1
00:00:00,000 --> 00:00:04,000
Vou começar propondo um pequeno desafio,

2
00:00:04,000 --> 00:00:07,000
o desafio de lidar com dados,

3
00:00:07,000 --> 00:00:09,000
dados que temos que lidar

4
00:00:09,000 --> 00:00:11,000
em situações médicas.

5
00:00:11,000 --> 00:00:13,000
É realmente um grande desafio para nós.

6
00:00:13,000 --> 00:00:15,000
E este é o nosso fardo.

7
00:00:15,000 --> 00:00:17,000
Esta é uma máquina de tomografia computadorizada -

8
00:00:17,000 --> 00:00:19,000
uma máquina de TC.

9
00:00:19,000 --> 00:00:21,000
É um aparelho fantástico.

10
00:00:21,000 --> 00:00:23,000
Usa raios-X, feixes de raios-X,

11
00:00:23,000 --> 00:00:26,000
que giram muito rapidamente ao redor do corpo humano.

12
00:00:26,000 --> 00:00:28,000
Leva-se cerca de 30 segundos para passar por toda a máquina

13
00:00:28,000 --> 00:00:30,000
e grandes quantidades de informação são geradas

14
00:00:30,000 --> 00:00:32,000
nesta máquina.

15
00:00:32,000 --> 00:00:34,000
Então essa é uma máquina fantástica

16
00:00:34,000 --> 00:00:36,000
que podemos usar

17
00:00:36,000 --> 00:00:38,000
para melhorar a assistência médica.

18
00:00:38,000 --> 00:00:40,000
Mas como eu disse, também é um desafio para nós.

19
00:00:40,000 --> 00:00:43,000
E o desafio é mostrado nesta foto aqui.

20
00:00:43,000 --> 00:00:45,000
É a explosão de dados médicos

21
00:00:45,000 --> 00:00:47,000
que temos agora.

22
00:00:47,000 --> 00:00:49,000
Estamos encarando este problema.

23
00:00:49,000 --> 00:00:51,000
E deixem-me voltar no tempo.

24
00:00:51,000 --> 00:00:54,000
Vamos voltar alguns anos no tempo e ver o que aconteceu.

25
00:00:54,000 --> 00:00:56,000
Essas máquinas que foram lançadas -

26
00:00:56,000 --> 00:00:58,000
começaram a sair nos anos 70 -

27
00:00:58,000 --> 00:01:00,000
escaneavam corpos humanos,

28
00:01:00,000 --> 00:01:02,000
e geravam cerca de 100 imagens

29
00:01:02,000 --> 00:01:04,000
do corpo humano.

30
00:01:04,000 --> 00:01:06,000
E tomei a liberdade, só para esclarecer,

31
00:01:06,000 --> 00:01:09,000
de traduzir isso em fatias de dados.

32
00:01:09,000 --> 00:01:11,000
Eles corresponderiam a cerca de 50 MB de dados,

33
00:01:11,000 --> 00:01:13,000
o que é pouco

34
00:01:13,000 --> 00:01:16,000
quando pensamos nos dados que manipulamos hoje

35
00:01:16,000 --> 00:01:18,000
somente em aparelhos móveis.

36
00:01:18,000 --> 00:01:20,000
Se passarmos isso para lista telefônica,

37
00:01:20,000 --> 00:01:23,000
teremos cerca de um metro de listas telefônicas empilhadas.

38
00:01:23,000 --> 00:01:25,000
Olhando para o que fazemos hoje

39
00:01:25,000 --> 00:01:27,000
com as máquinas que temos,

40
00:01:27,000 --> 00:01:29,000
podemos, somente em alguns segundos,

41
00:01:29,000 --> 00:01:31,000
ter 24 mil imagens do corpo.

42
00:01:31,000 --> 00:01:34,000
E isso corresponderia a cerca de 20 GB de dados,

43
00:01:34,000 --> 00:01:36,000
ou 800 listas telefônicas.

44
00:01:36,000 --> 00:01:38,000
E a pilha teria 200 metros de listas telefônicas.

45
00:01:38,000 --> 00:01:40,000
O que está por acontecer -

46
00:01:40,000 --> 00:01:42,000
e estamos vendo isso, está começando -

47
00:01:42,000 --> 00:01:44,000
uma tendência da tecnologia que está acontecendo agora

48
00:01:44,000 --> 00:01:47,000
é que também começamos a observar situações de resultado de tempo.

49
00:01:47,000 --> 00:01:50,000
Então também estamos recebendo a dinâmica do nosso corpo.

50
00:01:50,000 --> 00:01:52,000
E imaginem

51
00:01:52,000 --> 00:01:55,000
que vamos coletar informações durante cinco segundos,

52
00:01:55,000 --> 00:01:57,000
e isso corresponderia a um terabyte de dados.

53
00:01:57,000 --> 00:01:59,000
Isso são 800 mil livros

54
00:01:59,000 --> 00:02:01,000
e 16 quilômetros de listas telefônicas.

55
00:02:01,000 --> 00:02:03,000
Isso é um paciente, um conjunto de dados.

56
00:02:03,000 --> 00:02:05,000
E é com isso que temos que lidar.

57
00:02:05,000 --> 00:02:08,000
Esse é realmente um desafio enorme que temos.

58
00:02:08,000 --> 00:02:11,000
E já hoje em dia – estas são 25 mil imagens.

59
00:02:11,000 --> 00:02:13,000
Imaginem os dias

60
00:02:13,000 --> 00:02:15,000
quando os radiologistas faziam isso.

61
00:02:15,000 --> 00:02:17,000
Eles colocavam 25 mil imagens,

62
00:02:17,000 --> 00:02:20,000
e eles diziam, "25 mil, OK, OK.

63
00:02:20,000 --> 00:02:22,000
Ali está o problema.”

64
00:02:22,000 --> 00:02:24,000
Eles não podem mais fazer isso; é impossível.

65
00:02:24,000 --> 00:02:27,000
Então temos que fazer algo que seja um pouco mais inteligente do que isso.

66
00:02:28,000 --> 00:02:30,000
O que fazemos é colocar essas fatias juntas.

67
00:02:30,000 --> 00:02:33,000
Imaginem o seu corpo cortado em fatias em todas direções,

68
00:02:33,000 --> 00:02:36,000
e então tentem colocar as fatias juntas de novo

69
00:02:36,000 --> 00:02:38,000
numa pilha de dados, num bloco de dados.

70
00:02:38,000 --> 00:02:40,000
Então é isso que estamos fazendo.

71
00:02:40,000 --> 00:02:43,000
Então nós colocamos esses gigabyte ou terabyte de dados neste bloco.

72
00:02:43,000 --> 00:02:45,000
Mas é claro, o bloco de dados

73
00:02:45,000 --> 00:02:47,000
só contém a quantidade de raios-X

74
00:02:47,000 --> 00:02:49,000
que foi absorvida em cada ponto do corpo humano.

75
00:02:49,000 --> 00:02:51,000
Então o que precisamos fazer é descobrir uma maneira

76
00:02:51,000 --> 00:02:54,000
de olhar ver as coisas que queremos ver

77
00:02:54,000 --> 00:02:57,000
e fazer o que não queremos ver ficar transparente.

78
00:02:57,000 --> 00:02:59,000
Transformar o conjunto de dados

79
00:02:59,000 --> 00:03:01,000
em algo parecido com isso.

80
00:03:01,000 --> 00:03:03,000
E isso é um desafio.

81
00:03:03,000 --> 00:03:06,000
É um enorme desafio para nós.

82
00:03:06,000 --> 00:03:09,000
Usar computadores, embora eles fiquem mais rápidos e melhores a cada dia,

83
00:03:09,000 --> 00:03:11,000
é um desafio lidar–se com gigabytes de dados,

84
00:03:11,000 --> 00:03:13,000
terabytes de dados

85
00:03:13,000 --> 00:03:15,000
e extrair a informação relevante.

86
00:03:15,000 --> 00:03:17,000
Eu quero observar o coração,

87
00:03:17,000 --> 00:03:19,000
quero observar as veias, o fígado,

88
00:03:19,000 --> 00:03:21,000
talvez até mesmo achar um tumor

89
00:03:21,000 --> 00:03:23,000
em alguns casos.

90
00:03:24,000 --> 00:03:26,000
E é aqui que essa gracinha entra no jogo.

91
00:03:26,000 --> 00:03:28,000
Esta é minha filha.

92
00:03:28,000 --> 00:03:30,000
Isso são 9 horas da manhã de hoje.

93
00:03:30,000 --> 00:03:32,000
Ela está jogando no computador.

94
00:03:32,000 --> 00:03:34,000
Ela só tem dois anos,

95
00:03:34,000 --> 00:03:36,000
e ela está adorando.

96
00:03:36,000 --> 00:03:39,000
Então ela é realmente a força

97
00:03:39,000 --> 00:03:42,000
atrás do desenvolvimento de unidades de processamentos gráficos.

98
00:03:43,000 --> 00:03:45,000
A medida que as crianças jogam jogos de computador,

99
00:03:45,000 --> 00:03:47,000
os gráficos vão ficando cada vez melhores e melhores.

100
00:03:47,000 --> 00:03:49,000
Então por favor vão para casa e mandem seus filhos jogarem mais,

101
00:03:49,000 --> 00:03:51,000
porque é disso que eu preciso.

102
00:03:51,000 --> 00:03:53,000
O que há dentro desta máquina

103
00:03:53,000 --> 00:03:55,000
é o que me permite fazer o que eu estou fazendo

104
00:03:55,000 --> 00:03:57,000
com dados médicos.

105
00:03:57,000 --> 00:04:00,000
O que faço é usar esses pequenos aparelhos fantásticos.

106
00:04:00,000 --> 00:04:02,000
E voltando cerca

107
00:04:02,000 --> 00:04:04,000
de 10 anos no tempo

108
00:04:04,000 --> 00:04:06,000
quando eu consegui o investimento

109
00:04:06,000 --> 00:04:08,000
para comprar meu primeiro computador gráfico.

110
00:04:08,000 --> 00:04:10,000
Era uma máquina enorme.

111
00:04:10,000 --> 00:04:13,000
Havia armários com processadores e arquivamento e tudo mais.

112
00:04:13,000 --> 00:04:16,000
Eu paguei cerca de 1 milhão de dólares pela máquina.

113
00:04:17,000 --> 00:04:20,000
Essa máquina é, hoje, tão rápida quanto meu iPhone.

114
00:04:22,000 --> 00:04:24,000
Todo mês temos novas versões de cartões gráficos.

115
00:04:24,000 --> 00:04:27,000
Aqui estão alguns dos últimos lançamentos dos fornecedores –

116
00:04:27,000 --> 00:04:30,000
NVIDIA, ATI, Intel também.

117
00:04:30,000 --> 00:04:32,000
E por algumas centenas de dólares

118
00:04:32,000 --> 00:04:34,000
vocês compram essas coisas e colocam no seu computador,

119
00:04:34,000 --> 00:04:37,000
e podem fazer coisas fantásticas com esses cartões gráficos.

120
00:04:37,000 --> 00:04:39,000
Então isso é o que realmente nos possibilita

121
00:04:39,000 --> 00:04:42,000
lidar com a explosão de dados médicos,

122
00:04:42,000 --> 00:04:44,000
juntamente com algum trabalho engenhoso

123
00:04:44,000 --> 00:04:46,000
em termos de algoritmos –

124
00:04:46,000 --> 00:04:48,000
comprimindo dados,

125
00:04:48,000 --> 00:04:51,000
extraindo a informação relevante para os pesquisadores.

126
00:04:51,000 --> 00:04:54,000
Vou mostrar alguns exemplos do que podemos fazer.

127
00:04:54,000 --> 00:04:57,000
Este é um conjunto de dados captados por uma TC.

128
00:04:57,000 --> 00:05:00,000
Podem ver que são dados completos.

129
00:05:00,000 --> 00:05:03,000
É uma mulher. Podem ver o cabelo.

130
00:05:03,000 --> 00:05:06,000
Vocês podem ver as estruturas individuais da mulher.

131
00:05:06,000 --> 00:05:09,000
Podem ver que há resquícios de raios-X

132
00:05:09,000 --> 00:05:11,000
nos dentes, nas obturações nos dentes.

133
00:05:11,000 --> 00:05:14,000
É daí que os artefatos estão vindo.

134
00:05:14,000 --> 00:05:16,000
Mas totalmente interativo

135
00:05:16,000 --> 00:05:19,000
em cartões gráficos padrões em um computador normal,

136
00:05:19,000 --> 00:05:21,000
eu posso simplesmente colocar um ‘clip plane’.

137
00:05:21,000 --> 00:05:23,000
E é claro que todos os dados estão dentro,

138
00:05:23,000 --> 00:05:26,000
então posso girar, posso olhar por ângulos diferentes,

139
00:05:26,000 --> 00:05:29,000
e eu posso ver que essa mulher tinha um problema.

140
00:05:29,000 --> 00:05:31,000
Ela teve uma hemorragia cerebral,

141
00:05:31,000 --> 00:05:33,000
e foi resolvido com um pequeno stent,

142
00:05:33,000 --> 00:05:35,000
um gancho de metal apertando o vaso.

143
00:05:35,000 --> 00:05:37,000
E simplesmente mudando as funções,

144
00:05:37,000 --> 00:05:40,000
eu posso decidir o que vai ser transparente

145
00:05:40,000 --> 00:05:42,000
e o que vai ser visível.

146
00:05:42,000 --> 00:05:44,000
Eu posso olhar para a estrutura do crânio,

147
00:05:44,000 --> 00:05:47,000
e ver que foi ali que eles abriram o crânio nesta mulher,

148
00:05:47,000 --> 00:05:49,000
e foi por ali que intervieram.

149
00:05:49,000 --> 00:05:51,000
Então essas imagens são fantásticas.

150
00:05:51,000 --> 00:05:53,000
Estão realmente em alta resolução,

151
00:05:53,000 --> 00:05:55,000
e realmente mostram o que podemos fazer

152
00:05:55,000 --> 00:05:58,000
com os cartões gráficos hoje em dia.

153
00:05:58,000 --> 00:06:00,000
Nós realmente fizemos bom uso disso,

154
00:06:00,000 --> 00:06:03,000
e tentamos comprimir um monte de dados

155
00:06:03,000 --> 00:06:05,000
no sistema.

156
00:06:05,000 --> 00:06:07,000
E um dos aplicativos em que estamos trabalhando -

157
00:06:07,000 --> 00:06:10,000
e isso tem despertado um pouco de interesse no mundo inteiro –

158
00:06:10,000 --> 00:06:12,000
é um aplicativo de autópsias virtuais.

159
00:06:12,000 --> 00:06:14,000
Estamos considerando conjuntos de dados enormes,

160
00:06:14,000 --> 00:06:17,000
e vocês viram aqueles scans de corpo inteiro que podemos fazer.

161
00:06:17,000 --> 00:06:20,000
Nós colocamos o corpo dentro da máquina de TC,

162
00:06:20,000 --> 00:06:23,000
e em alguns segundos vemos o conjunto de dados do corpo inteiro.

163
00:06:23,000 --> 00:06:25,000
Isto é de uma autópsia virtual.

164
00:06:25,000 --> 00:06:27,000
E podem ver como eu gradualmente "descasco".

165
00:06:27,000 --> 00:06:30,000
Primeiro viram o plástico que envolvia o corpo,

166
00:06:30,000 --> 00:06:33,000
então eu descasco a pele – podem ver os músculos –

167
00:06:33,000 --> 00:06:36,000
e então vocês podem ver a estrutura óssea dessa mulher.

168
00:06:36,000 --> 00:06:39,000
Neste ponto, eu também gostaria de enfatizar

169
00:06:39,000 --> 00:06:41,000
que, com o maior respeito

170
00:06:41,000 --> 00:06:43,000
pelas pessoas que vou mostrar agora –

171
00:06:43,000 --> 00:06:45,000
vou mostrar alguns casos de autópsias virtuais –

172
00:06:45,000 --> 00:06:47,000
então é com grande respeito pelas pessoas

173
00:06:47,000 --> 00:06:49,000
que morreram sob circunstâncias violentas

174
00:06:49,000 --> 00:06:52,000
que eu estou mostrando estas fotos para vocês.

175
00:06:53,000 --> 00:06:55,000
No caso forense –

176
00:06:55,000 --> 00:06:57,000
e isto é algo que...

177
00:06:57,000 --> 00:06:59,000
houve aproximadamente 400 casos até agora

178
00:06:59,000 --> 00:07:01,000
somente na parte da Suécia de onde venho

179
00:07:01,000 --> 00:07:03,000
onde tem havido autópsias virtuais

180
00:07:03,000 --> 00:07:05,000
nos últimos quatro anos.

181
00:07:05,000 --> 00:07:08,000
Então esta será a típica situação de fluxo de trabalho.

182
00:07:08,000 --> 00:07:10,000
A polícia irá decidir –

183
00:07:10,000 --> 00:07:12,000
à noite, quando um caso estiver chegando –

184
00:07:12,000 --> 00:07:15,000
eles vão decidir: Bom, será que este caso requer uma autópsia?

185
00:07:15,000 --> 00:07:18,000
Então de manhã, entre 6 e 7 da manhã,

186
00:07:18,000 --> 00:07:20,000
o corpo é transportado dentro da bolsa de plástico

187
00:07:20,000 --> 00:07:22,000
para o nosso centro

188
00:07:22,000 --> 00:07:24,000
e será escaneado em um escâner TC.

189
00:07:24,000 --> 00:07:26,000
E o radiologista, junto com o patologista

190
00:07:26,000 --> 00:07:28,000
e as vezes o cientista forense,

191
00:07:28,000 --> 00:07:30,000
estudam os dados que saem do TC,

192
00:07:30,000 --> 00:07:32,000
e fazem uma reunião.

193
00:07:32,000 --> 00:07:35,000
E depois disso decidem o que fazer na autópsia física real.

194
00:07:37,000 --> 00:07:39,000
Agora vamos observar alguns casos:

195
00:07:39,000 --> 00:07:41,000
aqui está um dos nossos primeiros casos.

196
00:07:41,000 --> 00:07:44,000
Realmente pode se ver os detalhes do conjunto de dados;

197
00:07:44,000 --> 00:07:46,000
é de resolução muito alta.

198
00:07:46,000 --> 00:07:48,000
E são nossos algoritmos que nos deixa

199
00:07:48,000 --> 00:07:50,000
ampliar todos os detalhes.

200
00:07:50,000 --> 00:07:52,000
E mais uma vez, é inteiramente interativo,

201
00:07:52,000 --> 00:07:54,000
então pode-se girar para analisar tudo em tempo real

202
00:07:54,000 --> 00:07:56,000
nesses sistemas aqui.

203
00:07:56,000 --> 00:07:58,000
Sem precisar revelar muito sobre o caso,

204
00:07:58,000 --> 00:08:00,000
este é um acidente de trânsito,

205
00:08:00,000 --> 00:08:02,000
um motorista embriagado atropelou uma mulher.

206
00:08:02,000 --> 00:08:05,000
E é muito fácil ver os danos causados na estrutura óssea.

207
00:08:05,000 --> 00:08:08,000
E a causa da morte é o pescoço quebrado.

208
00:08:08,000 --> 00:08:10,000
E essa mulher também ficou debaixo do carro,

209
00:08:10,000 --> 00:08:12,000
então ela recebeu um grande impacto

210
00:08:12,000 --> 00:08:14,000
com esta lesão.

211
00:08:14,000 --> 00:08:17,000
Aqui está um outro caso, uma facada.

212
00:08:17,000 --> 00:08:19,000
E isso nos mostra o que podemos fazer.

213
00:08:19,000 --> 00:08:21,000
É muito fácil de se ver artefatos metálicos

214
00:08:21,000 --> 00:08:24,000
dentro do corpo.

215
00:08:24,000 --> 00:08:27,000
Vocês também podem ver alguns dos artefatos dos dentes –

216
00:08:27,000 --> 00:08:29,000
isso é a obturação no dente –

217
00:08:29,000 --> 00:08:32,000
porque eu configurei as funções para mostrar o metal

218
00:08:32,000 --> 00:08:34,000
e para o resto ficar transparente.

219
00:08:34,000 --> 00:08:37,000
Aqui está outro caso violento. Isto não matou a pessoa.

220
00:08:37,000 --> 00:08:39,000
A vítima morreu com facadas no coração,

221
00:08:39,000 --> 00:08:41,000
mas eles simplesmente enfiaram a faca

222
00:08:41,000 --> 00:08:43,000
pelos globos oculares.

223
00:08:43,000 --> 00:08:45,000
Aqui está um outro caso.

224
00:08:45,000 --> 00:08:47,000
É muito interessante para nós

225
00:08:47,000 --> 00:08:49,000
poder analisar casos como esfaqueamento.

226
00:08:49,000 --> 00:08:52,000
Aqui vocês podem ver que a faca atravessou o coração.

227
00:08:52,000 --> 00:08:54,000
É fácil de se ver como o ar vazava

228
00:08:54,000 --> 00:08:56,000
de um lado para outro,

229
00:08:56,000 --> 00:08:59,000
algo difícil de se fazer em uma autópsia normal, padrão.

230
00:08:59,000 --> 00:09:01,000
Então isso realmente ajuda

231
00:09:01,000 --> 00:09:03,000
na investigação de crimes

232
00:09:03,000 --> 00:09:05,000
para estabelecer a causa da morte,

233
00:09:05,000 --> 00:09:08,000
e em alguns casos também direcionar a investigação na direção certa

234
00:09:08,000 --> 00:09:10,000
e apurar quem realmente é o assassino.

235
00:09:10,000 --> 00:09:12,000
Aqui está um outro caso que acho interessante.

236
00:09:12,000 --> 00:09:14,000
Aqui vocês vêem a bala

237
00:09:14,000 --> 00:09:17,000
que está alojada bem perto da coluna nesta pessoa.

238
00:09:17,000 --> 00:09:20,000
E o que fizemos foi transformar a bala em uma fonte de luz,

239
00:09:20,000 --> 00:09:22,000
assim a bala brilha,

240
00:09:22,000 --> 00:09:25,000
e fica muito fácil encontrar os fragmentos.

241
00:09:25,000 --> 00:09:27,000
Durante uma autópsia convencional,

242
00:09:27,000 --> 00:09:29,000
se tivermos que encontrar todos esses fragmentos dentro do corpo,

243
00:09:29,000 --> 00:09:31,000
isso é difícil fazer.

244
00:09:33,000 --> 00:09:35,000
Uma coisa que fico muito, muito contente

245
00:09:35,000 --> 00:09:38,000
é poder mostrar hoje a vocês

246
00:09:38,000 --> 00:09:40,000
a nossa mesa para autópsia virtual.

247
00:09:40,000 --> 00:09:42,000
É um dispositivo tátil que desenvolvemos

248
00:09:42,000 --> 00:09:45,000
com base nestes algoritmos, usando GPU para padrões gráficos.

249
00:09:45,000 --> 00:09:47,000
Ele se parece assim,

250
00:09:47,000 --> 00:09:50,000
só para dar uma ideia de como ele se parece.

251
00:09:50,000 --> 00:09:53,000
Realmente ele funciona como um iPhone gigante.

252
00:09:53,000 --> 00:09:55,000
Então nós implementamos

253
00:09:55,000 --> 00:09:58,000
todos os gestos que vocês podem fazer na mesa,

254
00:09:58,000 --> 00:10:02,000
e podem ver isto como um interface tátil gigante.

255
00:10:02,000 --> 00:10:04,000
Se estiverem pensando em comprar um iPad,

256
00:10:04,000 --> 00:10:07,000
esqueçam. É isto que vocês querem.

257
00:10:07,000 --> 00:10:10,000
Steve, espero que esteja me ouvindo, tudo bem.

258
00:10:11,000 --> 00:10:13,000
É um pequeno dispositivo muito simpático.

259
00:10:13,000 --> 00:10:15,000
Então se tiverem a oportunidade, por favor testem.

260
00:10:15,000 --> 00:10:18,000
Isso é uma experiência prática.

261
00:10:18,000 --> 00:10:21,000
Isso ganhou um pouco de atração e tentamos disseminar

262
00:10:21,000 --> 00:10:23,000
e usar para fins educacionais,

263
00:10:23,000 --> 00:10:25,000
mas também, talvez no futuro,

264
00:10:25,000 --> 00:10:28,000
em um contexto mais clínico.

265
00:10:28,000 --> 00:10:30,000
Há um vídeo no YouTube que podem baixar,

266
00:10:30,000 --> 00:10:32,000
se quiserem passar a informação para outras pessoas

267
00:10:32,000 --> 00:10:35,000
sobre autópsias virtuais.

268
00:10:35,000 --> 00:10:37,000
OK, já que falamos sobre tato,

269
00:10:37,000 --> 00:10:39,000
vamos falar sobre dados realmente tocantes.

270
00:10:39,000 --> 00:10:41,000
E isso ainda é um pouco de ficção científica,

271
00:10:41,000 --> 00:10:44,000
estamos indo para o futuro.

272
00:10:44,000 --> 00:10:47,000
Na realidade não é o que os médicos estão usando agora,

273
00:10:47,000 --> 00:10:49,000
Mas espero que usem no futuro.

274
00:10:49,000 --> 00:10:52,000
O que vocês estão vendo na esquerda é um dispositivo tátil.

275
00:10:52,000 --> 00:10:54,000
É uma pequena caneta mecânica

276
00:10:54,000 --> 00:10:57,000
com motores de passo muito velozes dentro dela.

277
00:10:57,000 --> 00:10:59,000
Então eu posso gerar um ‘force feedback’.

278
00:10:59,000 --> 00:11:01,000
Quando eu virtualmente toco nos dados,

279
00:11:01,000 --> 00:11:04,000
eles geram forças táticas na caneta, assim ganho um feedback.

280
00:11:04,000 --> 00:11:06,000
Então neste caso em particular,

281
00:11:06,000 --> 00:11:08,000
É um scan de uma pessoa viva.

282
00:11:08,000 --> 00:11:11,000
Tenho esta caneta e analiso os dados,

283
00:11:11,000 --> 00:11:13,000
e movo a caneta em direção à cabeça,

284
00:11:13,000 --> 00:11:15,000
e de repente eu sinto uma resistência.

285
00:11:15,000 --> 00:11:17,000
Eu posso sentir a pele.

286
00:11:17,000 --> 00:11:19,000
Se eu pressionar um pouco mais, vou através da pele

287
00:11:19,000 --> 00:11:22,000
e posso sentir o interior da estrutura óssea.

288
00:11:22,000 --> 00:11:24,000
Se pressiono mais ainda, vou através da estrutura óssea,

289
00:11:24,000 --> 00:11:27,000
especialmente perto do ouvido onde o osso é esponjoso.

290
00:11:27,000 --> 00:11:30,000
E então posso sentir o interior do cérebro, que parece lamacento assim.

291
00:11:30,000 --> 00:11:32,000
Isto é realmente legal.

292
00:11:32,000 --> 00:11:35,000
E indo mais adiante, este é o coração.

293
00:11:35,000 --> 00:11:38,000
E isto é devido a esses escâners fantásticos,

294
00:11:38,000 --> 00:11:40,000
que em apenas 0.3 segundos,

295
00:11:40,000 --> 00:11:42,000
posso escanear o coração todo,

296
00:11:42,000 --> 00:11:44,000
e posso fazer isso com a resolução tempo.

297
00:11:44,000 --> 00:11:46,000
Assim que simplesmente quando eu olho para o coração,

298
00:11:46,000 --> 00:11:48,000
eu posso reproduzir o vídeo.

299
00:11:48,000 --> 00:11:50,000
Este é Karljohan, um dos meus estudantes de pós graduação

300
00:11:50,000 --> 00:11:52,000
que trabalha nesse projeto.

301
00:11:52,000 --> 00:11:55,000
Ele está sentado em frente a um aparelho háptico, o sistema ‘force feedback’,

302
00:11:55,000 --> 00:11:58,000
e está movendo a caneta em direção ao coração,

303
00:11:58,000 --> 00:12:00,000
e o coração agora está batendo na frente dele,

304
00:12:00,000 --> 00:12:02,000
e ele pode ver como o coração está batendo.

305
00:12:02,000 --> 00:12:04,000
Ele pegou a caneta e a move em direção ao coração,

306
00:12:04,000 --> 00:12:06,000
e a coloca sobre o coração,

307
00:12:06,000 --> 00:12:09,000
e sente as batidas do coração do paciente que está vivo.

308
00:12:09,000 --> 00:12:11,000
E aí ele pode examinar como o coração bate.

309
00:12:11,000 --> 00:12:13,000
Ele pode ir dentro, pressionar o coração,

310
00:12:13,000 --> 00:12:16,000
e sentir como as válvulas estão se movendo.

311
00:12:16,000 --> 00:12:19,000
E isso, penso, é o futuro para os cirurgiões cardíacos.

312
00:12:19,000 --> 00:12:22,000
Digo que isto é provavelmente uma fantasia que os cardiologistas têm

313
00:12:22,000 --> 00:12:25,000
de poder entrar no coração do paciente

314
00:12:25,000 --> 00:12:27,000
antes da própria cirurgia,

315
00:12:27,000 --> 00:12:29,000
com dados de resolução de alta qualidade.

316
00:12:29,000 --> 00:12:31,000
Então isso é realmente genial.

317
00:12:32,000 --> 00:12:35,000
Agora nós vamos nos aprofundar mais ainda em ficção científica.

318
00:12:35,000 --> 00:12:38,000
Já ouvimos falar sobre a ressonância magnética funcional.

319
00:12:38,000 --> 00:12:41,000
Agora, este projeto é muito interessante.

320
00:12:41,000 --> 00:12:43,000
Campos magnéticos e frequências de rádio estão sendo usados

321
00:12:43,000 --> 00:12:45,000
em Ressonância Magnética

322
00:12:45,000 --> 00:12:48,000
para escanear o cérebro, ou qualquer parte do corpo.

323
00:12:48,000 --> 00:12:50,000
Então, o que estamos conseguindo

324
00:12:50,000 --> 00:12:52,000
é obter informação sobre a estrutura do cérebro,

325
00:12:52,000 --> 00:12:54,000
e também podemos medir a diferença

326
00:12:54,000 --> 00:12:57,000
nas propriedades magnéticas do sangue oxigenado

327
00:12:57,000 --> 00:13:00,000
e sangue com baixo teor de oxigênio.

328
00:13:00,000 --> 00:13:02,000
Isto significa que é possível se

329
00:13:02,000 --> 00:13:04,000
mapear a atividade do cérebro.

330
00:13:04,000 --> 00:13:06,000
Isto é algo que estamos desenvolvendo.

331
00:13:06,000 --> 00:13:09,000
E vocês viram Motts, o engenheiro de pesquisa

332
00:13:09,000 --> 00:13:11,000
indo dentro do sistema de ressonância magnética

333
00:13:11,000 --> 00:13:13,000
e usava óculos de proteção.

334
00:13:13,000 --> 00:13:15,000
Assim podia realmente ver tudo.

335
00:13:15,000 --> 00:13:18,000
Então eu falava sobre o seu estado enquanto ele estava no escâner.

336
00:13:18,000 --> 00:13:20,000
E isso é meio estranho,

337
00:13:20,000 --> 00:13:22,000
porque o que Motts vê é isto.

338
00:13:22,000 --> 00:13:25,000
Ele está vendo seu próprio cérebro.

339
00:13:25,000 --> 00:13:27,000
Então Motts está ativo aqui.

340
00:13:27,000 --> 00:13:29,000
E provavelmente ele irá assim com sua mão direita,

341
00:13:29,000 --> 00:13:31,000
porque o lado esquerdo está ativado

342
00:13:31,000 --> 00:13:33,000
no córtex motor.

343
00:13:33,000 --> 00:13:35,000
E então ele pode ver isso ao mesmo tempo.

344
00:13:35,000 --> 00:13:37,000
Estas visualizações são inéditas.

345
00:13:37,000 --> 00:13:40,000
E isto é algo que temos pesquisado faz algum tempo.

346
00:13:40,000 --> 00:13:43,000
Esta é outra sequência do cérebro do Mott.

347
00:13:43,000 --> 00:13:46,000
Aqui nós pedimos ao Motts para contar de 100 de trás para frente.

348
00:13:46,000 --> 00:13:48,000
Ele conta "100, 97, 94."

349
00:13:48,000 --> 00:13:50,000
Ele está indo para trás.

350
00:13:50,000 --> 00:13:53,000
Vocês podem ver o pequeno processador matemático funcionando aqui em cima do cérebro.

351
00:13:53,000 --> 00:13:55,000
e está iluminando o cérebro inteiro.

352
00:13:55,000 --> 00:13:57,000
Isto é fantástico. Podemos fazer isso em tempo real.

353
00:13:57,000 --> 00:13:59,000
Podemos investigar. Podemos pedir para ele fazer coisas.

354
00:13:59,000 --> 00:14:01,000
Podem ver também que o córtex visual

355
00:14:01,000 --> 00:14:03,000
está ativado na parte posterior da cabeça,

356
00:14:03,000 --> 00:14:05,000
porque é aqui onde ele está vendo o seu próprio cérebro.

357
00:14:05,000 --> 00:14:07,000
E ele também pode ouvir nossas instruções

358
00:14:07,000 --> 00:14:09,000
quando pedimos a ele para fazer algo.

359
00:14:09,000 --> 00:14:11,000
O sinal também está bem no fundo do cérebro,

360
00:14:11,000 --> 00:14:13,000
mas irradia,

361
00:14:13,000 --> 00:14:15,000
porque todos os dados estão dentro desse volume.

362
00:14:15,000 --> 00:14:17,000
E em um segundo vão ver –

363
00:14:17,000 --> 00:14:19,000
OK, aqui. Motts, agora mova o seu pé esquerdo.

364
00:14:19,000 --> 00:14:21,000
Então ele faz assim.

365
00:14:21,000 --> 00:14:23,000
Durante 20 segundos ele faz assim,

366
00:14:23,000 --> 00:14:25,000
e de repente ele acende aqui.

367
00:14:25,000 --> 00:14:27,000
Então temos o córtex motor ativado ali.

368
00:14:27,000 --> 00:14:29,000
Isso é realmente muito legal.

369
00:14:29,000 --> 00:14:31,000
Acho isto uma grande ferramenta.

370
00:14:31,000 --> 00:14:33,000
E também conectando com a última palestra,

371
00:14:33,000 --> 00:14:35,000
isso é algo que podemos usar como uma ferramenta

372
00:14:35,000 --> 00:14:37,000
para realmente entendermos

373
00:14:37,000 --> 00:14:39,000
como os neurônios e o cérebro estão funcionando,

374
00:14:39,000 --> 00:14:42,000
e podemos fazer isso com qualidade visual muito alta

375
00:14:42,000 --> 00:14:45,000
e resolução muito rápida.

376
00:14:45,000 --> 00:14:47,000
Agora também nos divertimos no centro.

377
00:14:47,000 --> 00:14:50,000
Este é um TC escâner – tomografia computadorizada

378
00:14:51,000 --> 00:14:53,000
Esta é um leoa do zoológico daqui

379
00:14:53,000 --> 00:14:56,000
perto de Norrkoping em Kolmarden, Elsa.

380
00:14:56,000 --> 00:14:58,000
Ela veio para o centro,

381
00:14:58,000 --> 00:15:00,000
e eles a sedaram

382
00:15:00,000 --> 00:15:02,000
e a colocaram dentro do escâner.

383
00:15:02,000 --> 00:15:05,000
E é claro, eu coleto todo o seu conjunto de dados.

384
00:15:05,000 --> 00:15:07,000
E posso fazer imagens bacanas assim.

385
00:15:07,000 --> 00:15:09,000
Eu posso levantar uma camada da leoa.

386
00:15:09,000 --> 00:15:11,000
e olhar dentro dela.

387
00:15:11,000 --> 00:15:13,000
E estamos fazendo experiências com isso.

388
00:15:13,000 --> 00:15:15,000
E penso que isso é um grande aplicativo

389
00:15:15,000 --> 00:15:17,000
para o futuro desta tecnologia.

390
00:15:17,000 --> 00:15:20,000
Porque pouco se sabe sobre a anatomia do animal

391
00:15:20,000 --> 00:15:23,000
O conhecimento que os veterinários têm é informação básica

392
00:15:23,000 --> 00:15:25,000
Podemos escanear todos os tipos de coisas,

393
00:15:25,000 --> 00:15:27,000
todos os tipos de animais.

394
00:15:27,000 --> 00:15:30,000
O único problema é o animal caber dentro da máquina.

395
00:15:30,000 --> 00:15:32,000
Aqui está um urso.

396
00:15:32,000 --> 00:15:34,000
Foi meio difícil fazê-lo entrar.

397
00:15:34,000 --> 00:15:37,000
E o urso é um animal fofo e amigo.

398
00:15:37,000 --> 00:15:40,000
Aqui está o focinho do urso.

399
00:15:40,000 --> 00:15:43,000
Talvez queiram dar-lhe um abraço,

400
00:15:43,000 --> 00:15:46,000
até mudarem as funções e ele ficar assim.

401
00:15:46,000 --> 00:15:48,000
Tenham cuidado com o urso.

402
00:15:48,000 --> 00:15:50,000
Então com isso,

403
00:15:50,000 --> 00:15:52,000
eu quero agradecer a todos

404
00:15:52,000 --> 00:15:54,000
que me ajudaram a criar essas imagens.

405
00:15:54,000 --> 00:15:56,000
Fazer isso requer um grande esforço,

406
00:15:56,000 --> 00:15:59,000
coletar dados e desenvolver os algoritmos,

407
00:15:59,000 --> 00:16:01,000
programando o software.

408
00:16:01,000 --> 00:16:04,000
Muita gente com talento.

409
00:16:04,000 --> 00:16:07,000
O meu lema é: eu só recruto pessoas mais inteligentes do que eu

410
00:16:07,000 --> 00:16:09,000
e a maioria deles são mais espertos do que eu.

411
00:16:09,000 --> 00:16:11,000
Muito obrigado.

412
00:16:11,000 --> 00:16:15,000
(Aplausos)