1
00:00:00,580 --> 00:00:04,000
まず始めに医学に関係する

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

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

4
00:00:09,000 --> 00:00:11,350
ご説明します

5
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

6
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

7
00:00:15,650 --> 00:00:17,790
これはコンピュータ断層撮影装置

8
00:00:17,790 --> 00:00:19,370
通称 CTです

9
00:00:19,370 --> 00:00:21,000
素晴らしい装置です

10
00:00:21,000 --> 00:00:23,000
人体の周りを

11
00:00:23,000 --> 00:00:26,140
高速で回転する
X線が使われます

12
00:00:26,140 --> 00:00:28,320
機械が端から端まで動くのに

13
00:00:28,320 --> 00:00:30,980
およそ30秒かかり 
そこから膨大な

14
00:00:30,980 --> 00:00:32,580
情報が出力されます

15
00:00:32,580 --> 00:00:36,000
医療の向上のために使える

16
00:00:36,000 --> 00:00:38,000
大変素晴らしい機械です

17
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

18
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

19
00:00:43,000 --> 00:00:45,000
これは現在私たちが
直面している

20
00:00:45,000 --> 00:00:47,000
医学データの爆発的な
増加問題です

21
00:00:47,000 --> 00:00:49,000
この問題に現在
取り組んでいます

22
00:00:49,000 --> 00:00:51,000
過去に遡りましょう

23
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

24
00:00:54,000 --> 00:00:56,000
これらの機械は

25
00:00:56,000 --> 00:00:58,000
1970年頃に導入され始め

26
00:00:58,000 --> 00:01:00,000
人体をスキャンし

27
00:01:00,000 --> 00:01:02,000
100枚程度の人体画像を

28
00:01:02,000 --> 00:01:04,340
生成します

29
00:01:04,340 --> 00:01:06,770
大変勝手ながら 
明確化するために

30
00:01:06,770 --> 00:01:08,910
それらをデータを
デジタル化すると

31
00:01:08,910 --> 00:01:11,850
大体50MBの大きさになります

32
00:01:11,850 --> 00:01:13,750
情報量自体は私たちが

33
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

34
00:01:16,470 --> 00:01:18,410
小さいでしょう

35
00:01:18,410 --> 00:01:20,210
電話帳に例えると

36
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

37
00:01:23,270 --> 00:01:25,430
現在私たちが扱っている

38
00:01:25,430 --> 00:01:27,250
これらの機械は

39
00:01:27,250 --> 00:01:29,000
数秒以内に

40
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

41
00:01:31,650 --> 00:01:34,000
これは20GBものデータ 
もしくは

42
00:01:34,000 --> 00:01:36,000
電話帳800冊分の情報量です

43
00:01:36,000 --> 00:01:38,450
重ねれば200メートルになるでしょう

44
00:01:38,450 --> 00:01:40,270
何が起きようとしているか

45
00:01:40,270 --> 00:01:42,430
今まさに起き始めている

46
00:01:42,430 --> 00:01:44,430
技術トレンドとは

47
00:01:44,430 --> 00:01:47,480
人体の継時変化に
注目することです

48
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

49
00:01:50,380 --> 00:01:51,550
それでは

50
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

51
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

52
00:01:57,460 --> 00:01:59,710
これは 80万冊の本 あるいは

53
00:01:59,710 --> 00:02:01,810
16km重ねた電話帳に相当します

54
00:02:01,810 --> 00:02:03,530
これは患者一人分のデータです

55
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

56
00:02:05,800 --> 00:02:08,450
実に途方もない仕事です

57
00:02:08,450 --> 00:02:11,000
これで 2万5千枚もあります

58
00:02:11,000 --> 00:02:13,300
これらを放射線専門医が

59
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

60
00:02:15,520 --> 00:02:17,960
2万5千枚もの画像を前に

61
00:02:17,960 --> 00:02:20,410
こう言うのです　
「えっと 2万5千枚か

62
00:02:20,410 --> 00:02:22,000
問題ありだな」

63
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

64
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

65
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

66
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

67
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

68
00:02:36,310 --> 00:02:38,000
想像してみてください

69
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

70
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

71
00:02:43,380 --> 00:02:45,000
もちろん データの塊は

72
00:02:45,000 --> 00:02:47,400
単に 人体のそれぞれの箇所において

73
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

74
00:02:49,680 --> 00:02:51,320
そこで まずは私たちが

75
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

76
00:02:54,440 --> 00:02:57,220
見られるようにする
必要があります

77
00:02:57,220 --> 00:02:59,000
つまり このような形に

78
00:02:59,000 --> 00:03:01,200
データを変換したいのです

79
00:03:01,200 --> 00:03:03,000
この課題は

80
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

81
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

82
00:03:09,120 --> 00:03:10,760
ギガバイトや

83
00:03:10,760 --> 00:03:13,000
テラバイト級のデータを対象に

84
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

85
00:03:16,020 --> 00:03:17,900
心臓であったり血管や肝臓を

86
00:03:17,900 --> 00:03:19,770
見たい時があるかもしれません

87
00:03:19,770 --> 00:03:21,860
もしかしたら腫瘍を
発見することも

88
00:03:21,860 --> 00:03:23,260
あるかもしれません

89
00:03:24,380 --> 00:03:26,970
そこでこの可愛らしい子の出番です

90
00:03:26,970 --> 00:03:28,390
これは私の娘です

91
00:03:28,390 --> 00:03:30,590
今朝の9時頃の彼女の様子です

92
00:03:30,590 --> 00:03:32,510
彼女はゲームで遊んでいます

93
00:03:32,510 --> 00:03:34,000
まだ2歳児ですが

94
00:03:34,000 --> 00:03:36,000
とても楽しんでいます

95
00:03:36,700 --> 00:03:39,000
彼女はGPU開発の

96
00:03:39,000 --> 00:03:42,360
推進役といっていいでしょう

97
00:03:43,310 --> 00:03:45,000
子供達がゲームで遊ぶ限り

98
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

99
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

100
00:03:49,580 --> 00:03:51,470
それが私たちには必要だからです

101
00:03:51,470 --> 00:03:53,260
この機械の中には

102
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

103
00:03:55,570 --> 00:03:57,440
可能にしてくれるものが
存在します

104
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

105
00:04:00,700 --> 00:04:02,000
ご存知のように

106
00:04:02,000 --> 00:04:04,560
おそらく10年程前 私が

107
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

108
00:04:06,830 --> 00:04:08,700
買う予算を得た時代の頃は

109
00:04:08,700 --> 00:04:10,630
それはとても巨大なマシンでした

110
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

111
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

112
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

113
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

114
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

115
00:04:28,090 --> 00:04:30,430
最新モデルの何台かです

116
00:04:30,430 --> 00:04:32,300
ご存知のように 
数百ドルも払えば

117
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

118
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

119
00:04:37,440 --> 00:04:39,470
このように これらと共に

120
00:04:39,470 --> 00:04:42,000
人々に研究されている

121
00:04:42,000 --> 00:04:44,000
アルゴリズム開発や

122
00:04:44,000 --> 00:04:46,000
データの圧縮方法

123
00:04:46,000 --> 00:04:48,160
関連情報の抽出方法などによって

124
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

125
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

126
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

127
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

128
00:05:00,400 --> 00:05:03,460
これは女性で 髪の毛が見えます

129
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

130
00:05:06,380 --> 00:05:09,260
このように歯の金属部分に対して

131
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

132
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

133
00:05:14,410 --> 00:05:16,520
でも 通常のコンピュータ内の

134
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

135
00:05:19,000 --> 00:05:21,180
断面を作ることができます

136
00:05:21,180 --> 00:05:23,330
全てのデータは
格納されているので

137
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

138
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

139
00:05:29,000 --> 00:05:31,280
脳内出血を起こしていたようですが

140
00:05:31,280 --> 00:05:33,860
小さなステントで
治療されています

141
00:05:33,860 --> 00:05:36,160
これで血管の裏打ちをします

142
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

143
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

144
00:05:40,420 --> 00:05:42,190
決めることができます

145
00:05:42,190 --> 00:05:44,310
骨格を見ることができます

146
00:05:44,310 --> 00:05:47,380
これが 女性の頭蓋骨を
開けた部分で

147
00:05:47,380 --> 00:05:49,300
ここから中に入ったようです

148
00:05:49,300 --> 00:05:51,000
これらは素晴らしい画像です

149
00:05:51,000 --> 00:05:53,000
非常に解像度が高く

150
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

151
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

152
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

153
00:06:01,260 --> 00:06:03,180
膨大なデータをシステム上に

154
00:06:03,180 --> 00:06:05,220
詰め込むことを試みました

155
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

156
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

157
00:06:10,000 --> 00:06:12,190
バーチャル解剖アプリです

158
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

159
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

160
00:06:17,220 --> 00:06:19,900
CTスキャナーに全身を通し

161
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

162
00:06:23,150 --> 00:06:25,410
これがバーチャル解剖です

163
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

164
00:06:27,900 --> 00:06:30,500
始めに遺体袋が確認できます

165
00:06:30,500 --> 00:06:33,280
次に皮を剥ぎ取り 
筋肉が見えますね

166
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

167
00:06:36,480 --> 00:06:38,360
ここからは

168
00:06:38,360 --> 00:06:41,000
これ以降 献体された方々に対し

169
00:06:41,000 --> 00:06:43,240
敬意を払いつつ

170
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

171
00:06:45,480 --> 00:06:47,310
凶悪な事件によって

172
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

173
00:06:50,390 --> 00:06:52,630
これらの画像を
お見せします

174
00:06:53,480 --> 00:06:55,520
法医学的な事例として

175
00:06:55,520 --> 00:06:57,240
私の出身である

176
00:06:57,240 --> 00:06:59,000
スウェーデンだけで

177
00:06:59,000 --> 00:07:01,190
過去4年間において

178
00:07:01,190 --> 00:07:03,730
およそ400件バーチャル解剖が

179
00:07:03,730 --> 00:07:05,420
執り行われました

180
00:07:05,420 --> 00:07:08,750
これが通常のワークフローです

181
00:07:08,750 --> 00:07:10,150
警察は

182
00:07:10,150 --> 00:07:12,570
例えば夕方に 事件が起きたとして

183
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

184
00:07:15,590 --> 00:07:18,390
そして朝の６時から７時にかけて

185
00:07:18,390 --> 00:07:20,280
袋に包まれた遺体が

186
00:07:20,280 --> 00:07:22,290
私たちのセンターに移送され

187
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

188
00:07:24,500 --> 00:07:27,350
病理学者や
時には法医学研究者を伴って

189
00:07:27,350 --> 00:07:29,050
放射線科医が

190
00:07:29,050 --> 00:07:30,670
出力されるデータを確認し

191
00:07:30,670 --> 00:07:32,370
合同で会議を開きます

192
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

193
00:07:37,510 --> 00:07:39,000
いくつかの事例のうち

194
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

195
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

196
00:07:44,570 --> 00:07:46,220
とても高解像度です

197
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

198
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

199
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

200
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

201
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

202
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

203
00:07:58,450 --> 00:08:00,000
これは交通事故です

204
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

205
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

206
00:08:05,600 --> 00:08:08,000
死因は首の損傷です

207
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

208
00:08:10,600 --> 00:08:12,400
その怪我によって体に

209
00:08:12,400 --> 00:08:14,630
重度の損傷を負っています

210
00:08:14,630 --> 00:08:17,410
別の事例を紹介します　
刺殺事件です

211
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

212
00:08:19,730 --> 00:08:21,960
体内に存在する金属製品を

213
00:08:21,960 --> 00:08:24,310
簡単に確認することができます

214
00:08:24,310 --> 00:08:27,460
歯の中の加工物も
確認できます

215
00:08:27,460 --> 00:08:29,720
これは歯の詰め物です

216
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

217
00:08:32,490 --> 00:08:34,310
設定しています

218
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

219
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

220
00:08:39,390 --> 00:08:41,370
しかし犯人はさらにナイフを

221
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

222
00:08:43,540 --> 00:08:45,250
別の事例を紹介します

223
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

224
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

225
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

226
00:08:52,250 --> 00:08:54,340
空気が一方からもう一方へと

227
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

228
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

229
00:08:59,900 --> 00:09:01,000
このように

230
00:09:01,000 --> 00:09:03,000
死因を判断する上で

231
00:09:03,000 --> 00:09:05,160
犯罪捜査に大変有効です

232
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

233
00:09:08,000 --> 00:09:10,250
突き止める場合もあります

234
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

235
00:09:12,550 --> 00:09:14,890
弾丸がこの方の脊椎の横に

236
00:09:14,890 --> 00:09:17,450
留まっているのが見えます

237
00:09:17,450 --> 00:09:20,390
この弾丸を光源に
変換することで

238
00:09:20,390 --> 00:09:22,660
弾丸がこれらの破片を光らせて

239
00:09:22,660 --> 00:09:25,210
見つけやすくしています

240
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

241
00:09:27,400 --> 00:09:29,530
体内から見つけ出そうとする場合は

242
00:09:29,530 --> 00:09:31,520
実際には大変困難です

243
00:09:33,000 --> 00:09:35,490
今日 皆さんに
お見せ出来ることを

244
00:09:35,490 --> 00:09:38,260
嬉しく思っているものの一つが

245
00:09:38,260 --> 00:09:40,300
このバーチャル解剖台です

246
00:09:40,300 --> 00:09:42,430
これは標準のGPUと

247
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

248
00:09:45,950 --> 00:09:47,000
実際には

249
00:09:47,000 --> 00:09:50,230
このような形となっています

250
00:09:50,230 --> 00:09:53,220
巨大なiPhoneのように動作します

251
00:09:53,220 --> 00:09:55,000
解剖台上で行える

252
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

253
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

254
00:10:02,210 --> 00:10:04,560
iPadを買おうと考えている方は

255
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

256
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

257
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

258
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

259
00:10:15,690 --> 00:10:18,480
実体験して頂くことを
お勧めします

260
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

261
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

262
00:10:24,010 --> 00:10:25,450
将来的には

263
00:10:25,450 --> 00:10:28,340
医療現場での利用も
考えています

264
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

265
00:10:30,470 --> 00:10:32,530
YouTubeに閲覧できる
動画があるので

266
00:10:32,530 --> 00:10:34,800
是非ご利用ください

267
00:10:34,800 --> 00:10:37,000
「触れる」ことについて
ご紹介したので

268
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

269
00:10:39,650 --> 00:10:41,680
若干SFが入ってきますが

270
00:10:41,680 --> 00:10:44,570
未来のことについて
お話します

271
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

272
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

273
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

274
00:10:52,270 --> 00:10:54,270
小さな機械式のペンで

275
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

276
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

277
00:10:59,460 --> 00:11:01,410
よって データに仮想的に触れると

278
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

279
00:11:04,360 --> 00:11:06,420
このように生きている方の

280
00:11:06,420 --> 00:11:08,420
スキャン画像に対して

281
00:11:08,420 --> 00:11:11,000
ペンを持って データを確認しながら

282
00:11:11,000 --> 00:11:13,220
頭部に向けてペンを動かすと

283
00:11:13,220 --> 00:11:15,400
突如 抵抗力を感じることができます

284
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

285
00:11:17,410 --> 00:11:19,280
もう少し強く押すと 
皮膚を通り抜け

286
00:11:19,280 --> 00:11:22,000
中の骨格を感じることができます

287
00:11:22,000 --> 00:11:24,930
さらに強く押せば 
骨格を通り抜け

288
00:11:24,930 --> 00:11:27,420
耳のすぐ近くの
柔らかい骨を通り

289
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

290
00:11:31,260 --> 00:11:32,870
非常に有効な機能です

291
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

292
00:11:35,450 --> 00:11:38,390
新型のスキャナーのおかげで

293
00:11:38,390 --> 00:11:40,000
たった0.3秒で

294
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

295
00:11:42,370 --> 00:11:44,460
さらに時間分解が行えるため

296
00:11:44,460 --> 00:11:46,000
心臓を見ながら

297
00:11:46,000 --> 00:11:48,340
動画を再生することが可能です

298
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

299
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

300
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

301
00:11:55,220 --> 00:11:57,690
心臓に向けてペンを動かすと

302
00:11:57,690 --> 00:12:00,280
心臓が目の前で拍動しはじめます

303
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

304
00:12:02,430 --> 00:12:04,740
ペンをとって 心臓に向けて動かし

305
00:12:04,740 --> 00:12:06,420
心臓の上にペンを置くと

306
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

307
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

308
00:12:11,330 --> 00:12:13,720
心臓の中に移動し 内部を押して

309
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

310
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

311
00:12:19,940 --> 00:12:22,000
心臓外科医にとって

312
00:12:22,000 --> 00:12:24,420
患者の心臓の中を

313
00:12:24,420 --> 00:12:26,680
高解像度のデータを元に手術前に

314
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

315
00:12:29,300 --> 00:12:31,430
非常に素晴らしい構想です

316
00:12:32,620 --> 00:12:35,400
さらにSFに近いものを
ご紹介します

317
00:12:35,400 --> 00:12:38,470
機能的MRIについて
ご存知でしょうか

318
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

319
00:12:41,450 --> 00:12:43,670
MRIは磁場と
ラジオ周波数を利用し

320
00:12:43,670 --> 00:12:45,220
脳や体の

321
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

322
00:12:48,380 --> 00:12:49,920
これによって

323
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

324
00:12:52,840 --> 00:12:54,970
しかし 更にこれを使って

325
00:12:54,970 --> 00:12:57,000
酸素を含む血液と

326
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

327
00:13:00,430 --> 00:13:01,730
これはつまり

328
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

329
00:13:04,310 --> 00:13:06,650
私たちはこれにも
取り組んでいます

330
00:13:06,650 --> 00:13:09,000
ちょうど研究技術者であるモッツが

331
00:13:09,000 --> 00:13:11,290
MRIにゴーグルを着用して

332
00:13:11,290 --> 00:13:13,460
中に入る所をご覧頂いています

333
00:13:13,460 --> 00:13:15,430
これはゴーグルを通して

334
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

335
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

336
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

337
00:13:22,850 --> 00:13:25,220
彼は自分の脳を見ているのです

338
00:13:25,220 --> 00:13:27,240
モッツはここで何かしていますね

339
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

340
00:13:29,540 --> 00:13:31,440
なぜなら左側の運動皮質が

341
00:13:31,440 --> 00:13:33,330
活性化されているからです

342
00:13:33,330 --> 00:13:35,480
彼も同じくその様子を確認できます

343
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

344
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

345
00:13:40,390 --> 00:13:43,240
これはモッツの脳の別の部分です

346
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

347
00:13:46,500 --> 00:13:48,900
「100 97 94...」とった具合に

348
00:13:48,900 --> 00:13:50,380
計算しています

349
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

350
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

351
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

352
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

353
00:13:59,650 --> 00:14:01,370
更に彼の視覚野が

354
00:14:01,370 --> 00:14:03,270
後頭葉で活性化しています

355
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

356
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

357
00:14:07,760 --> 00:14:09,350
命令を聞いています

358
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

359
00:14:11,650 --> 00:14:13,420
中で光っているのが
確認できます

360
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

361
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

362
00:14:17,640 --> 00:14:19,550
モッツ 左足を動かしてください

363
00:14:19,550 --> 00:14:21,460
彼はその通りにします

364
00:14:21,460 --> 00:14:23,470
20秒間動かし続けます

365
00:14:23,470 --> 00:14:25,340
するとここが急に光ります

366
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

367
00:14:27,680 --> 00:14:29,390
非常に面白い結果です

368
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

369
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

370
00:14:33,610 --> 00:14:35,300
ニューロンや脳がどのように

371
00:14:35,300 --> 00:14:37,430
機能しているのかを理解する上で

372
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

373
00:14:39,450 --> 00:14:42,210
何より非常に高画質な上

374
00:14:42,210 --> 00:14:44,560
高速に処理できます

375
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

376
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

377
00:14:51,670 --> 00:14:53,740
ノルショーピングのはずれにある

378
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

379
00:14:56,750 --> 00:14:58,400
彼女はセンターに来て

380
00:14:58,400 --> 00:15:00,340
鎮静状態にされ

381
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

382
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

383
00:15:05,270 --> 00:15:07,360
このようなライオンの画像に対して

384
00:15:07,360 --> 00:15:09,330
レイヤーを剥ぎ取っていき

385
00:15:09,330 --> 00:15:11,210
内部を確認していきます

386
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

387
00:15:13,230 --> 00:15:15,250
このテクノロジーの未来において

388
00:15:15,250 --> 00:15:17,300
大変優れたアプリだと思います

389
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

390
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

391
00:15:23,620 --> 00:15:25,230
あらゆる動物をはじめ

392
00:15:25,230 --> 00:15:27,210
あらゆるものをスキャンできます

393
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

394
00:15:30,310 --> 00:15:32,150
これは熊です

395
00:15:32,150 --> 00:15:34,270
機械に入れるのに苦労しました

396
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

397
00:15:37,330 --> 00:15:40,410
これは 熊の鼻の部分です

398
00:15:40,410 --> 00:15:43,190
抱きしめたくなるでしょう

399
00:15:43,190 --> 00:15:46,000
機能を変更して
これを見るまでは

400
00:15:46,000 --> 00:15:48,320
熊には注意しましょう

401
00:15:48,320 --> 00:15:50,000
以上をもって

402
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

403
00:15:52,150 --> 00:15:54,330
全ての方々に
感謝したいと思います

404
00:15:54,330 --> 00:15:56,630
データの収集やアルゴリズムの開発

405
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

406
00:15:59,000 --> 00:16:01,530
非常に多くの労力がかかっています

407
00:16:01,530 --> 00:16:04,000
非常に能力のある方々のおかげです

408
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

409
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

410
00:16:09,530 --> 00:16:11,000
ありがとうございました

411
00:16:11,000 --> 00:16:15,000
（拍手）