TEDxNijmegen
Peter van Manen: Better baby care -- thanks to Formula 1
Peter van Manen: Hoe kan Formule 1-racen ... baby's helpen?
Filmed:
Readability: 3.5
845,406 views
Tijdens een Formule 1-race zendt een auto miljoenen datapunten naar de garage voor analyse en feedback in realtime. Waarom zouden we dit gedetailleerde en rigoureuze datasysteem niet elders gebruiken, zoals ... in kinderziekenhuizen? Peter van Manen vertelt meer.
Peter van Manen - Electronic systems expert
Peter van Manen is the Managing Director of McLaren Electronics, which provides data systems to major motorsports series. Full bio
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.
Autoracen is een gekke bedrijvigheid.
00:12
Motor racing is a funny old business.
0
336
2257
00:14
We make a new car every year,
1
2593
2317
We maken elk jaar een nieuwe auto
00:16
and then we spend the rest of the season
2
4910
2188
en de rest van het seizoen
00:19
trying to understand what it is we've built
3
7098
2776
vissen we uit wat we gebouwd hebben
00:21
to make it better, to make it faster.
4
9874
3221
om het beter en sneller te maken.
00:25
And then the next year, we start again.
5
13095
3275
Het volgende jaar beginnen we gewoon opnieuw.
00:28
Now, the car you see in front of you is quite complicated.
6
16370
4238
Deze auto hier is nogal ingewikkeld.
00:32
The chassis is made up of about 11,000 components,
7
20608
3619
Het chassis heeft 11.000 onderdelen,
00:36
the engine another 6,000,
8
24227
2468
de motor nog eens 6.000,
00:38
the electronics about eight and a half thousand.
9
26695
3093
de elektronica ongeveer 8.500.
00:41
So there's about 25,000 things there that can go wrong.
10
29788
4401
Ongeveer 25.000 dingen kunnen dus fout gaan.
00:46
So motor racing is very much about attention to detail.
11
34189
4826
Autoracen draait dus om aandacht voor detail.
00:51
The other thing about Formula 1 in particular
12
39015
3263
Het andere in verband met Formule 1
00:54
is we're always changing the car.
13
42278
2124
is dat we de auto continu aanpassen.
00:56
We're always trying to make it faster.
14
44402
2280
We proberen hem alsmaar sneller te maken.
00:58
So every two weeks, we will be making
15
46682
2984
Om de paar weken maken we
01:01
about 5,000 new components to fit to the car.
16
49666
4200
ongeveer 5.000 nieuwe onderdelen voor de auto.
01:05
Five to 10 percent of the race car
17
53866
2178
5 tot 10 procent van de raceauto
01:08
will be different every two weeks of the year.
18
56044
3752
is om de twee weken anders.
01:11
So how do we do that?
19
59796
2309
Hoe doen we dat?
01:14
Well, we start our life with the racing car.
20
62105
3744
We beginnen ons leven met de raceauto.
01:17
We have a lot of sensors on the car to measure things.
21
65849
3991
We hebben een hoop sensoren op de auto
om dingen te meten.
om dingen te meten.
01:21
On the race car in front of you here
22
69840
1882
Deze raceauto hier heeft ongeveer
01:23
there are about 120 sensors when it goes into a race.
23
71722
3159
120 sensoren als hij aan een race begint.
01:26
It's measuring all sorts of things around the car.
24
74881
3652
Die meten allerlei dingen in verband met de auto.
01:30
That data is logged. We're logging about
25
78533
2052
Die gegevens worden bijgehouden. We houden
ongeveer 500 parameters bij in de datasystemen,
ongeveer 500 parameters bij in de datasystemen,
01:32
500 different parameters within the data systems,
26
80585
3704
01:36
about 13,000 health parameters and events
27
84289
3665
ongeveer 13.000 gezondheidsparameters
en gebeurtenissen
en gebeurtenissen
01:39
to say when things are not working the way they should do,
28
87954
4565
die aangeven of iets niet naar behoren werkt.
01:44
and we're sending that data back to the garage
29
92519
2825
We sturen die gegevens terug naar de garage
01:47
using telemetry at a rate of two to four megabits per second.
30
95344
4979
met telemetrie, tegen 2 tot 4 megabit per seconde.
01:52
So during a two-hour race, each car will be sending
31
100323
3127
Tijdens een race van twee uur stuurt elke auto dus
01:55
750 million numbers.
32
103450
2275
750 miljoen getallen door.
01:57
That's twice as many numbers as words that each of us
33
105725
3143
Dat zijn er twee keer zoveel
als de woorden die elk van ons
als de woorden die elk van ons
02:00
speaks in a lifetime.
34
108868
1631
tijdens zijn leven uitspreekt.
02:02
It's a huge amount of data.
35
110499
2618
Het is een enorme hoeveelheid gegevens.
02:05
But it's not enough just to have data and measure it.
36
113117
2645
Maar gegevens hebben en meten volstaat niet.
02:07
You need to be able to do something with it.
37
115762
2158
Je moet er iets mee kunnen aanvangen.
02:09
So we've spent a lot of time and effort
38
117920
2394
Met veel tijd en moeite
02:12
in turning the data into stories
39
120314
1869
maakten we verhalen van de gegevens
02:14
to be able to tell, what's the state of the engine,
40
122183
3105
om te weten wat de toestand van de motor is,
02:17
how are the tires degrading,
41
125288
2272
hoe de banden afslijten,
02:19
what's the situation with fuel consumption?
42
127560
3748
hoe het met het brandstofverbruik staat.
02:23
So all of this is taking data
43
131308
2788
Dat komt steeds neer op gegevens nemen
02:26
and turning it into knowledge that we can act upon.
44
134096
3802
en er kennis van maken
waar we naar kunnen handelen.
waar we naar kunnen handelen.
02:29
Okay, so let's have a look at a little bit of data.
45
137898
2638
Laten we even wat gegevens bekijken.
02:32
Let's pick a bit of data from
46
140536
2030
We nemen gegevens
02:34
another three-month-old patient.
47
142566
3079
van een andere patiënt van 3 maanden.
02:37
This is a child, and what you're seeing here is real data,
48
145645
4171
Dit is een kind, en dit zijn echte gegevens.
02:41
and on the far right-hand side,
49
149816
1977
Uiterst rechts,
02:43
where everything starts getting a little bit catastrophic,
50
151793
2587
waar het er katastrofaal uitziet,
02:46
that is the patient going into cardiac arrest.
51
154380
3584
krijgt de patiënt een hartstilstand.
02:49
It was deemed to be an unpredictable event.
52
157964
3232
Dat werd als onvoorspelbaar beschouwd.
02:53
This was a heart attack that no one could see coming.
53
161196
3789
Dit was een hartaanval die niemand
kon zien aankomen.
kon zien aankomen.
02:56
But when we look at the information there,
54
164985
2550
Maar als we naar de informatie daar kijken,
02:59
we can see that things are starting to become
55
167535
2349
zien we dat het er wat verward gaat uitzien
03:01
a little fuzzy about five minutes or so before the cardiac arrest.
56
169884
4029
ongeveer 5 minuten voor de hartstilstand.
We zien kleine veranderingen,
03:05
We can see small changes
57
173913
2037
03:07
in things like the heart rate moving.
58
175950
2383
zoals de hartslag die verandert.
03:10
These were all undetected by normal thresholds
59
178333
2486
Geen daarvan werd ontdekt op basis van
03:12
which would be applied to data.
60
180819
2408
normale drempelwaarden voor de gegevens.
03:15
So the question is, why couldn't we see it?
61
183227
3143
De vraag is dus: waarom zagen we het niet?
03:18
Was this a predictable event?
62
186370
2581
Was dit een voorspelbare gebeurtenis?
03:20
Can we look more at the patterns in the data
63
188951
3010
Kunnen we naar de patronen in de gegevens kijken
03:23
to be able to do things better?
64
191961
3380
om de dingen beter te doen?
03:27
So this is a child,
65
195341
2650
Dit is een kind
03:29
about the same age as the racing car on stage,
66
197991
3232
dat ongeveer even oud is als de raceauto op het podium,
drie maanden oud.
drie maanden oud.
03:33
three months old.
67
201223
1630
03:34
It's a patient with a heart problem.
68
202853
2605
Het is een patiënt met een hartprobleem.
03:37
Now, when you look at some of the data on the screen above,
69
205458
3468
Als je naar de gegevens op het scherm kijkt,
03:40
things like heart rate, pulse, oxygen, respiration rates,
70
208926
4902
hartslag, polsslag, zuurstof, ademhaling,
03:45
they're all unusual for a normal child,
71
213828
3076
dan zijn die allemaal ongebruikelijk
voor een gewoon kind,
voor een gewoon kind,
03:48
but they're quite normal for the child there,
72
216904
2642
maar normaal voor dit kind.
03:51
and so one of the challenges you have in health care is,
73
219546
4138
Eén van de uitdagingen in de zorg is dus:
03:55
how can I look at the patient in front of me,
74
223684
2851
hoe kan ik kijken naar de patiënt voor me,
03:58
have something which is specific for her,
75
226535
3047
iets zien dat specifiek is voor haar
04:01
and be able to detect when things start to change,
76
229582
2788
en detecteren wanneer het begint te veranderen,
04:04
when things start to deteriorate?
77
232370
2099
wanneer ze erop achteruit gaat?
04:06
Because like a racing car, any patient,
78
234469
3050
Want zoals bij een raceauto
is er voor elke patiënt,
is er voor elke patiënt,
04:09
when things start to go bad, you have a short time
79
237519
2976
als die achteruit gaat, een korte tijd
04:12
to make a difference.
80
240495
1831
om het verschil te maken.
04:14
So what we did is we took a data system
81
242326
2754
Dus namen we een gegevenssysteem
04:17
which we run every two weeks of the year in Formula 1
82
245080
3131
dat we tweewekelijks laten lopen in de Formule 1
04:20
and we installed it on the hospital computers
83
248211
3002
en we installeerden het op de ziekenhuiscomputers
04:23
at Birmingham Children's Hospital.
84
251213
2290
van het kinderziekenhuis van Birmingham.
04:25
We streamed data from the bedside instruments
85
253503
2439
We gaven gegevens door
van de instrumenten naast het bed
van de instrumenten naast het bed
04:27
in their pediatric intensive care
86
255942
2557
op de intensieve kinderzorgafdeling
04:30
so that we could both look at the data in real time
87
258499
3456
zodat we de gegevens in realtime konden bekijken
04:33
and, more importantly, to store the data
88
261955
2871
en, belangrijker nog, de gegevens konden opslaan
04:36
so that we could start to learn from it.
89
264826
3057
zodat we ervan konden leren.
04:39
And then, we applied an application on top
90
267883
4384
Dan lieten we er een toepassing op los
04:44
which would allow us to tease out the patterns in the data
91
272267
3270
waardoor we de patronen
uit de gegevens konden halen,
uit de gegevens konden halen,
04:47
in real time so we could see what was happening,
92
275537
2956
in realtime, zodat we konden zien wat er gebeurde
04:50
so we could determine when things started to change.
93
278493
3713
en konden bepalen wanneer een verandering intrad.
04:54
Now, in motor racing, we're all a little bit ambitious,
94
282206
3863
Bij het autoracen zijn we allemaal ambitieus,
04:58
audacious, a little bit arrogant sometimes,
95
286069
2549
durvers, een tikkeltje arrogant,
05:00
so we decided we would also look at the children
96
288618
3398
dus beslisten we dat we ook
naar de kinderen zouden kijken
naar de kinderen zouden kijken
05:04
as they were being transported to intensive care.
97
292016
2957
als ze op weg waren naar de intensieve zorg.
05:06
Why should we wait until they arrived in the hospital
98
294973
2154
Waarom wachten tot ze in het ziekenhuis waren
05:09
before we started to look?
99
297127
1994
voor we begonnen te kijken?
05:11
And so we installed a real-time link
100
299121
2997
Dus installeerden we een realtime-verbinding
05:14
between the ambulance and the hospital,
101
302118
2836
tussen de ziekenwagen en het ziekenhuis,
05:16
just using normal 3G telephony to send that data
102
304954
3776
met normale 3G-telefonie,
om de gegevens te verzenden.
om de gegevens te verzenden.
05:20
so that the ambulance became an extra bed
103
308730
2487
De ziekenwagen werd zo een extra bed
05:23
in intensive care.
104
311217
3136
in intensieve zorg.
05:26
And then we started looking at the data.
105
314353
3702
Toen gingen we de gegevens bekijken.
05:30
So the wiggly lines at the top, all the colors,
106
318055
2921
De bibberlijntjes bovenaan, al die kleurtjes,
05:32
this is the normal sort of data you would see on a monitor --
107
320976
3194
zijn de normale gegevens die je op een monitor krijgt -
05:36
heart rate, pulse, oxygen within the blood,
108
324170
3772
hartslag, polsslag, zuurstof in het bloed,
05:39
and respiration.
109
327942
2635
ademhaling.
05:42
The lines on the bottom, the blue and the red,
110
330577
2753
Onderaan, bij het blauw en het rood,
05:45
these are the interesting ones.
111
333330
1360
wordt het interessant.
05:46
The red line is showing an automated version
112
334690
3209
De rode lijn is een geautomatiseerde versie
05:49
of the early warning score
113
337899
1597
van de vroeg-alarm-score
05:51
that Birmingham Children's Hospital were already running.
114
339496
2487
die het kinderziekenhuis van Birmingham al hanteerde.
05:53
They'd been running that since 2008,
115
341983
2338
Ze deden dat sinds 2008
05:56
and already have stopped cardiac arrests
116
344321
2256
en hadden de hartaanvallen
05:58
and distress within the hospital.
117
346577
2757
en hartklachten in het ziekenhuis
al doen dalen.
al doen dalen.
06:01
The blue line is an indication
118
349334
2432
De blauwe lijn is een indicator
06:03
of when patterns start to change,
119
351766
2500
van het begin van verandering in het patroon.
06:06
and immediately, before we even started
120
354266
2309
Meteen, nog voor we begonnen waren
06:08
putting in clinical interpretation,
121
356575
1708
met klinisch interpreteren,
06:10
we can see that the data is speaking to us.
122
358283
2870
zagen we dat de gegevens tot ons spreken.
06:13
It's telling us that something is going wrong.
123
361153
3536
Ze zeggen ons dat er iets fout gaat.
06:16
The plot with the red and the green blobs,
124
364689
3816
De grafiek met de rode en groene bubbels
06:20
this is plotting different components
125
368505
2805
geeft de verschillende data weer
06:23
of the data against each other.
126
371310
2547
ten opzichte van elkaar.
06:25
The green is us learning what is normal for that child.
127
373857
3840
Met het groene leren wij
wat normaal is voor dat kind.
wat normaal is voor dat kind.
06:29
We call it the cloud of normality.
128
377697
2610
We noemen dat de wolk van de normaliteit.
06:32
And when things start to change,
129
380307
2241
Als het begint te veranderen,
06:34
when conditions start to deteriorate,
130
382548
2564
als de toestand verslechtert,
06:37
we move into the red line.
131
385112
2238
gaan we naar de rode lijn.
06:39
There's no rocket science here.
132
387350
1657
Dit is geen hogere wiskunde.
06:41
It is displaying data that exists already in a different way,
133
389007
4113
Dit is de weergave van bestaande gegevens
op een andere manier,
op een andere manier,
06:45
to amplify it, to provide cues to the doctors,
134
393120
3391
om ze te versterken,
als aanwijzing voor de artsen,
als aanwijzing voor de artsen,
06:48
to the nurses, so they can see what's happening.
135
396511
2738
voor de verplegers, zodat ze zien wat er gebeurt.
06:51
In the same way that a good racing driver
136
399249
3130
Net zoals een goede racepiloot
06:54
relies on cues to decide when to apply the brakes,
137
402379
4044
voortgaat op aanwijzingen
om te beslissen wanneer hij remt,
om te beslissen wanneer hij remt,
06:58
when to turn into a corner,
138
406423
1476
wanneer hij draait in een hoek,
06:59
we need to help our physicians and our nurses
139
407899
2918
zo moeten we onze artsen en verplegers helpen
07:02
to see when things are starting to go wrong.
140
410817
3620
om te zien wanneer het fout begint te gaan.
07:06
So we have a very ambitious program.
141
414437
2946
We hebben een ambitieus programma.
07:09
We think that the race is on to do something differently.
142
417383
4736
We denken dat de race
om iets anders te doen, bezig is.
om iets anders te doen, bezig is.
07:14
We are thinking big. It's the right thing to do.
143
422119
2904
We zien het groots.
We denken dat dit de juiste weg is.
We denken dat dit de juiste weg is.
07:17
We have an approach which, if it's successful,
144
425023
3412
Als onze aanpak werkt,
is er geen reden om die in het ziekenhuis te houden.
07:20
there's no reason why it should stay within a hospital.
145
428435
2531
07:22
It can go beyond the walls.
146
430966
1841
Hij kan de muren overstijgen.
07:24
With wireless connectivity these days,
147
432807
2071
Met draadloos internet is er vandaag
07:26
there is no reason why patients, doctors and nurses
148
434878
3444
geen reden waarom patiënten, dokters en verplegers
07:30
always have to be in the same place
149
438322
2171
altijd op dezelfde plek moeten zijn
op hetzelfde moment.
op hetzelfde moment.
07:32
at the same time.
150
440493
1993
Intussen zullen we onze baby van 3 maanden
07:34
And meanwhile, we'll take our little three-month-old baby,
151
442486
3995
07:38
keep taking it to the track, keeping it safe,
152
446481
3757
naar het circuit blijven brengen,
veilig houden,
veilig houden,
en sneller en beter maken.
07:42
and making it faster and better.
153
450238
2333
Hartelijk dank.
07:44
Thank you very much.
154
452571
1405
07:45
(Applause)
155
453976
4954
(Applaus)
ABOUT THE SPEAKER
Peter van Manen - Electronic systems expertPeter 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.
Peter van Manen | Speaker | TED.com