Θα ξεκινήσω θέτοντας μία πρόκληση, την πρόκληση της διαχείρισης δεδομένων, δεδομένων που πρέπει να διαχειριστούμε σε ιατρικές περιστάσεις. Είναι πραγματικά μία τεράστια πρόκληση για μας και αυτό είναι το υποζύγιό μας. Αυτό είναι ένα μηχάνημα υπολογιστικής αξονικής τομογραφίας -- ένα μηχάνημα ΥΤ. Είναι μία φανταστική συσκευή. Χρησιμοποιεί ακτίνες Χ, δέσμες ακτίνων Χ, οι οποίες περιστρέφονται πολύ γρήγορα γύρω από το ανθρώπινο σώμα. Παίρνει περίπου 30 δευτερόλεπτα για να περάσει μέσα από όλο το μηχάνημα και παράγει τεράστιες ποσότητες πληροφοριών που εξάγονται από το μηχάνημα. Άρα είναι ένα φανταστικό μηχάνημα που μπορούμε να χρησιμοποιήσουμε για να βελτιώσουμε την υγειονομική περίθαλψη. Άλλα όπως είπα, είναι επίσης μια πρόκληση για μας. Και η πρόκληση πραγματικά φαίνεται σε αυτή την εικόνα. Είναι η έκρηξη των ιατρικών δεδομένων που συμβαίνει τώρα. Αντιμετωπίζουμε αυτό το πρόβλημα. Και επιτρέψτε μου να πάω λίγο πίσω στο χρόνο.
I will start by posing a little bit of a challenge: the challenge of dealing with data, data that we have to deal with in medical situations. It's really a huge challenge for us. And this is our beast of burden -- this is a Computer Tomography machine, a CT machine. It's a fantastic device. It uses X-rays, X-ray beams, that are rotating very fast around the human body. It takes about 30 seconds to go through the whole machine and is generating enormous amounts of information that comes out of the machine. So this is a fantastic machine that we can use for improving health care, but as I said, it's also a challenge for us. And the challenge is really found in this picture here. It's the medical data explosion that we're having right now. We're facing this problem. And let me step back in time.
Ας πάμε λίγα χρόνια πίσω και να δούμε τι συνέβαινε τότε. Αυτά τα μηχανήματα που εμφανίστηκαν -- άρχισαν να εμφανίζονται την δεκαετία του 1970 -- σάρωναν ανθρώπινα σώματα, και παρήγαγαν περίπου 100 εικόνες από το ανθρώπινο σώμα. Και πήρα την πρωτοβουλία, για σαφήνεια, να τις μετατρέψω σε φέτες δεδομένων. Αυτό αποτελείται από περίπου 50 MB δεδομένων, το οποίο είναι μικρό αν σκεφτείς την ποσότητα δεδομένων που μπορούμε να διαχειριστούμε σήμερα σε απλές φορητές συσκευές. Αν μεταφράσεις αυτό σε τηλεφωνικούς καταλόγους, είναι περίπου μία στοίβα ενός μέτρου από τηλεφωνικούς καταλόγους. Κοιτώντας τι κάνουμε σήμερα με τα μηχανήματα που έχουμε σήμερα, μπορούμε, μέσα σε λίγα δευτερόλεπτα, να πάρουμε 24.000 εικόνες από ένα σώμα. Και αυτό θα αντιστοιχεί σε περίπου 20 GB δεδομένων, ή 800 τηλεφωνικούς καταλόγους. Και η στοίβα θα είναι περίπου 200 μέτρα από τηλεφωνικούς καταλόγους. Το τι πρόκειται να γίνει -- και το βλέπουμε, είναι η αρχή -- μία τεχνολογική τάση η οποία συμβαίνει τώρα είναι ότι ξεκινάμε επίσης να βλέπουμε αποτελέσματα σε σχέση με το χρόνο. Άρα επίσης παίρνουμε και τη δυναμική του σώματος. Και ας υποθέσουμε ότι θα συλλέξουμε δεδομένα για πέντε δευτερόλεπτα, και αυτό θα αντιστοιχεί σε ένα terabyte δεδομένων. Αυτό είναι 800.000 βιβλία και 16 χιλιόμετρα από τηλεφωνικούς καταλόγους. Αυτό είναι για έναν ασθενή, ένα σύνολο δεδομένων. Και αυτό είναι που πρέπει να επεξεργαστούμε.
Let's go back a few years in time and see what happened back then. These machines that came out -- they started coming in the 1970s -- they would scan human bodies, and they would generate about 100 images of the human body. And I've taken the liberty, just for clarity, to translate that to data slices. That would correspond to about 50 megabytes of data, which is small when you think about the data we can handle today just on normal mobile devices. If you translate that to phone books, it's about one meter of phone books in the pile. Looking at what we're doing today with these machines that we have, we can, just in a few seconds, get 24,000 images out of a body, and that would correspond to about 20 gigabytes of data, or 800 phone books, and the pile would then be 200 meters of phone books. What's about to happen -- and we're seeing this; it's beginning -- a technology trend that's happening right now is that we're starting to look at time-resolved situations as well. So we're getting the dynamics out of the body as well. And just assume that we will be collecting data during five seconds, and that would correspond to one terabyte of data -- that's 800,000 books and 16 kilometers of phone books. That's one patient, one data set. And this is what we have to deal with.
Άρα αυτό είναι μια πραγματική πρόκληση που έχουμε Και ήδη σήμερα -- αυτό είναι 25.000 εικόνες. Φανταστείτε τις ημέρες που είχαμε ακτινολόγους να το κάνουν αυτό. Θα αναρτούσαν 25.000 εικόνες, θα έκαναν το εξής, "25.000, εντάξει, εντάξει. Υπάρχει ένα πρόβλημα." Δεν μπορούν να το κάνουν αυτό πια, είναι αδύνατον. Άρα θα πρέπει να κάνουμε κάτι που είναι περισσότερο ευφυές από αυτό. Άρα αυτό που κάνουμε είναι να βάλουμε όλες αυτές τις φέτες μαζί. Φανταστείτε ότι τεμαχίζετε το σώμα σας σε όλες αυτές τις κατευθύνσεις, και μετά προσπαθείτε να βάλετε τις φέτες πάλι μαζί σε μία στοίβα δεδομένων, σε μία δομή δεδομένων. Επομένως αυτό είναι τι πραγματικά κάνουμε. Άρα αυτό το gigabyte ή terabyte δεδομένων, το βάζουμε σε αυτή τη δομή. Αλλά φυσικά, η δομή δεδομένων απλά περιέχει το σύνολο των ακτίνων Χ που έχουν απορροφηθεί από το κάθε σημείο στο ανθρώπινο σώμα. Άρα αυτό που πρέπει να κάνουμε είναι να βρούμε ένα τρόπο για να κοιτάμε τα πράγματα που θέλουμε να κοιτάξουμε και να κάνουμε διαφανή τα πράγματα που δεν θέλουμε να κοιτάξουμε. Άρα μετατρέποντας το σύνολο δεδομένων σε κάτι που μοιάζει σαν και αυτό. Και αυτό είναι μία πρόκληση. Είναι μία τεράστια πρόκληση για μας για να γίνει αυτό.
So this is really the enormous challenge that we have. And already today -- this is 25,000 images. Imagine the days when we had radiologists doing this. They would put up 25,000 images, they would go like this, "25,0000, okay, okay. There is the problem." They can't do that anymore. That's impossible. So we have to do something that's a little bit more intelligent than doing this. So what we do is that we put all these slices together. Imagine that you slice your body in all these directions, and then you try to put the slices back together again into a pile of data, into a block of data. So this is really what we're doing. So this gigabyte or terabyte of data, we're putting it into this block. But of course, the block of data just contains the amount of X-ray that's been absorbed in each point in the human body. So what we need to do is to figure out a way of looking at the things we do want to look at and make things transparent that we don't want to look at. So transforming the data set into something that looks like this. And this is a challenge. This is a huge challenge for us to do that.
Χρησιμοποιώντας υπολογιστές, αν και τώρα γίνονται γρηγορότεροι και καλύτεροι, είναι πρόκληση η διαχείριση giagabyte δεδομένων, terabyte δεδομένων και η εξόρυξη της σχετικής πληροφορίας. Θέλω να κοιτάξω την καρδιά, θέλω να κοιτάξω τα αιμοφόρα αγγεία, θέλω να κοιτάξω το συκώτι, Ισως ακόμα να βρω έναν όγκο σε κάποιες περιπτώσεις. Έτσι εδώ είναι που μπαίνει στο παιχνίδι αυτή η μικρή αγαπητή. Αυτή είναι η κόρη μου. Αυτό είναι από τις 9:00 πμ αυτό το πρωί. Παίζει ένα παιχνίδι στον υπολογιστή. Είναι μόνο δύο χρονών, και περνάει καταπληκτικά. Άρα αυτή είναι η πραγματική ώθηση πίσω από την ανάπτυξη επεξεργαστών γραφικών. Όσο τα παιδιά παίζουν παιχνίδια στον υπολογιστή, τα γραφικά γίνονται όλο και καλύτερα. Άρα παρακαλώ πηγαίνετε πίσω στο σπίτι, πείτε τα παιδιά σας να παίζουν περισσότερα παιχνίδια, γιατί αυτό είναι αυτό που χρειάζομαι.
Using computers, even though they're getting faster and better all the time, it's a challenge to deal with gigabytes of data, terabytes of data and extracting the relevant information. I want to look at the heart. I want to look at the blood vessels. I want to look at the liver. Maybe even find a tumor, in some cases. So this is where this little dear comes into play. This is my daughter. This is as of 9 a.m. this morning. She's playing a computer game. She's only two years old, and she's having a blast. So she's really the driving force behind the development of graphics-processing units. As long as kids are playing computer games, graphics is getting better and better and better. So please go back home, tell your kids to play more games, because that's what I need.
Άρα αυτό που είναι μέσα σε αυτή τη μηχανή είναι αυτό που με δίνει την δυνατότητα να κάνω τα πράματα που κάνω με τα ιατρικά δεδομένα. Άρα πραγματικά αυτό που κάνω είναι να χρησιμοποιώ αυτές τις φανταστικές μικρές συσκευές. Και ξέρετε, πηγαίνοντας πίσω ίσως 10 χρόνια όταν πήρα την χρηματοδότηση για να αγοράσω τον πρώτο μου υπολογιστή γραφικών. Ήταν ένα τεράστιο μηχάνημα. Ήταν ντουλάπια από επεξεργαστές και μνήμη και τα πάντα. Πλήρωσα περίπου ένα εκατομμύριο δολάρια για εκείνο το μηχάνημα. Εκείνο το μηχάνημα, σήμερα, είναι περίπου τόσο γρήγορο όσο το iPhone μου. Άρα κάθε μήνα βγαίνουν νέες κάρτες γραφικών. Και εδώ είναι μερικές από τις τελευταίες από τους κατασκευαστές -- NVIDIA, ATI, Intel κυκλοφορούν επίσης. Και ξέρετε, με μερικά εκατοντάδες δολάρια μπορείτε να πάρετε αυτά τα πράγματα και να τα βάλετε στον υπολογιστή σας, και μπορείτε να κάνετε φανταστικά πράγματα με αυτές τις κάρτες γραφικών. Άρα αυτό είναι αυτό που πραγματικά μας δίνει την δυνατότητα να αντιμετωπίσουμε την έκρηξη των δεδομένων στην ιατρική, μαζί με κάποια καλή δουλειά από την άποψη αλγορίθμων -- συμπίεση δεδομένων, εξαγωγή της σχετικής πληροφορίας που οι άνθρωποι κάνουν έρευνα.
So what's inside of this machine is what enables me to do the things that I'm doing with the medical data. So really what I'm doing is using these fantastic little devices. And you know, going back maybe 10 years in time when I got the funding to buy my first graphics computer -- it was a huge machine. It was cabinets of processors and storage and everything. I paid about one million dollars for that machine. That machine is, today, about as fast as my iPhone. So every month there are new graphics cards coming out, and here is a few of the latest ones from the vendors -- NVIDIA, ATI, Intel is out there as well. And you know, for a few hundred bucks you can get these things and put them into your computer, and you can do fantastic things with these graphics cards. So this is really what's enabling us to deal with the explosion of data in medicine, together with some really nifty work in terms of algorithms -- compressing data, extracting the relevant information that people are doing research on.
Λοιπόν θα σας δείξω μερικά παραδείγματα για το τι μπορούμε να κάνουμε. Αυτό είναι μία δομή δεδομένων που πήραμε χρησιμοποιώντας έναν αξονικό τομογράφο. Μπορείτε να δείτε ότι πρόκειται για πλήρη δεδομένα. Είναι μία γυναίκα. Μπορείτε να δείτε τα μαλλιά. Μπορείτε να δείτε τις μεμονωμένες δομές της γυναίκας. Μπορείτε να δείτε μία διασκόρπιση ακτίνων Χ στα δόντια, το μέταλλο μέσα στα δόντια. Από εκεί προέρχονται αυτά τα τεχνουργήματα. Αλλά πλήρως διαδραστικά με μία τυπική κάρτα γραφικών σε έναν απλό υπολογιστή, μπορώ απλά να βάλω μία επιφάνεια. Και φυσικά όλα τα δεδομένα είναι μέσα, άρα μπορώ να ξεκινήσω να περιστρέφω, μπορώ να το δω από διαφορετικές γωνίες, και μπορώ να δω ότι αυτή η γυναίκα είχε ένα πρόβλημα. Έχει μία αιμορραγία στον εγκέφαλο, και φτιάχτηκε με ένα μικρό ράμμα, ένας μεταλλικός σφιγκτήρας που σφίγγει το αγγείο. Και απλά αλλάζοντας τις συναρτήσεις, μετά μπορώ να αποφασίσω τι θα είναι διαφανές και το τι θα είναι ορατό. Μπορώ να κοιτάξω τη δομή του κρανίου, και μπορώ να δω ότι, εντάξει, εδώ είναι εκεί που άνοιξαν το κρανίο της γυναίκας, και εδώ είναι από που μπήκαν μέσα. Άρα αυτές είναι φανταστικές εικόνες. Είναι πραγματικά υψηλής ανάλυσης, και πραγματικά μας δείχνουν τι μπορούμε να κάνουμε με τυπικές κάρτες γραφικών σήμερα.
So I'm going to show you a few examples of what we can do. This is a data set that was captured using a CT scanner. You can see that this is a full data [set]. It's a woman. You can see the hair. You can see the individual structures of the woman. You can see that there is [a] scattering of X-rays on the teeth, the metal in the teeth. That's where those artifacts are coming from. But fully interactively on standard graphics cards on a normal computer, I can just put in a clip plane. And of course all the data is inside, so I can start rotating, I can look at it from different angles, and I can see that this woman had a problem. She had a bleeding up in the brain, and that's been fixed with a little stent, a metal clamp that's tightening up the vessel. And just by changing the functions, then I can decide what's going to be transparent and what's going to be visible. I can look at the skull structure, and I can see that, okay, this is where they opened up the skull on this woman, and that's where they went in. So these are fantastic images. They're really high resolution, and they're really showing us what we can do with standard graphics cards today.
Πραγματικά τώρα έχουμε κάνει χρήση αυτών, και προσπαθήσαμε να στριμώξουμε πολλά δεδομένα στο σύστημα. Και μία από τις εφαρμογές που δουλεύουμε -- και αυτό έχει κερδίσει κάποια αποδοχή παγκοσμίως -- είναι η εφαρμογή των εικονικών αυτοψιών. Έτσι πάλι, κοιτώντας σε πολύ, πολύ μεγάλα σύνολα δεδομένων, και είδατε τις σαρώσεις πλήρως σώματος που μπορούμε να κάνουμε. Απλά περνάμε όλο το σώμα μέσα από τον σαρωτή ΥΤ, και μέσα σε λίγα δευτερόλεπτα μπορούμε να πάρουμε ένα σύνολο δεδομένων για ένα πλήρες σώμα. Λοιπόν αυτό είναι από μία εικονική αυτοψία. Και μπορείτε να δείτε ότι ξεφλουδίζω σταδιακά. Πρώτα βλέπετε τον σάκο μέσα στον οποίο ήρθε το σώμα, μετά ξεφλουδίζω το δέρμα -- μπορείτε να δείτε τους μυείς -- και τελικά μπορείτε να δείτε τη δομή των οστών της γυναίκας.
Now we have really made use of this, and we have tried to squeeze a lot of data into the system. And one of the applications that we've been working on -- and this has gotten a little bit of traction worldwide -- is the application of virtual autopsies. So again, looking at very, very large data sets, and you saw those full-body scans that we can do. We're just pushing the body through the whole CT scanner, and just in a few seconds we can get a full-body data set. So this is from a virtual autopsy. And you can see how I'm gradually peeling off. First you saw the body bag that the body came in, then I'm peeling off the skin -- you can see the muscles -- and eventually you can see the bone structure of this woman.
Τώρα σε αυτό το σημείο, θα ήθελα να τονίσω ότι, με το μεγαλύτερο σεβασμό για τους ανθρώπους που θα σας δείξω τώρα -- θα σας δείξω μερικές περιπτώσεις εικονικών αυτοψιών -- άρα είναι με μεγάλο σεβασμό για τους ανθρώπους που πέθαναν κάτω από βίαιες συνθήκες που σας δείχνω τις εικόνες. Στην εγκληματολογική υπόθεση -- και αυτό είναι κάτι που υπάρχουν περίπου 400 υποθέσεις μέχρι τώρα μόνο από το μέρος της Σουηδίας από όπου προέρχομαι που γίνονται εικονικές αυτοψίες τα τελευταία τέσσερα χρόνια. Άρα αυτό είναι μία τυπική περίπτωση ροής εργασίας. Η αστυνομία θα αποφασίσει -- το απόγευμα, όταν έρχεται μία υπόθεση -- θα αποφασίσουν, εντάξει, αν είναι μία υπόθεση που χρειάζεται να κάνουμε αυτοψία. Έτσι το πρωί, μεταξύ έξι και επτά το πρωί, το σώμα μεταφέρεται μέσα στο σάκο στο κέντρο μας και σαρώνεται με έναν από τους αξονικούς τομογράφους. Και μετά ο ακτινολόγος, μαζί με τον παθολόγο και μερικές φορές με τον εγκληματολόγο, εξετάζουν τα δεδομένα που εξάγονται, και κάνουν μία σύσκεψη. Και αποφασίζουν τι θα κάνουν μετά, στην πραγματική αυτοψία.
Now at this point, I would also like to emphasize that, with the greatest respect for the people that I'm now going to show -- I'm going to show you a few cases of virtual autopsies -- so it's with great respect for the people that have died under violent circumstances that I'm showing these pictures to you. In the forensic case -- and this is something that ... there's been approximately 400 cases so far just in the part of Sweden that I come from that has been undergoing virtual autopsies in the past four years. So this will be the typical workflow situation. The police will decide -- in the evening, when there's a case coming in -- they will decide, okay, is this a case where we need to do an autopsy? So in the morning, in between six and seven in the morning, the body is then transported inside of the body bag to our center and is being scanned through one of the CT scanners. And then the radiologist, together with the pathologist and sometimes the forensic scientist, looks at the data that's coming out, and they have a joint session. And then they decide what to do in the real physical autopsy after that.
Τώρα κοιτώντας σε μερικές υποθέσεις, εδώ είναι μία από τις πρώτες υποθέσεις που είχαμε. Πραγματικά μπορείτε να δείτε τις λεπτομέρειες του συνόλου δεδομένων είναι πολύ υψηλής ανάλυσης. Και είναι οι αλγόριθμοι μας που μας επιτρέπουν να μεγεθύνουμε όλες τις λεπτομέρειες. Και ξανά, είναι πλήρως διαδραστικό. άρα μπορείς να περιστρέψεις και να κοιτάξεις πράματα σε πραγματικό χρόνο με αυτά τα συστήματα. Χωρίς να πω πολλά για αυτή την υπόθεση, αυτό είναι ένα τροχαίο ατύχημα, ένας μεθυσμένος οδηγός χτύπησε μία γυναίκα. Είναι πολύ, πολύ εύκολο να δούμε τις ζημίες στα κόκαλα. Και ο λόγος θανάτου είναι σπασμένος λαιμός. Και επίσης αυτή η γυναίκα κατέληξε κάτω από το αυτοκίνητο, άρα είναι αρκετά άσχημα χτυπημένη από αυτό το χτύπημα.
Now looking at a few cases, here's one of the first cases that we had. You can really see the details of the data set. It's very high-resolution, and it's our algorithms that allow us to zoom in on all the details. And again, it's fully interactive, so you can rotate and you can look at things in real time on these systems here. Without saying too much about this case, this is a traffic accident, a drunk driver hit a woman. And it's very, very easy to see the damages on the bone structure. And the cause of death is the broken neck. And this women also ended up under the car, so she's quite badly beaten up by this injury.
Εδώ είναι μία άλλη υπόθεση, ένα μαχαίρωμα. Και αυτό πάλι μας δείχνει τι μπορούμε να κάνουμε. Είναι πολύ εύκολο να κοιτάξουμε σε μεταλλικά τεχνουργήματα που μπορούμε να δούμε μέσα στο σώμα. Επίσης μπορείτε να δείτε μερικά από τα τεχνουργήματα από τα δόντια -- που στην πραγματικότητα είναι τα σφραγίσματα στα δόντια -- αλλά επειδή το έθεσα σε λειτουργία να δείχνει τα μέταλλα και να κάνει όλα τα υπόλοιπα διαφανή Εδώ είναι μία ακόμα βίαιη υπόθεση. Αυτό δεν σκότωσε το άτομο. Το άτομο σκοτώθηκε από μαχαιριές στην καρδιά, απλά έβαλαν το μαχαίρι διαμέσου από ένα από τα μάτια. Εδώ είναι μία άλλη υπόθεση. Είναι πολύ ενδιαφέρον για μας να μπορούμε να κοιτάμε πράματα όπως μαχαιρώματα. Εδώ μπορείτε να δείτε ότι το μαχαίρι διαπέρασε την καρδιά. Είναι πολύ εύκολο να δείτε πως διαρρέει αέρας από το ένα μέρος στο άλλο, που είναι δύσκολο να γίνει σε μία κανονική, τυπική, φυσική αυτοψία. Γι΄ αυτό πραγματικά βοηθάει την ποινική έρευνα να διαπιστωθεί η αιτία θανάτου, και σε μερικές υποθέσεις επίσης κατευθύνει την έρευνα στην σωστή κατεύθυνση για να βρει ποιος ήταν πραγματικά ο δολοφόνος.
Here's another case, a knifing. And this is also again showing us what we can do. It's very easy to look at metal artifacts that we can show inside of the body. You can also see some of the artifacts from the teeth -- that's actually the filling of the teeth -- but because I've set the functions to show me metal and make everything else transparent. Here's another violent case. This really didn't kill the person. The person was killed by stabs in the heart, but they just deposited the knife by putting it through one of the eyeballs. Here's another case. It's very interesting for us to be able to look at things like knife stabbings. Here you can see that knife went through the heart. It's very easy to see how air has been leaking from one part to another part, which is difficult to do in a normal, standard, physical autopsy. So it really, really helps the criminal investigation to establish the cause of death, and in some cases also directing the investigation in the right direction to find out who the killer really was.
Εδώ είναι μία άλλη υπόθεση που πιστεύω είναι ενδιαφέρουσα Εδώ μπορείτε να δείτε μία σφαίρα που σφήνωσε ακριβώς δίπλα από την σπονδυλική στήλη αυτού του ατόμου. Και αυτό που κάναμε είναι να μετατρέψουμε την σφαίρα σε πηγή φωτός, ώστε η σφαίρα στην πραγματικότητα λάμπει, και το κάνει πραγματικά εύκολο να βρεις αυτά τα θραύσματα. Κατά την διάρκεια μιας φυσικής αυτοψίας, αν πραγματικά χρειαστεί να σκάψεις μέσα στο σώμα για να βρεις αυτά τα θραύσματα, αυτό είναι κάτι πραγματικά δύσκολο για να το κάνεις.
Here's another case that I think is interesting. Here you can see a bullet that has lodged just next to the spine on this person. And what we've done is that we've turned the bullet into a light source, so that bullet is actually shining, and it makes it really easy to find these fragments. During a physical autopsy, if you actually have to dig through the body to find these fragments, that's actually quite hard to do.
Ένα από τα πράματα για τα οποία είμαι πραγματικά χαρούμενος είναι ότι μπορώ να σας δείξω σήμερα το εικονικό μας τραπέζι αυτοψίας. Είναι μία συσκευή αφής που αναπτύξαμε βασιζόμενοι σε αυτούς τους αλγορίθμους, χρησιμοποιώντας τυπικούς επεξεργαστές γραφικών. Μοιάζει πραγματικά σαν και αυτό, απλά για να σας δώσω μία αίσθηση για το πως μοιάζει. Πραγματικά απλά δουλεύει σαν ένα μεγάλο iPhone. Έτσι έχουμε υλοποιήσει όλες τις χειρονομίες που μπορείς να κάνεις πάνω στο τραπέζι, και μπορείς να το σκεφτείς σαν μία τεράστια διεπαφή αφής. Άρα άμα σκέφτεστε να αγοράσετε ένα iPad, ξεχάστε το, αυτό είναι αυτό που θέλετε αντί για εκείνο. Στιβ, ελπίζω να το ακούς αυτό, ωραία. Επομένως είναι μία πολύ καλή μικρή συσκευή. Άρα άμα έχετε την ευκαιρία, παρακαλώ δοκιμάστε το. Είναι μία ενεργή εμπειρία. Έτσι έχει κερδίσει κάποια αποδοχή, και προσπαθούμε να το προωθήσουμε και προσπαθούμε να το χρησιμοποιήσουμε για εκπαιδευτικούς σκοπούς, αλλά επίσης, ίσως στο μέλλον, σε περισσότερο κλινικές καταστάσεις. Υπάρχει ένα YouTube βίντεο που μπορείτε να κατεβάσετε και να δείτε, αν θέλετε να μεταφέρετε την πληροφορία σε άλλα άτομα για εικονικές αυτοψίες.
One of the things that I'm really, really happy to be able to show you here today is our virtual autopsy table. It's a touch device that we have developed based on these algorithms, using standard graphics GPUs. It actually looks like this, just to give you a feeling for what it looks like. It really just works like a huge iPhone. So we've implemented all the gestures you can do on the table, and you can think of it as an enormous touch interface. So if you were thinking of buying an iPad, forget about it. This is what you want instead. Steve, I hope you're listening to this, all right. So it's a very nice little device. So if you have the opportunity, please try it out. It's really a hands-on experience. So it gained some traction, and we're trying to roll this out and trying to use it for educational purposes, but also, perhaps in the future, in a more clinical situation. There's a YouTube video that you can download and look at this, if you want to convey the information to other people about virtual autopsies.
Εντάξει, τώρα που μιλάμε για αφή, επιτρέψτε μου να προχωρήσω στην πραγματική αφή των δεδομένων. Και αυτό τώρα είναι λίγο επιστημονική φαντασία, άρα πραγματικά προχωράμε στο μέλλον. Αυτό δεν είναι στην πραγματικότητα αυτό που χρησιμοποιούν οι γιατροί τώρα, και ελπίζω ότι θα το κάνουν στο μέλλον. Λοιπόν αυτό που βλέπετε στα αριστερά της συσκευής αφής είναι ένα μικρό μηχανικό στυλό που μέσα στο στυλό έχει πολύ, πολύ γρήγορους βηματικούς κινητήρες. Και έτσι μπορώ να παράγω μία δύναμη ανάδρασης. Άρα όταν εικονικά αγγίζω δεδομένα, θα παράγει δυνάμεις αφής στο στυλό, ώστε να πάρω μία ανάδραση. Επομένως στην συγκεκριμένη περίπτωση, είναι μία σάρωση ενός ζωντανού ανθρώπου. Έχω αυτό το στυλό και κοιτάω τα δεδομένα, και κινώ το στυλό προς το κεφάλι, και ξαφνικά νοιώθω αντίσταση. Άρα μπορώ να νιώσω το δέρμα. Αν σπρώξω λίγο παραπάνω, θα διαπεράσω το δέρμα, και μπορώ να νιώσω το κόκκαλο μέσα. Αν πιέσω ακόμα παραπάνω, θα διαπεράσω το κόκκαλο, ειδικά κοντά στο αυτί όπου το κόκκαλο είναι πολύ μαλακό. Και μπορώ να νιώσω τον εγκέφαλο μέσα, και θα είναι λασπώδεις σαν αυτό.
Okay, now that we're talking about touch, let me move on to really "touching" data. And this is a bit of science fiction now, so we're moving into really the future. This is not really what the medical doctors are using right now, but I hope they will in the future. So what you're seeing on the left is a touch device. It's a little mechanical pen that has very, very fast step motors inside of the pen. And so I can generate a force feedback. So when I virtually touch data, it will generate forces in the pen, so I get a feedback. So in this particular situation, it's a scan of a living person. I have this pen, and I look at the data, and I move the pen towards the head, and all of a sudden I feel resistance. So I can feel the skin. If I push a little bit harder, I'll go through the skin, and I can feel the bone structure inside. If I push even harder, I'll go through the bone structure, especially close to the ear where the bone is very soft. And then I can feel the brain inside, and this will be the slushy like this.
Επομένως αυτό είναι πραγματικά ωραίο. Και για να το πάω αυτό παραπέρα, αυτή είναι μία καρδιά. Και αυτό είναι επίσης λόγο αυτών των φανταστικών νέων σαρωτών, που μόλις σε 0,3 δευτερόλεπτα, μπορώ να σαρώσω ολόκληρη την καρδιά και μπορώ να το κάνω αυτό με ανάλυση χρόνου. Επομένως απλά κοιτώντας αυτή την καρδιά, Μπορώ να αναπαράγω ένα βίντεο εδώ. Και αυτός είναι ο Καρλτζοχαν, ένας από τους μεταπτυχιακούς φοιτητές μου ο οποίος δουλεύει σε αυτό το πρόγραμμα. Και κάθεται εκεί μπροστά στην συσκευή Haptic, το σύστημα δυναμικής ανάδρασης, και κινεί το στυλό του προς την καρδιά, και η καρδιά τώρα χτυπάει μπροστά του, επομένως, μπορεί να δει πως η καρδιά χτυπάει. Πήρε το στυλό και το κινεί προς την καρδιά, και το πιέζει πάνω στην καρδιά, και μετά νοιώθει τους καρδιακούς παλμούς από τον ζωντανό ασθενή. Μετά μπορεί να εξετάσει πως η καρδιά κουνιέται. Μπορεί να πάει μέσα, να σπρώξει μέσα στην καρδιά, και πραγματικά να νιώσει πως κινούνται οι βαλβίδες. Και αυτό, πιστεύω, είναι πραγματικά το μέλλον για τους καρδιοχειρουργούς. Νομίζω ότι μάλλον είναι η ονείρωξη για έναν καρδιοχειρουργό το να μπορεί να μπει μέσα στην καρδιά του ασθενή του πριν κάνει στην πραγματικότητα εγχείρηση, και να το κάνει αυτό με υψηλής ποιότητας και ανάλυσης δεδομένα. Επομένως, αυτό είναι πραγματικά φανταστικό.
So this is really nice. And to take that even further, this is a heart. And this is also due to these fantastic new scanners, that just in 0.3 seconds, I can scan the whole heart, and I can do that with time resolution. So just looking at this heart, I can play back a video here. And this is Karljohan, one of my graduate students who's been working on this project. And he's sitting there in front of the Haptic device, the force feedback system, and he's moving his pen towards the heart, and the heart is now beating in front of him, so he can see how the heart is beating. He's taken the pen, and he's moving it towards the heart, and he's putting it on the heart, and then he feels the heartbeats from the real living patient. Then he can examine how the heart is moving. He can go inside, push inside of the heart, and really feel how the valves are moving. And this, I think, is really the future for heart surgeons. I mean it's probably the wet dream for a heart surgeon to be able to go inside of the patient's heart before you actually do surgery, and do that with high-quality resolution data. So this is really neat.
Τώρα προχωράμε ακόμα παραπέρα στην επιστημονική φαντασία. Και έχουμε ακούσει λίγα για την μαγνητική τομογραφία. Τώρα, αυτό είναι πραγματικά ένα ενδιαφέρον πρόγραμμα. Η μαγνητική τομογραφία χρησιμοποιεί μαγνητικά πεδία και ραδιοσυχνότητες για να σαρώσει τον εγκέφαλο, ή οποιοδήποτε άλλο μέρος του σώματος. Άρα αυτό που στην πραγματικότητα παίρνουμε από αυτό είναι πληροφορία για την δομή του εγκεφάλου, αλλά μπορούμε επίσης να μετρήσουμε την διαφορά στις μαγνητικές ιδιότητες του αίματος που οξυγονώνεται και αίματος που δεν έχει οξυγόνο. Αυτό σημαίνει πως είναι δυνατόν να χαρτογραφήσουμε την δραστηριότητα του εγκεφάλου. Άρα αυτό είναι κάτι πάνω στο οποίο δουλέψαμε. Και μόλις είδατε τον Μοτς τον ερευνητή εκεί να μπαίνει μέσα στο σύστημα μαγνητικής τομογραφίας, φορώντας γυαλιά Επομένως μπορούσε να δει πράγματα μέσα στα γυαλιά. Άρα μπορώ να του παρουσιάσω πράματα όσο είναι μέσα στον σαρωτή. Και αυτό είναι λίγο παράξενο, γιατί αυτό που βλέπει ο Μοτς στην πραγματικότητα είναι αυτό. Βλέπει τον ίδιο του τον εγκέφαλο. Άρα ο Μοτς κάνει κάτι εκεί. Και ίσως κάνει αυτό με το δεξί του χέρι, επειδή η αριστερή μεριά είναι ενεργοποιημένη στον κινητικό φλοιό. Και έπειτα μπορεί να το δει αυτό την ίδια στιγμή. Αυτές οι απεικονίσεις είναι ολοκαίνουριες. Και αυτό είναι κάτι που ερευνούσαμε για λίγο καιρό.
Now we're going even further into science fiction. And we heard a little bit about functional MRI. Now this is really an interesting project. MRI is using magnetic fields and radio frequencies to scan the brain, or any part of the body. So what we're really getting out of this is information of the structure of the brain, but we can also measure the difference in magnetic properties of blood that's oxygenated and blood that's depleted of oxygen. That means that it's possible to map out the activity of the brain. So this is something that we've been working on. And you just saw Motts the research engineer, there, going into the MRI system, and he was wearing goggles. So he could actually see things in the goggles. So I could present things to him while he's in the scanner. And this is a little bit freaky, because what Motts is seeing is actually this. He's seeing his own brain. So Motts is doing something here, and probably he is going like this with his right hand, because the left side is activated on the motor cortex. And then he can see that at the same time. These visualizations are brand new. And this is something that we've been researching for a little while.
Αυτή είναι μία άλλη ακολουθία του εγκεφάλου του Ματς. Και εδώ ζητήσαμε από τον Ματς να υπολογίσει προς τα πίσω από το 100. Άρα πάει "100, 97, 94." Και έπειτα πηγαίνει προς τα πίσω. Και μπορείτε να δείτε τον μικρό επεξεργαστή μαθηματικών να δουλεύει εδώ μέσα στον εγκέφαλό του και ανάβει ολόκληρο τον εγκέφαλο. Λοιπόν αυτό είναι φανταστικό. Μπορούμε να το κάνουμε σε πραγματικό χρόνο. Μπορούμε να ερευνήσουμε πράματα. Μπορούμε να το πούμε να κάνει πράγματα. Μπορείτε επίσης να δείτε ότι ο οπτικός φλοιός είναι ενεργοποιημένος στο πίσω του κεφαλιού, επειδή εκεί είναι που βλέπει, βλέπει τον ίδιο του τον εγκέφαλο. Και επίσης ακούει τις οδηγίες μας όταν του λέμε να κάνει πράγματα. Επίσης το σήμα είναι πραγματικά βαθιά μέσα στον εγκέφαλο, αλλά λάμπει από μέσα, γιατί όλα τα δεδομένα είναι μέσα σε αυτό το χώρο. Και σε ένα δευτερόλεπτο εδώ θα δείτε -- Ωραία, εδώ. Μοτς, τώρα κούνα το αριστερό σου πόδι. Άρα κάνει κάπως έτσι. Και για 20 δευτερόλεπτα κάνει κάπως έτσι, και ξαφνικά ανάβει εδώ. Άρα έχουμε ενεργοποίηση του κινητικού φλοιού εδώ. Άρα αυτό είναι πραγματικά, πραγματικά καλό. Και πιστεύω ότι είναι ένα καταπληκτικό εργαλείο. Και επίσης συνδέοντας την προηγούμενη ομιλία, αυτό είναι κάτι που θα μπορούσαμε να το χρησιμοποιήσουμε σαν εργαλείο να καταλάβουμε πραγματικά πως δουλεύουν οι νευρώνες, πως δουλεύει ο εγκέφαλος, και μπορούμε να το κάνουμε αυτό με πολύ, πολύ μεγάλη οπτική ποιότητα και πολύ γρήγορη ανάλυση.
This is another sequence of Motts' brain. And here we asked Motts to calculate backwards from 100. So he's going "100, 97, 94." And then he's going backwards. And you can see how the little math processor is working up here in his brain and is lighting up the whole brain. Well this is fantastic. We can do this in real time. We can investigate things. We can tell him to do things. You can also see that his visual cortex is activated in the back of the head, because that's where he's seeing, he's seeing his own brain. And he's also hearing our instructions when we tell him to do things. The signal is really deep inside of the brain as well, and it's shining through, because all of the data is inside this volume. And in just a second here you will see -- okay, here. Motts, now move your left foot. So he's going like this. For 20 seconds he's going like that, and all of a sudden it lights up up here. So we've got motor cortex activation up there. So this is really, really nice, and I think this is a great tool. And connecting also with the previous talk here, this is something that we could use as a tool to really understand how the neurons are working, how the brain is working, and we can do this with very, very high visual quality and very fast resolution.
Επίσης τώρα λίγο διασκεδάζουμε στο κέντρο. Λοιπόν αυτό είναι μία ΥΤ -- μία υπολογιστική αξονική τομογραφία. Λοιπόν αυτό είναι ένα λιοντάρι από τον τοπικό ζωολογικό κήπο έξω από το Νόρσεπινγκ στο Κολμόρτεν, η Έλσα. Λοιπόν ήρθε στο κέντρο, και την ναρκώσανε και απευθείας μετά την έβαλαν μέσα στον σαρωτή. Και μετά, φυσικά, πήρα ένα ολόκληρο σύνολο δεδομένων από το λιοντάρι. Και μπορώ να κάνω μετά πολύ καλές εικόνες,όπως εδώ. Μπορώ να ξεφλουδίσω το στρώμα από το λιοντάρι. Μπορώ να κοιτάξω μέσα του. Και έχουμε πειραματιστεί με αυτό. Και νομίζω είναι μία μεγάλη εφαρμογή για το μέλλον αυτής της τεχνολογίας. Γιατί λίγα είναι γνωστά για την ανατομία των ζώων. Αυτό που είναι γνωστό στους κτηνιάτρους είναι κάτι σαν βασική πληροφορία. Μπορούμε να σαρώσουμε διάφορα πράγματα. Όλων των ειδών ζώα. Το μόνο πρόβλημα είναι πως θα τα χωρέσουμε στο μηχάνημα. Λοιπόν εδώ είναι μία αρκούδα. Ήταν κάπως δύσκολο να την βάλουμε μέσα. Και η αρκούδα είναι ένα αγαπησιάρικο, φιλικό ζώο. Και εδώ είναι. Εδώ είναι η μύτη της αρκούδας. Και ίσως θέλεις να την αγκαλιάσεις αυτήν εδώ, μέχρι να αλλάξεις την συνάρτηση και να φαίνεται έτσι. Άρα να προσέχετε την αρκούδα.
Now we're also having a bit of fun at the center. So this is a CAT scan -- Computer Aided Tomography. So this is a lion from the local zoo outside of Norrkoping in Kolmarden, Elsa. So she came to the center, and they sedated her and then put her straight into the scanner. And then, of course, I get the whole data set from the lion. And I can do very nice images like this. I can peel off the layer of the lion. I can look inside of it. And we've been experimenting with this. And I think this is a great application for the future of this technology, because there's very little known about the animal anatomy. What's known out there for veterinarians is kind of basic information. We can scan all sorts of things, all sorts of animals. The only problem is to fit it into the machine. So here's a bear. It was kind of hard to get it in. And the bear is a cuddly, friendly animal. And here it is. Here is the nose of the bear. And you might want to cuddle this one, until you change the functions and look at this. So be aware of the bear.
Έτσι με αυτό, θα ήθελα να ευχαριστήσω όλους που με βοήθησαν να παράγω αυτές τις εικόνες. Είναι μία μεγάλη προσπάθεια για να γίνει αυτό, να συλλέξεις τα δεδομένα και να αναπτύξεις τους αλγορίθμους, να γράψεις όλο το λογισμικό. Άρα κάποιοι πολύ ταλαντούχοι άνθρωποι. Το ρητό μου πάντα είναι, να προσλαμβάνω μόνο ανθρώπους που είναι εξυπνότεροι από μένα και πολλοί από αυτούς είναι εξυπνότεροι από μένα.
So with that, I'd like to thank all the people who have helped me to generate these images. It's a huge effort that goes into doing this, gathering the data and developing the algorithms, writing all the software. So, some very talented people. My motto is always, I only hire people that are smarter than I am and most of these are smarter than I am.
Λοιπόν, σας ευχαριστώ πάρα πολύ.
So thank you very much.
(Χειροκρότημα)
(Applause)