So, well, I do applied math, and this is a peculiar problem for anyone who does applied math, is that we are like management consultants. No one knows what the hell we do. So I am going to give you some -- attempt today to try and explain to you what I do.
Ik werk in de toegepaste wiskunde, en het eigenaardige probleem voor iedereen in dit vak, is dat we een soort van organisatieadviseurs zijn. Niemand weet wat ons vak inhoudt. Dus ga ik vandaag proberen uit te leggen wat ik doe.
So, dancing is one of the most human of activities. We delight at ballet virtuosos and tap dancers you will see later on. Now, ballet requires an extraordinary level of expertise and a high level of skill, and probably a level of initial suitability that may well have a genetic component to it. Now, sadly, neurological disorders such as Parkinson's disease gradually destroy this extraordinary ability, as it is doing to my friend Jan Stripling, who was a virtuoso ballet dancer in his time. So great progress and treatment has been made over the years. However, there are 6.3 million people worldwide who have the disease, and they have to live with incurable weakness, tremor, rigidity and the other symptoms that go along with the disease, so what we need are objective tools to detect the disease before it's too late. We need to be able to measure progression objectively, and ultimately, the only way we're going to know when we actually have a cure is when we have an objective measure that can answer that for sure.
Dansen is één van de meest menselijke activiteiten. We vinden het heerlijk om volleerde ballet- en tapdansers bezig te zien. Ballet vergt een buitengewone mate van deskundigheid, een hoog niveau van vaardigheid en vermoedelijk ook een bepaalde initiële geschiktheid die wellicht voor een deel aangeboren is. Helaas zorgen neurologische aandoeningen, zoals de ziekte van Parkinson, ervoor dat dit vermogen langzaam wordt vernietigd, zoals ook gebeurt bij mijn vriend Jan Stripling, een volleerde balletdanser in zijn tijd. Er zijn recent grote stappen gezet in de behandeling. Toch zijn er 6.3 miljoen mensen wereldwijd die de ziekte hebben en moeten leven een ongeneeslijke zwakheid, trillingen, stijfheid en de andere symptomen van deze ziekte. We hebben objectieve instrumenten nodig die de ziekte opmerken voordat het te laat is. We moeten de voortgang objectief kunnen meten. De enige manier waarop we weten dat we echt een geneesmiddel hebben, is als we een objectieve meting hebben die uitsluitsel geeft.
But frustratingly, with Parkinson's disease and other movement disorders, there are no biomarkers, so there's no simple blood test that you can do, and the best that we have is like this 20-minute neurologist test. You have to go to the clinic to do it. It's very, very costly, and that means that, outside the clinical trials, it's just never done. It's never done.
Maar het frustrerende met bewegingsstoornissen als Parksinson is dat er geen biologische indicatoren zijn. Dus bestaat er ook geen simpele bloedtest. De beste test die we hebben, is een 20 minuten durende neurologische test. Je moet ervoor naar het ziekenhuis en het is enorm prijzig. Dat betekent dat deze test, buiten de klinische studies om, nooit wordt uitgevoerd.
But what if patients could do this test at home? Now, that would actually save on a difficult trip to the clinic, and what if patients could do that test themselves, right? No expensive staff time required. Takes about $300, by the way, in the neurologist's clinic to do it.
Maar wat als patiënten deze test thuis kunnen doen? Dat zou een moeilijke reis naar het ziekenhuis besparen. Wat als patiënten deze test zonder hulp uit kunnen voeren? Geen duur personeel nodig, dat normaal al zo'n 300 dollar zou kosten, om dit op de neurologische afdeling uit te voeren.
So what I want to propose to you as an unconventional way in which we can try to achieve this, because, you see, in one sense, at least, we are all virtuosos like my friend Jan Stripling.
Dus wil ik een ongebruikelijke manier voorstellen waarop we dit kunnen proberen. In minstens één betekenis zijn we allemaal volleerd zoals mijn vriend Jan Stripling.
So here we have a video of the vibrating vocal folds. Now, this is healthy and this is somebody making speech sounds, and we can think of ourselves as vocal ballet dancers, because we have to coordinate all of these vocal organs when we make sounds, and we all actually have the genes for it. FoxP2, for example. And like ballet, it takes an extraordinary level of training. I mean, just think how long it takes a child to learn to speak. From the sound, we can actually track the vocal fold position as it vibrates, and just as the limbs are affected in Parkinson's, so too are the vocal organs. So on the bottom trace, you can see an example of irregular vocal fold tremor. We see all the same symptoms. We see vocal tremor, weakness and rigidity. The speech actually becomes quieter and more breathy after a while, and that's one of the example symptoms of it.
Hier zie je een filmpje van vibrerende stembanden. Dit zijn gezonde stembanden van iemand die spraakklanken maakt. We zouden onszelf kunnen zien als vocale balletdansers, omdat we al deze vocale organen moeten coördineren als we geluid maken. We hebben hier allemaal de genen voor, zoals het FoxP2-gen. Zoals ballet, vergt het enorm veel oefening. Bedenk hoe lang het duurt voordat een kind leert praten. Vanuit het geluid kunnen we nagaan waar de stembanden zich bevinden als ze vibreren. Zoals de ledenmaten zijn aangetast bij Parkinson, zijn zo ook de stemorganen aangetast. Op de onderste grafiek kan je een voorbeeld zien van onregelmatige vocale trillingen. We zien precies dezelfde symptomen: we zien vocale trillingen, zwakheid en stijfheid. Het stemgeluid wordt zachter, met meer lucht, na verloop van tijd. Dat is een van de symptomen.
So these vocal effects can actually be quite subtle, in some cases, but with any digital microphone, and using precision voice analysis software in combination with the latest in machine learning, which is very advanced by now, we can now quantify exactly where somebody lies on a continuum between health and disease using voice signals alone.
Deze vocale effecten kunnen erg subtiel zijn, Maar met elke digitale microfoon en met precieze programma's voor stemanalyse in combinatie met de nieuwste automatisch-lerende computers, die heel geavanceerd zijn tegenwoordig. kunnen we precies zien waar je je bevindt op het continuüm tussen gezondheid en ziekte op basis van signalen van de stem alleen.
So these voice-based tests, how do they stack up against expert clinical tests? We'll, they're both non-invasive. The neurologist's test is non-invasive. They both use existing infrastructure. You don't have to design a whole new set of hospitals to do it. And they're both accurate. Okay, but in addition, voice-based tests are non-expert. That means they can be self-administered. They're high-speed, take about 30 seconds at most. They're ultra-low cost, and we all know what happens. When something becomes ultra-low cost, it becomes massively scalable. So here are some amazing goals that I think we can deal with now. We can reduce logistical difficulties with patients. No need to go to the clinic for a routine checkup. We can do high-frequency monitoring to get objective data. We can perform low-cost mass recruitment for clinical trials, and we can make population-scale screening feasible for the first time. We have the opportunity to start to search for the early biomarkers of the disease before it's too late.
Hoe doen deze op stem gebaseerde testen het tegenover specialistische klinische testen? Ze zijn beide niet-invasief. Beide maken ze gebruik van de bestaande technieken. Het wiel hoeft dus niet opnieuw uitgevonden te worden. Ze zijn beide nauwkeurig. De toevoeging van op stem gebaseerde testen is dat ze geen expertise vereisen. Ze kunnen zonder hulp worden toegediend. Ze zijn erg snel, duren maximaal zo'n 30 seconden. Ze zijn enorm goedkoop. We weten allemaal wat er gebeurt: als iets heel goedkoop wordt, wordt het enorm schaalbaar. Deze geweldige doelstellingen zijn volgens mij haalbaar. We kunnen logisiteke problemen voor patiënten verminderen. Voor een routinecontrole hoef je niet naar de kliniek. We kunnen intens controleren om objectieve gegevens te verkrijgen. We kunnen goedkoop massaal werven voor klinische studies en we kunnen het voor de eerste keer mogelijk maken de hele populatie te laten testen. We hebben de mogelijkheid om te zoeken naar de vroege kenmerken van de ziekte, voordat het te laat is.
So, taking the first steps towards this today, we're launching the Parkinson's Voice Initiative. With Aculab and PatientsLikeMe, we're aiming to record a very large number of voices worldwide to collect enough data to start to tackle these four goals. We have local numbers accessible to three quarters of a billion people on the planet. Anyone healthy or with Parkinson's can call in, cheaply, and leave recordings, a few cents each, and I'm really happy to announce that we've already hit six percent of our target just in eight hours. Thank you. (Applause) (Applause)
De eerste stappen naar dit onderzoek, is de lancering van het 'Parkinsons's Voice Initiative'. In samenwerking met 'Aculab' en 'PatiensLikeMe' verzamelen we een grote hoeveelheid stemgeluiden wereldwijd, genoeg gegevens om deze vier doelstellingen te tackelen. Tegen lokaal tarief kan drie kwart miljard mensen op deze wereld bellen. Iedereen, gezond of met de ziekte van Parkinson, kan goedkoop bellen en hun stemgeluid achterlaten voor een paar centen. Met grote vreugde kan ik aankondigen dat we al zes procent van onze doelstelling hebben bereikt in acht uur tijd. Bedankt. (Applaus) (Applaus)
Tom Rielly: So Max, by taking all these samples of,
Tom Rielly: Dus Max, door stemmen te verzamelen
let's say, 10,000 people, you'll be able to tell who's healthy and who's not? What are you going to get out of those samples?
van 10.000 mensen, kan jij vertellen wie er gezond is en wie niet? Wat verkrijg je precies uit die stemmen?
Max Little: Yeah. Yeah. So what will happen is that, during the call you have to indicate whether or not you have the disease or not, you see. TR: Right. ML: You see, some people may not do it. They may not get through it. But we'll get a very large sample of data that is collected from all different circumstances, and it's getting it in different circumstances that matter because then we are looking at ironing out the confounding factors, and looking for the actual markers of the disease.
Max Little: Het zit zo: tijdens zo'n belletje moet je aangeven of je wel of niet Parkinson hebt. Mensen doen dit misschien niet, misschien komen ze er niet doorheen. Maar we zullen een grote steekproef van gegevens uit verschillende omstandigheden ontvangen, en juist dié verschillende omstandigheden doen ertoe, omdat we over de verstorende factoren heen willen kijken juist naar die factoren die er werkelijk toe doen.
TR: So you're 86 percent accurate right now?
TR: Op dit moment ben je 86% nauwkeurig?
ML: It's much better than that. Actually, my student Thanasis, I have to plug him, because he's done some fantastic work, and now he has proved that it works over the mobile telephone network as well, which enables this project, and we're getting 99 percent accuracy.
ML: Het is veel beter dan 86%, Mijn student Thanasis, ik moet hem even vermelden omdat hij geweldig werk doet, heeft aangetoond dat deze test ook over het mobiele telefoonnetwerk werkt, wat dus dit project mogelijk maakt. We zitten op 99% nauwkeurigheid.
TR: Ninety-nine. Well, that's an improvement. So what that means is that people will be able to — ML: (Laughs) TR: People will be able to call in from their mobile phones and do this test, and people with Parkinson's could call in, record their voice, and then their doctor can check up on their progress, see where they're doing in this course of the disease.
TR: 99, dat is zeker een vooruitgang. Dus dit betekent dat mensen in staat zijn om-- ML: (Lacht) TR: Mensen kunnen vanaf hun mobiele telefoon bellen en deze test doen. Mensen met Parkinson zouden kunnen bellen, hun stem laten opnemen en hun dokter kan nagaan hoe het met hen gaat in het specifieke stadium van hun ziekte.
ML: Absolutely.
ML: Precies.
TR: Thanks so much. Max Little, everybody.
TR: Heel erg bedankt. Dit was Max Little.
ML: Thanks, Tom. (Applause)
ML: Bedankt Tom. (Applaus)