WEBVTT

00:00:00.612 --> 00:00:03.374
Durante os próximos 16 minutos,
vou levá-los numa viagem

00:00:03.398 --> 00:00:06.484
que é provavelmente
o maior sonho da Humanidade:

00:00:06.508 --> 00:00:08.923
compreender o código da vida.

NOTE Paragraph

00:00:09.072 --> 00:00:11.815
Para mim, tudo começou há muitos anos,

00:00:11.839 --> 00:00:14.562
quando vi a primeira impressora 3D.

00:00:14.586 --> 00:00:16.480
O conceito era fascinante.

00:00:16.480 --> 00:00:18.526
Uma impressora 3D
precisa de três elementos:

00:00:18.526 --> 00:00:22.464
um pouco de informação,
matéria-prima, energia,

00:00:22.488 --> 00:00:26.052
e pode produzir qualquer objeto
que não existia antes.

NOTE Paragraph

00:00:26.517 --> 00:00:28.208
Eu andava a estudar Física.

00:00:28.208 --> 00:00:32.106
Ia de regresso a casa quando me apercebi
que sempre conhecera uma impressora 3D.

00:00:32.106 --> 00:00:33.786
Toda a gente também conhece.

00:00:33.786 --> 00:00:34.998
Era a minha mãe.

NOTE Paragraph

00:00:34.998 --> 00:00:36.083
(Risos)

NOTE Paragraph

00:00:36.083 --> 00:00:38.061
A minha mãe agarra em três elementos:

00:00:38.061 --> 00:00:39.521
um pouco de informação

00:00:39.521 --> 00:00:42.442
que, neste caso, é partilhada
pelo meu pai e pela minha mãe,

00:00:42.442 --> 00:00:46.319
matéria-prima e energia
no mesmo meio, isto é, comida,

00:00:46.323 --> 00:00:48.851
e após vários meses, produz-me.

00:00:48.855 --> 00:00:50.707
Eu não existia antes.

NOTE Paragraph

00:00:50.707 --> 00:00:54.453
Para além do choque de descobrir
que a minha mãe é uma impressora 3D,

00:00:54.477 --> 00:00:59.215
fiquei imediatamente 
hipnotizado por aquele elemento,

00:00:59.239 --> 00:01:00.956
o primeiro, a informação.

00:01:00.980 --> 00:01:03.251
Que quantidade de informações
será precisa

00:01:03.255 --> 00:01:05.301
para construir e montar um ser humano?

00:01:05.301 --> 00:01:07.079
Será muita? Será pouca?

00:01:07.079 --> 00:01:09.313
Quantas "pen drives" podemos encher?

NOTE Paragraph

00:01:09.313 --> 00:01:11.641
Eu estava a estudar Física,
no início,

00:01:11.665 --> 00:01:16.812
e imaginei uma aproximação humana
como uma construção gigante de Lego.

00:01:17.286 --> 00:01:21.071
Imaginem que os blocos Lego
são pequenos átomos

00:01:21.095 --> 00:01:25.748
e que há um átomo de hidrogénio aqui,
um de carbono ali, um de azoto acolá.

00:01:25.772 --> 00:01:27.723
Assim, na primeira aproximação,

00:01:27.723 --> 00:01:31.710
se eu puder listar o número de átomos
que compõem um ser humano,

00:01:31.734 --> 00:01:33.121
posso construí-lo.

00:01:33.145 --> 00:01:35.304
Podemos fazer alguns cálculos

00:01:35.304 --> 00:01:38.475
e o resultado é um número astronómico.

00:01:38.499 --> 00:01:41.256
O número de átomos,

00:01:41.280 --> 00:01:46.035
o ficheiro que vou guardar na minha 
"pen drive", para montar um bebé,

00:01:46.059 --> 00:01:50.726
vai encher um Titanic inteiro
de "pen drives",

00:01:50.750 --> 00:01:53.468
multiplicado por dois mil.

00:01:53.957 --> 00:01:57.358
É este o milagre da vida.

00:01:57.382 --> 00:01:59.994
Cada vez que virmos uma mulher grávida,

00:02:00.018 --> 00:02:02.874
ela está a reunir a maior
quantidade de informações

00:02:02.898 --> 00:02:04.674
que jamais iremos encontrar.

00:02:04.674 --> 00:02:07.618
Esqueçam os megadados,
esqueçam tudo o que ouviram dizer.

00:02:07.618 --> 00:02:10.683
Esta é a maior quantidade
de informações que existe.

NOTE Paragraph

00:02:10.813 --> 00:02:13.810
(Aplausos)

NOTE Paragraph

00:02:14.214 --> 00:02:18.858
Mas, felizmente, a Natureza é muito mais
inteligente que um jovem físico,

00:02:18.882 --> 00:02:22.468
e em quatro mil milhões de anos,
conseguiu embalar estas informações

00:02:22.482 --> 00:02:25.377
num pequeno cristal chamado ADN.

00:02:25.605 --> 00:02:29.917
Encontrámo-lo pela primeira vez 
em 1950, quando Rosalind Franklin,

00:02:29.941 --> 00:02:31.497
uma cientista incrível,

00:02:31.521 --> 00:02:33.000
lhe tirou uma fotografia.

00:02:33.000 --> 00:02:38.122
Mas demorou-nos mais de 40 anos
até se analisar uma célula humana,

00:02:38.146 --> 00:02:39.748
extrair esse cristal,

00:02:39.772 --> 00:02:43.032
desenrolá-lo e lê-lo pela primeira vez.

00:02:43.615 --> 00:02:46.906
O código vem a ser
um alfabeto bastante simples,

00:02:46.906 --> 00:02:50.652
de quatro letras: A, T, C e G.

00:02:50.676 --> 00:02:54.566
Para construir um ser humano,
precisamos de três mil milhões de letras.

00:02:54.933 --> 00:02:56.292
Três mil milhões!

00:02:56.292 --> 00:02:57.955
Quanto é três mil milhões?

00:02:57.955 --> 00:03:00.581
É um número que não faz sentido, não é?

NOTE Paragraph

00:03:00.581 --> 00:03:04.610
Então comecei a pensar como
podia explicar melhor

00:03:04.634 --> 00:03:07.684
sobre a grandeza e a enormidade
deste código.

00:03:07.708 --> 00:03:10.762
Mas para isso, vou precisar de ajuda,

00:03:10.786 --> 00:03:14.013
e a melhor pessoa para me ajudar
a apresentar o código

00:03:14.037 --> 00:03:17.559
é o primeiro homem que o sequenciou,
o Dr. Craig Venter.

00:03:17.813 --> 00:03:20.973
Bem-vindo ao palco, Dr. Craig Venter.

NOTE Paragraph

00:03:21.307 --> 00:03:24.348
(Aplausos)

NOTE Paragraph

00:03:28.352 --> 00:03:30.758
Não é o homem em carne e osso

00:03:31.448 --> 00:03:33.793
mas, pela primeira vez na História,

00:03:33.817 --> 00:03:37.349
este é o genoma
de um ser humano específico,

00:03:37.349 --> 00:03:41.183
impresso página a página, 
letra a letra:

00:03:41.183 --> 00:03:45.133
262 000 páginas de informações,

00:03:45.133 --> 00:03:49.631
450 kg, enviado dos EUA para o Canadá,

00:03:49.631 --> 00:03:54.338
graças a Bruno Bowden, Lulu.com,
uma "start-up", que fez tudo.

00:03:54.362 --> 00:03:56.095
Foi uma proeza incrível!

NOTE Paragraph

00:03:56.095 --> 00:04:00.146
Mas esta é a perceção visual
do código da vida.

00:04:00.420 --> 00:04:03.218
Agora, pela primeira vez,
posso fazer uma coisa divertida.

00:04:03.218 --> 00:04:05.549
Posso introduzir-me dentro dele e ler.

00:04:05.549 --> 00:04:10.028
Vou escolher um livro interessante...
como este.

00:04:13.277 --> 00:04:15.761
Tenho uma nota:
é um livro bastante grande.

00:04:16.361 --> 00:04:19.982
Só para que possam ver
o que é o código da vida.

00:04:20.566 --> 00:04:23.957
Milhares e milhares e milhares

00:04:23.981 --> 00:04:26.651
e milhões de letras.

00:04:26.675 --> 00:04:29.071
Aparentemente, não fazem sentido.

00:04:29.095 --> 00:04:31.082
Vejamos uma parte específica.

00:04:31.571 --> 00:04:32.933
Eu vou lê-la.

NOTE Paragraph

00:04:32.957 --> 00:04:34.298
(Risos)

NOTE Paragraph

00:04:34.298 --> 00:04:38.008
"AAG, AAT, ATA".

NOTE Paragraph

00:04:38.965 --> 00:04:41.212
Para vocês, soam a letras mudas,

00:04:41.212 --> 00:04:45.267
mas é esta sequência 
que dá a cor aos olhos de Craig.

00:04:45.633 --> 00:04:47.725
Vou mostrar outra passagem do livro.

00:04:47.725 --> 00:04:50.293
Esta é um pouco mais complicada.

NOTE Paragraph

00:04:50.983 --> 00:04:53.630
Cromossoma 14, livro 132.

NOTE Paragraph

00:04:53.654 --> 00:04:55.744
(Risos)

NOTE Paragraph

00:04:55.968 --> 00:04:57.775
Conforme era de esperar...

NOTE Paragraph

00:04:57.835 --> 00:05:00.535
(Risos)

NOTE Paragraph

00:05:03.017 --> 00:05:07.524
"ATT, CTT, GATT".

NOTE Paragraph

00:05:08.329 --> 00:05:10.016
Este humano tem sorte

00:05:10.040 --> 00:05:14.557
porque, se faltassem nesta posição
apenas duas letras

00:05:14.581 --> 00:05:16.458
— duas letras entre três mil milhões —

00:05:16.482 --> 00:05:18.601
ele estaria condenado
a uma doença terrível,

00:05:18.601 --> 00:05:20.225
a fibrose quística.

00:05:20.225 --> 00:05:23.402
Não há cura para ela,
não sabemos como a tratar.

00:05:23.426 --> 00:05:27.181
E são apenas duas letras
diferentes das que nós temos.

NOTE Paragraph

00:05:27.585 --> 00:05:30.580
Um livro maravilhoso,
um livro poderoso,

00:05:31.115 --> 00:05:33.243
um livro poderoso
que me ajudou a perceber

00:05:33.243 --> 00:05:36.310
e a mostrar-vos uma coisa extraordinária.

00:05:36.480 --> 00:05:40.915
Cada um de vós 
— ou seja, eu e vocês —

00:05:40.939 --> 00:05:43.973
não passa de cinco milhões disto,

00:05:43.973 --> 00:05:45.565
metade de um livro.

00:05:46.015 --> 00:05:47.678
Quanto ao resto,

00:05:47.702 --> 00:05:50.494
somos todos absolutamente idênticos.

00:05:51.008 --> 00:05:55.026
Quinhentas páginas
é o milagre da vida que somos.

00:05:55.050 --> 00:05:57.581
O resto é partilhado por todos.

00:05:57.605 --> 00:06:00.644
Pensem nisso outra vez,
quando pensarem que somos diferentes.

00:06:00.644 --> 00:06:03.249
É esta a quantidade que partilhamos.

NOTE Paragraph

00:06:03.441 --> 00:06:06.870
Agora que conquistei a vossa atenção,

00:06:06.894 --> 00:06:08.453
a pergunta seguinte é:

00:06:08.453 --> 00:06:11.368
Como é que o lemos?
Como é que o compreendemos?

00:06:11.679 --> 00:06:15.649
Por melhores que vocês sejam
a montar móveis suecos,

00:06:15.673 --> 00:06:19.316
nunca na vida poderão decifrar
este manual de instruções.


NOTE Paragraph

00:06:19.316 --> 00:06:20.863
(Risos)

NOTE Paragraph

00:06:20.887 --> 00:06:24.189
Em 2014, dois conhecidos oradores TED,

00:06:24.189 --> 00:06:26.693
Peter Diamandis e o próprio Craig Venter,

00:06:26.693 --> 00:06:28.694
decidiram fundar uma nova empresa.

00:06:28.694 --> 00:06:31.350
Assim nasceu a Human Longevity,
com uma missão:

00:06:31.368 --> 00:06:33.419
tentar tudo o que fosse possível

00:06:33.419 --> 00:06:36.192
e aprender tudo o que 
se pode aprender nestes livros,

00:06:36.192 --> 00:06:38.291
com um objetivo,

00:06:38.862 --> 00:06:41.863
tornar real o sonho
da medicina personalizada,

00:06:41.863 --> 00:06:45.454
perceber que coisas se devem fazer
para ter melhor saúde

00:06:45.478 --> 00:06:47.911
e quais são os segredos nestes livros.

NOTE Paragraph

00:06:48.329 --> 00:06:52.579
Uma equipa fantástica, de 40 cientistas
de dados e muitas mais pessoas,

00:06:52.603 --> 00:06:54.253
com quem foi um prazer trabalhar.

00:06:54.253 --> 00:06:56.230
O conceito é muito simples.

00:06:56.254 --> 00:06:59.412
Vamos usar uma tecnologia
chamada "aprendizagem automática".

00:06:59.806 --> 00:07:03.975
Por um lado, temos genomas,
milhares de genomas.

00:07:03.999 --> 00:07:07.996
Por outro lado, reunimos 
a maior base de dados dos seres humanos:

00:07:08.020 --> 00:07:12.316
os fenótipos, a digitalização 3D, a RMN,
tudo aquilo em que possam pensar.

00:07:12.340 --> 00:07:15.239
Lá dentro, nestes dois lados opostos,

00:07:15.263 --> 00:07:17.705
está o segredo da tradução.

00:07:17.729 --> 00:07:20.331
E no meio, construímos uma máquina.

00:07:20.801 --> 00:07:23.186
Construímos uma máquina
e treinamos uma máquina

00:07:23.210 --> 00:07:26.420
— não exatamente uma máquina,
muitas e muitas máquinas —

00:07:26.444 --> 00:07:31.158
para tentar compreender e traduzir
o genoma num fenótipo.

00:07:31.362 --> 00:07:34.702
O que são essas letras
e o que é que elas fazem?

00:07:34.726 --> 00:07:37.473
É uma abordagem
que pode ser usada para tudo,

00:07:37.497 --> 00:07:40.490
mas usá-la nos genomas
é especialmente complicado.

00:07:40.514 --> 00:07:43.790
Pouco a pouco, evoluímos e
quisemos montar desafios diferentes.

00:07:43.814 --> 00:07:46.400
Começámos pelo princípio,
pelas características comuns.

00:07:46.400 --> 00:07:49.263
As características comuns são confortáveis
porque são comuns,

00:07:49.263 --> 00:07:50.551
toda a gente as tem.

NOTE Paragraph

00:07:50.551 --> 00:07:52.899
Assim, começámos a perguntar:

00:07:52.923 --> 00:07:54.693
Podemos prever a altura?

00:07:54.985 --> 00:07:57.162
Podemos ler os livros
e prever a vossa altura?

00:07:57.186 --> 00:08:00.167
Sim, podemos sim,
com cinco centímetros de precisão.

00:08:00.178 --> 00:08:03.463
O Índice de Massa Corporal
está muito ligado ao vosso estilo de vida,

00:08:03.463 --> 00:08:07.201
mas ainda podemos estimar
com oito quilos de precisão.

00:08:07.225 --> 00:08:08.796
Podemos prever a cor dos olhos?

00:08:08.796 --> 00:08:11.218
Sim, podemos, com 80% de precisão.

00:08:11.466 --> 00:08:13.434
Podemos prever a cor da pele?

00:08:13.434 --> 00:08:15.789
Sim, podemos, com 80% de precisão.

00:08:15.903 --> 00:08:17.723
Podemos prever a idade?

00:08:18.121 --> 00:08:21.860
Podemos, porque, segundo parece,
o código muda durante a vida.

00:08:21.884 --> 00:08:25.166
Fica mais curto, perdemos peças,
fica com inserções.

00:08:25.380 --> 00:08:27.955
Lemos os sinais, e fazemos um modelo.

NOTE Paragraph

00:08:28.438 --> 00:08:30.233
Agora, um problema interessante.

00:08:30.233 --> 00:08:32.156
Podemos prever uma cara humana?

00:08:33.014 --> 00:08:34.552
É um pouco complicado,

00:08:34.552 --> 00:08:37.687
porque uma cara humana está espalhada
entre milhões destas letras.

00:08:37.687 --> 00:08:40.220
E uma cara humana não é
um objeto muito bem definido.

00:08:40.220 --> 00:08:42.435
Portanto, tivemos que construir
toda uma camada

00:08:42.435 --> 00:08:45.079
para aprender e ensinar
a uma máquina o que é uma cara,

00:08:45.079 --> 00:08:46.940
embuti-la e comprimi-la.

00:08:46.940 --> 00:08:49.302
Se estão à vontade
com a "aprendizagem automática"

00:08:49.326 --> 00:08:51.610
percebem qual é aqui o problema.

NOTE Paragraph

00:08:52.108 --> 00:08:58.099
Ao fim de 15 anos — 15 anos depois
de lermos a primeira sequência —

00:08:58.123 --> 00:09:01.025
este outubro, começámos
a ver alguns sinais.

00:09:01.049 --> 00:09:03.674
Foi um momento muito emotivo.

00:09:03.674 --> 00:09:07.363
Estão a ver aqui um sujeito
que entrou no nosso laboratório.

00:09:07.619 --> 00:09:09.647
Para nós, isto é uma cara.

00:09:09.647 --> 00:09:13.202
Agarramos na cara de um sujeito,
reduzimos-lhe a complexidade,

00:09:13.226 --> 00:09:15.196
porque nem tudo está na nossa cara

00:09:15.220 --> 00:09:19.006
— muitas das características e defeitos
e assimetrias são produto da nossa vida.

00:09:19.300 --> 00:09:22.709
Tornamos a cara simétrica
e fazemos correr o algoritmo.

00:09:23.245 --> 00:09:25.233
O resultado que vos mostro agora,

00:09:25.233 --> 00:09:28.539
é a previsão que temos 
a partir do sangue.

NOTE Paragraph

00:09:29.596 --> 00:09:31.120
(Aplausos)

NOTE Paragraph

00:09:31.364 --> 00:09:32.709
Esperem um pouco.

00:09:32.913 --> 00:09:37.295
Nestes segundos, os vossos olhos
estão a ver, à esquerda e à direita,

00:09:37.319 --> 00:09:41.083
e o vosso cérebro quer 
que estas imagens sejam idênticas.

00:09:41.083 --> 00:09:44.239
Por isso, peço-vos para fazerem
outro exercício, sejam honestos.

00:09:44.239 --> 00:09:47.370
Procurem as diferenças
que são muitas.

00:09:47.439 --> 00:09:50.272
A maior quantidade de sinal
provém do sexo,

00:09:50.272 --> 00:09:55.267
depois há a idade, o IMC,
a componente étnica dum ser humano.

00:09:55.431 --> 00:09:59.002
Aumentar esse sinal
é muito mais complicado.

00:09:59.026 --> 00:10:02.276
Mas o que aqui vemos,
mesmo nas diferenças,

00:10:02.300 --> 00:10:05.639
permite-nos perceber
que estamos no campo certo,

00:10:05.639 --> 00:10:07.357
que estamos a aproximar-nos.

00:10:07.357 --> 00:10:09.640
E já vos está a dar alguma emoção.

NOTE Paragraph

00:10:09.784 --> 00:10:12.367
Este é outro sujeito que aparece

00:10:12.391 --> 00:10:14.140
e este é uma previsão.

00:10:14.170 --> 00:10:18.420
Uma cara um pouco mais pequena, 
não temos a estrutura craniana completa,

00:10:18.444 --> 00:10:21.455
mesmo assim, está dentro da previsão.

00:10:21.634 --> 00:10:24.008
Este é um sujeito que entrou
no nosso laboratório,

00:10:24.008 --> 00:10:25.755
e esta é a previsão.

00:10:26.526 --> 00:10:30.710
Estas pessoas nunca foram vistas
durante o treino da máquina.

00:10:31.750 --> 00:10:33.593
São aquilo a que se chama
"grupos externos".

00:10:33.787 --> 00:10:37.357
Mas são pessoas que, provavelmente,
vocês não acreditariam que existiam.

00:10:37.591 --> 00:10:40.288
Estamos a publicar tudo
numa publicação científica,

00:10:40.288 --> 00:10:41.478
podem lê-la.

00:10:41.478 --> 00:10:44.088
Mas, como estamos no palco,
Chris desafiou-me.

00:10:44.088 --> 00:10:47.688
Provavelmente vou expor-me
e tentar prever alguém

00:10:47.688 --> 00:10:50.358
que vocês podem reconhecer.

00:10:50.358 --> 00:10:52.568
Portanto, neste tubo de coleta de sangue

00:10:53.328 --> 00:10:57.528
— vocês não fazem ideia do que tivemos
que fazer para arranjar este sangue —

NOTE Paragraph

00:10:57.528 --> 00:11:01.918
neste tubo de coleta de sangue está
a quantidade de informações biológicas

00:11:01.918 --> 00:11:04.929
de que precisamos, para fazer
uma sequência de genoma completa.

00:11:04.929 --> 00:11:06.609
Só precisamos desta quantidade.

00:11:06.609 --> 00:11:09.843
Fizemos correr esta sequência
e vou fazê-lo convosco.

00:11:09.843 --> 00:11:13.690
Começamos por utilizar
todos os conhecimentos que temos.

00:11:13.690 --> 00:11:17.240
Com o tubo de coleta de sangue
previmos que era um homem.

00:11:17.250 --> 00:11:18.908
E o sujeito é um homem.

00:11:19.126 --> 00:11:21.544
Previmos que tem 1,76 m de altura.

00:11:21.544 --> 00:11:23.850
O sujeito tem 1,77 cm de altura.

00:11:24.034 --> 00:11:27.984
Previmos que pesa 76 kg
e o sujeito pesa 82.

00:11:28.701 --> 00:11:31.433
Previmos que tem 38 anos.

00:11:31.433 --> 00:11:33.611
O sujeito tem 35 anos.

00:11:33.851 --> 00:11:36.155
Previmos a cor dos olhos:

00:11:36.824 --> 00:11:38.035
Muito escuros.

00:11:38.059 --> 00:11:39.854
Previmos a cor da pele.

00:11:40.026 --> 00:11:41.676
Estamos quase lá.

00:11:41.899 --> 00:11:43.802
Esta é a cara dele.

NOTE Paragraph

00:11:45.412 --> 00:11:48.441
Agora, o momento da revelação:

00:11:48.795 --> 00:11:50.625
o sujeito é esta pessoa.

NOTE Paragraph

00:11:50.695 --> 00:11:52.304
(Risos)

NOTE Paragraph

00:11:52.548 --> 00:11:54.486
Fi-lo intencionalmente.

00:11:54.486 --> 00:11:57.992
Eu sou duma etnia
muito especial e peculiar.

00:11:58.106 --> 00:12:01.146
Os europeus do sul, os italianos
nunca encaixam nos modelos.

00:12:01.266 --> 00:12:06.120
No nosso modelo,
a etnia é um caso complexo.

00:12:06.144 --> 00:12:08.213
Mas há uma outra questão.

00:12:08.383 --> 00:12:11.304
Uma das coisas que usamos muito
para reconhecer pessoas


00:12:11.304 --> 00:12:13.290
nunca estará escrita no genoma.

00:12:13.290 --> 00:12:15.581
É a nossa livre vontade,
como é o meu aspeto.

00:12:15.581 --> 00:12:18.654
Não é o meu corte de cabelo, neste caso,
mas o corte da minha barba.

00:12:18.654 --> 00:12:22.071
Vou mostrar-vos,
neste caso, transferi-la

00:12:22.095 --> 00:12:25.180
— e isto não é mais do que o Photoshop
não há aquilo modelos —

00:12:25.180 --> 00:12:26.987
a barba do sujeito.

00:12:26.987 --> 00:12:30.243
Imediatamente, temos uma sensação
muito melhor.

NOTE Paragraph

00:12:31.305 --> 00:12:34.154
Porque é que fazemos isto?

00:12:36.228 --> 00:12:40.858
Claro que não o fazemos
para prever a altura,

00:12:41.242 --> 00:12:44.044
ou para obter uma bela imagem
a partir do nosso sangue.

00:12:44.390 --> 00:12:48.408
Fazemo-lo porque a mesma tecnologia
e a mesma abordagem,

00:12:48.432 --> 00:12:51.082
a aprendizagem da máquina
deste código,


00:12:51.082 --> 00:12:54.113
está a ajudar-nos a compreender 
como funcionamos,

00:12:54.137 --> 00:12:55.883
como funciona o nosso corpo,

00:12:55.883 --> 00:12:57.702
como o nosso corpo envelhece,

00:12:57.702 --> 00:13:00.245
como as doenças se geram no nosso corpo,

00:13:00.245 --> 00:13:03.101
como o cancro cresce e se desenvolve,

00:13:03.125 --> 00:13:05.118
como funcionam os medicamentos

00:13:05.118 --> 00:13:07.496
e se funcionam no nosso corpo.

NOTE Paragraph

00:13:07.713 --> 00:13:09.890
Isto é um desafio enorme.

00:13:09.894 --> 00:13:11.592
Isto é um desafio que partilhamos

00:13:11.592 --> 00:13:14.415
com milhares de outros investigadores
pelo mundo inteiro.

00:13:14.415 --> 00:13:16.691
Chama-se medicina personalizada.

00:13:17.125 --> 00:13:20.585
É a capacidade de passar
de uma abordagem padronizada

00:13:20.609 --> 00:13:22.641
em que somos um ponto no oceano,

00:13:22.665 --> 00:13:24.728
para uma abordagem personalizada,

00:13:24.728 --> 00:13:26.857
onde lemos todos estes livros

00:13:26.857 --> 00:13:29.955
e obtemos a compreensão
de como somos, exatamente.

00:13:30.260 --> 00:13:33.822
Mas é um desafio
especialmente complicado,

00:13:33.822 --> 00:13:37.644
porque de todos estes livros,
no momento atual,

00:13:37.668 --> 00:13:40.660
apenas conhecemos talvez 2%,

00:13:41.217 --> 00:13:44.870
quatro livros entre mais de 175.

NOTE Paragraph

00:13:46.021 --> 00:13:49.767
Não é este o tópico da minha palestra,

00:13:50.145 --> 00:13:53.143
porque vamos aprender mais.

00:13:53.378 --> 00:13:56.477
Temos as melhores cabeças
no mundo neste tópico.

00:13:57.048 --> 00:13:58.882
As previsões vão melhorar,

00:13:58.906 --> 00:14:01.159
o modelo vai ser mais preciso.

00:14:01.183 --> 00:14:03.141
E quanto mais aprendermos

00:14:03.141 --> 00:14:07.905
mais seremos confrontados
com decisões

00:14:07.919 --> 00:14:10.940
que nunca tivemos que enfrentar
até agora,

00:14:10.964 --> 00:14:12.399
sobre a vida,

00:14:12.423 --> 00:14:14.097
sobre a morte,

00:14:14.121 --> 00:14:15.934
sobre a paternidade.

00:14:18.572 --> 00:14:20.752
Nesta conversa,

NOTE Paragraph

00:14:21.182 --> 00:14:26.118
estamos a tocar no pormenor mais íntimo
de como a vida funciona.

00:14:26.118 --> 00:14:29.276
É uma revolução que não se pode limitar

00:14:29.300 --> 00:14:32.289
ao domínio da ciência ou da tecnologia.

00:14:32.960 --> 00:14:35.594
Tem que ser uma conversa global.

00:14:35.798 --> 00:14:38.869
Precisamos de começar a pensar no futuro

00:14:38.869 --> 00:14:41.159
que estamos a construir
enquanto Humanidade.

00:14:41.159 --> 00:14:43.743
Precisamos de interagir
com pessoas criativas,

00:14:43.743 --> 00:14:46.637
com artistas, com filósofos,
com políticos.

00:14:46.661 --> 00:14:48.309
Todos estão envolvidos,

00:14:48.309 --> 00:14:51.068
porque trata-se do futuro
da nossa espécie.

00:14:51.273 --> 00:14:55.261
Sem medo, mas com a compreensão

00:14:55.265 --> 00:14:59.136
de que as decisões 
que tomarmos no próximo ano

00:14:59.160 --> 00:15:03.129
alterarão o curso da História para sempre.

NOTE Paragraph

00:15:03.732 --> 00:15:04.892
Obrigado.

NOTE Paragraph

00:15:05.216 --> 00:15:08.155
(Aplausos)