Anders Ynnerman: Tıbbi veri patlamasını görüntülemek

Günümüzde, tıbbi görüntüleme teknikleri tek bir hasta için saniyeler içinde binlerce görüntü ve terabaytlarca veri üretebiliyor. Peki doktorlar bu verilerden hangilerinin faydalı olduğunu nasıl ayırdedebiliyorlar? Bilimsel görüntüleme uzmanı Anders Ynnerman, TEDxGöteburg'da bizlere, bu yoğun verileri analiz eden gelişmiş cihazları (sanal otopsiler gibi) tanıtıyor ve gelişmekte olan bilim-kurgu benzeri tıbbi teknolojilerden örnekler sunuyor. (Uyarı: Bu konuşmada bazı tıbbi görseller mevcuttur.)

Size öncelikle karşılaştığımız bir zorluktan,

verilerle uğraşmanın, tıbbi durumlara

ait olan verilerle uğraşmanın zorluğundan

bahsetmek istiyorum.

Bu bizim için gerçekten de çok büyük bir zorluk,

en zorlandığımız şey bu.

Bu bir bilgisayarlı tomografi cihazı --

bir BT cihazı.

Müthiş bir cihaz.

X-ışınlarını kullanıyor,

insan vücudu etrafında hızla dönen X ışınlarını kullanıyor.

Makineye girip çıkmak yaklaşık 30 saniye sürüyor

ve bu sürenin sonunda makina inanılmaz miktarlarda

veri üretiyor.

Bu, sağlık hizmetlerini

iyileştirmek için kullanabileceğimiz

müthiş bir cihaz. Ama daha önce belirttiğim gibi

aynı zamanda büyük bir sorun.

Zorluğu bu resimde görmek mümkün.

Şu an yaşadığımız bir nevi tıbbi

veri patlaması.

Yaşadığımız sorun bu.

Sizi zamanda geri götürmeme izin verin.

Birkaç yıl geriye gidelim ve o zaman bunların nasıl olduğuna bakalım.

Bu makineler 1970'li yıllarda

ortaya çıkmaya başladı.

İnsan vücudunu tarıyorlar ve

insan vücuduna ait yaklaşık

100 görüntü üretiyorlardı.

Konuyu daha iyi açıklamak için

bunu veri dilimlerine çevirmek istiyorum.

Bunlar yaklaşık 50 MB veriye denk geliyordu,

ki bugün mobil cihazlarımızda uğraştığımız

veri miktarını düşünecek olursanız

bu oldukça ufak bir veri.

Bunu telefon rehberi birimine çevirecek olursanız,

yerden 1 metre yüksekliği olan bir telefon rehberi sütunu demek.

Şimdi de bugün sahip olduğumuz

makinelerle yaptıklarımıza bir bakalım,

sadece birkaç saniye içinde,

vücuttan 24 bin görüntü alabiliyoruz.

Bu yaklaşık 20 GB veri demek,

ya da 800 telefon rehberi.

Üstüste koysanız bu yaklaşık 200 metre eder.

Gördüğünüz, görmekte olduğunuz

şu anda süregelen bu teknoloji trendi ile

artık zamana bağlı durumlarla da

ilgilenmeye başlıyoruz.

Artık vücuttan ilgili dinamikleri de alabiliyoruz.

Farz edin ki

beş saniye boyunca veri toplayacağız,

bu bir terabayt veriye eşdeğer olacaktır.

Bu 800.000 kitap ve

16 km yüksekliğinde bir telefon rehberi kulesi demek.

Bu tek bir hasta, bir veri seti.

Altından kalkmamız gereken sorun da bu.

Yani gerçekten önümüzde müthiş bir zorluk var.

Ve bugün bile, -- bu 250 bin görüntü.

Bunları radyoloji uzmanlarının

yaptığı günleri düşünün.

25 bin görüntüye bakıp,

"evet, evet, 25 bin, evet...

Hah, işte problem şurada." diyeceklerdi.

Bunu artık yapamıyorlar; bu imkansız.

Bu nedenle, artık bunu yapabilecek daha akıllı birşeye ihtiyacımız var.

Bu nedenle, bütün bu dilimleri bir araya getiriyoruz.

Vücudunuzu tüm yönlerde dilimlediğinizi hayal edin,

Daha sonra da bu dilimleri tekrar birleştirmeye çalışıyorsunuz,

tek bir bilgi yığını halinde, bir blok veri.

İşte bizim gerçekte yaptığımız bu.

Bu bir gigabayt ya da terabaytlık veriyi bir blok halinde yığıyoruz.

Ama elbette, bu veri yığını

insan vücudundaki her nokta

tarafından soğrulan X-ışını miktarı kadar veri içeriyor.

Bu nedenle, yapmamız gereken

bakmak istediğimiz şeyleri bize gösteren

görmek istemediklerimizi ise şeffaflaştıran bir yöntem bulmak.

Bu veri dizisini şuna benzer

bir şeye dönüştürüyoruz.

İşte işin zor olan kısmı bu.

Bu, bizim aşmamız gereken ciddi bir engel.

Gigabaytlarca veriyi işlemek için bilgisayarları kullanmak,

her ne kadar her geçen anda daha hızlı ve iyi oluyorlarsa da

terbaytlarca veriyi işlemek ve işe yarar

veriyi içlerinden ayıklamak gerçekten zor.

Kalbe bakmak istiyorum,

kan damarlarına bakmak istiyorum, karaciğere bakmak istiyorum,

hatta bazı vakalarda

bir tümör arıyorum.

İşte bu ufaklığın devreye girdiği an bu.

Bu benim kızım.

Burada saat sabah 9:00,

ve o bilgisayarda oyun oynuyor.

Henüz sadece iki yaşında,

ve acayip eğleniyor.

Grafik işlemci geliştirme birimlerinin

arkasındaki itici güç gerçekte o.

Çocuklar bilgisayar oynamaya devam ettikleri sürece

grafikler her geçen gün daha iyiye gidecektir.

Bu nedenle eve gidince, çocuklarınıza bilgisayarda oyun oynamalarını söyleyin.

Çünkü ihtiyacımız olan şey bu.

Bakın, bu makinenin içinde

tıbbi verilerle yaptığım bu işleri

yapmamı sağlayan düzenek mevcut.

Aslında kullandıklarım bu ufak müthiş cihazlar.

Biliyorsunuz ya, geçmişe gidecek olursak

belki de 10 yıl geriye,

ilk grafik bilgisayarımı almamı sağlayan

ödeneği aldığım zamana.

O zamanlar bunlar dev gibi makinelerdi.

İşlemciler, yedekleyiciler kocaman dolaplardı.

Bu makine için yaklaşık bir milyon dolar ödemiştim.

Bu makine, yaklaşık benim bugün kullandığım iPhone hızında.

Her ay yeni bir görüntü kartı piyasaya çıkıyor.

Burada tedarikçilerin son makinelerinden örnekler var --

NVIDIA, ATI, Intel de bunlardan biri.

Biliyorsunuz, birkaç yüz dolar verirseniz

bunlardan birini alıp evdeki bilgisayarınıza takabilir

ve bu görüntü kartları ile muhteşem şeyler yapabilirsiniz.

Bizim, tıp alanındaki patlama yapan

veri ile uğraşmamızı sağlayan şey bu,

algoritma içeren hoş birkaç

iş ile birlikte --

veri sıkıştırma ve

araştırmadaki anlamlı veriyi diğerlerinin arasından bulma.

Size neler yapabildiğimize ilişkin birkaç örnek vermek istiyorum.

Bu veri seti bir BT tarayıcı kullanılarak elde edildi.

Bunun eksiksiz bir veri olduğunu görüyorsunuz.

O bir kadın. Saçları görebiliyorsunuz.

Kadının vücudunun detaylarını seçebilirsiniz.

Burada, dişlerde X-ışını saçılımlarını

görebilirsiniz, bunlar dişlerdeki metaller.

Bu artifaktlar buradan geliyor.

Ama aynen normal bir bilgisayardaki

standart bir grafik kartı gibi,

verileri bir klip haline getirebilirim.

Elbette bütün veri burada, içinde.

Böylece sağa sola çevirebilir, istediğim açılardan bakabilirim.

Bakınca bu kadının bir sorunu olduğunu görebiliyorum.

Beyninde bir kanama var.

Ufak bir stent ile tamir edilmiş,

yani damarı tıkayan bir metal kliple.

Fonksiyonları değiştirerek,

neyin saydam olacağını, neyin görünür

olacağını ayarlayabilirim.

Kafatasının yapısına bakabilirim,

bu kadının kafatasını açtıkları yeri görebilirim,

ve işte beyine buradan girmişler.

Yani bunlar muhteşem görüntüler.

Yüksek çözünürlüklü görüntüler,

ve bugün standart bir grafik kartı ile

neler yapabileceğimizi gösteriyorlar.

Bunları pekçok yerde kullandık ve

sisteme epey veri yüklemeye

çalıştık.

Üzerinde uğraştığımız uygulamalardan biri de --

ki bu dünya çapında epey ilgi çekti --

bu verilerin sanal otopsilerde kullanılması.

Anımsayın, çok ama çok büyük veri setlerine baktınız ve

bizim bu tüm-vücut taraması ile neler yapabildiğimizi gördünüz.

Vücudu bir bütün olarak BT tarayıcısından geçiriyoruz,

ve birkaç saat içinde tüm-vücut veri seti elde edebiliyoruz.

Bu görüntü, bir sanal otopsiden.

Nasıl kat kat soyulduğunu görebiliyorsunuz.

İlk gördüğünüz vücudun içinde geldiği ceset torbası,

sonra deriyi soyuyorum --kasları görebilirsiniz--

sonunda bu kadının kemiklerine kadar ineceksiniz.

Bu noktada, size şimdi göstereceğim kişilerin

görüntülerine büyük bir saygı duyduğumu

belirtmek isterim.

Size birkaç sanal otopsi örneği göstereceğim --

göstereceğim örneklerde yer alan

vahşice öldürülen bu insanlara

büyük saygı duyduğumu belirtmek isterim.

Adli bir vakada --

ki geçtiğimiz dört yıl içinde

benim de yaşadığım İsveç'in bu bölgesinde

her yıl sanal otopsi yapılan

yaklaşık 400 vaka

mevcut.

Bu vakalardaki tipik iş akışı şöyledir.

Polis akşamdan vakalara karar verir

bir vaka geldiğinde --

tamam derler, bu otopsi yapılması gereken bir vaka.

Böylece, sabahleyin, saat 6 ile 7 arasında

cesetler, ceset torbalarının içinde

merkezimize getirilirler ve

BT tarayıcılarından biri ile taranırlar.

Daha sonra radyolog ve patolog,

bazen de adli tıp uzmanı

bir araya gelirler ve

çıkan verilere bakarlar.

Ancak bundan sonra vakaya gerçek otopsi yapıp yapmamaya karar verilir.

Birkaç örnek vakaya beraber bakalım.

Bu ilk vakalarımızdan biri.

Veri setinin detaylarını gerçekten de görebilirsiniz;

çok yüksek çözünürlükte.

Tüm detaylara yakın görüş imkanı sağlayan şey

bizim algoritmalarımız.

Tekrar belirteyim, bunlar tamamen interaktif,

yani buradaki sistemleri döndürebilir ve

istediğiniz şeye gerçek zamanlı olarak bakabilirsiniz.

Bu vaka hakkında çok birşey söylemeye gerek yok,

bu bir trafik kazası,

alkollü bir sürücü bu kadına çarpmış.

Kemik yapılarındaki hasarı görmek çok ama çok kolay.

Ölüm nedeni boyun kırılması.

Aynı zamanda araba bu kadının üzerinden de geçmiş,

bu kaza gerçekten onu

çok ciddi şekilde zedelemiş.

Bu başka bir vaka, bir bıçaklanma.

Bu vaka da neler yapabileceğimizi çok iyi gösteriyor.

Vücut içinde kalan metal kalıntılarına

bakmamız çok kolay.

Dişlerde de bazı artifaktlar görüyorsunuz --

bunlar diş dolguları --

bunları görüyorsunuz çünkü ayarları sadece metalleri gösterecek

ve bunun dışındaki herşeyi şeffaflaştıracak hale getirdim.

Bu bir başka şiddet vakası. Bu kişiyi öldüren şey bu değil.

Bu kişi, kalbinden bıçaklandığı için ölmüş,

ama katiller işleri bitince bıçağı

göz kürelerinden birine saplayıp bırakmışlar.

Bu başka bir vaka.

Bizim için, bu tip bıçaklanma olaylarına

böyle bakabiliyor olmak çok ilginç.

Burada bıçağın kalbi nasıl deldiğini görüyorsunuz.

Havanın bir taraftan diğer tarafa sızdığını görmek

çok kolay.

Ki bunu görmek standart bir otopside çok zordur.

Bu teknik, adli kovuşturmada

ölüm nedenini bulma konusunda

çok ama çok yardımcı olup,

bazı vakalarda soruşturmanın doğru yöne gitmesini sağlayarak

katilin bulunmasına yardımcı oluyor.

Benim ilginç bulduğum bir başka vaka.

Burada, bu kişinin

omurgasına saplanmış olan bu kurşunu görebiliyorsunuz.

yaptığımız kurşunu bir ışık kaynağı haline getirmek,

böylece ışıldıyor ve

onu bu parçalar arasında bulmak kolaylaşıyor.

Fiziksel bir otopside,

bu parçaları bulmak için organların arasını eşelemeniz gerekir,

ki bu oldukça zor bir şeydir.

Bugün, burada size göstermekten

mutluluk duyduğum şeylerden biri de

bizim sanal otopsi masamız.

Bu algoritmaları baz alarak ve standart grafik GPU'ları kullanarak

geliştirdiğimiz bir dokunmatik cihaz.

Aslında şöyle birşey,

size nasıl olduğunu anlatmak istiyorum.

Dev bir iPhone gibi çalışıyor aslında.

Bir masada yapacağınız tüm hareketleri

buna uyarladık. Bunu dev

bir dokunmatik arayüz olarak düşünün.

Yani eğer bir iPad almayı planlıyorsanız,

boşverin, onun yerine bunu alın.

Steve, umarım sen de izliyorsundur bunu.

Yani bu çok hoş bir cihaz.

Eğer bir fırsat bulursanız mutlaka deneyin.

Bizzat yaşanması gereken bir deneyim.

Biraz ilgi yarattık, şimdi bunu yaygınlaştırmaya ve

eğitim amaçlı kullanılmasını sağlamaya çalışıyoruz,

hatta ileride belki

klinik ortamda da kullanılabilir.

Bu bilgiyi başkaları ile de paylaşmak isterseniz

You Tube'da sanal otopsilerle ilgili bir video var,

izleyebilir veya yükleyebilirsiniz.

Peki, dokunmaktan bahsediyorduk,

veriye gerçekten dokunmaya geçelim.

Bunun biraz bilim kurgu gibi göründüğünü biliyorum,

işte şimdi geleceğe doğru bakıyoruz.

Bu, doktorların şu an kullanmakta olduğu bir şey değil,

ama umuyorum gelecekte olacak.

Solda gördüğünüz bir dokunmatik cihaz.

Küçük mekanik bir kalem.

Bu kalemin içinde çok hızlı step motorları var,

böylelikle bir güç geribildiriminde bulunabiliyor.

Yani gerçek anlamda veriye dokunduğum zaman,

bu, kalemde dokunma kuvvetleri yaratacak, ve ben bir geribildirim alacağım.

Bu örnekte, veri,

yaşayan bir insanın tomografisi.

Elimde bu kalemle veriye bakıyorum,

kalemi kafaya doğru yaklaştırıyorum,

birden bir engel hissediyorum elimde.

Böylelikle deriyi hissedebiliyorum.

Biraz daha kuvvetle bastırırsam, deriyi geçebilirim,

ve içerideki kemik yapıyı hissedebilirim.

Daha da hızlı bastırırsam, kemik yapının da içine girebilirim,

özellikle de kemiğin yumuşak olduğu kulağa yakın yerlerdeysem.

Daha sonra içerideki beyin dokusunu hissedebilirim, böyle yumuşak bir hissi olacaktır.

Bu gerçekten çok güzel.

Daha da ileri gidecek olursak, bu kalp.

Gene bu yeni tarayıcılar sayesinde,

sadece 0.3 saniyede

tüm kalbi tarayabilirim.

Bunu zaman çözünürlüklü yapabilirim.

Böylece kalbe bakarken,

bu videoyu çalıştırabilirim.

Bu Karljohan, bu projede çalışan

doktora öğrencilerimden biri.

Burada, Haptic cihazının, bu güç geribildirimi cihazının önünde oturuyor,

elindeki kalemi kalbe yaklaştırıyor,

şu an kalp önünde atıyor,

böylelikle kalbin nasıl attığını görebiliyor.

Kalemi aline alıp kalbe doğru yaklaştırıyor,

kalbe dokunuyor,

ve yaşayan bir hastanın kalp atışlarını hissedebiliyor.

Böylece kalbin hareketlerini inceleyebilir.

Kalbin içine girip, içeriden dokunabilir,

ve kalp kapaklarının nasıl hareket ettiğini hissedebilir.

Bence bu, kalp cerrahlarının geleceği.

Büyük ihtimalle kalp cerrahlarının fantazilerini bu cihaz süslüyordur,

ameliyat yapmadan önce,

hastanın kalbinin içine girip bakmak,

hem de yüksek çözünürlüklü veri ile.

Gerçekten fantazi.

Şimdi bilim kurgu alanına biraz daha girelim.

Daha önce işlevsel MRI ile ilgili birşeyler duymuştuk.

Şimdi bu gerçekten ilginç bir proje.

MRI, beyni ya da vücudun herhangi bir yerini

görüntüleyebilmek için

radyo dalgaları ya da manyetik alanlar kullanıyor.

Burada bizim esas elde ettiğimiz şey

beynin yapısına ait bilgi elde etmek.

Fakat, aynı zamanda oksijen bakımından zengin kan ile

oksijeni az olan kan arasındaki

manyetik özellikler farkını da ölçebiliriz.

Bu demek oluyor ki, beyin

faaliyetlerinin haritasını çıkarabiliriz.

Şu anda üzerinde çalıştığımız şey bu.

Burada gördüğünüz Motts, bizim araştırma mühendisimiz

MRI cihazına giriyor.

Gözünde gözlükler var.

Bu gözlüklerle, tarayıcı içindeyken görebilir,

ben de ona tarayıcıdayken birşeyler gösterebilirim.

Bu biraz ürkütücü,

çünkü Motts aslında bunu görüyor.

Kendi beynini.

Motts burada birşeyler yapıyor.

Muhtemelen sağ eliyle böyle yapıyor,

çünkü sol taraf

motor korteks tarafından aktif durumda.

Aynı zamanda bunu da görebiliyor.

Bu görseller çok yeni.

Son zamanlarda araştırdığımız şeylerden biri de bu.

Bu gördüğünüz Motts'un beyninin bir başka aktivitesi.

Burada Motts'dan 100'den başlayarak geriye saymasını istedik.

"100, 97, 94...." diye sayıyor.

Geriye doğru sayarken,

beynin şurasındaki ufak matematik işlemcisinin çalıştığını ve

bütün beyni aydınlattığını görebilirsiniz.

Muhteşem bir şey. Gerçek zamanlı olarak yapabiliriz bunu.

Bazı şeyleri araştırabilir. Ona birşeyler yapmasını söyleyebiliriz.

Aynız amanda kafasının arka kısmındaki

görme alanının da aktif hale geldiğini görüyorsunuz,

çünkü baktığı şey bu, kendi beynine bakıyor.

Aynı zamanda biz ona birşeyler yapmasını söylediğimizde

bizim komutlarımızı da duyuyor.

Bu sinyal beynin epey derinlerinde olmasına rağmen,

ışıltısı görülebiliyor,

bunun nedeni buradaki yüksek veri miktarı.

Biraz sonra şunu göreceksiniz --

Tamam, burada. Motts sol ayağını oynatıyor.

Böyle yapıyor.

20 saniye boyunca böyle yapıyor,

birden yukarılarda bir yer ışıldamaya başlıyor.

Burada aktive olan yer motor korteks.

Bu gerçekten çok ama çok hoş.

ve bence müthiş bir cihaz.

Bir önceki konuşmaya bir bağlantı yapacak olursam,

bu sinir hücrelerinin, beynin nasıl çalıştığını

gerçekten de

anlamamıza yarayacak bir cihaz.

Ve bunu çok ama çok iyi bir çözünürlükle ve

görüntü kalitesiyle yapabiliriz.

Bizim merkezimizde arada eğlendiğimiz zamanlar da oluyor.

Bu bir Bilgisayar Destekli Tomografi ( CAT scan).

Bu yerel hayvanat bahçesinden bir aslan,

Norrkoping'in heme dışından, Elsa, Kolmarden'den.

Bizim merkezimize geldi,

onu uyuşturdular ve

hemen tarayıcının içine koydular.

Elbette, bu aslana ait tüm veri setini ben de edindim.

Ve bu verilerle çok hoş görüntüler elde edebilirim.

Aslanın üzerinden bir tabaka sıyırabilirim.

Onun içine bakabilirim.

Bununla epey bir deney yaptık.

Bence, bu cihaz, bu teknolojinin

geleceği için çok önemli.

Çünkü, hayvan anatomisi hakkında çok az şey biliniyor.

Veterinerler, çok basit ve temel şeyleri biliyorlar.

Her şeyi tarayıcıya sokabiliriz,

her tür hayvanı.

Tek sorun makineye sığıdarabilmek.

Burada bir ayı var.

Makineye sokmak biraz zor oldu.

Ayı sevecen, yumoş bir hayvan değil mi?

İşte burada. Ayının burnunu görüyorsunuz.

Ama fonksiyonları değiştirip de öyle bakarsanız

onu artık pek yumoş bulmayabilirsiniz.

Ayılara dikkat edin.

Bu noktada,

bu görüntüleri oluşturmama yardımcı olan

herkese çok teşekkür etmek istiyorum.

Bunu yapmak çok büyük bir emek gerektirdi,

verileri toplamak, algoritmaları geliştirmek,

bütün bu yazılımı yapmak.

Hepsi çok yetenekli insanlar.

Benim prensibim her zaman, benden daha zeki insanları işe almak olmuştur

ve bu kişilerin çoğu benden çok daha zeki.

Hepinize çok teşekkür ederim.

(Alkışlar)