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）