ABOUT THE SPEAKER
Peter van Manen - Electronic systems expert
Peter van Manen is the Managing Director of McLaren Electronics, which provides data systems to major motorsports series.

Why you should listen

To say that Peter van Manen has a high-speed job would be an understatement. As Managing Director of McLaren Electronics, which provides electronics and data collection software to motorsports events, he and his team work in real time during a race to improve cars on about 500 different parameters. That's about 750 million data points in two hours.

But recently van Manen and his team have been wondering: Why can't the extremely precise and subtle data-collection and analysis systems used in motorsports be applied elsewhere, for the benefit of all? They have applied their systems to ICU units at Birmingham Children's Hospital with real-time analysis that allows them to proactively prevent cardiac arrests. The unit has seen a 25 percent decrease in life-threatening events. And it's just the beginning.

More profile about the speaker
Peter van Manen | Speaker | TED.com
TEDxNijmegen

Peter van Manen: Better baby care -- thanks to Formula 1

פיטר ואן מאנן: איך מירוצי פורמולה 1 יכול לעזור.....לתינוקות?

Filmed:
845,406 views

במהלך מירוץ פורמולה 1, מכונית שולחת מאות מיליוני יחידות מידע למוסך לניתוח בזמן אמת ולמשוב. אז למה לא להשתמש במערכת מפורטת זו במקום אחר, כמו....בית חולים לילדים? פיטר ואן מאנן מספר לנו עוד.
- Electronic systems expert
Peter van Manen is the Managing Director of McLaren Electronics, which provides data systems to major motorsports series. Full bio

Double-click the English transcript below to play the video.

00:12
Motorמָנוֹעַ racingמרוץ is a funnyמצחיק oldישן businessעֵסֶק.
0
336
2257
מירוצים זה עסק משעשע
00:14
We make a newחָדָשׁ carאוטו everyכֹּל yearשָׁנָה,
1
2593
2317
אנחנו בונים מכונית חדשה כל שנה
00:16
and then we spendלְבַלוֹת the restמנוחה of the seasonעונה
2
4910
2188
ואז אנחנו מבלים את שאר העונה
00:19
tryingמנסה to understandמבין what it is we'veיש לנו builtבנוי
3
7098
2776
בלנסות להבין מה בנינו
00:21
to make it better, to make it fasterמהיר יותר.
4
9874
3221
לעשות אותה טובה יותר, מהירה יותר.
00:25
And then the nextהַבָּא yearשָׁנָה, we startהַתחָלָה again.
5
13095
3275
ואז שנה אחרי, אנחנו מתחילים מהתחלה.
00:28
Now, the carאוטו you see in frontחֲזִית of you is quiteדַי complicatedמסובך.
6
16370
4238
המכונית שאתם רואים מולכם היא די מסובכת.
00:32
The chassisשִׁלדָה is madeעָשׂוּי up of about 11,000 componentsרכיבים,
7
20608
3619
השלדה מורכבת מבערך 11,000 רכיבים
00:36
the engineמנוע anotherאַחֵר 6,000,
8
24227
2468
המנוע עוד 6,000,
00:38
the electronicsמכשירי חשמל about eightשמונה and a halfחֲצִי thousandאלף.
9
26695
3093
האלקטרוניקה בערך 8,500.
00:41
So there's about 25,000 things there that can go wrongלא בסדר.
10
29788
4401
אז יש בערך 25,000 דברים שיכולים להשתבש
00:46
So motorמָנוֹעַ racingמרוץ is very much about attentionתשומת הלב to detailפרט.
11
34189
4826
אז מרוצי מכוניות כוללים בתוכם הרבה תשומת לב לפרטים.
00:51
The other thing about Formulaנוּסחָה 1 in particularמיוחד
12
39015
3263
הדבר הנוסף בנוגע למירוצי פורמולה 1 במיוחד
00:54
is we're always changingמִשְׁתַנֶה the carאוטו.
13
42278
2124
הוא שאנחנו כל הזמן משנים את המכונית.
00:56
We're always tryingמנסה to make it fasterמהיר יותר.
14
44402
2280
אנחנו כל הזמן מנסים לעשות אותה יותר מהירה.
00:58
So everyכֹּל two weeksשבועות, we will be makingהֲכָנָה
15
46682
2984
אז כל שבועיים, אנחנו נייצר
01:01
about 5,000 newחָדָשׁ componentsרכיבים to fitלְהַתְאִים to the carאוטו.
16
49666
4200
בערך 5,000 רכיבים חדשים שמורכבים למכונית
01:05
Fiveחָמֵשׁ to 10 percentאָחוּז of the raceגזע carאוטו
17
53866
2178
5-10 אחוז ממכונית המירוץ
01:08
will be differentשונה everyכֹּל two weeksשבועות of the yearשָׁנָה.
18
56044
3752
ישתנו כל שבועיים במהלך השנה
01:11
So how do we do that?
19
59796
2309
אז איך אנחנו עושים את זה?
01:14
Well, we startהַתחָלָה our life with the racingמרוץ carאוטו.
20
62105
3744
אנחנו מתחילים את חיינו עם מכונית מירוץ
01:17
We have a lot of sensorsחיישנים on the carאוטו to measureלִמְדוֹד things.
21
65849
3991
יש לנו הרבה חיישנים על המכונית על מנת למדוד דברים.
01:21
On the raceגזע carאוטו in frontחֲזִית of you here
22
69840
1882
על המכונית המירוץ שלפניכם
01:23
there are about 120 sensorsחיישנים when it goesהולך into a raceגזע.
23
71722
3159
יש בערך 120 חיישנים כשהיא מתחרה.
01:26
It's measuringמדידה all sortsמיני of things around the carאוטו.
24
74881
3652
זה מודד כל מיני דברים במכונית.
01:30
That dataנתונים is loggedמחובר. We're loggingרישום about
25
78533
2052
המידע הזה נשמר, אנחנו שומרים בערך
01:32
500 differentשונה parametersפרמטרים withinבְּתוֹך the dataנתונים systemsמערכות,
26
80585
3704
500 מדדים שונים מתוך המערכות,
01:36
about 13,000 healthבְּרִיאוּת parametersפרמטרים and eventsאירועים
27
84289
3665
בערך 13,000 מדדי בריאות ואירועים
01:39
to say when things are not workingעובד the way they should do,
28
87954
4565
שנוכל להגיד מתי דברים לא עובדים כפי שהם אמורים,
01:44
and we're sendingשְׁלִיחָה that dataנתונים back to the garageמוּסָך
29
92519
2825
ואנחנו שולחים את המידע הזה חזרה למוסך
01:47
usingמבנה יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוני telemetryטלמטריה at a rateציון of two to fourארבעה megabitsמגה perלְכָל secondשְׁנִיָה.
30
95344
4979
כשאנו משתמשים בהעברת נתונים של 2-4 מגה-בייט לשניה
01:52
So duringבְּמַהֲלָך a two-hourשעתיים raceגזע, eachכל אחד carאוטו will be sendingשְׁלִיחָה
31
100323
3127
אז במהלך שעתיים של מירוץ, כל מכונית תשלח
01:55
750 millionמִילִיוֹן numbersמספרים.
32
103450
2275
750 מיליון מספרים
01:57
That's twiceפעמיים as manyרב numbersמספרים as wordsמילים that eachכל אחד of us
33
105725
3143
זה פי שניים מספרים מאשר מילים שכל אחד מאיתנו
02:00
speaksמדבר in a lifetimeלכל החיים.
34
108868
1631
מדבר במהלך חייו
02:02
It's a hugeעָצוּם amountכמות of dataנתונים.
35
110499
2618
זו כמות עצומה של נתונים
02:05
But it's not enoughמספיק just to have dataנתונים and measureלִמְדוֹד it.
36
113117
2645
אבל זה לא מספיק רק לקבל את הנתונים ולמדוד אותם.
02:07
You need to be ableיכול to do something with it.
37
115762
2158
אתה צריך להיות מסוגל לעשות אתם משהו.
02:09
So we'veיש לנו spentמוּתַשׁ a lot of time and effortמַאֲמָץ
38
117920
2394
אז השקענו הרבה זמן ומאמץ
02:12
in turningחֲרִיטָה the dataנתונים into storiesסיפורים
39
120314
1869
להפוך את הנתונים לסיפורים
02:14
to be ableיכול to tell, what's the stateמדינה of the engineמנוע,
40
122183
3105
שניתן לספר, מה מצבו של המנוע,
02:17
how are the tiresצמיגים degradingמַשׁפִּיל,
41
125288
2272
איך הצמיגים נשחקים,
02:19
what's the situationמַצָב with fuelלתדלק consumptionצְרִיכָה?
42
127560
3748
מה המצב עם צריכת הדלק?
02:23
So all of this is takingלְקִיחָה dataנתונים
43
131308
2788
אז כל זה - הוא איסוף נתונים
02:26
and turningחֲרִיטָה it into knowledgeיֶדַע that we can actפעולה uponעַל.
44
134096
3802
והפיכתם לידע שאפשר לפעול לפיו
02:29
Okay, so let's have a look at a little bitbit of dataנתונים.
45
137898
2638
אוקיי, אז בואו נסתכל על קצת מידע
02:32
Let's pickלִבחוֹר a bitbit of dataנתונים from
46
140536
2030
בואו נבחר כמה נתונים
02:34
anotherאַחֵר three-month-oldבן שלושה חודשים patientסבלני.
47
142566
3079
מחולה נוסף בן שלושה-חודשים
02:37
This is a childיֶלֶד, and what you're seeingרְאִיָה here is realאמיתי dataנתונים,
48
145645
4171
זה ילד, ומה שאתם רואים כאן אלה נתונים אמיתיים
02:41
and on the farרָחוֹק right-handיד ימין sideצַד,
49
149816
1977
ובצד ימין בסוף,
02:43
where everything startsמתחיל gettingמקבל a little bitbit catastrophicהָרֵה אָסוֹן,
50
151793
2587
איפה שהכל מתחיל להיות קטסטרופי
02:46
that is the patientסבלני going into cardiacשֶׁל הַלֵב arrestמַעְצָר.
51
154380
3584
זה כשהחולה נכנס לדום לב
02:49
It was deemedנחשב to be an unpredictableבלתי צפוי eventמִקרֶה.
52
157964
3232
זה היה נחשב לאירוע בלתי צפוי.
02:53
This was a heartלֵב attackלִתְקוֹף that no one could see comingמגיע.
53
161196
3789
זה היה התקף לב שאף אחד לא היה יכול לצפות
02:56
But when we look at the informationמֵידָע there,
54
164985
2550
אבל כשאנחנו מסתכלים על המידע שם,
02:59
we can see that things are startingהחל to becomeהפכו
55
167535
2349
אנחנו יכולים לראות שדברים מתחילים להיות
03:01
a little fuzzyמְעוּרפָּל about fiveחָמֵשׁ minutesדקות or so before the cardiacשֶׁל הַלֵב arrestמַעְצָר.
56
169884
4029
קצת מבולבלים כחמש דקות לפני דום הלב.
03:05
We can see smallקָטָן changesשינויים
57
173913
2037
אנחנו יכולים לראות שינויים קטנים
03:07
in things like the heartלֵב rateציון movingמעבר דירה.
58
175950
2383
בדברים כמו תנועת קצב הלב.
03:10
These were all undetectedלא מזוהה by normalנוֹרמָלִי thresholdsסף
59
178333
2486
כל אלה היו בלתי ניתנים לגילוי ברף הרגיל
03:12
whichאיזה would be appliedהוחל to dataנתונים.
60
180819
2408
שלפיו יבדקו את הנתונים.
03:15
So the questionשְׁאֵלָה is, why couldn'tלא יכול we see it?
61
183227
3143
אז השאלה היא, למה לא יכולנו לראות את זה?
03:18
Was this a predictableצָפוּי eventמִקרֶה?
62
186370
2581
האם זה היה אירוע שניתן היה לצפות?
03:20
Can we look more at the patternsדפוסי in the dataנתונים
63
188951
3010
האם אנחנו יכולים להסתכל יותר על הדפוסים של הנתונים
03:23
to be ableיכול to do things better?
64
191961
3380
כדי להיות מסוגלים לעשות דברים טוב יותר?
03:27
So this is a childיֶלֶד,
65
195341
2650
אז זה ילד,
03:29
about the sameאותו ageגיל as the racingמרוץ carאוטו on stageשלב,
66
197991
3232
בערך באותו גיל כמו מכונית המירוץ שעל הבמה,
03:33
threeשְׁלוֹשָׁה monthsחודשים oldישן.
67
201223
1630
בן שלושה חודשים.
03:34
It's a patientסבלני with a heartלֵב problemבְּעָיָה.
68
202853
2605
זה חולה עם בעיה בלב.
03:37
Now, when you look at some of the dataנתונים on the screenמָסָך aboveמֵעַל,
69
205458
3468
עכשיו, כשאתם מסתכלים על חלק מהנתונים על המסך,
03:40
things like heartלֵב rateציון, pulseדוֹפֶק, oxygenחַמצָן, respirationנשימה ratesתעריפים,
70
208926
4902
דברים כמו דופק, קצב לב, חמצן, קצב נשימה,
03:45
they're all unusualבלתי שגרתי for a normalנוֹרמָלִי childיֶלֶד,
71
213828
3076
הם כולם חריגים בילד נורמלי,
03:48
but they're quiteדַי normalנוֹרמָלִי for the childיֶלֶד there,
72
216904
2642
אבל הם רגילים למדי עבור הילד שם,
03:51
and so one of the challengesאתגרים you have in healthבְּרִיאוּת careלְטַפֵּל is,
73
219546
4138
אז אחד האתגרים שיש ברפואה הוא,
03:55
how can I look at the patientסבלני in frontחֲזִית of me,
74
223684
2851
איך אני יכול להסתכל על המטופל שלפני,
03:58
have something whichאיזה is specificספֵּצִיפִי for her,
75
226535
3047
שיהיה לי משהו שהוא במיוחד בשבילה,
04:01
and be ableיכול to detectלזהות when things startהַתחָלָה to changeשינוי,
76
229582
2788
ולהיות מסוגל לזהות כאשר דברים מתחילים להשתנות,
04:04
when things startהַתחָלָה to deteriorateלְהִתְדַרְדֵר?
77
232370
2099
כאשר דברים מתחילים להתדרדר?
04:06
Because like a racingמרוץ carאוטו, any patientסבלני,
78
234469
3050
מפני שכמו מכונית מירוץ, כל חולה,
04:09
when things startהַתחָלָה to go badרַע, you have a shortקצר time
79
237519
2976
כשדברים מתחילים להתדרדר, יש לך זמן קצר
04:12
to make a differenceהֶבדֵל.
80
240495
1831
כדי לעשות את ההבדל.
04:14
So what we did is we tookלקח a dataנתונים systemמערכת
81
242326
2754
אז מה שעשינו זה לקחת מערכת נתונים
04:17
whichאיזה we runלָרוּץ everyכֹּל two weeksשבועות of the yearשָׁנָה in Formulaנוּסחָה 1
82
245080
3131
שאנחנו מריצים שבועיים בשנה בפורמולה 1
04:20
and we installedמוּתקָן it on the hospitalבית חולים computersמחשבים
83
248211
3002
והתקנו אותה במערכת המחשוב
04:23
at Birminghamבירמינגהם Children'sילדים Hospitalבית חולים.
84
251213
2290
של בית החולים לילדים בברמינגהם.
04:25
We streamedזורם dataנתונים from the bedsideלצד המיטה instrumentsמכשירים
85
253503
2439
הזרמנו נתונים מהמכשור הרפואי לצד המיטות
04:27
in theirשֶׁלָהֶם pediatricילדים intensiveאִינטֶנסִיבִי careלְטַפֵּל
86
255942
2557
ביחידת טיפול נמרץ לילדים
04:30
so that we could bothשניהם look at the dataנתונים in realאמיתי time
87
258499
3456
כך שנוכל גם לראות את הנתונים בזמן אמת
04:33
and, more importantlyחשוב, to storeחֲנוּת the dataנתונים
88
261955
2871
ויותר חשוב מכך, לאגור את הנתונים
04:36
so that we could startהַתחָלָה to learnלִלמוֹד from it.
89
264826
3057
כך שנוכל להתחיל ללמוד מהם.
04:39
And then, we appliedהוחל an applicationיישום on topחלק עליון
90
267883
4384
ואז, יישמנו אפליקציה על המידע
04:44
whichאיזה would allowלהתיר us to teaseלְהַקְנִיט out the patternsדפוסי in the dataנתונים
91
272267
3270
שתאפשר לנו למצות את הדפוסים בנתונים
04:47
in realאמיתי time so we could see what was happeningמתרחש,
92
275537
2956
בזמן אמת כדי שנוכל לראות מה מתרחש,
04:50
so we could determineלקבוע when things startedהתחיל to changeשינוי.
93
278493
3713
שנוכל לקבוע בזמן אמת כאשר דברים התחילו להשתנות.
04:54
Now, in motorמָנוֹעַ racingמרוץ, we're all a little bitbit ambitiousשְׁאַפתָנִי,
94
282206
3863
עכשיו, במירוצים, אנחנו כולנו מעט שאפתנים
04:58
audaciousנוֹעָז, a little bitbit arrogantיָהִיר sometimesלִפְעָמִים,
95
286069
2549
נועזים, קצת שחצנים לפעמים,
05:00
so we decidedהחליט we would alsoגַם look at the childrenיְלָדִים
96
288618
3398
אז החלטנו שאנחנו גם נסתכל על הילדים
05:04
as they were beingלהיות transportedמועבר to intensiveאִינטֶנסִיבִי careלְטַפֵּל.
97
292016
2957
כשהם מועברים לטיפול נמרץ.
05:06
Why should we wait untilעד they arrivedהגיע in the hospitalבית חולים
98
294973
2154
למה שנחכה עד שהם מגיעים לבית החולים
05:09
before we startedהתחיל to look?
99
297127
1994
לפני שהתחלנו להסתכל?
05:11
And so we installedמוּתקָן a real-timeזמן אמת linkקישור
100
299121
2997
אז התקנו קישור בזמן אמת
05:14
betweenבֵּין the ambulanceאַמבּוּלַנס and the hospitalבית חולים,
101
302118
2836
בין האמבולנס לבית החולים,
05:16
just usingמבנה יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוני normalנוֹרמָלִי 3G telephonyטלפוניה to sendלִשְׁלוֹחַ that dataנתונים
102
304954
3776
רק באמצעות טלפוניית 3G לשלוח את הנתונים
05:20
so that the ambulanceאַמבּוּלַנס becameהפכתי an extraתוֹסֶפֶת bedמיטה
103
308730
2487
כך שהאמבולנס נהפך להיות מיטה נוספת
05:23
in intensiveאִינטֶנסִיבִי careלְטַפֵּל.
104
311217
3136
בטיפול נמרץ.
05:26
And then we startedהתחיל looking at the dataנתונים.
105
314353
3702
ואז התחלנו להסתכל על הנתונים.
05:30
So the wigglyמתנודד linesקווים at the topחלק עליון, all the colorsצבעים,
106
318055
2921
אז הקווים המסתלסלים למעלה, על הצבעים,
05:32
this is the normalנוֹרמָלִי sortסוג of dataנתונים you would see on a monitorלפקח --
107
320976
3194
זה המידע הרגיל שאתם רואים על המסכים -
05:36
heartלֵב rateציון, pulseדוֹפֶק, oxygenחַמצָן withinבְּתוֹך the bloodדָם,
108
324170
3772
דופק, קצב לב, חמצן בדם,
05:39
and respirationנשימה.
109
327942
2635
ונשימה.
05:42
The linesקווים on the bottomתַחתִית, the blueכָּחוֹל and the redאָדוֹם,
110
330577
2753
הקווים בתחתית, הכחול והאדום,
05:45
these are the interestingמעניין onesיחידות.
111
333330
1360
הם הקווים המעניינים.
05:46
The redאָדוֹם lineקַו is showingמראה an automatedאוטומטי versionגִרְסָה
112
334690
3209
הקו האדום מייצג גרסה אוטומטית
05:49
of the earlyמוקדם warningאַזהָרָה scoreציון
113
337899
1597
של מערכת התראה מוקדמת
05:51
that Birminghamבירמינגהם Children'sילדים Hospitalבית חולים were alreadyכְּבָר runningרץ.
114
339496
2487
שבית החולים לילדים בבירמינגהם כבר משתמש בה.
05:53
They'dהם היו been runningרץ that sinceמאז 2008,
115
341983
2338
הם משתמשים בה מאז 2008,
05:56
and alreadyכְּבָר have stoppedעצר cardiacשֶׁל הַלֵב arrestsמעצרים
116
344321
2256
והיא כבר מנעה דום לב
05:58
and distressמְצוּקָה withinבְּתוֹך the hospitalבית חולים.
117
346577
2757
ומצוקת לב בבית החולים.
06:01
The blueכָּחוֹל lineקַו is an indicationסִימָן
118
349334
2432
הקו הכחול הוא מדד
06:03
of when patternsדפוסי startהַתחָלָה to changeשינוי,
119
351766
2500
למתי המדדים מתחילים להשתנות
06:06
and immediatelyמיד, before we even startedהתחיל
120
354266
2309
ומיד, לפני שאפילו התחלנו
06:08
puttingלשים in clinicalקליני interpretationפרשנות,
121
356575
1708
לנתח קלינית,
06:10
we can see that the dataנתונים is speakingמדבר to us.
122
358283
2870
אנחנו יכולים לראות את המידע מדבר אלינו.
06:13
It's tellingאומר us that something is going wrongלא בסדר.
123
361153
3536
זה אומר לנו שמשהו משתבש.
06:16
The plotעלילה with the redאָדוֹם and the greenירוק blobsכתמים,
124
364689
3816
הגרף עם הכתמים האדומים והירוקים,
06:20
this is plottingהִתנַכְּלוּת differentשונה componentsרכיבים
125
368505
2805
זה גרף שמראה את הרכיבים השונים
06:23
of the dataנתונים againstמול eachכל אחד other.
126
371310
2547
של המידע אחד כנגד השני.
06:25
The greenירוק is us learningלְמִידָה what is normalנוֹרמָלִי for that childיֶלֶד.
127
373857
3840
הירוק זה מה שאנחנו לומדים שהוא נורמלי עבור הילד.
06:29
We call it the cloudענן of normalityתְקִינוּת.
128
377697
2610
אנחנו קוראים לזה ענן הנורמליות.
06:32
And when things startהַתחָלָה to changeשינוי,
129
380307
2241
וכשדברים מתחילים להשתנות,
06:34
when conditionsתנאים startהַתחָלָה to deteriorateלְהִתְדַרְדֵר,
130
382548
2564
כשהמצב מתחיל להתדרדר'
06:37
we moveמהלך \ לזוז \ לעבור into the redאָדוֹם lineקַו.
131
385112
2238
אנחנו זזים לקו האדום.
06:39
There's no rocketרָקֵטָה scienceמַדָע here.
132
387350
1657
אין כאן מדע טילים.
06:41
It is displayingמוצגות dataנתונים that existsקיים alreadyכְּבָר in a differentשונה way,
133
389007
4113
זה הצגת מידע שכבר קיים פשוט בדרך אחרת,
06:45
to amplifyלהגביר it, to provideלְסַפֵּק cuesרמזים to the doctorsרופאים,
134
393120
3391
כדי להעצים את זה, להעניק לרופאים רמזים,
06:48
to the nursesאחיות, so they can see what's happeningמתרחש.
135
396511
2738
ולאחיות, כדי שהם יוכלו לראות מה מתרחש.
06:51
In the sameאותו way that a good racingמרוץ driverנהג
136
399249
3130
באותו אופן שבו נהג מירוצים טוב
06:54
reliesמסתמך on cuesרמזים to decideלְהַחלִיט when to applyלהגיש מועמדות the brakesבַּלָמִים,
137
402379
4044
מסתמך על רמזים על מנת ללחוץ על הבלמים,
06:58
when to turnלפנות into a cornerפינה,
138
406423
1476
מתי להיכנס לפניה,
06:59
we need to help our physiciansרופאים and our nursesאחיות
139
407899
2918
אנחנו צריכים לעזור לרופאים שלנו ולאחיות שלנו
07:02
to see when things are startingהחל to go wrongלא בסדר.
140
410817
3620
לראות מתי דברים מתחילים להשתבש.
07:06
So we have a very ambitiousשְׁאַפתָנִי programתָכְנִית.
141
414437
2946
אז יש לנו תוכנית שאפתנית מאוד.
07:09
We think that the raceגזע is on to do something differentlyבאופן שונה.
142
417383
4736
אנחנו חושבים שהתחיל מירוץ לעשות משהו שונה.
07:14
We are thinkingחושב bigגָדוֹל. It's the right thing to do.
143
422119
2904
אנחנו חושבים בגדול. זה הדבר הנכון לעשות.
07:17
We have an approachגִישָׁה whichאיזה, if it's successfulמוּצלָח,
144
425023
3412
יש לנו גישה, שאם תצליח,
07:20
there's no reasonסיבה why it should stayשָׁהוּת withinבְּתוֹך a hospitalבית חולים.
145
428435
2531
אין סיבה שתישאר בתוך בית החולים.
07:22
It can go beyondמעבר the wallsקירות.
146
430966
1841
זה יוכל ללכת מעבר לזה.
07:24
With wirelessאַלחוּט connectivityקישוריות these daysימים,
147
432807
2071
עם הקישוריות האלחוטית בימים אלו,
07:26
there is no reasonסיבה why patientsחולים, doctorsרופאים and nursesאחיות
148
434878
3444
אין סיבה מדוע מטופלים, רופאים ואחיות
07:30
always have to be in the sameאותו placeמקום
149
438322
2171
יהיו חייבים להיות תמיד באותו מקום
07:32
at the sameאותו time.
150
440493
1993
באותו הזמן.
07:34
And meanwhileבינתיים, we'llטוֹב take our little three-month-oldבן שלושה חודשים babyתִינוֹק,
151
442486
3995
ובינתיים, ניקח את התינוק בן השלושה חודשים
07:38
keep takingלְקִיחָה it to the trackמַסלוּל, keepingשְׁמִירָה it safeבטוח,
152
446481
3757
נמשיך לקחת אותו למסלול, לשמור עליו בטוח
07:42
and makingהֲכָנָה it fasterמהיר יותר and better.
153
450238
2333
לעשות אותו בטוח יותר וטוב יותר
07:44
Thank you very much.
154
452571
1405
תודה רבה לכם.
07:45
(Applauseתְשׁוּאוֹת)
155
453976
4954
(כפיים)
Translated by benyamin zinshtein
Reviewed by zeeva Livshitz

▲Back to top

ABOUT THE SPEAKER
Peter van Manen - Electronic systems expert
Peter van Manen is the Managing Director of McLaren Electronics, which provides data systems to major motorsports series.

Why you should listen

To say that Peter van Manen has a high-speed job would be an understatement. As Managing Director of McLaren Electronics, which provides electronics and data collection software to motorsports events, he and his team work in real time during a race to improve cars on about 500 different parameters. That's about 750 million data points in two hours.

But recently van Manen and his team have been wondering: Why can't the extremely precise and subtle data-collection and analysis systems used in motorsports be applied elsewhere, for the benefit of all? They have applied their systems to ICU units at Birmingham Children's Hospital with real-time analysis that allows them to proactively prevent cardiac arrests. The unit has seen a 25 percent decrease in life-threatening events. And it's just the beginning.

More profile about the speaker
Peter van Manen | Speaker | TED.com