TEDxNijmegen
Peter van Manen: Better baby care -- thanks to Formula 1
Peter van Manen: Wie kann die Formel 1 ein Baby retten?
Filmed:
Readability: 3.5
845,406 views
Während eines Formel-1-Rennens sendet ein Fahrzeug hunderte Millionen von Daten in die Werkstatt, für Echtzeitauswertung und Feedback. Warum dieses detailierte und gründliche Datensystem nicht auch anderweitig nutzen... z. B. in einer Kinderklinik? Peter van Manen erzählt uns mehr.
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.
00:12
Motor racing is a funny old business.
0
336
2257
Der Motorsport ist ein
altes seltsames Geschäft.
altes seltsames Geschäft.
00:14
We make a new car every year,
1
2593
2317
Wir bauen jedes Jahr ein neues Auto
00:16
and then we spend the rest of the season
2
4910
2188
und den Rest der Saison
verbringen wir damit,
verbringen wir damit,
00:19
trying to understand what it is we've built
3
7098
2776
herauszufinden,
was wir da gemacht haben,
was wir da gemacht haben,
00:21
to make it better, to make it faster.
4
9874
3221
um es noch besser
und schneller zu machen.
und schneller zu machen.
00:25
And then the next year, we start again.
5
13095
3275
Im nächsten Jahr
fangen wir wieder von vorn an.
fangen wir wieder von vorn an.
00:28
Now, the car you see in front of you is quite complicated.
6
16370
4238
Das Fahrzeug,
das Sie hier sehen, ist sehr komplex.
das Sie hier sehen, ist sehr komplex.
00:32
The chassis is made up of about 11,000 components,
7
20608
3619
Das Fahrwerk besteht aus
über 11.000 Einzelteilen,
über 11.000 Einzelteilen,
00:36
the engine another 6,000,
8
24227
2468
der Motor aus weiteren 6.000,
00:38
the electronics about eight and a half thousand.
9
26695
3093
die Elektronik aus über 8.500.
00:41
So there's about 25,000 things there that can go wrong.
10
29788
4401
Also etwa 25.000 Sachen,
die falsch laufen können.
die falsch laufen können.
00:46
So motor racing is very much about attention to detail.
11
34189
4826
Im Motorsport liegt
der Fokus auf dem Detail.
der Fokus auf dem Detail.
00:51
The other thing about Formula 1 in particular
12
39015
3263
Eine andere Besonderheit der Formel 1 ist,
00:54
is we're always changing the car.
13
42278
2124
dass wir das Fahrzeug ständig verändern.
Wir sind immer bemüht, es schneller zu machen.
00:56
We're always trying to make it faster.
14
44402
2280
00:58
So every two weeks, we will be making
15
46682
2984
Also alle 2 Wochen bauen wir
01:01
about 5,000 new components to fit to the car.
16
49666
4200
über 5.000 neue Teile in das Fahrzeug ein.
01:05
Five to 10 percent of the race car
17
53866
2178
Fünf bis 10 Prozent eines Rennwagens
01:08
will be different every two weeks of the year.
18
56044
3752
sind alle 2 Wochen im Jahr anders.
01:11
So how do we do that?
19
59796
2309
Wie stellen wir das an?
01:14
Well, we start our life with the racing car.
20
62105
3744
Also, wir starten unser Leben
mit dem Rennwagen.
mit dem Rennwagen.
01:17
We have a lot of sensors on the car to measure things.
21
65849
3991
Wir haben eine Menge Sensoren an dem Auto,
um Messungen durchzuführen.
um Messungen durchzuführen.
01:21
On the race car in front of you here
22
69840
1882
An dem Rennwagen direkt vor Ihnen
01:23
there are about 120 sensors when it goes into a race.
23
71722
3159
befinden sich über 120 Sensoren,
wenn es beim Rennen startet.
wenn es beim Rennen startet.
01:26
It's measuring all sorts of things around the car.
24
74881
3652
Sie messen alle möglichen Daten
in Bezug auf das Auto.
in Bezug auf das Auto.
01:30
That data is logged. We're logging about
25
78533
2052
Die Daten werden aufgezeichnet.
Wir speichern über
Wir speichern über
01:32
500 different parameters within the data systems,
26
80585
3704
500 verschiedene Parameter
in unserem System,
in unserem System,
01:36
about 13,000 health parameters and events
27
84289
3665
über 13.000 Zustandswerte und andere Werte
01:39
to say when things are not working the way they should do,
28
87954
4565
um zu beurteilen, ob die Sachen
so funktionieren, wie sie es sollten.
so funktionieren, wie sie es sollten.
01:44
and we're sending that data back to the garage
29
92519
2825
Diese Daten senden wir zurück in die Werkstatt,
01:47
using telemetry at a rate of two to four megabits per second.
30
95344
4979
mit Übertragungsraten von 2 bis 4 MB pro Sekunde.
01:52
So during a two-hour race, each car will be sending
31
100323
3127
Während eines 2-Stunden-Rennens,
sendet jedes Fahrzeug
sendet jedes Fahrzeug
01:55
750 million numbers.
32
103450
2275
750 Millionen Zahlen.
01:57
That's twice as many numbers as words that each of us
33
105725
3143
Das sind doppelt so viele Zahlen,
wie jeder von uns Wörter
wie jeder von uns Wörter
02:00
speaks in a lifetime.
34
108868
1631
in seinem ganzen Leben spricht.
02:02
It's a huge amount of data.
35
110499
2618
Das ist eine gewaltige Datenmenge.
02:05
But it's not enough just to have data and measure it.
36
113117
2645
Doch es reicht nicht aus,
diese Daten einfach nur zu erheben.
diese Daten einfach nur zu erheben.
02:07
You need to be able to do something with it.
37
115762
2158
Man muss auch etwas damit tun.
02:09
So we've spent a lot of time and effort
38
117920
2394
Wir haben viel Zeit und Mühe geopfert,
02:12
in turning the data into stories
39
120314
1869
aus diesen Daten Geschichten zu machen,
02:14
to be able to tell, what's the state of the engine,
40
122183
3105
um sagen zu können,
wie der Zustand des Motors ist,
wie der Zustand des Motors ist,
02:17
how are the tires degrading,
41
125288
2272
wie sich die Reifen abnutzen,
02:19
what's the situation with fuel consumption?
42
127560
3748
wie der Spritverbrauch ist?
02:23
So all of this is taking data
43
131308
2788
Wir nehmen diese aussagekräftigen Daten
02:26
and turning it into knowledge that we can act upon.
44
134096
3802
und wandeln sie um in Wissen,
mit dem wir arbeiten können.
mit dem wir arbeiten können.
02:29
Okay, so let's have a look at a little bit of data.
45
137898
2638
O. k., schauen wir uns die Daten einmal an.
02:32
Let's pick a bit of data from
46
140536
2030
Wir nehmen die Daten
02:34
another three-month-old patient.
47
142566
3079
eines anderen 3 Monate alten "Patienten".
02:37
This is a child, and what you're seeing here is real data,
48
145645
4171
Das ist ein Kind.
Sie sehen hier richtige Daten,
Sie sehen hier richtige Daten,
02:41
and on the far right-hand side,
49
149816
1977
und auf der rechten Seite des Bildes
02:43
where everything starts getting a little bit catastrophic,
50
151793
2587
fängt es an, etwas katastrophal zu werden.
02:46
that is the patient going into cardiac arrest.
51
154380
3584
Da erlebt der Patient
gerade einen Herzstillstand.
gerade einen Herzstillstand.
02:49
It was deemed to be an unpredictable event.
52
157964
3232
Dies wird als unvorhersehbares
Ereignis angesehen.
Ereignis angesehen.
02:53
This was a heart attack that no one could see coming.
53
161196
3789
Diese Herzattacke hat
niemand kommen sehen.
niemand kommen sehen.
02:56
But when we look at the information there,
54
164985
2550
Doch wenn wir uns
die Informationen anschauen,
die Informationen anschauen,
02:59
we can see that things are starting to become
55
167535
2349
sehen wir, dass die Dinge schon vorher
03:01
a little fuzzy about five minutes or so before the cardiac arrest.
56
169884
4029
unscharf wurden – etwa 5 Minuten
vor dem Herzstillstand.
vor dem Herzstillstand.
03:05
We can see small changes
57
173913
2037
Wir können kleine Veränderungen sehen
03:07
in things like the heart rate moving.
58
175950
2383
z. B. bei der Herzfrequenz.
03:10
These were all undetected by normal thresholds
59
178333
2486
Diese wurden bei den
normalen Grenzwerten nicht bemerkt,
normalen Grenzwerten nicht bemerkt,
03:12
which would be applied to data.
60
180819
2408
die auf die Daten angewendet wurden.
03:15
So the question is, why couldn't we see it?
61
183227
3143
Die Frage ist also:
"Warum konnten wir es nicht vorhersehen?"
"Warum konnten wir es nicht vorhersehen?"
03:18
Was this a predictable event?
62
186370
2581
War es ein vorhersehbares Ereignis?
03:20
Can we look more at the patterns in the data
63
188951
3010
Können wir die Muster der Daten
näher betrachten,
näher betrachten,
03:23
to be able to do things better?
64
191961
3380
um besser zu werden?
03:27
So this is a child,
65
195341
2650
Also, das ist ein Kind,
03:29
about the same age as the racing car on stage,
66
197991
3232
etwa im gleichen Alter
wie der Rennwagen hier auf der Bühne,
wie der Rennwagen hier auf der Bühne,
03:33
three months old.
67
201223
1630
3 Monate alt.
03:34
It's a patient with a heart problem.
68
202853
2605
Das ist ein Patient
mit einem Herzfehler.
mit einem Herzfehler.
03:37
Now, when you look at some of the data on the screen above,
69
205458
3468
Wenn Sie sich die Daten
auf dem Bildschirm oben anschauen
auf dem Bildschirm oben anschauen
03:40
things like heart rate, pulse, oxygen, respiration rates,
70
208926
4902
also Herzfrequenz, Puls,
Sauerstoff, Atemfrequenz –
Sauerstoff, Atemfrequenz –
03:45
they're all unusual for a normal child,
71
213828
3076
sind sie alle ungewöhnlich für ein normales Kind,
03:48
but they're quite normal for the child there,
72
216904
2642
aber normal für dieses Kind.
03:51
and so one of the challenges you have in health care is,
73
219546
4138
Eine Herausforderung
im Gesundheitswesen ist:
im Gesundheitswesen ist:
03:55
how can I look at the patient in front of me,
74
223684
2851
Wie betrachte ich den Patienten direkt vor mir,
03:58
have something which is specific for her,
75
226535
3047
welche Besonderheiten gibt es
04:01
and be able to detect when things start to change,
76
229582
2788
und bin ich in der Lage festzustellen,
04:04
when things start to deteriorate?
77
232370
2099
wann sich der Zustand verschlechtern wird?
04:06
Because like a racing car, any patient,
78
234469
3050
Wie bei einem Rennwagen
hat man bei jedem Patienten
hat man bei jedem Patienten
04:09
when things start to go bad, you have a short time
79
237519
2976
bei einer Verschlechterung
nur sehr wenig Zeit,
nur sehr wenig Zeit,
04:12
to make a difference.
80
240495
1831
um etwas zu bewirken.
04:14
So what we did is we took a data system
81
242326
2754
Wir haben also
das Datensystem genommen,
das Datensystem genommen,
04:17
which we run every two weeks of the year in Formula 1
82
245080
3131
das wir alle 2 Wochen bei der Formel 1 benutzen
04:20
and we installed it on the hospital computers
83
248211
3002
und haben es auf den Computern installiert,
04:23
at Birmingham Children's Hospital.
84
251213
2290
die in der Birminghamer Kinderklinik stehen.
04:25
We streamed data from the bedside instruments
85
253503
2439
Wir nahmen die Patientendaten
04:27
in their pediatric intensive care
86
255942
2557
auf der Intensivstation
04:30
so that we could both look at the data in real time
87
258499
3456
und konnten sowohl die Daten in Echtzeit betrachten
04:33
and, more importantly, to store the data
88
261955
2871
als auch, was viel wichtiger ist, sie speichern,
04:36
so that we could start to learn from it.
89
264826
3057
um von ihnen zu lernen.
04:39
And then, we applied an application on top
90
267883
4384
Dann haben wir eine Software verwendet
04:44
which would allow us to tease out the patterns in the data
91
272267
3270
die es uns erlaubte,
Muster aus den Daten zu filtern.
Muster aus den Daten zu filtern.
04:47
in real time so we could see what was happening,
92
275537
2956
Alles in Echtzeit,
so konnten wir sehen, was geschah.
so konnten wir sehen, was geschah.
04:50
so we could determine when things started to change.
93
278493
3713
Damit konnten wir sehen,
wenn sich etwas verändert.
wenn sich etwas verändert.
04:54
Now, in motor racing, we're all a little bit ambitious,
94
282206
3863
Im Motorsport sind wir alle sehr anspruchsvoll,
04:58
audacious, a little bit arrogant sometimes,
95
286069
2549
wagemutig und manchmal
sogar etwas arrogant,
sogar etwas arrogant,
05:00
so we decided we would also look at the children
96
288618
3398
so entschieden wir die Kinder
schon zu untersuchen,
schon zu untersuchen,
05:04
as they were being transported to intensive care.
97
292016
2957
während sie auf die Intensivstation
gebracht wurden.
gebracht wurden.
05:06
Why should we wait until they arrived in the hospital
98
294973
2154
Warum sollten wir warten bis sie
die Klinik erreichen,
die Klinik erreichen,
05:09
before we started to look?
99
297127
1994
um uns die Sache anzusehen?
05:11
And so we installed a real-time link
100
299121
2997
Also installierten wir eine Echtzeit-Verbindung
05:14
between the ambulance and the hospital,
101
302118
2836
zwischen Krankenwagen und Klinik.
05:16
just using normal 3G telephony to send that data
102
304954
3776
Wir nutzten eine normale 3G-Funkverbindung,
um die Daten zu übertragen.
um die Daten zu übertragen.
05:20
so that the ambulance became an extra bed
103
308730
2487
Der Krankenwagen wurde
also ein zusätzliches Bett
also ein zusätzliches Bett
05:23
in intensive care.
104
311217
3136
der Intensivstation.
05:26
And then we started looking at the data.
105
314353
3702
Dann schauten wir uns die Daten an.
05:30
So the wiggly lines at the top, all the colors,
106
318055
2921
Die Kurven oben und all die Farben,
05:32
this is the normal sort of data you would see on a monitor --
107
320976
3194
das sind die normalen Daten,
die man auf einem Monitor sehen würde –
die man auf einem Monitor sehen würde –
05:36
heart rate, pulse, oxygen within the blood,
108
324170
3772
Herzfrequenz, Puls, Sauerstoff im Blut
05:39
and respiration.
109
327942
2635
und die Atmung.
05:42
The lines on the bottom, the blue and the red,
110
330577
2753
Die Kurven weiter unten, in blau und rot,
05:45
these are the interesting ones.
111
333330
1360
das sind die interessanten Werte.
05:46
The red line is showing an automated version
112
334690
3209
Die rote Kurve zeigt eine automatisierte Form
05:49
of the early warning score
113
337899
1597
des Frühwarnsystems an,
05:51
that Birmingham Children's Hospital were already running.
114
339496
2487
das bereits in der Kinderklinik
in Birmingham eingesetzt wurde.
in Birmingham eingesetzt wurde.
05:53
They'd been running that since 2008,
115
341983
2338
Es läuft dort seit 2008,
05:56
and already have stopped cardiac arrests
116
344321
2256
und es konnten bereits Herzstillstände gestoppt
05:58
and distress within the hospital.
117
346577
2757
und Herzleiden in der Klinik versorgt werden.
06:01
The blue line is an indication
118
349334
2432
Die blaue Kurve zeigt,
06:03
of when patterns start to change,
119
351766
2500
wenn Muster sich verändern
06:06
and immediately, before we even started
120
354266
2309
und sofort, bevor wir auch nur anfangen
06:08
putting in clinical interpretation,
121
356575
1708
die Daten zu interpretieren,
06:10
we can see that the data is speaking to us.
122
358283
2870
sprechen die Daten zu uns.
06:13
It's telling us that something is going wrong.
123
361153
3536
Sie sagen uns, dass etwas falsch läuft.
06:16
The plot with the red and the green blobs,
124
364689
3816
Das Diagramm mit
den roten und grünen Flecken
den roten und grünen Flecken
06:20
this is plotting different components
125
368505
2805
ist die Auswertung verschiedener Daten
06:23
of the data against each other.
126
371310
2547
gegeneinander.
06:25
The green is us learning what is normal for that child.
127
373857
3840
Die grünen zeigen, was für das Kind normal ist .
06:29
We call it the cloud of normality.
128
377697
2610
Wir nennen es die "Wolke der Normalität".
06:32
And when things start to change,
129
380307
2241
Und wenn Dinge anfangen sich zu ändern,
06:34
when conditions start to deteriorate,
130
382548
2564
wenn der Zustand anfängt sich zu verschlechtern,
06:37
we move into the red line.
131
385112
2238
kommen wir zur roten Kurve.
06:39
There's no rocket science here.
132
387350
1657
Da steckt keine große Wissenschaft dahinter.
06:41
It is displaying data that exists already in a different way,
133
389007
4113
Wir bereiten Daten, die bereits existieren,
einfach nur in einer anderen Weise auf,
einfach nur in einer anderen Weise auf,
06:45
to amplify it, to provide cues to the doctors,
134
393120
3391
um den Ärzten Hinweise zu geben,
06:48
to the nurses, so they can see what's happening.
135
396511
2738
und den Schwestern, damit sie sehen,
was los ist.
was los ist.
06:51
In the same way that a good racing driver
136
399249
3130
In der gleichen Weise wie sich
ein guter Rennfahrer
ein guter Rennfahrer
06:54
relies on cues to decide when to apply the brakes,
137
402379
4044
auf Hinweise verlässt, wann er bremsen sollte,
06:58
when to turn into a corner,
138
406423
1476
wann er in die Kurve lenken sollte,
06:59
we need to help our physicians and our nurses
139
407899
2918
müssen wir unseren Ärzten und Schwestern helfen
07:02
to see when things are starting to go wrong.
140
410817
3620
zu erkennen, wann Dinge schief laufen.
07:06
So we have a very ambitious program.
141
414437
2946
Wir haben ein sehr ehrgeiziges Programm.
07:09
We think that the race is on to do something differently.
142
417383
4736
Wir glauben, es ist Zeit,
die Dinge anders anzugehen.
die Dinge anders anzugehen.
07:14
We are thinking big. It's the right thing to do.
143
422119
2904
Wir denken weiträumig.
Das ist auch richtig so.
Das ist auch richtig so.
07:17
We have an approach which, if it's successful,
144
425023
3412
Wir haben eine Herangehensweise, die
– falls sie erfolgreich ist –
– falls sie erfolgreich ist –
07:20
there's no reason why it should stay within a hospital.
145
428435
2531
nicht nur in der Klinik bleiben sollte.
07:22
It can go beyond the walls.
146
430966
1841
Sie kann noch viel mehr bewirken.
07:24
With wireless connectivity these days,
147
432807
2071
Mit den heutigen Drahtlosverbindungen
07:26
there is no reason why patients, doctors and nurses
148
434878
3444
gibt es keinen Grund, warum Patienten,
Ärzte und Schwestern
Ärzte und Schwestern
07:30
always have to be in the same place
149
438322
2171
immer zur gleichen Zeit
07:32
at the same time.
150
440493
1993
am gleichen Ort sein müssen.
07:34
And meanwhile, we'll take our little three-month-old baby,
151
442486
3995
Währenddessen nehmen wir
unser 3 Monate altes Baby,
unser 3 Monate altes Baby,
07:38
keep taking it to the track, keeping it safe,
152
446481
3757
bringen es auf die Rennbahn, behüten es
07:42
and making it faster and better.
153
450238
2333
und machen es schneller und besser.
07:44
Thank you very much.
154
452571
1405
Vielen herzlichen Dank.
07:45
(Applause)
155
453976
4954
(Beifall)
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