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."
Bạn đến khám bác sĩ và làm một số xét nghiệm. Bác sĩ kết luận rằng bạn bị mỡ máu (cholesterol) cao và sẽ cần dùng thuốc để điều trị. Vậy nên bạn mua một hộp thuốc. Bạn tin vào nó, bác sĩ của bạn cũng tin rằng loại thuốc này sẽ có tác dụng Công ty sáng chế ra loại thuốc đó đã làm nhiều nghiên cứu, nộp lên FDA FDA xem xét nó rất kỹ càng và rồi phê chuẩn. Họ nắm sơ sơ về công dụng của nó, cũng như tác dụng phụ Mọi thứ chắc là ổn. Bạn nói chuyện thêm với bác sĩ của mình và bác sĩ của bạn hơi lo lắng khi thấy bạn có vẻ buồn chán, bạn cảm thấy như không còn là chính mình, và không thể tận hưởng niềm vui cuộc sống như trước. Bác sĩ của bạn nói: "Tôi nghĩ bạn đang bị trầm cảm." Tôi sẽ phải kê cho bạn một loại thuốc khác.
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?
Vậy là tổng cộng bạn sẽ dùng hai loại thuốc. Loại thuốc này -- hàng triệu người đã dùng, công ty đã tiến hành nhiều nghiên cứu, FDA đã xem xét nó -- tất cả đều ổn. Hãy yên tâm rằng mọi thứ sẽ ổn. Hãy yên tâm rằng mọi thứ sẽ ổn. Dừng lại một chút, Chúng ta đã nghiên cứu việc kết hợp hai loại thuốc này với nhau?
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.
Để làm điều đó rất khó Thực ra, trước giờ người ta ít làm điều này Chúng ta hoàn toàn dựa vào cái gọi là "giám sát sau tiếp thị," sau khi thuốc được đưa ra thị trường. Làm sao để biết sẽ có điều tồi tệ xảy ra khi kết hợp hai loại thuốc? Hay thậm chí là ba? năm? bảy loại? Hãy hỏi một người bạn đang có nhiều chẩn đoán bệnh khác nhau xem họ dùng bao nhiêu loại thuốc.
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.
Tại sao tôi lại quan tâm vấn đề này? Tôi quan tâm sâu sắc đến nó. Là dân tin học và khoa học dữ liệu, theo tôi, hy vọng duy nhất -- thực sự duy nhất -- để hiểu được những mối tương tác này là tận dụng tối đa các nguồn dữ liệu khác nhau để có thể tìm ra các loại thuốc nào khi được kết hợp với nhau là an toàn và khi nào không an toàn.
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.
Cho phép tôi kể một câu chuyện trong ngành khoa học dữ liệu. Câu chuyện bắt đầu với một sinh viên của tôi, Nick. Hãy gọi cậu ấy là "Nick," vì đó là tên cậu ấy.
(Laughter)
(Tiếng cười)
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 là một sinh viên trẻ. Tôi nói, " Nick, chúng ta phải hiểu tác dụng của các loại thuốc, việc chúng hoạt đông như thế nào và sẽ ra sao khi chúng kết hợp với nhau mà chúng ta lại chưa hiểu kĩ được nó Nhưng FDA đã tạo ra một cơ sở dữ liệu tuyệt vời. Cơ sở dữ liệu bao gồm những trường hợp "có phản ứng xấu". Họ đưa lên mạng -- có sẵn cho công chúng, bạn có thể tải nó xuống ngay lúc này -- hàng trăm ngàn báo cáo về các trường hợp phản ứng xấu với thuốc từ bệnh nhân, bác sĩ, công ty, dược sĩ. Các báo cáo này thường khá ngắn gọn: nó bao gồm toàn bộ bệnh lý của bệnh nhân toàn bộ thuốc họ đang dùng, và toàn bộ phản ứng có hại, hoặc tác dụng phụ, mà họ gặp phải. Tuy đó chưa phải tất cả trường hợp phản ứng xấu với thuốc xảy ra tại Mỹ hiện nay, nhưng cũng là hàng trăm ngàn loại thuốc.
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.
Vậy nên tôi đã nói với Nick, "Hãy nghĩ về đường (glucose) Glucose rất quan trọng, và chúng ta biết nó liên hệ đến tiểu đường. Hãy xem liệu chúng ta có thể hiểu được phản ứng của glucose hay không. Tôi đã cử Nick đi. Nick đã quay lại.
"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."
"Thầy Russ," cậu ấy nói, "Tôi đã làm ra máy phân loại có thể tìm ra tác dụng phụ của một loại thuốc dựa vào việc xem xét cơ sở dữ liệu này, và có thể cho ông biết liệu loại thuốc đó có thay đổi glucose hay không."
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."
Cậu ấy đã thành công. Nó rất đơn giản, trong chừng mực nào đó Cậu ta lấy toàn bộ thuốc được biết là có thể thay đổi glucose và một vài loại thuốc không thay đổi glucose, và nói, "Sự khác biệt trong tác dụng phụ của chúng là gì? Khác biệt ở sự mệt mỏi? Thèm ăn? Hay thói quen về tiểu tiện?" Kết hợp những điều đó đưa đến một phỏng đoán thực sự ấn tượng. Cậu ta nói, "Thầy ạ, em có thể dự đoán chính xác đến 93% việc một loại thuốc có thay đổi glucose hay không."
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."
Tôi bảo, "Nick, điều đó thật tuyệt." Cậu ấy là một sinh viên trẻ, bạn cần gây dựng sự tự tin cho cậu ấy. "Nhưng Nick à, có một vấn đề. Là mọi bác sĩ trên thế giới đều biết tất cả loại thuốc làm thay đổi glucose, bởi đó là cái cốt lõi trong công việc của chúng ta. Vậy, cậu đã làm được một điều tuyệt vời nhưng không thật sự thú vị lắm. chắc chắn chưa thể công bố được.
(Laughter)
(Tiếng cười)
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."
Cậu ấy nói, "Em biết, thưa thầy. em cũng đoán là thầy sẽ nói vậy." Nick rất thông minh. "Em đoán thầy sẽ nói vậy, nên em đã làm một thí nghiệm khác. Em xem trong cơ sở dữ liệu thông tin những người đang dùng hai loại thuốc, và em tìm những dấu hiệu giống nhau, dấu hiệu về sự thay đổi glucose, đối với những người đang dùng hai loại thuốc, mà nếu dùng riêng lẻ sẽ không thay đổi glucose nhưng khi kết hợp với nhau thì xuất hiện một dấu hiệu mạnh."
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.
Và tôi nói, "Ồ! Cậu rất thông minh. Ý hay đó. Đưa tôi xem danh sách." Và có hàng tá loại thuốc trong đó, không mấy thú vị. Nhưng điều làm tôi chú ý là trong danh sách đó, có hai loại thuốc: paroxetine, hay còn gọi là Paxil, một loại thuốc chữa trầm cảm; và pravastatin, hay Pravachol, một loại thuốc điều trị mỡ máu cao.
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."
Và tôi nói, "Ừm. Có hàng triệu người Mỹ đang dùng hai loại thuốc này." Trên thực tế, sau đó chúng tôi biết rằng, 15 triệu người Mỹ hiện dùng paroxetin, 15 triệu người dùng pravastatin, và theo chúng tôi ước tính, 1 triệu người đang sử dụng cả hai loại. Nó có nghĩa rằng có tới 1 triệu người sẽ gặp phải một vài vấn đề với chỉ số đường huyết (glucose) của mình nếu như cái mớ kết quả khó đọc mà cậu ấy làm với cơ sở dữ liệu FDA này thật sự đúng. Nhưng tôi nói, "Nó vẫn không thể được công bố, bởi tôi thích những gì cậu làm với cái mớ bòng bong, với máy móc, nhưng đó chưa thật sự là một chứng cứ đủ thuyết phục." Vậy nên, chúng ta phải thực hiện một vài nghiên cứu khác. Hãy xem xét hồ sơ bệnh án điện tử của Stanford. Chúng ta có một bản sao đủ để nghiên cứu, chúng ta bỏ qua những thông tin cá nhân. Và tôi nói, "Hãy xem thử xem liệu những người đang dùng hai loại thuốc có gặp vấn đề với chỉ số đường huyết của họ không."
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.
Có hàng ngàn người trong hồ sơ y tế điện tử Stanford dùng thuốc paroxetine và pravastin. Nhưng chúng ta cần những bệnh nhân đặc biệt. Chúng ta cần 1 người đã dùng 1 loại thuốc và được kiểm tra glucose, sau đó dùng thêm loại thuốc còn lại, rồi được kiểm tra glucose, 2 quá trình diễn ra trong một khoảng thời gian hợp lý - cỡ hai tháng. Và chúng tôi tìm được 10 bệnh nhân như vậy. Tuy nhiên, 8/10 người có sự bất ổn trong chỉ số đường huyết của mình khi họ uống P thứ hai -- chúng tôi gọi hai loại thuốc là P và P -- khi họ uống loại P thứ hai. Loại nào cũng có thể dùng trước, cái thứ hai là cái còn lại, glucose tăng lên 20 mg/dL. Nhắc 1 chút là nếu bạn không bị tiểu đường, lượng glucose vào khoảng 90. Và nếu như nó lên tới 120, 125, bác sĩ của bạn bắt đầu nghĩ về nguy cơ tiểu đường. Vậy giờ tăng lên thêm 20 -- khá đáng kể.
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."
Tôi nói, "Nick, điều này hay đó. Nhưng, tôi rất tiếc, vẫn chưa làm thành bài báo khoa học được vì vừa rồi chỉ là 10 bệnh nhân- số bệnh nhân đó là quá ít.
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.
Nên chúng tôi tự hỏi, chúng ta có thể làm gì? À đúng rồi, hãy tham khảo bạn bè của chúng ta tại Harvard và Vanderbilt, -- Harvard ở Boston, Vanderbilt ở Nashville, họ cũng có hồ sơ bệnh án điện tử tương tự như của chúng ta. Hãy xem thử liệu họ có thể tìm được những bệnh nhân tương tự với một loại P, và loại P còn lại, đo lượng glucose trong phạm vi chúng ta cần.
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.
Ơn Chúa, trong một tuần, Vanderbilt đã tìm được 40 bệnh nhân như vậy, cùng chiều hướng. Harvard tìm ra 100 bệnh nhân, cùng chiều hướng. Nên cuối cùng, chúng tôi có 150 bệnh nhân từ 3 trung tâm y tế khác nhau giúp chúng tôi biết rằng các bệnh nhân, khi sử dụng hai loại thuốc này, bị gia tăng đáng kể lượng đường glucose.
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.
Thú vị hơn, chúng tôi loại ra những người mắc bệnh tiểu đường, vì chỉ số glucose của họ đã có vấn đề rồi. Khi chúng tôi nghiên cứu chỉ số đường glucose của các bệnh nhân tiểu đường nó gia tăng tới 60 mg/dl, không phải chỉ là 20 Đây là vấn đề đáng quan ngại, "Chúng ta phải công bố điều này" chúng tôi nói. Chúng tôi nộp báo cáo khoa học. Tất cả dữ liệu, chứng cứ, từ FDA, từ Stanford, từ Vanderbilt, từ Harvard. Chúng tôi chưa làm thí nghiệm nào cả.
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.
Nhưng chúng tôi không thật an tâm. Cho nên, Nick, trong quá trình thu thập tài liệu, đi tới phòng thí nghiệm. Chúng ta phải nhờ ai đó quen sử dụng các thiết bị trong phòng thí nghiệm. Chứ tôi không quen với việc đó. Tôi chăm sóc người bệnh nhưng tôi không biết làm thí nghiệm. Họ chỉ cho chúng tôi cách làm thí nghiệm thuốc trên chuột. Chúng tôi bắt những con chuột, cho chúng dùng một loại P, paxil. Chúng tôi cho một vài con khác dùng pravastatin. Và chúng tôi cho một vài con khác nữa dùng cả hai loại thuốc. Quan sát và nhận ra, glucose tăng từ 20 lên đến 60 ml/dl với lũ chuột.
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.
Cuối cùng, bản báo cáo được chuẩn nhận dựa trên các dữ liệu có được, nhưng chúng tôi có thêm vào một lưu ý nhỏ vào lúc cuối, rằng, nếu bạn cho lũ chuột dùng những thứ này, glucose sẽ tăng.
That was great, and the story could have ended there. But I still have six and a half minutes.
Điều đó thật tuyệt, và câu chuyện đáng lẽ có thể kết thúc ở đó Nhưng dù gì tôi vẫn còn 6 phút rưỡi nữa.
(Laughter)
(Tiếng cười)
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?"
Vì thế, chúng tôi ngồi lại với nhau, cùng bàn luận về những gì đang diễn ra Tôi không nhớ rõ ai nói điều này, nhưng có ai đó phát biểu, "Tôi băn khoăn liệu các bệnh nhân đang dùng 2 loại thuốc này có biết về các tác dụng phụ của hyperglycemia (một dạng tiểu đường) Họ có thể và họ nên lưu tâm. Làm thế nào chúng ta xác định được điều đó?"
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."
Ồ, ý kiến hay quá, bạn sẽ làm gì nào? Bạn đang sử dụng thuốc tây, một hay hai loại mới, và bạn có cảm giác là lạ. Bạn sẽ làm gì? Bạn truy cập Google gõ tên 2 loại hay 1 loại thuốc mà bạn đang dùng sau đó gõ thêm dòng "tác dụng phụ." Bạn sẽ có được những gì? Vì thế, chúng tôi nói: được rồi, Hỏi Google xem họ có chia sẻ lịch sử tìm kiếm của họ cho chúng ta, để chúng ta nhìn vào kết quả tìm kiếm và xem liệu các bệnh nhân có tìm kiếm những thông tin này không. Rất tiếc, Google từ chối yêu cầu của chúng tôi. Điều đó làm tôi choáng. Tôi dùng bữa tối với một đồng nghiệp đang làm việc cho Microsolf Research Tôi nói, "Chúng tôi muốn nghiên cứu, Google từ chối, thật là khó chịu." Anh ta nói: "Ồ, chúng tôi có Bing này."
(Laughter)
(Tiếng cười)
Yeah. That's great. Now I felt like I was --
Đúng rồi. Tuyệt vời. Khi đó, tôi cảm giác như thể tôi --
(Laughter)
(Tiếng cười)
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.
như thể tôi đang nói chuyện lại với Nick. Anh này làm cho một trong những công ty lớn nhất thế giới, và tôi đã cố làm cho anh ta cảm thấy tốt hơn. Nhưng anh ấy nói, "Không, Russ -- có lẽ anh chưa hiểu. Chúng ta đâu chỉ có Bing, nhưng nếu anh dùng IE để tìm kiếm với Google, Yahoo, Bing, hay bất cứ công cụ tìm kiếm nào .... Thì trong vòng 18 tháng, chúng tôi lưu trữ các dữ liệu đó cho mục đích nghiên cứu." Tôi vui mừng nói, "Phải thế chứ." Đó là Eric Horvitz, một người bạn của tôi ở Microsolf.
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.
Chúng tôi thực hiện một nghiên cứu qua đó, chúng tôi xác định 50 từ mà một người thường dùng khi họ có vấn đề về chỉ số glucose trong máu cao (hyperglycemia) như là "mệt mỏi", "chán ăn," "hay đi vệ sinh","tiểu rất nhiều" thứ lỗi cho tôi, nhưng đó là những thứ mà bạn có thể sẽ gõ. Thế là chúng tôi đúc kết 50 cụm từ mà chúng tôi gọi là "từ khóa tiểu đường." Rồi chúng tôi tạo ra mốc tối thiểu. Hóa ra là khoảng 0.5 - 1% trong số các tìm kiếm trên Internet có một trong những từ khóa đó. Vậy nên đó sẽ là mốc tối thiểu của chúng tôi. Nếu người ta gõ "paroxetine" hay "Paxi" -- thì xem như một từ -- và tương ứng với 1 từ trong nhóm từ khóa của chúng tôi tỉ lệ sẽ là khoảng 2% trong số các từ khóa về bệnh tiểu đường. nếu bạn đã biết có từ "paroxetine" đó. Nếu đó là "pravastatin," tỉ lệ sẽ là khoảng 3% so với mốc tối thiểu. Nếu cả "paroxetine" và "pravastatin" cùng được sử dụng, tỉ lệ đó sẽ là 10%, tăng lên khoảng 3-4 lần với những tìm kiếm liên quan tới 2 loại thuốc mà chúng ta quan tâm, và các từ khóa về tiểu đường hay hyperglycemia.
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.
Chúng tôi công bố điều này, và thu hút ít nhiều quan tâm. Lí do nó thu hút sự quan tâm đó là các bệnh nhân vô tình cho chúng tôi biết các tác dụng phụ của họ khi họ tìm kiếm. Chúng tôi thông báo điều đó cho FDA. Họ rất quan tâm. Họ xúc tiến chương trình giám sát truyền thông xã hội để cộng tác với Microsoft, nơi có cở sở hạ tầng tốt để thực hiện điều này, và vài thứ khác, để theo dõi các thông tin từ Twitter, theo dõi các thông tin từ Facebook, để nhìn vào các lịch sử tìm kiếm nhằm phát hiện sớm các dấu hiệu mà thuốc, được dùng độc lập hay kết hợp, đang gây ra vấn đề cho bệnh nhân.
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.
Tôi có được gì từ điều này? Sao tôi lại kể câu chuyện này? Ồ, trước nhất, Đây là triển vọng về việc khai thác các cơ sở dữ liệu lớn và trung để hiểu các tương tác giữa các loại thuốc với nhau, và tác dụng của thuốc một cách chính xác nhất Các loại thuốc hoạt động như thế nào? Điều này đang và sẽ tạo ra một hệ sinh thái mới để nắm rõ cách thế hoạt động của thuốc, và tối ưu hóa công dụng của thuốc. Nick ngày càng thăng tiến; cậu ấy giờ là giáo sư tại Columbia. Cậu ấy thực hiện công trình này cho luận án tiến sĩ trên hàng trăm cặp thuốc. Cậu ấy phát hiện một vài tương tác rất quan trọng, do đó, chúng tôi lặp lại nó. và chỉ rõ đây mới là phương pháp hiệu quả để tìm ra tương tác giữa thuốc với thuốc.
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.
Tuy nhiên, còn đó một vài vấn đề. Chúng tôi không hoàn toàn chỉ dùng 2 loại thuốc một lần. Như tôi đã đề cập, có nhiều bệnh nhân dùng 3, 5, 7, hay 9 loại thuốc. Đã có nghiên cứu nghiêm túc nào trên tương tác của 9 loại thuốc chưa? Vâng, chúng ta có thể theo cặp, A và B, A và C, A và D nhưng còn kết hợp cả A, B, C, D, E, F, G mà bệnh nhân đó dùng thì sao? và có lẽ dùng kết hợp các loại thuốc này theo cái cách mà có thể dẫn đến hiệu quả hơn hay giảm hiệu quả đi hay thậm chí đưa đến các tác dụng phụ không lường trước? Thực sự, chúng tôi chưa trả lời được. Đó là cả một bầu trời xanh thẳm trước mặt, chờ đợi chúng ta sử dụng các dữ liệu để hiểu tương tác giữa các loại thuốc với nhau.
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 bài học nữa: Tôi muốn nghĩ về sức mạnh mà chúng ta có thể tạo ra với dữ liệu từ những người sẵn sàng cho biết các phản ửng thuốc có hại của họ qua dược sĩ của họ, qua chính họ, qua bác sĩ của họ, những người góp phần của mình vào dữ liệu của Stanford, Harvard, Vanderbilt, vào việc nghiên cứu. Người ta đang quan ngại về dữ liệu. Họ lo về quyền riêng tư và sự an toàn của họ -- họ lo là đúng. Chúng ta cần các hệ thống bảo mật. Chứ không phải một hệ thống ngăn chặn dữ liệu, bởi vì đây là một nguồn vô cùng quý giá khơi nguồn hứng khởi, sáng tạo và tìm tòi cho các phát kiến mới trong ngành y.
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.
Điều cuối cùng tôi muốn nói là Trong trường hợp này, chúng ta tìm ra 2 loại thuốc và thật đáng buồn là 2 loại thuốc đó gây ra nhiều vấn đề. Chúng làm tăng lượng glucose. Chúng có thể khiến người ta bị tiểu đường mà nếu không uống chúng người ta đã không bị, vì thế, bạn cần hết sức cẩn thận khi sử dụng 2 loại thuốc này có lẽ đừng nên uống cùng lúc, hoặc tìm loại thuốc khác khi kê toa Nhưng có một khả năng khác. Chúng ta có thể tìm 2 hay 3 loại thuốc bổ trợ tốt cho nhau. Chúng ta có thể tìm các tác dụng mới của thuốc mà nếu dùng độc lập sẽ không có, nhưng cùng nhau, sẽ sinh ra các tác dụng phụ đó có thể là một cách điều trị mới và tuyệt vời cho những căn bệnh nan y không có thuốc chữa hay những căn bệnh chưa có thuốc chữa chưa hiệu quả. Khi suy nghĩ về thuốc trị bệnh ngày nay, tất cả những đột phá -- bất kể là điều trị HIV, lao phổi, trầm cảm, hay tiểu đường nó luôn đòi hỏi phải kết hợp nhiều loại thuốc.
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?
Một mặt tốt nữa, và cũng là chủ đề cho một bài nói chuyện khác ở TED, là làm thế nào chúng ta sử dụng các nguồn dữ liệu giống nhau để tìm ra các tác dụng tốt khi dùng kết hợp thuốc qua đó, giúp chúng ta tìm ra những cách điều trị mới cũng như sự am tường về tác dụng của thuốc từ đó, giúp chúng ta chăm sóc bệnh nhân của chúng ta tốt hơn?
Thank you very much.
Cảm ơn mọi người.
(Applause)
(Vỗ tay)