0:00:00.000,0:00:04.000
Ik begin met het voorstellen van een uitdaging,

0:00:04.000,0:00:07.000
de uitdaging van het omgaan met gegevens,

0:00:07.000,0:00:09.000
gegevens waarmee we te maken hebben

0:00:09.000,0:00:11.000
in medische situaties.

0:00:11.000,0:00:13.000
Het is echt een enorme uitdaging voor ons.

0:00:13.000,0:00:15.000
En dit is ons trekpaard.

0:00:15.000,0:00:17.000
Een computer-tomografiemachine -

0:00:17.000,0:00:19.000
een CT-machine.

0:00:19.000,0:00:21.000
Het is een fantastisch apparaat.

0:00:21.000,0:00:23.000
Het maakt gebruik van X-stralen, bundels van X-stralen,

0:00:23.000,0:00:26.000
die zeer snel roteren rond het menselijk lichaam.

0:00:26.000,0:00:28.000
Het duurt ongeveer 30 seconden om door de hele machine te gaan

0:00:28.000,0:00:30.000
en het genereert enorme hoeveelheden informatie

0:00:30.000,0:00:32.000
die uit de machine komen.

0:00:32.000,0:00:34.000
Dit is een fantastische machine

0:00:34.000,0:00:36.000
die we kunnen gebruiken

0:00:36.000,0:00:38.000
voor de verbetering van de gezondheidszorg.

0:00:38.000,0:00:40.000
Maar zoals ik al zei, het is ook een uitdaging voor ons.

0:00:40.000,0:00:43.000
En de uitdaging is echt te zien op deze foto hier.

0:00:43.000,0:00:45.000
Het is de medische-data-explosie

0:00:45.000,0:00:47.000
die we nu hebben.

0:00:47.000,0:00:49.000
We worden geconfronteerd met dit probleem.

0:00:49.000,0:00:51.000
Laat me een stap teruggaan in de tijd.

0:00:51.000,0:00:54.000
Laten we een paar jaren teruggaan en zien waar we toen stonden.

0:00:54.000,0:00:56.000
De machines van toen -

0:00:56.000,0:00:58.000
ze begonnen op te komen in de jaren '70 -

0:00:58.000,0:01:00.000
konden menselijke lichamen scannen,

0:01:00.000,0:01:02.000
en ongeveer 100 beelden genereren

0:01:02.000,0:01:04.000
van het menselijk lichaam.

0:01:04.000,0:01:06.000
Ik heb ze, voor alle duidelijkheid,

0:01:06.000,0:01:09.000
omgezet in de dataplakjes.

0:01:09.000,0:01:11.000
Dit zou overeenkomen met ongeveer 50 MB aan gegevens,

0:01:11.000,0:01:13.000
wat niet veel is

0:01:13.000,0:01:16.000
als je dat vergelijkt met de gegevens die we vandaag de dag

0:01:16.000,0:01:18.000
kunnen verwerken op gewone mobiele apparaten.

0:01:18.000,0:01:20.000
Als je dat vertaalt naar telefoonboeken,

0:01:20.000,0:01:23.000
dan komt dat ongeveer overeen met een stapel telefoonboeken van één meter hoog.

0:01:23.000,0:01:25.000
Kijk eens naar wat we vandaag doen

0:01:25.000,0:01:27.000
met de machines die we nu hebben,

0:01:27.000,0:01:29.000
we kunnen nu in een paar seconden,

0:01:29.000,0:01:31.000
24.000 beelden van een lichaam maken.

0:01:31.000,0:01:34.000
En dat zou overeenkomen met ongeveer 20 GB aan gegevens,

0:01:34.000,0:01:36.000
of 800 telefoonboeken.

0:01:36.000,0:01:38.000
En de stapel zou dan 200 meter hoog zijn.

0:01:38.000,0:01:40.000
Wat er te gebeuren staat -

0:01:40.000,0:01:42.000
en we zien dit als het begin -

0:01:42.000,0:01:44.000
een technologietrend die nu bezig is,

0:01:44.000,0:01:47.000
is dat we ook beginnen te kijken naar in de tijd verlopende processen.

0:01:47.000,0:01:50.000
We kunnen nu ook de dynamiek van het lichaam zien.

0:01:50.000,0:01:52.000
En veronderstel even

0:01:52.000,0:01:55.000
dat we gedurende vijf seconden gegevens verzamelen,

0:01:55.000,0:01:57.000
dan zou dat overeenkomen met één terabyte aan gegevens.

0:01:57.000,0:01:59.000
Dat zijn 800.000 telefoonboeken

0:01:59.000,0:02:01.000
of een stapel van 16 km hoog.

0:02:01.000,0:02:03.000
Dat is één patiënt, één dataset.

0:02:03.000,0:02:05.000
En dit is het waarmee we nu te maken hebben.

0:02:05.000,0:02:08.000
Dit is de enorme uitdaging waarvoor we staan.

0:02:08.000,0:02:11.000
En nu al - dit zijn 25.000 beelden.

0:02:11.000,0:02:13.000
Denk eens terug aan de dagen

0:02:13.000,0:02:15.000
toen radiologen dit deden.

0:02:15.000,0:02:17.000
Als je 25.000 platen zou moeten ophangen,

0:02:17.000,0:02:20.000
zou dat zo gaan... 25.000, oke, oke.

0:02:20.000,0:02:22.000
Dat is het probleem."

0:02:22.000,0:02:24.000
Zo gaat het niet meer, dat is onmogelijk.

0:02:24.000,0:02:27.000
Dus moeten naar iets zoeken dat een beetje intelligenter is.

0:02:28.000,0:02:30.000
We voegen nu al deze plakjes samen.

0:02:30.000,0:02:33.000
Stel je voor dat je je lichaam in al deze richtingen in plakjes snijdt,

0:02:33.000,0:02:36.000
en dan moet je proberen de plakjes weer samen te voegen

0:02:36.000,0:02:38.000
tot een stapel van gegevens, tot een blok gegevens.

0:02:38.000,0:02:40.000
Daar zijn we nu mee bezig.

0:02:40.000,0:02:43.000
We brengen deze giga- of terabyte aan gegevens samen tot een geheel.

0:02:43.000,0:02:45.000
Maar natuurlijk stellen deze gegevens

0:02:45.000,0:02:47.000
alleen de hoeveelheid aan X-straling voor

0:02:47.000,0:02:49.000
die is geabsorbeerd door elk punt in het menselijk lichaam.

0:02:49.000,0:02:51.000
Wat we moeten doen is een manier vinden

0:02:51.000,0:02:54.000
om te kijken naar de dingen die we willen bekijken

0:02:54.000,0:02:57.000
en alles doorzichtig maken, wat we niet willen bekijken.

0:02:57.000,0:02:59.000
Dus het transformeren van de dataset

0:02:59.000,0:03:01.000
in iets dat er zo uitziet.

0:03:01.000,0:03:03.000
Dit is een uitdaging.

0:03:03.000,0:03:06.000
Dit is voor ons een enorme uitdaging.

0:03:06.000,0:03:09.000
Ook al worden computers de hele tijd sneller en beter,

0:03:09.000,0:03:11.000
blijft het toch een uitdaging om om te gaan

0:03:11.000,0:03:13.000
met gigabytes en terabytes aan gegevens

0:03:13.000,0:03:15.000
en de relevante informatie eruit te halen.

0:03:15.000,0:03:17.000
Ik wil kijken naar een hart,

0:03:17.000,0:03:19.000
naar de bloedvaten, naar de lever,

0:03:19.000,0:03:21.000
en misschien zelfs een tumor ontdekken

0:03:21.000,0:03:23.000
in sommige gevallen.

0:03:24.000,0:03:26.000
Dit is waar dit kleine lieve ding

0:03:26.000,0:03:28.000
in beeld komt. Dit is mijn dochter.

0:03:28.000,0:03:30.000
Om 9 uur vanmorgen.

0:03:30.000,0:03:32.000
Ze speelt een computerspel.

0:03:32.000,0:03:34.000
Ze is pas twee jaar oud,

0:03:34.000,0:03:36.000
en ze heeft er lol in.

0:03:36.000,0:03:39.000
Zij is de echte drijvende kracht

0:03:39.000,0:03:42.000
achter de ontwikkeling van Graphics Processing Units (GPU's).

0:03:43.000,0:03:45.000
Zolang kinderen computerspelletjes spelen,

0:03:45.000,0:03:47.000
worden de graphics steeds beter en beter en beter.

0:03:47.000,0:03:49.000
Dus ga terug naar huis, vertel uw kinderen om meer games te spelen,

0:03:49.000,0:03:51.000
want dat is wat ik nodig heb.

0:03:51.000,0:03:53.000
Wat er in deze machine zit

0:03:53.000,0:03:55.000
stelt mij in staat om de dingen te doen die ik doe

0:03:55.000,0:03:57.000
met medische gegevens.

0:03:57.000,0:04:00.000
Wat ik dus eigenlijk doe is gebruik maken van deze fantastische kleine apparaten.

0:04:00.000,0:04:02.000
En weet je, ongeveer

0:04:02.000,0:04:04.000
10 jaar geleden

0:04:04.000,0:04:06.000
kreeg ik de financiering rond

0:04:06.000,0:04:08.000
om mijn eerste grafische computer te kopen.

0:04:08.000,0:04:10.000
Het was een grote machine.

0:04:10.000,0:04:13.000
Het waren kasten vol processoren en opslagmedia.

0:04:13.000,0:04:16.000
Ik betaalde ongeveer een miljoen dollar voor die machine.

0:04:17.000,0:04:20.000
Die machine is vandaag de dag ongeveer even snel als mijn iPhone.

0:04:22.000,0:04:24.000
Dus elke maand komen er nieuwe grafische kaarten uit.

0:04:24.000,0:04:27.000
En hier zie je een paar van de meest recente types van de fabrikanten -

0:04:27.000,0:04:30.000
NVIDIA, ATI, ook Intel.

0:04:30.000,0:04:32.000
Voor een paar honderd dollar

0:04:32.000,0:04:34.000
kan je deze dingen kopen en in je computer steken,

0:04:34.000,0:04:37.000
en je kunt fantastische dingen doen met deze grafische kaarten.

0:04:37.000,0:04:39.000
Dit is het dus wat ons in staat stelt

0:04:39.000,0:04:42.000
om om te gaan met de explosie van gegevens in de geneeskunde,

0:04:42.000,0:04:44.000
samen met echt vernuftig werk

0:04:44.000,0:04:46.000
in termen van algoritmen,

0:04:46.000,0:04:48.000
het comprimeren van gegevens,

0:04:48.000,0:04:51.000
om de relevante informatie, waar mensen onderzoek op doen, eruit te halen.

0:04:51.000,0:04:54.000
Dus ga ik je een paar voorbeelden laten zien van wat we kunnen.

0:04:54.000,0:04:57.000
Dit is een dataset die werd geregistreerd met behulp van een CT-scanner.

0:04:57.000,0:05:00.000
Je kunt zien dat dit een volledige dataset is.

0:05:00.000,0:05:03.000
Het is een vrouw. Je kunt de haren zien.

0:05:03.000,0:05:06.000
Je kunt de aparte structuren van de vrouw zien.

0:05:06.000,0:05:09.000
Je kunt zien dat er verstrooiing is van X-stralen

0:05:09.000,0:05:11.000
op de tanden, op het metaal in de tanden.

0:05:11.000,0:05:14.000
Daar komen deze artefacten vandaan.

0:05:14.000,0:05:16.000
Maar volledig interactief met de standaard

0:05:16.000,0:05:19.000
grafische kaarten van een normale computer,

0:05:19.000,0:05:21.000
kan ik een doorsnede tonen.

0:05:21.000,0:05:23.000
En natuurlijk zitten alle gegevens erin,

0:05:23.000,0:05:26.000
dus kan ik gaan draaien, ik kan kijken vanuit verschillende invalshoeken,

0:05:26.000,0:05:29.000
en ik kan zien dat deze vrouw een probleem had.

0:05:29.000,0:05:31.000
Ze had een bloeding in de hersenen,

0:05:31.000,0:05:33.000
en dat werd opgelost met een kleine stent,

0:05:33.000,0:05:35.000
een metalen klem die het bloedvat afklemt.

0:05:35.000,0:05:37.000
En alleen maar door het veranderen van de instellingen,

0:05:37.000,0:05:40.000
kan ik beslissen waar ik doorheen kijk

0:05:40.000,0:05:42.000
of wat zichtbaar blijft.

0:05:42.000,0:05:44.000
Ik kan kijken naar de schedelstructuur,

0:05:44.000,0:05:47.000
en ik kan zien dat, oke, dit is waar ze de schedel van deze vrouw openden,

0:05:47.000,0:05:49.000
en dat is waar ze naar binnen gingen.

0:05:49.000,0:05:51.000
Dit zijn fantastische beelden.

0:05:51.000,0:05:53.000
Ze hebben een echt hoge resolutie,

0:05:53.000,0:05:55.000
En ze laten zien wat we kunnen doen

0:05:55.000,0:05:58.000
met de standaard grafische kaarten van vandaag.

0:05:58.000,0:06:00.000
We hebben hier echt gebruik van gemaakt,

0:06:00.000,0:06:03.000
en geprobeerd om een heleboel gegevens

0:06:03.000,0:06:05.000
in het systeem te persen.

0:06:05.000,0:06:07.000
En een van de toepassingen waar we aan hebben gewerkt -

0:06:07.000,0:06:10.000
en dit heeft wereldwijd nogal wat aandacht gekregen -

0:06:10.000,0:06:12.000
is de toepassing van virtuele autopsie.

0:06:12.000,0:06:14.000
Het gaat weer over het bekijken van zeer, zeer grote datasets,

0:06:14.000,0:06:17.000
je zag al die full-body scans die we kunnen uitvoeren.

0:06:17.000,0:06:20.000
Hier zijn we bezig met een lichaam door de CT-scanner te duwen,

0:06:20.000,0:06:23.000
en slechts in een paar seconden krijgen we een full-body dataset.

0:06:23.000,0:06:25.000
Dit is dus virtuele autopsie.

0:06:25.000,0:06:27.000
En je kunt zien hoe ik geleidelijk laag na laag afpel.

0:06:27.000,0:06:30.000
Eerst zag je de lijkzak waarin het lichaam zat,

0:06:30.000,0:06:33.000
hier pel ik de huid af - zie je de spieren -

0:06:33.000,0:06:36.000
en uiteindelijk zie je de botstructuur van deze vrouw.

0:06:36.000,0:06:39.000
Hier zou ik ook graag benadrukken

0:06:39.000,0:06:41.000
dat, met het grootste respect

0:06:41.000,0:06:43.000
voor de mensen die ik nu ga laten zien -

0:06:43.000,0:06:45.000
ik ga een paar gevallen van virtuele autopsies laten zien -

0:06:45.000,0:06:47.000
het dus is met groot respect voor de mensen

0:06:47.000,0:06:49.000
die zijn overleden onder gewelddadige omstandigheden

0:06:49.000,0:06:52.000
dat ik deze foto's aan u toon.

0:06:53.000,0:06:55.000
In het forensische geval -

0:06:55.000,0:06:57.000
en er zijn al

0:06:57.000,0:06:59.000
ongeveer 400 tot nu toe

0:06:59.000,0:07:01.000
alleen al in het deel van Zweden waar ik vandaan kom

0:07:01.000,0:07:03.000
die virtuele autopsies hebben ondergaan

0:07:03.000,0:07:05.000
in de afgelopen vier jaar.

0:07:05.000,0:07:08.000
Dit is een typische werksituatie.

0:07:08.000,0:07:10.000
De politie zal beslissen -

0:07:10.000,0:07:12.000
's avonds als er een geval binnen komt -

0:07:12.000,0:07:15.000
zij zullen beslissen, oke, dit is een geval waar we een autopsie nodig hebben.

0:07:15.000,0:07:18.000
In de ochtend, tussen zes en zeven 's morgens,

0:07:18.000,0:07:20.000
wordt het lichaam in een body bag

0:07:20.000,0:07:22.000
naar ons centrum getransporteerd

0:07:22.000,0:07:24.000
en gescand door een van de de CT-scanners.

0:07:24.000,0:07:26.000
En dan kijkt de radioloog samen met de patholoog

0:07:26.000,0:07:28.000
en soms ook de forensische wetenschapper,

0:07:28.000,0:07:30.000
naar de gegevens die de eruit komen,

0:07:30.000,0:07:32.000
en gaan ze overleggen.

0:07:32.000,0:07:35.000
En daarna beslissen ze wat te doen bij de echte fysieke autopsie.

0:07:37.000,0:07:39.000
U kijkt nu naar een paar gevallen,

0:07:39.000,0:07:41.000
Hier is een van de eerste zaken die we hadden.

0:07:41.000,0:07:44.000
Je kunt echt de details van de dataset zien;

0:07:44.000,0:07:46.000
Het is in zeer hoge resolutie.

0:07:46.000,0:07:48.000
En het zijn onze algoritmes die ons toelaten

0:07:48.000,0:07:50.000
om in te zoomen op de details.

0:07:50.000,0:07:52.000
En nogmaals, het is volledig interactief,

0:07:52.000,0:07:54.000
dus je kunt roteren en op deze systemen

0:07:54.000,0:07:56.000
in real-time naar alles kijken.

0:07:56.000,0:07:58.000
Zonder al te veel te zeggen over deze zaak,

0:07:58.000,0:08:00.000
het is een verkeersongeval,

0:08:00.000,0:08:02.000
een dronken bestuurder raakte een vrouw.

0:08:02.000,0:08:05.000
En het is heel, heel gemakkelijk om de schade te zien aan de botstructuur.

0:08:05.000,0:08:08.000
De doodsoorzaak is een gebroken nek.

0:08:08.000,0:08:10.000
En de vrouw belandde ook onder de auto,

0:08:10.000,0:08:12.000
Ze werd hierdoor

0:08:12.000,0:08:14.000
heel erg toegetakeld.

0:08:14.000,0:08:17.000
Hier weer een andere zaak, een steekpartij.

0:08:17.000,0:08:19.000
En dit toont ook weer wat we kunnen doen.

0:08:19.000,0:08:21.000
Het is heel gemakkelijk om metalen artefacten terug te vinden

0:08:21.000,0:08:24.000
die we binnen in het lichaam kunnen laten zien.

0:08:24.000,0:08:27.000
U kunt ook een aantal van de artefacten van de tanden zien -

0:08:27.000,0:08:29.000
dat zijn eigenlijk de tandvullingen -

0:08:29.000,0:08:32.000
maar dat komt omdat ik het zo heb ingesteld dat

0:08:32.000,0:08:34.000
we het metaal kunnen zien en de rest transparant is.

0:08:34.000,0:08:37.000
Hier een andere gewelddaad. Dit was niet echt de doodsoorzaak van deze persoon.

0:08:37.000,0:08:39.000
De persoon werd gedood door steken in het hart,

0:08:39.000,0:08:41.000
maar ze staken het mes

0:08:41.000,0:08:43.000
door een oogbol.

0:08:43.000,0:08:45.000
Hier een andere zaak.

0:08:45.000,0:08:47.000
Het is heel interessant voor ons

0:08:47.000,0:08:49.000
om te kunnen kijken naar dingen zoals messteken.

0:08:49.000,0:08:52.000
Hier zie je dat het mes door het hart ging.

0:08:52.000,0:08:54.000
Het is heel gemakkelijk te zien hoe lucht

0:08:54.000,0:08:56.000
van het ene deel naar een ander deel is gaan lekken,

0:08:56.000,0:08:59.000
wat moeilijk is om te doen bij een normale, standaard, fysieke autopsie.

0:08:59.000,0:09:01.000
Dus het helpt echt bij

0:09:01.000,0:09:03.000
het strafrechtelijk onderzoek

0:09:03.000,0:09:05.000
om de oorzaak van de dood vast te stellen,

0:09:05.000,0:09:08.000
en om in sommige gevallen het onderzoek in de juiste richting te leiden,

0:09:08.000,0:09:10.000
om uit te zoeken wie de moordenaar was.

0:09:10.000,0:09:12.000
Hier nog een interessant geval.

0:09:12.000,0:09:14.000
Hier zie je een kogel die net naast

0:09:14.000,0:09:17.000
de ruggengraat van deze persoon is blijven steken.

0:09:17.000,0:09:20.000
En we hebben de kogel lichtgevend gemaakt,

0:09:20.000,0:09:22.000
zodat hij gaat blinken,

0:09:22.000,0:09:25.000
wat het echt makkelijk maakt om deze fragmenten terug te vinden.

0:09:25.000,0:09:27.000
Als je tijdens een fysieke autopsie,

0:09:27.000,0:09:29.000
in het lichaam naar deze fragmenten moet gaan zoeken

0:09:29.000,0:09:31.000
is dat heel moeilijk.

0:09:33.000,0:09:35.000
Iets waarvan ik ben echt blij ben

0:09:35.000,0:09:38.000
om u vandaag te kunnen laten zien

0:09:38.000,0:09:40.000
is onze virtuele-autopsietafel.

0:09:40.000,0:09:42.000
Het is een door ons ontwikkeld aanraakscherm

0:09:42.000,0:09:45.000
met behulp van standaard GPU's.

0:09:45.000,0:09:47.000
Het ziet er zo uit,

0:09:47.000,0:09:50.000
gewoon om je een idee te geven.

0:09:50.000,0:09:53.000
Het werkt net als een enorme iPhone.

0:09:53.000,0:09:55.000
We hebben alle handelingen

0:09:55.000,0:09:58.000
ermee getoond

0:09:58.000,0:10:02.000
en je kunt eraan denken als een enorm aanraakscherm.

0:10:02.000,0:10:04.000
Dus als je eraan denkt een iPad te kopen,

0:10:04.000,0:10:07.000
vergeet het maar, dit is wat je eigenlijk wil hebben.

0:10:07.000,0:10:10.000
Steve, ik hoop dat je hiernaar aan het luisteren bent, oke.

0:10:11.000,0:10:13.000
Het is een heel aardig apparaatje.

0:10:13.000,0:10:15.000
Dus als je de mogelijkheid hebt, probeer het eens uit.

0:10:15.000,0:10:18.000
Het is echt een hands-on ervaring.

0:10:18.000,0:10:21.000
Het heeft de aandacht getrokken, en we proberen het klaar te krijgen

0:10:21.000,0:10:23.000
om het te gebruiken voor educatieve doeleinden,

0:10:23.000,0:10:25.000
maar ook, misschien in de toekomst,

0:10:25.000,0:10:28.000
in een meer klinische situatie.

0:10:28.000,0:10:30.000
Er is een YouTube die u kunt downloaden,

0:10:30.000,0:10:32.000
als je anderen wil tonen

0:10:32.000,0:10:35.000
wat virtuele autopsie is.

0:10:35.000,0:10:37.000
Oke, nu we over aanraken praten,

0:10:37.000,0:10:39.000
laten we nu even kijken naar echt inspirerende data.

0:10:39.000,0:10:41.000
Dit is nu nog een beetje science-fiction,

0:10:41.000,0:10:44.000
we gaan nu naar de toekomst.

0:10:44.000,0:10:47.000
Dit is niet echt wat de artsen momenteel al gebruiken,

0:10:47.000,0:10:49.000
maar ik hoop dat het in de toekomst zal kunnen.

0:10:49.000,0:10:52.000
Wat je aan de linkerkant ziet is een aanraakapparaat.

0:10:52.000,0:10:54.000
Het is een kleine mechanische pen

0:10:54.000,0:10:57.000
met zeer, zeer snelle stappenmotoren aan de binnenkant van de pen.

0:10:57.000,0:10:59.000
En daarmee kan ik een krachttegenkoppeling genereren.

0:10:59.000,0:11:01.000
Dus als ik virtuele data ermee aanraak,

0:11:01.000,0:11:04.000
zal dat krachten in de pen veroorzaken en krijg ik feedback.

0:11:04.000,0:11:06.000
In deze specifieke situatie

0:11:06.000,0:11:08.000
gaat het om een scan van een levende persoon.

0:11:08.000,0:11:11.000
Ik heb deze pen, en ik kijk naar de gegevens,

0:11:11.000,0:11:13.000
en ik beweeg de pen naar het hoofd toe,

0:11:13.000,0:11:15.000
en opeens voel ik weerstand.

0:11:15.000,0:11:17.000
Ik voel de huid.

0:11:17.000,0:11:19.000
Als ik een beetje harder duw, dan ga ik door de huid,

0:11:19.000,0:11:22.000
en voel ik de botstructuur binnen in.

0:11:22.000,0:11:24.000
Als ik nog harder duw, dan ga ik door de botstructuur heen,

0:11:24.000,0:11:27.000
vooral dicht bij het oor waar het bot erg zacht is.

0:11:27.000,0:11:30.000
En dan kan ik de hersenen voelen, en dat zal een beetje week aanvoelen, zoiets als dit.

0:11:30.000,0:11:32.000
Dit is echt leuk.

0:11:32.000,0:11:35.000
Hier een hart.

0:11:35.000,0:11:38.000
Ook te danken aan deze fantastische nieuwe scanners,

0:11:38.000,0:11:40.000
die in slechts 0,3 seconden

0:11:40.000,0:11:42.000
het hele hart scannen,

0:11:42.000,0:11:44.000
en ik kan dat doen in tijdsresolutie.

0:11:44.000,0:11:46.000
Het kijken naar dit hart,

0:11:46.000,0:11:48.000
kan ik hier weergeven op een video.

0:11:48.000,0:11:50.000
En dit is Karl Johan, een van mijn studenten

0:11:50.000,0:11:52.000
die aan dit project heeft gewerkt.

0:11:52.000,0:11:55.000
Hij zit hier voor het haptische apparaat, het krachttegenkoppelingssysteem,

0:11:55.000,0:11:58.000
en hij beweegt zijn pen naar het hart,

0:11:58.000,0:12:00.000
en hij ziet het voor zich

0:12:00.000,0:12:02.000
zodat hij kan zien hoe het hart klopt.

0:12:02.000,0:12:04.000
Hij verplaatst nu de pen naar het hart,

0:12:04.000,0:12:06.000
en hij duwt ze tegen het hart,

0:12:06.000,0:12:09.000
en voelt de hartslag van de echte levende patiënt.

0:12:09.000,0:12:11.000
Dan kan hij onderzoeken hoe het hart in beweegt.

0:12:11.000,0:12:13.000
Hij kan naar binnen gaan, naar de binnenkant van het hart,

0:12:13.000,0:12:16.000
en echt voelen hoe de kleppen in beweging zijn.

0:12:16.000,0:12:19.000
En dit, denk ik, is echt de toekomst voor hartchirurgen.

0:12:19.000,0:12:22.000
Ik denk dat dit een natte droom is voor een hartchirurg

0:12:22.000,0:12:25.000
om binnenin van het hart van de patiënt te kunnen rondtasten

0:12:25.000,0:12:27.000
voordat je daadwerkelijk tot chirurgie overgaat,

0:12:27.000,0:12:29.000
en dat te doen met resolutiedata van een hoge kwaliteit.

0:12:29.000,0:12:31.000
Echt de moeite.

0:12:32.000,0:12:35.000
Nu gaan we nog verder met science fiction.

0:12:35.000,0:12:38.000
We hoorden wat over functionele MRI.

0:12:38.000,0:12:41.000
Nu is dit echt een interessant project.

0:12:41.000,0:12:43.000
MRI is met behulp van magnetische velden

0:12:43.000,0:12:45.000
en radiofrequenties

0:12:45.000,0:12:48.000
de hersenen of een deel van het lichaam scannen.

0:12:48.000,0:12:50.000
Wat we hier echt uit verkrijgen

0:12:50.000,0:12:52.000
is informatie over de structuur van de hersenen,

0:12:52.000,0:12:54.000
maar we kunnen ook het verschil meten

0:12:54.000,0:12:57.000
in de magnetische eigenschappen van zuurstofrijk bloed

0:12:57.000,0:13:00.000
en zuurstofarm bloed.

0:13:00.000,0:13:02.000
Dat betekent dat het mogelijk is

0:13:02.000,0:13:04.000
om de activiteit van de hersenen in kaart te brengen.

0:13:04.000,0:13:06.000
Dit is iets dat we al mee bezig zijn.

0:13:06.000,0:13:09.000
En net zag u Motts, onze onderzoeksingenieur

0:13:09.000,0:13:11.000
het MRI-systeem ingaan,

0:13:11.000,0:13:13.000
hij droeg een speciale bril.

0:13:13.000,0:13:15.000
waarmee hij dingen kon waarnemen.

0:13:15.000,0:13:18.000
Dus kon ik, terwijl hij in de scanner zat, hem allerlei laten zien.

0:13:18.000,0:13:20.000
En dit is een beetje beangstigend,

0:13:20.000,0:13:22.000
want wat Motts ziet is eigenlijk dit.

0:13:22.000,0:13:25.000
Hij ziet zijn eigen hersenen.

0:13:25.000,0:13:27.000
Hier is Motts iets aan het doen.

0:13:27.000,0:13:29.000
En waarschijnlijk doet hij zoiets met zijn rechterhand,

0:13:29.000,0:13:31.000
omdat de linkerkant geactiveerd is

0:13:31.000,0:13:33.000
op de bewegingscortex.

0:13:33.000,0:13:35.000
En dat kan hij op hetzelfde moment zelf zien.

0:13:35.000,0:13:37.000
Deze visualisaties zijn gloednieuw.

0:13:37.000,0:13:40.000
Dit is iets waar we al een tijdje onderzoek naar doen.

0:13:40.000,0:13:43.000
Hier een andere sequentie van Motts' brein.

0:13:43.000,0:13:46.000
We vroegen hem met 3 terug te tellen vanaf 100.

0:13:46.000,0:13:48.000
Dus hij telt "100, 97, 94."

0:13:48.000,0:13:50.000
Enzovoorts.

0:13:50.000,0:13:53.000
En je kunt zien hoe de kleine wiskunde-processor hier in zijn hersenen an het werk is

0:13:53.000,0:13:55.000
en de hele hersenen doet oplichten.

0:13:55.000,0:13:57.000
Dit is fantastisch. We kunnen dit doen in real time.

0:13:57.000,0:13:59.000
We kunnen dingen onderzoeken. We kunnen hem vragen om dingen te doen.

0:13:59.000,0:14:01.000
Je kunt ook zien dat zijn visuele cortex

0:14:01.000,0:14:03.000
aan de achterkant van zijn hoofd wordt geactiveerd,

0:14:03.000,0:14:05.000
want dat is waar hij naar kijkt, hij ziet zijn eigen hersenen.

0:14:05.000,0:14:07.000
En hij hoort ook onze instructies

0:14:07.000,0:14:09.000
als we hem vragen om dingen te doen.

0:14:09.000,0:14:11.000
Ook al zit het signaal echt diep in de hersenen,

0:14:11.000,0:14:13.000
toch schijnt het door,

0:14:13.000,0:14:15.000
omdat alle gegevens in dit volume voorhanden zijn.

0:14:15.000,0:14:17.000
En dadelijk ga je hier zien -

0:14:17.000,0:14:19.000
Oke, hier is het. Motts, beweeg nu je linkervoet.

0:14:19.000,0:14:21.000
Dit doet hij.

0:14:21.000,0:14:23.000
20 seconden lang doet hij dit,

0:14:23.000,0:14:25.000
en plots licht het hier op.

0:14:25.000,0:14:27.000
Door activatie van de bewegingscortex.

0:14:27.000,0:14:29.000
Dit is echt, echt leuk.

0:14:29.000,0:14:31.000
Dit is een geweldig hulpmiddel.

0:14:31.000,0:14:33.000
In verband met de vorige lezing,

0:14:33.000,0:14:35.000
is dit iets dat we kunnen gebruiken als een instrument

0:14:35.000,0:14:37.000
om werkelijk te begrijpen

0:14:37.000,0:14:39.000
hoe de neuronen werken, hoe de hersenen werken,

0:14:39.000,0:14:42.000
en we kunnen dit doen met een zeer, zeer hoge visuele kwaliteit

0:14:42.000,0:14:45.000
en een zeer snelle resolutie.

0:14:45.000,0:14:47.000
Maar af en toe maken we ook een beetje lol in het centrum.

0:14:47.000,0:14:50.000
Dit is een CAT-scan - computer aided tomografie.

0:14:51.000,0:14:53.000
Van een leeuw uit de plaatselijke dierentuin

0:14:53.000,0:14:56.000
aan de rand van Norrkoping in Kolmården, Elsa.

0:14:56.000,0:14:58.000
Ze brachten haar naar het centrum,

0:14:58.000,0:15:00.000
ze verdoofden haar

0:15:00.000,0:15:02.000
en zetten haar recht in de scanner.

0:15:02.000,0:15:05.000
Zo krijg ik dan de volledige dataset van de leeuw.

0:15:05.000,0:15:07.000
Waarmee ik heel mooie beelden kan maken zoals dit.

0:15:07.000,0:15:09.000
Ik kan laag na laag van de leeuw afpellen.

0:15:09.000,0:15:11.000
Ik kan erin kijken.

0:15:11.000,0:15:13.000
We hebben hiermee geëxperimenteerd.

0:15:13.000,0:15:15.000
Ik denk dat dit een geweldige toepassing is

0:15:15.000,0:15:17.000
voor de toekomst van deze technologie.

0:15:17.000,0:15:20.000
Want er is maar heel weinig bekend over de dierlijke anatomie.

0:15:20.000,0:15:23.000
Wat dierenartsen ervan weten is slechts summiere basisinformatie.

0:15:23.000,0:15:25.000
We kunnen allerlei dingen scannen,

0:15:25.000,0:15:27.000
allerlei dieren.

0:15:27.000,0:15:30.000
Het enige probleem is om ze in de machine te krijgen.

0:15:30.000,0:15:32.000
Hier een beer.

0:15:32.000,0:15:34.000
Hij was er nogal moeilijk in te krijgen.

0:15:34.000,0:15:37.000
En zo'n beer lijkt een knuffel, een vriendelijk dier.

0:15:37.000,0:15:40.000
Hier is hij dan. Dit is zijn neus.

0:15:40.000,0:15:43.000
En misschien wil je hem wel knuffelen,

0:15:43.000,0:15:46.000
totdat je de instellingen verandert en hiernaar gaat kijken.

0:15:46.000,0:15:48.000
Hoed u dus voor de beer.

0:15:48.000,0:15:50.000
Hiermee

0:15:50.000,0:15:52.000
wil ik graag alle mensen bedanken

0:15:52.000,0:15:54.000
die mij geholpen hebben om deze beelden te genereren.

0:15:54.000,0:15:56.000
Er is enorm veel werk gaan zitten

0:15:56.000,0:15:59.000
in het verzamelen van de gegevens en de ontwikkeling van de algoritmen,

0:15:59.000,0:16:01.000
in het schrijven van de software

0:16:01.000,0:16:04.000
door een aantal zeer getalenteerde mensen.

0:16:04.000,0:16:07.000
Mijn motto is altijd dat ik alleen maar mensen aanwerf die slimmer zijn dan ik

0:16:07.000,0:16:09.000
en de meesten hier zijn een stuk slimmer dan ik.

0:16:09.000,0:16:11.000
Dus heel erg bedankt.

0:16:11.000,0:16:15.000
(Applaus)