ABOUT THE SPEAKER
Max Little - Applied mathematician
Max Little is a mathematician whose research includes a breakthrough technique to monitor – and potentially screen for – Parkinson's disease through simple voice recordings.

Why you should listen

Max Little is an applied mathematician whose goal is to "see connections between subjects, not boundaries … to see how things are related, not how they are different." He has a background in applied mathematics, statistics, signal processing and computational engineering, and his work has been applied across disciplines like biomedicine, extreme rainfall analysis and forecasting, biophysical signal processing, and hydrogeomorphology and open channel flow measurement. Little is best known for his work on the Parkinson's Voice Initiative, in which he and his team developed a cheap and simple tool that uses precise voice analysis software to detect Parkinson's with 99 percent accuracy. Little is a TEDGlobal 2012 Fellow and a Wellcome Trust-MIT Postdoctoral Research Fellow.

More profile about the speaker
Max Little | Speaker | TED.com
TEDGlobal 2012

Max Little: A test for Parkinson's with a phone call

Max Little: A Parkinson kór vizsgálata telefononhívás segítségével

Filmed:
1,296,740 views

A Parkinson-kór világszerte 6,3 millió embert érint. Gyöngeséget, reszketést okoz, ám nincs olyen objektív módszer, amellyel a betegség korai jelei kimutathatóak lennének. Eddig. Az alkalmazott matematikus és TED Fellow Max Little egy olcsó és egyszerű módszert tesztel, amellyel lehetővé válik a Parkinson-kór 99 százalékos biztonsággal való észlelése -mindezt egy 30 másodperces telefonhívás segítségével.
- Applied mathematician
Max Little is a mathematician whose research includes a breakthrough technique to monitor – and potentially screen for – Parkinson's disease through simple voice recordings. Full bio

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

00:16
So, well, I do appliedalkalmazott mathmatematikai,
0
667
2103
Tudják, alkalmazott matematikával foglalkozom
00:18
and this is a peculiarsajátos problemprobléma
1
2770
1524
és ez a mostani feladat különleges
00:20
for anyonebárki who does appliedalkalmazott mathmatematikai, is that
2
4294
2173
egy alkalmazott matematikus számára.
00:22
we are like managementvezetés consultantstanácsadás.
3
6467
1933
Olyanok vagyunk, mint az üzleti tanácsadók.
00:24
No one knowstudja what the hellpokol we do.
4
8400
1946
Senkinek sincs gőze arról, mit is csinálunk.
00:26
So I am going to give you some -- attemptkísérlet todayMa
5
10346
2274
Nos, most megkísérlem, hogy elmondjam
00:28
to try and explainmegmagyarázni to you what I do.
6
12620
2293
mit is csinálok.
00:30
So, dancingtánc is one of the mosta legtöbb humanemberi of activitiestevékenységek.
7
14913
3321
Nos, a tánc az egyik leginkább emberi tevékenység.
00:34
We delightélvezet at balletbalett virtuososvirtuózai and tapKoppintson a dancerstáncosok
8
18234
3682
Csodáljuk a virtuóz balett -és sztepptáncosokat
00:37
you will see latera későbbiekben on.
9
21916
1148
amint az látni fogják majd.
00:38
Now, balletbalett requiresigényel an extraordinaryrendkívüli levelszint of expertiseszakvélemény
10
23064
2690
Tudják, a balett igen nagy hozzáértést
00:41
and a highmagas levelszint of skilljártasság,
11
25754
2914
és magas szintű gyakorlottságot követel
00:44
and probablyvalószínűleg a levelszint of initiala kezdeti suitabilityalkalmasság
12
28668
2531
és valószínű, hogy bizonyos rátermettséget is, amelyben
00:47
that maylehet well have a geneticgenetikai componentösszetevő to it.
13
31199
1847
szerepet játszhatnak az örökletes tényezők.
00:48
Now, sadlySajnos, neurologicalneurológiai disordersrendellenességek suchilyen as Parkinson'sParkinson-kór diseasebetegség
14
33046
3393
Nos, sajnos némely idegi eredetű betegség, mint például a Parkinson kór
00:52
graduallyfokozatosan destroyelpusztítani this extraordinaryrendkívüli abilityképesség,
15
36439
2087
fokozatosan tökreteszi ezeket a képességeket.
00:54
as it is doing to my friendbarát JanJan StriplingIfjú, who was
16
38526
2323
Ez történik egyik barátommal, Jan Striplinggel, aki
00:56
a virtuosovirtuóz balletbalett dancertáncos in his time.
17
40849
2967
fénykorában mesterfokú balettáncos volt.
00:59
So great progressHaladás and treatmentkezelés has been madekészült over the yearsévek.
18
43816
3054
Bár a betegség kezelésében nagy előrelépés történt az elmúlt évek során,
01:02
HoweverAzonban, there are 6.3 millionmillió people worldwidevilágszerte
19
46870
2944
mégis körülbelül 6,3 milló embert súlyt a betegség világszerte,
01:05
who have the diseasebetegség, and they have to liveélő with
20
49814
3448
akiknek együtt kell élniük betegségükkel,
01:09
incurablegyógyíthatatlan weaknessgyengeség, tremortremor, rigiditymerevség
21
53262
2568
a gyógyíthatatlan gyengeséggel, reszketéssel és merev izmokkal
01:11
and the other symptomstünetek that go alongmentén with the diseasebetegség,
22
55830
1857
és a betegséggel együttjáró más tünetekkel is.
01:13
so what we need are objectivecélkitűzés toolsszerszámok
23
57687
2383
Ezért van szükségünk olyan objektív mérőeszközökre,
01:15
to detectfelismerni the diseasebetegség before it's too latekéső.
24
60070
3057
amelyek képesek kimutatni a bajt még azelőtt, hogy késő lenne.
01:19
We need to be ableképes to measuremérték progressionhaladás objectivelyobjektív,
25
63127
2554
Képesnek kell lennünk arra, hogy a betegség kifejlődését mérni tudjuk
01:21
and ultimatelyvégül, the only way we're going to know
26
65681
3173
és, végső soron, fel kell tudjuk ismerni,
01:24
when we actuallytulajdonképpen have a curegyógymód is when we have
27
68854
2192
amikor a hatékony kezelés birtokában vagyunk.
01:26
an objectivecélkitűzés measuremérték that can answerválasz that for sure.
28
71046
3398
Ez akkor lehetséges, ha az objektív mérés lehetővé válik.
01:30
But frustratinglykétségbeejtően, with Parkinson'sParkinson-kór diseasebetegség
29
74444
2850
Elég zavaró ugyanakkor, hogy sem a Parkinson kór,
01:33
and other movementmozgalom disordersrendellenességek, there are no biomarkersbiomarkerek,
30
77294
2353
sem pedig más mozgásszervi megbetegedés esetében nincs
01:35
so there's no simpleegyszerű bloodvér testteszt that you can do,
31
79647
2229
olyan anyag, amely a vérből egyszerűen kimutatható lenne.
01:37
and the bestlegjobb that we have is like
32
81876
1802
Jelenleg a legjobb módszerünk
01:39
this 20-minute-perc neurologistneurológus testteszt.
33
83678
2241
egy - körülbelül 20 perces - idegrendszeri viszgálat.
01:41
You have to go to the clinicklinika to do it. It's very, very costlydrága,
34
85919
2458
Ehhez egy klinikára kell menni, ami igencsak drága
01:44
and that meanseszközök that, outsidekívül the clinicalklinikai trialskísérletek,
35
88377
2757
és ami azt jelenti, hogy klinikai teszteken kívül
01:47
it's just never doneKész. It's never doneKész.
36
91134
2728
soha nem végzik el.
01:49
But what if patientsbetegek could do this testteszt at home?
37
93862
3077
Mi lenne viszont akkor, ha ezt a tesztet otthon is elvégezhetnénk?
01:52
Now, that would actuallytulajdonképpen savementés on a difficultnehéz triputazás to the clinicklinika,
38
96939
2098
Így elkerülhető lenne a klinikára történő utazás
01:54
and what if patientsbetegek could do that testteszt themselvesmaguk, right?
39
99037
4254
sőt a tesztet az emberek maguk is elvégezhetnék. Jó lenne, igaz?
01:59
No expensivedrága staffszemélyzet time requiredkívánt.
40
103291
1920
Nincs szükség a drága személyzetre,
02:01
Takes about $300, by the way,
41
105211
1418
ami egyébként 300 dollárba kerül,
02:02
in the neurologist'sneurológus barátait clinicklinika to do it.
42
106629
1993
ha a neurológiai klinikára megyünk.
02:04
So what I want to proposejavasol to you as an unconventionalkonvenciókhoz nem ragaszkodó way
43
108622
2681
Ezért egy olyan szokatlan módszert javasolok önöknek,
02:07
in whichmelyik we can try to achieveelér this,
44
111303
1514
amely alkalmas ezeknek a terheknek az elkerülésére
02:08
because, you see, in one senseérzék, at leastlegkevésbé,
45
112817
1808
mert, mi mindannyian - legalább is bizonyos tekintetben -
02:10
we are all virtuososvirtuózai like my friendbarát JanJan StriplingIfjú.
46
114625
3256
olyan mesterek vagyunk, mint Jan Stripling barátom.
02:13
So here we have a videovideó- of the vibratingrezgő vocalének foldsráncok.
47
117881
3755
Ezen a filmen a rezgő hangszálakat láthatják.
02:17
Now, this is healthyegészséges and this is somebodyvalaki makinggyártás speechbeszéd soundshangok,
48
121636
3229
Nos, ez egy egészséges hangszál, beszéd közben.
02:20
and we can think of ourselvesminket as vocalének balletbalett dancerstáncosok,
49
124865
3464
Képzeljük el: mi is balettáncosok vagyunk, a hangszálainkkal táncolunk,
02:24
because we have to coordinatekoordináta all of these vocalének organsszervek
50
128329
2214
hiszen pontosan irányítanunk kell a hangképző szerveinket
02:26
when we make soundshangok, and we all actuallytulajdonképpen
51
130543
2295
amikor hangokat adunk ki. Ezt például
02:28
have the genesgének for it. FoxPFoxP2, for examplepélda.
52
132838
2296
egy gén irányítja, a FoxP2.
02:31
And like balletbalett, it takes an extraordinaryrendkívüli levelszint of trainingkiképzés.
53
135134
2713
És, akárcsak a balett esetében, ehhez is igen sok gyakorlás kell.
02:33
I mean, just think how long it takes a childgyermek to learntanul to speakbeszél.
54
137847
2585
Úgy értem, gondolják csak meg, mennyi idő kell, amíg egy gyerek megtanul beszélni?
02:36
From the soundhang, we can actuallytulajdonképpen tracknyomon követni
55
140432
2382
A puszta hangból kiindulva nyomon tudunk követni
02:38
the vocalének foldszeres positionpozíció as it vibratesrezeg,
56
142814
2281
a hangszálak rezgését. És, hasonlóan a végtagokhoz
02:40
and just as the limbsvégtagok are affectedérintett in Parkinson'sParkinson-kór,
57
145095
2543
melyeket a Parkinson kór sújt,
02:43
so too are the vocalének organsszervek.
58
147638
2781
a hangképző szerveink is sérülnek ebben a betetgségben.
02:46
So on the bottomalsó tracenyom, you can see an examplepélda of
59
150419
1880
Az alsó görbén egy példa látható: hogyan néz ki
02:48
irregularszabálytalan vocalének foldszeres tremortremor.
60
152299
1698
a hangszálak kóros reszketésének a görbéje.
02:49
We see all the sameazonos symptomstünetek.
61
153997
1168
Mindig ugyanazokat a tüneteket látjuk.
02:51
We see vocalének tremortremor, weaknessgyengeség and rigiditymerevség.
62
155165
2930
A hang reszketését, gyengeségét és merevségét.
02:53
The speechbeszéd actuallytulajdonképpen becomesválik quietercsendesebb and more breathyziháló
63
158095
2104
A beszéd egyre halkabb és levegősebb lesz egy idő után,
02:56
after a while, and that's one of the examplepélda symptomstünetek of it.
64
160199
2233
melyek a kórkép jellemző tünetei.
02:58
So these vocalének effectshatások can actuallytulajdonképpen be quiteegészen subtleapró,
65
162432
2847
Nos, a hang ilyen változásai néhány esetben elég
03:01
in some casesesetek, but with any digitaldigitális microphonemikrofon,
66
165279
3216
nehezen érzékelhetőek, viszont digitális mikrofonnal
03:04
and usinghasználva precisionpontosság voicehang analysiselemzés softwareszoftver
67
168495
2545
és a hang számítógépes elemzésével, valamint
03:06
in combinationkombináció with the latestlegújabb in machinegép learningtanulás,
68
171040
2409
az öntanuló szoftverek segítségével,
03:09
whichmelyik is very advancedfejlett by now,
69
173449
1578
melyek mára igen fejletté váltak,
03:10
we can now quantifyszámszerűsíteni exactlypontosan where somebodyvalaki lieshazugságok
70
175027
2886
ma már képesek vagyunk megmondani, hogy egy fokozatos
03:13
on a continuumfolytonosság betweenközött healthEgészség and diseasebetegség
71
177913
2881
- az egészségestől a betegig terjedő skálán - ki hol helyezkedik el,
03:16
usinghasználva voicehang signalsjelek aloneegyedül.
72
180794
2596
pusztán csak a hangjának elemzése segítségével.
03:19
So these voice-basedhang-alapú teststesztek, how do they stackKazal up againstellen
73
183390
2314
Hogyan viszonyulnak ezek a hangra alapozott vizsgálatok
03:21
expertszakértő clinicalklinikai teststesztek? We'llMi lesz, they're bothmindkét non-invasivenon-invazív.
74
185704
2150
a többi klinikai teszthez? Nos, mindkét módszer beavatkozástól mentes.
03:23
The neurologist'sneurológus barátait testteszt is non-invasivenon-invazív. They bothmindkét use existinglétező infrastructureinfrastruktúra.
75
187854
3982
A neurológusok módszere is beavatkozás mentes. Mindkét módszer már meglévő eszközöket használ.
03:27
You don't have to designtervezés a wholeegész newúj setkészlet of hospitalskórházakban to do it.
76
191836
3004
Nincs szükség egy teljesen új kórház kialakítására.
03:30
And they're bothmindkét accuratepontos. Okay, but in additionkiegészítés,
77
194840
2302
Mindkét módszer pontos. Igen. Ezen felül azonban
03:33
voice-basedhang-alapú teststesztek are non-expertnem szakértő.
78
197142
3327
a hangra alapozott módszer nem igényeli szakember jelenlétét.
03:36
That meanseszközök they can be self-administeredönsegélyező.
79
200469
1992
Ez azt jelenti, hogy az ember maga el tudja végezni a tesztet.
03:38
They're high-speedMagassebesség, take about 30 secondsmásodperc at mosta legtöbb.
80
202461
2580
Továbbá igen gyors, 30 másodperc kell csak hozzá.
03:40
They're ultra-lowultra-alacsony costköltség, and we all know what happensmegtörténik.
81
205041
2294
Szinte alig jár költséggel, és pontosan tudjuk, hogy ez mit jelent.
03:43
When something becomesválik ultra-lowultra-alacsony costköltség,
82
207335
2440
Amikor valami igen olcsóvá válik
03:45
it becomesválik massivelymasszívan scalableskálázható.
83
209775
2296
akkor egyre elérhetőbbé válik.
03:47
So here are some amazingelképesztő goalscélok that I think we can dealüzlet with now.
84
212071
3675
Íme néhány izgalmas cél, melyekkel érdemes foglalkoznunk.
03:51
We can reducecsökkentésére logisticallogisztikai difficultiesnehézségek with patientsbetegek.
85
215746
2426
Csökkenteni tudjuk a betegutak szervezési nehézségeit.
03:54
No need to go to the clinicklinika for a routinerutin checkupszűrés.
86
218172
2312
Nincs szükség a klinika felkeresésére pusztán egy felülvizsgálat miatt.
03:56
We can do high-frequencynagyfrekvenciás monitoringmegfigyelés to get objectivecélkitűzés dataadat.
87
220484
2320
Képesek vagyunk igen gyakori felülvizsgálatra és objektív adatok gyűjtésére.
03:58
We can performteljesít low-costalacsony költségű masstömeg recruitmentmunkaerő-felvétel for clinicalklinikai trialskísérletek,
88
222804
4105
Igen sok embert tudunk bevonni klinikai vizsgálatokba - alacsony költségen,
04:02
and we can make population-scalenépesség-skála screeningárnyékolás
89
226909
2115
és most először képesek vagyunk a teljes lakosság
04:04
feasiblemegvalósítható for the first time.
90
229024
1596
szűrésére gazdaságos módon.
04:06
We have the opportunitylehetőség to startRajt to searchKeresés
91
230620
2202
Lehetőségünk nyílik a korai biológiai jelek felismerésére
04:08
for the earlykorai biomarkersbiomarkerek of the diseasebetegség before it's too latekéső.
92
232822
3541
még azelőtt, hogy késő lenne a kezelés.
04:12
So, takingbevétel the first stepslépések towardsfelé this todayMa,
93
236363
2758
Ezért megtesszük az első lépéseket és ezennel
04:15
we're launchingindítás the Parkinson'sParkinson-kór VoiceHang InitiativeKezdeményezés.
94
239121
2126
elindítjuk a Parkinson Hangfelismerési Kezdeményezést.
04:17
With AculabAculab and PatientsLikeMePatientsLikeMe, we're aimingcélzás
95
241247
2232
Az Aculab és a PatientsLikeMe segítségével az a célunk,
04:19
to recordrekord a very largenagy numberszám of voiceshangok worldwidevilágszerte
96
243479
1928
hogy igen nagyszámú hangmintát gyűjtsünk világszerte
04:21
to collectgyűjt enoughelég dataadat to startRajt to tacklefelszerelés these fournégy goalscélok.
97
245407
3140
azért, hogy a fenti négy célt elérhessük.
04:24
We have localhelyi numbersszám accessiblehozzáférhető to threehárom quartersszállás
98
248547
1700
Helyi telefonszámok állnak rendelkezésre, melyek elérhetőek
04:26
of a billionmilliárd, ezermillió people on the planetbolygó.
99
250247
1610
a Föld közel 750 millió embere számára.
04:27
AnyoneBárki, aki healthyegészséges or with Parkinson'sParkinson-kór can call in, cheaplyalacsony áron,
100
251857
3077
Bárki, akár egészséges, akár Parkinson kóros, olcsón hívhatja ezeket a számokat,
04:30
and leaveszabadság recordingsfelvételek, a fewkevés centscent eachminden egyes,
101
254934
2139
üzenetet hagyhat, pár cent költségért.
04:32
and I'm really happyboldog to announcebejelent that we'vevoltunk alreadymár hittalálat
102
257073
2190
Nagyon boldog vagyok hogy bejelenthetem, hogy
04:35
sixhat percentszázalék of our targetcél just in eightnyolc hoursórák.
103
259263
3543
csupán 8 óra leforgása alatt elértük a kezdeti célunk hat százalékát.
04:38
Thank you. (ApplauseTaps)
104
262806
3751
Köszönöm a figyelmüket!
04:42
(ApplauseTaps)
105
266557
6320
Taps.
04:48
TomTom RiellyRielly: So MaxMax, by takingbevétel all these samplesminták of,
106
272877
3575
Tom Rielly: Nos, Max, ebből a körülbelül
04:52
let's say, 10,000 people,
107
276452
2776
10 ezer hangmintából képes leszel megmondani,
04:55
you'llazt is megtudhatod be ableképes to tell who'saki healthyegészséges and who'saki not?
108
279228
2854
hogy ki az egészséges és ki nem az?
04:57
What are you going to get out of those samplesminták?
109
282082
1685
Mit akarsz kezdeni ezekkel a hangmintákkal?
04:59
MaxMax Little: Yeah. Yeah. So what will happentörténik is that,
110
283767
1830
Max Little: Igen, ami most történik nem más
05:01
duringalatt the call you have to indicatejelez whetherakár or not
111
285597
1657
mint hogy be kell mondjad, hogy
05:03
you have the diseasebetegség or not, you see. TRTR: Right.
112
287254
1267
van-e ilyen betegséged vagy sem. Tom: Értem.
05:04
MLML: You see, some people maylehet not do it. They maylehet not get throughkeresztül it.
113
288521
2507
Max: Néhányan nem csinálják majd, valahol elakadnak.
05:06
But we'lljól get a very largenagy sampleminta of dataadat that is collectedösszegyűjtött
114
291028
2717
Viszont nagyon sok adatot gyűjtünk különféle
05:09
from all differentkülönböző circumstanceskörülmények, and it's gettingszerzés it
115
293745
3408
körülmények között. Ennek azért van jelentősége
05:13
in differentkülönböző circumstanceskörülmények that matterügy because then
116
297153
1905
mert ki akarjuk küszöbölni a zavaró tényezőket
05:14
we are looking at ironingvasalás out the confoundingzavaró factorstényezők,
117
299058
3384
és olyan egyéb biológia jelek után kutatunk,
05:18
and looking for the actualtényleges markersmarkerek of the diseasebetegség.
118
302442
2161
amelyek jelzik a betegséget.
05:20
TRTR: So you're 86 percentszázalék accuratepontos right now?
119
304603
2497
Tom: Tehát mostanra 86 százalékos pontosságot értetek el?
05:23
MLML: It's much better than that.
120
307100
1194
Max: Ennél sokkal jobbat.
05:24
ActuallyValójában, my studentdiák ThanasisThanasis, I have to plugdugó him,
121
308294
1720
Az egyik hallgatóm, Thanasis, akit meg kell említsek
05:25
because he's doneKész some fantasticfantasztikus work,
122
310014
1870
mivel kiemelkedő munkát végzett
05:27
and now he has provedbizonyított that it worksművek over the mobileMobil telephonetelefon networkhálózat as well,
123
311884
3770
és bebizonyította, hogy a módszer mobiltelefonon keresztül is működik.
05:31
whichmelyik enableslehetővé teszi this projectprogram, and we're gettingszerzés 99 percentszázalék accuracypontosság.
124
315654
3390
Ez lehetővé teszi, hogy eljutottunk a 99 százalékos pontosságig.
05:34
TRTR: Ninety-nineKilencvenkilenc. Well, that's an improvementjavulás.
125
319044
1576
Tom: 99 százalék. Ez komoly előrelépés.
05:36
So what that meanseszközök is that people will be ableképes to —
126
320620
2201
Másszóval ez azt jelenti, hogy az emberek képesek lesznek
05:38
MLML: (LaughsNevet)
127
322821
1852
(Max nevet)
05:40
TRTR: People will be ableképes to call in from theirazok mobileMobil phonestelefonok
128
324673
1906
Tim: Az emberek képesek lesznek mobiltelefonról felhívni
05:42
and do this testteszt, and people with Parkinson'sParkinson-kór could call in,
129
326579
3072
és elvégezni a tesztet. A Parkinson kórban szenvedők betelefonálnak
05:45
recordrekord theirazok voicehang, and then theirazok doctororvos can checkjelölje be up
130
329651
2870
a hangjukat rögzítik és az orvosuk felülvizsgálhatja
05:48
on theirazok progressHaladás, see where they're doing in this coursetanfolyam of the diseasebetegség.
131
332521
2681
őket, hogy megállapítsa, hol tartanak a betegségükben.
05:51
MLML: AbsolutelyTeljesen.
132
335202
970
Max: Pontosan.
05:52
TRTR: Thankskösz so much. MaxMax Little, everybodymindenki.
133
336172
1743
Tom: Köszönjük mindannyian Max Little-nek.
05:53
MLML: Thankskösz, TomTom. (ApplauseTaps)
134
337915
5157
Max Little: Köszönöm Tom. (Taps)
Translated by Zoltan Bencz
Reviewed by Laszlo Kereszturi

▲Back to top

ABOUT THE SPEAKER
Max Little - Applied mathematician
Max Little is a mathematician whose research includes a breakthrough technique to monitor – and potentially screen for – Parkinson's disease through simple voice recordings.

Why you should listen

Max Little is an applied mathematician whose goal is to "see connections between subjects, not boundaries … to see how things are related, not how they are different." He has a background in applied mathematics, statistics, signal processing and computational engineering, and his work has been applied across disciplines like biomedicine, extreme rainfall analysis and forecasting, biophysical signal processing, and hydrogeomorphology and open channel flow measurement. Little is best known for his work on the Parkinson's Voice Initiative, in which he and his team developed a cheap and simple tool that uses precise voice analysis software to detect Parkinson's with 99 percent accuracy. Little is a TEDGlobal 2012 Fellow and a Wellcome Trust-MIT Postdoctoral Research Fellow.

More profile about the speaker
Max Little | Speaker | TED.com