TEDMED 2011
Sheila Nirenberg: A prosthetic eye to treat blindness
שילה נירנברג: עין תותבת לטיפול בעיוורון
Filmed:
Readability: 4.3
470,530 views
בTEDMED, שילה נירנברג מציגה דרך נועזת להשיב לסובלים מסוגים שונים של עיוורון את מאור עיניהם: התחברות לעצב האופטי ושליחת אותות ממצלמה היישר למוח.
Sheila Nirenberg - Neuroscientist
Sheila Nirenberg studies how the brain encodes information -- possibly allowing us to decode it, and maybe develop prosthetic sensory devices. Full bio
Sheila Nirenberg studies how the brain encodes information -- possibly allowing us to decode it, and maybe develop prosthetic sensory devices. Full bio
Double-click the English transcript below to play the video.
00:15
I study how the brain processes
0
0
2000
אני חוקרת כיצד המוח מעבד
00:17
information. That is, how it takes
1
2000
2000
מידע. כלומר, כיצד הוא לוקח
00:19
information in from the outside world, and
2
4000
2000
מידע מן העולם החיצוני,
00:21
converts it into patterns of electrical activity,
3
6000
2000
וממיר אותו לתבניות של פעילות חשמלית,
00:23
and then how it uses those patterns
4
8000
2000
וכיצד הוא משתמש בתבניות הללו
00:25
to allow you to do things --
5
10000
2000
כדי לאפשר לנו לעשות דברים:
00:27
to see, hear, to reach for an object.
6
12000
2000
לראות, לשמוע, לגעת בחפץ.
00:29
So I'm really a basic scientist, not
7
14000
2000
אז למעשה אני מדענית,
00:31
a clinician, but in the last year and a half
8
16000
2000
לא קלינאית, אך בשנה וחצי האחרונות
00:33
I've started to switch over, to use what
9
18000
2000
עברתי את הקווים כדי להשתמש במה
00:35
we've been learning about these patterns
10
20000
2000
שלמדנו על התבניות הללו
00:37
of activity to develop prosthetic devices,
11
22000
3000
כדי לפתח תותבים.
00:40
and what I wanted to do today is show you
12
25000
2000
היום אני רוצה להראות לכם
00:42
an example of this.
13
27000
2000
דוגמא לכך.
00:44
It's really our first foray into this.
14
29000
2000
זהו באמת הניסיון הראשון שלנו
00:46
It's the development of a prosthetic device
15
31000
2000
לפיתוח של מתקן תותב
00:48
for treating blindness.
16
33000
2000
שיירפא עיוורון.
00:50
So let me start in on that problem.
17
35000
2000
הבה נתחיל בבעיה.
00:52
There are 10 million people in the U.S.
18
37000
2000
ישנם 10 מיליון אנשים בארה"ב,
00:54
and many more worldwide who are blind
19
39000
2000
והרבה יותר ברחבי העולם, עיוורים
00:56
or are facing blindness due to diseases
20
41000
2000
או שסובלים מעיוורון עכב מחלות
00:58
of the retina, diseases like
21
43000
2000
רשתית, מחלות כגון
01:00
macular degeneration, and there's little
22
45000
2000
ניוון מקולרי, ורק מעט ניתן
01:02
that can be done for them.
23
47000
2000
לעשות למענם.
01:04
There are some drug treatments, but
24
49000
2000
ישנם טיפולים תרופתיים,
01:06
they're only effective on a small fraction
25
51000
2000
אך הם יעילים רק עבור חלק
01:08
of the population. And so, for the vast
26
53000
2000
קטן מהאוכלוסייה. כך שעבור הרוב
01:10
majority of patients, their best hope for
27
55000
2000
הגדול של המטופלים, התקווה הגדולה
01:12
regaining sight is through prosthetic devices.
28
57000
2000
היא השבת הראייה בעזרת מכשיר תותב.
01:14
The problem is that current prosthetics
29
59000
2000
הבעיה עם התותבים הנוכחיים היא
01:16
don't work very well. They're still very
30
61000
2000
שאינם עובדים טוב במיוחד.
01:18
limited in the vision that they can provide.
31
63000
2000
הראייה שהם מספקים עדיין מוגבלת.
01:20
And so, you know, for example, with these
32
65000
2000
כך, לדוגמא, בעזרת המכשירים האלה,
01:22
devices, patients can see simple things
33
67000
2000
מטופל יכול לראות דברים פשוטים
01:24
like bright lights and high contrast edges,
34
69000
2000
כגון אורות בוהקים או ניגוד צבעים חזק,
01:26
not very much more, so nothing close
35
71000
2000
ולא הרבה יותר. אז לא היה
01:28
to normal vision has been possible.
36
73000
3000
פתרון הקרוב לראיה נורמלית.
01:31
So what I'm going to tell you about today
37
76000
2000
היום אספר לכם על
01:33
is a device that we've been working on
38
78000
2000
מתקן שאנו עובדים עליו,
01:35
that I think has the potential to make
39
80000
2000
ואני מאמינה שיהיה מסוגל
01:37
a difference, to be much more effective,
40
82000
2000
לחולל שינוי, להיות יעיל בהרבה,
01:39
and what I wanted to do is show you
41
84000
2000
ורציתי להראות לכם כיצד הוא עובד.
01:41
how it works. Okay, so let me back up a
42
86000
2000
אוקיי, בואו נחזור מעט אחורה
01:43
little bit and show you how a normal retina
43
88000
2000
ותחילה נראה כיצד עובדת רשתית רגילה,
01:45
works first so you can see the problem
44
90000
2000
כדי שתוכלו להבין את הבעיה
01:47
that we were trying to solve.
45
92000
2000
שאנו מנסים לפתור.
01:49
Here you have a retina.
46
94000
2000
הנה רשתית.
01:51
So you have an image, a retina, and a brain.
47
96000
2000
הנה תמונה, רשתית ומוח.
01:53
So when you look at something, like this image
48
98000
2000
כשאתם מסתכלים על משהו, כמו תמונה
01:55
of this baby's face, it goes into your eye
49
100000
2000
של תינוק, היא נכנסת לתוך עינכם
01:57
and it lands on your retina, on the front-end
50
102000
2000
ונוחתת על הרשתית שלכם, על התאים
01:59
cells here, the photoreceptors.
51
104000
2000
הקדמיים, הפוטורצפטורים.
02:01
Then what happens is the retinal circuitry,
52
106000
2000
מה שקורה כעת הוא שהמעגלים הרשתיים,
02:03
the middle part, goes to work on it,
53
108000
2000
החלק האמצעי, מתחיל לפעול,
02:05
and what it does is it performs operations
54
110000
2000
הוא מבצע על התמונה פעולות,
02:07
on it, it extracts information from it, and it
55
112000
2000
מוציא ממנה את המידע,
02:09
converts that information into a code.
56
114000
2000
וממיר את המידע לקוד.
02:11
And the code is in the form of these patterns
57
116000
2000
הקוד הזה הוא בצורת תבניות של
02:13
of electrical pulses that get sent
58
118000
2000
פולסים חשמליים שנשלחים
02:15
up to the brain, and so the key thing is
59
120000
2000
אל המוח, הדבר החשוב הוא
02:17
that the image ultimately gets converted
60
122000
2000
שהתמונה, בסופו של דבר, מומרת
02:19
into a code. And when I say code,
61
124000
2000
לקוד. וכשאני אומרת קוד,
02:21
I do literally mean code.
62
126000
2000
אני מתכוונת, מילולית, לקוד.
02:23
Like this pattern of pulses here actually means "baby's face,"
63
128000
3000
למשל תבנית זו של פולסים אומרת "פנים של תינוק",
02:26
and so when the brain gets this pattern
64
131000
2000
וכשהמוח מקבל את תבנית הפולסים
02:28
of pulses, it knows that what was out there
65
133000
2000
הזו, הוא יודע שיש שם
02:30
was a baby's face, and if it
66
135000
2000
פנים של תינוק, ואם הוא היה
02:32
got a different pattern it would know
67
137000
2000
מקבל תבנית אחרת, הוא היה יודע
02:34
that what was out there was, say, a dog,
68
139000
2000
שמה שיש שם הוא, נניח, כלב,
02:36
or another pattern would be a house.
69
141000
2000
או תבנית אחרת תהיה בית.
02:38
Anyway, you get the idea.
70
143000
2000
בכל מקרה, הבנתם את הרעיון.
02:40
And, of course, in real life, it's all dynamic,
71
145000
2000
ובמציאות, כמובן, הכל דינאמי,
02:42
meaning that it's changing all the time,
72
147000
2000
כלומר משתנה כל הזמן,
02:44
so the patterns of pulses are changing
73
149000
2000
אז תבניות הפולסים משתנות
02:46
all the time because the world you're
74
151000
2000
כל הזמן, מכיוון שהעולם
02:48
looking at is changing all the time too.
75
153000
3000
שאתם מתבוננים בו משתנה כל הזמן.
02:51
So, you know, it's sort of a complicated
76
156000
2000
אז, אתם יודעים, זה דבר יחסית
02:53
thing. You have these patterns of pulses
77
158000
2000
מורכב, תבניות הפולסים האלה
02:55
coming out of your eye every millisecond
78
160000
2000
יוצאות מעינכם כל אלפית שניה,
02:57
telling your brain what it is that you're seeing.
79
162000
2000
מספרות למוח מה אתם רואים.
02:59
So what happens when a person
80
164000
2000
אז מה קורה כשאדם
03:01
gets a retinal degenerative disease like
81
166000
2000
לוקה במחלת ניוון של הרשתית כמו
03:03
macular degeneration? What happens is
82
168000
2000
ניוון מקולרי? מה שקורה הוא
03:05
is that, the front-end cells die,
83
170000
2000
שהתאים הקדמיים מתים,
03:07
the photoreceptors die, and over time,
84
172000
2000
הפוטורצפטורים מתים, ובמהלך הזמן
03:09
all the cells and the circuits that are
85
174000
2000
כל התאים והמעגלים
03:11
connected to them, they die too.
86
176000
2000
המקושרים אליהם מתים גם.
03:13
Until the only things that you have left
87
178000
2000
עד שהדבר היחיד שנותר הם
03:15
are these cells here, the output cells,
88
180000
2000
התאים האלה כאן, תאי הפלט,
03:17
the ones that send the signals to the brain,
89
182000
2000
אלה ששולחים את האותות למוח,
03:19
but because of all that degeneration
90
184000
2000
אבל בגלל הניוון,
03:21
they aren't sending any signals anymore.
91
186000
2000
הם לא שולחים יותר אותות כלל.
03:23
They aren't getting any input, so
92
188000
2000
הם גם לא מקבלים שם קלט,
03:25
the person's brain no longer gets
93
190000
2000
אז מוחו של האדם לא מקבל יותר
03:27
any visual information --
94
192000
2000
שום מידע חזותי --
03:29
that is, he or she is blind.
95
194000
3000
כלומר, הם עיוורים.
03:32
So, a solution to the problem, then,
96
197000
2000
אז פתרון לבעיה יהיה
03:34
would be to build a device that could mimic
97
199000
2000
לבנות מכשיר שייחקה
03:36
the actions of that front-end circuitry
98
201000
2000
את פעולת התאים הקדמיים
03:38
and send signals to the retina's output cells,
99
203000
2000
וישלח אותות לתאי הפלט של הרשתית,
03:40
and they can go back to doing their
100
205000
2000
והם יחזרו לבצע את
03:42
normal job of sending signals to the brain.
101
207000
2000
עבודתם הרגילה של שליחת אותות למוח.
03:44
So this is what we've been working on,
102
209000
2000
אז על זה אנחנו עבדנו,
03:46
and this is what our prosthetic does.
103
211000
2000
וזה מה שהתותב שלנו עושה.
03:48
So it consists of two parts, what we call
104
213000
2000
הוא מכיל שני חלקים, שאנו מכנים
03:50
an encoder and a transducer.
105
215000
2000
המקודד והמתמיר.
03:52
And so the encoder does just
106
217000
2000
המקודד פשוט עושה
03:54
what I was saying: it mimics the actions
107
219000
2000
את מה שתיארתי: הוא מחקה את פעולת
03:56
of the front-end circuitry -- so it takes images
108
221000
2000
התאים הקדמיים - לוקח את התמונות
03:58
in and converts them into the retina's code.
109
223000
2000
וממיר אותן לקוד של הרשתית.
04:00
And then the transducer then makes the
110
225000
2000
אז המתמיר גורם לתאי
04:02
output cells send the code on up
111
227000
2000
הפלט לשלוח את הקוד
04:04
to the brain, and the result is
112
229000
2000
אל המוח, והתוצאה היא
04:06
a retinal prosthetic that can produce
113
231000
3000
שרשתית תותבת מפיקה
04:09
normal retinal output.
114
234000
2000
פלט של רשתית רגילה.
04:11
So a completely blind retina,
115
236000
2000
אז רשתית עיוורת לחלוטין,
04:13
even one with no front-end circuitry at all,
116
238000
2000
אפילו כזו ללא תאים קדמיים בכלל,
04:15
no photoreceptors,
117
240000
2000
ללא פוטורצפטורים,
04:17
can now send out normal signals,
118
242000
2000
יכולה כעת לשלוח אותות רגילים,
04:19
signals that the brain can understand.
119
244000
3000
אותות שהמוח מסוגל להבין.
04:22
So no other device has been able
120
247000
2000
ואף מתקן אחר לא היה
04:24
to do this.
121
249000
2000
מסוגל לעשות זאת.
04:26
Okay, so I just want to take
122
251000
2000
אוקיי, עכשיו אומר
04:28
a sentence or two to say something about
123
253000
2000
משפט או שניים בקשר
04:30
the encoder and what it's doing, because
124
255000
2000
למקודד ומה שהוא עושה, מכיוון
04:32
it's really the key part and it's
125
257000
2000
שזה באמת החלק העיקרי,
04:34
sort of interesting and kind of cool.
126
259000
2000
ודי מעניין ומגניב.
04:36
I'm not sure "cool" is really the right word, but
127
261000
2000
אולי "מגניב" זו לא המילה הנכונה,
04:38
you know what I mean.
128
263000
2000
אבל הבנתם אותי.
04:40
So what it's doing is, it's replacing
129
265000
2000
אז המקודד מחליף
04:42
the retinal circuitry, really the guts of
130
267000
2000
את המעגלים הרשתיים, ממש את קרביהם,
04:44
the retinal circuitry, with a set of equations,
131
269000
2000
במערכת משוואות,
04:46
a set of equations that we can implement
132
271000
2000
מערכת של משוואות שאנו יכולים לממש
04:48
on a chip. So it's just math.
133
273000
2000
על שבב. זו פשוט מתמטיקה.
04:50
In other words, we're not literally replacing
134
275000
3000
במילים אחרות, אנחנו לא באמת
04:53
the components of the retina.
135
278000
2000
מחליפים את רכיבי הרשתית.
04:55
It's not like we're making a little mini-device
136
280000
2000
זה לא שאנחנו יוצרים מיני-מתקן קטן
04:57
for each of the different cell types.
137
282000
2000
עבור כל סוג של תא.
04:59
We've just abstracted what the
138
284000
2000
פשוט הפשטנו את מה שעושה
05:01
retina's doing with a set of equations.
139
286000
2000
הרשתית בעזרת מערכת משוואות.
05:03
And so, in a way, the equations are serving
140
288000
2000
כך שבדרך כלשהי המשוואות משמשות
05:05
as sort of a codebook. An image comes in,
141
290000
2000
כסוג של ספר-קוד. תמונה נכנסת,
05:07
goes through the set of equations,
142
292000
3000
עוברת דרך מערכת המשוואות,
05:10
and out comes streams of electrical pulses,
143
295000
2000
ואז יוצא זרם של פולסים חשמליים,
05:12
just like a normal retina would produce.
144
297000
4000
ממש כמו שרשתית רגילה הייתה מפיקה.
05:16
Now let me put my money
145
301000
2000
עכשיו אראה לכם שזה לא
05:18
where my mouth is and show you that
146
303000
2000
רק דיבורים ואראה לכם שאנו
05:20
we can actually produce normal output,
147
305000
2000
מסוגלים להפיק פלט נורמלי,
05:22
and what the implications of this are.
148
307000
2000
ואת ההשלכות לכך.
05:24
Here are three sets of
149
309000
2000
הנה שלוש קבוצות של
05:26
firing patterns. The top one is from
150
311000
2000
תבניות ירי. העליונה היא
05:28
a normal animal, the middle one is from
151
313000
2000
מחיה נורמלית, האמצעית
05:30
a blind animal that's been treated with
152
315000
2000
מחיה עיוורת שטופלה בעזרת
05:32
this encoder-transducer device, and the
153
317000
2000
המתקן המקודד-מתמיר,
05:34
bottom one is from a blind animal treated
154
319000
2000
והתחתונה מחיה עיוורת שטופלה
05:36
with a standard prosthetic.
155
321000
2000
בעזרת תותב סטנדרטי.
05:38
So the bottom one is the state-of-the-art
156
323000
2000
אז התחתונה היא מהמתקן
05:40
device that's out there right now, which is
157
325000
2000
העדכני ביותר שקיים כיום, שהוא
05:42
basically made up of light detectors,
158
327000
2000
בעיקרון עשוי מחיישני אור,
05:44
but no encoder. So what we did was we
159
329000
2000
אך ללא מקודד. אנחנו הצגנו
05:46
presented movies of everyday things --
160
331000
2000
סרטים של דברים יום-יומיים --
05:48
people, babies, park benches,
161
333000
2000
אנשים, תינוקות, ספסלים בפארק,
05:50
you know, regular things happening -- and
162
335000
2000
אתם יודעים, דברים שגרתיים,
05:52
we recorded the responses from the retinas
163
337000
2000
והקלטנו את התגובות מהרשתיות
05:54
of these three groups of animals.
164
339000
2000
בשלוש הקבוצות של החיות.
05:56
Now just to orient you, each box is showing
165
341000
2000
כל תיבה מראה את
05:58
the firing patterns of several cells,
166
343000
2000
תבנית הירי של תאים מסוימים,
06:00
and just as in the previous slides,
167
345000
2000
ממש כמו בשקופיות הקודמות,
06:02
each row is a different cell,
168
347000
2000
כל שורה היא תא שונה,
06:04
and I just made the pulses a little bit smaller
169
349000
2000
רק הקטנתי מעט את הפולסים
06:06
and thinner so I could show you
170
351000
3000
כדי שאוכל להראות לכם
06:09
a long stretch of data.
171
354000
2000
רצף ארוך של מידע.
06:11
So as you can see, the firing patterns
172
356000
2000
אתם יכולים לראות, תבניות הירי
06:13
from the blind animal treated with
173
358000
2000
של חיה עיוורת המטופלת
06:15
the encoder-transducer really do very
174
360000
2000
במקודד-מתמיר אכן מתאימות
06:17
closely match the normal firing patterns --
175
362000
2000
מאוד לתבניות הירי של חיה נורמלית --
06:19
and it's not perfect, but it's pretty good --
176
364000
2000
זה לא מושלם, אך טוב מאוד --
06:21
and the blind animal treated with
177
366000
2000
והחיה העיוורת שמטופלת
06:23
the standard prosthetic,
178
368000
2000
בפרוטזה סטנדרטית,
06:25
the responses really don't.
179
370000
2000
התגובות אינן מתאימות.
06:27
And so with the standard method,
180
372000
3000
אז בשיטה הסטנדרטית,
06:30
the cells do fire, they just don't fire
181
375000
2000
התאים אכן יורים, פשוט לא
06:32
in the normal firing patterns because
182
377000
2000
את תבניות הירי הרגילות
06:34
they don't have the right code.
183
379000
2000
כי אין להם את הקוד הנכון.
06:36
How important is this?
184
381000
2000
עד כמה זה חשוב?
06:38
What's the potential impact
185
383000
2000
מה ההשפעה הפוטנציאלית
06:40
on a patient's ability to see?
186
385000
3000
על יכולת המטופל לראות?
06:43
So I'm just going to show you one
187
388000
2000
אראה לכם ניסוי מפתח
06:45
bottom-line experiment that answers this,
188
390000
2000
שעונה על שאלה זו.
06:47
and of course I've got a lot of other data,
189
392000
2000
כמובן שיש לי עוד המון מידע,
06:49
so if you're interested I'm happy
190
394000
2000
אם אתם מעוניינים אשמח
06:51
to show more. So the experiment
191
396000
2000
להראות עוד. אז הניסוי
06:53
is called a reconstruction experiment.
192
398000
2000
נקרא ניסוי שחזור.
06:55
So what we did is we took a moment
193
400000
2000
לקחנו רגע בזמן
06:57
in time from these recordings and asked,
194
402000
3000
מההקלטות הללו ושאלנו
07:00
what was the retina seeing at that moment?
195
405000
2000
מה ראתה הרשתית ברגע הזה?
07:02
Can we reconstruct what the retina
196
407000
2000
האם אנו מסוגלים לשחזר מה ראתה
07:04
was seeing from the responses
197
409000
2000
הרשתית מהתגובות
07:06
from the firing patterns?
198
411000
2000
שבתבניות הירי?
07:08
So, when we did this for responses
199
413000
3000
ובכן, עשינו זאת עבור תגובות
07:11
from the standard method and from
200
416000
3000
מהשיטה הסטנדרטית
07:14
our encoder and transducer.
201
419000
2000
ומהמקודד והמתמיר שלנו.
07:16
So let me show you, and I'm going to
202
421000
2000
כעת אראה לכם, תחילה
07:18
start with the standard method first.
203
423000
2000
בשיטה הסטנדרטית.
07:20
So you can see that it's pretty limited,
204
425000
2000
אתם רואים שזה די מוגבל,
07:22
and because the firing patterns aren't
205
427000
2000
מכיוון שתבניות הירי אינן
07:24
in the right code, they're very limited in
206
429000
2000
בקוד הנכון, הן מוגבלות מאוד
07:26
what they can tell you about
207
431000
2000
במה שהן מספרות על
07:28
what's out there. So you can see that
208
433000
2000
מה שנמצא בחוץ. ניתן לראות
07:30
there's something there, but it's not so clear
209
435000
2000
שיש שם משהו, אך לא ברור
07:32
what that something is, and this just sort of
210
437000
2000
מה המשהו הזה, זה רק חוזר
07:34
circles back to what I was saying in the
211
439000
2000
אחורה למה שאמרתי
07:36
beginning, that with the standard method,
212
441000
2000
בהתחלה, שעם השיטה הסטנדרטית,
07:38
patients can see high-contrast edges, they
213
443000
2000
מטופל יכול לראות ניגוד-צבעים חזק,
07:40
can see light, but it doesn't easily go
214
445000
2000
לראות אור, אך לא
07:42
further than that. So what was
215
447000
2000
מעבר לכך. מה הייתה
07:44
the image? It was a baby's face.
216
449000
3000
התמונה? אלה פנים של תינוק.
07:47
So what about with our approach,
217
452000
2000
ומה עם הגישה שלנו,
07:49
adding the code? And you can see
218
454000
2000
שמוסיפה את הקוד? ניתן לראות שהיא
07:51
that it's much better. Not only can you
219
456000
2000
טובה בהרבה. לא רק שניתן
07:53
tell that it's a baby's face, but you can
220
458000
2000
לומר שאלה פנים של תינוק, ניתן אף לומר
07:55
tell that it's this baby's face, which is a
221
460000
2000
שאלה הפנים של התינוק הזה,
07:57
really challenging task.
222
462000
2000
וזו משימה מאתגרת.
07:59
So on the left is the encoder
223
464000
2000
משמאל זה מהמקודד
08:01
alone, and on the right is from an actual
224
466000
2000
בלבד, מימין מרשתית עיוורת
08:03
blind retina, so the encoder and the transducer.
225
468000
2000
וממקודד ומתמיר.
08:05
But the key one really is the encoder alone,
226
470000
2000
אך העיקרי באמת הוא המקודד בלבד,
08:07
because we can team up the encoder with
227
472000
2000
כי אנו מסוגלים לחבר את המקודד עם
08:09
the different transducer.
228
474000
2000
מתמיר שונה.
08:11
This is just actually the first one that we tried.
229
476000
2000
למעשה זה הראשון שניסינו.
08:13
I just wanted to say something about the standard method.
230
478000
2000
רציתי לומר משהו לגבי השיטה הסטנדרטית.
08:15
When this first came out, it was just a really
231
480000
2000
כשזה יצא לראשונה, זה היה דבר
08:17
exciting thing, the idea that you
232
482000
2000
מרגש מאוד, הרעיון שניתן
08:19
even make a blind retina respond at all.
233
484000
3000
בכלל לגרום לרשתית עיוורת להגיב.
08:22
But there was this limiting factor,
234
487000
3000
אך היה לנו את הגורם המגביל,
08:25
the issue of the code, and how to make
235
490000
2000
הנושא של הקוד, וכיצד לגרום
08:27
the cells respond better,
236
492000
2000
לתאים להגיב טוב יותר,
08:29
produce normal responses,
237
494000
2000
להפיק תגובות נורמליות,
08:31
and so this was our contribution.
238
496000
2000
וזו הייתה התרומה שלנו.
08:33
Now I just want to wrap up,
239
498000
2000
אני רוצה כעת לסכם,
08:35
and as I was mentioning earlier
240
500000
2000
כמו שהזכרתי מוקדם יותר
08:37
of course I have a lot of other data
241
502000
2000
כמובן שיש ברשותי המון מידע נוסף
08:39
if you're interested, but I just wanted to give
242
504000
2000
אם תרצו, אך אני רק רוצה
08:41
this sort of basic idea
243
506000
2000
לתאר לכם את הרעיון הבסיסי,
08:43
of being able to communicate
244
508000
3000
של להיות מסוגלים לתקשר
08:46
with the brain in its language, and
245
511000
2000
עם המוח בשפתו שלו,
08:48
the potential power of being able to do that.
246
513000
3000
והכוח הגלום ביכולת הזו.
08:51
So it's different from the motor prosthetics
247
516000
2000
זה שונה מפרוטזות ממונעות,
08:53
where you're communicating from the brain
248
518000
2000
שם מתקשרים מהמוח אל
08:55
to a device. Here we have to communicate
249
520000
2000
המתקן. פה אנו חייבים לתקשר
08:57
from the outside world
250
522000
2000
מהעולם החיצוני,
08:59
into the brain and be understood,
251
524000
2000
אל תוך המוח ולהיות מובנים
09:01
and be understood by the brain.
252
526000
2000
על-ידי המוח.
09:03
And then the last thing I wanted
253
528000
2000
והדבר האחרון שרציתי
09:05
to say, really, is to emphasize
254
530000
2000
לומר, באמת, הוא להדגיש
09:07
that the idea generalizes.
255
532000
2000
שניתן להכליל את הרעיון הזה.
09:09
So the same strategy that we used
256
534000
2000
ניתן להשתמש באסטרטגיה
09:11
to find the code for the retina we can also
257
536000
2000
למציאת קוד הרשתית כדי
09:13
use to find the code for other areas,
258
538000
2000
למצוא את הקודים של אזורים אחרים,
09:15
for example, the auditory system and
259
540000
2000
למשל, את מערכת השמיעה,
09:17
the motor system, so for treating deafness
260
542000
2000
ומערכת התנועה, עבור טיפול בחירשות,
09:19
and for motor disorders.
261
544000
2000
ובהפרעות בתנועה.
09:21
So just the same way that we were able to
262
546000
2000
באותה הדרך שבה יכולנו
09:23
jump over the damaged
263
548000
2000
לדלג מעל המעגלים הרשתיים
09:25
circuitry in the retina to get to the retina's
264
550000
2000
הפגועים, ולהגיע אל תאי הפלט
09:27
output cells, we can jump over the
265
552000
2000
של הרשתית, אנו מסוגלים לדלג
09:29
damaged circuitry in the cochlea
266
554000
2000
מעל החיבור הפגוע בשבלול-האוזן,
09:31
to get the auditory nerve,
267
556000
2000
ולהגיע לעצב השמיעה,
09:33
or jump over damaged areas in the cortex,
268
558000
2000
או לדלג מעל אזורים פגועים בקורטקס המוטורי,
09:35
in the motor cortex, to bridge the gap
269
560000
3000
כדי לגשר על הפער
09:38
produced by a stroke.
270
563000
2000
שנגרם כתוצאה משבץ.
09:40
I just want to end with a simple
271
565000
2000
רציתי לסיים עם מסר
09:42
message that understanding the code
272
567000
2000
פשוט - הבנה של הקוד
09:44
is really, really important, and if we
273
569000
2000
היא באמת, באמת חשובה, ואם
09:46
can understand the code,
274
571000
2000
נהיה מסוגלים להבין את הקוד,
09:48
the language of the brain, things become
275
573000
2000
את שפתו של המוח, דברים
09:50
possible that didn't seem obviously
276
575000
2000
שנראו בלתי-אפשריים
09:52
possible before. Thank you.
277
577000
2000
הופכים לאפשריים. תודה לכם.
09:54
(Applause)
278
579000
5000
(מחיאות כפיים)
ABOUT THE SPEAKER
Sheila Nirenberg - NeuroscientistSheila Nirenberg studies how the brain encodes information -- possibly allowing us to decode it, and maybe develop prosthetic sensory devices.
Why you should listen
Sheila Nirenberg is a neuroscientist/professor at Weill Medical College of Cornell University, where she studies neural coding – that is, how the brain takes information from the outside world and encodes it in patterns of electrical activity. The idea is to be able to decode the activity, to look at a pattern of electrical pulses and know what an animal is seeing or thinking or feeling. Recently, she’s been using this work to develop new kinds of prosthetic devices, particularly ones for treating blindness.
Sheila Nirenberg | Speaker | TED.com