TEDMED 2015
Russ Altman: What really happens when you mix medications?
ラス・オルトマン: 薬を併用したときに何が起きるか？
Filmed:
Readability: 4.2
1,766,922 views
２つの薬を別々の理由で飲んでいるのなら、１つ怖いことをお教えしましょう。薬の相互作用は研究が極めて難しいため、医者は薬を組み合わせたとき何が起こるかすっかり理解しているわけではないということです。ラス・オルトマンがこの大変刺激的かつ分かりやすい講演で聞かせてくれるのは、薬の予期せぬ相互作用を見つけるために、ちょっと意外な方法—検索語を使うという話です。
Russ Altman - Big data techno-optimist and internist
Russ Altman uses machine learning to better understand adverse effects of medication. Full bio
Russ Altman uses machine learning to better understand adverse effects of medication. Full bio
Double-click the English transcript below to play the video.
病院に行って
検査を受けたところ
検査を受けたところ
00:12
So you go to the doctor
and get some tests.
and get some tests.
0
811
3321
コレステロールが高いので
00:16
The doctor determines
that you have high cholesterol
that you have high cholesterol
1
4674
2620
00:19
and you would benefit
from medication to treat it.
from medication to treat it.
2
7318
3171
薬で下げた方が良いと
診断されました
診断されました
それで薬の瓶を
１つ手にします
１つ手にします
00:22
So you get a pillbox.
3
10981
1556
00:25
You have some confidence,
4
13505
1199
患者も医者も
薬は効くはずだと
信じています
信じています
00:26
your physician has some confidence
that this is going to work.
that this is going to work.
5
14728
2937
薬を作った会社は 多くの研究を
重ねた上で 薬の認可を申請し
重ねた上で 薬の認可を申請し
00:29
The company that invented it did
a lot of studies, submitted it to the FDA.
a lot of studies, submitted it to the FDA.
6
17689
3553
FDAは細心の注意を払って
批判的に審査した上で認可を出しています
批判的に審査した上で認可を出しています
00:33
They studied it very carefully,
skeptically, they approved it.
skeptically, they approved it.
7
21266
3107
00:36
They have a rough idea of how it works,
8
24397
1889
薬がどのように働き
どんな副作用があるかは
おおよそ分かっていて
おおよそ分かっていて
00:38
they have a rough idea
of what the side effects are.
of what the side effects are.
9
26310
2453
大丈夫なはずだと
00:40
It should be OK.
10
28787
1150
00:42
You have a little more
of a conversation with your physician
of a conversation with your physician
11
30864
2818
さらに話していると
医者が少し懸念を持ちます
医者が少し懸念を持ちます
00:45
and the physician is a little worried
because you've been blue,
because you've been blue,
12
33706
2963
どうも少し ふさぎ気味だ
何か違和感がある
00:48
haven't felt like yourself,
13
36693
1293
00:50
you haven't been able to enjoy things
in life quite as much as you usually do.
in life quite as much as you usually do.
14
38010
3731
以前のように
物事を楽しめない
物事を楽しめない
医者が言います
「少しうつの傾向があるようです
「少しうつの傾向があるようです
00:53
Your physician says, "You know,
I think you have some depression.
I think you have some depression.
15
41765
3186
薬をもう１つ
飲んだほうがいいですね」
飲んだほうがいいですね」
00:57
I'm going to have to give
you another pill."
you another pill."
16
45792
2315
これで薬が２つになりました
01:00
So now we're talking
about two medications.
about two medications.
17
48934
2483
01:03
This pill also -- millions
of people have taken it,
of people have taken it,
18
51441
3104
こちらの薬も
何百万という人が使っていて
何百万という人が使っていて
01:06
the company did studies,
the FDA looked at it -- all good.
the FDA looked at it -- all good.
19
54569
3631
製薬会社が研究をし FDAが
チェックしていて 問題のないものです
チェックしていて 問題のないものです
01:10
Think things should go OK.
20
58823
2057
こっちは大丈夫なはずです
01:12
Think things should go OK.
21
60904
2197
こっちは大丈夫なはずです
01:15
Well, wait a minute.
22
63125
1439
でも 待ってください
両方同時に使った場合については
どれほど研究されているのでしょう？
どれほど研究されているのでしょう？
01:16
How much have we studied
these two together?
these two together?
23
64588
3517
01:20
Well, it's very hard to do that.
24
68630
2300
それは 実際 行うのが難しく
01:22
In fact, it's not traditionally done.
25
70954
2130
通常は行われていません
01:25
We totally depend on what we call
"post-marketing surveillance,"
"post-marketing surveillance,"
26
73108
5518
私たちはもっぱら
「市販後調査」と呼ばれるものに
頼っています
頼っています
01:30
after the drugs hit the market.
27
78650
1880
01:32
How can we figure out
if bad things are happening
if bad things are happening
28
80996
2848
２つの薬の併用で
問題が生じているかは
問題が生じているかは
どうすれば
わかるのでしょう？
わかるのでしょう？
01:35
between two medications?
29
83868
1357
01:37
Three? Five? Seven?
30
85249
2030
併用が ３つ ５つ ７つの場合は？
01:39
Ask your favorite person
who has several diagnoses
who has several diagnoses
31
87708
2415
病気をいくつも抱えた人に
薬をいったい何種飲んでいるのか
聞いてご覧なさい
聞いてご覧なさい
01:42
how many medications they're on.
32
90147
1834
私はこの問題に
とても関心があります
とても関心があります
01:44
Why do I care about this problem?
33
92530
1580
01:46
I care about it deeply.
34
94134
1157
なぜかというと
私はインフォマティクスとデータサイエンスを
専門とする人間ですが 私の考えでは
専門とする人間ですが 私の考えでは
01:47
I'm an informatics and data science guy
and really, in my opinion,
and really, in my opinion,
35
95315
4304
01:51
the only hope -- only hope --
to understand these interactions
to understand these interactions
36
99643
3745
そのような薬の相互作用について理解する
唯一見込みのある方法は
唯一見込みのある方法は
01:55
is to leverage lots
of different sources of data
of different sources of data
37
103412
3056
様々な異なる情報源のデータを
活用することなんです
活用することなんです
01:58
in order to figure out
when drugs can be used together safely
when drugs can be used together safely
38
106492
3556
それによって薬が併用して
安全か安全でないか
安全か安全でないか
02:02
and when it's not so safe.
39
110072
1777
分かるようになります
データサイエンスの方法を
お聞かせしましょう
お聞かせしましょう
02:04
So let me tell you a data science story.
40
112615
2051
話は私の教え子から
始まります
始まります
02:06
And it begins with my student Nick.
41
114690
2154
彼を｢ニック｣と呼ぶことにしましょう
それが彼の名前なので
それが彼の名前なので
02:08
Let's call him "Nick,"
because that's his name.
because that's his name.
42
116868
2380
02:11
(Laughter)
43
119272
1592
(笑)
若い学生のニックに
私は言いました
私は言いました
02:12
Nick was a young student.
44
120888
1201
02:14
I said, "You know, Nick, we have
to understand how drugs work
to understand how drugs work
45
122113
3079
「薬は単独で
あるいは併用したとき
あるいは併用したとき
どう働くのか
理解する必要があるが
理解する必要があるが
02:17
and how they work together
and how they work separately,
and how they work separately,
46
125216
2626
我々はあまり良く
理解しているとは言えない
理解しているとは言えない
02:19
and we don't have a great understanding.
47
127866
1922
しかしFDAが作った
素晴らしいデータベースがある
素晴らしいデータベースがある
02:21
But the FDA has made available
an amazing database.
an amazing database.
48
129812
2405
02:24
It's a database of adverse events.
49
132241
1699
有害事象のデータベースだ」
文字通りWebサイトで
公開されていて
公開されていて
02:26
They literally put on the web --
50
134321
1642
02:27
publicly available, you could all
download it right now --
download it right now --
51
135987
3119
誰でもすぐダウンロードできます
02:31
hundreds of thousands
of adverse event reports
of adverse event reports
52
139130
3627
そこには患者 医者 企業
薬剤師から寄せられた
薬剤師から寄せられた
02:34
from patients, doctors,
companies, pharmacists.
companies, pharmacists.
53
142781
3760
何十万という有害事象の報告が
集められています
集められています
このデータはとても
シンプルなもので
シンプルなもので
02:38
And these reports are pretty simple:
54
146565
1749
02:40
it has all the diseases
that the patient has,
that the patient has,
55
148338
2658
その患者が抱える
すべての病気
すべての病気
02:43
all the drugs that they're on,
56
151020
1767
処方されている
すべての薬
すべての薬
02:44
and all the adverse events,
or side effects, that they experience.
or side effects, that they experience.
57
152811
3818
そして経験されたすべての有害事象
ないしは副作用が書かれています
ないしは副作用が書かれています
米国で発生している有害事象が
網羅されているわけではありませんが
網羅されているわけではありませんが
02:48
It is not all of the adverse events
that are occurring in America today,
that are occurring in America today,
58
156653
3436
02:52
but it's hundreds and hundreds
of thousands of drugs.
of thousands of drugs.
59
160113
2578
何百何千という薬の
データがあります
データがあります
02:54
So I said to Nick,
60
162715
1299
それでニックに言いました
02:56
"Let's think about glucose.
61
164038
1826
「血糖を検討してみよう
02:57
Glucose is very important,
and we know it's involved with diabetes.
and we know it's involved with diabetes.
62
165888
3567
血糖はとても重要で
糖尿病に関与していることが分かっている
糖尿病に関与していることが分かっている
03:01
Let's see if we can understand
glucose response.
glucose response.
63
169479
3970
薬による血糖の変化について
何か分かるかやってみよう」
何か分かるかやってみよう」
03:05
I sent Nick off. Nick came back.
64
173473
2458
そしてニックを送り出し
ニックが戻ってきました
ニックが戻ってきました
「先生 このデータベースの
データに基づいて
データに基づいて
03:08
"Russ," he said,
65
176248
1786
03:10
"I've created a classifier that can
look at the side effects of a drug
look at the side effects of a drug
66
178351
5112
副作用による
薬の分類を作りました
薬の分類を作りました
03:15
based on looking at this database,
67
183487
2051
これを使うと
03:17
and can tell you whether that drug
is likely to change glucose or not."
is likely to change glucose or not."
68
185562
4271
薬で血糖が変わるか
どうか分かります」
どうか分かります」
03:21
He did it. It was very simple, in a way.
69
189857
2016
彼のやったことは
ごく単純です
ごく単純です
03:23
He took all the drugs
that were known to change glucose
that were known to change glucose
70
191897
2635
血糖を変えることが
分かっている薬のグループと
分かっている薬のグループと
血糖を変えない薬のグループを
比較したんです
比較したんです
03:26
and a bunch of drugs
that don't change glucose,
that don't change glucose,
71
194556
2389
03:28
and said, "What's the difference
in their side effects?
in their side effects?
72
196969
2888
「両者の副作用に
どんな違いがあるのか？
どんな違いがあるのか？
03:31
Differences in fatigue? In appetite?
In urination habits?"
In urination habits?"
73
199881
4852
倦怠感は？ 食欲は？ 排尿習慣は？」
03:36
All those things conspired
to give him a really good predictor.
to give him a really good predictor.
74
204757
2960
これらを合わせると
とても良い指標になります
とても良い指標になります
「薬が血糖を変えるかどうか
03:39
He said, "Russ, I can predict
with 93 percent accuracy
with 93 percent accuracy
75
207741
2548
93%の精度で当てられます」と
03:42
when a drug will change glucose."
76
210313
1572
「すごいじゃないか」
03:43
I said, "Nick, that's great."
77
211909
1416
若い学生です 自信を付けて
やらなきゃいけません (笑)
やらなきゃいけません (笑)
03:45
He's a young student,
you have to build his confidence.
you have to build his confidence.
78
213349
2896
03:48
"But Nick, there's a problem.
79
216269
1390
「問題は
どの薬が血糖に影響するか
医者ならみんな知っているということだ
医者ならみんな知っているということだ
03:49
It's that every physician in the world
knows all the drugs that change glucose,
knows all the drugs that change glucose,
80
217683
3960
03:53
because it's core to our practice.
81
221667
2038
とても重要なことだからね
03:55
So it's great, good job,
but not really that interesting,
but not really that interesting,
82
223729
3722
良い成果だが
本当に興味深いとは言えず
本当に興味深いとは言えず
03:59
definitely not publishable."
83
227475
1531
論文にはならないな」
04:01
(Laughter)
84
229030
1014
(笑)
04:02
He said, "I know, Russ.
I thought you might say that."
I thought you might say that."
85
230068
2550
「先生がそう言うのは
分かっていました」
分かっていました」
ニックは頭の良い学生です
04:04
Nick is smart.
86
232642
1152
04:06
"I thought you might say that,
so I did one other experiment.
so I did one other experiment.
87
234149
2874
「そうくると思って
もう１つ実験をしました
もう１つ実験をしました
04:09
I looked at people in this database
who were on two drugs,
who were on two drugs,
88
237047
2928
データベースで薬を
２つ併用している患者に
２つ併用している患者に
04:11
and I looked for signals similar,
glucose-changing signals,
glucose-changing signals,
89
239999
4422
血糖が変化している
兆候がないか探したんです
兆候がないか探したんです
04:16
for people taking two drugs,
90
244445
1624
服用している２つの薬が
04:18
where each drug alone
did not change glucose,
did not change glucose,
91
246093
5569
単独では血糖を
変えないけれど
変えないけれど
併用すると 変化する見込みが
高いケースです」
高いケースです」
04:23
but together I saw a strong signal."
92
251686
2460
04:26
And I said, "Oh! You're clever.
Good idea. Show me the list."
Good idea. Show me the list."
93
254170
3149
「なるほど いいアイデアだ
リストを見せてご覧」
リストを見せてご覧」
04:29
And there's a bunch of drugs,
not very exciting.
not very exciting.
94
257343
2254
そこには あまり興味を引かない薬が
たくさん並んでいましたが
たくさん並んでいましたが
04:31
But what caught my eye
was, on the list there were two drugs:
was, on the list there were two drugs:
95
259621
3932
目を引く薬が
２つありました
２つありました
04:35
paroxetine, or Paxil, an antidepressant;
96
263577
3393
パロキセチン 別名パキシルという
抗うつ薬と
抗うつ薬と
プラバスタチン 別名プラバコールという
高コレステロール血症治療薬です
高コレステロール血症治療薬です
04:39
and pravastatin, or Pravachol,
a cholesterol medication.
a cholesterol medication.
97
267756
3570
04:43
And I said, "Huh. There are millions
of Americans on those two drugs."
of Americans on those two drugs."
98
271936
4283
「おや この２つを飲んでいる患者なら
アメリカに何百万人もいるぞ」
アメリカに何百万人もいるぞ」
実際後で分かったことですが
04:48
In fact, we learned later,
99
276243
1246
04:49
15 million Americans on paroxetine
at the time, 15 million on pravastatin,
at the time, 15 million on pravastatin,
100
277513
6032
その当時でパロキセチンは1500万人
プラバスタチンも1500万人のアメリカ人が服用しており
プラバスタチンも1500万人のアメリカ人が服用しており
両方服用している人が
百万人ほどいると推定されました
百万人ほどいると推定されました
04:55
and a million, we estimated, on both.
101
283569
2817
04:58
So that's a million people
102
286767
1254
つまり百万人もの人が
薬のせいで
薬のせいで
05:00
who might be having some problems
with their glucose
with their glucose
103
288045
2453
血糖の問題を抱えている
かもしれないのです
かもしれないのです
05:02
if this machine-learning mumbo jumbo
that he did in the FDA database
that he did in the FDA database
104
290522
3206
ニックがFDAのデータを
機械学習にかけて
機械学習にかけて
ごちゃごちゃやった結果が
もし正しいのであれば
もし正しいのであれば
05:05
actually holds up.
105
293752
1254
05:07
But I said, "It's still not publishable,
106
295030
1927
「でもまだ論文にはできないな
君のやっている
機械学習とか言うやつを
機械学習とか言うやつを
05:08
because I love what you did
with the mumbo jumbo,
with the mumbo jumbo,
107
296981
2296
私は面白いと思うが
05:11
with the machine learning,
108
299301
1246
我々の分野で確立した
実証方法とは言えない｣
実証方法とは言えない｣
05:12
but it's not really standard-of-proof
evidence that we have."
evidence that we have."
109
300571
3864
もっと何かやる
必要があります
必要があります
05:17
So we have to do something else.
110
305618
1589
スタンフォードの電子医療記録に
あたってみることにしました
あたってみることにしました
05:19
Let's go into the Stanford
electronic medical record.
electronic medical record.
111
307231
2876
研究室にコピーがあって
05:22
We have a copy of it
that's OK for research,
that's OK for research,
112
310131
2064
個人情報を取り除けば
研究目的に使えました
研究目的に使えました
05:24
we removed identifying information.
113
312219
2046
「この２つの薬を
使っている患者に
使っている患者に
05:26
And I said, "Let's see if people
on these two drugs
on these two drugs
114
314581
2503
血糖の問題がないか
見てみよう」
見てみよう」
05:29
have problems with their glucose."
115
317108
1769
パロキセチンとプラバスタチンを
使っている患者なら
使っている患者なら
05:31
Now there are thousands
and thousands of people
and thousands of people
116
319242
2207
05:33
in the Stanford medical records
that take paroxetine and pravastatin.
that take paroxetine and pravastatin.
117
321473
3459
スタンフォードの医療記録に
何千人もいましたが
何千人もいましたが
私たちは特別な患者を
必要としていました
必要としていました
05:36
But we needed special patients.
118
324956
1799
05:38
We needed patients who were on one of them
and had a glucose measurement,
and had a glucose measurement,
119
326779
4597
最初一方を服用していて
血糖値を測定し
血糖値を測定し
それからもう一方を服用し
また血糖値を測定するというのを
また血糖値を測定するというのを
05:43
then got the second one and had
another glucose measurement,
another glucose measurement,
120
331400
3449
05:46
all within a reasonable period of time --
something like two months.
something like two months.
121
334873
3615
２ヶ月というような
適当な期間内に行った患者です
適当な期間内に行った患者です
05:50
And when we did that,
we found 10 patients.
we found 10 patients.
122
338512
3159
探してみたら
10人見つかりました
10人見つかりました
05:54
However, eight out of the 10
had a bump in their glucose
had a bump in their glucose
123
342592
4538
そして10人中 8人で
血糖の増加が
血糖の増加が
２番目のPの後 — ２つの薬を
P & P と呼んでいるんですが —
P & P と呼んでいるんですが —
05:59
when they got the second P --
we call this P and P --
we call this P and P --
124
347154
2645
06:01
when they got the second P.
125
349823
1310
見られました
06:03
Either one could be first,
the second one comes up,
the second one comes up,
126
351157
2562
どちらが先でも同じで
２番目の薬を服用したとたんに
２番目の薬を服用したとたんに
06:05
glucose went up
20 milligrams per deciliter.
20 milligrams per deciliter.
127
353743
2847
血糖が 20mg/dl 上昇したんです
06:08
Just as a reminder,
128
356614
1158
参考までに
06:09
you walk around normally,
if you're not diabetic,
if you're not diabetic,
129
357796
2325
普通に生活している人は
糖尿病でなければ
糖尿病でなければ
06:12
with a glucose of around 90.
130
360145
1359
血糖値は90程度です
06:13
And if it gets up to 120, 125,
131
361528
2076
それが120とか125になったら
06:15
your doctor begins to think
about a potential diagnosis of diabetes.
about a potential diagnosis of diabetes.
132
363628
3450
医者は糖尿病の可能性を
疑い始めます
疑い始めます
06:19
So a 20 bump -- pretty significant.
133
367102
2991
だから20の上昇というのは
見過ごせないものです
見過ごせないものです
06:22
I said, "Nick, this is very cool.
134
370601
1904
「ニック これはすごいぞ
だが残念ながら
まだ論文にはできない
まだ論文にはできない
06:25
But, I'm sorry, we still
don't have a paper,
don't have a paper,
135
373616
2053
06:27
because this is 10 patients
and -- give me a break --
and -- give me a break --
136
375693
2579
たった10人では
どう見ても少なすぎる」
06:30
it's not enough patients."
137
378296
1245
どうしたらいいか？
06:31
So we said, what can we do?
138
379565
1306
06:32
And we said, let's call our friends
at Harvard and Vanderbilt,
at Harvard and Vanderbilt,
139
380895
2976
ボストンにあるハーバード大と
ナッシュビルにあるヴァンダービルト大の
ナッシュビルにあるヴァンダービルト大の
06:35
who also -- Harvard in Boston,
Vanderbilt in Nashville,
Vanderbilt in Nashville,
140
383895
2587
知り合いに電話する
ことにしました
ことにしました
両大学にもスタンフォードと同様の
電子医療記録があります
電子医療記録があります
06:38
who also have electronic
medical records similar to ours.
medical records similar to ours.
141
386506
2821
06:41
Let's see if they can find
similar patients
similar patients
142
389351
2020
最初のPと
次のPの服用と
次のPの服用と
06:43
with the one P, the other P,
the glucose measurements
the glucose measurements
143
391395
3276
血糖値測定を
必要な期間内に行っている患者を
必要な期間内に行っている患者を
06:46
in that range that we need.
144
394695
1600
探してもらうことにしました
ありがたいことに ヴァンダービルト大からは
１週間で そのような患者が40人見つかり
１週間で そのような患者が40人見つかり
06:48
God bless them, Vanderbilt
in one week found 40 such patients,
in one week found 40 such patients,
145
396787
4955
06:53
same trend.
146
401766
1189
同じ傾向が見られました
ハーバード大からは100人の患者が見つかり
同じ傾向が見られました
同じ傾向が見られました
06:55
Harvard found 100 patients, same trend.
147
403804
3620
06:59
So at the end, we had 150 patients
from three diverse medical centers
from three diverse medical centers
148
407448
4281
最終的に３つの異なる医療センターで
150人の患者が見つかり
150人の患者が見つかり
07:03
that were telling us that patients
getting these two drugs
getting these two drugs
149
411753
3297
これら２つの薬を
併用すると
併用すると
血糖が有意に上昇することを
示していました
示していました
07:07
were having their glucose bump
somewhat significantly.
somewhat significantly.
150
415074
2703
さらに興味深いのは
07:10
More interestingly,
we had left out diabetics,
we had left out diabetics,
151
418317
2810
血糖にすでに異常のある
糖尿病患者は当初除外していたんですが
糖尿病患者は当初除外していたんですが
07:13
because diabetics already
have messed up glucose.
have messed up glucose.
152
421151
2317
07:15
When we looked
at the glucose of diabetics,
at the glucose of diabetics,
153
423492
2238
糖尿病患者の場合には
07:17
it was going up 60 milligrams
per deciliter, not just 20.
per deciliter, not just 20.
154
425754
3435
20mgではなく60mgも
上昇することが分かりました
上昇することが分かりました
07:21
This was a big deal, and we said,
"We've got to publish this."
"We've got to publish this."
155
429760
3452
これは重大なことです
「これは発表しなきゃいけない」となって
論文を提出しました
論文を提出しました
07:25
We submitted the paper.
156
433236
1179
07:26
It was all data evidence,
157
434439
2111
証拠はすべてデータです
FDAのデータ
スタンフォード大のデータ
スタンフォード大のデータ
07:28
data from the FDA, data from Stanford,
158
436574
2483
ヴァンダービルト大のデータ
ハーバード大のデータ
ハーバード大のデータ
07:31
data from Vanderbilt, data from Harvard.
159
439081
1946
07:33
We had not done a single real experiment.
160
441051
2396
自分で実験は
１つもしていません
１つもしていません
でも少し不安になったので
07:36
But we were nervous.
161
444495
1296
論文が査読を受けている間に
07:38
So Nick, while the paper
was in review, went to the lab.
was in review, went to the lab.
162
446201
3730
実験ができる人間を探しました
07:41
We found somebody
who knew about lab stuff.
who knew about lab stuff.
163
449955
2462
07:44
I don't do that.
164
452441
1393
私はやりませんので
07:45
I take care of patients,
but I don't do pipettes.
but I don't do pipettes.
165
453858
2417
患者は診ますが
ピペットは使いません
ピペットは使いません
07:49
They taught us how to feed mice drugs.
166
457420
3053
マウスに薬を与える
やり方を習いました
やり方を習いました
あるマウスのグループには
パロキセチンを与え
パロキセチンを与え
07:52
We took mice and we gave them
one P, paroxetine.
one P, paroxetine.
167
460864
2414
07:55
We gave some other mice pravastatin.
168
463302
2508
別のグループには
プラバスタチンを与え
プラバスタチンを与え
07:57
And we gave a third group
of mice both of them.
of mice both of them.
169
465834
3595
第３のグループには
両方与えました
両方与えました
08:01
And lo and behold, glucose went up
20 to 60 milligrams per deciliter
20 to 60 milligrams per deciliter
170
469893
3946
するとマウスでも
20〜60mg/dlの
20〜60mg/dlの
血糖上昇が見られました
08:05
in the mice.
171
473863
1171
08:07
So the paper was accepted
based on the informatics evidence alone,
based on the informatics evidence alone,
172
475058
3158
論文はインフォマティクス的な
証拠だけで受理されましたが
証拠だけで受理されましたが
最後に注釈を
追加しておきました
追加しておきました
08:10
but we added a little note at the end,
173
478240
1894
「ちなみに マウスに投与したところ
上昇が見られた」
上昇が見られた」
08:12
saying, oh by the way,
if you give these to mice, it goes up.
if you give these to mice, it goes up.
174
480158
2899
素晴らしい結果です
話はここで終わりにしてもいいんですが
話はここで終わりにしてもいいんですが
08:15
That was great, and the story
could have ended there.
could have ended there.
175
483081
2508
08:17
But I still have six and a half minutes.
176
485613
1997
まだ６分半残っています
08:19
(Laughter)
177
487634
2807
(笑)
08:22
So we were sitting around
thinking about all of this,
thinking about all of this,
178
490465
2815
この件について考えていて
誰だったのか覚えていませんが
こう言いました
こう言いました
08:25
and I don't remember who thought
of it, but somebody said,
of it, but somebody said,
179
493304
2735
「この２つの薬を
服用した患者の中に
服用した患者の中に
08:28
"I wonder if patients
who are taking these two drugs
who are taking these two drugs
180
496063
3201
高血糖の副作用に気付いた人は
いなかったのかな？
いなかったのかな？
08:31
are noticing side effects
of hyperglycemia.
of hyperglycemia.
181
499288
3553
気付いて良さそうなものだけど
08:34
They could and they should.
182
502865
1496
08:36
How would we ever determine that?"
183
504761
1877
どうすればわかるだろう？」
08:39
We said, well, what do you do?
184
507551
1443
「患者はどうするだろう？
08:41
You're taking a medication,
one new medication or two,
one new medication or two,
185
509018
2580
薬を１つか２つ
新たに服用し始めて
新たに服用し始めて
何か具合が
悪くなったとしたら
悪くなったとしたら
08:43
and you get a funny feeling.
186
511622
1538
08:45
What do you do?
187
513184
1151
どうするか？
飲んでいる薬の名前に
08:46
You go to Google
188
514359
1151
08:47
and type in the two drugs you're taking
or the one drug you're taking,
or the one drug you're taking,
189
515534
3349
「副作用」という
キーワードを追加して
キーワードを追加して
Googleで検索し
自分の症状を
探してみるんじゃないかな？」
探してみるんじゃないかな？」
08:50
and you type in "side effects."
190
518907
1603
08:52
What are you experiencing?
191
520534
1356
それでGoogleに
08:54
So we said OK,
192
522239
1151
08:55
let's ask Google if they will share
their search logs with us,
their search logs with us,
193
523414
3056
検索ログを見せてくれるよう
頼んでみよう
頼んでみよう
ということになりました
08:58
so that we can look at the search logs
194
526494
1833
患者がそのような検索をしていないか
調べようというわけです
調べようというわけです
09:00
and see if patients are doing
these kinds of searches.
these kinds of searches.
195
528351
2565
09:02
Google, I am sorry to say,
denied our request.
denied our request.
196
530940
3275
あいにく我々の依頼は
Googleに断られ
Googleに断られ
とてもがっかりしました
09:06
So I was bummed.
197
534819
1151
09:07
I was at a dinner with a colleague
who works at Microsoft Research
who works at Microsoft Research
198
535994
3166
Microsoftリサーチで働く仕事仲間と
食事していた時に
食事していた時に
こういう研究を
したいんだけど
したいんだけど
09:11
and I said, "We wanted to do this study,
199
539184
1941
Googleに断られて
参ったという話をすると
参ったという話をすると
09:13
Google said no, it's kind of a bummer."
200
541149
1880
彼が言いました
「うちにBing検索というのがあるけど･･･」
「うちにBing検索というのがあるけど･･･」
09:15
He said, "Well, we have
the Bing searches."
the Bing searches."
201
543053
2086
09:18
(Laughter)
202
546195
3483
(笑)
09:22
Yeah.
203
550805
1267
ほう
そりゃいいね
09:24
That's great.
204
552096
1151
09:25
Now I felt like I was --
205
553271
1151
私は内心もう —
09:26
(Laughter)
206
554446
1000
(笑)
09:27
I felt like I was talking to Nick again.
207
555470
2412
またニックと話しているような
感じになりました
感じになりました
世界最大の企業の１つで
働いている男です
働いている男です
09:30
He works for one of the largest
companies in the world,
companies in the world,
208
558437
2624
09:33
and I'm already trying
to make him feel better.
to make him feel better.
209
561085
2206
私はもう おだてる姿勢に
入っていました
入っていました
09:35
But he said, "No, Russ --
you might not understand.
you might not understand.
210
563315
2445
すると彼が言います
「誤解したかもしれませんが
「誤解したかもしれませんが
09:37
We not only have Bing searches,
211
565784
1500
うちにはBing検索がある
というだけじゃなくて
というだけじゃなくて
09:39
but if you use Internet Explorer
to do searches at Google,
to do searches at Google,
212
567308
3340
Internet Explorerで検索していれば
Googleだろうと
Googleだろうと
09:42
Yahoo, Bing, any ...
213
570672
1891
Yahooだろうと
Bingだろうと
Bingだろうと
09:44
Then, for 18 months, we keep that data
for research purposes only."
for research purposes only."
214
572587
3643
研究目的限定でデータを
18ヶ月分保持してあるんです」
18ヶ月分保持してあるんです」
09:48
I said, "Now you're talking!"
215
576254
1936
「そりゃ願ってもない！」
彼はエリック・ホーヴィッツという
Microsoftにいる友人です
Microsoftにいる友人です
09:50
This was Eric Horvitz,
my friend at Microsoft.
my friend at Microsoft.
216
578214
2198
09:52
So we did a study
217
580436
1695
それで研究に取りかかり
09:54
where we defined 50 words
that a regular person might type in
that a regular person might type in
218
582155
4619
高血糖の一般の人が
検索に使いそうな言葉を
検索に使いそうな言葉を
09:58
if they're having hyperglycemia,
219
586798
1602
50個リストアップしました
10:00
like "fatigue," "loss of appetite,"
"urinating a lot," "peeing a lot" --
"urinating a lot," "peeing a lot" --
220
588424
4762
「疲れる」「食欲がない」
「尿の量が多い」「おしっこが多い」
「尿の量が多い」「おしっこが多い」
10:05
forgive me, but that's one
of the things you might type in.
of the things you might type in.
221
593210
2767
そういった みんなの
使いそうな言葉です
使いそうな言葉です
これで「糖尿病言葉」と私たちの呼ぶ
50のフレーズができました
50のフレーズができました
10:08
So we had 50 phrases
that we called the "diabetes words."
that we called the "diabetes words."
222
596001
2790
10:10
And we did first a baseline.
223
598815
2063
まず基準となる
値を調べたところ
値を調べたところ
10:12
And it turns out
that about .5 to one percent
that about .5 to one percent
224
600902
2704
インターネット検索全体のうちの
0.5〜1%は
0.5〜1%は
10:15
of all searches on the Internet
involve one of those words.
involve one of those words.
225
603630
2982
糖尿病言葉を含むことが
分かりました
分かりました
10:18
So that's our baseline rate.
226
606636
1742
これが基準になります
10:20
If people type in "paroxetine"
or "Paxil" -- those are synonyms --
or "Paxil" -- those are synonyms --
227
608402
4143
パロキセチンないしはパキシル —
この２つは同じですが —
10:24
and one of those words,
228
612569
1215
その一方の言葉があるとき
糖尿病言葉が現れる率は2%ほどに上がります
糖尿病言葉が現れる率は2%ほどに上がります
10:25
the rate goes up to about two percent
of diabetes-type words,
of diabetes-type words,
229
613808
4890
10:30
if you already know
that there's that "paroxetine" word.
that there's that "paroxetine" word.
230
618722
3044
パロキセチン言葉が
ある場合です
ある場合です
10:34
If it's "pravastatin," the rate goes up
to about three percent from the baseline.
to about three percent from the baseline.
231
622191
4547
プラバスタチンがある場合は
基準から上がって3%ほどになります
基準から上がって3%ほどになります
検索語にパロキセチンとプラバスタチンが
両方ある場合は
両方ある場合は
10:39
If both "paroxetine" and "pravastatin"
are present in the query,
are present in the query,
232
627171
4390
10:43
it goes up to 10 percent,
233
631585
1669
10%に上がります
10:45
a huge three- to four-fold increase
234
633278
3461
３倍から４倍という
大きな上昇です
大きな上昇です
10:48
in those searches with the two drugs
that we were interested in,
that we were interested in,
235
636763
3389
この２つの薬の名を
両方含んだ検索では
両方含んだ検索では
糖尿病言葉ないしは高血糖言葉が
よく現れるということです
よく現れるということです
10:52
and diabetes-type words
or hyperglycemia-type words.
or hyperglycemia-type words.
236
640176
3566
10:56
We published this,
237
644216
1265
この結果を
発表すると
発表すると
10:57
and it got some attention.
238
645505
1466
注目を集めました
10:58
The reason it deserves attention
239
646995
1778
これが注目に値するのは
11:00
is that patients are telling us
their side effects indirectly
their side effects indirectly
240
648797
4312
患者が検索を通して
間接的に
間接的に
副作用について
語っているからです
語っているからです
11:05
through their searches.
241
653133
1156
11:06
We brought this
to the attention of the FDA.
to the attention of the FDA.
242
654313
2138
我々がこれをFDAに示すと
彼らは興味を示し
11:08
They were interested.
243
656475
1269
Microsoftその他の企業と協力して
11:09
They have set up social media
surveillance programs
surveillance programs
244
657768
3606
ソーシャルメディア監視プログラムを
立ち上げました
立ち上げました
11:13
to collaborate with Microsoft,
245
661398
1751
11:15
which had a nice infrastructure
for doing this, and others,
for doing this, and others,
246
663173
2794
Microsoftはそのための
良いインフラを持っています
良いインフラを持っています
11:17
to look at Twitter feeds,
247
665991
1282
Twitterフィード
11:19
to look at Facebook feeds,
248
667297
1716
Facebookフィード
11:21
to look at search logs,
249
669037
1311
検索ログを見て
11:22
to try to see early signs that drugs,
either individually or together,
either individually or together,
250
670372
4909
薬を単独使用ないしは
併用したときに
併用したときに
問題を起こす兆候を
見つけようとしています
見つけようとしています
11:27
are causing problems.
251
675305
1589
ここから得られることは何か？
なぜこの話をしたのか？
なぜこの話をしたのか？
11:28
What do I take from this?
Why tell this story?
Why tell this story?
252
676918
2174
11:31
Well, first of all,
253
679116
1207
まず 我々は今や
11:32
we have now the promise
of big data and medium-sized data
of big data and medium-sized data
254
680347
4037
薬の相互作用や 薬の効果そのもの
についての理解を助ける
についての理解を助ける
11:36
to help us understand drug interactions
255
684408
2918
有望なビッグテータや
中規模データを
中規模データを
11:39
and really, fundamentally, drug actions.
256
687350
2420
手にしているということ
11:41
How do drugs work?
257
689794
1413
薬がどう効き
薬の使用をどう最適化できるか
理解するための
理解するための
11:43
This will create and has created
a new ecosystem
a new ecosystem
258
691231
2836
11:46
for understanding how drugs work
and to optimize their use.
and to optimize their use.
259
694091
3267
新しいエコシステムが
できつつあるということです
できつつあるということです
ニックは研究を続け
今ではコロンビア大学の教授です
今ではコロンビア大学の教授です
11:50
Nick went on; he's a professor
at Columbia now.
at Columbia now.
260
698303
2659
11:52
He did this in his PhD
for hundreds of pairs of drugs.
for hundreds of pairs of drugs.
261
700986
4072
彼は博士論文で何百という
薬の組み合わせについて調べ
薬の組み合わせについて調べ
非常に重要な薬の相互作用を
いくつも見つけました
いくつも見つけました
11:57
He found several
very important interactions,
very important interactions,
262
705082
2517
11:59
and so we replicated this
263
707623
1214
我々は同じ方法を適用して
12:00
and we showed that this
is a way that really works
is a way that really works
264
708861
2574
これが 薬の
相互作用を見つける
相互作用を見つける
12:03
for finding drug-drug interactions.
265
711459
2339
有効な方法であることを
示したんです
示したんです
いくつか考えるべき
ことがあります
ことがあります
12:06
However, there's a couple of things.
266
714282
1734
薬というのは １度に２種類までしか
使わないわけではありません
使わないわけではありません
12:08
We don't just use pairs
of drugs at a time.
of drugs at a time.
267
716040
3046
12:11
As I said before, there are patients
on three, five, seven, nine drugs.
on three, five, seven, nine drugs.
268
719110
4469
前に言ったように 薬を
３種 ５種 ７種 ９種 使う患者がいます
３種 ５種 ７種 ９種 使う患者がいます
９種の薬の相互作用について
研究されているのでしょうか？
研究されているのでしょうか？
12:15
Have they been studied with respect
to their nine-way interaction?
to their nine-way interaction?
269
723981
3642
12:19
Yes, we can do pair-wise,
A and B, A and C, A and D,
A and B, A and C, A and D,
270
727647
4208
２つずつ組にして研究することはできます
AとB AとC AとD というように
AとB AとC AとD というように
しかし 同じ患者が飲む薬
A B C D E F G
A B C D E F G
12:23
but what about A, B, C,
D, E, F, G all together,
D, E, F, G all together,
271
731879
4286
全部一緒にはどうでしょう？
12:28
being taken by the same patient,
272
736189
1762
12:29
perhaps interacting with each other
273
737975
2118
相互作用によって
12:32
in ways that either makes them
more effective or less effective
more effective or less effective
274
740117
3778
効果が増減したり
予期しない副作用が
出たりするかもしれません
出たりするかもしれません
12:35
or causes side effects
that are unexpected?
that are unexpected?
275
743919
2332
12:38
We really have no idea.
276
746275
1827
まったく分かっていません
12:40
It's a blue sky, open field
for us to use data
for us to use data
277
748126
3756
データを使って薬の相互作用を
理解するといのうは
理解するといのうは
12:43
to try to understand
the interaction of drugs.
the interaction of drugs.
278
751906
2502
手つかずで開かれた
研究領域なんです
研究領域なんです
教訓がもう２つあります
12:46
Two more lessons:
279
754848
1370
12:48
I want you to think about the power
that we were able to generate
that we were able to generate
280
756242
4199
私たちがデータによって得た力について
考えてほしいのです
考えてほしいのです
薬剤師や医師を通し
あるいは患者自ら
あるいは患者自ら
12:52
with the data from people who had
volunteered their adverse reactions
volunteered their adverse reactions
281
760465
4711
薬害反応について
進んで情報提供し
進んで情報提供し
12:57
through their pharmacists,
through themselves, through their doctors,
through themselves, through their doctors,
282
765200
3269
スタンフォード大 ハーバード大
ヴァンダービルト大のデータベースで
ヴァンダービルト大のデータベースで
13:00
the people who allowed the databases
at Stanford, Harvard, Vanderbilt,
at Stanford, Harvard, Vanderbilt,
283
768493
3667
研究利用できるようにしてくれた
人々のデータです
人々のデータです
13:04
to be used for research.
284
772184
1427
みんなデータについては
懸念を持っています
懸念を持っています
13:05
People are worried about data.
285
773929
1445
13:07
They're worried about their privacy
and security -- they should be.
and security -- they should be.
286
775398
3187
プライバシーやセキュリティについて
心配しているし そうあるべきです
心配しているし そうあるべきです
13:10
We need secure systems.
287
778609
1151
安全なシステムが必要です
13:11
But we can't have a system
that closes that data off,
that closes that data off,
288
779784
3406
しかしデータを封印してしまう
わけにはいきません
わけにはいきません
13:15
because it is too rich of a source
289
783214
2752
医学において
新しいことを発見し
新しいことを発見し
13:17
of inspiration, innovation and discovery
290
785990
3971
革新し インスピレーションを
得るための
得るための
非常に豊かな源なんです
13:21
for new things in medicine.
291
789985
1578
13:24
And the final thing I want to say is,
292
792494
1794
最後に言いたいのは
今回のケースで２つの薬について
発見したのは 少し残念な結果でした
発見したのは 少し残念な結果でした
13:26
in this case we found two drugs
and it was a little bit of a sad story.
and it was a little bit of a sad story.
293
794312
3357
13:29
The two drugs actually caused problems.
294
797693
1921
一緒に使うと問題があって
13:31
They increased glucose.
295
799638
1475
血糖が上がります
13:33
They could throw somebody into diabetes
296
801137
2446
誰か糖尿病でなかった人を
13:35
who would otherwise not be in diabetes,
297
803607
2294
糖尿病にしてしまう
かもしれません
かもしれません
13:37
and so you would want to use
the two drugs very carefully together,
the two drugs very carefully together,
298
805925
3175
２つの薬を併用する場合には
注意が必要で
注意が必要で
一緒には使わないよう
13:41
perhaps not together,
299
809124
1151
13:42
make different choices
when you're prescribing.
when you're prescribing.
300
810299
2340
処方を変えた方が
良いかもしれません
良いかもしれません
13:44
But there was another possibility.
301
812663
1846
しかし別の
可能性もあります
可能性もあります
２つないしは３つの薬が
良い方向に相互作用することを
良い方向に相互作用することを
13:46
We could have found
two drugs or three drugs
two drugs or three drugs
302
814533
2344
13:48
that were interacting in a beneficial way.
303
816901
2261
発見していたかも
しれないのです
しれないのです
13:51
We could have found new effects of drugs
304
819616
2712
単独の薬では現れないけれど
一緒にすると現れるような
一緒にすると現れるような
13:54
that neither of them has alone,
305
822352
2160
新しい薬効が見つかる
かもしれません
かもしれません
13:56
but together, instead
of causing a side effect,
of causing a side effect,
306
824536
2493
副作用を起こすのではなく
現在 治療法のない病気
13:59
they could be a new and novel treatment
307
827053
2425
治療法が効果的でない
病気への
病気への
14:01
for diseases that don't have treatments
308
829502
1882
新しい治療法が
できるかもしれません
できるかもしれません
14:03
or where the treatments are not effective.
309
831408
2007
現在ある薬物療法を
考えてみると
考えてみると
14:05
If we think about drug treatment today,
310
833439
2395
大きな飛躍は
14:07
all the major breakthroughs --
311
835858
1752
HIVにせよ 結核にせよ
うつ病にせよ 糖尿病にせよ
うつ病にせよ 糖尿病にせよ
14:09
for HIV, for tuberculosis,
for depression, for diabetes --
for depression, for diabetes --
312
837634
4297
14:13
it's always a cocktail of drugs.
313
841955
2830
みんな薬の混合から
生まれているのです
生まれているのです
14:16
And so the upside here,
314
844809
1730
だからこれの
明るい面は
明るい面は
14:18
and the subject for a different
TED Talk on a different day,
TED Talk on a different day,
315
846563
2849
そして次のTEDトークの
テーマになるのは
テーマになるのは
14:21
is how can we use the same data sources
316
849436
2593
同じデータを使って
好ましい効果を生む薬の組み合わせは
いかに見つけられるかということです
いかに見つけられるかということです
14:24
to find good effects
of drugs in combination
of drugs in combination
317
852053
3563
14:27
that will provide us new treatments,
318
855640
2175
それが新しい治療法や
薬の働きについての
新たな洞察を与えてくれ
新たな洞察を与えてくれ
14:29
new insights into how drugs work
319
857839
1852
14:31
and enable us to take care
of our patients even better?
of our patients even better?
320
859715
3786
患者をもっとうまく治療できる
ようにしてくれるはずです
ようにしてくれるはずです
どうもありがとう
14:35
Thank you very much.
321
863525
1166
14:36
(Applause)
322
864715
3499
(拍手)
ABOUT THE SPEAKER
Russ Altman - Big data techno-optimist and internistRuss Altman uses machine learning to better understand adverse effects of medication.
Why you should listen
Professor of bioengineering, genetics, medicine and computer science at Stanford University, Russ Altman's primary research interests are in the application of computing and informatics technologies to problems relevant to medicine. He is particularly interested in methods for understanding drug actions at molecular, cellular, organism and population levels, including how genetic variation impacts drug response.
Altman received the U.S. Presidential Early Career Award for Scientists and Engineers, a National Science Foundation CAREER Award and Stanford Medical School's graduate teaching award. He has chaired the Science Board advising the FDA Commissioner and currently serves on the NIH Director’s Advisory Committee. He is a clinically active internist, the founder of the PharmGKB knowledge base, and advisor to pharmacogenomics companies.
Russ Altman | Speaker | TED.com