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."
Vamos ao médico e ele faz alguns exames. O médico determina que temos o colesterol alto e é melhor tomarmos um medicamento para tratar disso. Obtemos uma caixa de comprimidos. Ficamos confiantes, o médico tem confiança de que vai dar bom resultado. A empresa que o inventou fez uma série de estudos, submeteu-o ao FDA. Foi estudado muito cuidadosamente, com ceticismo, foi aprovado. Têm uma ideia geral de como funciona, têm uma ideia geral dos seus efeitos colaterais. Deve estar ok. Conversamos um pouco mais com o médico e o médico está preocupado porque temos andado deprimidos, não nos temos sentido bem, não apreciamos as coisas da vida como habitualmente acontecia. O médico diz: "Acho que anda um pouco deprimido. "Vou dar-lhe outro comprimido".
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?
Agora estamos a falar de dois medicamentos. Milhões de pessoas tomam este comprimido, a empresa também fez estudos, o FDA observou-o — tudo bem. Pensamos que as coisas vão correr bem. Pensamos que as coisas vão correr bem. Bem, esperem um pouco. Quantos estudos foram feitos dos dois medicamentos juntos?
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.
É muito difícil fazer isso. Na verdade, habitualmente não se fazem. Dependemos totalmente daquilo a que se chama "vigilância pós-comercialização", depois de os medicamentos estarem no mercado. Como é que descobrimos que acontecem coisas más entre dois medicamentos? Entre três? cinco? sete? Perguntem a uma pessoa que tem vários diagnósticos quantos medicamentos toma.
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.
Porque é que me preocupo com este problema? Preocupo-me e muito. Sou informático, um tipo da ciência de dados. Na minha opinião, a única esperança de compreender estas interações é usar conjuntos de diversas origens de dados para perceber quando os medicamentos podem ser usados em conjunto, com segurança e quando essa segurança não existe.
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.
Vou contar-vos uma história da ciência dos dados. Começa com o meu aluno Nick. Vamos chamar-lhe Nick, porque é esse o nome dele.
(Laughter)
(Risos)
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 um jovem estudante. Eu disse: "Nick, temos que perceber como funcionam as drogas, "como funcionam em conjunto e como funcionam em separado". Não sabemos grande coisa sobre isso. Mas a FDA disponibilizou uma base de dados fenomenal. É uma base de dados de incidentes adversos. Puseram-no na "web" — disponíveis publicamente, vocês podem lá ir agora mesmo — centenas de milhares de relatos de incidentes adversos de doentes, de médicos, de empresas, de farmacêuticos. Esses relatos são muito simples: têm todas as doenças que um doente tem, todas as drogas que ele toma, e todos os incidentes adversos, ou efeitos colaterais, que eles sentem. Não são todos os incidentes adversos que ocorrem atualmente nos EUA, mas centenas e centenas de milhares de drogas.
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.
Então, eu disse ao Nick: "Vamos pensar na glucose. "A glucose é muito importante sabemos que está envolvida na diabetes. "Vamos ver se compreendemos a reação à glucose." Mandei embora o Nick. O Nick voltou.
"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 ele. "Criei um classificador que pode ver os efeitos colaterais duma droga "com base na observação desta base de dados "e posso dizer se esta droga pode alterar a glucose ou não".
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."
E fê-lo. De certo modo, era muito simples. Agarrou em todas as drogas que se sabe que alteram a glucose e num conjunto de drogas que não alteram a glucose. E disse: "Qual é a diferença nos efeitos colaterais? "Diferenças na fadiga? No apetite? Nos hábitos urinários?" Tudo isso conspirava para lhe dar uma previsão muito boa. E disse: "Russ, posso prever com 93% de rigor "quando uma droga altera a 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. So it's great, good job, but not really that interesting, definitely not publishable."
E eu: "Nick, isso é ótimo". Ele é um estudante jovem, temos que lhe dar confiança. "Mas, Nick, há um problema. "Todos os médicos no mundo conhecem todas as drogas que alteram a glucose "porque isso é essencial na nossa prática. "Portanto, foi um ótimo trabalho mas não tem grande interesse, "nem pode ser publicado".
(Laughter)
(Risos)
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."
E ele: "Eu sei, Russ, já sabia que ias dizer isso". O Nick é inteligente. "Sabia que ias dizer isso, Russ, por isso fiz outra experiência. "Olhei para pessoas desta base de dados que tomavam dois medicamentos "e procurei sinais semelhantes, sinais de alteração da glucose "em pessoas que tomavam dois medicamentos, "em que cada droga sozinha não alterava a glucose, "mas, em conjunto, apresentavam um forte sinal".
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 eu: "Oh! És esperto. Boa ideia. Mostra-me a lista". E há uma série de drogas, nada de especial. Mas o que me chamou a atenção foi que na lista havia duas drogas: paroxetina, ou Paxil, um antidepressivo e pravastatina, ou Pravacol, um medicamento para o colesterol.
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."
"Ah! Há milhões de norte-americanos que tomam estas duas drogas". Com efeito, viemos a saber depois, há 15 milhões de norte-americanos que tomam paroxetina, 15 milhões de norte-americanos que tomam pravastatina e calculámos em um milhão, que tomam as duas. Portanto, há um milhão de pessoas que podem estar a ter problemas com a glucose se aquela geringonça informática que ele fez na base de dados da FDA funciona como deve ser. E eu: "Mesmo assim, não podemos publicar. "Adoro o que fizeste com a geringonça, "com a aprendizagem automática, "mas aquilo que temos não é uma prova provada. "Temos que fazer mais qualquer coisa. "Vamos aos registos médicos eletrónicos Stanford". Temos uma cópia que é ótima para investigação. Retirámos as informações identificativas E eu: "Vejamos se as pessoas que tomam estas duas drogas "têm problemas com a 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.
Ora bem, há milhares e milhares de pessoas nos registos médicos Stanford que tomam paroxetina e pravastatina. Mas precisávamos de doentes especiais. Precisávamos de doentes que tomavam uma delas e tinham uma medição da glucose, depois tomavam a outra e tinham outra medição da glucose dentro de um período razoável de tempo — digamos, dois meses. Encontrámos 10 doentes. Contudo, oito de entre esses 10 tinham tido uma subida da glucose quando tomaram o segundo P — chamamos-lhe P e P — quando tomaram o segundo P. Qualquer deles podia ser o primeiro, quando tomavam o segundo a glucose subia 20 miligramas por decilitro. Só para vos situar, andamos normalmente, se não formos diabéticos, com uma glucose por volta de 90. Se sobe para 120, 125, o médico começa a pensar num possível diagnóstico de diabetes. Portanto, um salto de 20 é bastante 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."
Eu disse: "Nick, isto é estupendo. "Mas, lamento, ainda não temos um artigo, "porque estes 10 doentes "não são em número suficiente".
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.
Pensámos no que podíamos fazer. E eu: "Vamos ligar para os nossos amigos de Harvard e Vanderbilt, — Harvard em Boston, Vanderbilt em Nashville — que têm registos médicos eletrónicos semelhantes aos nossos. Vamos ver se conseguem encontrar padrões semelhantes com o P, o outro P, as medições de glucose, na gama de que precisamos.
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.
Felizmente, Vanderbilt, numa semana, encontrou 40 doentes desses, com a mesma tendência. Harvard encontrou 100 doentes, com a mesma tendência. Por fim, tínhamos 150 doentes destes três diferentes centros médicos que nos diziam que os doentes que estavam a tomar estas duas drogas estavam a ter subidas de glucose bastante significativas.
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.
Mais interessante ainda, excluíramos os diabéticos porque os diabéticos já têm uma glucose muito baralhada. Quando olhámos para a glucose dos diabéticos, ela subia 60 miligramas por decilitro, não apenas 20. Isto era um bomba e dissemos: "Temos que publicar isto". Apresentámos o artigo. As provas eram todas baseadas em dados, dados da FDA, dados de Stanford, dados de Vanderbilt, dados de Harvard. Não tínhamos feito uma única experiência ao vivo.
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.
Mas estávamos nervosos. Então, enquanto o artigo estava a ser revisto, foi ao laboratório Encontrámos uma pessoa que era entendida em laboratórios. Eu cá não faço isso. Cuido de doentes mas não trato de pipetas. Ensinaram-nos a dar drogas a ratos. Demos-lhe um P, paroxetina. A outros ratos demos pravastatina. e a um terceiro grupo de ratos demos-lhes as duas. Eis que a glucose subiu 20 a 60 miligramas por decilitro, nos ratos.
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.
O artigo foi aceite, apenas com base nas provas informáticas, mas acrescentámos uma nota no final, dizendo: "A propósito, se as derem a ratos, também sobe".
That was great, and the story could have ended there. But I still have six and a half minutes.
Foi ótimo e a história podia ter acabado aqui. Mas ainda tenho seis minutos e meio.
(Laughter)
(Risos)
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?"
Estávamos muito descansados a pensar em tudo isto e já não sei quem se lembrou disso mas alguém disse: "Será que os doentes que estão a tomar estas duas drogas "estão a notar efeitos colaterais de hiperglicemia? "Devem estar. "Como é que determinamos isso?"
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."
"O que é que as pessoas fazem?" Estão a tomar um ou dois novos medicamentos. Sentem-se um pouco esquisitos. O que é que fazem? Vão ao Google e escrevem as duas drogas ou uma das drogas que estão a tomar e escrevem "efeitos laterais". O que é que sentem? Dissemos: "Ok, vamos pedir ao Google que partilhe connosco os registos dessas pesquisas "para podermos observar essas pesquisas "e ver se os doentes estão a fazer esse tipo de pesquisa". Lamento dizer, mas a Google recusou o nosso pedido. Fiquei desapontado. Eu fui a um jantar e disse a um colega que trabalha na Microsoft Research: "Queríamos fazer este estudo, "a Google recusou, é um bocado chato". E ele: "Temos as pesquisas Bing".
(Laughter)
(Risos)
Yeah. That's great. Now I felt like I was --
Sim? Isso é ótimo. (Risos)
(Laughter)
Sentia-me como se estivesse outra vez a falar com o Nick.
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.
Ele trabalha para uma das maiores empresas do mundo e eu estou a tentar que ele se sinta melhor. E ele: "Não, Russ, não deves ter percebido. "Nós não temos só as pesquisas Bing, "mas se usares o Internet Explorer "para fazer pesquisas no Google, no Yahoo, no Bing, etc...." "Durante 18 meses, mantemos esses dados apenas para efeitos de pesquisas". E eu: "Isso é que é falar". O meu amigo da Microsoft era Eric Horvitz.
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.
Então, fizemos um estudo em que definimos 50 palavras que uma pessoa comum podia escrever se estivesse a ter hiperglicemia, como "fadiga", "perda de apetite", "urinar frequentemente", "fazer muito chichi" — desculpem, mas é uma das coisas que se pode escrever. A essas 50 frases, chamámos "palavras de diabetes". Primeiro, fizemos uma base de referência. Acontece que cerca de 0,5% a 1% de todas as pesquisas na Internet envolvem uma destas palavras. É essa a nossa taxa da base de referência. Se as pessoas escrevem "paroxetina" ou "Paxil" — são sinónimos — e uma dessas palavras, a taxa sobe para 2% de palavras tipo diabetes, se já soubermos que está lá a palavra "paroxetina". Se é "pravastatina", a taxa sobe para cerca de 3% da base de referência. Se, na pesquisa, existem as duas palavras, "paroxetina" e "pravastatina", a taxa sobe para 10%, um enorme aumento de três a quatro vezes nessas pesquisas com as duas drogas em que estávamos interessados, e com as palavras tipo diabetes ou palavras tipo hiperglicemia.
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.
Publicámos isso, o que atraiu algumas atenções. A razão por que merece atenção é que os doentes estão a dizer-nos indiretamente quais são os efeitos colaterais através das suas pesquisas. Demos isto a conhecer à FDA. Eles mostraram-se interessados. Instalaram programas de vigilância nas redes sociais para colaborarem com a Microsoft, que tinham uma bela infraestrutura para fazerem isso, para olharem para as publicações do Twitter, do Facebook, para os registos das pesquisas, para tentarem ver sinais precoces de que as drogas, quer individualmente, quer em conjunto, estão a causar problemas.
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.
O que é que eu tiro daqui? Porquê contar esta história? Primeiro que tudo, agora temos a promessa de que os metadados e os dados de tamanho médio nos ajudam a compreender as interações das drogas e, fundamentalmente, a ação das drogas, como é que funcionam as drogas. Isso cria e tem criado um novo ecossistema para compreender como funcionam as drogas e para otimizar o seu uso. Nick seguiu o seu caminho; agora é professor em Columbia. Fez isto no doutoramento para centenas de pares de drogas. Encontrou várias interações muito importantes, por isso voltámos a fazer isto e mostrámos que é uma forma que funciona mesmo para encontrar interações entre drogas.
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.
No entanto, há uma série de coisas. Não usamos apenas pares de drogas, ao mesmo tempo. Como já referi, há doentes que tomam três, cinco, sete, nove medicamentos. Foram estudados no que se refere à interação desses nove? Conseguimos fazer facilmente aos pares: A e B, A e C, A e D. Mas quanto a A, B, C, D, E, F, G todas juntas, tomadas pelo mesmo doente? Talvez interagindo umas com as outras de modos que as tornam mais eficazes ou menos eficazes ou provocam efeitos colaterais inesperados? Não fazemos ideia nenhuma. Para nós, é um céu azul, um terreno aberto usar dados para tentar compreender a interação das drogas.
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.
Duas lições mais: Quero que pensem no poder que podemos gerar com os dados das pessoas que disponibilizaram as suas reações adversas aos seus farmacêuticos, por si mesmas, aos seus médicos, as pessoas que autorizaram que as bases de dados de Stanford, Harvard, Vanderbilt, fossem usadas para investigação. As pessoas preocupam-se com os dados, com a sua privacidade e segurança — devem preocupar-se. Precisamos de um sistema seguro. Mas não podemos ter um sistema que encerre esses dados a sete chaves porque é uma fonte demasiado rica de inspiração, de inovação e de descoberta para novas coisas na 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.
A última coisa que quero dizer é: Neste caso, encontrámos duas drogas e foi um bocado uma história triste. As duas drogas causavam problemas. Aumentavam a glucose. Podiam induzir alguém em diabetes que, de outro modo, não teria diabetes. Portanto, só usamos as duas drogas em conjunto, com cuidado, talvez mesmo nunca em conjunto. Podemos fazer outra escolha, quando receitamos. Mas há outra possibilidade. Podemos encontrar duas ou três drogas que interajam de modo benéfico. Podemos encontrar novos efeitos das drogas que nunca existiriam numa delas sozinha, mas, que, em conjunto, em vez de causar efeitos colaterais, podem ser um tratamento novo e inédito para doenças que ainda não têm tratamento ou que têm tratamento pouco eficaz. Se pensarmos no atual tratamento com medicamentos todas as descobertas importantes — para o IVH, para a tuberculose, para a depressão, para a diabetes — são sempre um "cocktail" de drogas.
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?
O ponto positivo aqui e tema para uma outra palestra TED num outro dia, é como podemos usar as mesmas fontes de dados para encontrar efeitos positivos de drogas em combinação que nos proporcionem novos tratamentos, novas perspetivas quanto ao funcionamento das drogas e nos possibilitem cuidar dos doentes ainda melhor.
Thank you very much.
Muito obrigado.
(Applause)
(Aplausos)