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.
Dio li benedica, Vanderbilt trovò in una settimana 40 pazienti del genere, stesse caratteristiche. Harvard trovò 100 pazienti, stesse caratteristiche. Alla fine, avevamo 150 pazienti da tre diversi centri medici che ci stavano dicendo che, assumendo questi farmaci, il loro glucosio si alzava in maniera significativa.
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.
Ancora più interessante, non avevamo considerato i diabetici perché nei diabetici il glucosio è già fuori dalla norma. Quando l'abbiamo fatto, il glucosio dei diabetici aumentava fino a 60 milligrammi per decilitro, non solo 20. Questo era importante, e ci siamo detti: "Dobbiamo pubblicarlo." Abbiamo presentato l'articolo. Erano tutti dati oggettivi, dati dall'FDA, dati da Stanford, dati da Vanderbilt, dati da Harvard. Non avevamo fatto un singolo esperimento.
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.
Ma eravamo nervosi. Così Nick, mentre l'articolo era in esame, è andato al laboratorio. Abbiamo trovato qualcuno che ne capisse di laboratorio Io non faccio queste cose. Mi preoccupo dei pazienti, ma non uso pipette. Ci hanno insegnato come somministrare medicine ai topi. Presi dei topi gli abbiamo dato una P, paroxetina. Abbiamo dato ad altri topi la pravastatina. Ad un terzo gruppo di topi abbiamo dato entrambe. Ed ecco! Il glucosio è aumentato tra 20 e 60 milligrammi per decilitro nei topi.
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.
Così l'articolo è stato accettato. in base alle sole prove informatiche, ma abbiamo aggiunto una nota alla fine dicendo, oh a proposito, se le date ai topi, funziona.
That was great, and the story could have ended there. But I still have six and a half minutes.
È stato fantastico e la storia potrebbe finire qui. Ma ho ancora sei minuti e mezzo.
(Laughter)
(Risate)
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?"
Dunque ce ne stavamo lì pensando a tutto questo, e non ricordo chi ci ha pensato, ma qualcuno ha detto: "Mi chiedo se i pazienti che prendono queste due medicine stanno notando gli effetti collaterali dell'iperglicemia." Potevano e dovevano. "Come possiamo mai stabilirlo?"
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."
Ci siamo detti, bene, cosa fai? Stai prendendo una medicina, una medicina nuova o due, e avverti una strana sensazione. Cosa fai? Vai su Google e scrivi le due medicine che prendi o la medicina che prendi e scrivi "effetti collaterali". Quali sintomi hai? Così abbiamo detto OK, chiediamo a Google di condividere i loro registri di ricerca con noi, così controlliamo i registri di ricerca e vediamo se i pazienti stanno facendo questo tipo di ricerche. Google, mi spiace dirlo, ha respinto la nostra richiesta. Quindi ero scoraggiato. Ero a una cena con un collega che lavora alla Microsoft Research e ho detto: "Volevamo fare questa ricerca, Google ha detto no, è un peccato." Ha detto: "Beh, noi abbiamo le ricerche su Bing"
(Laughter)
(Risate)
Yeah. That's great. Now I felt like I was --
Già. È fantastico. Ora mi sentivo come...
(Laughter)
(Risate)
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.
Mi sentivo come se stessi parlando di nuovo a Nick. Lavora per una delle aziende più grandi al mondo, e sto ancora provando a farlo sentire meglio. Ma ha detto: "No, Russ, forse non hai capito. Non solo abbiamo le ricerche su Bing, ma se usi Internet Explorer per fare ricerche su Google, Yahoo, Bing, qualsiasi... Allora, per 18 mesi, conserviamo quei dati a solo scopo di ricerca." Ho detto: " Questo sì che è parlare." Questo era Eric Horvitz, mio amico alla 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.
Quindi abbiamo fatto uno studio con cui abbiamo definito 50 parole che una persona comune potrebbe scrivere se avesse l'iperglicemia, come "fatica", "perdita di appetito", "urinare molto", "fare molta pipì", perdonatemi, ma è una delle cose che potreste scrivere. Così avevamo 50 frasi che abbiamo chiamato le "parole del diabete". E abbiamo ottenuto un primo riferimento. Si è scoperto che circa tra lo 0,5 e l'1% di tutte le ricerche su Internet contengono una di queste parole. Così questo è il nostro riferimento. Se le persone scrivono "paroxetina" o "Paxil", sono sinonimi, e una di quelle parole, il tasso sale fino a circa il 2 percento di parole di tipo diabete, se già sai che c'è la parola "paroxetina". Se c'è "pravastina", il tasso sale fino a circa il 3 % dal riferimento. Se sia "paroxetina" che "pravastina" sono presenti nella query, sale al 10 percento, un incremento enorme da 3 a 4 volte nelle ricerche con le due medicine che ci interessavano, e le parole di tipo diabete o di tipo iperglicemia.
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.
Lo abbiamo pubblicato, ha ricevuto una certa attenzione. La ragione per cui merita attenzione è che i pazienti ci stanno dicendo i loro effetti collaterali indirettamente attraverso le loro ricerche. Lo abbiamo posto all'attenzione dell'FDA. Erano interessati. Hanno stabilito programmi di sorveglianza basati sui social media per collaborare con Microsoft, che ha una buona infrastruttura per fare questo, e altri, per vedere messaggi su Twitter e su Facebook, per vedere i registri di ricerca, per cercare di vedere i primi segni che delle medicine, da sole o insieme, stanno causando problemi.
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.
Cosa mi è rimasto? Perché racconto questa storia? Bene, prima di tutto, ora abbiamo la promessa di dati di grandi e medie dimensioni per aiutarci a comprendere le interazioni tra medicine e davvero, fondamentalmente, l'azione delle medicine. Come funziona un medicinale? Questo creerà e ha creato un nuovo ecosistema per capire come funzionano le medicine e ottimizzare il loro uso. Nick è andato avanti; ora è professore alla Columbia. Ha fatto questo nel suo PhD per migliaia di coppie di medicine. Ha trovato molte interazioni davvero importanti e così l'abbiamo ripetuto e abbiamo dimostrato che è un metodo che funziona davvero per trovare interazioni tra medicinali.
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.
Comunque, ci sono un paio di cose. Non abbiamo considerato solo due medicine alla volta. Come ho detto prima, ci sono pazienti che assumono 3, 5, 7, 9 medicine. Sono state studiate rispetto alle loro interazioni se prese insieme? Sì, possiamo prendere delle coppie, A e B, A e C, A e D, ma cosa accade con A, B, C, D, E, F, G tutte insieme se prese dallo stesso paziente, forse interagendo una con l'altra in modi che le rendano o più efficaci o meno efficaci o causino effetti collaterali che sono inaspettati? Non ne abbiamo proprio idea. È teoria, un campo aperto per noi per usare i dati per cercare di capire le interazioni tra medicinali.
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.
Ancora due lezioni: Vorrei che pensaste al potere che siamo stati in grado di generare con i dati da persone che hanno fornito le loro reazioni avverse attraverso i loro farmacisti, loro stesse, i loro dottori, le persone che hanno reso disponibili database a Stanford, Harvard, Vanderbilt, per usarli nella ricerca. Le persone si preoccupano dei dati. Si preoccupano della loro privacy e sicurezza, dovrebbero farlo. Ci servono sistemi sicuri. Ma non possiamo avere sistemi che bloccano quei dati perché è una fonte troppo ricca di ispirazione, innovazione e scoperta di nuove cose in medicina.
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.
E l'ultima cosa che voglio dire è questa, in questo caso abbiamo due medicine ed è una storia un po' triste. Le due medicine in realtà causavano problemi. Facevano aumentare il glucosio. Possono far diventare diabetico qualcuno che altrimenti non lo sarebbe, quindi dovreste usare le due medicine insieme con molta cautela, magari non insieme, fate scelte differenti quando prescrivete medicine. Ma c'era un'altra possibilità. Avremmo potuto trovare 2 o 3 medicinali che interagissero in modo benefico. Avremmo potuto trovare nuovi effetti delle medicine che nessuna di loro ha da sola, ma insieme, invece di causare effetti collaterali, potrebbero essere un trattamento nuovo e insolito per malattie che non hanno cure o per le quali le cure non sono efficaci. Se pensiamo alle cure con medicinali oggi, tutte le svolte maggiori, per l'HIV, per la tubercolosi, per la depressione, per il diabete, è sempre un cocktail di medicine.
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?
Così, ecco il lato positivo, e l'argomento per un altro TED Talk in un altro giorno è: come possiamo le stesse fonti di dati per trovare effetti positivi di combinazioni di farmaci che ci forniranno nuovi trattamenti, nuove visioni sul funzionamento delle medicine e ci permetteranno di prenderci cura dei nostri pazienti ancora meglio?
Thank you very much.
Grazie molto.
(Applause)
(Applausi)