What we'll learn about the brain in the next century | Sam Rodriques

174,352 views ・ 2018-07-03

TED


A videó lejátszásához kattintson duplán az alábbi angol feliratokra.

Fordító: Andi Vida Lektor: Orsolya Boronyai
00:13
I want to tell you guys something about neuroscience.
0
13040
2507
Hadd mondjak el önöknek valamit a neurológiáról.
00:16
I'm a physicist by training.
1
16040
1800
Fizikusi végzettségem van.
00:18
About three years ago, I left physics
2
18230
2206
Három éve otthagytam a fizikát,
00:20
to come and try to understand how the brain works.
3
20460
2349
mert meg akartam érteni az agy működését.
00:22
And this is what I found.
4
22833
1474
Elmondom, mire jutottam.
00:24
Lots of people are working on depression.
5
24331
2064
Sokan kutatják a depressziót.
00:26
And that's really good,
6
26419
1159
Ez tényleg nagyszerű,
00:27
depression is something that we really want to understand.
7
27602
2721
a depresszió olyan, amit igazán szeretnénk megérteni.
00:30
Here's how you do it:
8
30347
1167
Vegyük az alábbi példát:
00:31
you take a jar and you fill it up, about halfway, with water.
9
31538
4161
fogjanak egy bögrét, töltsék meg félig vízzel.
00:35
And then you take a mouse, and you put the mouse in the jar, OK?
10
35723
4182
Aztán fogjanak egy egeret, és tegyék a bögrébe, rendben?
00:39
And the mouse swims around for a little while
11
39929
2350
Az egér egy kicsit körbeúszkál,
00:42
and then at some point, the mouse gets tired
12
42303
2388
majd egyszer csak kimerül,
00:44
and decides to stop swimming.
13
44715
1934
és úgy dönt, nem úszik tovább.
00:46
And when it stops swimming, that's depression.
14
46673
3133
Ez a depresszió pillanata.
00:50
OK?
15
50696
1150
Eddig világos, ugye?
00:52
And I'm from theoretical physics,
16
52291
3380
Elméleti fizikusként megszoktam,
00:55
so I'm used to people making very sophisticated mathematical models
17
55695
3668
hogy az emberek bonyolult matematikai modelleket kreálnak
00:59
to precisely describe physical phenomena,
18
59387
2881
a fizikai jelenségek pontos leírására,
01:02
so when I saw that this is the model for depression,
19
62292
2452
úgyhogy amint megláttam ezt a depresszió-modellt,
01:04
I though to myself, "Oh my God, we have a lot of work to do."
20
64768
2937
arra gondoltam: "Te jó ég, sok itt még a feladat."
01:07
(Laughter)
21
67729
1370
(Nevetés)
01:09
But this is a kind of general problem in neuroscience.
22
69123
2951
De ez általános probléma a neurológiában.
01:12
So for example, take emotion.
23
72377
2111
Vegyük például az érzelmeket.
01:14
Lots of people want to understand emotion.
24
74512
2459
Sokan szeretnék megérteni őket.
01:17
But you can't study emotion in mice or monkeys
25
77352
3313
Ám nem tanulmányozhatjuk egereken vagy majmokon,
01:20
because you can't ask them
26
80689
1254
mert őket nem faggathatjuk,
01:21
how they're feeling or what they're experiencing.
27
81967
2317
hogy hogy érzik magukat, vagy mit élnek át éppen.
01:24
So instead, people who want to understand emotion,
28
84308
2357
Ehelyett, akik meg akarják érteni az érzelmeket,
01:26
typically end up studying what's called motivated behavior,
29
86689
2777
jellemzően az úgynevezett motivált viselkedést vizsgálják,
01:29
which is code for "what the mouse does when it really, really wants cheese."
30
89490
3658
úgy mint: "ezt teszi az egér, amikor nagyon, de nagyon akarja a sajtot."
01:33
OK, I could go on and on.
31
93839
1675
Sorolhatnám a végtelenségig.
01:35
I mean, the point is, the NIH spends about 5.5 billion dollars a year
32
95538
6316
A Nemzeti Egészségügyi Intézet évi 5,5 milliárd dollárt költ
01:41
on neuroscience research.
33
101878
1532
neurológiai kutatásokra.
01:43
And yet there have been almost no significant improvements in outcomes
34
103434
3603
Az utóbbi negyven évben mégsem állt be számottevő fejlődés
01:47
for patients with brain diseases in the past 40 years.
35
107061
3491
az agyi betegségektől szenvedők körében.
01:51
And I think a lot of that is basically due to the fact
36
111015
2540
Sokat töprengtem ezen. Szerintem alapvetően az az oka,
01:53
that mice might be OK as a model for cancer or diabetes,
37
113579
4151
hogy az egerek kiváló kísérleti alanyok rák és diabétesz esetén,
01:57
but the mouse brain is just not sophisticated enough
38
117754
2687
de az agyuk nem elég bonyolult
02:00
to reproduce human psychology or human brain disease.
39
120465
3175
az emberi pszichológia vagy agyi betegségek kutatásához.
02:04
OK?
40
124379
1225
Ez is világos, ugye?
02:05
So if the mouse models are so bad, why are we still using them?
41
125628
3634
Ha tehát az egérmodell ennyire rossz, miért nem próbálkozunk mással?
02:10
Well, it basically boils down to this:
42
130143
2103
Lényegében arról van szó,
02:12
the brain is made up of neurons
43
132270
2556
hogy az agy neuronokból épül fel,
02:14
which are these little cells that send electrical signals to each other.
44
134850
3447
apró idegsejtekből, amik elektromos jeleket küldenek egymásnak.
02:18
If you want to understand how the brain works,
45
138680
2144
Ha meg akarjuk érteni az agy működését,
02:20
you have to be able to measure the electrical activity of these neurons.
46
140848
3808
tudnunk kell mérni a neuronok elektromos aktivitását.
02:25
But to do that, you have to get really close to the neurons
47
145339
2992
Ehhez azonban igencsak közel kell jutni hozzájuk,
02:28
with some kind of electrical recording device or a microscope.
48
148355
2928
valamilyen elektromos felvevő készülékkel vagy mikroszkóppal.
02:31
And so you can do that in mice and you can do it in monkeys,
49
151563
2810
Ez megvalósítható az egereknél, megvalósítható a majmoknál,
02:34
because you can physically put things into their brain
50
154397
2548
mert fizikai úton eszközt ültethetünk az agyukba,
02:36
but for some reason we still can't do that in humans, OK?
51
156969
3046
de valamiért még nem tudjuk megvalósítani az embernél, ugye?
02:40
So instead, we've invented all these proxies.
52
160533
3370
Ehelyett feltaláltunk mindenféle póteszközöket.
02:43
So the most popular one is probably this,
53
163927
2515
Valószínűleg ez a legnépszerűbb,
02:46
functional MRI, fMRI,
54
166466
2397
a funkcionális MRI, fMRI,
02:48
which allows you to make these pretty pictures like this,
55
168887
2692
amivel ilyen helyes kis képeket alkothatunk,
02:51
that show which parts of your brain light up
56
171603
2056
ezek jelzik, mely területen villan valami az agyunkban,
02:53
when you're engaged in different activities.
57
173683
2126
amikor különféle tevékenységeket végzünk.
02:55
But this is a proxy.
58
175833
1920
De ez csak póteszköz.
02:57
You're not actually measuring neural activity here.
59
177777
3292
Ezzel nem mérhető az idegi aktivitás.
03:01
What you're doing is you're measuring, essentially,
60
181093
2842
Lényegében csak olyasmit mérünk,
03:03
like, blood flow in the brain.
61
183959
1832
mint az agyi véráramlás.
03:05
Where there's more blood.
62
185815
1238
Mérjük, hol van több vér.
03:07
It's actually where there's more oxygen, but you get the idea, OK?
63
187077
3103
Csak azt jelzi, hol van több oxigén, azt meg úgyis sejtjük, nem?
03:10
The other thing that you can do is you can do this --
64
190204
2519
A másik lehetséges eszközünk
03:12
electroencephalography -- you can put these electrodes on your head, OK?
65
192747
3591
az elektroenkefalográf: feltehetjük ezeket az elektródákat a fejünkre.
03:16
And then you can measure your brain waves.
66
196362
2143
Aztán mérhetjük az agyi hullámokat.
03:19
And here, you're actually measuring electrical activity.
67
199125
3079
Ez esetben az elektromos aktivitást mérjük.
03:22
But you're not measuring the activity of neurons.
68
202228
2365
De nem mérjük a neuronok aktivitását.
03:24
You're measuring these electrical currents,
69
204911
2444
Azt mérjük, hogyan lötyög ide-oda
03:27
sloshing back and forth in your brain.
70
207379
2299
az elektromos áram az agyunkban.
03:30
So the point is just that these technologies that we have
71
210157
2674
Száz szónak is egy a vége, ezekkel a technikákkal
03:32
are really measuring the wrong thing.
72
212855
2436
nem azt mérjük, amit kéne.
03:35
Because, for most of the diseases that we want to understand --
73
215315
2953
A legtöbb kór ugyanis, amiket meg akarunk ismerni –
03:38
like, Parkinson's is the classic example.
74
218292
2198
klasszikus példa erre a Parkinson-kór.
03:40
In Parkinson's, there's one particular kind of neuron deep in your brain
75
220514
3554
Ebben a betegségben van egy sajátos neuronfajta, mélyen az agyban,
03:44
that is responsible for the disease,
76
224092
1731
az felel a betegségért,
03:45
and these technologies just don't have the resolution that you need
77
225847
3182
és a fenti technikákkal egyszerűen nem juthatunk el
03:49
to get at that.
78
229053
1373
a szükséges megoldáshoz.
03:50
And so that's why we're still stuck with the animals.
79
230450
3974
Ezért ragadtunk le még mindig az állatoknál.
03:54
Not that anyone wants to be studying depression
80
234448
2533
Nem mintha bárki is úgy akarná kutatni a depressziót,
03:57
by putting mice into jars, right?
81
237005
2262
hogy egereket dobál csuprokba, ugye?
03:59
It's just that there's this pervasive sense that it's not possible
82
239291
3753
Csak van ez a zavaró érzés, hogy nem lehetséges
04:03
to look at the activity of neurons in healthy humans.
83
243068
3847
megfigyelni a neuronok tevékenységét egészséges emberekben.
04:08
So here's what I want to do.
84
248180
1492
Mondom, mit szeretnék tenni.
04:09
I want to take you into the future.
85
249974
2521
A jövőbe repíteném önöket.
04:12
To have a look at one way in which I think it could potentially be possible.
86
252519
4482
Vessünk egy pillantást egy módszerre, ami szerintem megvalósítható.
04:17
And I want to preface this by saying, I don't have all the details.
87
257526
3298
Elöljáróban hadd mondjam el, nincs minden részlet kidolgozva.
04:21
So I'm just going to provide you with a kind of outline.
88
261272
2967
Így tehát egyfajta vázlatot mutatok önöknek.
04:24
But we're going to go the year 2100.
89
264263
2400
2100-ba fogunk utazni.
04:27
Now what does the year 2100 look like?
90
267732
2299
Milyen lesz az az év?
04:30
Well, to start with, the climate is a bit warmer that what you're used to.
91
270055
3518
A klíma kicsit melegebb lesz a szokottnál.
04:33
(Laughter)
92
273597
3583
(Nevetés)
04:37
And that robotic vacuum cleaner that you know and love
93
277204
4952
Az általunk jól ismert és szeretett robotporszívó pedig
04:42
went through a few generations,
94
282180
1514
átment már pár generáción,
04:43
and the improvements were not always so good.
95
283718
2843
és nem feltétlenül lett tökéletesebb.
04:46
(Laughter)
96
286585
1595
(Nevetés)
04:48
It was not always for the better.
97
288530
2310
Nem mindig fordulnak jobbra a dolgok.
04:52
But actually, in the year 2100 most things are surprisingly recognizable.
98
292221
4538
De 2100-ban meglepő módon szinte mindenre ráismerhetünk.
04:57
It's just the brain is totally different.
99
297458
2734
Egyedül az agy lesz teljesen más.
05:00
For example, in the year 2100,
100
300740
2547
2100-ban például
05:03
we understand the root causes of Alzheimer's.
101
303311
2857
már tudni fogjuk az Alzheimer-kór okait.
05:06
So we can deliver targeted genetic therapies or drugs
102
306192
3714
Célzott génterápiával vagy gyógyszerekkel
05:09
to stop the degenerative process before it begins.
103
309930
2876
megállíthatjuk a pusztító folyamatot, még mielőtt elkezdődne.
05:13
So how did we do it?
104
313629
1333
Hogy értük ezt el?
05:15
Well, there were essentially three steps.
105
315898
2238
Lényegében három lépéssel.
05:18
The first step was that we had to figure out
106
318589
2814
Először is, ki kellett találnunk,
05:21
some way to get electrical connections through the skull
107
321427
3293
hogyan teremtsünk elektromos kapcsolatot a koponyán át,
05:24
so we could measure the electrical activity of neurons.
108
324744
3015
így már mérni tudtuk a neuronok elektromos tevékenységét.
05:28
And not only that, it had to be easy and risk-free.
109
328339
4349
Fontos, hogy mindez könnyű és kockázatmentes is legyen.
05:32
Something that basically anyone would be OK with,
110
332712
2378
Úgy, hogy bárkinek olyan természetes legyen,
05:35
like getting a piercing.
111
335114
1600
mint egy piercing beültetése.
05:37
Because back in 2017,
112
337156
2747
2017-ben ugyanis
05:39
the only way that we knew of to get through the skull
113
339927
2913
csak úgy tudtunk áthatolni a koponyán,
05:42
was to drill these holes the size of quarters.
114
342864
2817
hogy ilyen negyeddollárosnyi lyukakat fúrtunk bele.
05:46
You would never let someone do that to you.
115
346015
2039
Ugye, ezt soha nem engednék meg senkinek?
05:48
So in the 2020s,
116
348967
2253
A 2020-as években
05:51
people began to experiment -- rather than drilling these gigantic holes,
117
351244
3381
kísérletezni kezdtek az emberek – gigászi lyukak fúrása helyett
05:54
drilling microscopic holes, no thicker than a piece of hair.
118
354649
3115
mikroméretűeket fúrtak, hajszálvastagságú lyukakat.
05:58
And the idea here was really for diagnosis --
119
358735
2096
A diagnózis-állítás volt a fő cél –
06:00
there are lots of times in the diagnosis of brain disorders
120
360855
2786
sokszor megesik az agyi betegségek felülvizsgálata során,
06:03
when you would like to be able to look at the neural activity beneath the skull
121
363665
4872
hogy jó lenne belátni a koponya mélyébe, megfigyelni
06:08
and being able to drill these microscopic holes
122
368561
3191
az idegsejtek aktivitását, és ilyen apró lyukakat fúrhatnánk bele,
06:11
would make that much easier for the patient.
123
371776
2142
sokkal elviselhetőbb lenne a betegnek.
06:13
In the end, it would be like getting a shot.
124
373942
2349
Végül is annyi lenne, mint egy injekciószúrás.
06:16
You just go in and you sit down
125
376315
1580
Az ember bemegy, leül,
06:17
and there's a thing that comes down on your head,
126
377919
2301
van ott valami, ami ráereszkedik a fejére,
06:20
and a momentary sting and then it's done,
127
380244
1953
egy pillanatnyi szúrás, és kész,
06:22
and you can go back about your day.
128
382221
1864
már mehet is vissza a dolgára.
06:24
So we're eventually able to do it
129
384736
4793
Valójában ezt már ma is tudjuk,
06:29
using lasers to drill the holes.
130
389553
2667
lézerrel fúrunk ilyen lyukakat.
06:32
And with the lasers, it was fast and extremely reliable,
131
392244
2620
A lézerrel gyors és rendkívül megbízható a folyamat,
06:34
you couldn't even tell the holes were there,
132
394888
2213
az így fúrt lyukak észre sem vehetők,
06:37
any more than you could tell that one of your hairs was missing.
133
397125
3000
mint ahogy azt sem vesszük észre, ha egy hajszálunk kihullik.
06:40
And I know it might sound crazy, using lasers to drill holes in your skull,
134
400753
4738
Tudom, elég furán hangzik koponyába lézerrel lyukat fúrni,
06:45
but back in 2017,
135
405515
1366
de már 2017-ben
06:46
people were OK with surgeons shooting lasers into their eyes
136
406905
4109
az embereknek természetes volt, hogy a korrekciós szemműtétek során
06:51
for corrective surgery
137
411038
1214
lézerrel bombázzák a szemüket.
06:52
So when you're already here, it's not that big of a step.
138
412276
3887
Innen már csak egy ugrás,
06:57
OK?
139
417561
1151
igaz?
06:58
So the next step, that happened in the 2030s,
140
418736
3571
A következő lépést a 2030-as években tettük meg,
07:02
was that it's not just about getting through the skull.
141
422331
3086
már nem csak a koponyán hatoltunk át.
07:05
To measure the activity of neurons,
142
425441
1700
A neuronaktivitás méréséhez
07:07
you have to actually make it into the brain tissue itself.
143
427165
3825
közvetlenül az agyszövetbe kell bejutni.
07:11
And the risk, whenever you put something into the brain tissue,
144
431344
2968
De valahányszor megbolygatjuk az agyszövetet, lényegében
07:14
is essentially that of stroke.
145
434336
1439
stroke-ot kockáztatunk.
07:15
That you would hit a blood vessel and burst it,
146
435799
2196
Megsérthetünk egy eret, ami elpattanhat,
07:18
and that causes a stroke.
147
438019
1519
és kész a stroke.
07:19
So, by the mid 2030s, we had invented these flexible probes
148
439916
3725
2030 közepe táján már feltaláltuk a rugalmas szondákat,
07:23
that were capable of going around blood vessels,
149
443665
2278
amik megkerülik a vérereket,
07:25
rather than through them.
150
445967
1476
nem kell áthatolni rajtuk.
07:27
And thus, we could put huge batteries of these probes
151
447467
5697
Ezáltal e szondák nagy kötegeit telepíthetjük
07:33
into the brains of patients
152
453188
1357
a betegek agyába,
07:34
and record from thousands of their neurons without any risk to them.
153
454569
3270
és neuronjaik ezreiből készülhetnek felvételek, káros mellékhatás nélkül.
07:39
And what we discovered, sort of to our surprise,
154
459458
4061
Így mutattuk ki, nagy meglepetésünkre,
07:43
is that the neurons that we could identify
155
463543
2190
hogy a beazonosított neuronok
07:45
were not responding to things like ideas or emotion,
156
465757
3524
nem reagáltak sem gondolatokra, sem érzelmekre,
07:49
which was what we had expected.
157
469305
1627
ahogy azt elvártuk volna.
07:50
They were mostly responding to things like Jennifer Aniston
158
470956
3796
Leginkább olyanokra reagáltak, mint Jennifer Aniston,
07:54
or Halle Berry
159
474776
2404
Halle Berry,
07:57
or Justin Trudeau.
160
477204
1310
vagy Justin Trudeau.
07:58
I mean --
161
478538
1253
Úgy értem...
07:59
(Laughter)
162
479815
2326
(Nevetés)
08:02
In hindsight, we shouldn't have been that surprised.
163
482165
2437
Utólag belátom, nem kellett volna ezen meglepődnünk.
08:04
I mean, what do your neurons spend most of their time thinking about?
164
484626
3262
Úgy értem: mire gondolnak neuronjaink idejük legnagyobb részében?
08:07
(Laughter)
165
487912
1150
(Nevetés)
08:09
But really, the point is that
166
489380
2040
Komolyra fordítva a szót:
08:11
this technology enabled us to begin studying neuroscience in individuals.
167
491444
4430
ezzel a technikával képesek lettünk a neurológiát tanulmányozni egyénekben.
08:15
So much like the transition to genetics, at the single cell level,
168
495898
4230
Ahogy a genetika súlypontja az egyedi sejt szintjére helyeződött át,
08:20
we started to study neuroscience, at the single human level.
169
500152
3206
a neurológiát is emberi egyedszinten kezdjük tanulmányozni.
08:23
But we weren't quite there yet.
170
503890
1618
De ez még odébb van.
08:25
Because these technologies
171
505895
1642
Ezek a technikák ugyanis
08:27
were still restricted to medical applications,
172
507561
3056
kizárólag a gyógyászatban alkalmazhatók,
08:30
which meant that we were studying sick brains, not healthy brains.
173
510641
3391
vagyis beteg agyakat tanulmányoztunk, nem egészségeseket.
08:35
Because no matter how safe your technology is,
174
515235
3754
Mindegy ugyanis, mennyire biztonságos egy technika,
08:39
you can't stick something into someone's brain
175
519013
2730
nem szúrhatunk akármit bárki agyába
08:41
for research purposes.
176
521767
1420
kutatási célzattal.
08:43
They have to want it.
177
523211
1549
Bele kell egyezniük.
08:44
And why would they want it?
178
524784
1460
És miért egyeznének bele?
08:46
Because as soon as you have an electrical connection to the brain,
179
526268
3571
Amint ugyanis elektromos kapcsolatot létesítünk az aggyal,
08:49
you can use it to hook the brain up to a computer.
180
529863
2444
számítógépre köthetjük.
08:53
Oh, well, you know, the general public was very skeptical at first.
181
533061
3429
Az emberek többsége eleinte bizalmatlanul viszonyult ehhez.
08:56
I mean, who wants to hook their brain up to their computers?
182
536514
2869
Úgy értem: ki akarná számítógépre csatlakoztatni az agyát?
08:59
Well just imagine being able to send an email with a thought.
183
539926
4236
Képzeljék csak el, egyetlen gondolattal emailt küldhetnénk.
09:04
(Laughter)
184
544186
2253
(Nevetés)
09:06
Imagine being able to take a picture with your eyes, OK?
185
546463
4500
A szemünkkel fotózhatnánk.
09:10
(Laughter)
186
550987
1230
(Nevetés)
09:12
Imagine never forgetting anything anymore,
187
552241
2963
Soha semmit nem felejtenénk el,
09:15
because anything that you choose to remember
188
555228
2159
mert bármit, amire emlékezni akarunk,
09:17
will be stored permanently on a hard drive somewhere,
189
557411
2477
tartósan tárolhatnánk valahol valamilyen meghajtón,
09:19
able to be recalled at will.
190
559912
2029
ahonnan bármikor előhívható lenne.
09:21
(Laughter)
191
561965
3366
(Nevetés)
09:25
The line here between crazy and visionary
192
565355
3381
Soha nem volt teljesen világos az őrültség és a képzelet közti
09:28
was never quite clear.
193
568760
1467
választóvonal.
09:30
But the systems were safe.
194
570720
1857
De a rendszerek biztonságosak voltak.
09:32
So when the FDA decided to deregulate these laser-drilling systems, in 2043,
195
572879
5016
Amikor az FDA 2043-ban úgy döntött, engedélyezi a lézerfúró rendszereket,
09:37
commercial demand just exploded.
196
577919
2357
a kereskedelmi igény szinte robbant.
09:40
People started signing their emails,
197
580300
1888
Egyre többen írják alá így az emailjeiket:
09:42
"Please excuse any typos.
198
582212
1341
"Elnézést kérek az elírásokért.
09:43
Sent from my brain."
199
583577
1333
Az agyam küldte."
09:44
(Laughter)
200
584934
1001
(Nevetés)
09:45
Commercial systems popped up left and right,
201
585959
2072
Mindenfelé kereskedelmi rendszerek bukkantak fel
09:48
offering the latest and greatest in neural interfacing technology.
202
588055
3238
a legújabb és legnagyszerűbb neurál-interfész technológiát kínálva.
09:51
There were 100 electrodes.
203
591792
1753
Száz elektróda volt.
09:53
A thousand electrodes.
204
593569
1911
Aztán ezer.
09:55
High bandwidth for only 99.99 a month.
205
595504
2476
Nagy sávszélesség már havi 99 centért!
09:58
(Laughter)
206
598004
1539
(Nevetés)
09:59
Soon, everyone had them.
207
599567
1534
Rövidesen mindenki beszerezte.
10:01
And that was the key.
208
601694
1571
És ez lett a lényeg.
10:03
Because, in the 2050s, if you were a neuroscientist,
209
603289
2923
A 2050-es években ugyanis aki neurológus,
10:06
you could have someone come into your lab essentially from off the street.
210
606236
3939
az bárkit fogadhat a laborjában, akár az utcáról is.
10:10
And you could have them engaged in some emotional task
211
610792
2864
Tanulmányozhatja bárki érzelmi életét,
10:13
or social behavior or abstract reasoning,
212
613680
2437
társas viselkedését vagy elvont gondolkodását,
10:16
things you could never study in mice.
213
616141
2531
mindazt, amit egerekben képtelenség.
10:18
And you could record the activity of their neurons
214
618696
3111
A már meglévő idegi interfészekkel
10:21
using the interfaces that they already had.
215
621831
3191
rögzítheti neuronaktivitásukat.
10:25
And then you could also ask them about what they were experiencing.
216
625046
3189
Azt is megkérdezheti a pácienseitől, mit éltek át.
10:28
So this link between psychology and neuroscience
217
628259
3349
Így egyszer csak létrejött a pszichológia és a neurológia közti
10:31
that you could never make in the animals, was suddenly there.
218
631632
3381
kapcsolat, amit állatkísérletekkel sosem tudtunk megteremteni.
10:35
So perhaps the classic example of this
219
635695
2184
Talán klasszikus példa volt erre
10:37
was the discovery of the neural basis for insight.
220
637903
3523
az intuíció idegi alapjának felfedezése.
10:41
That "Aha!" moment, the moment it all comes together, it clicks.
221
641450
3600
Az "Aha!"-pillanat szikrája, amikor minden egybevág.
10:45
And this was discovered by two scientists in 2055,
222
645593
4056
Mindezt két kutató fedezte fel 2055-ben,
10:49
Barry and Late,
223
649673
1372
Barry és Late,
10:51
who observed, in the dorsal prefrontal cortex,
224
651069
3663
akik megfigyelték a dorzális prefrontális kéregben,
10:54
how in the brain of someone trying to understand an idea,
225
654756
5222
mi zajlik az agyban, mikor valaki megpróbál megérteni valamit,
11:00
how different populations of neurons would reorganize themselves --
226
660002
3369
hogyan szervezik magukat újjá a neuronok eltérő populációi –
11:03
you're looking at neural activity here in orange --
227
663395
2436
itt narancsszínnel láthatják a neurális aktivitást –
11:05
until finally their activity aligns in a way that leads to positive feedback.
228
665855
3738
míg végül az aktivitás úgy igazodik, hogy pozitív visszacsatoláshoz vezet.
11:10
Right there.
229
670339
1150
Épp itt.
11:12
That is understanding.
230
672723
1467
Ez a megértés.
11:15
So finally, we were able to get at the things that make us human.
231
675413
4437
Végül tehát képesek lettünk feltárni, mi tesz minket emberré.
11:21
And that's what really opened the way to major insights from medicine.
232
681871
4578
És ez lényegében utat nyitott az orvostudomány nagyobb felfedezéseihez.
11:27
Because, starting in the 2060s,
233
687465
2755
A 2060-as évek elején ugyanis azáltal,
11:30
with the ability to record the neural activity
234
690244
2484
hogy rögzíteni tudjuk a neurális aktivitást,
11:32
in the brains of patients with these different mental diseases,
235
692752
3587
a különféle agyi betegségektől szenvedő betegek agyában
11:36
rather than defining the diseases on the basis of their symptoms,
236
696363
4690
nem a tüneteik alapján határozzuk meg a betegségeiket,
11:41
as we had at the beginning of the century,
237
701077
2040
mint a század elején,
11:43
we started to define them
238
703141
1222
hanem inkább
11:44
on the basis of the actual pathology that we observed at the neural level.
239
704387
3539
az aktuális patológia alapján, amit neurális szinten figyeltünk meg.
11:48
So for example, in the case of ADHD,
240
708768
3825
Egy figyelemzavaros beteg esetében például
11:52
we discovered that there are dozens of different diseases,
241
712617
3174
kimutattuk, hogy ez több tucat különböző betegség.
11:55
all of which had been called ADHD at the start of the century,
242
715815
3009
Mindazon betegségeknek, amiket a század elején ADHD-nak neveztünk,
11:58
that actually had nothing to do with each other,
243
718848
2301
valójában semmi közük egymáshoz,
12:01
except that they had similar symptoms.
244
721173
2118
pusztán csak hasonlóak a tüneteik.
12:03
And they needed to be treated in different ways.
245
723625
2372
Eltérő kezelést igényelnek.
12:06
So it was kind of incredible, in retrospect,
246
726307
2247
Visszatekintve tehát elég hihetetlennek tűnik,
12:08
that at the beginning of the century,
247
728578
1777
hogy a század elején
12:10
we had been treating all those different diseases
248
730379
2317
ezt a sok különböző betegséget
12:12
with the same drug,
249
732720
1183
egyformán kezeltük,
12:13
just by giving people amphetamine, basically is what we were doing.
250
733927
3214
minden beteg amfetamint kapott, alapvetően ebből állt a kezelésük.
12:17
And schizophrenia and depression are the same way.
251
737165
2488
Ugyanez igaz a skizofréniára és a depresszióra.
12:19
So rather than prescribing drugs to people essentially at random,
252
739677
4032
De már nem véletlenszerűen írunk fel gyógyszert a betegeknek,
12:23
as we had,
253
743733
1150
mint régen,
12:24
we learned how to predict which drugs would be most effective
254
744907
3511
hanem előre tudjuk jelezni, melyik gyógyszer hogyan hat
12:28
in which patients,
255
748442
1183
egyes betegekre,
12:29
and that just led to this huge improvement in outcomes.
256
749649
2756
és ez az eredmények látványos javulásához vezetett.
12:33
OK, I want to bring you back now to the year 2017.
257
753498
3476
Most pedig visszahoznám önöket 2017-be.
12:38
Some of this may sound satirical or even far fetched.
258
758117
3373
Lehet, hogy mindez túlzásnak tűnt, vagy erőltetettnek hangzik.
12:41
And some of it is.
259
761514
1293
Valamennyire az is.
12:43
I mean, I can't actually see into the future.
260
763291
2651
Mármint valójában nem látok a jövőbe.
12:45
I don't actually know
261
765966
1366
Nem tudom pontosan,
12:47
if we're going to be drilling hundreds or thousands of microscopic holes
262
767356
3667
fúrunk-e többszáz vagy többezer mikroméretű lyukat a fejünkbe
12:51
in our heads in 30 years.
263
771047
1667
harminc éven belül.
12:53
But what I can tell you
264
773762
1706
De azt elmondhatom,
12:55
is that we're not going to make any progress
265
775492
2175
nem juthatunk előrébb sem az emberi agy,
12:57
towards understanding the human brain or human diseases
266
777691
3727
sem az agyi betegségek megértésének útján,
13:01
until we figure out how to get at the electrical activity of neurons
267
781442
4516
míg rá nem jövünk, hogyan vizsgáljuk a neuronok elektromos aktivitását
13:05
in healthy humans.
268
785982
1200
egészséges emberekben.
13:07
And almost no one is working on figuring out how to do that today.
269
787918
3239
Ma szinte senki nem fáradozik, nem gondolkozik ennek kidolgozásán.
13:12
That is the future of neuroscience.
270
792077
2334
Ez a neurológia jövője.
13:14
And I think it's time for neuroscientists to put down the mouse brain
271
794752
4393
Szerintem ideje, hogy a neurológusok letegyék az egerek agyát,
13:19
and to dedicate the thought and investment necessary
272
799169
2754
és annak szenteljék figyelmüket, arra fordítsanak pénzt,
13:21
to understand the human brain and human disease.
273
801947
3267
hogy megértsék az emberi agyat és az agyi betegségeket.
13:27
Thank you.
274
807629
1151
Köszönöm.
13:28
(Applause)
275
808804
1172
(Taps)
Erről a weboldalról

Ez az oldal olyan YouTube-videókat mutat be, amelyek hasznosak az angol nyelvtanuláshoz. A világ minden tájáról származó, kiváló tanárok által tartott angol leckéket láthatsz. Az egyes videók oldalán megjelenő angol feliratokra duplán kattintva onnan játszhatja le a videót. A feliratok a videó lejátszásával szinkronban gördülnek. Ha bármilyen észrevétele vagy kérése van, kérjük, lépjen kapcsolatba velünk ezen a kapcsolatfelvételi űrlapon.

https://forms.gle/WvT1wiN1qDtmnspy7