1
00:00:01,507 --> 00:00:03,396
2003. godine,

2
00:00:03,420 --> 00:00:06,333
kad smo razložili ljudski genom,

3
00:00:06,357 --> 00:00:10,279
mislili smo da ćemo imati odgovor
za liječenje mnogih bolesti.

4
00:00:10,974 --> 00:00:13,631
No, stvarnost je daleko od toga,

5
00:00:14,782 --> 00:00:16,703
jer osim naših gena,

6
00:00:16,727 --> 00:00:21,297
naše okruženje i način života 
mogu imati značajnu ulogu

7
00:00:21,321 --> 00:00:23,869
u razvoju mnogih velikih bolesti.

8
00:00:23,893 --> 00:00:27,473
Jedan primjer je bolest masne jetre,

9
00:00:27,497 --> 00:00:31,580
koja pogađa preko 20% stanovnika svijeta,

10
00:00:31,604 --> 00:00:34,638
i nema joj lijeka, a vodi do raka jetre

11
00:00:34,662 --> 00:00:36,085
ili zatajenja jetre.

12
00:00:37,517 --> 00:00:42,261
Dakle, sekvenciranje DNK samo po sebi 
ne daje nam dovoljno informacija

13
00:00:42,285 --> 00:00:44,517
za pronalazak učinkovitih terapija.

14
00:00:44,541 --> 00:00:48,297
Dobro je što postoje mnoge druge
molekule u našem tijelu.

15
00:00:48,321 --> 00:00:52,301
Zaista, postoji preko 100.000 metabolita.

16
00:00:52,325 --> 00:00:56,621
Metaboliti su bilo koja molekula 
supermale veličine.

17
00:00:57,193 --> 00:01:02,165
Poznati primjeri su glukoza, fruktoza,
masti, kolesterol --

18
00:01:02,189 --> 00:01:03,699
ono o čemu stalno slušamo.

19
00:01:04,273 --> 00:01:07,256
Metaboliti su uključeni u naš metabolizam.

20
00:01:08,066 --> 00:01:12,094
Oni su na nižoj razini od DNK

21
00:01:12,118 --> 00:01:17,200
pa nose informacije iz naših gena,
kao i stila života.

22
00:01:17,224 --> 00:01:22,873
Razumijevanje metabolita je ključno
za pronalazak tretmana za mnoge bolesti.

23
00:01:22,897 --> 00:01:25,109
Oduvijek sam željela liječiti pacijente.

24
00:01:25,934 --> 00:01:29,792
Unatoč tome, prije 15 godina,
napustila sam medicinsku školu

25
00:01:29,816 --> 00:01:31,781
jer mi je nedostajala matematika.

26
00:01:33,019 --> 00:01:35,955
Ubrzo potom otkrila sam sjajnu stvar:

27
00:01:36,692 --> 00:01:39,455
Mogu koristiti matematiku 
za studij medicine.

28
00:01:41,026 --> 00:01:46,239
Od tada razvijam algoritme 
za analizu bioloških podataka.

29
00:01:47,092 --> 00:01:49,375
Dakle, zvučalo je jednostavno:

30
00:01:49,399 --> 00:01:53,000
prikupimo podatke o svim
metabolitima u našem tijelu,

31
00:01:53,024 --> 00:01:58,152
razvijmo matematičke modele
za opisivanje kako se mijenjaju u bolesti

32
00:01:58,176 --> 00:02:01,164
i intervenirajmo u te promjene
kako bismo ih liječili.

33
00:02:02,488 --> 00:02:05,960
Tada sam shvatila zašto 
to nitko nije učinio prije:

34
00:02:07,230 --> 00:02:08,917
to je iznimno teško.

35
00:02:08,941 --> 00:02:10,028
(Smijeh)

36
00:02:10,052 --> 00:02:12,464
Postoje mnogi metaboliti u našem tijelu.

37
00:02:12,783 --> 00:02:15,283
Svaki od njih različit je od onog drugog.

38
00:02:15,307 --> 00:02:19,035
Nekim metabolitima možemo 
mjeriti molekularnu masu

39
00:02:19,059 --> 00:02:21,652
instrumentima za spektrometriju mase.

40
00:02:21,676 --> 00:02:26,069
No kako bi moglo biti, recimo,
10 molekula s istom masom,

41
00:02:26,093 --> 00:02:27,900
ne znamo točno koje su,

42
00:02:27,924 --> 00:02:30,698
pa ako ih želite sve jasno identificirati,

43
00:02:30,722 --> 00:02:33,826
treba raditi još eksperimenata,
što bi moglo trajati desetljećima

44
00:02:33,850 --> 00:02:35,564
i stajati milijarde dolara.

45
00:02:36,207 --> 00:02:41,770
Tako smo razvili umjetnu inteligenciju, 
ili AI, kao platformu koja će to učiniti.

46
00:02:41,794 --> 00:02:44,638
Iskoristili smo rast bioloških podataka

47
00:02:44,662 --> 00:02:49,086
i izgradili bazu podataka svih postojećih 
informacija o metabolitima

48
00:02:49,110 --> 00:02:52,238
i interakcija njih s drugim molekulama.

49
00:02:52,262 --> 00:02:55,686
Povezali smo sve te podatke u megamrežu.

50
00:02:55,710 --> 00:02:59,106
Zatim iz tkiva ili krvi bolesnika

51
00:02:59,130 --> 00:03:01,881
mjerimo mase metabolita

52
00:03:01,905 --> 00:03:05,164
i tražimo one koje se mijenjaju u bolesti.

53
00:03:05,188 --> 00:03:08,378
Ali, kao što sam spomenula ranije,
ne znamo točno koji su.

54
00:03:08,402 --> 00:03:13,537
Molekulska masa 180 može biti 
glukoza, galaktoza ili fruktoza.

55
00:03:13,561 --> 00:03:15,580
Sve one imaju iste mase

56
00:03:15,604 --> 00:03:17,691
ali različite funkcije u našem tijelu.

57
00:03:17,715 --> 00:03:21,302
Naš AI algoritam uzima u obzir
sve te nedorečenosti.

58
00:03:21,326 --> 00:03:24,062
Zatim pretražuje tu megamrežu

59
00:03:24,086 --> 00:03:28,439
da vidi kako su te metaboličke mase
međusobno povezane

60
00:03:28,463 --> 00:03:30,421
kad rezultiraju bolešću.

61
00:03:30,445 --> 00:03:32,683
I po načinu na koji su povezani,

62
00:03:32,707 --> 00:03:37,030
onda možemo zaključiti 
što je svaka metabolička masa,

63
00:03:37,054 --> 00:03:39,978
kao, ovdje bi 180 mogla biti glukoza,

64
00:03:40,002 --> 00:03:42,553
i, što je još važnije, otkriti

65
00:03:42,577 --> 00:03:45,944
kako promjene u glukozi 
i drugim metabolitima

66
00:03:45,968 --> 00:03:47,473
dovode do bolesti.

67
00:03:47,497 --> 00:03:50,492
To novo razumijevanje mehanizama bolesti

68
00:03:50,516 --> 00:03:55,008
omogućuje nam zatim otkrivanje 
učinkovitih ciljanih terapija.

69
00:03:55,601 --> 00:03:59,446
Stoga smo osnovali start-up tvrtku kako
bismo tu tehnologiju stavili na tržište

70
00:03:59,470 --> 00:04:01,275
i poboljšali živote ljudi.

71
00:04:01,722 --> 00:04:05,267
Sada moj tim i ja u ReviveMed
radimo na otkrivanju

72
00:04:05,291 --> 00:04:10,396
terapija za glavne bolesti 
kojima su ključni pokretači metaboliti,

73
00:04:10,420 --> 00:04:12,317
poput bolesti masne jetre,

74
00:04:12,341 --> 00:04:15,265
jer je uzrokovana nakupljanjem masti,

75
00:04:15,289 --> 00:04:17,762
koje su vrste metabolita u jetri.

76
00:04:17,786 --> 00:04:21,726
Kao što sam spomenula ranije,
to je ogromna epidemija bez lijeka.

77
00:04:21,750 --> 00:04:24,474
A bolest masne jetre je 
samo jedan primjer.

78
00:04:24,498 --> 00:04:28,676
Ubuduće ćemo se boriti 
sa stotinama drugih bolesti

79
00:04:28,700 --> 00:04:30,193
za koje nema lijeka.

80
00:04:30,217 --> 00:04:34,771
Prikupljanjem sve više 
podataka o metabolitima

81
00:04:34,795 --> 00:04:38,339
i razumijevanjem kako promjene metabolita

82
00:04:38,363 --> 00:04:40,765
dovode do razvoja bolesti,

83
00:04:40,789 --> 00:04:44,278
naši algoritmi će postajati sve pametniji

84
00:04:44,302 --> 00:04:48,498
u otkrivanju pravih terapija 
za pravog pacijenta.

85
00:04:48,522 --> 00:04:52,292
Približit ćemo se ostvarenju naše vizije:

86
00:04:52,316 --> 00:04:56,179
spašavanja života sa svakim retkom koda.

87
00:04:56,203 --> 00:04:57,524
Hvala vam.

88
00:04:57,604 --> 00:04:58,925
(Pljesak)