Anders Ynnerman: Visualizing the medical data explosion

מתרגם: Guy Ernest מבקר: Sigal Tifferet

I will start by posing a little bit of a challenge:

אני אתחיל על ידי הצבת אתגר קטן,

the challenge of dealing with data,

האתגר של התמודדות עם נתונים,

data that we have to deal with

נתונים איתם צריך להתמודד

in medical situations.

במצבים רפואיים.

It's really a huge challenge for us.

זה באמת אתגר אדיר עבורנו.

And this is our beast of burden --

וזוהי בהמת המשא שלנו.

this is a Computer Tomography machine,

זוהי מכונת הטומוגרפיה הממוחשבת --

a CT machine.

מכונת ה-סי-טי.

It's a fantastic device.

זהו מכשיר מדהים.

It uses X-rays, X-ray beams,

הוא משתמש באלומות של קרני רנטגן,

that are rotating very fast around the human body.

שמסתובבות מאד מהר מסביב לגוף האדם.

It takes about 30 seconds to go through the whole machine

לוקח בערך 30 שניות לעבור דרך כל המכונה

and is generating enormous amounts of information

והיא מייצרת כמויות עצומות של מידע

that comes out of the machine.

שיוצא מהמכונה.

So this is a fantastic machine

אז זוהי מכונה מדהימה

that we can use

שאנחנו יכולים להשתמש

for improving health care,

כדי לשפר את הטיפול הרפואי.

but as I said, it's also a challenge for us.

אך כפי שאמרתי, זה גם מהווה אתגר עבורנו.

And the challenge is really found in this picture here.

והאתגר נמצא באמת בתמונה הזאת כאן.

It's the medical data explosion

זוהי התפוצצות של הנתונים הרפואיים

that we're having right now.

שיש לנו עכשיו.

We're facing this problem.

אנו מתמודדים עם הבעיה הזאת.

And let me step back in time.

הרשו לי לחזור בזמן.

Let's go back a few years in time and see what happened back then.

בואו נחזור מספר שנים ונראה מה קרה אז.

These machines that came out --

המכונות האלה שיצאו --

they started coming in the 1970s --

הם התחילו לצאת בשנות ה-70 --

they would scan human bodies,

הם סרקו את גוף האדם,

and they would generate about 100 images

והם יצרו בערך 100 תמונות

of the human body.

של גוף האדם.

And I've taken the liberty, just for clarity,

הרשיתי לעצמי, לצרכי בהירות,

to translate that to data slices.

לתרגם את זה לחתכים של נתונים.

That would correspond to about 50 megabytes of data,

זה מתרגם לבערך 50 מגה בייט של נתונים,

which is small

שזה מעט

when you think about the data we can handle today

כאשר אתם חושבים על הנתונים שאנחנו מסוגלים לטפל היום

just on normal mobile devices.

אפילו במכשיר נייד נורמלי.

If you translate that to phone books,

אם אתם מתרגמים את זה לספר טלפונים,

it's about one meter of phone books in the pile.

זה בערך מטר של ספרי טלפונים בערימה.

Looking at what we're doing today

אם תביטו מה אנחנו עושים היום

with these machines that we have,

בעזרת המכונות האלה שיש לנו,

we can, just in a few seconds,

אנחנו יכולים, אפילו בשניות ספורות,

get 24,000 images out of a body,

לקבל 24,000 תמונות מתוך הגוף.

and that would correspond to about 20 gigabytes of data,

וזה מתרגם לבערך 20 ג'יגה בייט של נתונים,

or 800 phone books,

או 800 ספרי טלפונים.

and the pile would then be 200 meters of phone books.

והערימה תהיה אז 200 מטר של ספרי טלפונים.

What's about to happen --

מה שעומד לקרות --

and we're seeing this; it's beginning --

ואנחנו רואים את זה, זה מתחיל --

a technology trend that's happening right now

מגמה טכנולוגית שמתרחשת ממש עכשיו

is that we're starting to look at time-resolved situations as well.

היא שאנחנו מתחילים לראות מצבים של תוצאות זמן גם כן.

So we're getting the dynamics out of the body as well.

אז אנחנו מקבלים את הדינמיקה של הגוף גם כן.

And just assume

ורק נניח

that we will be collecting data during five seconds,

שאנחנו אוספים נתונים במשך 5 שניות,

and that would correspond to one terabyte of data --

זה יתורגם לטרה בייט של נתונים.

that's 800,000 books

שהם 800,000 ספרים

and 16 kilometers of phone books.

ו-16 ק"מ של ספרי טלפונים.

That's one patient, one data set.

וזה רק חולה אחד, רק קבוצת נתונים אחת.

And this is what we have to deal with.

ועם זה אנחנו צריכים להתמודד.

So this is really the enormous challenge that we have.

אז יש לנו באמת אתגר אדיר.

And already today -- this is 25,000 images.

וכבר היום -- זה 25,000 תמונות.

Imagine the days

דמיינו את הימים

when we had radiologists doing this.

שהיו לנו רדיולוגים שעושים את זה.

They would put up 25,000 images,

הם היו שמים 25,000 תמונות,

they would go like this, "25,0000, okay, okay.

הם היו אומרים משהו כמו, "25,000, בסדר, בסדר.

There is the problem."

הנה הבעיה."

They can't do that anymore. That's impossible.

הם לא יכולים לעשות את זה יותר, זה בלתי אפשרי.

So we have to do something that's a little bit more intelligent than doing this.

אז אנחנו צריכים לעשות משהו קצת יותר אינטלגנטי מאשר לעשות את זה.

So what we do is that we put all these slices together.

אז אנחנו שמים את כל החתכים ביחד.

Imagine that you slice your body in all these directions,

דמיינו שאתם חותכים את הגוף שלכם בכל הכיוונים האלה,

and then you try to put the slices back together again

ואז אתם מנסים לשים את החתכים ביחד בחזרה שוב

into a pile of data, into a block of data.

לתוך ערימה של נתונים, לתוך בלוק של נתונים.

So this is really what we're doing.

אז זה באמת מה שאנחנו עושים.

So this gigabyte or terabyte of data, we're putting it into this block.

אז הג'יגה בייט או הטרה בייט של נתונים, אנחנו שמים אותם לתוך הבלוק הזה.

But of course, the block of data

אבל כמובן, הבלוק של הנתונים

just contains the amount of X-ray

רק כולל את הכמות של קרני הרנטגן

that's been absorbed in each point in the human body.

שנספגו בכל נקודה בגוף האדם.

So what we need to do is to figure out a way

אז מה שאנחנו צריכים לעשות זה למצוא דרך

of looking at the things we do want to look at

להסתכל בדברים שאנחנו רוצים לראות

and make things transparent that we don't want to look at.

ולגרום לדברים שאנחנו לא רוצים לראות להיות שקופים.

So transforming the data set

אז לשנות את קבוצת הנתונים

into something that looks like this.

למשהו שנראה כמו זה.

And this is a challenge.

וזהו אתגר.

This is a huge challenge for us to do that.

זה אתגר עצום בשבילנו.

Using computers, even though they're getting faster and better all the time,

שימוש במחשבים, אפילו שהם נעשים מהירים וטובים יותר כל הזמן,

it's a challenge to deal with gigabytes of data,

זה אתגר לעבד ג'יגות בייט של נתונים,

terabytes of data

טרות בייט של נתונים

and extracting the relevant information.

ולחלץ את המידע הרלוונטי.

I want to look at the heart.

אני רוצה להסתכל על הלב,

I want to look at the blood vessels. I want to look at the liver.

אני רוצה להסתכל על עורקי הדם, אני רוצה להסתכל על הכבד,

Maybe even find a tumor,

אולי אפילו למצוא גידול

in some cases.

במקרים מסויימים.

So this is where this little dear comes into play.

אז זה המקום שהדבר הקטן והיקר הזה נכנס למשחק.

This is my daughter.

זוהי הבת שלי.

This is as of 9 a.m. this morning.

זוהי בשעה 9 בבוקר היום.

She's playing a computer game.

היא משחקת משחק מחשב.

She's only two years old,

היא רק בת שנתיים,

and she's having a blast.

והיא מאד נהנית.

So she's really the driving force

אז היא הכוח המוביל

behind the development of graphics-processing units.

מאחורי הפיתוח של יחידות העיבוד הגראפיות.

As long as kids are playing computer games,

כל עוד ילדים משחקים משחקי מחשב,

graphics is getting better and better and better.

הגראפיקה נעשית טובה יותר ויותר ויותר.

So please go back home, tell your kids to play more games,

אז אימרו בבקשה לילדכם לשחק יותר משחקים,

because that's what I need.

כי זה מה שאני צריך.

So what's inside of this machine

אז מה שיש בתוך המכונה הזאת

is what enables me to do the things that I'm doing

מאפשר לי לעשות את הדברים שאני עושה

with the medical data.

עם הנתונים הרפואיים.

So really what I'm doing is using these fantastic little devices.

אז אני משתמש במכשירים הקטנים והפנטסטים האלה.

And you know, going back

ואתם יודעים, בעבר

maybe 10 years in time

לפני אולי 10 שנים

when I got the funding

כאשר קיבלתי את המימון

to buy my first graphics computer --

לקנות את המחשב הגראפי הראשון שלי.

it was a huge machine.

זו היתה מכונה ענקית.

It was cabinets of processors and storage and everything.

ארונות של מעבדים, ואיחסון והכל.

I paid about one million dollars for that machine.

שילמתי בערך מיליון דולר עבורה.

That machine is, today, about as fast as my iPhone.

המכונה הזאת, היום, היא מהירה כמו האייפון שלי.

So every month there are new graphics cards coming out,

אז כל חודש יוצאים כרטיסים גראפיים חדשים.

and here is a few of the latest ones from the vendors --

והנה כמה מהאחרונים מהיצרנים --

NVIDIA, ATI, Intel is out there as well.

NVIDA, ATI ויש גם לאינטל.

And you know, for a few hundred bucks

ואתם יודעים, בעבור כמו מאות דולרים

you can get these things and put them into your computer,

אתם יכולים לשים את הדברים האלה בתוך המחשב שלכם,

and you can do fantastic things with these graphics cards.

ואתם יכולים לעשות דברים פנטסטיים בעזרתם.

So this is really what's enabling us

אז זה באמת מה שמאפשר לנו

to deal with the explosion of data in medicine,

להתמודד עם התפוצצות הנתונים ברפואה,

together with some really nifty work

ביחד עם כמה עבודות ממש איכותיות

in terms of algorithms --

במונחים של אלגוריתמים --

compressing data,

דחיסת נתונים,

extracting the relevant information that people are doing research on.

חילוץ המידע הרלוונטי שאנשים חוקרים.

So I'm going to show you a few examples of what we can do.

אז אני הולך להראות לכם מספר דוגמאות של מה שאנחנו יכולים לעשות.

This is a data set that was captured using a CT scanner.

זאת קבוצת נתונים שנוצרה בעזרת סורק סי-טי.

You can see that this is a full data [set].

אתם יכולים לראות שאלו נתונים מלאים.

It's a woman. You can see the hair.

זוהי אישה. אתם יכולים לראות את השיער.

You can see the individual structures of the woman.

אתם יכולים לראות את החלקים השונים של האישה.

You can see that there is [a] scattering of X-rays

אתם יכולים לראות את ההתפזרות של קרני הרנטגן

on the teeth, the metal in the teeth.

בשניים, המתכת בתוך השן.

That's where those artifacts are coming from.

זהו המקור לההפרעות האלה.

But fully interactively

אבל בצורה אינטראקטיבית לחלוטין

on standard graphics cards on a normal computer,

בעזרת כרטיס גראפי סטנדרטי של מחשב רגיל,

I can just put in a clip plane.

אני יכול להכניס משטח.

And of course all the data is inside,

וכמובן כל הנתונים בתוכו,

so I can start rotating, I can look at it from different angles,

ואז אני יכול לסובב, אני יכול להסתכל על זה מזוויות שונות,

and I can see that this woman had a problem.

ואני יכול לראות שלאישה הזאת היתה בעיה.

She had a bleeding up in the brain,

היה לה דימום במוח,

and that's been fixed with a little stent,

וזה תוקן בעזרת סטנט קטן,

a metal clamp that's tightening up the vessel.

אטב מתכת שמכווץ את כלי הדם.

And just by changing the functions,

ובעזרת שינוי הפונקציות בלבד,

then I can decide what's going to be transparent

אני יכול לקבוע מה יהיה שקוף

and what's going to be visible.

ומה יראה.

I can look at the skull structure,

אני יכול להסתכל במבנה הגולגולת,

and I can see that, okay, this is where they opened up the skull on this woman,

ואני יכול לראות היכן הם פתחו את הגולגולת של האישה הזאת,

and that's where they went in.

והיכן הם נכנסו.

So these are fantastic images.

אז אלו הם תמונות פנטסטיות.

They're really high resolution,

הן ברזולוציה גבוהה,

and they're really showing us what we can do

והן ממש מראות לנו מה אנחנו יכולים לעשות

with standard graphics cards today.

בעזרת כרטיסים גראפיים סטנדרטים היום.

Now we have really made use of this,

אנחנו באמת ניצלנו את זה,

and we have tried to squeeze a lot of data

וניסינו לדחוף הרבה נתונים

into the system.

לתוך המערכת.

And one of the applications that we've been working on --

ואחד הישומים שאנחנו עובדים עליו --

and this has gotten a little bit of traction worldwide --

שזכה לקצת הדים בעולם --

is the application of virtual autopsies.

הוא הישום של נתיחת גופות וירטואלית.

So again, looking at very, very large data sets,

בהסתכלות על קבוצות נתונים מאד גדולות,

and you saw those full-body scans that we can do.

וראיתם את סקירות הגוף המלאות שאנחנו מסוגלים לעשות.

We're just pushing the body through the whole CT scanner,

אנחנו פשוט מעבירים את הגוף דרך כל סורק ה-סי-טי,

and just in a few seconds we can get a full-body data set.

ובתוך מספר שניות אנחנו מקבלים נתונים עבור כל הגוף.

So this is from a virtual autopsy.

וזה מתוך נתיחת גופה וירטואלית.

And you can see how I'm gradually peeling off.

ואתם יכולים לראות איך אני מסיר שכבות בהדרגה.

First you saw the body bag that the body came in,

ראשית אתם רואים את שק הגופות שהגופה הגיעה בו,

then I'm peeling off the skin -- you can see the muscles --

ואז אני מסיר את שכבת העור -- אתם יכולים לראות את השרירים --

and eventually you can see the bone structure of this woman.

ולבסוף אתם יכולים לראות את מבנה העצמות של האישה הזאת.

Now at this point, I would also like to emphasize

בנקודה זאת אני רוצה להדגיש

that, with the greatest respect

שעם כל הכבוד

for the people that I'm now going to show --

לאנשים שאני אראה עכשיו --

I'm going to show you a few cases of virtual autopsies --

אני אראה לכם מספר מקרים של נתיחת גופות וירטואליות --

so it's with great respect for the people

אז עם כל הכבוד לאנשים

that have died under violent circumstances

שמתו בנסיבות אלימות

that I'm showing these pictures to you.

אני מציג לכם את התמונות האלה.

In the forensic case --

בחקירת פשעים --

and this is something

שזה משהו

that ... there's been approximately 400 cases so far

שהיו בערך 400 מקרים עד עתה

just in the part of Sweden that I come from

רק בחלק של שבדיה שאני בא ממנו

that has been undergoing virtual autopsies

שעברו נתיחת גופות וירטואלית

in the past four years.

במהלך 4 השנים האחרונות.

So this will be the typical workflow situation.

אז הנה תהליך העבודה הטיפוסי.

The police will decide --

המשטרה מחליטה --

in the evening, when there's a case coming in --

בערב כאשר המקרה מגיע --

they will decide, okay, is this a case where we need to do an autopsy?

שזהו מקרה שדורש נתיחת גופה.

So in the morning, in between six and seven in the morning,

אז בבוקר, בין שש ושבע בבוקר,

the body is then transported inside of the body bag

הגופה מועברת בתוך שק גופות

to our center

למרכז שלנו

and is being scanned through one of the CT scanners.

ונסרקת בתוך אחד מסורקי ה-סי-טי.

And then the radiologist, together with the pathologist

ואז הרדיולוג, ביחד עם הפתולוג

and sometimes the forensic scientist,

ולפעמים חוקר הפשעים המדעי,

looks at the data that's coming out,

מסתכלים בנתונים שיוצאים,

and they have a joint session.

והם מקיימים דיון משותף.

And then they decide what to do in the real physical autopsy after that.

ואז הם מחליטים מה לעשות בנתיחה הפיסית לאחר מכן.

Now looking at a few cases,

מהסתכלות במספר מקרים,

here's one of the first cases that we had.

הנה אחד המקרים הראשונים שהיו לנו.

You can really see the details of the data set.

אתם ממש יכולים לראות את הפרטים של קבוצת הנתונים,

It's very high-resolution,

זה ברזולוציה מאד גבוהה.

and it's our algorithms that allow us

ואלו האלגוריתמים שלנו שמאפשרים לנו

to zoom in on all the details.

להתמקד בכל הפרטים.

And again, it's fully interactive,

ושוב זה אינטרקטיבי לחלוטין,

so you can rotate and you can look at things in real time

אתם יכולים לסובב ואתם יכולים להביט בדברים בזמן אמיתי

on these systems here.

במערכות האלה כאן.

Without saying too much about this case,

בלי להגיד יותר מדי על המקרה הזה,

this is a traffic accident,

זוהי תאונת דרכים,

a drunk driver hit a woman.

נהג שיכור פגע באישה.

And it's very, very easy to see the damages on the bone structure.

וזה מאד מאד קל לראות את הנזקים במבנה העצמות.

And the cause of death is the broken neck.

וסיבת המוות היא צוואר שבור.

And this women also ended up under the car,

והאישה הזאת גם נמצאה מתחת למכונית,

so she's quite badly beaten up

כך שהיא נחבטה בצורה חמורה

by this injury.

בפגיעה הזאת.

Here's another case, a knifing.

הנה מקרה נוסף, דקירת סכין.

And this is also again showing us what we can do.

וזה שוב מראה מה אנחנו מסוגלים לעשות.

It's very easy to look at metal artifacts

זה מאד קל לראות את חלקי המתכת

that we can show inside of the body.

שאנחנו יכולים להציג בתוך הגוף.

You can also see some of the artifacts from the teeth --

אתם יכולים גם לראות חתיכות מהשיניים --

that's actually the filling of the teeth --

אלו באמת המילוי של השיניים --

but because I've set the functions to show me metal

אבל זה בגלל שכיוונו את הפונקציה להראות מתכת

and make everything else transparent.

ולהראות את כל השאר כשקוף.

Here's another violent case. This really didn't kill the person.

הנה עוד מקרה אלים. זה באמת לא הרג את האיש.

The person was killed by stabs in the heart,

האיש נרצח על ידי דקירות בלב,

but they just deposited the knife

אבל הם נעצו את הסכין

by putting it through one of the eyeballs.

בגלגל העין.

Here's another case.

הנה מקרה נוסף.

It's very interesting for us

זה מאד מעניין אותנו

to be able to look at things like knife stabbings.

להיות מסוגלים להביט בדברים כמו דקירות סכינים.

Here you can see that knife went through the heart.

כאן אתם יכולים לראות שהסכין עברה דרך הלב.

It's very easy to see how air has been leaking

מאד קל לראות איך האוויר התפזר

from one part to another part,

מחלק אחד לחלק אחר,

which is difficult to do in a normal, standard, physical autopsy.

דבר שהוא קשה לעשות בנתיחה פיזית רגילה וסטנדרטית.

So it really, really helps

אז זה ממש ממש עוזר

the criminal investigation

לחקירות פשעים

to establish the cause of death,

לקבוע את סיבת המוות,

and in some cases also directing the investigation in the right direction

ובמקרים מסוימים לכוון את החקירה לכיוון הנכון

to find out who the killer really was.

לגלות מי באמת היה הרוצח.

Here's another case that I think is interesting.

הנה עוד מקרה שאני חושב שהוא מעניין.

Here you can see a bullet

כאן אתם יכולים לראות קליע

that has lodged just next to the spine on this person.

שנמצא ממש ליד עמוד השדרה של האיש הזה.

And what we've done is that we've turned the bullet into a light source,

ומה שעשינו היה להפוך את הקליע למקור אור,

so that bullet is actually shining,

כך שהקליע ממש זורח,

and it makes it really easy to find these fragments.

וזה מקל על מציאת החלקיקים האלה.

During a physical autopsy,

במהלך נתיחה פיזית,

if you actually have to dig through the body to find these fragments,

אם אתם צריכים ממש לחפור בגוף כדי למצוא את החלקיקים האלה,

that's actually quite hard to do.

זה באמת די קשה.

One of the things that I'm really, really happy

אחד הדברים שממש ממש משמח אותי

to be able to show you here today

להראות לכם כיום

is our virtual autopsy table.

הוא שולחן הנתיחות הוירטואלי שלנו.

It's a touch device that we have developed

זה מכשיר מגע שפיתחנו

based on these algorithms, using standard graphics GPUs.

בהתבסס על האלגוריתמים האלה, בעזרת מעבדים גראפיים סטנדרטים.

It actually looks like this,

זה באמת נראה כך,

just to give you a feeling for what it looks like.

רק כדי לתת לכם את התחושה איך זה נראה.

It really just works like a huge iPhone.

זה עובד כמו אי-פון ענק.

So we've implemented

אנחנו ישמנו

all the gestures you can do on the table,

את כל המחוות שאתם יכולים לעשות על השולחן,

and you can think of it as an enormous touch interface.

ואתם יכולים לחשוב על זה כמו ממשק מגע ענקי.

So if you were thinking of buying an iPad,

אז אם חשבתם לקנות אי-פד,

forget about it. This is what you want instead.

תשכחו מזה, זה מה שאתם רוצים במקום.

Steve, I hope you're listening to this, all right.

סטיב, אני מקווה שאתה מקשיב לזה.

So it's a very nice little device.

אז זהו מכשיר קטן ומאד נחמד.

So if you have the opportunity, please try it out.

אז אם יש לכם הזדמנות, אנא נסו אותו.

It's really a hands-on experience.

זוהי ממש חווית מגע.

So it gained some traction, and we're trying to roll this out

אז זה מתחיל לצבור תאוצה, ואנחנו מנסים לשווק את זה

and trying to use it for educational purposes,

ומנסים להשתמש בזה לצרכים חינוכיים,

but also, perhaps in the future,

אבל גם, אולי בעתיד,

in a more clinical situation.

במצבים יותר קליניים.

There's a YouTube video that you can download and look at this,

יש סרטון יו-טיוב שאתם יכולים להוריד ולראות את זה,

if you want to convey the information to other people

אם אתם רוצים להעביר את המידע לאנשים אחרים

about virtual autopsies.

לגבי נתיחות וירטואליות.

Okay, now that we're talking about touch,

כאשר אנחנו מדברים על מגע,

let me move on to really "touching" data.

בואו ממש ניגע בנתונים.

And this is a bit of science fiction now,

וזה קצת מדע בדיוני עכשיו,

so we're moving into really the future.

ואנחנו עוברים באמת לעתיד.

This is not really what the medical doctors are using right now,

הרופאים לא באמת משתמשים בזה עכשיו,

but I hope they will in the future.

אבל אני מקווה שהם יעשו זאת בעתיד.

So what you're seeing on the left is a touch device.

אז מה שאנחנו רואים בצד שמאל הוא מכשיר מגע.

It's a little mechanical pen

זהו עט מכני קטן

that has very, very fast step motors inside of the pen.

שיש לו מנועי צעד מאד מאד מהירים בתוכו.

And so I can generate a force feedback.

כך שאני יכול ליצר משוב של לחיצה.

So when I virtually touch data,

כך שכשאני נוגע בנתונים בצורה וירטואלית,

it will generate forces in the pen, so I get a feedback.

זה ייצר כוחות מגע בעט, כך שאני מקבל משוב.

So in this particular situation,

מצב מסוים זה,

it's a scan of a living person.

הוא סריקה של אדם חי.

I have this pen, and I look at the data,

יש לי את העט, ואני מביט בנתונים,

and I move the pen towards the head,

ואני מזיז את העט לכיוון הראש,

and all of a sudden I feel resistance.

ופתאום אני מרגיש התנגדות.

So I can feel the skin.

כך שאני יכול להרגיש את העור.

If I push a little bit harder, I'll go through the skin,

אם אני לוחץ קצת יותר חזק, אני אחדור את העור,

and I can feel the bone structure inside.

ואני יכול לחוש את מבנה העצמות בפנים.

If I push even harder, I'll go through the bone structure,

אם אני לוחץ יותר חזק, אני אחדור את מבנה העצמות,

especially close to the ear where the bone is very soft.

ביחוד ליד האוזן בו העצם היא מאד רכה.

And then I can feel the brain inside, and this will be the slushy like this.

ואז אני יכול לחוש את המוח בפנים, וזה יהיה רכרוכי.

So this is really nice.

אז זה ממש נחמד.

And to take that even further, this is a heart.

וכדי לקחת את זה יותר רחוק, זהו הלב.

And this is also due to these fantastic new scanners,

וגם זה בעזרת הסורקים החדשים הפנטסטיים,

that just in 0.3 seconds,

תוך 0.3 שניות,

I can scan the whole heart,

אני יכול לסרוק את כל הלב,

and I can do that with time resolution.

ואני יכול לעשות את זה ברזולוציה של זמן.

So just looking at this heart,

ורק באמצעות הסתכלות על הלב הזה,

I can play back a video here.

אני יכול לנגן את הוידאו אחורה.

And this is Karljohan, one of my graduate students

וזהו קרליואן, אחד התלמידים שלי,

who's been working on this project.

שעבד על הפרויקט הזה.

And he's sitting there in front of the Haptic device, the force feedback system,

והוא יושב לפני מכשיר המגע הזה, מערכת משוב הכוח,

and he's moving his pen towards the heart,

והוא מזיז את העט לכיוון הלב,

and the heart is now beating in front of him,

והלב עכשיו פועם מולו,

so he can see how the heart is beating.

והוא יכול לראות כיצד הלב פועם.

He's taken the pen, and he's moving it towards the heart,

הוא לוקח את העט, ומקרב אותו ללב,

and he's putting it on the heart,

והוא מניח אותו על הלב,

and then he feels the heartbeats from the real living patient.

ואז הוא מרגיש את פעימות הלב של חולה אמיתי.

Then he can examine how the heart is moving.

ואז הוא יכול לבדוק כיצד הלב זז.

He can go inside, push inside of the heart,

הוא יכול להכנס פנימה, לתוך הלב,

and really feel how the valves are moving.

וממש לחוש כיצד המסתמים זזים.

And this, I think, is really the future for heart surgeons.

וזהו, אני חושב, העתיד של נתוחי הלב.

I mean it's probably the wet dream for a heart surgeon

זהו כנראה החלום הרטוב של מנתחי הלב

to be able to go inside of the patient's heart

להיות מסוגלים לחדור לתוך הלב של החולה

before you actually do surgery,

לפני שהם ממש עושים את הניתוח,

and do that with high-quality resolution data.

ולעשות את זה עם נתונים ברזולוציה גבוהה.

So this is really neat.

אז זה ממש מגניב.

Now we're going even further into science fiction.

עכשיו נלך אפילו יותר רחוק לתוך המדע הבדיוני.

And we heard a little bit about functional MRI.

אנחנו שומעים קצת על אמ-אר-אי פונקציונלי.

Now this is really an interesting project.

זהו באמת פרויקט מעניין.

MRI is using magnetic fields

אמ-אר-אי משתמש בשדות מגנטיים

and radio frequencies

וגלי רדיו

to scan the brain, or any part of the body.

כדי לסרוק את המוח, או כל חלק אחר בגוף.

So what we're really getting out of this

מה שאנחנו באמת מקבלים

is information of the structure of the brain,

זהו מידע על המבנה של המוח,

but we can also measure the difference

אבל אנחנו גם יכולים למדוד את ההבדלים

in magnetic properties of blood that's oxygenated

בתכונות המגנטיות של הדם המחומצן

and blood that's depleted of oxygen.

והדם שיצא ממנו החמצן.

That means that it's possible

זה אומר שניתן

to map out the activity of the brain.

למפות את פעילות המוח.

So this is something that we've been working on.

אז זהו דבר שאנחנו עובדים עליו.

And you just saw Motts the research engineer, there,

ובדיוק ראיתם את מוטס, מהנדס המחקר שם

going into the MRI system,

נכנס לתוך מערכת האמ-אר-אי,

and he was wearing goggles.

והוא לבש משקפיים.

So he could actually see things in the goggles.

כך שהוא יכול לראות דברים במשקפיים.

So I could present things to him while he's in the scanner.

אני יכול להציג לו דברים כאשר הוא בתוך הסורק.

And this is a little bit freaky,

וזה קצת מפחיד,

because what Motts is seeing is actually this.

בגלל שמה שמוטס רואה זה בעצם את זה.

He's seeing his own brain.

הוא רואה את המוח שלו.

So Motts is doing something here,

מוטס עושה כאן משהו.

and probably he is going like this with his right hand,

והוא עושה כך בידו הימנית,

because the left side is activated

בגלל שהצד השמאלי מופעל

on the motor cortex.

בקורטקס המוטורי.

And then he can see that at the same time.

ואז הוא יכול לראות את זה באותו הזמן.

These visualizations are brand new.

המחשות אלו הן חדשות לחלוטין.

And this is something that we've been researching for a little while.

זה משהו שאנחנו חוקרים כבר זמן מה.

This is another sequence of Motts' brain.

זהו רצף נוסף של מוחו של מוטס.

And here we asked Motts to calculate backwards from 100.

כאן ביקשנו ממוטס לחשב אחורנית מ-100.

So he's going "100, 97, 94."

הוא סופר "100, 97, 94."

And then he's going backwards.

והוא ממשיך אחורה.

And you can see how the little math processor is working up here in his brain

ואתם יכולים לראות כיצד המעבד החשבוני עובד כאן במוח שלו

and is lighting up the whole brain.

והוא מאיר את כל המוח.

Well this is fantastic. We can do this in real time.

זה פנטסטי. אנחנו יכולים לעשות זאת בזמן אמיתי.

We can investigate things. We can tell him to do things.

אפשר לחקור דברים. אפשר לומר לו לעשות דברים.

You can also see that his visual cortex

אפשר לראות שהקורטקס הויזואלי שלו

is activated in the back of the head,

מופעל בחלק האחורי של הראש,

because that's where he's seeing, he's seeing his own brain.

בגלל ששם הוא רואה, הוא רואה את המוח שלו עצמו.

And he's also hearing our instructions

והוא גם שומע את ההוראות שלנו

when we tell him to do things.

כשאנחנו אומרים לו לעשות דברים.

The signal is really deep inside of the brain as well,

האות הוא ממש עמוק בתוך המוח,

and it's shining through,

אבל הוא זורח החוצה,

because all of the data is inside this volume.

מאחר וכל הנתונים הם בתוך החלק הזה.

And in just a second here you will see --

ובתוך שניה אתם תוכלו לראות --

okay, here. Motts, now move your left foot.

אוקי, כאן. מוטס, הזז את הרגל השמאלית שלך.

So he's going like this.

אז הוא עושה כך.

For 20 seconds he's going like that,

במשך 20 שניות הוא עושה זאת,

and all of a sudden it lights up up here.

ופתאום זה נדלק כאן.

So we've got motor cortex activation up there.

אז יש לנו פעילות באזור המוטורי למעלה שם.

So this is really, really nice,

זה ממש ממש נחמד.

and I think this is a great tool.

ואני חושב שזה כלי נהדר.

And connecting also with the previous talk here,

ומתקשר גם לשיחה הקודמת כאן,

this is something that we could use as a tool

זהו דבר שנוכל להשתמש ככלי

to really understand

כדי להבין באמת

how the neurons are working, how the brain is working,

איך העצבים עובדים, איך המוח עובד,

and we can do this with very, very high visual quality

ואנחנו יכולים לעשות זאת באיכות חזותית מאד מאד גבוהה

and very fast resolution.

ורזולוציה מאד מהירה.

Now we're also having a bit of fun at the center.

אנחנו גם קצת מבלים במרכז.

So this is a CAT scan -- Computer Aided Tomography.

אז זוהי סריקת קאט - מיפוי בעזרת מחשב.

So this is a lion from the local zoo

אז זוהי לביאה מגן החיות המקומי

outside of Norrkoping in Kolmarden, Elsa.

מחוץ לנורקופינג בקולמרדן, באזור אלזה.

So she came to the center,

אז היא הגיעה למרכז,

and they sedated her

והם סיממו אותה

and then put her straight into the scanner.

ואז הכניסו אותה ישר לתוך הסורק.

And then, of course, I get the whole data set from the lion.

ואז, כמובן, קיבלתי את כל הנתונים מהאריה.

And I can do very nice images like this.

ואני יכול לעשות תמונות מאד יפות כמו זאת.

I can peel off the layer of the lion.

אני יכול לקלף את השכבות של האריה.

I can look inside of it.

אני יכול להביט לתוכו.

And we've been experimenting with this.

ואנחנו עושים ניסויים עם זה.

And I think this is a great application

ואני חושב שזה ישום נהדר

for the future of this technology,

לעתיד של הטכנולוגיה הזאת.

because there's very little known about the animal anatomy.

בגלל שאנחנו יודעים מעט מאד על האנטומיה של החיות.

What's known out there for veterinarians is kind of basic information.

מה שהוטרינרים יודעים זה מידע בסיסי בלבד.

We can scan all sorts of things,

אנחנו יכולים לסרוק כל מיני דברים,

all sorts of animals.

כל מיני חיות.

The only problem is to fit it into the machine.

הבעיה היחידה היא להכניס אותם לתוך המכונה.

So here's a bear.

אז הנה דב.

It was kind of hard to get it in.

זה היה די קשה להכניס אותו פנימה.

And the bear is a cuddly, friendly animal.

והדב הוא חיה ידידותית.

And here it is. Here is the nose of the bear.

הנה הוא כאן. זהו האף של הדב.

And you might want to cuddle this one,

ואתם אולי תרצו לחבק את הדב הזה,

until you change the functions and look at this.

עד שתשנו את הפונקציות כך.

So be aware of the bear.

אז תזהרו מהדב.

So with that,

וכך

I'd like to thank all the people

אני רוצה להודות לכל האנשים

who have helped me to generate these images.

שעזרו לי ליצור את התמונות האלה.

It's a huge effort that goes into doing this,

זהו מאמץ אדיר שמושקע בזה,

gathering the data and developing the algorithms,

איסוף הנתונים ופיתוח האלגוריתמים,

writing all the software.

וכתיבת כל התוכנה.

So, some very talented people.

אנשים מאד מוכשרים.

My motto is always, I only hire people that are smarter than I am

המוטו שלי הוא תמיד, אני תמיד מגייס אנשים שיותר חכמים ממני

and most of these are smarter than I am.

ורוב האנשים האלה הם חכמים יותר ממני.

So thank you very much.

אז תודה רבה לכם.

(Applause)

(מחיאות כפיים)