TEDMED 2009
Eric Dishman: Take health care off the mainframe
Έρικ Ντίσμαν: Κάνοντας αποκέντρωση στην Υγεία
Filmed:
Readability: 4
439,060 views
Στο TEDMED, ο Έρικ Ντίσμαν διατυπώνει ένα τολμηρό επιχείρημα: Το Αμερικανικό Σύστημα Υγείας είναι όπως η πληροφορική το 1959, αποτελούμενο από μεγάλα, ανθυγιεινά συστήματα: νοσοκομεία, γιατρούς, κλινικές. Επειδή η γήρανση του πληθυσμού αυξάνεται με ταχείς ρυθμούς, είναι επιτακτικό, υποστηρίζει, να δημιουργήσουμε προσωπικά, δικτυωμένα, κατ' οίκον συστήματα υγείας για όλους.
Eric Dishman - Social scientist
Eric Dishman does health care research for Intel -- studying how new technology can solve big problems in the system for the sick, the aging and, well, all of us. Full bio
Eric Dishman does health care research for Intel -- studying how new technology can solve big problems in the system for the sick, the aging and, well, all of us. Full bio
Double-click the English transcript below to play the video.
00:15
If you think about the phone --
0
0
2000
Αν σκεφτείτε για λίγο το τηλέφωνο --
00:17
and Intel has tested
1
2000
2000
και η Intel δοκίμασε
00:19
a lot of the things I'm going to show you,
2
4000
2000
πολλά από τα πράγματα που θα σας παρουσίασω σήμερα
00:21
over the last 10 years,
3
6000
2000
τα 10 προηγούμενα χρόνια
00:23
in about 600 elderly households --
4
8000
2000
σε 600 περίπου νοικοκυριά ηλικιωμένων ατόμων --
00:25
300 in Ireland, and 300 in Portland --
5
10000
3000
300 στην Ιρλανδία, και 300 στο Πόρτλαντ --
00:28
trying to understand: How do we measure
6
13000
2000
προσπαθώντας να καταλάβει πώς μετράμε
00:30
and monitor behavior
7
15000
2000
και παρακολουθούμε την συμπεριφορά
00:32
in a medically meaningful way?
8
17000
2000
με ένα σημαντικό τρόπο ιατρικά;
00:34
And if you think about the phone, right,
9
19000
2000
Και αν σκεφτείτε το τηλέφωνο, βέβαια,
00:36
it's something that we can use for some incredible ways
10
21000
2000
είναι κάτι που μπορούμε να χρησιμοποιήσουμε με μερικούς εκπληκτικούς τρόπους
00:38
to help people actually take the right medication at the right time.
11
23000
3000
για να βοηθήσουμε τον κόσμο πράγματι να πάρει το κατάλληλο φάρμακο την κατάλληλη στιγμή.
00:41
We're testing these kinds of simple
12
26000
2000
Δοκιμάζουμε αυτού του είδους τις απλές
00:43
sensor-network technologies in the home
13
28000
2000
τεχνολογίες δικτυακών αισθητήρων μέσα στο σπίτι
00:45
so that any phone that a senior is already comfortable with
14
30000
2000
έτσι ώστε κάθε τηλέφωνο με το οποίο είναι εξοικειωμένος κάποιος ηλικιωμένος
00:47
can help them deal with their medications.
15
32000
2000
να μπορεί να τους βοηθήσει με τα φάρμακά τους.
00:49
And a lot of what they do is they pick up the phone,
16
34000
2000
Αυτό που κάνουν ουσιαστικά είναι να σηκώνουν το τηλέφωνο,
00:51
and it's our system whispering to them which pill they need to take,
17
36000
3000
και το σύστημά μας τους ψιθυρίζει στο αυτί ποιο χάπι πρέπει να πάρουν,
00:54
and they fake like they're having a conversation with a friend.
18
39000
3000
και αυτοί υποκρίνονται πως συνομιλούν μ' ένα φίλο τους.
00:57
And they're not embarrassed by a meds caddy that's ugly,
19
42000
2000
Και δεν ντρέπονται εξαιτίας μιας φαρμακευτικής συσκευασίας η οποία είναι άσχημη
00:59
that sits on their kitchen table and says,
20
44000
2000
κάθεται πάνω στο τραπέζι της κουζίνας και τους λέει,
01:01
"I'm old. I'm frail."
21
46000
2000
"Είμαι γέρος. Είμαι αδύναμος."
01:03
It's surreptitious technology
22
48000
2000
Είναι μια κρυφή τεχνολογία
01:05
that's helping them do a simple task
23
50000
2000
που τους βοηθάει να εκτελέσουν την απλή διαδικασία
01:07
of taking the right pill at the right time.
24
52000
2000
της λήψης του σωστού χαπιού στο σωστό χρόνο.
01:09
Now, we also do some pretty amazing things with these phones.
25
54000
3000
Μάλιστα, κάνουμε μερικά καταπληκτικά πράγματα με αυτά τα τηλέφωνα.
01:12
Because that moment when you answer the phone
26
57000
3000
Γιατί εκείνη η στιγμή που απαντάς στο τηλέφωνο
01:15
is a cognitive test every time that you do it.
27
60000
3000
ειναι μια δοκιμασία αντίληψης, κάθε φορά που το κάνεις.
01:18
Think about it, all right? I'm going to answer the phone three different times.
28
63000
3000
Για σκεφτείτε το λίγο. Θα απαντήσω το τηλέφωνο με τρεις διαφορετικούς τρόπους.
01:21
"Hello? Hey."
29
66000
2000
"Παρακαλώ? Γεια."
01:23
All right? That's the first time.
30
68000
3000
Εντάξει; Αυτή είναι η πρώτη φορά.
01:26
"Hello? Uh, hey."
31
71000
4000
"Παρακαλώ; Α, γεια."
01:30
"Hello? Uh, who?
32
75000
4000
"Παρακαλώ; Ε, ποιος;
01:34
Oh, hey."
33
79000
3000
Α, γεια."
01:37
All right? Very big differences
34
82000
3000
Εντάξει; Υπάρχουν πολύ μεγάλες διαφορές
01:40
between the way I answered the phone the three times.
35
85000
3000
μεταξύ των τρόπων που απάντησα στο τηλέφωνο αυτές τις τρεις φορές.
01:43
And as we monitor phone usage
36
88000
2000
Και όπως παρακολουθούμε τη χρήση του τηλεφώνου
01:45
by seniors over a long period of time,
37
90000
3000
από ηλικιωμένους για μεγάλα χρονικά διαστήματα,
01:48
down to the tenths of a microsecond,
38
93000
2000
μετρώντας δέκατα του δευτερολέπτου,
01:50
that recognition moment
39
95000
2000
αυτή η στιγμή αναγνώρισης
01:52
of whether they can figure out that person on the other end
40
97000
2000
του κατά πόσο μπορούν να καταλάβουν αν το άτομο στην άλλη άκρη της γραμμής
01:54
is a friend and we start talking to them immediately,
41
99000
2000
είναι φίλος και ξεκινήσουν αμέσως την συνομιλία μαζί του,
01:56
or they do a lot of what's called trouble talk,
42
101000
2000
ή αν κάνουν αυτό που ονομάζεται προβληματική ομιλία,
01:58
where they're like, "Wait, who is this? Oh." Right?
43
103000
3000
όπου μιλάνε όπως, "Περίμενε, ποιος είναι; Α." Εντάξει;
02:01
Waiting for that recognition moment
44
106000
2000
Περιμένοντας αυτήν τη στιγμή αναγνώρισης
02:03
may be the best early indicator of the onset of dementia
45
108000
2000
ίσως να είναι ο καλύτερος δείκτης εκδήλωσης γεροντικής άνοιας
02:05
than anything that shows up clinically today.
46
110000
2000
από οποιοδήποτε κλινικό δείκτη μέχρι σήμερα.
02:07
We call these behavioral markers.
47
112000
2000
Τους αποκαλούμε συμπεριφορικούς δείκτες.
02:09
There's lots of others. Is the person going to the phone
48
114000
2000
Υπάρχουν αρκετοί ακόμα. Πάει το άτομο στο τηλέφωνο
02:11
as quickly, when it rings, as they used to?
49
116000
3000
όταν χτυπάει τόσο γρήγορα όσο παλιότερα.
02:14
Is it a hearing problem or is it a physicality problem?
50
119000
3000
Πρόκειται για πρόβλημα ακοής ή σωματικό;
02:17
Has their voice gotten more quiet? We're doing a lot of work with people
51
122000
2000
Έγινε η φωνή τους πιο αδύναμη; Κάνουμε αρκετή δουλειά με ανθρώπους
02:19
with Alzheimer's and particularly with Parkinson's,
52
124000
3000
που πάσχουν από Αλτσχάιμερ, και ειδικά με αυτούς με Πάρκινσον
02:22
where that quiet voice that sometimes shows up with Parkinson's patients
53
127000
3000
όπου αυτή η αδύναμη φωνή, που εμφανίζεται μερικές φορές σε ασθενείς με Πάρκινσον,
02:25
may be the best early indicator
54
130000
3000
ίσως είναι ο καλύτερος πρώιμος δείκτης
02:28
of Parkinson's five to 10 years before it shows up clinically.
55
133000
3000
για τη νόσο του Πάρκινσον, πέντε με δέκα χρόνια πριν εμφανιστεί κλινικά.
02:31
But those subtle changes in your voice over a long period of time
56
136000
3000
Αυτές οι λεπτές αλλαγές στη φωνή σου κατά τη διάρκεια μεγάλου χρονικού διαστήματος
02:34
are hard for you or your spouse to notice until it becomes so extreme
57
139000
3000
δύσκολα ανιχνεύονται από σένα ή το σύντροφό σου, μέχρι το πρόβλημα να γίνει τόσο έντονο
02:37
and your voice has become so quiet.
58
142000
2000
και η φωνή σου να γίνει τόσο "σιωπηλή".
02:39
So, sensors are looking at that kind of voice.
59
144000
2000
Οι αισθητήρες, λοιπόν, αναζητούν αυτού του είδους τις φωνές.
02:41
When you pick up the phone,
60
146000
2000
Όταν σηκώνεις το τηλέφωνο
02:43
how much tremor are you having,
61
148000
2000
πόσο τρέμουλο έχεις,
02:45
and what is that like, and what is that trend like over a period of time?
62
150000
3000
και πώς είναι αυτό, και πώς εμφανίζεται κατά τη διάρκεια ενός συγκεκριμένου χρονικού διαστήματος;
02:48
Are you having more trouble dialing the phone than you used to?
63
153000
2000
Μήπως έχεις μεγαλύτερο πρόβλημα να πληκτρολογήσεις κάποιον αριθμό στο τηλέφωνο από ότι παλιότερα?
02:50
Is it a dexterity problem? Is it the onset of arthritis?
64
155000
3000
Είναι πρόβλημα επιδεξιότητας; Είναι σύμπτωμα αρθρίτιδας;
02:53
Are you using the phone? Are you socializing less than you used to?
65
158000
4000
Χρησιμοποιείς το τηλέφωνο; Κοινωνικοποιείσαι λιγότερο από όσο συνήθιζες;
02:57
And looking at that pattern. And what does that decline in social health
66
162000
3000
Και κοιτώντας αυτή τη συμπεριφορά. Ποια είναι εκείνη η μείωση του μέσου όρου
03:00
mean, as a kind of a vital sign of the future?
67
165000
3000
δημόσιας υγείας, που θα αποτελεί σημαντικό δείκτη για το μέλλον;
03:03
And then wow, what a radical idea,
68
168000
3000
Και τότε, τι επαναστατική ιδέα,
03:06
we -- except in the United States --
69
171000
2000
εμείς, με εξαίρεση τις ΗΠΑ,
03:08
might be able to use this newfangled technology
70
173000
3000
ίσως να μπορέσουμε να χρησιμοποιήσουμε αυτή τη νεότευκτη τεχνολογία
03:11
to actually interact with a nurse or a doctor on the other end of the line.
71
176000
3000
ώστε να μιλήσουμε στην άλλη άκρη της γραμμής με κάποιο γιατρό ή κάποια νοσηλεύτρια τελικά.
03:14
Wow, what a great day that will be
72
179000
2000
Τι υπέροχη ημέρα θα είναι αυτή
03:16
once we're allowed to actually do those kinds of things.
73
181000
3000
μόλις θα μπορέσουμε να κάνουμε όλα αυτά τα πράγματα.
03:19
So, these are what I would call behavioral markers.
74
184000
4000
Αυτοί είναι, λοιπόν, αυτό που θα αποκαλούσα συμπεριφορικοί δείκτες.
03:23
And it's the whole field that we've been trying to work on
75
188000
3000
Και είναι ένα ολόκληρος τομεάς στον οποίο προσπαθούμε στην Intel
03:26
for the last 10 years at Intel.
76
191000
2000
να δουλέψουμε τα 10 τελευταία χρόνια.
03:28
How do you put simple disruptive technologies,
77
193000
2000
Πώς τοποθετείτε τις απλές ριξικέλευθες τεχνολογίες
03:30
and the first of five phrases that I'm going to talk about in this talk?
78
195000
2000
μέσα στις πέντε πρώτες φράσεις για τις οποίες θα κάνω λόγο σε αυτήν την ομιλία;
03:32
Behavioral markers matter.
79
197000
2000
Οι συμπεριφορικοί δείκτες είναι σημαντικοί.
03:34
How do we change behavior?
80
199000
2000
Πώς αλλάζουμε συμπεριφορά;
03:36
How do we measure changes in behavior
81
201000
2000
Πώς μετράμε τις αλλαγές στη συμπεριφορά
03:38
in a meaningful way that's going to help us with
82
203000
2000
με ένα τρόπο ο οποίος θα μας βοηθήσει με την
03:40
prevention of disease, early onset of disease,
83
205000
2000
πρόληψη της ασθένειας, την πρώιμη εμφάνιση της ασθένειας,
03:42
and tracking the progression of disease over a long period of time?
84
207000
3000
και την παρακολούθηση της εξέλιξης της ασθένειας για ένα μεγάλο χρονικό διάστημα;
03:45
Now, why would Intel let me
85
210000
3000
Τώρα, γιατί η Intel θα με άφηνε
03:48
spend a lot of time and money, over the last 10 years,
86
213000
3000
να ξοδέψω πολύ χρόνο και χρήμα, τα τελευταία 10 χρόνια,
03:51
trying to understand the needs of seniors
87
216000
2000
προσπαθώντας να κατανοήσω τις ανάγκες των ηλικιωμένων
03:53
and start thinking about these kinds of behavioral markers?
88
218000
2000
και να αρχίσω να σκέφτομαι αυτούς τους συμπεριφορικούς δείκτες;
03:55
This is some of the field work that we've done.
89
220000
3000
Αυτό είναι τμήμα της εργασίας που κάναμε.
03:58
We have now lived with 1,000 elderly households
90
223000
3000
Έχουμε ζήσει σε 1000 νοικοκυριά ηλικιωμένων
04:01
in 20 countries over the last 10 years.
91
226000
2000
σε 20 χώρες τα τελευταία 10 χρόνια.
04:03
We study people in Rochester, New York.
92
228000
2000
Μελετούμε κόσμο στο Ρότσεστερ, στη Νέα Υόρκη.
04:05
We go live with them in the winter
93
230000
2000
Ζούμε μαζί τους το χειμώνα
04:07
because what they do in the winter,
94
232000
2000
γιατί ό,τι κάνουν το χειμώνα,
04:09
and their access to healthcare, and how much they socialize,
95
234000
2000
και η πρόσβασή τους στα Κέντρα Υγείας, και πόσο κοινωνικοποιούνται
04:11
is very different than in the summer.
96
236000
2000
είναι πολύ διαφορετικά από το καλοκαίρι.
04:13
If they have a hip fracture we go with them
97
238000
2000
Αν έχουν κάταγμα ισχίου πάμε μαζί τους
04:15
and we study their entire discharge experience.
98
240000
2000
και μελετάμε ολόκληρη την διαδικασία μέχρι την έξοδο από το νοσοκομείο.
04:17
If they have a family member who is a key part of their care network,
99
242000
2000
Αν κάποιο οικογενειακό μέλος παίζει ρόλο κλειδί στο δίκτυο φροντίδας τους
04:19
we fly and study them as well.
100
244000
2000
πετάμε και τους μελετάμε και αυτούς.
04:21
So, we study the holistic health experience
101
246000
3000
Μελετάμε, λοιπόν, ολόκληρη την εμπειρία υγείας
04:24
of 1,000 seniors over the last 10 years
102
249000
2000
1000 ηλικιωμένων για τα τελευταία 10 χρόνια
04:26
in 20 different countries.
103
251000
2000
σε 20 διαφορετικές χώρες.
04:28
Why is Intel willing to fund that?
104
253000
3000
Γιατί όμως η Intel θέλει να το χρηματοδοτήσει αυτό;
04:31
It's because of the second slogan that I want to talk about.
105
256000
2000
Εξαιτίας του δεύτερου σλόγκαν για το οποίο θέλω να σας μιλήσω.
04:33
Ten years ago, when I started trying to convince Intel
106
258000
2000
Πριν 10 χρόνια, όταν προσπαθούσα να πείσω την Intel
04:35
to let me go start looking at disruptive technologies
107
260000
2000
να με αφήσει να αρχίσω να ψάχνω για μια ριξικέλευθη τεχνολογία
04:37
that could help with independent living,
108
262000
2000
η οποία θα βοηθούσε με τον ανεξάρτητο τρόπο ζωής,
04:39
this is what I called it: "Y2K + 10."
109
264000
3000
την αποκαλούσα ως: "Y2K + 10."
04:42
You know, back in 2000,
110
267000
2000
Ξέρετε, πίσω στο 2000
04:44
we were all so obsessed with paying attention
111
269000
2000
είχαμε όλοι εμμονή με
04:46
to the aging of our computers,
112
271000
2000
την γήρανση των υπολογιστών μας,
04:48
and whether or not they were going to survive
113
273000
2000
και κατά πόσο ή όχι θα επιβίωναν
04:50
the tick of the clock from 1999 to 2000,
114
275000
2000
τον κτύπο του ρολογιού από το 1999 στο 2000
04:52
that we missed a moment that only demographers were paying attention to.
115
277000
5000
ώστε χάσαμε μια στιγμή που μόνο οι δημογράφοι την πρόσεξαν.
04:57
It was right around New Years.
116
282000
2000
Ήταν περίπου γύρω στην Πρωτοχρονιά.
04:59
And that switchover,
117
284000
2000
Και σε αυτή την αλλαγή,
05:01
when we had the larger number of older people on the planet,
118
286000
3000
είχαμε μεγαλύτερο αριθμό ηλικιωμένων ανθρώπων
05:04
for the first time than younger people.
119
289000
2000
από ότι νέους ανθρώπους, για πρώτη φορά στον πλανήτη.
05:06
For the first time in human history -- and barring aliens landing
120
291000
2000
Για πρώτη φορά στην ανθρώπινη ιστορία, και αποκλείοντας την προσγείωση εξωγήινων
05:08
or some major other pandemic,
121
293000
2000
ή κάποια άλλη μεγάλη πανδημία
05:10
that's the expectation from demographers, going forward.
122
295000
3000
αυτή είναι η εκτίμηση των δημογράφων για το μέλλον.
05:13
And 10 years ago it seemed like I had a lot of time
123
298000
2000
Και πριν 10 χρόνια έμοιαζε να υπάρχει πολύ χρόνος
05:15
to convince Intel to work on this. Right?
124
300000
2000
για να πείσω την Intel να εργαστώ με αυτό. Σωστά?
05:17
Y2K + 10 was coming,
125
302000
2000
Το Y2K + 10 ερχόταν,
05:19
the baby boomers starting to retire.
126
304000
3000
όσοι γεννήθηκαν μεταπολεμικά άρχισαν να συνταξιοδοτούνται.
05:22
Well folks, it's like we know these demographics here.
127
307000
4000
Λοιπόν παιδιά, από ότι φαίνεται εδώ γνωρίζουμε αυτά τα δημογραφικά στοιχεία.
05:26
This is a map of the entire world.
128
311000
2000
Αυτός είναι ένας χάρτης ολόκληρου του κόσμου.
05:28
It's like the lights are on,
129
313000
2000
Μοιάζει σαν τα φώτα να είναι αναμένα,
05:30
but nobody's home on this demographic
130
315000
2000
αλλά κανείς δεν είναι σπίτι σε αυτό το δημογραφικό πρόβλημα
05:32
Y2K + 10 problem. Right?
131
317000
2000
του Y2K + 10. Σωστά;
05:34
I mean we sort of get it here, but we don't get it here,
132
319000
4000
Εννοώ πως το καταλαβαίνουμε εδώ, αλλά δεν το κατανοούμε εδώ.
05:38
and we're not doing anything about it.
133
323000
2000
Και δεν κάνουμε τίποτα για αυτό.
05:40
The health reform bill is largely ignoring
134
325000
2000
Η πρόταση για τη μεταρρύθμιση στην υγεία αγνοεί
05:42
the realities of the age wave that's coming,
135
327000
2000
τις πραγματικότητες του κύματος γήρανσης που έρχεται,
05:44
and the implications for what we need to do to change
136
329000
2000
και τις επιπτώσεις για αυτά που χρειάζεται να κάνουμε για να αλλάξουμε
05:46
not only how we pay for care,
137
331000
3000
όχι μόνο τον τρόπο που πληρώνουμε τη φροντίδα,
05:49
but deliver care in some radically different ways.
138
334000
3000
αλλά για να προσφέρουμε φροντίδα με μερικούς δραστικά διαφορετικούς τρόπους.
05:52
And in fact, it's upon us.
139
337000
2000
Και στην πραγματικότητα, εξαρτάται από εμάς.
05:54
I mean you probably saw these headlines. This is Catherine Casey
140
339000
3000
Εννοώ πως πιθανότατα είδατε αυτές τις επικεφαλίδες. Αυτή είναι η Κάθρην Κάσεη
05:57
who is the first boomer to actually get Social Security.
141
342000
3000
η οποία είναι το πρώτο μέλος της μεταπολεμικής γενιάς που εισέπραξε Κοινωνική Ασφάλεια.
06:00
That actually occurred this year. She took early retirement.
142
345000
2000
Αυτό συνέβη φέτος. Πήρε πρόωρη συνταξιοδότηση.
06:02
She was born one second after midnight in 1946.
143
347000
4000
Γεννήθηκε ένα δευτερόλεπτο μετά τα μεσάνυχτα το 1946.
06:06
A retired school teacher,
144
351000
2000
Μία συνταξιοδοτημένη δασκάλα.
06:08
there she is with a Social Security administrator.
145
353000
2000
Εδώ την βλέπετε μαζί με τον διευθυντή της Κοινωνικής Ασφάλειας.
06:10
The first boomer actually, we didn't even wait till 2011, next year.
146
355000
3000
Το πρώτο μέλος της μεταπολεμικής γενιάς, δεν χρειάστηκε καν να περιμένουμε μέχρι το 2011, τον επόμενο χρόνο.
06:13
We're already starting to see early retirement occur this year.
147
358000
3000
Ήδη από αυτόν τον χρόνο έχουμε αρχίσει να βλέπουμε πρόωρη συνταξιοδότηση.
06:16
All right, so it's here. This Y2K + 10 problem is at our door.
148
361000
3000
Εντάξει λοιπόν, είναι εδώ. Αυτό το Y2K + 10 πρόβλημα είναι στην πόρτα μας.
06:19
This is 50 tsunamis scheduled on the calendar,
149
364000
5000
Αυτό είναι 50 τσουνάμι προγραμματισμένα στο ημερολόγιο.
06:24
but somehow we can't sort of marshal our government
150
369000
3000
Αλλά κατά κάποιον τρόπο δεν μπορούμε να οργανώσουμε την κυβέρνησή μας
06:27
and innovative forces to sort of get out in front of it
151
372000
2000
και τις δυνάμεις καινοτομίας ώστε να βγούμε μπροστά του
06:29
and do something about it. We'll wait until
152
374000
2000
και να κάνουμε κάτι γι' αυτό. Θα περιμένουμε μέχρι
06:31
it's more of a catastrophe, and react,
153
376000
2000
να μοιάζει περισσότερο με καταστροφή, και θα αντιδράσουμε,
06:33
as opposed to prepare for it.
154
378000
2000
αντί να προετοιμαστούμε για αυτό.
06:35
So, one of the reasons it's so
155
380000
2000
Έτσι, ένας από τους λόγους που είναι τόσο
06:37
challenging to prepare for this Y2K problem
156
382000
2000
σημαντικό να ετοιμαστούμε για αυτό το Y2K πρόβλημα
06:39
is, I want to argue, we have what I would call
157
384000
2000
είναι, θέλω να επιχειρηματολογίσω, πως έχουμε αυτό που θα ονόμαζα
06:41
mainframe poisoning.
158
386000
2000
δηλητηρίαση κεντρικού συστήματος.
06:43
Andy Grove, about six or seven years ago,
159
388000
3000
Ο Άντι Γκρόουβ, περίπου έξι - εφτά χρόνια πριν,
06:46
he doesn't even know or remember this, in a Fortune Magazine article
160
391000
2000
ο ίδιος ούτε το γνωρίζει ούτε το θυμάται, σε ένα άρθρο του περιοδικού Fortune
06:48
he used the phrase "mainframe healthcare,"
161
393000
3000
χρησιμοποίησε την φράση "Κεντρικό Σύστημα Υγείας",
06:51
and I've been extending and expanding this.
162
396000
2000
και εγώ την επέκτεινα και την εμπλούτισα.
06:53
He saw it written down somewhere. He's like, "Eric that's a really cool concept."
163
398000
3000
Το είδε κάπου γραμμένο."Έρικ αυτή είναι μια πραγματικά καλή ιδέα", είπε.
06:56
I was like, "Actually it was your idea. You said it in a Fortune Magazine article.
164
401000
2000
Του απάντησα, ""Στην πραγματικότητα ήταν δική σου ιδέα. Εσύ το είπες σε ένα άρθρο του περιοδικού Fortune.
06:58
I just extended it."
165
403000
2000
Εγώ απλά το επέκτεινα."
07:00
You know, this is the mainframe.
166
405000
2000
Ξέρετε, αυτό είναι το κεντρικό σύστημα.
07:02
This mentality of traveling to
167
407000
3000
Αυτή η νοοτροπία του να ταξιδεύουμε προς
07:05
and timesharing large, expensive healthcare systems
168
410000
3000
και να μοιραζόμαστε μεγάλα ακριβά συστήματα υγείας
07:08
actually began in 1787.
169
413000
2000
στην πραγματικότητα άρχισε το 1787.
07:10
This is the first general hospital in Vienna.
170
415000
3000
Αυτό είναι το πρώτο γενικό νοσοκομείο στην Βιέννη.
07:13
And actually the second general hospital in Vienna,
171
418000
2000
Και το δεύτερο γενικό νοσοκομείο στην Βιέννη
07:15
in about 1850, was where we started to build out
172
420000
3000
περίπου το 1850, ήταν εκεί που αρχίσαμε να κτίζουμε
07:18
an entire curriculum for teaching med students specialties.
173
423000
4000
ολόκληρο πρόγραμμα σπουδών για την εκπαίδευση των φοιτητών σε ιατρικές ειδικότητες.
07:22
And it's a place in which we started developing
174
427000
2000
Και είναι ένα μέρος στο οποίο ξεκινήσαμε να αναπτύσουμε
07:24
architecture that literally divided the body,
175
429000
2000
αρχιτεκτονική η οποία κυριολεκτικά διαιρούσε το σώμα,
07:26
and divided care into departments and compartments.
176
431000
3000
και κατηγοριοποιούσε την φροντίδα σε τμήματα και διαμερίσματα.
07:29
And it was reflected in our architecture,
177
434000
2000
Και αυτό αντικατοπτριζόταν στην αρχιτεκτονική μας.
07:31
it was reflected in the way that we taught students,
178
436000
2000
Αντανακλούνταν στον τρόπο με τον οποίο διδάσκαμε τους φοιτητές.
07:33
and this mainframe mentality persists today.
179
438000
3000
Και αυτή η νοοτροπία κεντρικού συστήματος επιμένει και σήμερα.
07:36
Now, I'm not anti-hospital.
180
441000
3000
Τώρα, δεν είμαι εναντίον των νοσοκομείων.
07:39
With my own healthcare problems, I've taken drug therapies,
181
444000
2000
Εξαιτίας των προσωπικών μου προβλημάτων υγείας έχω κάνει φαρμακευτικές θεραπείες,
07:41
I've traveled to this hospital and others, many, many times.
182
446000
3000
έχω ταξιδέψει σε αυτό το νοσοκομείο και σε άλλα, πολλές πολλές φορές.
07:44
But we worship the high hospital on a hill. Right?
183
449000
4000
Αλλά λατρεύουμε το ψηλό νοσοκομείο στο λόφο. Σωστά;
07:48
And this is mainframe healthcare.
184
453000
2000
Και αυτό είναι το Κεντρικό Σύστημα Υγείας.
07:50
And just as 30 years ago
185
455000
2000
Και περίπου 30 χρόνια πριν
07:52
we couldn't conceive that we would have the power
186
457000
3000
δεν μπορούσαμε να αντιληφθούμε ότι θα είχαμε την δύναμη
07:55
of a mainframe computer that took up a room this size
187
460000
3000
ενός υπολογιστή κεντρικού συστήματος (mainframe) που είχε το μέγεθος ενός δωματίου
07:58
in our purses and on our belts,
188
463000
2000
μέσα στην τσάντα μας και πάνω στη ζώνη μας,
08:00
that we're carrying around in our cell phone today,
189
465000
2000
που κουβαλάμε σήμερα με το κινητό μας.
08:02
and suddenly, computing,
190
467000
2000
Και ξαφνικά, η πληροφορική,
08:04
that used to be an expert driven system,
191
469000
2000
η οποία ήταν ένα σύστημα οδηγούμενο από ειδικούς,
08:06
it was a personal system that we all owned as part of our daily lives --
192
471000
3000
έγινε ένα προσωπικό σύστημα το οποίο όλοι κατείχαμε ως μέρος της καθημερινότητάς μας.
08:09
that shift from mainframe to personal computing
193
474000
3000
Αυτή η αλλαγή από το κεντρικό σύστημα στους προσωπικούς υπολογιστές
08:12
is what we have to do for healthcare.
194
477000
2000
είναι αυτό που πρέπει να κάνουμε με την υγεία.
08:14
We have to shift from this mainframe mentality of healthcare
195
479000
3000
Πρέπει να αλλάξουμε από την νοοτροπία του Κεντρικού Συστήματος Υγείας
08:17
to a personal model of healthcare.
196
482000
2000
σε ένα προσωπικό μοντέλο υγείας.
08:19
We are obsessed with this way of thinking.
197
484000
3000
Έχουμε εμμονή με αυτό τον τρόπο σκέψης.
08:22
When Intel does surveys all around the world and we say,
198
487000
2000
Όταν η Intel κάνει έρευνες παντού στον κόσμο και εμείς λέμε,
08:24
"Quick response: healthcare."
199
489000
2000
"Γρήγορη απάντηση, υγεία."
08:26
The first word that comes up is "doctor."
200
491000
2000
Η πρώτη λέξη που έρχεται στο νου είναι ο ιατρός.
08:28
The second that comes up is "hospital." And the third is "illness" or "sickness." Right?
201
493000
3000
Η δεύτερη είναι το νοσοκομείο. Και η τρίτη είναι η αρρώστια ή ασθένεια. Σωστά;
08:31
We are wired, in our imagination, to think about healthcare
202
496000
4000
Είμαστε όλοι καλωδιομένοι, στη φαντασία μας, για να σκεφτούμε πως η υγεία
08:35
and healthcare innovation as something
203
500000
2000
και η καινοτομία στο χώρο της υγείας είναι κάτι
08:37
that goes into that place.
204
502000
2000
που ταιριάζει σε εκείνη τη θέση.
08:39
Our entire health reform discussion right now,
205
504000
2000
Ολόκληρη η συζήτηση για την μεταρρύθμιση υγείας σήμερα,
08:41
health I.T., when we talk with policy makers,
206
506000
3000
τμήμα Πληροφορικής, όταν μιλάμε με τους δημιουργούς πολιτικών
08:44
equals "How are we going to get doctors using
207
509000
2000
ισούται με το πώς θα κάνουμε τους ιατρούς να χρησιμοποιήσουν
08:46
electronic medical records in the mainframe?"
208
511000
2000
ηλεκτρονικούς ιατρικούς φακέλους στο κεντρικό σύστημα;
08:48
We're not thinking about
209
513000
2000
Δεν σκεφτόμαστε καθόλου
08:50
how do we shift from the mainframe to the home.
210
515000
2000
πώς θα γυρίσουμε από το κεντρικό σύστημα στο σπίτι.
08:52
And the problem with this is
211
517000
2000
Και το πρόβλημα με αυτό είναι
08:54
the way we conceive healthcare. Right?
212
519000
2000
ο τρόπος με τον οποίο αντιλαμβανόμαστε την υγεία. Σωστά;
08:56
This is a very reactive, crisis-driven system.
213
521000
2000
Αυτό είναι ένα πολύ αντιδραστικό, οδηγούμενο από κρίσεις σύστημα.
08:58
We're doing 15-minute exams with patients.
214
523000
2000
Πραματοποιούμε 15-λεπτες εξετάσεις με ασθενείς.
09:00
It's population-based.
215
525000
2000
Βασίζεται στον πληθυσμό.
09:02
We collect a bunch of biological information in this artificial setting,
216
527000
3000
Συγκεντρώνουμε ένα σωρό από βιολογικές πληροφορίες σε αυτό το τεχνητό σκηνικό.
09:05
and we fix them up, like Humpty-Dumpty all over again,
217
530000
2000
Και τους επιδιορθώνουμε, σαν καρτούν ξανά από την αρχή,
09:07
and send them home,
218
532000
2000
και τις στέλνουμε σπίτι,
09:09
and hope -- we might hand them a brochure, maybe an interactive website --
219
534000
3000
και ελπίζουμε, πως μπορεί να τους δώσουμε ένα φυλλάδιο, ίσως μια διαδραστική ιστοσελίδα
09:12
that they do as asked and don't come back into the mainframe.
220
537000
4000
στην οποία κάνουν όπως τους ζητείται χωρίς να γυρίσουν πίσω στο κεντρικό σύστημα.
09:16
And the problem is we can't afford it today, folks.
221
541000
3000
Και το πρόβλημα είναι, πως δεν μπορούμε να το χρημαδοτήσουμε σήμερα, κύριοι.
09:19
We can't afford mainframe healthcare today to include the uninsured.
222
544000
4000
Δεν μπορούμε να χρηματοδοτήσουμε το Κεντρικό Σύστημα Υγείας για να συμπεριλάβει τους ανασφάλιστους.
09:23
And now we want to do a double-double
223
548000
2000
Και τώρα θέλουμε μια απλή λύση
09:25
of the age wave coming through?
224
550000
2000
για το ηλικιακό κύμα που έρχεται;
09:27
Business as usual in healthcare is broken and we've got to do something different.
225
552000
3000
Το παρόν μοντέλο στο χώρο της υγείας δυσλειτουργεί και πρέπει να κάνουμε κάτι διαφορετικό.
09:30
We've got to focus on the home.
226
555000
2000
Πρέπει να εστιάσουμε την προσοχή μας στο σπίτι.
09:32
We've got to focus on a personal healthcare paradigm
227
557000
2000
Πρέπει να εστιάσουμε σε ένα προσωπικό παράδειγμα υγείας
09:34
that moves care to the home. How do we be more proactive,
228
559000
2000
που μεταφέρει τη φροντίδα στο σπίτι. Πώς είμαστε περισσότερο προνοητικοί,
09:36
prevention-driven?
229
561000
2000
και προληπτικοί;
09:38
How do we collect vital signs and other kinds of information 24 by 7?
230
563000
4000
Πώς συλλέγουμε ζωτικά σήματα και άλλου είδους πληροφορίες όλο το 24ωρο;
09:42
How do we get a personal baseline about what's going to work for you?
231
567000
3000
Πώς ορίζουμε ένα προσωπικό όριο για το τι θα δουλέψει για εμάς;
09:45
How do we collect not just biological data
232
570000
2000
Πως συλλέγουμε όχι μόνο βιολογικά δεδομένα
09:47
but behavioral data, psychological data,
233
572000
2000
αλλά συμπεριφορικά δεδομένα, ψυχομετρικά δεδομένα
09:49
relational data, in and on and around the home?
234
574000
3000
σχετιζόμενα δεδομένα, μέσα και πάνω και γύρω από το σπίτι;
09:52
And how do we drive compliance to be a customized care plan
235
577000
3000
Και πώς οδηγούμε την συμμόρφωση να είναι ένα διαμορφωμένο σχέδιο φροντίδας
09:55
that uses all this great technology that's around us
236
580000
2000
που χρησιμοποιεί όλη αυτή τη σπουδαία τεχνολογία που είναι γύρω μας
09:57
to change our behavior?
237
582000
2000
ώστε να αλλάξει τη συμπεριφορά μας;
09:59
That's what we need to do for our personal health model.
238
584000
3000
Αυτό πρέπει να κάνουμε για το προσωπικό μοντέλο υγείας.
10:02
I want to give you a couple of examples. This is Mimi
239
587000
2000
Θέλω να σας δώσω μερικά παραδείγματα. Αυτή είναι η Μίμη
10:04
from one of our studies --
240
589000
2000
από κάποια από τις έρευνές μας --
10:06
in her 90s, had to move out of her home
241
591000
2000
στα 90 της, έπρεπε να μεταφερθεί έξω από το σπίτι της
10:08
because her family was worried about falls.
242
593000
2000
επειδή η οικογένειά της ανησυχούσε για τις πτώσεις της.
10:10
Raise your hand if you had a serious fall
243
595000
2000
Σηκώστε το χέρι σας αν είχατε κάποια σοβαρή πτώση
10:12
in your household, or any of your loved ones,
244
597000
2000
στο σπίτι σας, ή αν είχε κάποιος από τους δικούς σας,
10:14
your parents or so forth. Right?
245
599000
2000
τους γονείς σας ή κάτι τέτοιο. Σωστά;
10:16
Classic. Hip fracture often leads to institutionalization of a senior.
246
601000
4000
Κλασικό. Κάταγμα στο γοφό συχνά οδηγεί στον εγκλισμό του ηλικιωμένου σε ίδρυμα.
10:20
This is what was happening to Mimi; the family was worried about it,
247
605000
2000
Αυτό συνέβαινε στην Μίμη, η οικογένεια ανησυχούσε για αυτό,
10:22
moved her out of her own home into an assisted living facility.
248
607000
3000
την πήρε από το σπίτι της, σε ένα ίδρυμα για ηλικιωμένους.
10:25
She tripped over her oxygen tank.
249
610000
3000
Σκόνταψε πάνω στη φιάλη οξυγόνου της.
10:28
Many people in this generation won't press the button,
250
613000
2000
Πολλοί άνθρωποι αυτής της γενιάς δεν θα πατήσουν το κουμπί,
10:30
even if they have an alert call system, because they don't want to bother anybody,
251
615000
2000
ακόμα και αν έχουν ένα σύστημα συναγερμού, επειδή δεν θέλουν να ανησυχήσουν τους άλλους,
10:32
even though they've been paying 30 dollars a month.
252
617000
2000
ακόμα και αν πληρώνουν 30 δολάρια το μήνα.
10:34
Boomers will press the button. Trust me.
253
619000
2000
Η μεταπολεμική γενιά θα πατήσει το κουμπί. ΠΙστέψτε με.
10:36
They're going to be pressing that button non-stop. Right?
254
621000
4000
Θα πατούν το κουμπί ασταμάτητα. Σωστά;
10:40
Mimi broke her pelvis, lay all night, all morning,
255
625000
4000
Η Μίμη έσπασε την λεκάνη της, έμεινε πεσμένη όλη την νύχτα, όλο το πρωί,
10:44
finally somebody came in and found her,
256
629000
2000
τελικά κάποιος ήρθε και την βρήκε,
10:46
sent her to the hospital.
257
631000
2000
και την έστειλε στο νοσοκομείο.
10:48
They fixed her back up. She was never going to be able to move back
258
633000
2000
Την βοήθησαν να αναρρώσει. Δεν πρόκειται ποτέ να επιστρέψει
10:50
into the assisted living. They put her into the nursing home unit.
259
635000
2000
στο ίδρυμα για ηλικιωμένους. Την εισήγαγαν σε κλινική.
10:52
First night in the nursing home unit where she had been
260
637000
2000
Την πρώτη νύχτα στην κλινική όπου είχε βρεθεί
10:54
in the same assisted living facility, moved her from one bed to another,
261
639000
3000
στο ίδιο ίδρυμα για ηλικιωμένους, την μετέφεραν από το ένα κρεβάτι στο άλλο,
10:57
kind of threw her, rebroke her pelvis,
262
642000
2000
περίπου την πέταξαν, της ξαναέσπασαν τη λεκάνη.
10:59
sent her back to the hospital that she had just come from,
263
644000
3000
Την έστειλαν πίσω στο νοσοκομείο απ' όπου είχε μόλις έλθει,
11:02
no one read the chart, put her on Tylenol,
264
647000
2000
κανείς δεν διάβασε το ιστορικό της, της έδωσαν αγωγή για Tylenol,
11:04
which she is allergic to, broke out, got bedsores,
265
649000
2000
στο οποίο ήταν αλλεργική, αυτό προκάλεσε αντίδραση, απέκτησε πληγές από την ακινησία
11:06
basically, had heart problems, and died
266
651000
3000
βασικά, είχε καρδιακά προβλήματα, και κατέληξε
11:09
from the fall and the complications and the errors that were there.
267
654000
3000
από την πτώση και τις επιπλοκές και τα λάθη τα οποία έγιναν.
11:12
Now, the most frightening thing about this is
268
657000
4000
Τώρα, το πιο τρομακτικό σχετικά με αυτήν την ιστορία είναι,
11:16
this is my wife's grandmother.
269
661000
3000
ότι αυτή είναι η γιαγιά της γυναίκας μου.
11:19
Now, I'm Eric Dishman. I speak English,
270
664000
2000
Τώρα, εγώ είμαι ο Έρικ Ντίσμαν. Μιλώ Αγγλικά.
11:21
I work for Intel, I make a good salary,
271
666000
2000
Δουλεύω για την Intel. Παίρνω ένα καλό μισθό.
11:23
I'm smart about falls and fall-related injuries --
272
668000
3000
Είμαι ενήμερος για τις πτώσεις και για τα σχετικά ατυχήματα.
11:26
it's an area of research that I work on.
273
671000
2000
Είναι το πεδίο έρευνας στο οποίο δουλεύω.
11:28
I have access to senators and CEOs.
274
673000
3000
Έχω πρόσβαση σε γερουσιαστές και Διευθύνοντες Συμβούλους.
11:31
I can't stop this from happening.
275
676000
2000
Δεν μπορώ να το σταματήσω από το να συμβεί.
11:33
What happens if you don't have money, you don't speak English
276
678000
2000
Τι συμβαίνει αν δεν έχεις χρήματα, δεν μιλάς αγγλικά,
11:35
or don't have the kind of access
277
680000
2000
ή αν δεν έχεις το είδος της πρόσβασης
11:37
to deal with these kinds of problems that inevitably occur?
278
682000
3000
για να αντιμετωπίσεις αυτού του είδους τα προβλήματα που αναπόφευκτα συμβαίνουν;
11:40
How do we actually prevent the vast majority of falls
279
685000
3000
Πώς μπορούμε να σταματήσουμε την μεγάλη πλειοψηφία των πτώσεων
11:43
from ever occurring in the first place?
280
688000
2000
από το να συμβούν;
11:45
Let me give you a quick example of work that we're doing
281
690000
2000
Επιτρέψτε μου να σας δώσω ένα γρήγορο παράδειγμα της εργασίας που κάνουμε
11:47
to try to do exactly that.
282
692000
2000
για να επιτύχουμε ακριβώς αυτό.
11:49
I've been wearing a little technology that we call Shimmer.
283
694000
3000
Φορώ μια μικρή τεχνολογία την οποία αποκαλούμε Shimmer.
11:52
It's a research platform.
284
697000
2000
Είναι μια ερευνητική πλατφόρμα.
11:54
It has accelerometry. You can plug in a three-lead ECG.
285
699000
3000
Έχει μετρητή επιτάχυνσης. Μπορείτε να το συνδέσετε σε ένα ηλεκτροκαρδιογράφημα τριών εισόδων.
11:57
There is all kinds of sort of plug-and-play
286
702000
2000
Υπάρχουν όλα τα είδη από plug and play (σύνδεση και λειτουργία)
11:59
kind of Legos that you can do to capture, in the wild,
287
704000
2000
όπως τα Legos με τα οποία μπορείς να συλλάβεις, στην "άγρια φύση",
12:01
in the real world,
288
706000
2000
στον πραγματικό κόσμο,
12:03
things like tremor, gait,
289
708000
2000
πράγματα όπως το τρέμουλο, το βήμα,
12:05
stride length and those kinds of things.
290
710000
2000
το μήκος του διασκελισμού, και τέτοιου είδους πράγματα.
12:07
The problem is, our understanding of falls today,
291
712000
4000
Το πρόβλημα είναι, πως η αντίληψή μας για τις πτώσεις, σήμερα,
12:11
like Mimi, is get a survey in the mail three months after you fell,
292
716000
3000
όπως στην Μίμη, βασίζεται σε έρευνα στο εμπορικό κέντρο, τρεις μήνες αφού πέσεις,
12:14
from the State, saying, "What were you doing when you fell?"
293
719000
3000
όπου ρωτούμε "Τι έκανες όταν έπεσες;".
12:17
That's sort of the state of the art.
294
722000
2000
Αυτό είναι περίπου το καλύτερο που μπορούμε να κάνουμε.
12:19
But with something like Shimmer, or we have something called the Magic Carpet,
295
724000
3000
Αλλά με κάτι όπως το Shimmer, ή έχουμε κάτι που ονομάζουμε Μαγικό Χαλί,
12:22
embedded sensors in carpet, or camera-based systems
296
727000
2000
ενσωματωμένοι αισθητήρες στο χαλί, ή συστήματα με κάμερες
12:24
that we borrowed from sports medicine,
297
729000
2000
τα οποία έχουμε δανειστεί από την αθλητιατρική,
12:26
we're starting for the first time in those 600 elderly households
298
731000
3000
ξεκινάμε για πρώτη φορά σε αυτά τα 600 νοικοκυριά ηλικιωμένων
12:29
to collect actual kinematic motion data
299
734000
3000
για να συλλέξουμε πραγματικές κινηματικές εικόνες δράσης
12:32
to understand: What are the subtle changes that are occurring
300
737000
4000
και να καταλάβουμε ποιες είναι οι λεπτές αλλαγές που συμβαίνουν
12:36
that can show us that mom has become risk at falls?
301
741000
3000
και οι οποίες μπορούν να μας δείξουν ότι η μαμά είναι επιρρεπής στις πτώσεις.
12:39
And most often we can do two interventions,
302
744000
2000
Και πολύ συχνά μπορούμε να κάνουμε δύο παρεμβάσεις,
12:41
fix the meds mix.
303
746000
2000
και να φτιάξουμε το μείγμα των φαρμάκων.
12:43
I'm a qualitative researcher, but when I look at these data streams coming in
304
748000
3000
Είμαι ερευνητής ποιότητας, αλλά όταν βλέπω αυτές τις ροές δεδομένων να έρχονται
12:46
from these homes, I can look at the data and tell you the day
305
751000
3000
από αυτά τα ιδρύματα, μπορώ να δω τα δεδομένα και να σας πω τη μέρα
12:49
that some doctor prescribed them something that nobody else
306
754000
2000
που κάποιος γιατρός συνταγογράφησε κάτι το οποίο κανένας άλλος
12:51
knew that they were on, because we see the changes
307
756000
2000
δεν ήξερε ότι έπαιρναν. Επειδή βλέπουμε τις αλλαγές
12:53
in their patterns in the household. Right?
308
758000
3000
στη συμπεριφορά τους στο σπίτι. Σωστά;
12:56
These discoveries of behavioral markers,
309
761000
3000
Αυτές οι ανακαλύψεις των συμπεριφορικών δεικτών,
12:59
and behavioral changes
310
764000
2000
και των αλλαγών στην συμπεριφορά
13:01
are game changing, and like the discovery of the microscope
311
766000
2000
είναι ανατρεπτικές, και όπως η ανακάλυψη του μικροσκοπίου
13:03
because of our collecting data streams that we've actually never done before.
312
768000
3000
επειδή πλέον συλλέγουμε ροές δεδομένων το οποίο δεν κάναμε ποτέ πριν στο παρελθόν.
13:06
This is an example in our TRIL Clinic in Ireland
313
771000
2000
Αυτό είναι ένα παράδειγμα της κλινικής μας Τριλ στην Ιρλανδία
13:08
of -- actually what you're seeing is
314
773000
2000
από... στην πραγματικότητα αυτό που βλέπετε είναι ότι
13:10
she's looking at data,
315
775000
2000
κοιτάζει τα δεδομένα
13:12
in this picture, from the Magic Carpet.
316
777000
2000
σε αυτήν την φωτογραφία, από το Μαγικό Χαλί.
13:14
So, we have a little carpet that you can look at your amount of postural sway,
317
779000
3000
Έτσι, με ένα μικρό χαλί μπορείτε να δείτε το μέγεθος της ταλάντευσης της στάσης του σώματος,
13:17
and look at the changes in your postural sway over many months.
318
782000
3000
και να κοιτάξετε τις αλλαγές της σε ένα χρονικό διάστημα μηνών.
13:20
Here's what some of this data might look like.
319
785000
2000
Εδώ βλέπετε πώς θα μοιάζουν στο περίπου κάποια από τα δεδομένα.
13:22
This is actually sensor firings.
320
787000
2000
Αυτά είναι ενεργοποιήσεις των αισθητήρων.
13:24
These are two different subjects in our study.
321
789000
2000
Υπάρχουν δύο διαφορετικά αντικείμενα στην έρευνά μας.
13:26
It's about a year's worth of data.
322
791000
2000
Πρόκειται για συλλογή δεδομένων ενός ολόκληρου χρόνου.
13:28
The color represents different rooms they are in the house.
323
793000
3000
Το χρώμα αντιπροσωπεύει τα διαφορετικά δωμάτια που υπάρχουν στο σπίτι.
13:31
This person on the left is living in their own home.
324
796000
2000
Το άτομο στα αριστερά μένει στο δικό του σπίτι.
13:33
This person on the right is actually living in an assisted living facility.
325
798000
3000
Αυτό το άτομο στα δεξιά μένει σε ένα ίδρυμα ηλικιωμένων.
13:36
I know this because look at how punctuated meal time is
326
801000
3000
Το γνωρίζω αυτό επειδή βλέπω πόσο ακριβής είναι η ώρα του γεύματος όταν
13:39
when they are no longer in their particular rooms here. Right?
327
804000
3000
δεν βρίσκονται πλέον σε αυτά τα συγκεκριμένα δωμάτια εδώ. Σωστά;
13:42
Now, this doesn't mean that much to you.
328
807000
3000
Τώρα, αυτά δεν σημαίνουν κάτι το ιδιαίτερο για εσάς.
13:45
But when we look at these cycles of data
329
810000
2000
Αλλά όταν βλέπουμε αυτούς τους κύκλους δεδομένων
13:47
over a longer period of time -- and we're looking at everything from
330
812000
2000
για ένα μεγάλο χρονικό διάστημα, και κοιτάμε τα πάντα από την
13:49
motion around different rooms in the house,
331
814000
2000
κίνηση στα διάφορα δωμάτια του σπιτιού,
13:51
to sort of micro-motions that Shimmer picks up,
332
816000
3000
μέχρι τις μικρο-κινήσεις τις οποίες λαμβάνει το Shimmer,
13:54
about gait and stride length -- these streams of data
333
819000
2000
σχετικά με το βηματισμό και το μήκος του διασκελισμού, αυτές οι ροές δεδομένων
13:56
are starting to tell us things about behavioral patterns
334
821000
2000
αρχίζουν να μας λένε πράγματα σχετικά με τα συμπεριφορικά πρότυπα
13:58
that we've never understood before.
335
823000
2000
τα οποία δεν είχαμε καταλάβει ποτέ στο παρελθόν.
14:00
You can go to ORCATech.org --
336
825000
2000
Μπορείτε να πάτε στο ORCATech.org --
14:02
it has nothing to do with whales, it's the Oregon Center for Aging and Technology --
337
827000
3000
δεν έχει να κάνει τίποτα με τις φάλαινες, είναι το Κέντρο του Όρεγκον για τη Γήρανση και την Τεχνολογία --
14:05
to see more about that.
338
830000
2000
και να δείτε περισσότερα σχετικά με αυτά.
14:07
The problem is, Intel is still one of the largest
339
832000
2000
Το πρόβλημα είναι, η Intel είναι ακόμα ένας από τους μεγαλύτερους
14:09
funders in the world
340
834000
2000
επενδυτές στον κόσμο
14:11
of independent living technology research.
341
836000
3000
στην έρευνα τεχνολογιών αυτόνομης διαβίωσης.
14:14
I'm not bragging about how much we fund;
342
839000
2000
Δεν καυχιέμαι σχετικά με το πόσο επενδύουμε,
14:16
it's how little anyone else actually pays attention
343
841000
2000
αλλά σημειώνω πόσο λίγο οποιοσδήποτε άλλος δίνει προσοχή
14:18
to aging and funds innovation on aging,
344
843000
3000
στη γήρανση και χρηματοδοτεί την καινοτομία στη γήρανση,
14:21
chronic disease management and independent living in the home.
345
846000
3000
στη διαχείριση των χρόνιων νοσημάτων, και στην αυτόνομη διαβίωση στο σπίτι.
14:24
So, my mantra here, my fourth slogan is:
346
849000
2000
Έτσι, το μάντρα μου εδώ, το τέταρτό μου σλόγκαν είναι:
14:26
10,000 households or bust.
347
851000
3000
10,000 σπιτικά ή διάλυση.
14:29
We need to drive
348
854000
2000
Χρειάζεται να προωθήσουμε
14:31
a national, if not international, Framingham-type heart study
349
856000
4000
μια εθνική, εάν όχι διεθνή, έρευνα τύπου Φράνινγκχαμ
14:35
of independent living technologies,
350
860000
2000
για τεχνολογίες αυτόνομης διαβίωσης,
14:37
where we have 10,000 elderly connected households
351
862000
3000
όπου έχουμε 10,000 συνδεδεμένα σπιτικά ηλικιωμένων
14:40
with broadband, full medical characterization,
352
865000
3000
με ευρυζωνικό, πλήρη ιατρικό χαρακτήρα,
14:43
and a platform by which we can start to experiment
353
868000
2000
και μια πλατφόρμα με την οποία μπορούμε να αρχίσουμε να πειραματιζόμαστε
14:45
and turn these from 20-household anecdotal studies
354
870000
3000
και να μετατρέψουμε αυτές τις ανέκδοτες έρευνες σε είκοσι σπίτια
14:48
that the universities fund,
355
873000
2000
τις οποίες τα πανεπιστήμια χρηματοδοτούν,
14:50
to large clinical trials that prove out the value of these technologies.
356
875000
3000
σε μεγάλες κλινικές έρευνες που αποδεικνύουν την αξία αυτών των τεχνολογιών.
14:53
So, 10,000 households or bust.
357
878000
2000
Οπότε, 10,000 σπιτικά ή διάλυση.
14:55
These are just some of the households that we've done in the Intel studies.
358
880000
4000
Αυτά είναι μερικά από τα νοικοκυριά που χρησιμοποιήσαμε στις έρευνες της Intel.
14:59
My fifth and final phrase:
359
884000
2000
Η πέμπτη και τελευταία φράση μου:
15:01
I have tried for two years,
360
886000
2000
Προσπάθησα για δύο χρόνια,
15:03
and there were moments when we were quite close,
361
888000
3000
και υπήρχαν στιγμές που είμαστε αρκετά κοντά,
15:06
to make this healthcare reform bill be about reform
362
891000
3000
να κάνουμε το νομοσχέδιο για την μεταρρύθμιση στην υγεία να είναι σχετικό με τη μεταρρύθμιση
15:09
from something and to something,
363
894000
2000
από κάτι και προς κάτι.
15:11
from a mainframe model
364
896000
2000
Από ένα κεντρικοποιημένο μοντέλο
15:13
to a personal health model,
365
898000
2000
σε ένα προσωπικό μοντέλο υγείας,
15:15
or to mean something more than just a debate
366
900000
2000
ή να σημαίνει κάτι περισσότερο από απλώς μια συζήτηση
15:17
about the public option and how we're going to finance.
367
902000
2000
σχετικά με τη δημόσια επιλογή και πώς θα τη χρηματοδοτήσουμε.
15:19
It doesn't matter how we finance healthcare.
368
904000
3000
Δεν έχει σημασία πώς χρηματοδοτούμε το σύστημα υγείας.
15:22
We're going to figure something out
369
907000
2000
Θα βρούμε κάποιον τρόπο
15:24
for the next 10 years, and try it.
370
909000
2000
για τα επόμενα 10 χρόνια, και θα τον δοκιμάσουμε.
15:26
No matter who pays for it,
371
911000
2000
Ανεξάρτητα ποιος πληρώνει για αυτό,
15:28
we better start doing care in a fundamentally different way
372
913000
2000
πρέπει να αρχίσουμε να προσφέρουμε φροντίδα με ένα θεμελιωδώς διαφορετικό τρόπο
15:30
and treating the home and the patient
373
915000
3000
και να φροντίσουμε ώστε το σπίτι και ο ασθενής
15:33
and the family member and the caregivers
374
918000
2000
και τα μέλη της οικογένειας, και αυτοί που προσφέρουν φροντίδα
15:35
as part of these coordinated care teams
375
920000
2000
να είναι τμήμα αυτών των συνεργαζόμενων ομάδων φροντίδας
15:37
and using disruptive technologies that are already here
376
922000
4000
και να χρησιμοποιούν αυτές τις ανατρεπτικές τεχνολογίες που ήδη υπάρχουν
15:41
to do care in some pretty fundamental different ways.
377
926000
3000
ώστε να προσφέρουν φροντίδα με κάποιους αρκετά θεμελιωδώς διαφορετικά τρόπους.
15:44
The president needs to stand up and say,
378
929000
3000
Ο πρόεδρος πρέπει να σταθεί και να πει,
15:47
at the end of a healthcare reform debate,
379
932000
3000
στο τέλος της διαβούλευσης για τη μεταρρύθμιση στην υγεία,
15:50
"Our goal as a country is to move 50 percent of care
380
935000
3000
"Ο στόχος μας ως χώρα είναι να μεταφέρουμε το 50 τοις εκατό της φροντίδας
15:53
out of institutions, clinics, hospitals and nursing homes,
381
938000
3000
εκτός ιδρυμάτων, κλινικών, νοσοκομείων και χώρων περίθαλψης,
15:56
to the home, in 10 years."
382
941000
2000
στο σπίτι, σε 10 χρόνια."
15:58
It's achievable. We should do it economically,
383
943000
2000
Είναι εφικτό. Θα έπρεπε να το κάνουμε οικονομικά.
16:00
we should do it morally,
384
945000
2000
Θα έπρεπε να το κάνουμε ηθικά.
16:02
and we should do it for quality of life.
385
947000
2000
Και θα έπρεπε να το κάνουμε για την ποιότητα της ζωής.
16:04
But there is no goal within this health reform.
386
949000
2000
Αλλά δεν υπάρχει στόχος σε αυτή τη μεταρρύθμιση υγείας.
16:06
It's just a mess today.
387
951000
2000
Σήμερα είναι απλά ένα χάος.
16:08
So, you know, that's my last message to you.
388
953000
2000
Έτσι, ξέρετε, αυτό είναι το τελευταίο μήνυμά μου σε εσάς.
16:10
How do we set a going-to-the-moon goal
389
955000
3000
Πώς ορίζουμε ένα στόχο του μεγέθους "πάμε στο φεγγάρι"
16:13
of dealing with the Y2K +10 problem that's coming?
390
958000
4000
για να αντιμετωπίσουμε το πρόβλημα Y2K +10 που έρχεται;
16:17
It's not that innovation and technology is going to be the
391
962000
2000
Δεν είναι η καινοτομία και η τεχνολογία η οποία θα είναι
16:19
magic pill that cures all, but it's going to be part of the solution.
392
964000
3000
το μαγικό χάπι που θα θεραπεύσει τα πάντα, αλλά θα είναι μέρος της λύσης.
16:22
And if we don't create a personal health movement,
393
967000
3000
Και αν δεν δημιουργήσουμε ένα κίνημα για προσωποκεντρική υγεία,
16:25
something that we're all aiming towards in reform,
394
970000
2000
κάτι στο οποίο στοχεύουμε όλοι στη μεταρρύθμιση,
16:27
then we're going to move nowhere.
395
972000
2000
δεν θα καταλήξουμε πουθενά.
16:29
So, I hope you'll turn this conference into that kind of movement forward.
396
974000
2000
Έτσι, ελπίζω πως θα μετατρέψετε αυτό το συνέδριο σε αυτήν την μορφή κινήματος προς τα εμπρός.
16:31
Thanks very much.
397
976000
2000
Σας ευχαριστώ πολύ.
16:33
(Applause)
398
978000
3000
(Χειροκρότημα)
ABOUT THE SPEAKER
Eric Dishman - Social scientistEric Dishman does health care research for Intel -- studying how new technology can solve big problems in the system for the sick, the aging and, well, all of us.
Why you should listen
Eric Dishman is an Intel Fellow and general manager of Intel's Health Strategy & Solutions Group. He founded the product research and innovation team responsible for driving Intel’s worldwide healthcare research, new product innovation, strategic planning, and health policy and standards activities.
Dishman is recognized globally for driving healthcare reform through home and community-based technologies and services, with a focus on enabling independent living for seniors. His work has been featured in The New York Times, Washington Post and Businessweek, and The Wall Street Journal named him one of “12 People Who Are Changing Your Retirement.” He has delivered keynotes on independent living for events such as the annual Consumer Electronics Show, the IAHSA International Conference and the National Governors Association. He has published numerous articles on independent living technologies and co-authored government reports on health information technologies and health reform.
He has co-founded organizations devoted to advancing independent living, including the Technology Research for Independent Living Centre, the Center for Aging Services Technologies, the Everyday Technologies for Alzheimer’s Care program, and the Oregon Center for Aging & Technology.
Eric Dishman | Speaker | TED.com