WEBVTT 00:00:00.000 --> 00:00:04.000 Ik begin met het voorstellen van een uitdaging, 00:00:04.000 --> 00:00:07.000 de uitdaging van het omgaan met gegevens, 00:00:07.000 --> 00:00:09.000 gegevens waarmee we te maken hebben 00:00:09.000 --> 00:00:11.000 in medische situaties. 00:00:11.000 --> 00:00:13.000 Het is echt een enorme uitdaging voor ons. 00:00:13.000 --> 00:00:15.000 En dit is ons trekpaard. 00:00:15.000 --> 00:00:17.000 Een computer-tomografiemachine - 00:00:17.000 --> 00:00:19.000 een CT-machine. 00:00:19.000 --> 00:00:21.000 Het is een fantastisch apparaat. 00:00:21.000 --> 00:00:23.000 Het maakt gebruik van X-stralen, bundels van X-stralen, 00:00:23.000 --> 00:00:26.000 die zeer snel roteren rond het menselijk lichaam. 00:00:26.000 --> 00:00:28.000 Het duurt ongeveer 30 seconden om door de hele machine te gaan 00:00:28.000 --> 00:00:30.000 en het genereert enorme hoeveelheden informatie 00:00:30.000 --> 00:00:32.000 die uit de machine komen. 00:00:32.000 --> 00:00:34.000 Dit is een fantastische machine 00:00:34.000 --> 00:00:36.000 die we kunnen gebruiken 00:00:36.000 --> 00:00:38.000 voor de verbetering van de gezondheidszorg. 00:00:38.000 --> 00:00:40.000 Maar zoals ik al zei, het is ook een uitdaging voor ons. 00:00:40.000 --> 00:00:43.000 En de uitdaging is echt te zien op deze foto hier. 00:00:43.000 --> 00:00:45.000 Het is de medische-data-explosie 00:00:45.000 --> 00:00:47.000 die we nu hebben. 00:00:47.000 --> 00:00:49.000 We worden geconfronteerd met dit probleem. 00:00:49.000 --> 00:00:51.000 Laat me een stap teruggaan in de tijd. NOTE Paragraph 00:00:51.000 --> 00:00:54.000 Laten we een paar jaren teruggaan en zien waar we toen stonden. 00:00:54.000 --> 00:00:56.000 De machines van toen - 00:00:56.000 --> 00:00:58.000 ze begonnen op te komen in de jaren '70 - 00:00:58.000 --> 00:01:00.000 konden menselijke lichamen scannen, 00:01:00.000 --> 00:01:02.000 en ongeveer 100 beelden genereren 00:01:02.000 --> 00:01:04.000 van het menselijk lichaam. 00:01:04.000 --> 00:01:06.000 Ik heb ze, voor alle duidelijkheid, 00:01:06.000 --> 00:01:09.000 omgezet in de dataplakjes. 00:01:09.000 --> 00:01:11.000 Dit zou overeenkomen met ongeveer 50 MB aan gegevens, 00:01:11.000 --> 00:01:13.000 wat niet veel is 00:01:13.000 --> 00:01:16.000 als je dat vergelijkt met de gegevens die we vandaag de dag 00:01:16.000 --> 00:01:18.000 kunnen verwerken op gewone mobiele apparaten. 00:01:18.000 --> 00:01:20.000 Als je dat vertaalt naar telefoonboeken, 00:01:20.000 --> 00:01:23.000 dan komt dat ongeveer overeen met een stapel telefoonboeken van één meter hoog. 00:01:23.000 --> 00:01:25.000 Kijk eens naar wat we vandaag doen 00:01:25.000 --> 00:01:27.000 met de machines die we nu hebben, 00:01:27.000 --> 00:01:29.000 we kunnen nu in een paar seconden, 00:01:29.000 --> 00:01:31.000 24.000 beelden van een lichaam maken. 00:01:31.000 --> 00:01:34.000 En dat zou overeenkomen met ongeveer 20 GB aan gegevens, 00:01:34.000 --> 00:01:36.000 of 800 telefoonboeken. 00:01:36.000 --> 00:01:38.000 En de stapel zou dan 200 meter hoog zijn. 00:01:38.000 --> 00:01:40.000 Wat er te gebeuren staat - 00:01:40.000 --> 00:01:42.000 en we zien dit als het begin - 00:01:42.000 --> 00:01:44.000 een technologietrend die nu bezig is, 00:01:44.000 --> 00:01:47.000 is dat we ook beginnen te kijken naar in de tijd verlopende processen. 00:01:47.000 --> 00:01:50.000 We kunnen nu ook de dynamiek van het lichaam zien. 00:01:50.000 --> 00:01:52.000 En veronderstel even 00:01:52.000 --> 00:01:55.000 dat we gedurende vijf seconden gegevens verzamelen, 00:01:55.000 --> 00:01:57.000 dan zou dat overeenkomen met één terabyte aan gegevens. 00:01:57.000 --> 00:01:59.000 Dat zijn 800.000 telefoonboeken 00:01:59.000 --> 00:02:01.000 of een stapel van 16 km hoog. 00:02:01.000 --> 00:02:03.000 Dat is één patiënt, één dataset. 00:02:03.000 --> 00:02:05.000 En dit is het waarmee we nu te maken hebben. NOTE Paragraph 00:02:05.000 --> 00:02:08.000 Dit is de enorme uitdaging waarvoor we staan. 00:02:08.000 --> 00:02:11.000 En nu al - dit zijn 25.000 beelden. 00:02:11.000 --> 00:02:13.000 Denk eens terug aan de dagen 00:02:13.000 --> 00:02:15.000 toen radiologen dit deden. 00:02:15.000 --> 00:02:17.000 Als je 25.000 platen zou moeten ophangen, 00:02:17.000 --> 00:02:20.000 zou dat zo gaan... 25.000, oke, oke. 00:02:20.000 --> 00:02:22.000 Dat is het probleem." 00:02:22.000 --> 00:02:24.000 Zo gaat het niet meer, dat is onmogelijk. 00:02:24.000 --> 00:02:27.000 Dus moeten naar iets zoeken dat een beetje intelligenter is. 00:02:28.000 --> 00:02:30.000 We voegen nu al deze plakjes samen. 00:02:30.000 --> 00:02:33.000 Stel je voor dat je je lichaam in al deze richtingen in plakjes snijdt, 00:02:33.000 --> 00:02:36.000 en dan moet je proberen de plakjes weer samen te voegen 00:02:36.000 --> 00:02:38.000 tot een stapel van gegevens, tot een blok gegevens. 00:02:38.000 --> 00:02:40.000 Daar zijn we nu mee bezig. 00:02:40.000 --> 00:02:43.000 We brengen deze giga- of terabyte aan gegevens samen tot een geheel. 00:02:43.000 --> 00:02:45.000 Maar natuurlijk stellen deze gegevens 00:02:45.000 --> 00:02:47.000 alleen de hoeveelheid aan X-straling voor 00:02:47.000 --> 00:02:49.000 die is geabsorbeerd door elk punt in het menselijk lichaam. 00:02:49.000 --> 00:02:51.000 Wat we moeten doen is een manier vinden 00:02:51.000 --> 00:02:54.000 om te kijken naar de dingen die we willen bekijken 00:02:54.000 --> 00:02:57.000 en alles doorzichtig maken, wat we niet willen bekijken. 00:02:57.000 --> 00:02:59.000 Dus het transformeren van de dataset 00:02:59.000 --> 00:03:01.000 in iets dat er zo uitziet. 00:03:01.000 --> 00:03:03.000 Dit is een uitdaging. 00:03:03.000 --> 00:03:06.000 Dit is voor ons een enorme uitdaging. NOTE Paragraph 00:03:06.000 --> 00:03:09.000 Ook al worden computers de hele tijd sneller en beter, 00:03:09.000 --> 00:03:11.000 blijft het toch een uitdaging om om te gaan 00:03:11.000 --> 00:03:13.000 met gigabytes en terabytes aan gegevens 00:03:13.000 --> 00:03:15.000 en de relevante informatie eruit te halen. 00:03:15.000 --> 00:03:17.000 Ik wil kijken naar een hart, 00:03:17.000 --> 00:03:19.000 naar de bloedvaten, naar de lever, 00:03:19.000 --> 00:03:21.000 en misschien zelfs een tumor ontdekken 00:03:21.000 --> 00:03:23.000 in sommige gevallen. 00:03:24.000 --> 00:03:26.000 Dit is waar dit kleine lieve ding 00:03:26.000 --> 00:03:28.000 in beeld komt. Dit is mijn dochter. 00:03:28.000 --> 00:03:30.000 Om 9 uur vanmorgen. 00:03:30.000 --> 00:03:32.000 Ze speelt een computerspel. 00:03:32.000 --> 00:03:34.000 Ze is pas twee jaar oud, 00:03:34.000 --> 00:03:36.000 en ze heeft er lol in. 00:03:36.000 --> 00:03:39.000 Zij is de echte drijvende kracht 00:03:39.000 --> 00:03:42.000 achter de ontwikkeling van Graphics Processing Units (GPU's). 00:03:43.000 --> 00:03:45.000 Zolang kinderen computerspelletjes spelen, 00:03:45.000 --> 00:03:47.000 worden de graphics steeds beter en beter en beter. 00:03:47.000 --> 00:03:49.000 Dus ga terug naar huis, vertel uw kinderen om meer games te spelen, 00:03:49.000 --> 00:03:51.000 want dat is wat ik nodig heb. NOTE Paragraph 00:03:51.000 --> 00:03:53.000 Wat er in deze machine zit 00:03:53.000 --> 00:03:55.000 stelt mij in staat om de dingen te doen die ik doe 00:03:55.000 --> 00:03:57.000 met medische gegevens. 00:03:57.000 --> 00:04:00.000 Wat ik dus eigenlijk doe is gebruik maken van deze fantastische kleine apparaten. 00:04:00.000 --> 00:04:02.000 En weet je, ongeveer 00:04:02.000 --> 00:04:04.000 10 jaar geleden 00:04:04.000 --> 00:04:06.000 kreeg ik de financiering rond 00:04:06.000 --> 00:04:08.000 om mijn eerste grafische computer te kopen. 00:04:08.000 --> 00:04:10.000 Het was een grote machine. 00:04:10.000 --> 00:04:13.000 Het waren kasten vol processoren en opslagmedia. 00:04:13.000 --> 00:04:16.000 Ik betaalde ongeveer een miljoen dollar voor die machine. 00:04:17.000 --> 00:04:20.000 Die machine is vandaag de dag ongeveer even snel als mijn iPhone. 00:04:22.000 --> 00:04:24.000 Dus elke maand komen er nieuwe grafische kaarten uit. 00:04:24.000 --> 00:04:27.000 En hier zie je een paar van de meest recente types van de fabrikanten - 00:04:27.000 --> 00:04:30.000 NVIDIA, ATI, ook Intel. 00:04:30.000 --> 00:04:32.000 Voor een paar honderd dollar 00:04:32.000 --> 00:04:34.000 kan je deze dingen kopen en in je computer steken, 00:04:34.000 --> 00:04:37.000 en je kunt fantastische dingen doen met deze grafische kaarten. 00:04:37.000 --> 00:04:39.000 Dit is het dus wat ons in staat stelt 00:04:39.000 --> 00:04:42.000 om om te gaan met de explosie van gegevens in de geneeskunde, 00:04:42.000 --> 00:04:44.000 samen met echt vernuftig werk 00:04:44.000 --> 00:04:46.000 in termen van algoritmen, 00:04:46.000 --> 00:04:48.000 het comprimeren van gegevens, 00:04:48.000 --> 00:04:51.000 om de relevante informatie, waar mensen onderzoek op doen, eruit te halen. NOTE Paragraph 00:04:51.000 --> 00:04:54.000 Dus ga ik je een paar voorbeelden laten zien van wat we kunnen. 00:04:54.000 --> 00:04:57.000 Dit is een dataset die werd geregistreerd met behulp van een CT-scanner. 00:04:57.000 --> 00:05:00.000 Je kunt zien dat dit een volledige dataset is. 00:05:00.000 --> 00:05:03.000 Het is een vrouw. Je kunt de haren zien. 00:05:03.000 --> 00:05:06.000 Je kunt de aparte structuren van de vrouw zien. 00:05:06.000 --> 00:05:09.000 Je kunt zien dat er verstrooiing is van X-stralen 00:05:09.000 --> 00:05:11.000 op de tanden, op het metaal in de tanden. 00:05:11.000 --> 00:05:14.000 Daar komen deze artefacten vandaan. 00:05:14.000 --> 00:05:16.000 Maar volledig interactief met de standaard 00:05:16.000 --> 00:05:19.000 grafische kaarten van een normale computer, 00:05:19.000 --> 00:05:21.000 kan ik een doorsnede tonen. 00:05:21.000 --> 00:05:23.000 En natuurlijk zitten alle gegevens erin, 00:05:23.000 --> 00:05:26.000 dus kan ik gaan draaien, ik kan kijken vanuit verschillende invalshoeken, 00:05:26.000 --> 00:05:29.000 en ik kan zien dat deze vrouw een probleem had. 00:05:29.000 --> 00:05:31.000 Ze had een bloeding in de hersenen, 00:05:31.000 --> 00:05:33.000 en dat werd opgelost met een kleine stent, 00:05:33.000 --> 00:05:35.000 een metalen klem die het bloedvat afklemt. 00:05:35.000 --> 00:05:37.000 En alleen maar door het veranderen van de instellingen, 00:05:37.000 --> 00:05:40.000 kan ik beslissen waar ik doorheen kijk 00:05:40.000 --> 00:05:42.000 of wat zichtbaar blijft. 00:05:42.000 --> 00:05:44.000 Ik kan kijken naar de schedelstructuur, 00:05:44.000 --> 00:05:47.000 en ik kan zien dat, oke, dit is waar ze de schedel van deze vrouw openden, 00:05:47.000 --> 00:05:49.000 en dat is waar ze naar binnen gingen. 00:05:49.000 --> 00:05:51.000 Dit zijn fantastische beelden. 00:05:51.000 --> 00:05:53.000 Ze hebben een echt hoge resolutie, 00:05:53.000 --> 00:05:55.000 En ze laten zien wat we kunnen doen 00:05:55.000 --> 00:05:58.000 met de standaard grafische kaarten van vandaag. NOTE Paragraph 00:05:58.000 --> 00:06:00.000 We hebben hier echt gebruik van gemaakt, 00:06:00.000 --> 00:06:03.000 en geprobeerd om een heleboel gegevens 00:06:03.000 --> 00:06:05.000 in het systeem te persen. 00:06:05.000 --> 00:06:07.000 En een van de toepassingen waar we aan hebben gewerkt - 00:06:07.000 --> 00:06:10.000 en dit heeft wereldwijd nogal wat aandacht gekregen - 00:06:10.000 --> 00:06:12.000 is de toepassing van virtuele autopsie. 00:06:12.000 --> 00:06:14.000 Het gaat weer over het bekijken van zeer, zeer grote datasets, 00:06:14.000 --> 00:06:17.000 je zag al die full-body scans die we kunnen uitvoeren. 00:06:17.000 --> 00:06:20.000 Hier zijn we bezig met een lichaam door de CT-scanner te duwen, 00:06:20.000 --> 00:06:23.000 en slechts in een paar seconden krijgen we een full-body dataset. 00:06:23.000 --> 00:06:25.000 Dit is dus virtuele autopsie. 00:06:25.000 --> 00:06:27.000 En je kunt zien hoe ik geleidelijk laag na laag afpel. 00:06:27.000 --> 00:06:30.000 Eerst zag je de lijkzak waarin het lichaam zat, 00:06:30.000 --> 00:06:33.000 hier pel ik de huid af - zie je de spieren - 00:06:33.000 --> 00:06:36.000 en uiteindelijk zie je de botstructuur van deze vrouw. NOTE Paragraph 00:06:36.000 --> 00:06:39.000 Hier zou ik ook graag benadrukken 00:06:39.000 --> 00:06:41.000 dat, met het grootste respect 00:06:41.000 --> 00:06:43.000 voor de mensen die ik nu ga laten zien - 00:06:43.000 --> 00:06:45.000 ik ga een paar gevallen van virtuele autopsies laten zien - 00:06:45.000 --> 00:06:47.000 het dus is met groot respect voor de mensen 00:06:47.000 --> 00:06:49.000 die zijn overleden onder gewelddadige omstandigheden 00:06:49.000 --> 00:06:52.000 dat ik deze foto's aan u toon. 00:06:53.000 --> 00:06:55.000 In het forensische geval - 00:06:55.000 --> 00:06:57.000 en er zijn al 00:06:57.000 --> 00:06:59.000 ongeveer 400 tot nu toe 00:06:59.000 --> 00:07:01.000 alleen al in het deel van Zweden waar ik vandaan kom 00:07:01.000 --> 00:07:03.000 die virtuele autopsies hebben ondergaan 00:07:03.000 --> 00:07:05.000 in de afgelopen vier jaar. 00:07:05.000 --> 00:07:08.000 Dit is een typische werksituatie. 00:07:08.000 --> 00:07:10.000 De politie zal beslissen - 00:07:10.000 --> 00:07:12.000 's avonds als er een geval binnen komt - 00:07:12.000 --> 00:07:15.000 zij zullen beslissen, oke, dit is een geval waar we een autopsie nodig hebben. 00:07:15.000 --> 00:07:18.000 In de ochtend, tussen zes en zeven 's morgens, 00:07:18.000 --> 00:07:20.000 wordt het lichaam in een body bag 00:07:20.000 --> 00:07:22.000 naar ons centrum getransporteerd 00:07:22.000 --> 00:07:24.000 en gescand door een van de de CT-scanners. 00:07:24.000 --> 00:07:26.000 En dan kijkt de radioloog samen met de patholoog 00:07:26.000 --> 00:07:28.000 en soms ook de forensische wetenschapper, 00:07:28.000 --> 00:07:30.000 naar de gegevens die de eruit komen, 00:07:30.000 --> 00:07:32.000 en gaan ze overleggen. 00:07:32.000 --> 00:07:35.000 En daarna beslissen ze wat te doen bij de echte fysieke autopsie. NOTE Paragraph 00:07:37.000 --> 00:07:39.000 U kijkt nu naar een paar gevallen, 00:07:39.000 --> 00:07:41.000 Hier is een van de eerste zaken die we hadden. 00:07:41.000 --> 00:07:44.000 Je kunt echt de details van de dataset zien; 00:07:44.000 --> 00:07:46.000 Het is in zeer hoge resolutie. 00:07:46.000 --> 00:07:48.000 En het zijn onze algoritmes die ons toelaten 00:07:48.000 --> 00:07:50.000 om in te zoomen op de details. 00:07:50.000 --> 00:07:52.000 En nogmaals, het is volledig interactief, 00:07:52.000 --> 00:07:54.000 dus je kunt roteren en op deze systemen 00:07:54.000 --> 00:07:56.000 in real-time naar alles kijken. 00:07:56.000 --> 00:07:58.000 Zonder al te veel te zeggen over deze zaak, 00:07:58.000 --> 00:08:00.000 het is een verkeersongeval, 00:08:00.000 --> 00:08:02.000 een dronken bestuurder raakte een vrouw. 00:08:02.000 --> 00:08:05.000 En het is heel, heel gemakkelijk om de schade te zien aan de botstructuur. 00:08:05.000 --> 00:08:08.000 De doodsoorzaak is een gebroken nek. 00:08:08.000 --> 00:08:10.000 En de vrouw belandde ook onder de auto, 00:08:10.000 --> 00:08:12.000 Ze werd hierdoor 00:08:12.000 --> 00:08:14.000 heel erg toegetakeld. NOTE Paragraph 00:08:14.000 --> 00:08:17.000 Hier weer een andere zaak, een steekpartij. 00:08:17.000 --> 00:08:19.000 En dit toont ook weer wat we kunnen doen. 00:08:19.000 --> 00:08:21.000 Het is heel gemakkelijk om metalen artefacten terug te vinden 00:08:21.000 --> 00:08:24.000 die we binnen in het lichaam kunnen laten zien. 00:08:24.000 --> 00:08:27.000 U kunt ook een aantal van de artefacten van de tanden zien - 00:08:27.000 --> 00:08:29.000 dat zijn eigenlijk de tandvullingen - 00:08:29.000 --> 00:08:32.000 maar dat komt omdat ik het zo heb ingesteld dat 00:08:32.000 --> 00:08:34.000 we het metaal kunnen zien en de rest transparant is. 00:08:34.000 --> 00:08:37.000 Hier een andere gewelddaad. Dit was niet echt de doodsoorzaak van deze persoon. 00:08:37.000 --> 00:08:39.000 De persoon werd gedood door steken in het hart, 00:08:39.000 --> 00:08:41.000 maar ze staken het mes 00:08:41.000 --> 00:08:43.000 door een oogbol. 00:08:43.000 --> 00:08:45.000 Hier een andere zaak. 00:08:45.000 --> 00:08:47.000 Het is heel interessant voor ons 00:08:47.000 --> 00:08:49.000 om te kunnen kijken naar dingen zoals messteken. 00:08:49.000 --> 00:08:52.000 Hier zie je dat het mes door het hart ging. 00:08:52.000 --> 00:08:54.000 Het is heel gemakkelijk te zien hoe lucht 00:08:54.000 --> 00:08:56.000 van het ene deel naar een ander deel is gaan lekken, 00:08:56.000 --> 00:08:59.000 wat moeilijk is om te doen bij een normale, standaard, fysieke autopsie. 00:08:59.000 --> 00:09:01.000 Dus het helpt echt bij 00:09:01.000 --> 00:09:03.000 het strafrechtelijk onderzoek 00:09:03.000 --> 00:09:05.000 om de oorzaak van de dood vast te stellen, 00:09:05.000 --> 00:09:08.000 en om in sommige gevallen het onderzoek in de juiste richting te leiden, 00:09:08.000 --> 00:09:10.000 om uit te zoeken wie de moordenaar was. NOTE Paragraph 00:09:10.000 --> 00:09:12.000 Hier nog een interessant geval. 00:09:12.000 --> 00:09:14.000 Hier zie je een kogel die net naast 00:09:14.000 --> 00:09:17.000 de ruggengraat van deze persoon is blijven steken. 00:09:17.000 --> 00:09:20.000 En we hebben de kogel lichtgevend gemaakt, 00:09:20.000 --> 00:09:22.000 zodat hij gaat blinken, 00:09:22.000 --> 00:09:25.000 wat het echt makkelijk maakt om deze fragmenten terug te vinden. 00:09:25.000 --> 00:09:27.000 Als je tijdens een fysieke autopsie, 00:09:27.000 --> 00:09:29.000 in het lichaam naar deze fragmenten moet gaan zoeken 00:09:29.000 --> 00:09:31.000 is dat heel moeilijk. NOTE Paragraph 00:09:33.000 --> 00:09:35.000 Iets waarvan ik ben echt blij ben 00:09:35.000 --> 00:09:38.000 om u vandaag te kunnen laten zien 00:09:38.000 --> 00:09:40.000 is onze virtuele-autopsietafel. 00:09:40.000 --> 00:09:42.000 Het is een door ons ontwikkeld aanraakscherm 00:09:42.000 --> 00:09:45.000 met behulp van standaard GPU's. 00:09:45.000 --> 00:09:47.000 Het ziet er zo uit, 00:09:47.000 --> 00:09:50.000 gewoon om je een idee te geven. 00:09:50.000 --> 00:09:53.000 Het werkt net als een enorme iPhone. 00:09:53.000 --> 00:09:55.000 We hebben alle handelingen 00:09:55.000 --> 00:09:58.000 ermee getoond 00:09:58.000 --> 00:10:02.000 en je kunt eraan denken als een enorm aanraakscherm. 00:10:02.000 --> 00:10:04.000 Dus als je eraan denkt een iPad te kopen, 00:10:04.000 --> 00:10:07.000 vergeet het maar, dit is wat je eigenlijk wil hebben. 00:10:07.000 --> 00:10:10.000 Steve, ik hoop dat je hiernaar aan het luisteren bent, oke. 00:10:11.000 --> 00:10:13.000 Het is een heel aardig apparaatje. 00:10:13.000 --> 00:10:15.000 Dus als je de mogelijkheid hebt, probeer het eens uit. 00:10:15.000 --> 00:10:18.000 Het is echt een hands-on ervaring. 00:10:18.000 --> 00:10:21.000 Het heeft de aandacht getrokken, en we proberen het klaar te krijgen 00:10:21.000 --> 00:10:23.000 om het te gebruiken voor educatieve doeleinden, 00:10:23.000 --> 00:10:25.000 maar ook, misschien in de toekomst, 00:10:25.000 --> 00:10:28.000 in een meer klinische situatie. 00:10:28.000 --> 00:10:30.000 Er is een YouTube die u kunt downloaden, 00:10:30.000 --> 00:10:32.000 als je anderen wil tonen 00:10:32.000 --> 00:10:35.000 wat virtuele autopsie is. NOTE Paragraph 00:10:35.000 --> 00:10:37.000 Oke, nu we over aanraken praten, 00:10:37.000 --> 00:10:39.000 laten we nu even kijken naar echt inspirerende data. 00:10:39.000 --> 00:10:41.000 Dit is nu nog een beetje science-fiction, 00:10:41.000 --> 00:10:44.000 we gaan nu naar de toekomst. 00:10:44.000 --> 00:10:47.000 Dit is niet echt wat de artsen momenteel al gebruiken, 00:10:47.000 --> 00:10:49.000 maar ik hoop dat het in de toekomst zal kunnen. 00:10:49.000 --> 00:10:52.000 Wat je aan de linkerkant ziet is een aanraakapparaat. 00:10:52.000 --> 00:10:54.000 Het is een kleine mechanische pen 00:10:54.000 --> 00:10:57.000 met zeer, zeer snelle stappenmotoren aan de binnenkant van de pen. 00:10:57.000 --> 00:10:59.000 En daarmee kan ik een krachttegenkoppeling genereren. 00:10:59.000 --> 00:11:01.000 Dus als ik virtuele data ermee aanraak, 00:11:01.000 --> 00:11:04.000 zal dat krachten in de pen veroorzaken en krijg ik feedback. 00:11:04.000 --> 00:11:06.000 In deze specifieke situatie 00:11:06.000 --> 00:11:08.000 gaat het om een scan van een levende persoon. 00:11:08.000 --> 00:11:11.000 Ik heb deze pen, en ik kijk naar de gegevens, 00:11:11.000 --> 00:11:13.000 en ik beweeg de pen naar het hoofd toe, 00:11:13.000 --> 00:11:15.000 en opeens voel ik weerstand. 00:11:15.000 --> 00:11:17.000 Ik voel de huid. 00:11:17.000 --> 00:11:19.000 Als ik een beetje harder duw, dan ga ik door de huid, 00:11:19.000 --> 00:11:22.000 en voel ik de botstructuur binnen in. 00:11:22.000 --> 00:11:24.000 Als ik nog harder duw, dan ga ik door de botstructuur heen, 00:11:24.000 --> 00:11:27.000 vooral dicht bij het oor waar het bot erg zacht is. 00:11:27.000 --> 00:11:30.000 En dan kan ik de hersenen voelen, en dat zal een beetje week aanvoelen, zoiets als dit. NOTE Paragraph 00:11:30.000 --> 00:11:32.000 Dit is echt leuk. 00:11:32.000 --> 00:11:35.000 Hier een hart. 00:11:35.000 --> 00:11:38.000 Ook te danken aan deze fantastische nieuwe scanners, 00:11:38.000 --> 00:11:40.000 die in slechts 0,3 seconden 00:11:40.000 --> 00:11:42.000 het hele hart scannen, 00:11:42.000 --> 00:11:44.000 en ik kan dat doen in tijdsresolutie. 00:11:44.000 --> 00:11:46.000 Het kijken naar dit hart, 00:11:46.000 --> 00:11:48.000 kan ik hier weergeven op een video. 00:11:48.000 --> 00:11:50.000 En dit is Karl Johan, een van mijn studenten 00:11:50.000 --> 00:11:52.000 die aan dit project heeft gewerkt. 00:11:52.000 --> 00:11:55.000 Hij zit hier voor het haptische apparaat, het krachttegenkoppelingssysteem, 00:11:55.000 --> 00:11:58.000 en hij beweegt zijn pen naar het hart, 00:11:58.000 --> 00:12:00.000 en hij ziet het voor zich 00:12:00.000 --> 00:12:02.000 zodat hij kan zien hoe het hart klopt. 00:12:02.000 --> 00:12:04.000 Hij verplaatst nu de pen naar het hart, 00:12:04.000 --> 00:12:06.000 en hij duwt ze tegen het hart, 00:12:06.000 --> 00:12:09.000 en voelt de hartslag van de echte levende patiënt. 00:12:09.000 --> 00:12:11.000 Dan kan hij onderzoeken hoe het hart in beweegt. 00:12:11.000 --> 00:12:13.000 Hij kan naar binnen gaan, naar de binnenkant van het hart, 00:12:13.000 --> 00:12:16.000 en echt voelen hoe de kleppen in beweging zijn. 00:12:16.000 --> 00:12:19.000 En dit, denk ik, is echt de toekomst voor hartchirurgen. 00:12:19.000 --> 00:12:22.000 Ik denk dat dit een natte droom is voor een hartchirurg 00:12:22.000 --> 00:12:25.000 om binnenin van het hart van de patiënt te kunnen rondtasten 00:12:25.000 --> 00:12:27.000 voordat je daadwerkelijk tot chirurgie overgaat, 00:12:27.000 --> 00:12:29.000 en dat te doen met resolutiedata van een hoge kwaliteit. 00:12:29.000 --> 00:12:31.000 Echt de moeite. NOTE Paragraph 00:12:32.000 --> 00:12:35.000 Nu gaan we nog verder met science fiction. 00:12:35.000 --> 00:12:38.000 We hoorden wat over functionele MRI. 00:12:38.000 --> 00:12:41.000 Nu is dit echt een interessant project. 00:12:41.000 --> 00:12:43.000 MRI is met behulp van magnetische velden 00:12:43.000 --> 00:12:45.000 en radiofrequenties 00:12:45.000 --> 00:12:48.000 de hersenen of een deel van het lichaam scannen. 00:12:48.000 --> 00:12:50.000 Wat we hier echt uit verkrijgen 00:12:50.000 --> 00:12:52.000 is informatie over de structuur van de hersenen, 00:12:52.000 --> 00:12:54.000 maar we kunnen ook het verschil meten 00:12:54.000 --> 00:12:57.000 in de magnetische eigenschappen van zuurstofrijk bloed 00:12:57.000 --> 00:13:00.000 en zuurstofarm bloed. 00:13:00.000 --> 00:13:02.000 Dat betekent dat het mogelijk is 00:13:02.000 --> 00:13:04.000 om de activiteit van de hersenen in kaart te brengen. 00:13:04.000 --> 00:13:06.000 Dit is iets dat we al mee bezig zijn. 00:13:06.000 --> 00:13:09.000 En net zag u Motts, onze onderzoeksingenieur 00:13:09.000 --> 00:13:11.000 het MRI-systeem ingaan, 00:13:11.000 --> 00:13:13.000 hij droeg een speciale bril. 00:13:13.000 --> 00:13:15.000 waarmee hij dingen kon waarnemen. 00:13:15.000 --> 00:13:18.000 Dus kon ik, terwijl hij in de scanner zat, hem allerlei laten zien. 00:13:18.000 --> 00:13:20.000 En dit is een beetje beangstigend, 00:13:20.000 --> 00:13:22.000 want wat Motts ziet is eigenlijk dit. 00:13:22.000 --> 00:13:25.000 Hij ziet zijn eigen hersenen. 00:13:25.000 --> 00:13:27.000 Hier is Motts iets aan het doen. 00:13:27.000 --> 00:13:29.000 En waarschijnlijk doet hij zoiets met zijn rechterhand, 00:13:29.000 --> 00:13:31.000 omdat de linkerkant geactiveerd is 00:13:31.000 --> 00:13:33.000 op de bewegingscortex. 00:13:33.000 --> 00:13:35.000 En dat kan hij op hetzelfde moment zelf zien. 00:13:35.000 --> 00:13:37.000 Deze visualisaties zijn gloednieuw. 00:13:37.000 --> 00:13:40.000 Dit is iets waar we al een tijdje onderzoek naar doen. NOTE Paragraph 00:13:40.000 --> 00:13:43.000 Hier een andere sequentie van Motts' brein. 00:13:43.000 --> 00:13:46.000 We vroegen hem met 3 terug te tellen vanaf 100. 00:13:46.000 --> 00:13:48.000 Dus hij telt "100, 97, 94." 00:13:48.000 --> 00:13:50.000 Enzovoorts. 00:13:50.000 --> 00:13:53.000 En je kunt zien hoe de kleine wiskunde-processor hier in zijn hersenen an het werk is 00:13:53.000 --> 00:13:55.000 en de hele hersenen doet oplichten. 00:13:55.000 --> 00:13:57.000 Dit is fantastisch. We kunnen dit doen in real time. 00:13:57.000 --> 00:13:59.000 We kunnen dingen onderzoeken. We kunnen hem vragen om dingen te doen. 00:13:59.000 --> 00:14:01.000 Je kunt ook zien dat zijn visuele cortex 00:14:01.000 --> 00:14:03.000 aan de achterkant van zijn hoofd wordt geactiveerd, 00:14:03.000 --> 00:14:05.000 want dat is waar hij naar kijkt, hij ziet zijn eigen hersenen. 00:14:05.000 --> 00:14:07.000 En hij hoort ook onze instructies 00:14:07.000 --> 00:14:09.000 als we hem vragen om dingen te doen. 00:14:09.000 --> 00:14:11.000 Ook al zit het signaal echt diep in de hersenen, 00:14:11.000 --> 00:14:13.000 toch schijnt het door, 00:14:13.000 --> 00:14:15.000 omdat alle gegevens in dit volume voorhanden zijn. 00:14:15.000 --> 00:14:17.000 En dadelijk ga je hier zien - 00:14:17.000 --> 00:14:19.000 Oke, hier is het. Motts, beweeg nu je linkervoet. 00:14:19.000 --> 00:14:21.000 Dit doet hij. 00:14:21.000 --> 00:14:23.000 20 seconden lang doet hij dit, 00:14:23.000 --> 00:14:25.000 en plots licht het hier op. 00:14:25.000 --> 00:14:27.000 Door activatie van de bewegingscortex. 00:14:27.000 --> 00:14:29.000 Dit is echt, echt leuk. 00:14:29.000 --> 00:14:31.000 Dit is een geweldig hulpmiddel. 00:14:31.000 --> 00:14:33.000 In verband met de vorige lezing, 00:14:33.000 --> 00:14:35.000 is dit iets dat we kunnen gebruiken als een instrument 00:14:35.000 --> 00:14:37.000 om werkelijk te begrijpen 00:14:37.000 --> 00:14:39.000 hoe de neuronen werken, hoe de hersenen werken, 00:14:39.000 --> 00:14:42.000 en we kunnen dit doen met een zeer, zeer hoge visuele kwaliteit 00:14:42.000 --> 00:14:45.000 en een zeer snelle resolutie. NOTE Paragraph 00:14:45.000 --> 00:14:47.000 Maar af en toe maken we ook een beetje lol in het centrum. 00:14:47.000 --> 00:14:50.000 Dit is een CAT-scan - computer aided tomografie. 00:14:51.000 --> 00:14:53.000 Van een leeuw uit de plaatselijke dierentuin 00:14:53.000 --> 00:14:56.000 aan de rand van Norrkoping in Kolmården, Elsa. 00:14:56.000 --> 00:14:58.000 Ze brachten haar naar het centrum, 00:14:58.000 --> 00:15:00.000 ze verdoofden haar 00:15:00.000 --> 00:15:02.000 en zetten haar recht in de scanner. 00:15:02.000 --> 00:15:05.000 Zo krijg ik dan de volledige dataset van de leeuw. 00:15:05.000 --> 00:15:07.000 Waarmee ik heel mooie beelden kan maken zoals dit. 00:15:07.000 --> 00:15:09.000 Ik kan laag na laag van de leeuw afpellen. 00:15:09.000 --> 00:15:11.000 Ik kan erin kijken. 00:15:11.000 --> 00:15:13.000 We hebben hiermee geëxperimenteerd. 00:15:13.000 --> 00:15:15.000 Ik denk dat dit een geweldige toepassing is 00:15:15.000 --> 00:15:17.000 voor de toekomst van deze technologie. 00:15:17.000 --> 00:15:20.000 Want er is maar heel weinig bekend over de dierlijke anatomie. 00:15:20.000 --> 00:15:23.000 Wat dierenartsen ervan weten is slechts summiere basisinformatie. 00:15:23.000 --> 00:15:25.000 We kunnen allerlei dingen scannen, 00:15:25.000 --> 00:15:27.000 allerlei dieren. 00:15:27.000 --> 00:15:30.000 Het enige probleem is om ze in de machine te krijgen. 00:15:30.000 --> 00:15:32.000 Hier een beer. 00:15:32.000 --> 00:15:34.000 Hij was er nogal moeilijk in te krijgen. 00:15:34.000 --> 00:15:37.000 En zo'n beer lijkt een knuffel, een vriendelijk dier. 00:15:37.000 --> 00:15:40.000 Hier is hij dan. Dit is zijn neus. 00:15:40.000 --> 00:15:43.000 En misschien wil je hem wel knuffelen, 00:15:43.000 --> 00:15:46.000 totdat je de instellingen verandert en hiernaar gaat kijken. 00:15:46.000 --> 00:15:48.000 Hoed u dus voor de beer. NOTE Paragraph 00:15:48.000 --> 00:15:50.000 Hiermee 00:15:50.000 --> 00:15:52.000 wil ik graag alle mensen bedanken 00:15:52.000 --> 00:15:54.000 die mij geholpen hebben om deze beelden te genereren. 00:15:54.000 --> 00:15:56.000 Er is enorm veel werk gaan zitten 00:15:56.000 --> 00:15:59.000 in het verzamelen van de gegevens en de ontwikkeling van de algoritmen, 00:15:59.000 --> 00:16:01.000 in het schrijven van de software 00:16:01.000 --> 00:16:04.000 door een aantal zeer getalenteerde mensen. 00:16:04.000 --> 00:16:07.000 Mijn motto is altijd dat ik alleen maar mensen aanwerf die slimmer zijn dan ik 00:16:07.000 --> 00:16:09.000 en de meesten hier zijn een stuk slimmer dan ik. NOTE Paragraph 00:16:09.000 --> 00:16:11.000 Dus heel erg bedankt. NOTE Paragraph 00:16:11.000 --> 00:16:15.000 (Applaus)