We can start winning the war against cancer | Adam de la Zerda

62,277 views ・ 2016-10-26

TED


Dubbelklik op de Engelse ondertitels hieronder om de video af te spelen.

Vertaald door: Dries Van der Smissen Nagekeken door: Rik Delaet
00:12
"We're declaring war against cancer,
0
12880
1855
"We verklaren de oorlog aan kanker...
00:14
and we will win this war by 2015."
1
14760
2600
...en we zullen deze oorlog winnen tegen 2015."
00:18
This is what the US Congress and the National Cancer Institute declared
2
18440
3736
Zo verklaarde de Amerikaanse Senaat en het Cancer Institute,
00:22
just a few years ago, in 2003.
3
22200
2560
enkele jaren geleden, in 2003.
00:25
Now, I don't know about you, but I don't buy that.
4
25560
3096
Ik weet niet wat jullie denken, maar ik geloof dat niet.
00:28
I don't think we quite won this war yet,
5
28680
2056
We hebben deze oorlog nog niet gewonnen.
00:30
and I don't think anyone here will question that.
6
30760
2640
En ik denk niet dat iemand dat betwijfelt.
00:33
Now, I will argue that a primary reason
7
33800
2496
De belangrijkste reden
00:36
why we're not winning this war against cancer
8
36320
2136
waarom we kanker nog niet hebben overwonnen
00:38
is because we're fighting blindly.
9
38480
2296
is omdat we hem blindelings bestrijden.
00:40
I'm going to start by sharing with you a story about a good friend of mine.
10
40800
3575
Eerst wil ik jullie het verhaal vertellen van 'n goeie vriend van me. Hij heet Ehud.
00:44
His name is Ehud,
11
44400
1216
00:45
and a few years ago, Ehud was diagnosed with brain cancer.
12
45640
3136
Enkele jaren geleden werd er hersenkanker bij hem vastgesteld.
00:48
And not just any type of brain cancer:
13
48800
1856
En niet zomaar 'n soort hersenkanker.
00:50
he was diagnosed with one of the most deadly forms of brain cancer.
14
50680
3176
Hij leed aan een van de meest dodelijke vormen van hersenkanker.
00:53
In fact, it was so deadly
15
53880
1216
Zo dodelijk dat de dokters hem maar 12 maanden meer gaven.
00:55
that the doctors told him that they only have 12 months,
16
55120
2656
00:57
and during those 12 months, they have to find a treatment.
17
57800
3416
In deze 12 maanden moesten ze een remedie vinden.
01:01
They have to find a cure,
18
61240
1456
Ze moesten een remedie vinden,
01:02
and if they cannot find a cure, he will die.
19
62720
2160
anders zou hij sterven.
01:05
Now, the good news, they said,
20
65800
1456
Het goede nieuws is, zeiden ze,
01:07
is that there are tons of different treatments to choose from,
21
67280
2936
dat er 'n heleboel nieuwe behandelingen mogelijk zijn.
01:10
but the bad news is
22
70240
1216
Maar het slechte nieuws
01:11
that in order for them to tell if a treatment is even working or not,
23
71480
3536
is dat het zo'n drie maanden duurt
01:15
well, that takes them about three months or so.
24
75040
2496
voor we weten of de behandeling werkt of niet.
01:17
So they cannot try that many things.
25
77560
2376
We kunnen dus niet veel uitproberen.
01:19
Well, Ehud is now going into his first treatment,
26
79960
3096
Ehud ondergaat z'n eerste behandeling.
01:23
and during that first treatment, just a few days into that treatment,
27
83080
3256
Een paar dagen na het begin van z'n eerste behandeling
01:26
I'm meeting with him, and he tells me, "Adam, I think this is working.
28
86360
3336
sprak ik hem en hij zei: "Ik denk dat dit gaat werken...
Ik denk dat we geluk gaan hebben. Er gebeurt iets met mij."
01:29
I think we really lucked out here. Something is happening."
29
89720
2816
01:32
And I ask him, "Really? How do you know that, Ehud?"
30
92560
2456
Ik vroeg hem: "Echt? Hoe weet je dat?"
Hij zei: "Ik voel me zo vreselijk vanbinnen.
01:35
And he says, "Well, I feel so terrible inside.
31
95040
2216
01:37
Something's gotta be working up there.
32
97280
1856
Het moet wel werken.
01:39
It just has to."
33
99160
1216
Dat moet wel."
01:40
Well, unfortunately, three months later, we got the news, it didn't work.
34
100400
4440
Helaas kregen we drie maanden later het nieuws dat dat niet het geval was.
01:45
And so Ehud goes into his second treatment.
35
105520
2056
Dus begon Ehud de tweede behandeling.
01:47
And again, the same story.
36
107600
1256
En, weer hetzelfde liedje.
01:48
"It feels so bad, something's gotta be working there."
37
108880
2736
"Het voelt zo slecht, het moet wel werken."
01:51
And then three months later, again we get bad news.
38
111640
2936
En drie maanden later kregen we weer slecht nieuws.
01:54
Ehud is going into his third treatment, and then his fourth treatment.
39
114600
3936
Ehud krijgt z'n derde behandeling en daarna z'n vierde.
01:58
And then, as predicted, Ehud dies.
40
118560
2520
En dan, zoals verwacht, sterft hij.
02:01
Now, when someone really close to you is going through such a huge struggle,
41
121800
4576
Als iemand die je zo dierbaar is door zo'n moeilijk gevecht moet,
02:06
you get really swamped with emotions.
42
126400
1816
word je echt overspoeld met emoties.
02:08
A lot of things are going through your head.
43
128240
2096
Er gaat van alles door je hoofd.
02:10
For me, it was mostly outrage.
44
130360
1456
Bij mij vooral woede.
02:11
I was just outraged that, how come this is the best that we can offer?
45
131840
4696
Ik was kwaad. Was dit het beste wat we hem te bieden hadden?
02:16
And I started looking more and more into this.
46
136560
2296
Ik begon er meer en meer over te lezen.
02:18
As it turns out, this is not just the best that doctors could offer Ehud.
47
138880
3456
Blijkbaar was dit niet het beste wat we Ehud konden bieden.
02:22
It's not just the best doctors could offer patients with brain cancer generally.
48
142360
3816
Zelfs niet het beste dat dokters patiënten van hersenkanker konden bieden.
02:26
We're actually not doing that well all across the board with cancer.
49
146200
3200
We scoren helemaal niet zo goed wat kanker betreft.
02:30
I picked up one of those statistics,
50
150240
1856
Ik ontdekte de volgende cijfers.
02:32
and I'm sure some of you have seen those statistics before.
51
152120
2776
Jullie hebben deze cijfers vast ook allemaal al gezien.
02:34
This is going to show you here how many patients actually died of cancer,
52
154920
3456
Dit toont het aantal patiënten dat effectief sterft aan kanker.
02:38
in this case females in the United States,
53
158400
2016
In dit geval alle Amerikaanse vrouwen,
02:40
ever since the 1930s.
54
160440
1296
sinds de jaren 30.
02:41
You'll notice that there aren't that many things that have changed.
55
161760
3176
Jullie zullen merken dat er niet zoveel veranderd is.
02:44
It's still a huge issue.
56
164960
1296
Het blijft een probleem.
02:46
You'll see a few changes, though.
57
166280
1736
Er zijn wel enkele veranderingen.
02:48
You'll see lung cancer, for example, on the rise.
58
168040
2536
Longkanker is aan een opmars bezig.
02:50
Thank you, cigarettes.
59
170600
1200
Dankjewel, sigaretten.
02:52
And you'll also see that, for example, stomach cancer
60
172360
2496
En je kunt ook zien dat maagkanker, bijvoorbeeld,
02:54
once used to be one of the biggest killers of all cancers,
61
174880
3336
dat vroeger één van de dodelijkste kankers was,
02:58
is essentially eliminated.
62
178240
1440
nu volledig verdwenen is.
03:00
Now, why is that? Anyone knows, by the way?
63
180480
2056
Hoe komt dat? Weet iemand dat?
03:02
Why is it that humanity is no longer struck by stomach cancer?
64
182560
3336
Waarom wordt de mens niet langer geteisterd door maagkanker?
03:05
What was the huge, huge medical technology breakthrough
65
185920
4856
Wat was die grote medische doorbraak
03:10
that came to our world that saved humanity from stomach cancer?
66
190800
3360
die de mensheid gered heeft van maagkanker?
03:15
Was it maybe a new drug, or a better diagnostic?
67
195240
3816
Misschien een nieuw geneesmiddel, of een betere diagnose?
03:19
You guys are right, yeah.
68
199080
1296
Jullie raden het al.
03:20
It's the invention of the refrigerator,
69
200400
2616
Het was de uitvinding van de koelkast.
03:23
and the fact that we're no longer eating spoiled meats.
70
203040
2616
We hoeven niet langer bedorven voedsel te eten.
03:25
So the best thing that happened to us so far
71
205680
2296
Het beste wat ons overkomen is tot dusver
03:28
in the medical arena in cancer research
72
208000
1936
op het vlak van kankeronderzoek,
03:29
is the fact that the refrigerator was invented.
73
209960
2191
is de uitvinding van de koelkast.
03:32
(Laughter)
74
212175
1201
(Gelach)
03:33
And so -- yeah, I know.
75
213400
1256
Ja, ik weet het.
03:34
We're not doing so well here.
76
214680
1416
We scoren niet zo goed.
03:36
I don't want to miniaturize the progress
77
216120
2336
Ik wil niet kleinerend doen over de vooruitgang
03:38
and everything that's been done in cancer research.
78
218480
3376
of al wat gedaan is op het gebied van kankeronderzoek.
03:41
Look, there is like 50-plus years of good cancer research
79
221880
3416
Er bestaat al meer dan vijftig jaar kankeronderzoek.
03:45
that discovered major, major things that taught us about cancer.
80
225320
3416
Hierdoor hebben we belangrijke zaken ontdekt over kanker.
03:48
But all that said,
81
228760
1736
Dat gezegd zijnde
03:50
we have a lot of heavy lifting to still do ahead of us.
82
230520
2572
hebben we nog 'n zware klus voor de boeg.
03:54
Again, I will argue that the primary reason why this is the case,
83
234920
3096
De belangrijkste reden waarom dit het geval is,
03:58
why we have not done that remarkably well,
84
238040
2000
waarom we het niet uitzonderlijk goed doen,
04:00
is really we're fighting blindly here.
85
240064
1832
is omdat we blind vechten.
04:01
And this is where medical imaging comes in.
86
241920
2216
Ook medische beeldvorming speelt hierin een rol.
04:04
This is where my own work comes in.
87
244160
1680
Hier komt mijn eigen werk aan bod.
04:06
And so to give you a sense of the best medical imaging
88
246400
2736
Om een idee te geven van de medische beeldvorming
04:09
that's offered today to brain cancer patients,
89
249160
2496
die wordt aangeboden aan patiënten van hersenkanker,
04:11
or actually generally to all cancer patients,
90
251680
2176
of in feite aan alle kankerpatiënten...
04:13
take a look at this PET scan right here.
91
253880
1936
Laten we eens kijken naar deze PET-scan.
04:15
Let's see. There we go.
92
255840
1240
Laten we eens kijken. Ziezo.
04:17
So this is a PET/CT scan,
93
257640
1696
Dit is een PET/CT-scan.
04:19
and what you'll see in this PET/CT scan
94
259360
2456
Op deze PET/CT-scan zien jullie...
04:21
is the CT scan will show you where the bones are,
95
261840
3216
De CT-scan toont het skelet,
04:25
and the PET scan will show you where tumors are.
96
265080
2400
en de PET-scan toont waar de tumors liggen.
04:27
Now, what you can see here
97
267960
2216
Wat jullie hier zien
04:30
is essentially a sugar molecule
98
270200
2416
is in feite een suikermolecule
04:32
that was added a small little tag
99
272640
1816
die we gelabeld hebben.
04:34
that is signaling to us outside of the body,
100
274480
2096
Hierdoor zien we, van buiten het lichaam,
04:36
"Hey, I'm here."
101
276600
1296
waar het zich bevindt.
04:37
And those sugar molecules are injected into these patients by the billions,
102
277920
3816
Er worden miljarden van deze moleculen ingespoten in een patiënt.
04:41
and they're going all over the body
103
281760
1696
Ze reizen heel het lichaam door,
04:43
looking for cells that are hungry for sugar.
104
283480
2080
op zoek naar cellen die hen volgen.
04:46
You'll see that the heart, for example, lights up there.
105
286320
2656
We zien bijvoorbeeld dat het hart oplicht.
04:49
That's because the heart needs a lot of sugar.
106
289000
2216
Het hart heeft namelijk veel suiker nodig.
04:51
You'll also see that the bladder lights up there.
107
291240
2336
We zien dat de blaas ook oplicht.
04:53
That's because the bladder is the thing that's clearing
108
293600
2616
Dat komt omdat de blaas ons lichaam zuivert
04:56
the sugar away from our body.
109
296240
1400
van de suikers.
04:58
And then you'll see a few other hot spots,
110
298096
2000
We zien ook enkele andere delen oplichten.
05:00
and these are in fact the tumors.
111
300120
1616
Dat zijn de tumoren.
05:01
Now, this is a really a wonderful technology.
112
301760
2136
Dit is in feite een wonderlijke technologie.
05:03
For the first time it allowed us to look into someone's body
113
303920
3136
We kunnen voor de eerste keer binnenkijken in iemands lichaam
05:07
without picking up each and every one of the cells
114
307080
2376
zonder dat we iedere cel moeten opnemen
05:09
and putting them under the microscope,
115
309480
1856
om ze onder een microscoop te leggen.
05:11
but in a noninvasive way allowing us to look into someone's body
116
311360
3016
We kunnen op een niet-invasieve manier in iemands lichaam kijken,
05:14
and ask, "Hey, has the cancer metastasized?
117
314400
2136
en kijken of de kanker zich verspreid heeft,
05:16
Where is it?"
118
316560
1216
en waar hij zich bevindt.
05:17
And the PET scans here are showing you very clearly
119
317800
2496
De PET-scans tonen zeer duidelijk
05:20
where are these hot spots, where is the tumor.
120
320320
2280
waar de hotspots en de tumor zich bevinden.
05:23
So as miraculous as this might seem,
121
323480
3296
Het ziet er misschien wonderbaarlijk uit,
05:26
unfortunately, well, it's not that great.
122
326800
2880
het is echter geen mirakeloplossing.
05:30
You see, those small little hot spots there.
123
330320
2080
Zien jullie deze kleine hotspots hier?
05:33
Can anyone guess how many cancer cells are in any one of these tumors?
124
333240
3520
Kan er iemand raden hoeveel kankercellen er in één van deze tumoren zit?
05:38
So it's about 100 million cancer cells,
125
338600
2336
Ongeveer honderd miljoen kankercellen.
05:40
and let me make sure that this number sunk in.
126
340960
2696
Laat me dat getal even verduidelijken.
05:43
In each and every one of these small little blips
127
343680
2336
In elk van deze plekken
05:46
that you're seeing on the image,
128
346040
1576
die je ziet op deze afbeelding
05:47
there needs to be at least 100 million cancer cells
129
347640
4096
moeten er op z'n minst honderd miljoen kankercellen zitten
05:51
in order for it to be detected.
130
351760
1536
voor ze worden opgemerkt.
05:53
Now, if that seemed to you like a very large number,
131
353320
2456
Dat lijkt misschien een zeer groot aantal.
05:55
it is a very large number.
132
355800
1680
Dat is het ook.
05:58
This is in fact an incredibly large number,
133
358640
2056
Het is 'n zeer groot aantal,
06:00
because what we really need in order to pick up something early enough
134
360720
3336
want om kanker tijdig op te sporen,
06:04
to do something about it, to do something meaningful about it,
135
364080
2936
zodat we er iets kunnen aan doen, iets echt betekenisvol,
06:07
well, we need to pick up tumors that are a thousand cells in size,
136
367040
3136
daarvoor mogen de tumoren slechts enkele duizenden cellen tellen.
06:10
and ideally just a handful of cells in size.
137
370200
2136
Ideaal gezien, zelfs slechts een tiental.
06:12
So we're clearly pretty far away from this.
138
372360
2016
We zijn hier nog ver vanaf.
06:14
So we're going to play a little experiment here.
139
374400
2256
Laten we een klein experimentje houden.
06:16
I'm going to ask each of you to now play and imagine
140
376680
2456
Ik zou willen dat je je eens inbeeldt
06:19
that you are brain surgeons.
141
379160
1360
dat je hersenchirurg bent.
06:21
And you guys are now at an operating room,
142
381000
4016
Jullie staan in de operatiezaal.
06:25
and there's a patient in front of you,
143
385040
2016
De patiënt ligt voor je.
06:27
and your task is to make sure that the tumor is out.
144
387080
3720
Nu moet je uitzoeken of de tumor helemaal verwijderd is.
06:31
So you're looking down at the patient,
145
391400
3376
Dus kijk je naar de patiënt.
06:34
the skin and the skull have already been removed,
146
394800
2336
De huid en de schedel zijn al verwijderd.
06:37
so you're looking at the brain.
147
397160
1536
Je kijkt naar de hersenen.
06:38
And all you know about this patient
148
398720
1696
Het enige wat je weet
06:40
is that there's a tumor about the size of a golf ball or so
149
400440
2816
is dat de tumor ongeveer de grootte heeft van een golfbal,
06:43
in the right frontal lobe of this person's brain.
150
403280
2320
vooraan in de rechterhersenhelft van de patiënt.
06:46
And that's more or less it.
151
406080
1336
Dat is alles.
06:47
So you're looking down, and unfortunately everything looks the same,
152
407440
3216
Je kijkt naar beneden. Jammer genoeg ziet alles er hetzelfde uit.
06:50
because brain cancer tissue and healthy brain tissue
153
410680
3096
Hersenweefsel en kankerweefsel
06:53
really just look the same.
154
413800
1576
zien er identiek uit.
06:55
And so you're going in with your thumb,
155
415400
1896
Dus steek je er je duim in.
06:57
and you start to press a little bit on the brain,
156
417320
2336
Je begint wat te drukken op de hersenen,
06:59
because tumors tend to be a little harder, stiffer,
157
419680
2416
want tumoren zijn gewoonlijk wat harder, stijver.
07:02
and so you go in and go a little bit like this and say,
158
422120
2616
Dus zoek je wat, tot je denkt:
07:04
"It seems like the tumor is right there."
159
424760
1976
dit hier lijkt wel een tumor.
07:06
Then you take out your knife and start cutting the tumor
160
426760
2656
Je haalt je mes tevoorschijn en snijdt de tumor weg,
07:09
piece by piece by piece.
161
429440
1256
stukje voor stukje.
07:10
And as you're taking the tumor out,
162
430720
1696
Zodra je de tumor hebt verwijderd,
07:12
then you're getting to a stage where you think,
163
432440
2216
denk je bij jezelf:
07:14
"Alright, I'm done. I took out everything."
164
434680
2136
"Nu ben ik klaar. Ik heb alles verwijderd."
07:16
And at this stage, if that's --
165
436840
1536
Op dit moment, als alles...
07:18
so far everything sounded, like, pretty crazy --
166
438400
2696
Alles klonk zeer gek tot dusver.
07:21
you're now about to face the most challenging decision of your life here.
167
441120
3696
Nu moet je de moeilijkste beslissing uit je leven nemen.
07:24
Because now you need to decide,
168
444840
1536
Nu moet je beslissen
07:26
should I stop here and let this patient go,
169
446400
2696
of je hier stopt en de patiënt zo naar huis stuurt,
07:29
risking that there might be some leftover cancer cells behind
170
449120
2936
en het risico loopt dat er nog kankercellen achterblijven
07:32
that I just couldn't see,
171
452080
1856
die je niet gezien hebt,
07:33
or should I take away some extra margins,
172
453960
2656
of dat je een reserve inbouwt,
07:36
typically about an inch or so around the tumor
173
456640
2856
meestal zo'n duimbreedte rondom de tumor,
07:39
just to be sure that I removed everything?
174
459520
2200
om zeker te zijn dat je alles hebt weggenomen.
07:43
So this is not a simple decision to make,
175
463400
3840
Dat is geen makkelijke beslissing.
07:47
and unfortunately this is the decision
176
467840
1936
Jammer genoeg is dat de beslissing
07:49
that brain cancer surgeons have to take every single day
177
469800
3336
die hersenchirurgen iedere dag moeten nemen
07:53
as they're seeing their patients.
178
473160
1600
als ze hun patiënt onderzoeken.
07:55
And so I remember talking to a few friends of mine in the lab,
179
475320
2936
Ik sprak m'n vrienden van het labo eens
07:58
and we say, "Boy, there's got to be a better way."
180
478280
2376
en zei: "Er moet toch een betere manier bestaan."
08:00
But not just like you tell a friend that there's got to be a better way.
181
480680
3416
Niet zoals jullie dat zouden doen.
08:04
There's just got to be a better way here.
182
484120
1953
Maar er moet daar een betere manier zijn.
08:06
This is just incredible.
183
486097
1519
Dat kan niet anders.
08:07
And so we looked back.
184
487640
1656
En dus bekeken we alles opnieuw.
08:09
Remember those PET scans I told you about, the sugar and so on.
185
489320
2976
Herinner je nog die PET-scans van daarjuist en de suiker?
08:12
We said, hey, how about instead of using sugar molecules,
186
492320
2736
In plaats van kleine suikermoleculen
08:15
let's maybe take tiny, tiny little particles made of gold,
187
495080
3136
wilden we zeer kleine deeltjes goud gebruiken,
08:18
and let's program them with some interesting chemistry around them.
188
498240
3656
die we zouden programmeren met wat chemie uit hun omgeving.
08:21
Let's program them to look for cancer cells.
189
501920
2416
We programmeren ze om te zoeken naar kankercellen.
08:24
And then we will inject these gold particles
190
504360
2096
Daarna injecteren we deze goudpartikels
08:26
into these patients by the billions again,
191
506480
2256
met miljarden in onze patiënten.
08:28
and we'll have them go all over the body,
192
508760
1976
Het goud reist het hele lichaam af.
08:30
and just like secret agents, if you will,
193
510760
1976
En net als geheime agenten
08:32
go and walk by every single cell in our body
194
512760
2816
volgen ze elke cel in ons lichaam.
08:35
and knock on the door of that cell,
195
515600
1696
Ze kloppen aan bij de kankercel
08:37
and ask, "Are you a cancer cell or are you a healthy cell?
196
517320
2736
en vragen of het een kankercel is of een gezonde cel.
08:40
If you're a healthy cell, we're moving on.
197
520080
2016
Als de cel gezond is, gaan ze verder.
08:42
If you're a cancer cell, we're sticking in and shining out
198
522120
2736
Als het een kankercel is, blijven ze eraan plakken
08:44
and telling us, "Hey, look at me, I'm here."
199
524880
2096
en vertellen ze ons waar ze zitten.
08:47
And they'll do it through some interesting cameras
200
527000
2376
We kunnen ze volgen dankzij vernuftige camera's,
08:49
that we developed in the lab.
201
529400
1416
ontwikkeld in ons labo.
08:50
And once we see that, maybe we can guide brain cancer surgeons
202
530840
2935
Eens we ze gespot hebben, kunnen we chirurgen tonen
08:53
towards taking only the tumor and leaving the healthy brain alone.
203
533799
3401
hoe de kanker weg te nemen, zonder het gezonde weefsel te beschadigen.
08:57
And so we've tested that, and boy, this works well.
204
537720
3056
We hebben dit getest en het werkte zeer goed.
09:00
So I'm going to show you an example now.
205
540800
1976
Ik ga jullie nu 'n voorbeeld tonen.
09:02
What you're looking at here
206
542800
1776
Jullie zien hier
09:04
is an image of a mouse's brain,
207
544600
3936
een beeld van muizenhersenen.
09:08
and we've implanted into this mouse's brain
208
548560
3136
We hebben in de hersenen van deze muis
09:11
a small little tumor.
209
551720
1256
een kleine tumor ingeplant
09:13
And so this tumor is now growing in this mouse's brain,
210
553000
2616
die nu in die hersenen aan het groeien zijn.
09:15
and then we've taken a doctor and asked the doctor
211
555640
2656
We vroegen een dokter
09:18
to please operate on the mouse as if that was a patient,
212
558320
2816
om de muis te opereren alsof het een patiënt was,
09:21
and take out piece by piece out of the tumor.
213
561160
2416
en de tumor deeltje voor deeltje weg te nemen.
09:23
And while he's doing that,
214
563600
1776
Terwijl hij dat aan het doen was,
09:25
we're going to take images to see where the gold particles are.
215
565400
2976
namen wij foto's om te kijken waar de gouddeeltjes waren.
09:28
And so we're going to first start
216
568400
1616
We begonnen
09:30
by injecting these gold particles into this mouse,
217
570040
2416
door eerst gouddeeltjes in te spuiten bij de muis.
09:32
and we're going to see right here at the very left there
218
572480
2896
Uiterst links op de afbeelding,
09:35
that image at the bottom
219
575400
1256
aan de onderkant
09:36
is the image that shows where the gold particles are.
220
576680
2496
zien we waar de gouddeeltjes zich bevinden.
09:39
The nice thing is that these gold particles
221
579200
2056
Het leuke was dat de gouddeeltjes
09:41
actually made it all the way to the tumor,
222
581280
2016
helemaal tot aan de tumor geraakt zijn.
09:43
and then they shine out and tell us, "Hey, we're here. Here's the tumor."
223
583320
3656
Ze tonen ons waar de tumor zich bevindt.
09:47
So now we can see the tumor,
224
587000
1376
Nu kunnen we de tumor zien.
09:48
but we're not showing this to the doctor yet.
225
588400
2136
Maar we toonden het nog niet aan de dokter.
09:50
We're asking the doctor, now please start cutting away the tumor,
226
590560
3056
We vroegen hem eerst om de kanker weg te snijden.
09:53
and you'll see here the doctor just took the first quadrant of the tumor
227
593640
3416
Je ziet dat de dokter eerst het eerste kwadrant van de tumor wegnam.
09:57
and you see that first quadrant is now missing.
228
597080
2216
Dat deel ontbreekt hier.
09:59
The doctor then took the second quadrant, the third,
229
599320
2456
Daarna nam hij het tweede en derde kwadrant weg.
10:01
and now it appears to be everything.
230
601800
1736
En dat leek alles te zijn.
10:03
And so at this stage, the doctor came back to us and said,
231
603560
2736
Op dat moment zei de dokter ons
10:06
"Alright, I'm done. What do you want me to do?
232
606320
2256
dat zijn werk erop zat. Kon hij nog iets doen?
10:08
Should I keep things as they are
233
608600
1576
Moest hij alles laten als het was
10:10
or do you want me to take some extra margins around?"
234
610200
2496
of moest hij een marge inbouwen?
10:12
And then we said, "Well, hang on."
235
612720
1656
We vroegen hem: "Wacht 's...
10:14
We told the doctor, "You've missed those two spots,
236
614400
2416
U heeft twee plekjes gemist.
10:16
so rather than taking huge margins around,
237
616840
2000
In plaats van marges te nemen,
10:18
only take out those tiny little areas.
238
618864
1832
moet u die kleine zones wegnemen.
10:20
Take them out, and then let's take a look."
239
620720
2016
Neem ze weg, en laten we dan 's kijken."
10:22
And so the doctor took them away, and lo and behold,
240
622760
2856
Dus nam de dokter ze weg en kijk eens aan...
10:25
the cancer is now completely gone.
241
625640
2016
Nu was de kanker volledig verdwenen.
10:27
Now, the important thing
242
627680
1376
Het belangrijke
10:29
is that it's not just that the cancer is completely gone
243
629080
2620
is dat de kanker niet alleen volledig verwijderd is
10:31
from this person's brain,
244
631724
1332
uit deze persoon,
10:33
or from this mouse's brain.
245
633080
1320
of deze muis.
10:35
The most important thing
246
635160
1256
Het belangrijke is
10:36
is that we did not have to take huge amounts of healthy brain
247
636440
2896
dat we geen gezonde delen hebben moeten wegnemen
10:39
in the process.
248
639360
1216
tijdens de operatie.
10:40
And so now we can actually imagine a world
249
640600
2176
Kun jij je 'n wereld inbeelden
10:42
where doctors and surgeons, as they take away a tumor,
250
642800
3896
waar dokters en chirurgen die tumors wegnemen,
10:46
they actually know what to take out,
251
646720
1420
juist genoeg wegnemen
10:48
and they no longer have to guess with their thumb.
252
648170
2110
en niet langer hoeven te gissen?
10:51
Now, here's why it's extremely important to take those tiny little leftover tumors.
253
651520
3936
Daarom is het belangrijk om de tumors helemaal weg te halen.
10:55
Those leftover tumors, even if it's just a handful of cells,
254
655480
2856
Die restjes tumor, ook al zijn het slechts enkele cellen,
10:58
they will grow to recur the tumor,
255
658360
3056
groeien anders uit tot tumoren.
11:01
for the tumor to come back.
256
661440
1656
Anders komt de tumor terug.
11:03
In fact, the reason why 80 to 90 percent
257
663120
1936
Daardoor mislukt uiteindelijk 80 tot 90%
11:05
of those brain cancer surgeries ultimately fail
258
665080
2216
van hersenkankeroperaties.
11:07
is because of those small little extra margins that were left positive,
259
667320
3776
Omwille van die kleine marges die men neemt,
11:11
those small little leftover tumors that were left there.
260
671120
2680
de kleine stukjes tumor die men laat steken.
11:15
So this is clearly very nice,
261
675440
2176
Dat is allemaal wel leuk,
11:17
but what I really want to share with you is where I think we're heading from here.
262
677640
4296
maar ik wil jullie vertellen hoe het nu verder moet.
11:21
And so in my lab at Stanford,
263
681960
1656
In mijn labo aan Stanford
11:23
my students and I are asking, what should we be working on now?
264
683640
5520
vragen mijn student en ik ons af waar we nu aan zouden moeten werken.
11:29
And I think where medical imaging is heading to
265
689600
2856
Ik denk dat de medische beeldvorming moet in staat zijn
11:32
is the ability to look into the human body
266
692480
2336
om binnenin het menselijk lichaam te kijken
11:34
and actually see each and every one of these cells separately.
267
694840
3440
en iedere cel apart te onderzoeken.
11:39
The ability like this would allow us
268
699000
1736
Hierdoor zouden we in staat zijn
11:40
to actually pick up tumors way, way earlier in the process,
269
700760
2896
om tumoren veel vroeger te ontdekken.
11:43
way before it's 100 million cells inside, so we can actually do something about it.
270
703680
3920
Lang voordat het honderd miljoen cellen groot is, zodat we nog wat kunnen doen.
11:48
An ability to see each and every one of the cells might also allow us
271
708200
3416
Dan kunnen we naar elke cel individueel kijken.
11:51
to ask insightful questions.
272
711640
1376
En nuttige vragen stellen.
11:53
So in the lab, we are now getting to a point
273
713040
2096
In het labo komen we nu op het punt
11:55
where we can actually start asking these cancer cells real questions,
274
715160
3256
dat we deze kankercellen echte vragen kunnen stellen.
11:58
like, for example, are you responding to the treatment we are giving you or not?
275
718440
3776
Of ze reageren op de behandeling die we geven, bijvoorbeeld.
12:02
So if you're not responding, we'll know to stop the treatment right away,
276
722240
3456
Zo niet dan kunnen we onmiddellijk met de behandeling stoppen,
12:05
days into the treatment, not three months.
277
725720
2040
na enkele dagen, en niet maanden.
12:08
And so also for patients like Ehud
278
728480
2176
Patiënten zoals Ehud
12:10
that are going through these nasty, nasty chemotherapy drugs,
279
730680
4416
zullen dan niet meer die vreselijke chemotherapie moeten ondergaan
12:15
for them not to suffer
280
735120
1256
of moeten lijden
12:16
through those horrendous side effects of the drugs
281
736400
2896
onder de verschrikkelijke neveneffecten van deze medicijnen
12:19
when the drugs are in fact not even helping them.
282
739320
2656
als die medicijnen niet eens helpen.
12:22
So to be frank here,
283
742000
2936
Laten we eerlijk zijn...
12:24
we're pretty far away from winning the war against cancer,
284
744960
3456
We staan nog zeer ver van een overwinning tegen kanker,
12:28
just to be realistic.
285
748440
1256
als we realistisch zijn.
12:29
But at least I am hopeful
286
749720
1896
Maar ik ben hoopvol
12:31
that we should be able to fight this war with better medical imaging techniques
287
751640
4136
dat we deze oorlog het best kunnen vechten met een betere medische beeldvorming,
12:35
in the way that is not blind.
288
755800
1856
op 'n verstandigere manier.
12:37
Thank you.
289
757680
1216
Dankjewel.
12:38
(Applause)
290
758920
2240
(Applaus)
Over deze website

Deze site laat u kennismaken met YouTube-video's die nuttig zijn om Engels te leren. U ziet Engelse lessen gegeven door topdocenten uit de hele wereld. Dubbelklik op de Engelse ondertitels op elke videopagina om de video af te spelen. De ondertitels scrollen synchroon met het afspelen van de video. Heeft u opmerkingen of verzoeken, neem dan contact met ons op via dit contactformulier.

https://forms.gle/WvT1wiN1qDtmnspy7