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.
אני אתחיל על ידי הצבת אתגר קטן, האתגר של התמודדות עם נתונים, נתונים איתם צריך להתמודד במצבים רפואיים. זה באמת אתגר אדיר עבורנו. וזוהי בהמת המשא שלנו. זוהי מכונת הטומוגרפיה הממוחשבת -- מכונת ה-סי-טי. זהו מכשיר מדהים. הוא משתמש באלומות של קרני רנטגן, שמסתובבות מאד מהר מסביב לגוף האדם. לוקח בערך 30 שניות לעבור דרך כל המכונה והיא מייצרת כמויות עצומות של מידע שיוצא מהמכונה. אז זוהי מכונה מדהימה שאנחנו יכולים להשתמש כדי לשפר את הטיפול הרפואי. אך כפי שאמרתי, זה גם מהווה אתגר עבורנו. והאתגר נמצא באמת בתמונה הזאת כאן. זוהי התפוצצות של הנתונים הרפואיים שיש לנו עכשיו. אנו מתמודדים עם הבעיה הזאת. הרשו לי לחזור בזמן.
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.
בואו נחזור מספר שנים ונראה מה קרה אז. המכונות האלה שיצאו -- הם התחילו לצאת בשנות ה-70 -- הם סרקו את גוף האדם, והם יצרו בערך 100 תמונות של גוף האדם. הרשיתי לעצמי, לצרכי בהירות, לתרגם את זה לחתכים של נתונים. זה מתרגם לבערך 50 מגה בייט של נתונים, שזה מעט כאשר אתם חושבים על הנתונים שאנחנו מסוגלים לטפל היום אפילו במכשיר נייד נורמלי. אם אתם מתרגמים את זה לספר טלפונים, זה בערך מטר של ספרי טלפונים בערימה. אם תביטו מה אנחנו עושים היום בעזרת המכונות האלה שיש לנו, אנחנו יכולים, אפילו בשניות ספורות, לקבל 24,000 תמונות מתוך הגוף. וזה מתרגם לבערך 20 ג'יגה בייט של נתונים, או 800 ספרי טלפונים. והערימה תהיה אז 200 מטר של ספרי טלפונים. מה שעומד לקרות -- ואנחנו רואים את זה, זה מתחיל -- מגמה טכנולוגית שמתרחשת ממש עכשיו היא שאנחנו מתחילים לראות מצבים של תוצאות זמן גם כן. אז אנחנו מקבלים את הדינמיקה של הגוף גם כן. ורק נניח שאנחנו אוספים נתונים במשך 5 שניות, זה יתורגם לטרה בייט של נתונים. שהם 800,000 ספרים ו-16 ק"מ של ספרי טלפונים. וזה רק חולה אחד, רק קבוצת נתונים אחת. ועם זה אנחנו צריכים להתמודד.
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.
אז יש לנו באמת אתגר אדיר. וכבר היום -- זה 25,000 תמונות. דמיינו את הימים שהיו לנו רדיולוגים שעושים את זה. הם היו שמים 25,000 תמונות, הם היו אומרים משהו כמו, "25,000, בסדר, בסדר. הנה הבעיה." הם לא יכולים לעשות את זה יותר, זה בלתי אפשרי. אז אנחנו צריכים לעשות משהו קצת יותר אינטלגנטי מאשר לעשות את זה. אז אנחנו שמים את כל החתכים ביחד. דמיינו שאתם חותכים את הגוף שלכם בכל הכיוונים האלה, ואז אתם מנסים לשים את החתכים ביחד בחזרה שוב לתוך ערימה של נתונים, לתוך בלוק של נתונים. אז זה באמת מה שאנחנו עושים. אז הג'יגה בייט או הטרה בייט של נתונים, אנחנו שמים אותם לתוך הבלוק הזה. אבל כמובן, הבלוק של הנתונים רק כולל את הכמות של קרני הרנטגן שנספגו בכל נקודה בגוף האדם. אז מה שאנחנו צריכים לעשות זה למצוא דרך להסתכל בדברים שאנחנו רוצים לראות ולגרום לדברים שאנחנו לא רוצים לראות להיות שקופים. אז לשנות את קבוצת הנתונים למשהו שנראה כמו זה. וזהו אתגר. זה אתגר עצום בשבילנו.
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.
שימוש במחשבים, אפילו שהם נעשים מהירים וטובים יותר כל הזמן, זה אתגר לעבד ג'יגות בייט של נתונים, טרות בייט של נתונים ולחלץ את המידע הרלוונטי. אני רוצה להסתכל על הלב, אני רוצה להסתכל על עורקי הדם, אני רוצה להסתכל על הכבד, אולי אפילו למצוא גידול במקרים מסויימים. אז זה המקום שהדבר הקטן והיקר הזה נכנס למשחק. זוהי הבת שלי. זוהי בשעה 9 בבוקר היום. היא משחקת משחק מחשב. היא רק בת שנתיים, והיא מאד נהנית. אז היא הכוח המוביל מאחורי הפיתוח של יחידות העיבוד הגראפיות. כל עוד ילדים משחקים משחקי מחשב, הגראפיקה נעשית טובה יותר ויותר ויותר. אז אימרו בבקשה לילדכם לשחק יותר משחקים, כי זה מה שאני צריך.
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.
אז מה שיש בתוך המכונה הזאת מאפשר לי לעשות את הדברים שאני עושה עם הנתונים הרפואיים. אז אני משתמש במכשירים הקטנים והפנטסטים האלה. ואתם יודעים, בעבר לפני אולי 10 שנים כאשר קיבלתי את המימון לקנות את המחשב הגראפי הראשון שלי. זו היתה מכונה ענקית. ארונות של מעבדים, ואיחסון והכל. שילמתי בערך מיליון דולר עבורה. המכונה הזאת, היום, היא מהירה כמו האייפון שלי. אז כל חודש יוצאים כרטיסים גראפיים חדשים. והנה כמה מהאחרונים מהיצרנים -- NVIDA, ATI ויש גם לאינטל. ואתם יודעים, בעבור כמו מאות דולרים אתם יכולים לשים את הדברים האלה בתוך המחשב שלכם, ואתם יכולים לעשות דברים פנטסטיים בעזרתם. אז זה באמת מה שמאפשר לנו להתמודד עם התפוצצות הנתונים ברפואה, ביחד עם כמה עבודות ממש איכותיות במונחים של אלגוריתמים -- דחיסת נתונים, חילוץ המידע הרלוונטי שאנשים חוקרים.
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.
אז אני הולך להראות לכם מספר דוגמאות של מה שאנחנו יכולים לעשות. זאת קבוצת נתונים שנוצרה בעזרת סורק סי-טי. אתם יכולים לראות שאלו נתונים מלאים. זוהי אישה. אתם יכולים לראות את השיער. אתם יכולים לראות את החלקים השונים של האישה. אתם יכולים לראות את ההתפזרות של קרני הרנטגן בשניים, המתכת בתוך השן. זהו המקור לההפרעות האלה. אבל בצורה אינטראקטיבית לחלוטין בעזרת כרטיס גראפי סטנדרטי של מחשב רגיל, אני יכול להכניס משטח. וכמובן כל הנתונים בתוכו, ואז אני יכול לסובב, אני יכול להסתכל על זה מזוויות שונות, ואני יכול לראות שלאישה הזאת היתה בעיה. היה לה דימום במוח, וזה תוקן בעזרת סטנט קטן, אטב מתכת שמכווץ את כלי הדם. ובעזרת שינוי הפונקציות בלבד, אני יכול לקבוע מה יהיה שקוף ומה יראה. אני יכול להסתכל במבנה הגולגולת, ואני יכול לראות היכן הם פתחו את הגולגולת של האישה הזאת, והיכן הם נכנסו. אז אלו הם תמונות פנטסטיות. הן ברזולוציה גבוהה, והן ממש מראות לנו מה אנחנו יכולים לעשות בעזרת כרטיסים גראפיים סטנדרטים היום.
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.
אנחנו באמת ניצלנו את זה, וניסינו לדחוף הרבה נתונים לתוך המערכת. ואחד הישומים שאנחנו עובדים עליו -- שזכה לקצת הדים בעולם -- הוא הישום של נתיחת גופות וירטואלית. בהסתכלות על קבוצות נתונים מאד גדולות, וראיתם את סקירות הגוף המלאות שאנחנו מסוגלים לעשות. אנחנו פשוט מעבירים את הגוף דרך כל סורק ה-סי-טי, ובתוך מספר שניות אנחנו מקבלים נתונים עבור כל הגוף. וזה מתוך נתיחת גופה וירטואלית. ואתם יכולים לראות איך אני מסיר שכבות בהדרגה. ראשית אתם רואים את שק הגופות שהגופה הגיעה בו, ואז אני מסיר את שכבת העור -- אתם יכולים לראות את השרירים -- ולבסוף אתם יכולים לראות את מבנה העצמות של האישה הזאת.
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.
בנקודה זאת אני רוצה להדגיש שעם כל הכבוד לאנשים שאני אראה עכשיו -- אני אראה לכם מספר מקרים של נתיחת גופות וירטואליות -- אז עם כל הכבוד לאנשים שמתו בנסיבות אלימות אני מציג לכם את התמונות האלה. בחקירת פשעים -- שזה משהו שהיו בערך 400 מקרים עד עתה רק בחלק של שבדיה שאני בא ממנו שעברו נתיחת גופות וירטואלית במהלך 4 השנים האחרונות. אז הנה תהליך העבודה הטיפוסי. המשטרה מחליטה -- בערב כאשר המקרה מגיע -- שזהו מקרה שדורש נתיחת גופה. אז בבוקר, בין שש ושבע בבוקר, הגופה מועברת בתוך שק גופות למרכז שלנו ונסרקת בתוך אחד מסורקי ה-סי-טי. ואז הרדיולוג, ביחד עם הפתולוג ולפעמים חוקר הפשעים המדעי, מסתכלים בנתונים שיוצאים, והם מקיימים דיון משותף. ואז הם מחליטים מה לעשות בנתיחה הפיסית לאחר מכן.
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.
מהסתכלות במספר מקרים, הנה אחד המקרים הראשונים שהיו לנו. אתם ממש יכולים לראות את הפרטים של קבוצת הנתונים, זה ברזולוציה מאד גבוהה. ואלו האלגוריתמים שלנו שמאפשרים לנו להתמקד בכל הפרטים. ושוב זה אינטרקטיבי לחלוטין, אתם יכולים לסובב ואתם יכולים להביט בדברים בזמן אמיתי במערכות האלה כאן. בלי להגיד יותר מדי על המקרה הזה, זוהי תאונת דרכים, נהג שיכור פגע באישה. וזה מאד מאד קל לראות את הנזקים במבנה העצמות. וסיבת המוות היא צוואר שבור. והאישה הזאת גם נמצאה מתחת למכונית, כך שהיא נחבטה בצורה חמורה בפגיעה הזאת.
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.
הנה מקרה נוסף, דקירת סכין. וזה שוב מראה מה אנחנו מסוגלים לעשות. זה מאד קל לראות את חלקי המתכת שאנחנו יכולים להציג בתוך הגוף. אתם יכולים גם לראות חתיכות מהשיניים -- אלו באמת המילוי של השיניים -- אבל זה בגלל שכיוונו את הפונקציה להראות מתכת ולהראות את כל השאר כשקוף. הנה עוד מקרה אלים. זה באמת לא הרג את האיש. האיש נרצח על ידי דקירות בלב, אבל הם נעצו את הסכין בגלגל העין. הנה מקרה נוסף. זה מאד מעניין אותנו להיות מסוגלים להביט בדברים כמו דקירות סכינים. כאן אתם יכולים לראות שהסכין עברה דרך הלב. מאד קל לראות איך האוויר התפזר מחלק אחד לחלק אחר, דבר שהוא קשה לעשות בנתיחה פיזית רגילה וסטנדרטית. אז זה ממש ממש עוזר לחקירות פשעים לקבוע את סיבת המוות, ובמקרים מסוימים לכוון את החקירה לכיוון הנכון לגלות מי באמת היה הרוצח.
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.
הנה עוד מקרה שאני חושב שהוא מעניין. כאן אתם יכולים לראות קליע שנמצא ממש ליד עמוד השדרה של האיש הזה. ומה שעשינו היה להפוך את הקליע למקור אור, כך שהקליע ממש זורח, וזה מקל על מציאת החלקיקים האלה. במהלך נתיחה פיזית, אם אתם צריכים ממש לחפור בגוף כדי למצוא את החלקיקים האלה, זה באמת די קשה.
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.
אחד הדברים שממש ממש משמח אותי להראות לכם כיום הוא שולחן הנתיחות הוירטואלי שלנו. זה מכשיר מגע שפיתחנו בהתבסס על האלגוריתמים האלה, בעזרת מעבדים גראפיים סטנדרטים. זה באמת נראה כך, רק כדי לתת לכם את התחושה איך זה נראה. זה עובד כמו אי-פון ענק. אנחנו ישמנו את כל המחוות שאתם יכולים לעשות על השולחן, ואתם יכולים לחשוב על זה כמו ממשק מגע ענקי. אז אם חשבתם לקנות אי-פד, תשכחו מזה, זה מה שאתם רוצים במקום. סטיב, אני מקווה שאתה מקשיב לזה. אז זהו מכשיר קטן ומאד נחמד. אז אם יש לכם הזדמנות, אנא נסו אותו. זוהי ממש חווית מגע. אז זה מתחיל לצבור תאוצה, ואנחנו מנסים לשווק את זה ומנסים להשתמש בזה לצרכים חינוכיים, אבל גם, אולי בעתיד, במצבים יותר קליניים. יש סרטון יו-טיוב שאתם יכולים להוריד ולראות את זה, אם אתם רוצים להעביר את המידע לאנשים אחרים לגבי נתיחות וירטואליות.
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.
כאשר אנחנו מדברים על מגע, בואו ממש ניגע בנתונים. וזה קצת מדע בדיוני עכשיו, ואנחנו עוברים באמת לעתיד. הרופאים לא באמת משתמשים בזה עכשיו, אבל אני מקווה שהם יעשו זאת בעתיד. אז מה שאנחנו רואים בצד שמאל הוא מכשיר מגע. זהו עט מכני קטן שיש לו מנועי צעד מאד מאד מהירים בתוכו. כך שאני יכול ליצר משוב של לחיצה. כך שכשאני נוגע בנתונים בצורה וירטואלית, זה ייצר כוחות מגע בעט, כך שאני מקבל משוב. מצב מסוים זה, הוא סריקה של אדם חי. יש לי את העט, ואני מביט בנתונים, ואני מזיז את העט לכיוון הראש, ופתאום אני מרגיש התנגדות. כך שאני יכול להרגיש את העור. אם אני לוחץ קצת יותר חזק, אני אחדור את העור, ואני יכול לחוש את מבנה העצמות בפנים. אם אני לוחץ יותר חזק, אני אחדור את מבנה העצמות, ביחוד ליד האוזן בו העצם היא מאד רכה. ואז אני יכול לחוש את המוח בפנים, וזה יהיה רכרוכי.
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.
אז זה ממש נחמד. וכדי לקחת את זה יותר רחוק, זהו הלב. וגם זה בעזרת הסורקים החדשים הפנטסטיים, תוך 0.3 שניות, אני יכול לסרוק את כל הלב, ואני יכול לעשות את זה ברזולוציה של זמן. ורק באמצעות הסתכלות על הלב הזה, אני יכול לנגן את הוידאו אחורה. וזהו קרליואן, אחד התלמידים שלי, שעבד על הפרויקט הזה. והוא יושב לפני מכשיר המגע הזה, מערכת משוב הכוח, והוא מזיז את העט לכיוון הלב, והלב עכשיו פועם מולו, והוא יכול לראות כיצד הלב פועם. הוא לוקח את העט, ומקרב אותו ללב, והוא מניח אותו על הלב, ואז הוא מרגיש את פעימות הלב של חולה אמיתי. ואז הוא יכול לבדוק כיצד הלב זז. הוא יכול להכנס פנימה, לתוך הלב, וממש לחוש כיצד המסתמים זזים. וזהו, אני חושב, העתיד של נתוחי הלב. זהו כנראה החלום הרטוב של מנתחי הלב להיות מסוגלים לחדור לתוך הלב של החולה לפני שהם ממש עושים את הניתוח, ולעשות את זה עם נתונים ברזולוציה גבוהה. אז זה ממש מגניב.
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.
עכשיו נלך אפילו יותר רחוק לתוך המדע הבדיוני. אנחנו שומעים קצת על אמ-אר-אי פונקציונלי. זהו באמת פרויקט מעניין. אמ-אר-אי משתמש בשדות מגנטיים וגלי רדיו כדי לסרוק את המוח, או כל חלק אחר בגוף. מה שאנחנו באמת מקבלים זהו מידע על המבנה של המוח, אבל אנחנו גם יכולים למדוד את ההבדלים בתכונות המגנטיות של הדם המחומצן והדם שיצא ממנו החמצן. זה אומר שניתן למפות את פעילות המוח. אז זהו דבר שאנחנו עובדים עליו. ובדיוק ראיתם את מוטס, מהנדס המחקר שם נכנס לתוך מערכת האמ-אר-אי, והוא לבש משקפיים. כך שהוא יכול לראות דברים במשקפיים. אני יכול להציג לו דברים כאשר הוא בתוך הסורק. וזה קצת מפחיד, בגלל שמה שמוטס רואה זה בעצם את זה. הוא רואה את המוח שלו. מוטס עושה כאן משהו. והוא עושה כך בידו הימנית, בגלל שהצד השמאלי מופעל בקורטקס המוטורי. ואז הוא יכול לראות את זה באותו הזמן. המחשות אלו הן חדשות לחלוטין. זה משהו שאנחנו חוקרים כבר זמן מה.
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.
זהו רצף נוסף של מוחו של מוטס. כאן ביקשנו ממוטס לחשב אחורנית מ-100. הוא סופר "100, 97, 94." והוא ממשיך אחורה. ואתם יכולים לראות כיצד המעבד החשבוני עובד כאן במוח שלו והוא מאיר את כל המוח. זה פנטסטי. אנחנו יכולים לעשות זאת בזמן אמיתי. אפשר לחקור דברים. אפשר לומר לו לעשות דברים. אפשר לראות שהקורטקס הויזואלי שלו מופעל בחלק האחורי של הראש, בגלל ששם הוא רואה, הוא רואה את המוח שלו עצמו. והוא גם שומע את ההוראות שלנו כשאנחנו אומרים לו לעשות דברים. האות הוא ממש עמוק בתוך המוח, אבל הוא זורח החוצה, מאחר וכל הנתונים הם בתוך החלק הזה. ובתוך שניה אתם תוכלו לראות -- אוקי, כאן. מוטס, הזז את הרגל השמאלית שלך. אז הוא עושה כך. במשך 20 שניות הוא עושה זאת, ופתאום זה נדלק כאן. אז יש לנו פעילות באזור המוטורי למעלה שם. זה ממש ממש נחמד. ואני חושב שזה כלי נהדר. ומתקשר גם לשיחה הקודמת כאן, זהו דבר שנוכל להשתמש ככלי כדי להבין באמת איך העצבים עובדים, איך המוח עובד, ואנחנו יכולים לעשות זאת באיכות חזותית מאד מאד גבוהה ורזולוציה מאד מהירה.
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.
אנחנו גם קצת מבלים במרכז. אז זוהי סריקת קאט - מיפוי בעזרת מחשב. אז זוהי לביאה מגן החיות המקומי מחוץ לנורקופינג בקולמרדן, באזור אלזה. אז היא הגיעה למרכז, והם סיממו אותה ואז הכניסו אותה ישר לתוך הסורק. ואז, כמובן, קיבלתי את כל הנתונים מהאריה. ואני יכול לעשות תמונות מאד יפות כמו זאת. אני יכול לקלף את השכבות של האריה. אני יכול להביט לתוכו. ואנחנו עושים ניסויים עם זה. ואני חושב שזה ישום נהדר לעתיד של הטכנולוגיה הזאת. בגלל שאנחנו יודעים מעט מאד על האנטומיה של החיות. מה שהוטרינרים יודעים זה מידע בסיסי בלבד. אנחנו יכולים לסרוק כל מיני דברים, כל מיני חיות. הבעיה היחידה היא להכניס אותם לתוך המכונה. אז הנה דב. זה היה די קשה להכניס אותו פנימה. והדב הוא חיה ידידותית. הנה הוא כאן. זהו האף של הדב. ואתם אולי תרצו לחבק את הדב הזה, עד שתשנו את הפונקציות כך. אז תזהרו מהדב.
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.
וכך אני רוצה להודות לכל האנשים שעזרו לי ליצור את התמונות האלה. זהו מאמץ אדיר שמושקע בזה, איסוף הנתונים ופיתוח האלגוריתמים, וכתיבת כל התוכנה. אנשים מאד מוכשרים. המוטו שלי הוא תמיד, אני תמיד מגייס אנשים שיותר חכמים ממני ורוב האנשים האלה הם חכמים יותר ממני.
So thank you very much.
אז תודה רבה לכם.
(Applause)
(מחיאות כפיים)