I study how the brain processes information. That is, how it takes information in from the outside world, and converts it into patterns of electrical activity, and then how it uses those patterns to allow you to do things -- to see, hear, to reach for an object. So I'm really a basic scientist, not a clinician, but in the last year and a half I've started to switch over, to use what we've been learning about these patterns of activity to develop prosthetic devices, and what I wanted to do today is show you an example of this. It's really our first foray into this. It's the development of a prosthetic device for treating blindness.
من روی چگونگی پردازش اطلاعات به وسیله ی مغز مطالعه میکنم به نحوی که چطور اطلاعات از دنیای خارج گرفته ، و و به الگوهایی از فعالیتهای الکتریکی تبدیل مشوند وسپس چگونه مغز از آنها استفاده میکند تا شما بتونین کارهایی رو انجام دهید-- ببینید ،بشنوید ، شيئی را بگیرید من یک دانشمند علوم بنیادی هستم و نه یک پزشک درمانی ولی در یه سال نیم گذشته شروع کردم به تغییر،تا از آموخته های این الگوها برای گسترش اندامهای مصنوعی استفاده کنم برای گسترش اندامهای مصنوعی کاری که میخوام امروز انجام بدم اینه که بهتون یه مثال از این عمل نشون بدم در حقیقت این اولین تلاش ما برای اینکاره این یه پیشرفت در ساخت اندامهای مصنوعی برای درمان نابیناییه
So let me start in on that problem. There are 10 million people in the U.S. and many more worldwide who are blind or are facing blindness due to diseases of the retina, diseases like macular degeneration, and there's little that can be done for them. There are some drug treatments, but they're only effective on a small fraction of the population. And so, for the vast majority of patients, their best hope for regaining sight is through prosthetic devices. The problem is that current prosthetics don't work very well. They're still very limited in the vision that they can provide. And so, you know, for example, with these devices, patients can see simple things like bright lights and high contrast edges, not very much more, so nothing close to normal vision has been possible.
اجازه بدید درباره ی این برنامه صحتبم رو شروع کنم ده میلیون نفر در آمریکا و خیلی بیشتر از این درسطح جهان نابینان هستند و یا بخاطر بیماریهای شبکیه در معرض نابینایی هستند ، بیماریهایی مثل تباهی لکه زرد که کار کمی میشه براشون انجام داد تعدادی درمان دارویی هست ،ولی آنها فقط برای کسر کمی از این جمعیت موثرند پس ،برای اکثریت این افراد بیشترین امیدشون برای بازپس گرفتن بینایشون اندامهای مصنوعیه ،مشکل اینجاست که اندامهای مصنوعی فعلی کاملا درست عمل نمیکنند، آنها هنوز در توانایی نمایش تصویر خیلی محدودند ، میدونید ، مثلا ،با این ابزار بیماران میتونن چیزای ساده رو ببینند مثل نور روشن و لبه های خیلی تیز نه خیلی بیشتر، پس حتی امکان نزدیک شدن به دید طبیعی هم وجود نداشته
So what I'm going to tell you about today is a device that we've been working on that I think has the potential to make a difference, to be much more effective, and what I wanted to do is show you how it works. Okay, so let me back up a little bit and show you how a normal retina works first so you can see the problem that we were trying to solve. Here you have a retina. So you have an image, a retina, and a brain. So when you look at something, like this image of this baby's face, it goes into your eye and it lands on your retina, on the front-end cells here, the photoreceptors. Then what happens is the retinal circuitry, the middle part, goes to work on it, and what it does is it performs operations on it, it extracts information from it, and it converts that information into a code. And the code is in the form of these patterns of electrical pulses that get sent up to the brain, and so the key thing is that the image ultimately gets converted into a code. And when I say code, I do literally mean code. Like this pattern of pulses here actually means "baby's face," and so when the brain gets this pattern of pulses, it knows that what was out there was a baby's face, and if it got a different pattern it would know that what was out there was, say, a dog, or another pattern would be a house. Anyway, you get the idea.
چیزی که من میخوام امروز بهتون بگم دستگاهیه که ما روش کار میکنیم که فکر میکنم این توان را داره تا یه تغییر موثرتری رو ایجاد کنه و میخوام بهتون نشون بدم که چطور کار میکنه اجازه بدید یه مقدار به عقب برگردم و نشونتون بدم که یک شبکیه سالم چطور کار میکنه که بتونین مشکلی رو که ما تلاش میکنیم حل کنیم رو ببینید اینیکه میبینید یه شبکیه است خب یه عکس داریم از یه شبکیه و یه مغز پس وقتی شما به یک شیی مثل این صورت بچه نگاه میکنید ،اون میره داخل چشمتون و روی شبکیه میوفته روی سلول گیرنده نوری ، اتفاقی که میوفته اینه که بخش میانی چرخه شبکیه وارد عمل میشه وعملیاتهایی رو برای جداسازی اطلاعات و تبدیل اطلاعات به یک کد انجام میده و اون کد این الگو از پالسها رو بیان میکنه که به سمت مغز فرستاده میشه پس نکته کلیدی اینه که تصاویر در نهایت به یک کد تبدیل میشن وقتی میگم کد منظورم دقیقا همان کد است . مثل این الگو ازپالسها که دقیقا معنی یک صورت بچه رو داره پس وقتی مغز این الگو از پالسها رو میگیره اون میفهمه که اونچیزی که اون بیرونه یه صورت بچه هست و وقتی مغز الگوی دیگه ای رو بگیره انوقت اون میفهمه که چیزی که نگاه میکنه یه سگه یا الگوی دیگر میتونه یه ساختمون باشه به هر حال موضوع رو فهمیدید
And, of course, in real life, it's all dynamic, meaning that it's changing all the time, so the patterns of pulses are changing all the time because the world you're looking at is changing all the time too. So, you know, it's sort of a complicated thing. You have these patterns of pulses coming out of your eye every millisecond telling your brain what it is that you're seeing. So what happens when a person gets a retinal degenerative disease like macular degeneration? What happens is is that, the front-end cells die, the photoreceptors die, and over time, all the cells and the circuits that are connected to them, they die too. Until the only things that you have left are these cells here, the output cells, the ones that send the signals to the brain, but because of all that degeneration they aren't sending any signals anymore. They aren't getting any input, so the person's brain no longer gets any visual information -- that is, he or she is blind.
و البته در زندگی روزمزه اینها همه دینامیک هستند یعنی این الگو از پالسها دائما در حال تغییر هستند چون دنیایی که شما میبینید دائما درحال تغییره پس فرایند پیچیدیه این الگوهای پالسی هر یک ثانیه از چشم شما خارج میشن و به مغز میگن که چی داره میبینه پس چه اتفاقی میوفته وقتی یه فرد دچار اختلالات شبکیه میشه مثل تباهی لکه زرد اتفاقی که سلولهای جلو و عقب میمیرند در طول زمان سلولهای گیرنده نوری میمیرن و و چرخه ای که بهش متصله هم میمیره تنها چیزه که باقی میمونه سلولهای خروجیه سلولهایی که سیگنالها رو به مغز میفرستند ولی بخاطر اون خرابی اینها هم دیگر هیچ سیگنالی نمیفرستند آنها هیچ ورودی دریافت نمی کنند انها هیچ ورودی دریافت نمی کنند پس مغز فرد دیگه هیچ داده تصویری دریافت نمی کند که اونوقت اون فرد نابینا میشود
So, a solution to the problem, then, would be to build a device that could mimic the actions of that front-end circuitry and send signals to the retina's output cells, and they can go back to doing their normal job of sending signals to the brain. So this is what we've been working on, and this is what our prosthetic does. So it consists of two parts, what we call an encoder and a transducer. And so the encoder does just what I was saying: it mimics the actions of the front-end circuitry -- so it takes images in and converts them into the retina's code. And then the transducer then makes the output cells send the code on up to the brain, and the result is a retinal prosthetic that can produce normal retinal output. So a completely blind retina, even one with no front-end circuitry at all, no photoreceptors, can now send out normal signals, signals that the brain can understand. So no other device has been able to do this.
پس راه حل این مشکل این خواهد بود که دستگاهی بسازیم تا جای سلولهای گیرنده نور رو بگیره و سیگنالهایی رو به سلولهای خارجی شبکیه بفرسته و اونا بتونن به عملکرد طبیعی خود برسند که فرستادن پیغام به مغزه پس این کاریه که ما داریم انجام میدم و این کاریه که اندام مصنوعی ما انجام میده پس اون شامل دو بخشه کُد گذار encoder و یه مبدل transducer که دقیقا کاری رو که براتون گفتم رو انجام میده پس اون تصاویر رو میگیره و انها رو به کدهای شبکیه تبدیل میکنه سپس مبدل سلولهای خروجی را تولید میکنه که این کدها رو به مغز بفرسته و نتیجه این عمل یک شبکیه مصنوعی خواهد بود که میتونه خروجی های طبیعی شبکیه رو تولید کنه. پس یه شبکیه کاملا نابینا حتی اونی که سلول گیرنده نور نداره حالا میتونه سیگنالهای طبیعی رو که مفز میتونه اونها را متوجه بشه را بغرسته. سیگنالهای طبیعی رو که مفز میتونه اونها را متوجه بشه را بغرسته. خُب هیچ وسیله ای قبلا نمیتونسته یه همچین کاری رو انجام بده
Okay, so I just want to take a sentence or two to say something about the encoder and what it's doing, because it's really the key part and it's sort of interesting and kind of cool. I'm not sure "cool" is really the right word, but you know what I mean. So what it's doing is, it's replacing the retinal circuitry, really the guts of the retinal circuitry, with a set of equations, a set of equations that we can implement on a chip. So it's just math. In other words, we're not literally replacing the components of the retina. It's not like we're making a little mini-device for each of the different cell types. We've just abstracted what the retina's doing with a set of equations. And so, in a way, the equations are serving as sort of a codebook. An image comes in, goes through the set of equations, and out comes streams of electrical pulses, just like a normal retina would produce.
بسیار خوب، من فقط میخوام یکی دو جمله درباره کدگزار و کاری رو که انجام میده رو بهتون بگم و چون اون عملا کلیدی ترین بخشه و اون یجورای خیلی جالب و باحاله مطمئا نیستم که باحال کلمه ی مناسبیه یا نه ولی منظورم رو فهمیدید پس کاری که اون انجام میده اینه که اون جایگزین چرخه شبکیه میشه واقعا مفهوم چرخه شبکیه یه دسته از معادلات که ما میتونیم روی یه چیپ اجرا کنیم به زبان دیگه، ما دقیقا اجزای شبکیه را جایگزین نمیکنیم. به زبان دیگه، ما دقیقا اجزای شبکیه را جایگزین نمیکنیم. اینطور نیست که ما دستگاهای کوچکی درست کنیم که جایگزین این نوع سلولها شوند. اینطور نیست که ما دستگاهای کوچکی درست کنیم که جایگزین این نوع سلولها شوند. ما فقط پایه و اساس کاری رو که شبکیه انجام میده رو با یه سری از معادلات مینویسیم و معادلات به عنوان یه کتاب کُد به ما کمک مکنه یعنی تصویر وارد میشه با یه سری معادلات پردازش میشه و یه خروجی از پالسهای الکتریکی رو تولید میکنه که کاملا شبیه یه شبکیه طبیعی عمل میکنه
Now let me put my money where my mouth is and show you that we can actually produce normal output, and what the implications of this are. Here are three sets of firing patterns. The top one is from a normal animal, the middle one is from a blind animal that's been treated with this encoder-transducer device, and the bottom one is from a blind animal treated with a standard prosthetic. So the bottom one is the state-of-the-art device that's out there right now, which is basically made up of light detectors, but no encoder. So what we did was we presented movies of everyday things -- people, babies, park benches, you know, regular things happening -- and we recorded the responses from the retinas of these three groups of animals. Now just to orient you, each box is showing the firing patterns of several cells, and just as in the previous slides, each row is a different cell, and I just made the pulses a little bit smaller and thinner so I could show you a long stretch of data.
حالا اجازه بدید که اعتبار حرفهایم را نشونتون بدم که ما واقعا به خروجی طبیعی را تولید میکنیم، حالا اجازه بدید که اعتبار حرفهایم را نشونتون بدم که ما واقعا به خروجی طبیعی را تولید میکنیم، حالا اجازه بدید که اعتبار حرفهایم را نشونتون بدم که ما واقعا به خروجی طبیعی را تولید میکنیم، و اینکه این چه مفهومی داره. اینجا سه گروه از الگوساز هست اولی برای یه حیوونه سالمه وسطی برای حیوونه نابیناییه که با این دستگاهها درمان شده و اخری برای حیوونه نابیناییه که با دستگاههای استاندارد فعلی درمان شده پس اخری در بازار موجوده که اساسا از یه حسگر نوری تولید شده نداره کاری که ما انجام دادیم کدگزاری ولی این بود که ما فیلمایی رو که از زندگی روزمره گرفته بودیم رو مثل نوزادان و نیمکتهای پارک و چیزهای عادی که اتفاق میوفتن رو به شبکیه ارائه میدادیم و واکنشهایی رو که شبکیه ی این سه گروه از حیوونا میدادن رو ضبط میکردیم حالا برایه اینکه بفکرتون جهت بدم ؛هر عکس نشون دهنده ی ارسال سیگنال به وسیله ی چندتا سلوله و دقیقا مثل اسلاید قبل هر ردیف یه سری از سلولهای متفاوته فقط پالسها کوچیکتر و باریک ترن که که من بتونم وسعت بیشتری رو بهتون نشون بدم همینطور که دارد میبینید
So as you can see, the firing patterns from the blind animal treated with the encoder-transducer really do very closely match the normal firing patterns -- and it's not perfect, but it's pretty good -- and the blind animal treated with the standard prosthetic, the responses really don't. And so with the standard method, the cells do fire, they just don't fire in the normal firing patterns because they don't have the right code. How important is this? What's the potential impact on a patient's ability to see? So I'm just going to show you one bottom-line experiment that answers this, and of course I've got a lot of other data, so if you're interested I'm happy to show more. So the experiment is called a reconstruction experiment. So what we did is we took a moment in time from these recordings and asked, what was the retina seeing at that moment? Can we reconstruct what the retina was seeing from the responses from the firing patterns?
الگوهای ارسال که از حیوون نابینای درمان شده با کدگزار - مبدل خیلی به الگوهای ارسال شده ی طبیعی شباهت دارن-- این عالی نیست اما خیلی خوبه-- و حیوونی که با اندامهای استاندارد درمان شده واکنش یکسانی واقعا نداره. اونا به وسیله ی متددهای فعل عمل میکنند سلولها الگوهایی رو ارسال میکنن ولی الگو های ارسالی درست و طبیعی رو ارسال نمی کنند اونا کدهای درستی رو ندارن ، اینکه این موضوع چقدر اهمیت داره ؟ و چه اثر بالقوه ای روی توانایی بینایی بیمار داره ؟ حالا من میخوام یه آزمایش نشونتون بدم که جواب این سوال رو میده والبته من داده های زیادی رو هم دارم که اگه علاقه داشته باشین خوشحال میشم چیزهای بیشتری بهتون نشون بدم اسم آزمایش آزمون بازسازیه کاری که ما انجام میدیم اینه که ما لحظاتی رو در زمانهای مختلف ضبط کرده ایم و بعد پرسیدیم که شبکیه در حال دیدن چه چیزیه ؟ ایا ما میتونیم چیزی که دیده میشه رو از روی الگوهای ارسالیه شبکیه بازسازی کنیم
So, when we did this for responses from the standard method and from our encoder and transducer. So let me show you, and I'm going to start with the standard method first. So you can see that it's pretty limited, and because the firing patterns aren't in the right code, they're very limited in what they can tell you about what's out there. So you can see that there's something there, but it's not so clear what that something is, and this just sort of circles back to what I was saying in the beginning, that with the standard method, patients can see high-contrast edges, they can see light, but it doesn't easily go further than that. So what was the image? It was a baby's face. So what about with our approach, adding the code? And you can see that it's much better. Not only can you tell that it's a baby's face, but you can tell that it's this baby's face, which is a really challenging task. So on the left is the encoder alone, and on the right is from an actual blind retina, so the encoder and the transducer. But the key one really is the encoder alone, because we can team up the encoder with the different transducer.
وقتی ما این کار رو برای واکنش ها از متد معمولی فعلی و از کُد گذار و مبدل مان انجام دادیم بزارید نشونتون بدم ،می خوام با متدد استاندارد فعلی شروع کنم. که شما بتونین ببینید که چقدر محدوده چون الگوهای ارسالی از کد درستی استفاده نمیکنند انها برای بیان چیزی که اون بیرونه محدودن، شما میتوننید ببینید که چیزی اونجا هست ولی خیلی واضح نیست که اون چه چیزیه واین دقیقا به چیزی که اول صحبتم گفتم برمیگرده که با متدهای استاندارد فعلی بیمار فقط لبه های تیز اجسام رو میبینه اونا میتونن نور رو ببینن ولی کیفیت تصویر نمیتونه به راحتی بیشتر بشه خب اون تصویر چی بوده اون یه صورت کودک بود، خب دستگاه ما چه کیفیتی داره ؟ با اضافه کردن کدها خیلی بهتر از قبل میتونه ببینه الان نه نتها میتونین بگید که عکس یه صورت کودکه بلکه میتونین تفاوت قائل شید که این یه چالش و کاره خیلی سختیه در طرف چپ تنها سلول کُدگزاری هست و در طرف راست یه شبکیه کور مبدل و یه کد گزار ولی قطعه کلیدی فقط کدگزار است چون ما میتونیم کدگزار رو با مبدل متفاوتی اضافه کنیم
This is just actually the first one that we tried. I just wanted to say something about the standard method. When this first came out, it was just a really exciting thing, the idea that you even make a blind retina respond at all. But there was this limiting factor, the issue of the code, and how to make the cells respond better, produce normal responses, and so this was our contribution. Now I just want to wrap up, and as I was mentioning earlier of course I have a lot of other data if you're interested, but I just wanted to give this sort of basic idea of being able to communicate with the brain in its language, and the potential power of being able to do that. So it's different from the motor prosthetics where you're communicating from the brain to a device. Here we have to communicate from the outside world into the brain and be understood, and be understood by the brain.
این اولین دفعه ای هست که این کار رو انجام دادیم ،می خوام چیزی رو راجع به متدهای استاندارد فعلی بهتون بگم وقتی اینها برای اولین بار ساخته شدند چیز جالب اینه که، این ایده که حتی بتونیم یه شبکیه ی نابینا رو وادار به واکنش کند است. ولی یکسری فاکتورهای محدود کننده هم وجود داره قضیه ی کدها وچگونگی واکنش بهتر سلولها برای تولید واکنشهای طبیعی واین هم سهم ما از این عملیات بود حالا میخوام جمعبندی کنم و همونطور که جلوتر اشاره کردم مسلما من خیلی اطلاعات دیگر هم دارم اگر علاقه داشته باشید، ولی فقط میخوام این اطلاعات پایه ای رو بهتون بدم که این توانایی رو به ما میده تا به زبان خود مغز باهاش ارتباط برقرار کنید و این قدرت بلقوه که میتونیم این کار رو انجام بدیم پس این با اندامهای موتوری متفاوته جایی که شما به وسیله ی مغز با یک دستگاه ارتباط برقرار میکنید اینجا ما مجبوریم از دنیای خارجی با مغز جوری ارتباط برقرار کنیم که مغز متوجه بشه
And then the last thing I wanted to say, really, is to emphasize that the idea generalizes. So the same strategy that we used to find the code for the retina we can also use to find the code for other areas, for example, the auditory system and the motor system, so for treating deafness and for motor disorders. So just the same way that we were able to jump over the damaged circuitry in the retina to get to the retina's output cells, we can jump over the damaged circuitry in the cochlea to get the auditory nerve, or jump over damaged areas in the cortex, in the motor cortex, to bridge the gap produced by a stroke.
و اخرین چیزی که میخوام بگم واقعا اینه که به این موضوع تاکید کنم که این یک ایده ی کلی است پس ایده ای که ما برای فهمیدن کدی استفاده میکنیم برای قسمتهای دیگه هم یکسانه برای مثال سیستمهای شنوایی و حرکتی پس ما میتونیم با این روش ناشنوایی رو هم درمان کنیم وهمینطور برای اختلالات حرکتی دقبقا همان راهی که ما میتونیم بریم سراغ مدارات اسیب دیده تا سلولهای خروجی شبکیه رو پیدا کنیم و بریم سراغ مدارات اسیب دیده در قسمت حلزونی گوش تا سلولهای عصبی شنوایی رو پیدا کنیم یا بریم سراغ ناحیه صدمه دیده در ناحیه کرتکس مغز در قسمت محرک کرتکس تا این خلال رو که بخاطر سکته به وجود اومده رو دور بزنیم
I just want to end with a simple message that understanding the code is really, really important, and if we can understand the code, the language of the brain, things become possible that didn't seem obviously possible before. Thank you.
من میخوام با یه پیام ساده تمام کنم که فهمیدن این کدها کار فوق العاده مهمیه و اگر ما بتونیم این کدها رو که زبان مغز هست رو بفهمیم چیزهای که در گذشته ناممکن بودن ممکن میشه
(Applause)
ممنونم