1
00:00:00,000 --> 00:00:04,000
まず始めに医療に関係する

2
00:00:04,000 --> 00:00:07,000
データを取り扱う

3
00:00:07,000 --> 00:00:09,000
課題について

4
00:00:09,000 --> 00:00:11,000
ご説明します

5
00:00:11,000 --> 00:00:13,000
これは私たちにとって大きな課題です

6
00:00:13,000 --> 00:00:15,000
そんな私たちを助けるのがこの機械です

7
00:00:15,000 --> 00:00:17,000
これはコンピュータ断層撮影装置

8
00:00:17,000 --> 00:00:19,000
通称 CTです

9
00:00:19,000 --> 00:00:21,000
素晴らしい装置です

10
00:00:21,000 --> 00:00:23,000
人体の周りに対して

11
00:00:23,000 --> 00:00:26,000
高速で回転するX線が使われます

12
00:00:26,000 --> 00:00:28,000
機械を端から端まで通り抜けるのに

13
00:00:28,000 --> 00:00:30,000
およそ30秒かかり そこから膨大な

14
00:00:30,000 --> 00:00:32,000
情報が出力されます

15
00:00:32,000 --> 00:00:34,000
健康管理の向上のために

16
00:00:34,000 --> 00:00:36,000
使える

17
00:00:36,000 --> 00:00:38,000
大変素晴らしい機械です

18
00:00:38,000 --> 00:00:40,000
しかし 私たちにとっての課題でもあるのです

19
00:00:40,000 --> 00:00:43,000
その課題はこちらの画像で見て取れます

20
00:00:43,000 --> 00:00:45,000
これは現在私たちが直面している

21
00:00:45,000 --> 00:00:47,000
医療データの爆発的な増加問題です

22
00:00:47,000 --> 00:00:49,000
この問題に現在取り組んでいます

23
00:00:49,000 --> 00:00:51,000
過去に遡りましょう

24
00:00:51,000 --> 00:00:54,000
数年前に何が起こったかご説明します

25
00:00:54,000 --> 00:00:56,000
これらの機械は

26
00:00:56,000 --> 00:00:58,000
1970年頃に導入され始め

27
00:00:58,000 --> 00:01:00,000
人体をスキャンし

28
00:01:00,000 --> 00:01:02,000
100枚程度の人体画像を

29
00:01:02,000 --> 00:01:04,000
生成します

30
00:01:04,000 --> 00:01:06,000
大変勝手ながら 明確化するために

31
00:01:06,000 --> 00:01:09,000
それらをデータをデジタル化すると

32
00:01:09,000 --> 00:01:11,000
大体50MBの大きさになります

33
00:01:11,000 --> 00:01:13,000
情報量自体は私たちが

34
00:01:13,000 --> 00:01:16,000
現在扱っているデータに比べると小さいでしょう

35
00:01:16,000 --> 00:01:18,000
通常のモバイル機器で扱えます

36
00:01:18,000 --> 00:01:20,000
電話帳に例えると

37
00:01:20,000 --> 00:01:23,000
１メートル分積み上げた電話帳の数に相当します

38
00:01:23,000 --> 00:01:25,000
現在私たちが扱っている

39
00:01:25,000 --> 00:01:27,000
これらの機械は

40
00:01:27,000 --> 00:01:29,000
数秒以内に

41
00:01:29,000 --> 00:01:31,000
2万4千枚もの人体の画像を生成します

42
00:01:31,000 --> 00:01:34,000
これは20GBものデータ もしくは

43
00:01:34,000 --> 00:01:36,000
電話帳800冊分の情報量です

44
00:01:36,000 --> 00:01:38,000
重ねれば200メートルは行くでしょう

45
00:01:38,000 --> 00:01:40,000
何が起きようとしているか

46
00:01:40,000 --> 00:01:42,000
今まさに起き始めている

47
00:01:42,000 --> 00:01:44,000
技術トレンドとは

48
00:01:44,000 --> 00:01:47,000
測定時間中の人体の状態を見れるようになったことです

49
00:01:47,000 --> 00:01:50,000
つまり人体の挙動を解剖なしで確認できるのです

50
00:01:50,000 --> 00:01:52,000
それでは

51
00:01:52,000 --> 00:01:55,000
５秒もの間 データを取得したとしましょう

52
00:01:55,000 --> 00:01:57,000
それは１テラバイトものデータになります

53
00:01:57,000 --> 00:01:59,000
これは 80万冊の本 あるいは

54
00:01:59,000 --> 00:02:01,000
16km分重ねた電話帳に相当します

55
00:02:01,000 --> 00:02:03,000
これは患者一人分のデータです

56
00:02:03,000 --> 00:02:05,000
私たちが取り組む対象です

57
00:02:05,000 --> 00:02:08,000
実に途方もない仕事です

58
00:02:08,000 --> 00:02:11,000
これで 2万5千枚もあります

59
00:02:11,000 --> 00:02:13,000
これらを放射線専門医が

60
00:02:13,000 --> 00:02:15,000
対応する姿を想像してみてください

61
00:02:15,000 --> 00:02:17,000
2万5千枚もの画像を前に

62
00:02:17,000 --> 00:02:20,000
こう言うのです　「えっと 2万5千枚か

63
00:02:20,000 --> 00:02:22,000
ああ ここが問題の箇所だ」

64
00:02:22,000 --> 00:02:24,000
もうそのようなことはできません 不可能です

65
00:02:24,000 --> 00:02:27,000
そうするよりももっと合理的な方法を行う必要があります

66
00:02:28,000 --> 00:02:30,000
まずこれらの画像を一つにまとめます

67
00:02:30,000 --> 00:02:33,000
自分自身の体をあらゆる角度から薄切りにし

68
00:02:33,000 --> 00:02:36,000
それらを再度元のデータの塊に戻すことを

69
00:02:36,000 --> 00:02:38,000
想像してみてください

70
00:02:38,000 --> 00:02:40,000
そういうことを私たちは行っているのです

71
00:02:40,000 --> 00:02:43,000
このギガ テラバイト級のデータを元の塊に戻します

72
00:02:43,000 --> 00:02:45,000
もちろん データの塊は

73
00:02:45,000 --> 00:02:47,000
単に 人体のそれぞれの箇所において

74
00:02:47,000 --> 00:02:49,000
吸収されたX線の総量のみを表します

75
00:02:49,000 --> 00:02:51,000
そこで まずは私たちが

76
00:02:51,000 --> 00:02:54,000
注目していないものは透過し 確認したいもののみを

77
00:02:54,000 --> 00:02:57,000
見れるようにする必要があります

78
00:02:57,000 --> 00:02:59,000
つまり このような形に

79
00:02:59,000 --> 00:03:01,000
データを変換したいのです

80
00:03:01,000 --> 00:03:03,000
この課題は

81
00:03:03,000 --> 00:03:06,000
私たちにとって とてつもない難題でした

82
00:03:06,000 --> 00:03:09,000
絶えず処理速度や性能が良くなるコンピュータでも

83
00:03:09,000 --> 00:03:11,000
ギガバイトや

84
00:03:11,000 --> 00:03:13,000
テラバイト級のデータを対象に

85
00:03:13,000 --> 00:03:15,000
関連情報を抽出するのは困難な作業です

86
00:03:15,000 --> 00:03:17,000
心臓であったり血管や肝臓を

87
00:03:17,000 --> 00:03:19,000
見たい時があるかもしれません

88
00:03:19,000 --> 00:03:21,000
もしかしたら腫瘍を発見する

89
00:03:21,000 --> 00:03:23,000
こともあるかもしれません

90
00:03:24,000 --> 00:03:26,000
そこでこの可愛らしい子の出番です

91
00:03:26,000 --> 00:03:28,000
これは私の娘です

92
00:03:28,000 --> 00:03:30,000
今朝の9時頃の彼女の様子です

93
00:03:30,000 --> 00:03:32,000
彼女はゲームで遊んでいます

94
00:03:32,000 --> 00:03:34,000
まだ2歳児ですが

95
00:03:34,000 --> 00:03:36,000
とても楽しんでいます

96
00:03:36,000 --> 00:03:39,000
彼女はGPU開発の

97
00:03:39,000 --> 00:03:42,000
推進役といっていいでしょう

98
00:03:43,000 --> 00:03:45,000
子供達がゲームを遊ぶ限り

99
00:03:45,000 --> 00:03:47,000
グラフィックは進化し続けるのです

100
00:03:47,000 --> 00:03:49,000
帰ったら 是非ゲームを勧めてください

101
00:03:49,000 --> 00:03:51,000
それが私たちには必要だからです

102
00:03:51,000 --> 00:03:53,000
この機械の中には

103
00:03:53,000 --> 00:03:55,000
私が医療データに対して行っていることを

104
00:03:55,000 --> 00:03:57,000
可能にしてくれるものが存在します

105
00:03:57,000 --> 00:04:00,000
実はこのような小さな装置を使っています

106
00:04:00,000 --> 00:04:02,000
ご存知のように

107
00:04:02,000 --> 00:04:04,000
おそらく10年程前 私が

108
00:04:04,000 --> 00:04:06,000
１台目の画像処理用のコンピュータを

109
00:04:06,000 --> 00:04:08,000
買う予算を得た時代の頃は

110
00:04:08,000 --> 00:04:10,000
それはとても巨大なマシンでした

111
00:04:10,000 --> 00:04:13,000
プロセッサやらストレージなどあらゆるものが詰め込まれていました

112
00:04:13,000 --> 00:04:16,000
私はそのマシンに100万ドル支払いました

113
00:04:17,000 --> 00:04:20,000
そんな機械も 今や私のiPhoneと同じくらいの性能です

114
00:04:22,000 --> 00:04:24,000
毎月 新型のグラフィックカードが販売されますが

115
00:04:24,000 --> 00:04:27,000
これは NVDIA ATI Intelといったベンダーから頂いた

116
00:04:27,000 --> 00:04:30,000
数少ない最新モデルです

117
00:04:30,000 --> 00:04:32,000
ご存知のように 数百ドルも払えば

118
00:04:32,000 --> 00:04:34,000
このようなグラフィックカードを購入し

119
00:04:34,000 --> 00:04:37,000
コンピュータに追加して様々なことが可能になります

120
00:04:37,000 --> 00:04:39,000
このように これらと共に

121
00:04:39,000 --> 00:04:42,000
人々に研究されている

122
00:04:42,000 --> 00:04:44,000
アルゴリズム開発や

123
00:04:44,000 --> 00:04:46,000
データの圧縮方法

124
00:04:46,000 --> 00:04:48,000
関連情報の抽出方法などによって

125
00:04:48,000 --> 00:04:51,000
膨大な医療データを取り扱うことを可能にしています

126
00:04:51,000 --> 00:04:54,000
それでは 私たちが出来るいくつかの例をご紹介します

127
00:04:54,000 --> 00:04:57,000
これはCTスキャナーによって取得されたデータです

128
00:04:57,000 --> 00:05:00,000
ご覧のようにこれは完全なデータです

129
00:05:00,000 --> 00:05:03,000
これは女性で 髪の毛が見えます

130
00:05:03,000 --> 00:05:06,000
女性の身体の個別構成を確認することができます

131
00:05:06,000 --> 00:05:09,000
このように歯の金属部分に対して

132
00:05:09,000 --> 00:05:11,000
X線が拡散していることが見て取れます

133
00:05:11,000 --> 00:05:14,000
ノイズが発生しているのはそういう部分です

134
00:05:14,000 --> 00:05:16,000
でも 通常のコンピュータ内の

135
00:05:16,000 --> 00:05:19,000
標準のグラフィックカードによって インタラクティブに

136
00:05:19,000 --> 00:05:21,000
断面を作ることができます

137
00:05:21,000 --> 00:05:23,000
全てのデータは格納されているので

138
00:05:23,000 --> 00:05:26,000
回転させたり 別の異なるアングルから確認ができます

139
00:05:26,000 --> 00:05:29,000
この女性は問題を抱えていたようですね

140
00:05:29,000 --> 00:05:31,000
脳内出血を起こしていたようですが

141
00:05:31,000 --> 00:05:33,000
小さなステントと呼ばれる血管を狭める

142
00:05:33,000 --> 00:05:35,000
金属製の留め具で治療されています

143
00:05:35,000 --> 00:05:37,000
そして機能を変えることで

144
00:05:37,000 --> 00:05:40,000
何を透明にし何を見えるようにするか

145
00:05:40,000 --> 00:05:42,000
決めることができます

146
00:05:42,000 --> 00:05:44,000
骨格を見ることができます

147
00:05:44,000 --> 00:05:47,000
これが 女性の頭蓋骨を開けた部分で

148
00:05:47,000 --> 00:05:49,000
ここから中に入ったようです

149
00:05:49,000 --> 00:05:51,000
これらは素晴らしい画像です

150
00:05:51,000 --> 00:05:53,000
非常に解像度が高く

151
00:05:53,000 --> 00:05:55,000
現在の標準グラフィックカードを使って

152
00:05:55,000 --> 00:05:58,000
何が出来るかをとても良く示しています

153
00:05:58,000 --> 00:06:00,000
効果的な利用方法を編み出した私たちは

154
00:06:00,000 --> 00:06:03,000
膨大なデータをシステム上に

155
00:06:03,000 --> 00:06:05,000
圧縮することを試みました

156
00:06:05,000 --> 00:06:07,000
私たちの取り組んでいるアプリのうちの

157
00:06:07,000 --> 00:06:10,000
一つは 世界中で少しずつ話題になりつつある

158
00:06:10,000 --> 00:06:12,000
バーチャル解剖アプリです

159
00:06:12,000 --> 00:06:14,000
同じように 全身スキャンの画像といった

160
00:06:14,000 --> 00:06:17,000
非常に巨大なデータセットを使います

161
00:06:17,000 --> 00:06:20,000
CTスキャナーに全身を通し

162
00:06:20,000 --> 00:06:23,000
数秒後に全身の画像データを得ることができます

163
00:06:23,000 --> 00:06:25,000
これがバーチャル解剖です

164
00:06:25,000 --> 00:06:27,000
こうやって徐々に剥ぎ取っていきます

165
00:06:27,000 --> 00:06:30,000
始めに遺体袋が確認できます

166
00:06:30,000 --> 00:06:33,000
次に皮を剥ぎ取り 筋肉が見えますね

167
00:06:33,000 --> 00:06:36,000
最後にこの女性の骨格がご覧になれます

168
00:06:36,000 --> 00:06:39,000
ここからは

169
00:06:39,000 --> 00:06:41,000
これからお見せする人々に

170
00:06:41,000 --> 00:06:43,000
対し敬意を持って

171
00:06:43,000 --> 00:06:45,000
いくつかのバーチャル解剖をお見せします

172
00:06:45,000 --> 00:06:47,000
凶悪な事件によって

173
00:06:47,000 --> 00:06:49,000
お亡くなりになられた方々に敬意を払いつつ

174
00:06:49,000 --> 00:06:52,000
これらの画像を

175
00:06:53,000 --> 00:06:55,000
法医学的な事例としてお見せします

176
00:06:55,000 --> 00:06:57,000
これらは私の出身である

177
00:06:57,000 --> 00:06:59,000
スウェーデンだけで

178
00:06:59,000 --> 00:07:01,000
過去4年間において

179
00:07:01,000 --> 00:07:03,000
およそ400件バーチャル解剖が

180
00:07:03,000 --> 00:07:05,000
執り行われています

181
00:07:05,000 --> 00:07:08,000
これが通常のワークフローです

182
00:07:08,000 --> 00:07:10,000
警察は

183
00:07:10,000 --> 00:07:12,000
例えば夕方に 事件が起きたとして

184
00:07:12,000 --> 00:07:15,000
解剖の必要があるかどうか判断します

185
00:07:15,000 --> 00:07:18,000
そして朝の６時から７時にかけて

186
00:07:18,000 --> 00:07:20,000
袋に包まれた遺体が

187
00:07:20,000 --> 00:07:22,000
私たちのセンターに移送され

188
00:07:22,000 --> 00:07:24,000
CTスキャナーの一つでスキャンされます

189
00:07:24,000 --> 00:07:26,000
病理学者やたまに法医学の研究者を

190
00:07:26,000 --> 00:07:28,000
伴った放射線科医が

191
00:07:28,000 --> 00:07:30,000
出力されるデータを確認し

192
00:07:30,000 --> 00:07:32,000
合同で会議を開きます

193
00:07:32,000 --> 00:07:35,000
そして本当の解剖をどのように行うか決めるのです

194
00:07:37,000 --> 00:07:39,000
いくつかの事例のうち

195
00:07:39,000 --> 00:07:41,000
私たちが担当した初期の事例を紹介します

196
00:07:41,000 --> 00:07:44,000
このようにデータを本当に詳細に確認できます

197
00:07:44,000 --> 00:07:46,000
とても高画質です

198
00:07:46,000 --> 00:07:48,000
さらに私たちが考案したアルゴリズムによって

199
00:07:48,000 --> 00:07:50,000
詳細な部分を拡大をすることが可能です

200
00:07:50,000 --> 00:07:52,000
繰り返しますが 完全にインタラクティブで

201
00:07:52,000 --> 00:07:54,000
このシステムによってリアルタイムで

202
00:07:54,000 --> 00:07:56,000
画像を回転させて見ることが可能です

203
00:07:56,000 --> 00:07:58,000
こちらの事例の説明は不要かもしれませんが

204
00:07:58,000 --> 00:08:00,000
これは交通事故です

205
00:08:00,000 --> 00:08:02,000
酔っぱらった運転手が女性をひきました

206
00:08:02,000 --> 00:08:05,000
骨格の損傷を確認することがとても容易です

207
00:08:05,000 --> 00:08:08,000
死因は首の損傷です

208
00:08:08,000 --> 00:08:10,000
さらに女性は車に下敷きになってしまったため

209
00:08:10,000 --> 00:08:12,000
その怪我によって体に

210
00:08:12,000 --> 00:08:14,000
重度の損傷を負っています

211
00:08:14,000 --> 00:08:17,000
別の事例を紹介します　刺殺事件です

212
00:08:17,000 --> 00:08:19,000
私たちにできることを この例でも説明します

213
00:08:19,000 --> 00:08:21,000
体内に存在する金属製品を

214
00:08:21,000 --> 00:08:24,000
簡単に確認することができます

215
00:08:24,000 --> 00:08:27,000
歯の中の加工物も確認できます

216
00:08:27,000 --> 00:08:29,000
これは歯の詰め物です

217
00:08:29,000 --> 00:08:32,000
金属のみを表示し その他は透明にする機能を

218
00:08:32,000 --> 00:08:34,000
設定しています

219
00:08:34,000 --> 00:08:37,000
別の凶悪な事例を紹介します　これは実際の致命傷ではありません

220
00:08:37,000 --> 00:08:39,000
この方は心臓に複数回刺され 死亡しました

221
00:08:39,000 --> 00:08:41,000
しかし犯人はさらにナイフを

222
00:08:41,000 --> 00:08:43,000
片方の眼球に刺したままにしたのです

223
00:08:43,000 --> 00:08:45,000
別の事例を紹介します

224
00:08:45,000 --> 00:08:47,000
ナイフによる刺殺の事例などを検証できることは

225
00:08:47,000 --> 00:08:49,000
私たちにとって大変興味深いものです

226
00:08:49,000 --> 00:08:52,000
ここではナイフが心臓に突き刺さっているのが確認できます

227
00:08:52,000 --> 00:08:54,000
空気が一方からもう一方へと

228
00:08:54,000 --> 00:08:56,000
漏れだしている様子が簡単に確認できます

229
00:08:56,000 --> 00:08:59,000
通常の解剖ではこのようなことを確認することは困難です

230
00:08:59,000 --> 00:09:01,000
このように

231
00:09:01,000 --> 00:09:03,000
死因を判断する上で

232
00:09:03,000 --> 00:09:05,000
犯罪捜査に大変有効です

233
00:09:05,000 --> 00:09:08,000
また 捜査を正しい方向へ導き 真の殺人犯を

234
00:09:08,000 --> 00:09:10,000
突き止める場合もあります

235
00:09:10,000 --> 00:09:12,000
これは 私が興味深いと感じた事例です

236
00:09:12,000 --> 00:09:14,000
弾丸がこの方の脊椎の横に

237
00:09:14,000 --> 00:09:17,000
留まっているのが見えます

238
00:09:17,000 --> 00:09:20,000
この弾丸を光源に変換することで

239
00:09:20,000 --> 00:09:22,000
弾丸がこれらの破片を光らせて

240
00:09:22,000 --> 00:09:25,000
見つけやすくしています

241
00:09:25,000 --> 00:09:27,000
通常の解剖を行う際にこれらの破片を

242
00:09:27,000 --> 00:09:29,000
体内から見つけだそうとする場合は

243
00:09:29,000 --> 00:09:31,000
実際には大変困難です

244
00:09:33,000 --> 00:09:35,000
今日 皆さんにお見せ出来ることを

245
00:09:35,000 --> 00:09:38,000
嬉しく思っているものの一つが

246
00:09:38,000 --> 00:09:40,000
このバーチャル解剖テーブルです

247
00:09:40,000 --> 00:09:42,000
これは標準のGPUと今までのアルゴリズムを

248
00:09:42,000 --> 00:09:45,000
元に私たちが開発したタッチデバイスです

249
00:09:45,000 --> 00:09:47,000
実際には

250
00:09:47,000 --> 00:09:50,000
このような形となっています

251
00:09:50,000 --> 00:09:53,000
巨大なiPhoneのように動作します

252
00:09:53,000 --> 00:09:55,000
テーブル上で

253
00:09:55,000 --> 00:09:58,000
行える全てのジェスチャーを実装しています

254
00:09:58,000 --> 00:10:02,000
巨大なタッチインターフェースと考えて頂ければと思います

255
00:10:02,000 --> 00:10:04,000
iPadを買おうと考えている方は

256
00:10:04,000 --> 00:10:07,000
忘れてください　これこそ皆さんが欲していたものです

257
00:10:07,000 --> 00:10:10,000
スティーブ あなたがこれを聞いてくれているといいんですが

258
00:10:11,000 --> 00:10:13,000
という訳で これはとても良いデバイスです

259
00:10:13,000 --> 00:10:15,000
もし機会があれば 是非使ってみてください

260
00:10:15,000 --> 00:10:18,000
実体験して頂くことをお勧めします

261
00:10:18,000 --> 00:10:21,000
注目も集めたことなので 私たちはこれの教育目的の

262
00:10:21,000 --> 00:10:23,000
利用を想定して製品化を目指しており

263
00:10:23,000 --> 00:10:25,000
将来的には

264
00:10:25,000 --> 00:10:28,000
医療現場での利用も考えています

265
00:10:28,000 --> 00:10:30,000
バーチャル解剖について紹介したい場合は

266
00:10:30,000 --> 00:10:32,000
YouTubeに閲覧できる動画があるので

267
00:10:32,000 --> 00:10:35,000
是非ご利用ください

268
00:10:35,000 --> 00:10:37,000
「触れる」ことについてご紹介したので

269
00:10:37,000 --> 00:10:39,000
次は本当にデータに触れることについてお話します

270
00:10:39,000 --> 00:10:41,000
若干SFが入ってきますが

271
00:10:41,000 --> 00:10:44,000
未来のことについてお話します

272
00:10:44,000 --> 00:10:47,000
今は 医師がこれを利用している訳ではありませんが

273
00:10:47,000 --> 00:10:49,000
将来は 使っていることに期待しています

274
00:10:49,000 --> 00:10:52,000
左側に見えるのはタッチデバイスです

275
00:10:52,000 --> 00:10:54,000
小さな機械式のペンで

276
00:10:54,000 --> 00:10:57,000
高速のステッピング・モーターが内蔵されており

277
00:10:57,000 --> 00:10:59,000
フィードバックを生むことができます

278
00:10:59,000 --> 00:11:01,000
よって データに仮想的に触れると

279
00:11:01,000 --> 00:11:04,000
ペンに接触力が生まれ 感覚を得ることができるのです

280
00:11:04,000 --> 00:11:06,000
このように生きている方の

281
00:11:06,000 --> 00:11:08,000
スキャン画像に対して

282
00:11:08,000 --> 00:11:11,000
ペンを持って データを確認しながら

283
00:11:11,000 --> 00:11:13,000
頭部に向けてペンを動かすと

284
00:11:13,000 --> 00:11:15,000
突如 抵抗力を感じることができます

285
00:11:15,000 --> 00:11:17,000
このように皮膚を感じることができます

286
00:11:17,000 --> 00:11:19,000
もう少し強く押すと 皮膚を通り抜け

287
00:11:19,000 --> 00:11:22,000
中の骨格を感じることができます

288
00:11:22,000 --> 00:11:24,000
さらに強く押せば 骨格を通り抜け

289
00:11:24,000 --> 00:11:27,000
耳のすぐ近くの柔らかい骨を通り

290
00:11:27,000 --> 00:11:30,000
ぬるぬるしたような感じで 脳の部分を感じることができます

291
00:11:30,000 --> 00:11:32,000
非常に有効な機能です

292
00:11:32,000 --> 00:11:35,000
さらに例を紹介します これが心臓です

293
00:11:35,000 --> 00:11:38,000
新型のスキャナーのおかげで

294
00:11:38,000 --> 00:11:40,000
たった0.3秒で

295
00:11:40,000 --> 00:11:42,000
心臓全体をスキャンすることができます

296
00:11:42,000 --> 00:11:44,000
さらに時間分解が行えるため

297
00:11:44,000 --> 00:11:46,000
心臓を見ながら

298
00:11:46,000 --> 00:11:48,000
動画を再生することが可能です

299
00:11:48,000 --> 00:11:50,000
彼はこのプロジェクトに取り組んでいる

300
00:11:50,000 --> 00:11:52,000
大学院生の一人でカーデュアンと言います

301
00:11:52,000 --> 00:11:55,000
フィードバックシステムである触覚装置の前に座りながら

302
00:11:55,000 --> 00:11:58,000
心臓に向けてペンを動かすと

303
00:11:58,000 --> 00:12:00,000
心臓が目の前で拍動しはじめます

304
00:12:00,000 --> 00:12:02,000
どのように心臓が拍動するのか確認できるのです

305
00:12:02,000 --> 00:12:04,000
ペンをとって 心臓に向けて動かし

306
00:12:04,000 --> 00:12:06,000
心臓の上にペンを置くと

307
00:12:06,000 --> 00:12:09,000
生きた患者の心臓の鼓動を感じることができるため

308
00:12:09,000 --> 00:12:11,000
心臓の動作を確認することができます

309
00:12:11,000 --> 00:12:13,000
心臓の中に移動し 内部を押して

310
00:12:13,000 --> 00:12:16,000
心臓弁の動作を感じることができます

311
00:12:16,000 --> 00:12:19,000
これこそが 心臓外科医の将来の姿であると考えます

312
00:12:19,000 --> 00:12:22,000
心臓外科医にとって

313
00:12:22,000 --> 00:12:25,000
患者の心臓の中を

314
00:12:25,000 --> 00:12:27,000
高解像度のデータを元に手術前に

315
00:12:27,000 --> 00:12:29,000
確認するなんて夢のような話でしょう

316
00:12:29,000 --> 00:12:31,000
非常に素晴らしい構想です

317
00:12:32,000 --> 00:12:35,000
さらにSFに近いものをご紹介します

318
00:12:35,000 --> 00:12:38,000
機能MRIについてご存知でしょうか

319
00:12:38,000 --> 00:12:41,000
これはとても興味深いプロジェクトです

320
00:12:41,000 --> 00:12:43,000
MRIは磁場と周波数を利用し

321
00:12:43,000 --> 00:12:45,000
脳や体の

322
00:12:45,000 --> 00:12:48,000
あらゆる部分をスキャンすることができます

323
00:12:48,000 --> 00:12:50,000
これによって

324
00:12:50,000 --> 00:12:52,000
脳の構造についての情報が得られます

325
00:12:52,000 --> 00:12:54,000
しかし 更にこれを使って

326
00:12:54,000 --> 00:12:57,000
酸素を含む血液と

327
00:12:57,000 --> 00:13:00,000
そうでない血液の磁性の差を測定することが可能です

328
00:13:00,000 --> 00:13:02,000
これはつまり

329
00:13:02,000 --> 00:13:04,000
脳の活動を映し出すことが可能なのです

330
00:13:04,000 --> 00:13:06,000
私たちはこれにも取り組んでいます

331
00:13:06,000 --> 00:13:09,000
ちょうど研究技術者であるモッツが

332
00:13:09,000 --> 00:13:11,000
MRIにゴーグルを着用して

333
00:13:11,000 --> 00:13:13,000
中に入る所をご覧頂いています

334
00:13:13,000 --> 00:13:15,000
これはゴーグルを通して

335
00:13:15,000 --> 00:13:18,000
彼にスキャナーにいながら映像を見せることができるためです

336
00:13:18,000 --> 00:13:20,000
これは中々ビックリするかもしれません

337
00:13:20,000 --> 00:13:22,000
モッツが実際に見ている映像はこれです

338
00:13:22,000 --> 00:13:25,000
彼は自分の脳を見ているのです

339
00:13:25,000 --> 00:13:27,000
モッツはここで何かしていますね

340
00:13:27,000 --> 00:13:29,000
恐らく右手でこういう風にしています

341
00:13:29,000 --> 00:13:31,000
なぜなら左側は運動皮質によって

342
00:13:31,000 --> 00:13:33,000
活性化されるからです

343
00:13:33,000 --> 00:13:35,000
彼も同じくその様子を確認できます

344
00:13:35,000 --> 00:13:37,000
このような可視化は新しい取り組みであり

345
00:13:37,000 --> 00:13:40,000
私たちが少し前から研究している分野です

346
00:13:40,000 --> 00:13:43,000
これはモッツの脳の別の部分です

347
00:13:43,000 --> 00:13:46,000
彼には 100から逆に計算するように頼みました

348
00:13:46,000 --> 00:13:48,000
「100 97 94...」とった具合に

349
00:13:48,000 --> 00:13:50,000
計算しています

350
00:13:50,000 --> 00:13:53,000
彼の脳の小さな計算に関わる領域が活性化し

351
00:13:53,000 --> 00:13:55,000
脳の全体を光らせているのがわかります

352
00:13:55,000 --> 00:13:57,000
素晴らしい結果です リアルタイムで計測できます

353
00:13:57,000 --> 00:13:59,000
彼に依頼して調査を行うことが可能です

354
00:13:59,000 --> 00:14:01,000
更に彼の視覚野が

355
00:14:01,000 --> 00:14:03,000
頭頂部の後ろ側で活性化しています

356
00:14:03,000 --> 00:14:05,000
なぜなら自分自身の脳を見ているからです

357
00:14:05,000 --> 00:14:07,000
また彼は 私たちが彼に何かをさせるための

358
00:14:07,000 --> 00:14:09,000
命令を聞いています

359
00:14:09,000 --> 00:14:11,000
この信号は脳の奥深くで発せられていますが

360
00:14:11,000 --> 00:14:13,000
中で光っているのが確認できます

361
00:14:13,000 --> 00:14:15,000
全てのデータがここに含まれているからです

362
00:14:15,000 --> 00:14:17,000
ここでは以下のような光景をご覧頂けます

363
00:14:17,000 --> 00:14:19,000
モッツ 左足を動かしてください

364
00:14:19,000 --> 00:14:21,000
彼はその通りにします

365
00:14:21,000 --> 00:14:23,000
20秒間そのままの状態でいます

366
00:14:23,000 --> 00:14:25,000
するとここが急に光ります

367
00:14:25,000 --> 00:14:27,000
運動皮質が活性化されたことが確認できます

368
00:14:27,000 --> 00:14:29,000
非常に面白い結果です

369
00:14:29,000 --> 00:14:31,000
これはとても素晴らしいツールだと思います

370
00:14:31,000 --> 00:14:33,000
そして今までお話しした内容をまとめると

371
00:14:33,000 --> 00:14:35,000
ニューロンや脳がどのように

372
00:14:35,000 --> 00:14:37,000
機能しているのかを理解する上で

373
00:14:37,000 --> 00:14:39,000
とても使えるツールであると考えます

374
00:14:39,000 --> 00:14:42,000
何より非常に高画質かつ高分解能な上

375
00:14:42,000 --> 00:14:45,000
高速に処理できます

376
00:14:45,000 --> 00:14:47,000
さらにセンター内で少々面白いことも行っています

377
00:14:47,000 --> 00:14:50,000
これはCAT（コンピューター断層撮影）スキャンです

378
00:14:51,000 --> 00:14:53,000
これはノーショーピングのはずれにある

379
00:14:53,000 --> 00:14:56,000
コルマルデン動物園からのエルサというライオンです

380
00:14:56,000 --> 00:14:58,000
彼女はセンターに来て

381
00:14:58,000 --> 00:15:00,000
鎮静状態にされ

382
00:15:00,000 --> 00:15:02,000
そのままスキャナー内に運び込みました

383
00:15:02,000 --> 00:15:05,000
その後 ライオンの全データを取得しました

384
00:15:05,000 --> 00:15:07,000
このようなライオンの画像に対して

385
00:15:07,000 --> 00:15:09,000
レイヤーを剥ぎ取っていき

386
00:15:09,000 --> 00:15:11,000
内部を確認していきます

387
00:15:11,000 --> 00:15:13,000
このようにして検証を行ってきました

388
00:15:13,000 --> 00:15:15,000
これは未来のテクノロジーにおける

389
00:15:15,000 --> 00:15:17,000
大変優れたアプリだと思います

390
00:15:17,000 --> 00:15:20,000
なぜなら 動物解剖学については未知の部分も多く

391
00:15:20,000 --> 00:15:23,000
獣医側で知られているのは基本的な知識に限られています

392
00:15:23,000 --> 00:15:25,000
あらゆる動物をはじめ

393
00:15:25,000 --> 00:15:27,000
あらゆるものをスキャンできます

394
00:15:27,000 --> 00:15:30,000
唯一の問題は機械の中に入れることくらいです

395
00:15:30,000 --> 00:15:32,000
これは熊です

396
00:15:32,000 --> 00:15:34,000
機械に入れるのに苦労しました

397
00:15:34,000 --> 00:15:37,000
熊は非常にかわいらしい 友好的な動物です

398
00:15:37,000 --> 00:15:40,000
これは 熊の鼻の部分です

399
00:15:40,000 --> 00:15:43,000
抱きしめたくなるでしょう

400
00:15:43,000 --> 00:15:46,000
機能を変更してこれを見るまでは

401
00:15:46,000 --> 00:15:48,000
熊には注意しましょう

402
00:15:48,000 --> 00:15:50,000
以上をもって

403
00:15:50,000 --> 00:15:52,000
これらの画像の生成を手伝って頂いた

404
00:15:52,000 --> 00:15:54,000
全ての方々に感謝したいと思います

405
00:15:54,000 --> 00:15:56,000
データの収集やアルゴリズムの開発

406
00:15:56,000 --> 00:15:59,000
全てのソフトウェアを作り上げるまでに

407
00:15:59,000 --> 00:16:01,000
非常に多くの労力がかかっています

408
00:16:01,000 --> 00:16:04,000
非常に能力のある方々のおかげです

409
00:16:04,000 --> 00:16:07,000
私のモットーは 私よりも頭の良い人達を雇うことです

410
00:16:07,000 --> 00:16:09,000
多くは私より頭が良い方々ばかりです

411
00:16:09,000 --> 00:16:11,000
ありがとうございました

412
00:16:11,000 --> 00:16:15,000
（拍手）