WEBVTT 00:00:00.580 --> 00:00:04.000 まず始めに医学に関係する 00:00:04.000 --> 00:00:07.000 データを取り扱う上での 00:00:07.000 --> 00:00:09.000 課題について 00:00:09.000 --> 00:00:11.350 ご説明します 00:00:11.350 --> 00:00:13.520 これは私たちにとって 大きな課題です 00:00:13.520 --> 00:00:15.650 私たちに負担を押し付けるのが この機械です 00:00:15.650 --> 00:00:17.790 これはコンピュータ断層撮影装置 00:00:17.790 --> 00:00:19.370 通称 CTです 00:00:19.370 --> 00:00:21.000 素晴らしい装置です 00:00:21.000 --> 00:00:23.000 人体の周りを 00:00:23.000 --> 00:00:26.140 高速で回転する X線が使われます 00:00:26.140 --> 00:00:28.320 機械が端から端まで動くのに 00:00:28.320 --> 00:00:30.980 およそ30秒かかり そこから膨大な 00:00:30.980 --> 00:00:32.580 情報が出力されます 00:00:32.580 --> 00:00:36.000 医療の向上のために使える 00:00:36.000 --> 00:00:38.000 大変素晴らしい機械です 00:00:38.000 --> 00:00:40.510 しかし 私たちにとっての 課題でもあるのです 00:00:40.510 --> 00:00:43.000 その課題はこちらの画像で 見て取れます 00:00:43.000 --> 00:00:45.000 これは現在私たちが 直面している 00:00:45.000 --> 00:00:47.000 医学データの爆発的な 増加問題です 00:00:47.000 --> 00:00:49.000 この問題に現在 取り組んでいます 00:00:49.000 --> 00:00:51.000 過去に遡りましょう NOTE Paragraph 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 00:00:54.000 --> 00:00:56.000 これらの機械は 00:00:56.000 --> 00:00:58.000 1970年頃に導入され始め 00:00:58.000 --> 00:01:00.000 人体をスキャンし 00:01:00.000 --> 00:01:02.000 100枚程度の人体画像を 00:01:02.000 --> 00:01:04.340 生成します 00:01:04.340 --> 00:01:06.770 大変勝手ながら 明確化するために 00:01:06.770 --> 00:01:08.910 それらをデータを デジタル化すると 00:01:08.910 --> 00:01:11.850 大体50MBの大きさになります 00:01:11.850 --> 00:01:13.750 情報量自体は私たちが 00:01:13.750 --> 00:01:16.470 通常のモバイル機器で 扱えるデータに比べると 00:01:16.470 --> 00:01:18.410 小さいでしょう 00:01:18.410 --> 00:01:20.210 電話帳に例えると 00:01:20.210 --> 00:01:23.270 1メートル積み上げた 電話帳に相当します 00:01:23.270 --> 00:01:25.430 現在私たちが扱っている 00:01:25.430 --> 00:01:27.250 これらの機械は 00:01:27.250 --> 00:01:29.000 数秒以内に 00:01:29.000 --> 00:01:31.650 2万4千枚もの人体の 画像を生成します 00:01:31.650 --> 00:01:34.000 これは20GBものデータ もしくは 00:01:34.000 --> 00:01:36.000 電話帳800冊分の情報量です 00:01:36.000 --> 00:01:38.450 重ねれば200メートルになるでしょう 00:01:38.450 --> 00:01:40.270 何が起きようとしているか 00:01:40.270 --> 00:01:42.430 今まさに起き始めている 00:01:42.430 --> 00:01:44.430 技術トレンドとは 00:01:44.430 --> 00:01:47.480 人体の継時変化に 注目することです 00:01:47.480 --> 00:01:50.380 つまり人体から種々の動態情報を 入手できるのです 00:01:50.380 --> 00:01:51.550 それでは 00:01:51.550 --> 00:01:54.570 5秒の間 データを 取得したとしましょう 00:01:54.570 --> 00:01:57.460 それは1テラバイトもの データになります 00:01:57.460 --> 00:01:59.710 これは 80万冊の本 あるいは 00:01:59.710 --> 00:02:01.810 16km重ねた電話帳に相当します 00:02:01.810 --> 00:02:03.530 これは患者一人分のデータです 00:02:03.530 --> 00:02:05.800 私たちが取り組まねばならない データ量です NOTE Paragraph 00:02:05.800 --> 00:02:08.450 実に途方もない仕事です 00:02:08.450 --> 00:02:11.000 これで 2万5千枚もあります 00:02:11.000 --> 00:02:13.300 これらを放射線専門医が 00:02:13.300 --> 00:02:15.520 処理していた姿を 想像してみてください 00:02:15.520 --> 00:02:17.960 2万5千枚もの画像を前に 00:02:17.960 --> 00:02:20.410 こう言うのです  「えっと 2万5千枚か 00:02:20.410 --> 00:02:22.000 問題ありだな」 00:02:22.000 --> 00:02:24.400 もうそのようなことはできません 不可能です 00:02:24.400 --> 00:02:27.400 それよりもっと 知的な方法を行う必要があります 00:02:28.530 --> 00:02:30.900 まずこれらの画像を 一つにまとめます 00:02:30.900 --> 00:02:33.470 自分自身の体を あらゆる角度から薄切りにし 00:02:33.470 --> 00:02:36.310 それらを再度元のデータの塊に 戻すことを 00:02:36.310 --> 00:02:38.000 想像してみてください 00:02:38.000 --> 00:02:40.380 そういうことを私たちは 行っているのです 00:02:40.380 --> 00:02:43.380 このギガ テラバイト級のデータを 元の塊に戻します 00:02:43.380 --> 00:02:45.000 もちろん データの塊は 00:02:45.000 --> 00:02:47.400 単に 人体のそれぞれの箇所において 00:02:47.400 --> 00:02:49.680 吸収されたX線の 総量のみを表します 00:02:49.680 --> 00:02:51.320 そこで まずは私たちが 00:02:51.320 --> 00:02:54.440 見たくないものは見えず 確認したいものだけを 00:02:54.440 --> 00:02:57.220 見られるようにする 必要があります 00:02:57.220 --> 00:02:59.000 つまり このような形に 00:02:59.000 --> 00:03:01.200 データを変換したいのです 00:03:01.200 --> 00:03:03.000 この課題は 00:03:03.000 --> 00:03:05.350 私たちにとって とてつもない難題でした NOTE Paragraph 00:03:05.350 --> 00:03:09.120 絶えず処理速度や性能が 良くなるコンピュータでも 00:03:09.120 --> 00:03:10.760 ギガバイトや 00:03:10.760 --> 00:03:13.000 テラバイト級のデータを対象に 00:03:13.000 --> 00:03:16.020 適切な情報を抽出するのは 困難な作業です 00:03:16.020 --> 00:03:17.900 心臓であったり血管や肝臓を 00:03:17.900 --> 00:03:19.770 見たい時があるかもしれません 00:03:19.770 --> 00:03:21.860 もしかしたら腫瘍を 発見することも 00:03:21.860 --> 00:03:23.260 あるかもしれません 00:03:24.380 --> 00:03:26.970 そこでこの可愛らしい子の出番です 00:03:26.970 --> 00:03:28.390 これは私の娘です 00:03:28.390 --> 00:03:30.590 今朝の9時頃の彼女の様子です 00:03:30.590 --> 00:03:32.510 彼女はゲームで遊んでいます 00:03:32.510 --> 00:03:34.000 まだ2歳児ですが 00:03:34.000 --> 00:03:36.000 とても楽しんでいます 00:03:36.700 --> 00:03:39.000 彼女はGPU開発の 00:03:39.000 --> 00:03:42.360 推進役といっていいでしょう 00:03:43.310 --> 00:03:45.000 子供達がゲームで遊ぶ限り 00:03:45.000 --> 00:03:47.370 グラフィックスは 進化し続けるのです 00:03:47.370 --> 00:03:49.580 帰ったら 是非ゲームを 勧めてください 00:03:49.580 --> 00:03:51.470 それが私たちには必要だからです NOTE Paragraph 00:03:51.470 --> 00:03:53.260 この機械の中には 00:03:53.260 --> 00:03:55.570 私が医療データに対して 行っていることを 00:03:55.570 --> 00:03:57.440 可能にしてくれるものが 存在します 00:03:57.440 --> 00:04:00.700 実はこのような 小さな素晴らしい装置を使っています 00:04:00.700 --> 00:04:02.000 ご存知のように 00:04:02.000 --> 00:04:04.560 おそらく10年程前 私が 00:04:04.560 --> 00:04:06.830 1台目の画像処理用の コンピュータを 00:04:06.830 --> 00:04:08.700 買う予算を得た時代の頃は 00:04:08.700 --> 00:04:10.630 それはとても巨大なマシンでした 00:04:10.630 --> 00:04:13.750 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 00:04:13.750 --> 00:04:16.500 私はそのマシンに 100万ドル支払いました 00:04:17.240 --> 00:04:20.820 そんな機械も 今や私のiPhoneと 同じくらいの性能です 00:04:22.290 --> 00:04:24.760 毎月 新型のグラフィックスカードが 発売されますが 00:04:24.760 --> 00:04:28.090 これは NVDIA ATI Intelといった ベンダーからのもので 00:04:28.090 --> 00:04:30.430 最新モデルの何台かです 00:04:30.430 --> 00:04:32.300 ご存知のように 数百ドルも払えば 00:04:32.300 --> 00:04:34.830 このようなグラフィックスカードを購入し 00:04:34.830 --> 00:04:37.440 コンピュータに追加して 様々なことが可能になります 00:04:37.440 --> 00:04:39.470 このように これらと共に 00:04:39.470 --> 00:04:42.000 人々に研究されている 00:04:42.000 --> 00:04:44.000 アルゴリズム開発や 00:04:44.000 --> 00:04:46.000 データの圧縮方法 00:04:46.000 --> 00:04:48.160 関連情報の抽出方法などによって 00:04:48.160 --> 00:04:51.110 膨大な医療データを取り扱うことを 可能にしています NOTE Paragraph 00:04:51.110 --> 00:04:54.190 それでは 私たちが出来る いくつかの例をご紹介します 00:04:54.190 --> 00:04:57.510 これはCTスキャナーによって 取得されたデータです 00:04:57.510 --> 00:05:00.400 ご覧のように これは完全なデータです 00:05:00.400 --> 00:05:03.460 これは女性で 髪の毛が見えます 00:05:03.460 --> 00:05:06.380 この女性の身体構造が一つずつ 確認できます 00:05:06.380 --> 00:05:09.260 このように歯の金属部分に対して 00:05:09.260 --> 00:05:11.940 X線が散乱していることが 見て取れます 00:05:11.940 --> 00:05:14.410 人工ノイズが発生しているのは そういう部分です 00:05:14.410 --> 00:05:16.520 でも 通常のコンピュータ内の 00:05:16.520 --> 00:05:19.000 標準のグラフィックスカードによって インタラクティブに 00:05:19.000 --> 00:05:21.180 断面を作ることができます 00:05:21.180 --> 00:05:23.330 全てのデータは 格納されているので 00:05:23.330 --> 00:05:26.310 回転させたり 別のアングルから確認ができます 00:05:26.310 --> 00:05:29.000 この女性は問題を 抱えていたようですね 00:05:29.000 --> 00:05:31.280 脳内出血を起こしていたようですが 00:05:31.280 --> 00:05:33.860 小さなステントで 治療されています 00:05:33.860 --> 00:05:36.160 これで血管の裏打ちをします 00:05:36.160 --> 00:05:38.000 そしてメニューの選択を 変えることで 00:05:38.000 --> 00:05:40.420 何を透明にし 何を見えるようにするか 00:05:40.420 --> 00:05:42.190 決めることができます 00:05:42.190 --> 00:05:44.310 骨格を見ることができます 00:05:44.310 --> 00:05:47.380 これが 女性の頭蓋骨を 開けた部分で 00:05:47.380 --> 00:05:49.300 ここから中に入ったようです 00:05:49.300 --> 00:05:51.000 これらは素晴らしい画像です 00:05:51.000 --> 00:05:53.000 非常に解像度が高く 00:05:53.000 --> 00:05:55.630 現在の標準的な グラフィックスカードを使って 00:05:55.630 --> 00:05:58.320 何が出来るかを とても良く示しています NOTE Paragraph 00:05:58.320 --> 00:06:01.260 効果的な利用方法を 編み出した私たちは 00:06:01.260 --> 00:06:03.180 膨大なデータをシステム上に 00:06:03.180 --> 00:06:05.220 詰め込むことを試みました 00:06:05.220 --> 00:06:07.460 私たちの取り組んでいる アプリのうちの一つは 00:06:07.460 --> 00:06:10.000 世界中で少しずつ 話題になりつつある 00:06:10.000 --> 00:06:12.190 バーチャル解剖アプリです 00:06:12.190 --> 00:06:14.600 同じように 全身スキャンの画像といった 00:06:14.600 --> 00:06:17.220 非常に巨大なデータセットを使います 00:06:17.220 --> 00:06:19.900 CTスキャナーに全身を通し 00:06:19.900 --> 00:06:23.150 数秒後に全身の画像データを 得ることができます 00:06:23.150 --> 00:06:25.410 これがバーチャル解剖です 00:06:25.410 --> 00:06:27.900 こうやって徐々に剥ぎ取っていきます 00:06:27.900 --> 00:06:30.500 始めに遺体袋が確認できます 00:06:30.500 --> 00:06:33.280 次に皮を剥ぎ取り 筋肉が見えますね 00:06:33.280 --> 00:06:36.480 最後にこの女性の骨格が ご覧になれます NOTE Paragraph 00:06:36.480 --> 00:06:38.360 ここからは 00:06:38.360 --> 00:06:41.000 これ以降 献体された方々に対し 00:06:41.000 --> 00:06:43.240 敬意を払いつつ 00:06:43.240 --> 00:06:45.480 いくつかのバーチャル解剖を お見せします 00:06:45.480 --> 00:06:47.310 凶悪な事件によって 00:06:47.310 --> 00:06:50.390 お亡くなりになられた方々に 敬意を払いつつ 00:06:50.390 --> 00:06:52.630 これらの画像を お見せします 00:06:53.480 --> 00:06:55.520 法医学的な事例として 00:06:55.520 --> 00:06:57.240 私の出身である 00:06:57.240 --> 00:06:59.000 スウェーデンだけで 00:06:59.000 --> 00:07:01.190 過去4年間において 00:07:01.190 --> 00:07:03.730 およそ400件バーチャル解剖が 00:07:03.730 --> 00:07:05.420 執り行われました 00:07:05.420 --> 00:07:08.750 これが通常のワークフローです 00:07:08.750 --> 00:07:10.150 警察は 00:07:10.150 --> 00:07:12.570 例えば夕方に 事件が起きたとして 00:07:12.570 --> 00:07:15.590 解剖の必要があるかどうか 判断します 00:07:15.590 --> 00:07:18.390 そして朝の6時から7時にかけて 00:07:18.390 --> 00:07:20.280 袋に包まれた遺体が 00:07:20.280 --> 00:07:22.290 私たちのセンターに移送され 00:07:22.290 --> 00:07:24.500 CTスキャナーの一つで スキャンされます 00:07:24.500 --> 00:07:26.660 病理学者や 時には法医学研究者を伴って 00:07:26.660 --> 00:07:29.150 放射線科医が 00:07:29.150 --> 00:07:30.670 出力されるデータを確認し 00:07:30.670 --> 00:07:32.370 合同で会議を開きます 00:07:32.370 --> 00:07:35.770 そして本当の解剖を どのように行うか決めるのです NOTE Paragraph 00:07:37.510 --> 00:07:39.000 いくつかの事例のうち 00:07:39.000 --> 00:07:41.720 私たちが担当した 初期の事例を紹介します 00:07:41.720 --> 00:07:44.570 このようにデータを 本当に詳細に確認できます 00:07:44.570 --> 00:07:46.220 とても高解像度です 00:07:46.220 --> 00:07:48.390 さらに私たちが考案した アルゴリズムによって 00:07:48.390 --> 00:07:50.450 詳細な部分を 拡大をすることが可能です 00:07:50.450 --> 00:07:52.420 繰り返しますが 完全にインタラクティブで 00:07:52.420 --> 00:07:54.200 このシステムによって リアルタイムで 00:07:54.200 --> 00:07:56.470 画像を回転させて 見ることが可能です 00:07:56.470 --> 00:07:58.450 こちらの事例の説明は 不要かもしれませんが 00:07:58.450 --> 00:08:00.000 これは交通事故です 00:08:00.000 --> 00:08:02.290 酔っぱらった運転手が 女性をひきました 00:08:02.290 --> 00:08:05.600 骨格の損傷を確認することが とても容易です 00:08:05.600 --> 00:08:08.000 死因は首の損傷です 00:08:08.000 --> 00:08:10.600 さらに女性は車の下敷きに なってしまったため 00:08:10.600 --> 00:08:12.400 その怪我によって体に 00:08:12.400 --> 00:08:14.630 重度の損傷を負っています NOTE Paragraph 00:08:14.630 --> 00:08:17.410 別の事例を紹介します  刺殺事件です 00:08:17.410 --> 00:08:19.730 私たちにできることを この例でも説明します 00:08:19.730 --> 00:08:21.960 体内に存在する金属製品を 00:08:21.960 --> 00:08:24.310 簡単に確認することができます 00:08:24.310 --> 00:08:27.460 歯の中の加工物も 確認できます 00:08:27.460 --> 00:08:29.720 これは歯の詰め物です 00:08:29.720 --> 00:08:32.490 金属のみを表示し その他は透明にする機能を 00:08:32.490 --> 00:08:34.310 設定しています 00:08:34.310 --> 00:08:37.310 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 00:08:37.310 --> 00:08:39.390 この方は心臓に複数回刺され 死亡しました 00:08:39.390 --> 00:08:41.370 しかし犯人はさらにナイフを 00:08:41.370 --> 00:08:43.540 片方の眼球に刺した ままにしたのです 00:08:43.540 --> 00:08:45.250 別の事例を紹介します 00:08:45.250 --> 00:08:47.470 ナイフによる刺殺の事例などを 検証できることは 00:08:47.470 --> 00:08:49.830 私たちにとって 大変興味深いものです 00:08:49.830 --> 00:08:52.250 ここではナイフが心臓を 突き通しているのが確認できます 00:08:52.250 --> 00:08:54.340 空気が一方からもう一方へと 00:08:54.340 --> 00:08:56.530 漏れている様子が 簡単に確認できます 00:08:56.530 --> 00:08:59.900 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 00:08:59.900 --> 00:09:01.000 このように 00:09:01.000 --> 00:09:03.000 死因を判断する上で 00:09:03.000 --> 00:09:05.160 犯罪捜査に大変有効です 00:09:05.160 --> 00:09:08.000 また 捜査を正しい方向へ導き 真の殺人犯を 00:09:08.000 --> 00:09:10.250 突き止める場合もあります NOTE Paragraph 00:09:10.250 --> 00:09:12.550 これは 私が興味深いと 感じた事例です 00:09:12.550 --> 00:09:14.890 弾丸がこの方の脊椎の横に 00:09:14.890 --> 00:09:17.450 留まっているのが見えます 00:09:17.450 --> 00:09:20.390 この弾丸を光源に 変換することで 00:09:20.390 --> 00:09:22.660 弾丸がこれらの破片を光らせて 00:09:22.660 --> 00:09:25.210 見つけやすくしています 00:09:25.210 --> 00:09:27.400 通常の解剖を行う際に これらの破片を 00:09:27.400 --> 00:09:29.530 体内から見つけ出そうとする場合は 00:09:29.530 --> 00:09:31.520 実際には大変困難です NOTE Paragraph 00:09:33.000 --> 00:09:35.490 今日 皆さんに お見せ出来ることを 00:09:35.490 --> 00:09:38.260 嬉しく思っているものの一つが 00:09:38.260 --> 00:09:40.300 このバーチャル解剖台です 00:09:40.300 --> 00:09:42.430 これは標準のGPUと 00:09:42.430 --> 00:09:45.950 今までのアルゴリズムを元に 私たちが開発したタッチデバイスです 00:09:45.950 --> 00:09:47.000 実際には 00:09:47.000 --> 00:09:50.230 このような形となっています 00:09:50.230 --> 00:09:53.220 巨大なiPhoneのように動作します 00:09:53.220 --> 00:09:55.000 解剖台上で行える 00:09:55.000 --> 00:09:58.000 全てのジェスチャーを 実装しています 00:09:58.000 --> 00:10:02.210 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 00:10:02.210 --> 00:10:04.560 iPadを買おうと考えている方は 00:10:04.560 --> 00:10:07.490 忘れてください  これこそ皆さんが欲していたものです 00:10:07.490 --> 00:10:10.550 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 00:10:11.000 --> 00:10:13.310 という訳で これはとても良い デバイスです 00:10:13.310 --> 00:10:15.690 もし機会があれば 是非使ってみてください 00:10:15.690 --> 00:10:18.480 実体験して頂くことを お勧めします 00:10:18.480 --> 00:10:21.450 注目も集めたことなので 私たちはこれの教育目的の 00:10:21.450 --> 00:10:24.010 利用を想定して 製品化を目指しており 00:10:24.010 --> 00:10:25.450 将来的には 00:10:25.450 --> 00:10:28.340 医療現場での利用も 考えています 00:10:28.340 --> 00:10:30.470 バーチャル解剖について 紹介したい場合は 00:10:30.470 --> 00:10:32.530 YouTubeに閲覧できる 動画があるので 00:10:32.530 --> 00:10:34.800 是非ご利用ください NOTE Paragraph 00:10:34.800 --> 00:10:37.000 「触れる」ことについて ご紹介したので 00:10:37.000 --> 00:10:39.650 次は本当にデータに 触れることについてお話します 00:10:39.650 --> 00:10:41.680 若干SFが入ってきますが 00:10:41.680 --> 00:10:44.570 未来のことについて お話します 00:10:44.570 --> 00:10:47.370 今は 医師がこれを利用している 訳ではありませんが 00:10:47.370 --> 00:10:49.270 将来は 使っていることに 期待しています 00:10:49.270 --> 00:10:52.270 左側に見えるのは タッチデバイスです 00:10:52.270 --> 00:10:54.270 小さな機械式のペンで 00:10:54.270 --> 00:10:57.220 超高速のステッピング・モーターが 内蔵されており 00:10:57.220 --> 00:10:59.460 力のフィードバックを 生むことができます 00:10:59.460 --> 00:11:01.410 よって データに仮想的に触れると 00:11:01.410 --> 00:11:04.360 ペンが力を受け そのフィードバックから 感覚を得られます 00:11:04.360 --> 00:11:06.420 このように生きている方の 00:11:06.420 --> 00:11:08.420 スキャン画像に対して 00:11:08.420 --> 00:11:11.000 ペンを持って データを確認しながら 00:11:11.000 --> 00:11:13.220 頭部に向けてペンを動かすと 00:11:13.220 --> 00:11:15.400 突如 抵抗力を感じることができます 00:11:15.400 --> 00:11:17.410 このように皮膚を 感じることができます 00:11:17.410 --> 00:11:19.280 もう少し強く押すと 皮膚を通り抜け 00:11:19.280 --> 00:11:22.000 中の骨格を感じることができます 00:11:22.000 --> 00:11:24.930 さらに強く押せば 骨格を通り抜け 00:11:24.930 --> 00:11:27.420 耳のすぐ近くの 柔らかい骨を通り 00:11:27.420 --> 00:11:30.810 ぬるぬるしたような感じで 脳を感じることができます NOTE Paragraph 00:11:31.260 --> 00:11:32.870 非常に有効な機能です 00:11:32.870 --> 00:11:35.450 これをさらに別の臓器に使うと これが心臓です 00:11:35.450 --> 00:11:38.390 新型のスキャナーのおかげで 00:11:38.390 --> 00:11:40.000 たった0.3秒で 00:11:40.000 --> 00:11:42.370 心臓全体をスキャンすることができます 00:11:42.370 --> 00:11:44.460 さらに時間分解が行えるため 00:11:44.460 --> 00:11:46.000 心臓を見ながら 00:11:46.000 --> 00:11:48.340 動画を再生することが可能です 00:11:48.340 --> 00:11:50.100 彼はこのプロジェクトに 取り組んでいる 00:11:50.100 --> 00:11:52.000 大学院生の一人で カールヨハンと言います 00:11:52.000 --> 00:11:55.220 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 00:11:55.220 --> 00:11:57.690 心臓に向けてペンを動かすと 00:11:57.690 --> 00:12:00.280 心臓が目の前で拍動しはじめます 00:12:00.280 --> 00:12:02.430 どのように心臓が拍動するのか 確認できるのです 00:12:02.430 --> 00:12:04.740 ペンをとって 心臓に向けて動かし 00:12:04.740 --> 00:12:06.420 心臓の上にペンを置くと 00:12:06.420 --> 00:12:09.220 生きた患者の心臓の鼓動を 感じることができ 00:12:09.220 --> 00:12:11.330 心臓の動作を確認することができます 00:12:11.330 --> 00:12:13.720 心臓の中に移動し 内部を押して 00:12:13.720 --> 00:12:16.340 心臓弁の動作を 感じることができます 00:12:16.340 --> 00:12:19.940 これこそが 心臓外科医の 将来の姿であると考えます 00:12:19.940 --> 00:12:22.000 心臓外科医にとって 00:12:22.000 --> 00:12:24.420 患者の心臓の中を 00:12:24.420 --> 00:12:26.680 高解像度のデータを元に手術前に 00:12:26.680 --> 00:12:29.300 確認するなんて 夢のような話でしょう 00:12:29.300 --> 00:12:31.430 非常に素晴らしい構想です NOTE Paragraph 00:12:32.620 --> 00:12:35.400 さらにSFに近いものを ご紹介します 00:12:35.400 --> 00:12:38.470 機能的MRIについて ご存知でしょうか 00:12:38.470 --> 00:12:41.450 これはとても興味深い プロジェクトです 00:12:41.450 --> 00:12:43.670 MRIは磁場と ラジオ周波数を利用し 00:12:43.670 --> 00:12:45.220 脳や体の 00:12:45.220 --> 00:12:48.380 あらゆる部分を スキャンすることができます 00:12:48.380 --> 00:12:49.920 これによって 00:12:49.920 --> 00:12:52.840 脳の構造についての 情報が得られます 00:12:52.840 --> 00:12:54.970 しかし 更にこれを使って 00:12:54.970 --> 00:12:57.000 酸素を含む血液と 00:12:57.000 --> 00:13:00.430 そうでない血液の磁性の差を 測定することが可能です 00:13:00.430 --> 00:13:01.730 これはつまり 00:13:01.730 --> 00:13:04.310 脳の活動地図を作ることが 可能なのです 00:13:04.310 --> 00:13:06.650 私たちはこれにも 取り組んでいます 00:13:06.650 --> 00:13:09.000 ちょうど研究技術者であるモッツが 00:13:09.000 --> 00:13:11.290 MRIにゴーグルを着用して 00:13:11.290 --> 00:13:13.460 中に入る所をご覧頂いています 00:13:13.460 --> 00:13:15.430 これはゴーグルを通して 00:13:15.430 --> 00:13:18.690 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 00:13:18.690 --> 00:13:20.510 これは中々ビックリするかもしれません 00:13:20.510 --> 00:13:22.850 モッツが実際に見ている映像は これです 00:13:22.850 --> 00:13:25.220 彼は自分の脳を見ているのです 00:13:25.220 --> 00:13:27.240 モッツはここで何かしていますね 00:13:27.240 --> 00:13:29.540 恐らく右手でこういう風にしています 00:13:29.540 --> 00:13:31.440 なぜなら左側の運動皮質が 00:13:31.440 --> 00:13:33.330 活性化されているからです 00:13:33.330 --> 00:13:35.480 彼も同じくその様子を確認できます 00:13:35.480 --> 00:13:37.640 このような可視化は 新しい取り組みであり 00:13:37.640 --> 00:13:40.390 私たちが少し前から 研究している分野です NOTE Paragraph 00:13:40.390 --> 00:13:43.240 これはモッツの脳の別の部分です 00:13:43.240 --> 00:13:46.500 彼には 100から逆に 計算するように頼みました 00:13:46.500 --> 00:13:48.900 「100 97 94...」とった具合に 00:13:48.900 --> 00:13:50.380 計算しています 00:13:50.380 --> 00:13:53.280 彼の脳の 計算に関わる 小さな領域が活性化し 00:13:53.280 --> 00:13:55.500 脳の全体を光らせているのがわかります 00:13:55.500 --> 00:13:57.440 素晴らしい結果です リアルタイムで計測できます 00:13:57.440 --> 00:13:59.650 彼に依頼して調査を 行うことが可能です 00:13:59.650 --> 00:14:01.370 更に彼の視覚野が 00:14:01.370 --> 00:14:03.270 後頭葉で活性化しています 00:14:03.270 --> 00:14:05.890 なぜなら自分自身の 脳を見ているからです 00:14:05.890 --> 00:14:07.760 また彼は 私たちが 彼に何かをさせるための 00:14:07.760 --> 00:14:09.350 命令を聞いています 00:14:09.350 --> 00:14:11.650 この信号は脳の奥深くで 発せられていますが 00:14:11.650 --> 00:14:13.420 中で光っているのが 確認できます 00:14:13.420 --> 00:14:15.550 全てのデータが ここに含まれているからです 00:14:15.550 --> 00:14:17.640 ここでは以下のような光景を ご覧頂けます 00:14:17.640 --> 00:14:19.550 モッツ 左足を動かしてください 00:14:19.550 --> 00:14:21.460 彼はその通りにします 00:14:21.460 --> 00:14:23.470 20秒間動かし続けます 00:14:23.470 --> 00:14:25.340 するとここが急に光ります 00:14:25.340 --> 00:14:27.680 運動皮質が活性化されたことが 確認できます 00:14:27.680 --> 00:14:29.390 非常に面白い結果です 00:14:29.390 --> 00:14:31.690 これはとても素晴らしい ツールだと思います 00:14:31.690 --> 00:14:33.610 そして今までお話しした 内容をまとめると 00:14:33.610 --> 00:14:35.300 ニューロンや脳がどのように 00:14:35.300 --> 00:14:37.430 機能しているのかを理解する上で 00:14:37.430 --> 00:14:39.450 とても使えるツールであると考えます 00:14:39.450 --> 00:14:42.210 何より非常に高画質な上 00:14:42.210 --> 00:14:44.560 高速に処理できます NOTE Paragraph 00:14:45.360 --> 00:14:48.020 さらにセンター内で 少々面白いことも行っています 00:14:48.020 --> 00:14:50.980 これはCTスキャンを 撮っているところです 00:14:51.670 --> 00:14:53.740 ノルショーピングのはずれにある 00:14:53.740 --> 00:14:56.750 コルマルデン動物園の エルサというライオンです 00:14:56.750 --> 00:14:58.400 彼女はセンターに来て 00:14:58.400 --> 00:15:00.340 鎮静状態にされ 00:15:00.340 --> 00:15:02.470 そのままスキャナー内に 運び込まれました 00:15:02.470 --> 00:15:05.270 その後 ライオンの 全データを取得しました 00:15:05.270 --> 00:15:07.360 このようなライオンの画像に対して 00:15:07.360 --> 00:15:09.330 レイヤーを剥ぎ取っていき 00:15:09.330 --> 00:15:11.210 内部を確認していきます 00:15:11.210 --> 00:15:13.230 このようにして検証を行ってきました 00:15:13.230 --> 00:15:15.250 このテクノロジーの未来において 00:15:15.250 --> 00:15:17.300 大変優れたアプリだと思います 00:15:17.300 --> 00:15:20.470 なぜなら 動物解剖学については 未知の部分も多く 00:15:20.470 --> 00:15:23.620 獣医に知られているのは 基本的な知識に限られているからです 00:15:23.620 --> 00:15:25.230 あらゆる動物をはじめ 00:15:25.230 --> 00:15:27.210 あらゆるものをスキャンできます 00:15:27.210 --> 00:15:30.310 唯一の問題は機械の中に 入れることくらいです 00:15:30.310 --> 00:15:32.150 これは熊です 00:15:32.150 --> 00:15:34.270 機械に入れるのに苦労しました 00:15:34.270 --> 00:15:37.330 熊は非常にかわいらしい 友好的な動物です 00:15:37.330 --> 00:15:40.410 これは 熊の鼻の部分です 00:15:40.410 --> 00:15:43.190 抱きしめたくなるでしょう 00:15:43.190 --> 00:15:46.000 機能を変更して これを見るまでは 00:15:46.000 --> 00:15:48.320 熊には注意しましょう NOTE Paragraph 00:15:48.320 --> 00:15:50.000 以上をもって 00:15:50.000 --> 00:15:52.150 これらの画像の生成を 手伝って頂いた 00:15:52.150 --> 00:15:54.330 全ての方々に 感謝したいと思います 00:15:54.330 --> 00:15:56.630 データの収集やアルゴリズムの開発 00:15:56.630 --> 00:15:59.000 全てのソフトウェアを作り上げるまでに 00:15:59.000 --> 00:16:01.530 非常に多くの労力がかかっています 00:16:01.530 --> 00:16:04.000 非常に能力のある方々のおかげです 00:16:04.000 --> 00:16:07.500 私のモットーは 自分よりも頭の良い人達を雇うことです 00:16:07.500 --> 00:16:09.530 多くは私より頭が良い方々ばかりです NOTE Paragraph 00:16:09.530 --> 00:16:11.000 ありがとうございました NOTE Paragraph 00:16:11.000 --> 00:16:15.000 (拍手)