TEDGlobal 2012
Max Little: A test for Parkinson's with a phone call
מקס ליטל: בדיקה למחלת פרקינסון בשיחת טלפון
Filmed:
Readability: 4.5
1,296,740 views
מחלת פרקינסון משפיע על 6.3 מיליון אנשים ברחבי העולם. היא גורמת לחולשה ורעד, אך אין דרך אובייקטיבית לאבחן את המחלה בשלב מוקדם. עדיין. המתמטיקאי היישומי ועמית TED מקס ליטל בודק כלי זול ויעיל המסוגל לאבחן בניסויים מחלת פרקינגסון בדיוק של 99% -- בשיחת טלפון של 30 שניות.
Max Little - Applied mathematician
Max Little is a mathematician whose research includes a breakthrough technique to monitor – and potentially screen for – Parkinson's disease through simple voice recordings. Full bio
Max Little is a mathematician whose research includes a breakthrough technique to monitor – and potentially screen for – Parkinson's disease through simple voice recordings. Full bio
Double-click the English transcript below to play the video.
00:16
So, well, I do applied math,
0
667
2103
אז, אני עוסק במתמטיקה יישומית
00:18
and this is a peculiar problem
1
2770
1524
ובעיה משונה
00:20
for anyone who does applied math, is that
2
4294
2173
עבור כל מי שעושה מתמטיקה ישומית היא
00:22
we are like management consultants.
3
6467
1933
שאנחנו כמו יועצי ניהול,
00:24
No one knows what the hell we do.
4
8400
1946
אף אחד לא ממש יודע מה אנחנו עושים.
00:26
So I am going to give you some -- attempt today
5
10346
2274
אז אני הולך לתת לכם -- אני אנסה היום
00:28
to try and explain to you what I do.
6
12620
2293
להשתדל ולהסביר לכם מה אני עושה.
00:30
So, dancing is one of the most human of activities.
7
14913
3321
אז, ריקוד הוא אחד מהפעילויות הכי אנושיות שיש.
00:34
We delight at ballet virtuosos and tap dancers
8
18234
3682
אנחנו נהנים מהווירטואוזיות של רקדני בלט וסטפס
00:37
you will see later on.
9
21916
1148
עוד תראו בהמשך.
00:38
Now, ballet requires an extraordinary level of expertise
10
23064
2690
עכשיו, בלט דורש רמת מומחיות יוצאת דופן
00:41
and a high level of skill,
11
25754
2914
ורמה גבוהה מאוד של כישורים,
00:44
and probably a level of initial suitability
12
28668
2531
וכנראה גם רמה כלשהי של התאמה מראש לתחום
00:47
that may well have a genetic component to it.
13
31199
1847
שעשויה בהחלט להיות בעלת מרכיב גנטי.
00:48
Now, sadly, neurological disorders such as Parkinson's disease
14
33046
3393
עכשיו, לצערנו הפרעות נוירולוגיות כמו מחלת פרקינסון
00:52
gradually destroy this extraordinary ability,
15
36439
2087
הורסות בהדרגה את היכולת המופלאה הזו.
00:54
as it is doing to my friend Jan Stripling, who was
16
38526
2323
כפי שהיא עושה לחברי יאן סטריפלינג שהיה
00:56
a virtuoso ballet dancer in his time.
17
40849
2967
רקדן בלט וירטואוז בזמנו.
00:59
So great progress and treatment has been made over the years.
18
43816
3054
אז, במשך השנים נעשתה התקדמות רבה בטיפולים.
01:02
However, there are 6.3 million people worldwide
19
46870
2944
אך ישנם 6.3 מיליון בני אדם ברחבי העולם
01:05
who have the disease, and they have to live with
20
49814
3448
החולים במחלה, והם נאלצים לחיות עם
01:09
incurable weakness, tremor, rigidity
21
53262
2568
חולשה, רעד, נוקשות,
01:11
and the other symptoms that go along with the disease,
22
55830
1857
וסימפטומים חשוכי מרפא אחרים של המחלה.
01:13
so what we need are objective tools
23
57687
2383
אז מה שאנו זקוקים לו הם כלים אובייקטיבים
01:15
to detect the disease before it's too late.
24
60070
3057
שיאפשרו לאבחן את המחלה לפני שנהיה מאוחר מדי.
01:19
We need to be able to measure progression objectively,
25
63127
2554
אנו צריכים להיות מסוגלים למדוד את התקדמות המחלה בצורה אובייקטיבית.
01:21
and ultimately, the only way we're going to know
26
65681
3173
ובסופו של דבר הדרך היחידה בה נוכל לדעת
01:24
when we actually have a cure is when we have
27
68854
2192
מתי יש בידינו תרופה, תהיה כאשר יהיו לנו
01:26
an objective measure that can answer that for sure.
28
71046
3398
אמות מידה אובייקטיביות היכולות לענות על כך בוודאות.
01:30
But frustratingly, with Parkinson's disease
29
74444
2850
למרבה התסכול, למחלת פרקינסון
01:33
and other movement disorders, there are no biomarkers,
30
77294
2353
והפרעות תנועה אחרות אין סמנים ביולוגיים,
01:35
so there's no simple blood test that you can do,
31
79647
2229
כך שאין בדיקת דם פשוטה אותה ניתן לבצע,
01:37
and the best that we have is like
32
81876
1802
והאבחון הטוב ביותר שיש לנו הוא
01:39
this 20-minute neurologist test.
33
83678
2241
מן מבחן נוירולוגי העורך 20 דקות.
01:41
You have to go to the clinic to do it. It's very, very costly,
34
85919
2458
אתה חייב ללכת למרפאה על מנת לעבור אותו. הוא מאוד מאוד יקר,
01:44
and that means that, outside the clinical trials,
35
88377
2757
ומשמעות הדבר היא שפרט למחקרים קליניים
01:47
it's just never done. It's never done.
36
91134
2728
הוא פשוט אף פעם לא מבוצע. אף פעם לא מבוצע.
01:49
But what if patients could do this test at home?
37
93862
3077
אבל מה אם החולים יכלו לבצע את המבחן הזה בבית?
01:52
Now, that would actually save on a difficult trip to the clinic,
38
96939
2098
עכשיו, זה בעצם יחסוך נסיעה קשה למרפאה.
01:54
and what if patients could do that test themselves, right?
39
99037
4254
ומה אם חולים יוכלו לבצע את המבחן הזה בעצמם, נכון?
01:59
No expensive staff time required.
40
103291
1920
לא צריך יותר את זמנו היקר של הצוות הרפואי.
02:01
Takes about $300, by the way,
41
105211
1418
עולה בערך 300$, דרך אגב,
02:02
in the neurologist's clinic to do it.
42
106629
1993
לעשות את המבחן במרפאה נוירולוגית.
02:04
So what I want to propose to you as an unconventional way
43
108622
2681
אז מה שאני רוצה להציע לכם היא דרך בלתי שגרתית
02:07
in which we can try to achieve this,
44
111303
1514
בה נוכל לנסות להשיג את המטרה הזו.
02:08
because, you see, in one sense, at least,
45
112817
1808
כי, אתם מבינים, במובן אחד לפחות
02:10
we are all virtuosos like my friend Jan Stripling.
46
114625
3256
אנו כולנו וירטואוזים כמו חברי יאן סטריפלינג.
02:13
So here we have a video of the vibrating vocal folds.
47
117881
3755
אז יש לנו כאן סרטון של מיתרי קול רוטטים.
02:17
Now, this is healthy and this is somebody making speech sounds,
48
121636
3229
עכשיו, זה בריא וזהו מישהו שמשמיע קולות דיבור,
02:20
and we can think of ourselves as vocal ballet dancers,
49
124865
3464
ואנחנו יכולים לחשוב על עצמנו כעל רקדני בלט ווקליים,
02:24
because we have to coordinate all of these vocal organs
50
128329
2214
כי אנחנו חייבים לתאם בין כל איברי הפקת הקול
02:26
when we make sounds, and we all actually
51
130543
2295
כאשר אנחנו משמיעים צלילים, ולכולנו
02:28
have the genes for it. FoxP2, for example.
52
132838
2296
יש למעשה את הגנים הדרושים לכך. FoxP2 לדוגמא.
02:31
And like ballet, it takes an extraordinary level of training.
53
135134
2713
וכמו בבלט דרושה מידה מדהימה של אימון.
02:33
I mean, just think how long it takes a child to learn to speak.
54
137847
2585
אני מתכון, רק תחשבו כמה זמן לוקח לילד ללמוד לדבר.
02:36
From the sound, we can actually track
55
140432
2382
מהצליל אנחנו יכולים למעשה לעקוב אחרי
02:38
the vocal fold position as it vibrates,
56
142814
2281
המיקום של מיתרי הקול בזמן שהם רוטטים,
02:40
and just as the limbs are affected in Parkinson's,
57
145095
2543
ובדיוק כמו שהגפיים מושפעות ממחלת פרקינסון
02:43
so too are the vocal organs.
58
147638
2781
כך מושפעים גם איברי הקול.
02:46
So on the bottom trace, you can see an example of
59
150419
1880
אז בגרף התחתון אתם יכולים לראות דוגמא של
02:48
irregular vocal fold tremor.
60
152299
1698
רעד בלתי סדיר של מיתרי הקול.
02:49
We see all the same symptoms.
61
153997
1168
אנחנו רואים את כל אותם הסימפטומים.
02:51
We see vocal tremor, weakness and rigidity.
62
155165
2930
אנחנו רואים רעד של המיתרים, חולשה ונוקשות.
02:53
The speech actually becomes quieter and more breathy
63
158095
2104
הדיבור הופך למעשה ליותר שקט ומתנשף
02:56
after a while, and that's one of the example symptoms of it.
64
160199
2233
לאחר כמה זמן, וזהו אחד מהסימפטומים המרכזיים.
02:58
So these vocal effects can actually be quite subtle,
65
162432
2847
ההשפעות הווקליות האלו עשויות להיות עדינות למדי
03:01
in some cases, but with any digital microphone,
66
165279
3216
במקרים מסויימים, אבל בעזרת כל מיקרופון דיגיטלי
03:04
and using precision voice analysis software
67
168495
2545
ושימוש בתוכנה המבצעת ניתוח מדוייק לצליל
03:06
in combination with the latest in machine learning,
68
171040
2409
בשילוב עם החידושים בתחום למידת מכונה
03:09
which is very advanced by now,
69
173449
1578
שהופך להיות מאוד מתקדם לאחרונה,
03:10
we can now quantify exactly where somebody lies
70
175027
2886
אנחנו יכולים למדוד בדיוק היכן מישהו נמצא
03:13
on a continuum between health and disease
71
177913
2881
ברצף שבין בריאות לחולי,
03:16
using voice signals alone.
72
180794
2596
על ידי שימוש באות הווקלי בלבד.
03:19
So these voice-based tests, how do they stack up against
73
183390
2314
אז המבחנים מבוססי הקול האלו, איך הם עומדים מול
03:21
expert clinical tests? We'll, they're both non-invasive.
74
185704
2150
מבחנים קליניים? ובכן, שניהם לא פולשניים.
03:23
The neurologist's test is non-invasive. They both use existing infrastructure.
75
187854
3982
המבחן הנוירולוגי הוא לא פולשני. שניהם עושים שימוש בתשתית קיימת.
03:27
You don't have to design a whole new set of hospitals to do it.
76
191836
3004
לא צריך לתכנן בתי חולים חדשים על מנת לבצע אותם.
03:30
And they're both accurate. Okay, but in addition,
77
194840
2302
ושניהם מדוייקים. אוקיי, אבל נוסף על כך
03:33
voice-based tests are non-expert.
78
197142
3327
מבחנים מבוססי קול לא דורשים מומחיות.
03:36
That means they can be self-administered.
79
200469
1992
משמעות הדבר היא כי הם ניתנים לביצוע עצמי.
03:38
They're high-speed, take about 30 seconds at most.
80
202461
2580
הם מהירים, לוקחים בערך 30 שניות לכל היותר.
03:40
They're ultra-low cost, and we all know what happens.
81
205041
2294
הם זולים מאוד, וכולנו יודעים מה קורה
03:43
When something becomes ultra-low cost,
82
207335
2440
כשמשהו הופך להיות זול מאוד,
03:45
it becomes massively scalable.
83
209775
2296
הוא הופך לזמין מאוד.
03:47
So here are some amazing goals that I think we can deal with now.
84
212071
3675
אז הנה כמה מטרות מדהימות שנראה לי שאנחנו יכולים להתמודד איתן היום.
03:51
We can reduce logistical difficulties with patients.
85
215746
2426
אנו יכולים להפחית את הקשיים הלוגיסטיים עבור החולים.
03:54
No need to go to the clinic for a routine checkup.
86
218172
2312
אין צורך להגיע למרפאה לבדיקה שגרתית.
03:56
We can do high-frequency monitoring to get objective data.
87
220484
2320
אנחנו יכולים לבצע בדיקות בתדירות גבוהה ולקבל מידע אובייקטיבי.
03:58
We can perform low-cost mass recruitment for clinical trials,
88
222804
4105
אנחנו יכולים לבצע גיוס מאסיבי וזול עבור מבדקים קליניים.
04:02
and we can make population-scale screening
89
226909
2115
ואנחנו יכולים להפוך סריקות של אוכלוסיות שלמות
04:04
feasible for the first time.
90
229024
1596
למעשיות לראשונה מאז ומעולם.
04:06
We have the opportunity to start to search
91
230620
2202
יש לנו את ההזדמנות להתחיל ולחפש
04:08
for the early biomarkers of the disease before it's too late.
92
232822
3541
אחרי סמנים ביולוגיים מוקדמים למחלה לפני שנהיה מאוחר מדי.
04:12
So, taking the first steps towards this today,
93
236363
2758
אז, אנו עושים את הצעדים הראשונים בכוון זה היום,
04:15
we're launching the Parkinson's Voice Initiative.
94
239121
2126
ומשיקים את היוזמה לזיהוי קולי של פרקינסון (Parkingson’s Voice Initiative).
04:17
With Aculab and PatientsLikeMe, we're aiming
95
241247
2232
יחד עם Aculab ו PatiensLikeMe אנחנו מתכוונים
04:19
to record a very large number of voices worldwide
96
243479
1928
להקליט מספר גדול של קולות ברחבי העולם
04:21
to collect enough data to start to tackle these four goals.
97
245407
3140
על מנת לאסוף מספיק נתונים כדי להתחיל ולהתמודד עם ארבעת המטרות האלו
04:24
We have local numbers accessible to three quarters
98
248547
1700
יש לנו מספרי טלפון מקומיים נגישים לשלושת רבעי
04:26
of a billion people on the planet.
99
250247
1610
מיליארד אנשים בעולם.
04:27
Anyone healthy or with Parkinson's can call in, cheaply,
100
251857
3077
כל אדם בריא או חולה פרקינסון יכול להתקשר, בזול,
04:30
and leave recordings, a few cents each,
101
254934
2139
ולהשאיר הקלטה, במחיר של כמה סנט,
04:32
and I'm really happy to announce that we've already hit
102
257073
2190
ואני שמח מאוד להודיע שכבר הגענו
04:35
six percent of our target just in eight hours.
103
259263
3543
לשישה אחוזים מהמטרה שלנו בשמונה שעות בלבד.
04:38
Thank you. (Applause)
104
262806
3751
תודה רבה. [מחיאות כפיים]
04:42
(Applause)
105
266557
6320
[מחיאות כפיים]
04:48
Tom Rielly: So Max, by taking all these samples of,
106
272877
3575
טום ריילי: אז מקס, באמצעות כל הדגימות האלה של
04:52
let's say, 10,000 people,
107
276452
2776
נניח 10,000 אנשים,
04:55
you'll be able to tell who's healthy and who's not?
108
279228
2854
אתם תוכלו לקבוע מי בריא ומי לא?
04:57
What are you going to get out of those samples?
109
282082
1685
מה אתם הולכים להשיג מהדגימות האלה?
04:59
Max Little: Yeah. Yeah. So what will happen is that,
110
283767
1830
מקס ליטל: כן. כן. אז מה שיקרה זה
05:01
during the call you have to indicate whether or not
111
285597
1657
שבזמן השיחה אתה צריך לציין האם
05:03
you have the disease or not, you see. TR: Right.
112
287254
1267
יש לך את המחלה או לא, אתה מבין. טום: נכון.
05:04
ML: You see, some people may not do it. They may not get through it.
113
288521
2507
מקס: אתה מבין, חלק מהאנשים אולי יעשו את זה. אולי הם לא ישלימו את התהליך.
05:06
But we'll get a very large sample of data that is collected
114
291028
2717
אבל אנחנו נקבל דגימה גדולה מאוד של נתונים הנאספים
05:09
from all different circumstances, and it's getting it
115
293745
3408
בכל מני נסיבות שונות, ולהשיג אותם
05:13
in different circumstances that matter because then
116
297153
1905
בנסיבות שונות זה הדבר החשוב מאחר ואז
05:14
we are looking at ironing out the confounding factors,
117
299058
3384
אנחנו יכולים לנפות את הגורמים המבלבלים,
05:18
and looking for the actual markers of the disease.
118
302442
2161
ולחפש אחר הסמנים האמיתיים של המחלה.
05:20
TR: So you're 86 percent accurate right now?
119
304603
2497
טום: אז רמת הדיוק שלכם היא 86% כרגע?
05:23
ML: It's much better than that.
120
307100
1194
מקס: המצב הרבה יותר טוב מזה.
05:24
Actually, my student Thanasis, I have to plug him,
121
308294
1720
למעשה, סטודנט שלי ת'נסיס, אני חייב להזכיר אותו
05:25
because he's done some fantastic work,
122
310014
1870
כי הוא עשה עבודה מדהימה,
05:27
and now he has proved that it works over the mobile telephone network as well,
123
311884
3770
ולאחרונה הוא הוכיח שהשיטה עובדת גם ברשתות של טלפונים ניידים,
05:31
which enables this project, and we're getting 99 percent accuracy.
124
315654
3390
מה שמאפשר את פרוייקט הזה, ואנחנו מקבלים 99% דיוק.
05:34
TR: Ninety-nine. Well, that's an improvement.
125
319044
1576
טום: 99. טוב, זה שיפור.
05:36
So what that means is that people will be able to —
126
320620
2201
אז מה שזה אומר זה שאנשים יוכלו
05:38
ML: (Laughs)
127
322821
1852
מקס: [צוחק]
05:40
TR: People will be able to call in from their mobile phones
128
324673
1906
טום: שאנשים יוכלו להתקשר מהטלפונים הניידים שלהם
05:42
and do this test, and people with Parkinson's could call in,
129
326579
3072
ולעשות את הבדיקה הזו, ואנשים עם פרקינסון יוכלו להתקשר,
05:45
record their voice, and then their doctor can check up
130
329651
2870
להקליט את הקול שלהם, ואז הרופא שלהם יוכל להתעדכן
05:48
on their progress, see where they're doing in this course of the disease.
131
332521
2681
בהתקדמות שלהם, ולראות מה מצבם במהלך המחלה.
05:51
ML: Absolutely.
132
335202
970
מקס: בהחלט.
05:52
TR: Thanks so much. Max Little, everybody.
133
336172
1743
טום: תודה רבה. מקס ליטל, גבירותי ורבותי!
05:53
ML: Thanks, Tom. (Applause)
134
337915
5157
מקס: תודה, טום. [מחיאות כפיים]
ABOUT THE SPEAKER
Max Little - Applied mathematicianMax Little is a mathematician whose research includes a breakthrough technique to monitor – and potentially screen for – Parkinson's disease through simple voice recordings.
Why you should listen
Max Little is an applied mathematician whose goal is to "see connections between subjects, not boundaries … to see how things are related, not how they are different." He has a background in applied mathematics, statistics, signal processing and computational engineering, and his work has been applied across disciplines like biomedicine, extreme rainfall analysis and forecasting, biophysical signal processing, and hydrogeomorphology and open channel flow measurement. Little is best known for his work on the Parkinson's Voice Initiative, in which he and his team developed a cheap and simple tool that uses precise voice analysis software to detect Parkinson's with 99 percent accuracy. Little is a TEDGlobal 2012 Fellow and a Wellcome Trust-MIT Postdoctoral Research Fellow.
Max Little | Speaker | TED.com