1
00:00:00,612 --> 00:00:03,374
Nos próximos 16 minutos
vouvos levar nunha viaxe

2
00:00:03,398 --> 00:00:06,484
que é probablemente
o maior soño da humanidade:

3
00:00:06,508 --> 00:00:08,523
entender o código da vida.

4
00:00:09,072 --> 00:00:11,815
Para min todo comezou
moitos, moitos anos atrás

5
00:00:11,839 --> 00:00:14,562
cando coñecín a primeira impresora 3D.

6
00:00:14,586 --> 00:00:16,260
O concepto era fascinante.

7
00:00:16,284 --> 00:00:18,306
Unha impresora necesita tres elementos:

8
00:00:18,330 --> 00:00:22,464
un pouco de información, algunha
materia prima, un pouco de enerxía

9
00:00:22,488 --> 00:00:25,822
e pode producir calquera obxecto
que non estaba alí antes.

10
00:00:26,517 --> 00:00:28,654
Estaba facendo exercicio,
volvendo a casa

11
00:00:28,678 --> 00:00:32,116
e deime conta de que en realidade
sempre coñecera unha impresora 3D.

12
00:00:32,140 --> 00:00:33,476
E todos a coñecen.

13
00:00:33,500 --> 00:00:34,658
Era a miña nai.

14
00:00:34,682 --> 00:00:35,683
(Risas)

15
00:00:35,707 --> 00:00:38,121
A miña nai colleu tres elementos:

16
00:00:38,145 --> 00:00:42,118
un pouco de información, 
do meu pai e miña nai neste caso,

17
00:00:42,142 --> 00:00:46,299
materia prima e enerxía
no mesmo medio, é dicir comida,

18
00:00:46,323 --> 00:00:48,831
e despois de varios meses, 
produciume a min.

19
00:00:48,855 --> 00:00:50,667
Eu non existía antes.

20
00:00:50,691 --> 00:00:54,453
Así que aparte do impacto de descubrir 
que a miña nai era unha impresora 3D,

21
00:00:54,477 --> 00:00:59,215
de inmediato hipnotizoume
aquela parte,

22
00:00:59,239 --> 00:01:00,956
a primeira, a información.

23
00:01:00,980 --> 00:01:03,231
Que cantidade de información fai falla

24
00:01:03,255 --> 00:01:05,191
para construír
e ensamblar un ser humano?

25
00:01:05,215 --> 00:01:06,789
É moita? É pouca?

26
00:01:06,813 --> 00:01:08,993
Cantos USB podedes encher?

27
00:01:09,017 --> 00:01:11,641
Ben, estaba estudando física
ó principio

28
00:01:11,665 --> 00:01:17,262
e imaxinei un humano
como unha peza de Lego xigante.

29
00:01:17,286 --> 00:01:21,071
Así que, imaxinádevos que os ladrillos
son pequenos átomos

30
00:01:21,095 --> 00:01:25,748
e hai hidróxeno aquí,
carbono aquí, nitróxeno aquí.

31
00:01:25,772 --> 00:01:27,343
Así que na primeira aproximación,


32
00:01:27,367 --> 00:01:31,710
se fago unha lista do número de átomos
que compoñen un ser humano,

33
00:01:31,734 --> 00:01:33,121
podo construílo.

34
00:01:33,145 --> 00:01:35,174
Agora, se repasamos algúns números,

35
00:01:35,198 --> 00:01:38,475
decubriredes que é 
unha cifra bastante abraiante.

36
00:01:38,499 --> 00:01:41,256
Así que o número de átomos,

37
00:01:41,280 --> 00:01:46,035
o arquivo que gardarei no meu USB
para montar un pequeno bebé,

38
00:01:46,059 --> 00:01:50,726
podería encher en realidade de USB
o Titanic...

39
00:01:50,750 --> 00:01:53,468
multiplicado por 2 000.

40
00:01:53,957 --> 00:01:57,358
Este é o milagre da vida.

41
00:01:57,382 --> 00:01:59,994
Cada vez que vexades agora
unha muller embarazada,

42
00:02:00,018 --> 00:02:02,874
está ensamblando a maior
cantidade de información

43
00:02:02,898 --> 00:02:04,454
que xamais encontraredes.

44
00:02:04,478 --> 00:02:07,428
Esquecédevos dos datos masivos, 
esquecédevos do que oírades.

45
00:02:07,452 --> 00:02:10,333
Esta é a maior
cantidade de información que existe.

46
00:02:10,357 --> 00:02:14,190
(Aplausos)

47
00:02:14,214 --> 00:02:18,858
Pero a natureza é moito máis intelixente
que un xove físico

48
00:02:18,882 --> 00:02:22,458
e en 4 000 anos, conseguiu
comprimir esta información

49
00:02:22,482 --> 00:02:25,187
nun pequeno cristal que chamamos ADN.

50
00:02:25,605 --> 00:02:29,917
Coñecémolo por primeira vez en 1950
cando Rosalind Franklin,

51
00:02:29,941 --> 00:02:31,497
unha excelente científica, 


52
00:02:31,521 --> 00:02:32,910
tomou unha fotografía del.

53
00:02:32,934 --> 00:02:38,122
Pero levounos máis de 40 anos
entrar finalmente nunha célula humana,

54
00:02:38,146 --> 00:02:39,748
tomala fóra deste cristal,

55
00:02:39,772 --> 00:02:42,852
desenrolala e lela por primeira vez.

56
00:02:43,615 --> 00:02:46,856
O código é
un alfabeto bastante simple,

57
00:02:46,880 --> 00:02:50,652
catro letras: A, T, C e G.

58
00:02:50,676 --> 00:02:54,166
E para construír un humano,
necesitamos tres mil millóns delas.

59
00:02:54,933 --> 00:02:56,112
Tres mil millóns.

60
00:02:56,136 --> 00:02:57,715
Canto é tres mil millóns?

61
00:02:57,739 --> 00:03:00,501
Non ten moito sentido como
número, verdade?

62
00:03:00,525 --> 00:03:04,610
Así que estaba pensando cómo
podería explicarme mellor

63
00:03:04,634 --> 00:03:07,684
sobre o grande e enorme que é este código.

64
00:03:07,708 --> 00:03:10,762
Pero hai... Quero dicir,
vou ter un pouco de axuda,

65
00:03:10,786 --> 00:03:14,013
e a mellor persoa para axudarme
a presentar o código

66
00:03:14,037 --> 00:03:17,559
é en verdade o primeiro home
en secuencialo, o Dr. Craig Venter.

67
00:03:17,583 --> 00:03:20,973
Así que benvido ó escenario, 
Dr. Craig Venter.

68
00:03:20,997 --> 00:03:27,928
(Aplausos)

69
00:03:27,952 --> 00:03:30,208
Non o home en carne e óso,

70
00:03:31,448 --> 00:03:33,793
pero por primeira vez na historia,

71
00:03:33,817 --> 00:03:37,279
este é o xenoma dun humano específico,

72
00:03:37,303 --> 00:03:41,063
impreso páxina por páxina, 
letra por letra.

73
00:03:41,087 --> 00:03:45,083
262 000 páxinas de información,

74
00:03:45,107 --> 00:03:49,471
450 kg, traídos desde 
EEUU a Canadá

75
00:03:49,495 --> 00:03:54,338
grazas a Bruno Bowden, Lulu.com, 
unha empresa emerxente, que fixeron todo.

76
00:03:54,362 --> 00:03:55,825
Foi unha fazaña incrible.

77
00:03:55,849 --> 00:04:00,146
Pero esta é a percepción visual
do que é o código da vida.

78
00:04:00,170 --> 00:04:02,648
E agora, por primeira vez,
podo facer algo divertido.

79
00:04:02,672 --> 00:04:05,219
Podo miralo por dentro de verdade e lelo.

80
00:04:05,243 --> 00:04:09,868
Así que deixádeme coller un libro
interesante... coma este.

81
00:04:13,077 --> 00:04:15,611
Teño unha anotación,
é un libro bastante grande.

82
00:04:15,635 --> 00:04:19,362
Así que só para deixarvos ver
o que é o código da vida.

83
00:04:20,566 --> 00:04:23,957
Miles e miles e miles

84
00:04:23,981 --> 00:04:26,651
e millóns de letras.

85
00:04:26,675 --> 00:04:29,071
E polo que parece teñen sentido.

86
00:04:29,095 --> 00:04:30,852
Imos a unha parte específica.

87
00:04:31,571 --> 00:04:32,933
Deixádeme lelo para vós:

88
00:04:32,957 --> 00:04:33,978
(Risas)

89
00:04:34,002 --> 00:04:38,008
"AAG, AAT, ATA".

90
00:04:38,965 --> 00:04:41,032
Para vós soa como letras sen sentido,

91
00:04:41,056 --> 00:04:45,097
pero esta secuencia dá
a cor dos ollos de Craig.

92
00:04:45,633 --> 00:04:47,565
Vouvos ensinar outra parte do libro.

93
00:04:47,589 --> 00:04:49,683
Isto é en realidade un pouco
máis complicado.

94
00:04:50,983 --> 00:04:53,630
Cromosoma 14, libro 132.

95
00:04:53,654 --> 00:04:55,744
(Risas)

96
00:04:55,768 --> 00:04:57,045
Como podedes esperar.

97
00:04:57,069 --> 00:05:00,535
(Risas)

98
00:05:02,857 --> 00:05:07,364
"ATT, CTT, GATT".

99
00:05:08,329 --> 00:05:10,016
Este humano é afortunado,

100
00:05:10,040 --> 00:05:14,557
porque se se perden só dúas letras
nesta posición,

101
00:05:14,581 --> 00:05:16,458
dúas letras de tres mil millóns,

102
00:05:16,482 --> 00:05:18,501
está condenado 
a unha enfermidade:

103
00:05:18,525 --> 00:05:19,965
fibrose quística.

104
00:05:19,989 --> 00:05:23,402
Non temos cura para ela,
non sabemos cómo resolvelo,

105
00:05:23,426 --> 00:05:27,181
e son só dúas letras
a diferenza do que, en realidade, somos.

106
00:05:27,585 --> 00:05:30,290
Un libro magnífico, un libro poderoso,

107
00:05:31,115 --> 00:05:33,113
un libro poderoso que me axudou a entender

108
00:05:33,137 --> 00:05:35,890
e mostrarvos algo tan asombroso.

109
00:05:36,480 --> 00:05:40,915
Cada un de vós, o que me fai
a min, eu, e a vós, vós,

110
00:05:40,939 --> 00:05:43,893
son só 5 millóns destas máis ou menos,

111
00:05:43,917 --> 00:05:45,145
medio libro.

112
00:05:46,015 --> 00:05:47,678
Polo resto,

113
00:05:47,702 --> 00:05:50,264
todos somos absolutamente idénticos.

114
00:05:51,008 --> 00:05:55,026
500 páxinas
é o milagre da vida que sodes.

115
00:05:55,050 --> 00:05:57,581
O resto, todos o compartimos.

116
00:05:57,605 --> 00:06:00,514
Así que pensade outra vez
cando creades que somos diferentes.

117
00:06:00,538 --> 00:06:02,759
Esta é a cantidade que compartimos.

118
00:06:03,441 --> 00:06:06,870
Así que agora que teño a vosa atención,

119
00:06:06,894 --> 00:06:08,253
a seguinte pregunta é:

120
00:06:08,277 --> 00:06:09,428
Como leo isto?

121
00:06:09,452 --> 00:06:10,961
Como lle dou sentido?

122
00:06:11,409 --> 00:06:15,649
Ben, aínda que sexades moi bos
montando mobles suecos,

123
00:06:15,673 --> 00:06:19,236
este manual de instrucións non é algo 
que poidades dominar na vosa vida.

124
00:06:19,260 --> 00:06:20,863
(Risas)

125
00:06:20,887 --> 00:06:23,999
Así que, en 2014, dous famosos TEDsters,

126
00:06:24,023 --> 00:06:26,563
Peter Diamandis e o mesmo Criag Venter,

127
00:06:26,587 --> 00:06:28,514
decidiron montar unha nova empresa.

128
00:06:28,538 --> 00:06:29,950
Naceu Human Longevity

129
00:06:29,974 --> 00:06:31,344
cunha misión:

130
00:06:31,368 --> 00:06:33,229
intentar todo o que poidamos intentar

131
00:06:33,253 --> 00:06:36,012
e aprender todo o que poidamos 
aprender destes libros,

132
00:06:36,036 --> 00:06:37,741
cun obxectivo...

133
00:06:38,862 --> 00:06:41,663
facer realidade o soño
da medicina personalizada,

134
00:06:41,687 --> 00:06:45,454
entender qué cousas se deben facer
para ter unha mellor saúde

135
00:06:45,478 --> 00:06:47,761
e cáles son os segredos destes libros.

136
00:06:48,329 --> 00:06:52,579
Un equipo de 40 científicos de datos
e moita máis xente,

137
00:06:52,603 --> 00:06:53,953
un pracer traballar con ela.

138
00:06:53,977 --> 00:06:56,230
O concepto é en verdade moi simple.

139
00:06:56,254 --> 00:06:59,412
Imos usar a tecnoloxía
chamada aprendizaxe automática..

140
00:06:59,436 --> 00:07:03,975
Por unha parte, temos xenomas,
miles deles.

141
00:07:03,999 --> 00:07:07,996
Por outra parte, recollemos
a maior base de datos de seres humanos:

142
00:07:08,020 --> 00:07:12,316
fenotipos, escáneres 3D, RMN, 
todo o que poidades imaxinar.

143
00:07:12,340 --> 00:07:15,239
Dentro, nestas dúas partes opostas,

144
00:07:15,263 --> 00:07:17,705
está o segredo da tradución.

145
00:07:17,729 --> 00:07:20,201
E no medio, construímos unha máquina.

146
00:07:20,801 --> 00:07:23,186
Construímos unha máquina
e entrenamos unha máquina,

147
00:07:23,210 --> 00:07:26,420
ben, non exactamente unha máquina,
moitas, moitas máquinas,

148
00:07:26,444 --> 00:07:30,988
para tratar de entender e traducir
o xenoma nun fenotipo.

149
00:07:31,362 --> 00:07:34,702
Que son esas letras e que fan?

150
00:07:34,726 --> 00:07:37,473
É un enfoque que pode
usarse para todo,

151
00:07:37,497 --> 00:07:40,490
pero usándoo en xenómica
é particularmente complicado.

152
00:07:40,514 --> 00:07:43,790
Pouco a pouco crecemos e quixemos
construír diferentes desafíos.

153
00:07:43,814 --> 00:07:46,546
Comezamos polo principio,
os rasgos comúns.

154
00:07:46,570 --> 00:07:49,173
Os rasgos comúns son cómodos
porque son comúns,

155
00:07:49,197 --> 00:07:50,381
todos os teñen.

156
00:07:50,405 --> 00:07:52,899
Así que comezamos a preguntar 
as nosas dúbidas:

157
00:07:52,923 --> 00:07:54,303
Podemos predicir a altura?

158
00:07:54,985 --> 00:07:57,162
Podemos ler os libros 
e predicir a altura?

159
00:07:57,186 --> 00:07:58,337
Pois podemos,

160
00:07:58,361 --> 00:08:00,154
con 5 centímetros de precisión.

161
00:08:00,178 --> 00:08:03,313
O IMC está máis ou menos conectado co noso
estilo de vida

162
00:08:03,337 --> 00:08:07,201
pero podemos facer unha aproximación,
de 8kg de precisión.

163
00:08:07,225 --> 00:08:08,456
A cor dos ollos?

164
00:08:08,480 --> 00:08:09,638
Si, podemos predicila.

165
00:08:09,662 --> 00:08:10,986
80% de precisión.

166
00:08:11,466 --> 00:08:13,324
Podemos predicir a cor da pel?

167
00:08:13,348 --> 00:08:15,789
Sí, podemos, 80% de precisión.

168
00:08:15,813 --> 00:08:17,153
Podemos predicir a idade?

169
00:08:18,121 --> 00:08:21,860
Podemos, porque polo que parece,
o código cambia durante a nosa vida.

170
00:08:21,884 --> 00:08:25,166
Acúrtase, perde pezas,
obtén insercións.

171
00:08:25,190 --> 00:08:27,745
Lemos os sinais, e facemos un modelo.

172
00:08:28,438 --> 00:08:29,913
Agora, un desafío interesante:

173
00:08:29,937 --> 00:08:31,666
Podemos predicir a cara humana?

174
00:08:33,014 --> 00:08:34,292
É un pouco complicado

175
00:08:34,316 --> 00:08:37,507
porque a cara humana está diseminada
entre millóns destas letras.

176
00:08:37,531 --> 00:08:40,160
E unha cara humana non é
un obxecto moi ben definido.

177
00:08:40,184 --> 00:08:42,235
Así que, construimos unha secuencia

178
00:08:42,259 --> 00:08:44,969
para aprender e ensinar
a unha máquina o que é unha cara,

179
00:08:44,993 --> 00:08:47,030
incorporala e comprimila.

180
00:08:47,054 --> 00:08:49,302
Se estades cómodos 
coa aprendizaxe automática

181
00:08:49,326 --> 00:08:51,610
podedes entender o desafío que representa.

182
00:08:52,108 --> 00:08:58,099
Agora, 15 anos despois,
lemos a primeira secuencia

183
00:08:58,123 --> 00:09:01,025
este outubro, comezamos
a ver algúns sinais.

184
00:09:01,049 --> 00:09:03,504
E foi un momento moi emotivo.

185
00:09:03,528 --> 00:09:07,273
O que vedes aquí é un suxeito
que veu ó noso laboratorio.

186
00:09:07,619 --> 00:09:09,547
Iso é unha cara para nós.

187
00:09:09,571 --> 00:09:13,202
Así que collemos a cara real dun suxeito,
reducimos a complexidade

188
00:09:13,226 --> 00:09:15,196
porque non todo está na cara,

189
00:09:15,220 --> 00:09:19,006
as perdas de rasgos, defectos
e asimetrías veñen da nosa vida.

190
00:09:19,030 --> 00:09:22,499
Facemos a cara simétrica,
e aplicamos o noso algoritmo.

191
00:09:23,245 --> 00:09:25,143
Os resultados que vos ensino agora,

192
00:09:25,167 --> 00:09:28,539
son a predición que obtivemos
do sangue.

193
00:09:29,596 --> 00:09:31,120
(Aplauso)

194
00:09:31,144 --> 00:09:32,579
Esperade un segundo.

195
00:09:32,603 --> 00:09:37,295
Nestes segundos, os vosos ollos 
están mirando esquerda e dereita,

196
00:09:37,319 --> 00:09:41,249
e o voso cerebro quere
que as dúas fotos sexan idénticas.

197
00:09:41,273 --> 00:09:43,719
Así que vos pido facer
outro exercicio.

198
00:09:43,743 --> 00:09:46,030
Por favor, buscade as diferenzas,

199
00:09:46,054 --> 00:09:47,415
que son moitas.

200
00:09:47,439 --> 00:09:50,042
A maior cantidade de sinais
veñen do xénero,

201
00:09:50,066 --> 00:09:55,267
logo está a idade, o IMC,
e o compoñente da etnia do ser humano.

202
00:09:55,291 --> 00:09:59,002
E superar ese sinal
é moito máis complicado.

203
00:09:59,026 --> 00:10:02,276
Pero o que vedes aquí,
incluso nas diferenzas,

204
00:10:02,300 --> 00:10:05,895
permítevos entender
que estamos nunha aproximación correcta,

205
00:10:05,919 --> 00:10:07,267
que estamos preto.

206
00:10:07,291 --> 00:10:09,640
E está xa provocando en vós 
algunhas emocións.

207
00:10:09,664 --> 00:10:12,367
Este é outro suxeito
que veu,

208
00:10:12,391 --> 00:10:13,800
e esta é a predición.

209
00:10:13,824 --> 00:10:18,420
A cara máis pequena, non obtivemos
a estrutura cranial completa,

210
00:10:18,444 --> 00:10:21,095
pero aínda así,
é un cálculo aproximado.

211
00:10:21,634 --> 00:10:23,858
Este é un suxeito que vén 
o noso laboratorio,

212
00:10:23,882 --> 00:10:25,325
e esta é a predición.

213
00:10:26,056 --> 00:10:30,732
Nunca vimos a estas persoas
no entrenamento da máquina.

214
00:10:30,756 --> 00:10:33,593
Estos son o grupo 
que chamamos "apartados".

215
00:10:33,617 --> 00:10:37,357
Pero estas son persoas que 
probablemente nunca creredes.

216
00:10:37,381 --> 00:10:40,057
Estamos difundindo todo
nunha publicación científica,

217
00:10:40,081 --> 00:10:41,232
podedes lela.

218
00:10:41,256 --> 00:10:43,600
Pero no escenario,
Chris desafioume.

219
00:10:43,624 --> 00:10:47,250
Probablemente arrisqueime
e intentei predicir

220
00:10:47,274 --> 00:10:50,105
a alguén que ó mellor recoñecedes.

221
00:10:50,470 --> 00:10:54,895
Así que, neste vial de sangue...
e crédeme, non tedes ides

222
00:10:54,919 --> 00:10:57,799
do que tivemos que facer para ter
este sangue agora, aquí...

223
00:10:57,823 --> 00:11:01,724
neste frasquiño de sangue está a cantidade
de información biolóxica

224
00:11:01,748 --> 00:11:04,025
para facer 
unha secuencia completa do xenoma.

225
00:11:04,049 --> 00:11:06,119
Só necesitamos esta cantidade.

226
00:11:06,528 --> 00:11:09,733
Aplicamos a secuencia
e vou facelo con vós.

227
00:11:09,757 --> 00:11:13,736
E comezamos a xuntar
todo o coñecemento que temos.

228
00:11:13,760 --> 00:11:17,110
No frasquiño de sangue,
predixemos que é un home.

229
00:11:17,134 --> 00:11:18,498
E o suxeito é un home.

230
00:11:18,996 --> 00:11:21,434
Predixemos que mide 1 m 76 cm.

231
00:11:21,458 --> 00:11:23,850
O suxeito mide 1 m 77 cm.

232
00:11:23,874 --> 00:11:27,984
Así que predixemos que pesa 76 kg,
o suxeito pesa 82 kg.

233
00:11:28,701 --> 00:11:31,333
Predixemos a súa idade, 38.

234
00:11:31,357 --> 00:11:33,261
O suxeito ten 35.

235
00:11:33,851 --> 00:11:35,975
Predixemos a cor dos ollos.

236
00:11:36,824 --> 00:11:38,035
Demasiado oscuro.

237
00:11:38,059 --> 00:11:39,614
Predixemos a cor da pel.

238
00:11:40,026 --> 00:11:41,436
Case estamos aí.

239
00:11:41,899 --> 00:11:43,272
Esa é a súa cara.

240
00:11:45,172 --> 00:11:48,441
Agora, o momento da revelación:

241
00:11:48,465 --> 00:11:50,235
o suxeito é esta persona.

242
00:11:50,259 --> 00:11:52,194
(Risas)

243
00:11:52,218 --> 00:11:54,276
E fíxeno adrede.

244
00:11:54,300 --> 00:11:57,992
Pertenzo a unha etnia 
moi particular e peculiar.

245
00:11:58,016 --> 00:12:00,966
Sur de Europa, italianos...
nunca encaixamos nos modelos.

246
00:12:00,990 --> 00:12:06,120
E é particular... que a etnia
sexa un caso complexo para o noso modelo.

247
00:12:06,144 --> 00:12:07,653
Pero hai outra cuestión.

248
00:12:07,677 --> 00:12:11,154
Así, unha das cousas que usamos
moito para recoñecer as personas

249
00:12:11,178 --> 00:12:12,900
nunca estará escrito no xenoma.

250
00:12:12,924 --> 00:12:15,241
É o noso libre albedrío, é como me vexo.

251
00:12:15,265 --> 00:12:18,494
Non o meu corte de pelo neste caso,
senón a miña barba.

252
00:12:18,518 --> 00:12:22,071
Así que vouvos ensinar, vou
neste caso transferila...

253
00:12:22,095 --> 00:12:24,860
e isto non é nada máis que
Photoshop, non modelaxe...

254
00:12:24,884 --> 00:12:26,597
a barba no suxeito.

255
00:12:26,621 --> 00:12:30,093
E inmediatamente, poñémonos
moito, moito máis en situación.

256
00:12:30,955 --> 00:12:33,664
Así que, por que facemos isto?

257
00:12:35,938 --> 00:12:41,078
En verdade non o facemos
para predicir a altura

258
00:12:41,102 --> 00:12:43,474
ou tomar unha imaxe
a partir do noso sangue.

259
00:12:44,390 --> 00:12:48,408
Facémolo porque a mesma tecnoloxía
e o mesmo enfoque,

260
00:12:48,432 --> 00:12:50,952
a aprendizaxe automática deste código,

261
00:12:50,976 --> 00:12:54,113
axúdanos a entender cómo funcionamos,

262
00:12:54,137 --> 00:12:55,623
cómo funciona o noso corpo,

263
00:12:55,647 --> 00:12:57,312
cómo envellece o noso corpo,

264
00:12:57,336 --> 00:13:00,105
cómo xorden as enfermidades no noso corpo,


265
00:13:00,129 --> 00:13:03,101
cómo o cancro crece e se desenvolve,

266
00:13:03,125 --> 00:13:04,908
cómo funcionan as medicinas

267
00:13:04,932 --> 00:13:07,246
e se funcionan no noso corpo.

268
00:13:07,713 --> 00:13:09,380
Este é un reto enorme.

269
00:13:09,894 --> 00:13:11,532
Este é un reto que compartimos

270
00:13:11,556 --> 00:13:14,135
con miles doutros
investigadores de todo o mundo.


271
00:13:14,159 --> 00:13:16,381
Chámase medicina personalizada.

272
00:13:17,125 --> 00:13:20,585
É a hablidade de moverse
dunha aproximación estatística

273
00:13:20,609 --> 00:13:22,641
onde sodes unha pinga no océano,

274
00:13:22,665 --> 00:13:24,478
a unha aproximación personalizada,

275
00:13:24,502 --> 00:13:26,687
onde lemos todos estes libros

276
00:13:26,711 --> 00:13:29,575
e entendemos
con exactitude cómo sodes.

277
00:13:30,260 --> 00:13:33,622
Pero é un reto
particularmente complicado

278
00:13:33,646 --> 00:13:37,644
porque de todos estes libros
na actualidade,

279
00:13:37,668 --> 00:13:40,310
só coñecemos probablemente o 2%:

280
00:13:41,027 --> 00:13:44,680
4 libros de 175.

281
00:13:46,021 --> 00:13:49,227
E este non é o tema da miña charla

282
00:13:50,145 --> 00:13:52,743
porque aprenderemos máis.

283
00:13:53,378 --> 00:13:56,047
As mellores mentes do mundo
están traballando neste tema.

284
00:13:57,048 --> 00:13:58,882
A predición mellorará,

285
00:13:58,906 --> 00:14:01,159
o modelo será máis preciso.

286
00:14:01,183 --> 00:14:03,041
E canto máis aprendamos,

287
00:14:03,065 --> 00:14:07,895
máis nos afrontaremos
con decisións

288
00:14:07,919 --> 00:14:10,940
que nunca tivemos que facer antes


289
00:14:10,964 --> 00:14:12,399
sobre a vida,

290
00:14:12,423 --> 00:14:14,097
sobre a morte,

291
00:14:14,121 --> 00:14:15,724
sobre a paternidade.

292
00:14:20,626 --> 00:14:25,372
Así que, estamos chegando ó mesmo
detalle interno de cómo funciona a vida.

293
00:14:26,118 --> 00:14:29,276
E é unha revolución
que non pode confinarse

294
00:14:29,300 --> 00:14:31,959
no campo da ciencia ou tecnoloxía.

295
00:14:32,960 --> 00:14:35,204
Esta debe ser unha conversación global.

296
00:14:35,798 --> 00:14:41,015
Debemos comezar a pensar no futuro
que estamos a construír como humanidade.

297
00:14:41,039 --> 00:14:45,103
Necesitamos interactuar con creativos,
con artistas, con filósofos,

298
00:14:45,127 --> 00:14:46,637
con políticos.

299
00:14:46,661 --> 00:14:47,819
Todos están involucrados,

300
00:14:47,843 --> 00:14:50,668
porque é o futuro da nosa especie.


301
00:14:51,273 --> 00:14:55,241
Sen medo, pero co entendemento

302
00:14:55,265 --> 00:14:59,136
de que as decisións
que tomemos no próximo ano

303
00:14:59,160 --> 00:15:02,949
cambiarán o curso da historia 
para sempre.

304
00:15:03,732 --> 00:15:04,892
Grazas.

305
00:15:04,916 --> 00:15:15,075
(Aplauso)