TEDxAustin
Joel Selanikio: The big-data revolution in health care
Joel Selanikio: A nagy adatforradalom meglepő magvai az egészségügyben
Filmed:
Readability: 4.1
745,046 views
A globális egészségügyi adatgyűjtés tökéletlen tudományként működött: dolgozók járták a falvakat ajtóról-ajtóra kopogtatva, hogy kérdéseket tegyenek fel, papírokat töltsenek ki, majd adatokat rögzítsenek -- és mindezen hézagos információhalmazok alapján kellett országoknak óriási döntéseket meghozniuk. Az adatmán Joel Selanikio beszél az egészségügyi adatgyűjtés változásairól, az elmúlt évtizedből -- Palm Pilotokkal és Hotmaillel kezdve, egészen a felhőbe költözésig. (TEDxAustin.)
Joel Selanikio - Health and technology activist
Dr. Joel Selanikio combines technology and data to help solve global health challenges. Full bio
Dr. Joel Selanikio combines technology and data to help solve global health challenges. Full bio
Double-click the English transcript below to play the video.
00:12
There's an old joke about a cop who's walking his beat
0
717
2439
Van egy régi vicc, amiben egy rendőr
00:15
in the middle of the night,
1
3156
1295
az éjszaka közepén
00:16
and he comes across a guy under a street lamp
2
4451
2365
belebotlik egy fickóba egy utcai lámpánál,
00:18
who's looking at the ground and moving from side to side,
3
6816
2531
aki a földet fürkészve ide-oda sétál,
00:21
and the cop asks him what he's doing.
4
9347
1859
mire a rendőr megkérdi, mit csinál.
00:23
The guys says he's looking for his keys.
5
11206
1959
A fickó azt feleli, a kulcsait keresi.
00:25
So the cop takes his time and looks over
6
13165
2580
A rendőr erre fogja magát, körülnéz,
00:27
and kind of makes a little matrix and looks
7
15745
1637
tüzetesen átvizsgálja a földet,
és ő is keresgél
és ő is keresgél
00:29
for about two, three minutes. No keys.
8
17382
3051
két-három percen át. A kulcsok sehol.
00:32
The cop says, "Are you sure? Hey buddy,
9
20433
2966
A rendőr végül megszólal:
"Biztos benne, jóember?
"Biztos benne, jóember?
00:35
are you sure you lost your keys here?"
10
23399
1880
Biztosan itt vesztette el a kulcsait?"
00:37
And the guy says, "No, no, actually I lost them
11
25279
1379
Mire a pasas azt mondja, "Nem, nem, valójában
00:38
down at the other end of the street,
12
26658
1525
az utca másik végén,
00:40
but the light is better here."
13
28183
5984
de itt jobb a világítás."
00:46
There's a concept that people talk about nowadays
14
34167
1793
Van egy koncepció, amiről manapság beszélünk,
00:47
called big data, and what they're talking about
15
35960
2234
az úgynevezett "nagy adat" fogalma, ami
00:50
is all of the information that we're generating
16
38194
2166
mindazt az információt jelenti, amit mi generálunk
00:52
through our interaction with and over the Internet,
17
40360
2665
az internetes interakcióinkkal,
00:55
everything from Facebook and Twitter
18
43025
1942
mindennel, a Facebooktól és a Twittertől kezdve
00:56
to music downloads, movies, streaming, all this kind of stuff,
19
44967
4077
a zenék letöltéséig, az online streamekig
és más hasonlókig,
és más hasonlókig,
01:01
the live streaming of TED.
20
49044
1875
a TED élő streamekig.
01:02
And the folks who work with big data, for them,
21
50919
2761
És az emberek, akik a nagy adatokkal dolgoznak,
01:05
they talk about that their biggest problem is
22
53680
1771
arról beszélnek, hogy legnagyobb gondjuk,
01:07
we have so much information,
23
55451
1912
hogy annyi az információnk,
01:09
the biggest problem is, how do we organize all that information?
24
57363
3492
hogy a legfőbb problémát már
a rendszerezésük okozza.
a rendszerezésük okozza.
01:12
I can tell you that working in global health,
25
60855
2392
A globális egészségügyben dogozóként azt kell mondjam,
01:15
that is not our biggest problem.
26
63247
2872
nem ez a legnagyobb problémánk.
01:18
Because for us, even though the light
27
66119
1570
Mert nekünk, annak ellenére,
hogy az interneten
hogy az interneten
01:19
is better on the Internet,
28
67689
3157
"jobb a világítás",
01:22
the data that would help us solve the problems
29
70846
2320
azok az adatok, amik segíthetnek
01:25
we're trying to solve is not actually present on the Internet.
30
73166
3386
a mi problémáink megoldásában,
nem találhatók meg az interneten.
nem találhatók meg az interneten.
01:28
So we don't know, for example, how many people
31
76552
1847
Így nem tudjuk, pl., hogy hány ember
01:30
right now are being affected by disasters
32
78399
2594
érintett a katasztrófákban,
01:32
or by conflict situations.
33
80993
2336
vagy konfliktusokban.
01:35
We don't know for really basically any of the clinics
34
83329
3743
Alapjaiban semmit sem tudunk a klinikákról
01:39
in the developing world, which ones have medicines
35
87072
2193
a fejlődő világban, hogy melyeknek vannak gyógyszerei,
01:41
and which ones don't.
36
89265
1460
és melyeknek nincsenek.
01:42
We have no idea of what the supply chain is for those clinics.
37
90725
3172
Fogalmunk sincs ezen klinikák ellátási láncairól.
01:45
We don't know -- and this is really amazing to me --
38
93897
2860
Nem tudjuk -- és ez tényleg elképesztő számomra --,
01:48
we don't know how many children were born,
39
96757
2901
nem tudjuk azt, hogy hány gyermek született,
01:51
or how many children there are in Bolivia
40
99658
2946
vagy hogy hány gyermek él Bolíviában,
01:54
or Botswana or Bhutan.
41
102604
3154
Botswanában vagy Bhutánban.
01:57
We don't know how many kids died last week
42
105758
1922
Nem tudjuk, hogy hány gyerek halt meg múlt héten
01:59
in any of those countries.
43
107680
1401
ezen országok egyikében vagy másikában.
02:01
We don't know the needs of the elderly, the mentally ill.
44
109081
3372
Nem ismerjük az idősek,
sem a mentális betegek igényeit.
sem a mentális betegek igényeit.
02:04
For all of these different critically important problems
45
112453
3239
Mindezekről a különböző, kritikus kérdésekről
02:07
or critically important areas that we want to solve problems in,
46
115692
3001
vagy kritikusan fontos területekről,
melyeken segíteni akarunk,
melyeken segíteni akarunk,
02:10
we basically know nothing at all.
47
118693
5112
alapvetően semmit sem tudunk.
02:15
And part of the reason why we don't know anything at all
48
123805
2623
Tudatlanságunknak részben az az oka,
02:18
is that the information technology systems
49
126428
2252
hogy az informatikai rendszer, ami a
02:20
that we use in global health to find the data
50
128680
3525
globális egészségügyben
a problémák megoldásához szükséges
a problémák megoldásához szükséges
02:24
to solve these problems is what you see here.
51
132205
2945
adatok megszerzésére használunk,
nem más, mint amit itt látnak.
nem más, mint amit itt látnak.
02:27
And this is about a 5,000-year-old technology.
52
135150
2258
Ez pedig egy nagyjából 5000 éves technológia.
02:29
Some of you may have used it before.
53
137408
1052
Néhányan maguk közül talán használták már.
02:30
It's kind of on its way out now, but we still use it
54
138460
2320
Kezd kissé kifutni, de mi még mindig ezt használjuk
02:32
for 99 percent of our stuff.
55
140780
2091
a dolgaink 99 százalékához.
02:34
This is a paper form, and what you're looking at
56
142871
4009
Ez egy nyomtatott űrlap, és amit itt látnak
02:38
is a paper form in the hand of a Ministry of Health nurse
57
146880
3366
az egy papír az Egészségügyi Minisztérium nővérének kezében,
02:42
in Indonesia who is tramping out across the countryside
58
150246
3288
aki éppen Indonézia vidéki területeit járja végig
02:45
in Indonesia on, I'm sure, a very hot and humid day,
59
153534
3581
egy -- egészen biztosan -- nagyon forró és párás napon,
02:49
and she is going to be knocking on thousands of doors
60
157115
2725
miközben több ezer ajtón kopogtat be
02:51
over a period of weeks or months,
61
159840
1946
hetek vagy hónapok alatt,
02:53
knocking on the doors and saying, "Excuse me,
62
161786
2448
azt mondva, "Elnézést
02:56
we'd like to ask you some questions.
63
164234
2172
szeretnénk feltenni néhány kérdést.
02:58
Do you have any children? Were your children vaccinated?"
64
166406
3671
Van gyermekük? Átestek már oltáson?"
03:02
Because the only way we can actually find out
65
170077
1848
Mert az egyetlen módja, hogy ténylegesen megtudjuk
03:03
how many children were vaccinated in the country of Indonesia,
66
171925
2883
hány gyermeket oltottak be Indonéziában,
03:06
what percentage were vaccinated, is actually not
67
174808
2653
hogy hány százalékuk kapott az oltásból,
03:09
on the Internet but by going out and knocking on doors,
68
177461
2900
nem elérhető az internetről,
és csakis odakinn a terepen,
és csakis odakinn a terepen,
03:12
sometimes tens of thousands of doors.
69
180361
2871
olykor ajtók tízezrein bekopogva szerezhető meg.
03:15
Sometimes it takes months to even years
70
183232
2376
Néha hónapoktól egészen évekig tarthat
03:17
to do something like this.
71
185608
1726
egy ilyen feladat végrehajtása.
03:19
You know, a census of Indonesia
72
187334
2141
A népszámlálás végrehajtása Indonéziában
03:21
would probably take two years to accomplish.
73
189475
1832
valószínűleg két évbe telne.
03:23
And the problem, of course, with all of this is that
74
191307
2645
A problémát természetesen
03:25
with all those paper forms — and I'm telling you
75
193952
1785
maguk az űrlapok jelentik -- és én mondom önöknek,
03:27
we have paper forms for every possible thing.
76
195737
2212
minden lehetséges dologra van egy űrlapunk.
03:29
We have paper forms for vaccination surveys.
77
197949
2703
Van formanyomtatványunk
az oltottsági felmérésekhez.
az oltottsági felmérésekhez.
03:32
We have paper forms to track people who come into clinics.
78
200652
3374
Van formanyomtatványunk
a klinikára érkezők nyomonkövetésére.
a klinikára érkezők nyomonkövetésére.
03:36
We have paper forms to track drug supplies,
79
204026
2795
Van formanyomtatványunk
a gyógyszeres ellátás követésére,
a gyógyszeres ellátás követésére,
03:38
blood supplies, all these different paper forms
80
206821
2804
a vérellátásra -- mindezek különféle űrlapok
03:41
for many different topics,
81
209625
1725
különféle témákhoz,
03:43
they all have a single common endpoint,
82
211350
2232
és mindnek ugyanaz a végeredménye,
03:45
and the common endpoint looks something like this.
83
213582
2665
és ez a végeredmény valahogy így néz ki.
03:48
And what we're looking at here is a truckful o' data.
84
216247
4284
Amit itt látunk, az egy kisbusznyi adat.
03:52
This is the data from a single vaccination coverage survey
85
220531
4619
Ezek egyetlen oltáslefedettségi felmérés adatai
03:57
in a single district in the country of Zambia
86
225150
2215
Zambia egyetlen körzetéből,
03:59
from a few years ago that I participated in.
87
227365
2128
néhány évvel ezelőttről.
Ebben a felmérésben én is részt vettem.
Ebben a felmérésben én is részt vettem.
04:01
The only thing anyone was trying to find out
88
229493
2557
Az egyetlen dolog, amit meg akartunk tudni,
04:04
is what percentage of Zambian children are vaccinated,
89
232050
3103
hogy a zambiai gyermekek
hány százalékát oltották be,
hány százalékát oltották be,
04:07
and this is the data, collected on paper over weeks
90
235153
3179
és ezek itt a hetek alatt összegyűjtött adatok,
papíron,
papíron,
04:10
from a single district, which is something like a county
91
238332
2874
egyetlen körzetből --
ami olyasmi, mint a megye
ami olyasmi, mint a megye
04:13
in the United States.
92
241206
1340
az Egyesült Államokban.
04:14
You can imagine that, for the entire country of Zambia,
93
242546
2108
Elképzelhetik, hogy ha Zambia egész lakossága
04:16
answering just that single question
94
244654
3574
megválaszolná ezt az egyetlen kérdést,
04:20
looks something like this.
95
248228
1948
az eredmény valahogy így nézne ki.
04:22
Truck after truck after truck
96
250176
2655
Busz busz után,
04:24
filled with stack after stack after stack of data.
97
252831
3461
megtöltve rakásnyi és rakásnyi és rakásnyi adattal.
04:28
And what makes it even worse is that
98
256292
1328
És ami még rosszabb, hogy
04:29
that's just the beginning,
99
257620
1938
ez csupán a kezdet.
04:31
because once you've collected all that data,
100
259558
1974
Mert ha egyszer már összegyűjtötték ezeket az adatokat,
04:33
of course someone's going to have to --
101
261532
1593
természetesen valakinek fel is kell dolgoznia --
04:35
some unfortunate person is going to have to type that into a computer.
102
263125
3292
néhány szerencsétlen ember be kell,
hogy vigye egy számítógépbe.
hogy vigye egy számítógépbe.
04:38
When I was a graduate student, I actually was
103
266417
2046
Amikor végzős hallgató voltam, én voltam
04:40
that unfortunate person sometimes.
104
268463
2003
olykor ez a szerencsétlen.
04:42
I can tell you, I often wasn't really paying attention.
105
270466
3011
Most már bevallhatom,
gyakran nem igazán figyeltem oda.
gyakran nem igazán figyeltem oda.
04:45
I probably made a lot of mistakes when I did it
106
273477
1818
Valószínűleg elkövettem rengeteg hibát,
04:47
that no one ever discovered, so data quality goes down.
107
275295
2825
amit soha senki sem fedezett fel,
így az adatok minősége is romlott.
így az adatok minősége is romlott.
04:50
But eventually that data hopefully gets typed into a computer,
108
278120
3152
De végül az adatokat remélhetőleg
valaki begépeli a számítógépbe,
valaki begépeli a számítógépbe,
04:53
and someone can begin to analyze it,
109
281272
1767
és valaki megkezdheti az elemzésüket,
04:55
and once they have an analysis and a report,
110
283039
2716
és ha már van kész elemzésük és jelentésük,
04:57
hopefully then you can take the results of that data collection
111
285755
3299
remélhetőleg foghatják az adatgyűjtés eredményeit
05:01
and use it to vaccinate children better.
112
289054
2147
és felhasználhatják a gyermekek hatásosabb beoltásához.
05:03
Because if there's anything worse
113
291201
2909
Mert ha van bármi rosszabb
05:06
in the field of global public health,
114
294110
2346
a globális közegészségügy terén
05:08
I don't know what's worse than allowing children on this planet
115
296456
2729
-- én nem tudom, mi lehet rosszabb --,
mint megengedni,
mint megengedni,
05:11
to die of vaccine-preventable diseases,
116
299185
3140
hogy gyermekek haljanak meg ezen a bolygón,
vakcinával megelőzhető betegségekben,
vakcinával megelőzhető betegségekben,
05:14
diseases for which the vaccine costs a dollar.
117
302325
3510
olyan betegségekben,
amelyek oltása egy dollárba kerülne.
amelyek oltása egy dollárba kerülne.
05:17
And millions of children die of these diseases every year.
118
305835
3088
Pedig több millió gyermek hal bele
ilyen megbetegedésekbe évente.
ilyen megbetegedésekbe évente.
05:20
And the fact is, millions is a gross estimate because
119
308923
3462
És az igazság az, hogy a több millió durva becslés, mert
05:24
we don't really know how many kids die each year of this.
120
312385
3005
nem igazán tudjuk, hogy hány gyerek
hal meg évről évre emiatt.
hal meg évről évre emiatt.
05:27
What makes it even more frustrating is that
121
315390
2352
Még inkább frusztrálóvá teszi a dolgot, hogy
05:29
the data entry part, the part that I used to do as a grad student,
122
317742
3099
az adatbevitel, az a rész, amin végzősként dolgoztam,
05:32
can take sometimes six months.
123
320841
1970
néha hat hónapot is igénybe vehet.
05:34
Sometimes it can take two years to type that information
124
322811
2276
Néha két évig is eltarthat az információk bevitele
05:37
into a computer, and sometimes, actually not infrequently,
125
325087
3336
a számítógépbe, és nem is olyan ritkán,
05:40
it actually never happens.
126
328423
1988
ez valójában meg sem történik.
05:42
Now try and wrap your head around that for a second.
127
330411
2257
Most próbálják meg egy pillanatig
beleképzelni magukat a helyzetbe.
beleképzelni magukat a helyzetbe.
05:44
You just had teams of hundreds of people.
128
332668
2442
Volt egy több száz fős csapatuk.
05:47
They went out into the field to answer a particular question.
129
335110
2366
Kimentek a terepre,
hogy választ találjanak egy adott kérdésre.
hogy választ találjanak egy adott kérdésre.
05:49
You probably spent hundreds of thousands of dollars
130
337476
2467
Valószínűleg ráköltöttek több százezer dollárt
05:51
on fuel and photocopying and per diem,
131
339943
3844
az üzemanyagra, és a fénymásolásra, és a bérekre,
05:55
and then for some reason, momentum is lost
132
343787
2353
aztán valamilyen oknál fogva, a lendület elveszett,
05:58
or there's no money left,
133
346140
1311
vagy elfogyott a pénz,
05:59
and all of that comes to nothing
134
347451
2405
és mindez semmivé lesz,
06:01
because no one actually types it into the computer at all.
135
349856
2647
mert végül senki sem viszi be a számítógépbe.
06:04
The process just stops. Happens all the time.
136
352503
3310
A folyamat egyszerűen megáll.
Minden alkalommal ez történik.
Minden alkalommal ez történik.
06:07
This is what we base our decisions on in global health:
137
355813
2933
Ez minden, amire döntéseinket alapozhatjuk
a globális egészségügyben:
a globális egészségügyben:
06:10
little data, old data, no data.
138
358746
4898
kevés adat, régi adat, hiányzó adat.
06:15
So back in 1995, I began to think about ways
139
363644
2567
Így hát 1995-ben elkezdtem gondolkodni azon,
06:18
in which we could improve this process.
140
366211
2154
hogyan javíthatnánk ezen a folyamaton.
06:20
Now 1995, obviously that was quite a long time ago.
141
368365
2798
Mármost 1995 nyilvánvalóan elég rég volt.
06:23
It kind of frightens me to think of how long ago that was.
142
371163
2382
Megrémít, ha arra gondolok, milyen régen.
06:25
The top movie of the year was
143
373545
2194
Az év legjobb filmje ekkor
06:27
"Die Hard with a Vengeance."
144
375739
1182
a "Die Hard - Az élet mindig drága" volt.
06:28
As you can see, Bruce Willis had a lot more hair back then.
145
376921
2783
Ahogy látják, Bruce Willisnek sokkal több haja volt akkoriban.
06:31
I was working in the Centers for Disease Control,
146
379704
2384
Én pedig a Centers for Disease Controlnak dolgoztam,
06:34
and I had a lot more hair back then as well.
147
382088
3043
és az én hajam is sokkal dúsabb volt.
06:37
But to me, the most significant thing that I saw in 1995
148
385131
3342
De számomra az egyik legfontosabb dolog 1995-ben
06:40
was this.
149
388473
1454
ez volt.
06:41
Hard for us to imagine, but in 1995,
150
389927
2641
Nehéz elképzelnünk, de 1995-ben
06:44
this was the ultimate elite mobile device.
151
392568
3598
ez volt a csúcskategóriás mobil eszköz.
06:48
Right? It wasn't an iPhone. It wasn't a Galaxy phone.
152
396166
2372
Ugye? Nem egy iPhone. Nem egy Galaxy telefon.
06:50
It was a Palm Pilot.
153
398538
1478
Ez volt a Palm Pilot.
06:52
And when I saw the Palm Pilot for the first time, I thought,
154
400016
3564
És amikor először megláttam a Palm Pilotot,
arra gondoltam:
arra gondoltam:
06:55
why can't we put the forms on these Palm Pilots
155
403580
2527
"Miért nem tesszük az űrlapokat ezekre
a Palm Pilotokra,
a Palm Pilotokra,
06:58
and go out into the field just carrying one Palm Pilot,
156
406107
2872
és megyünk ki a terepre mindössze egy Palm Pilottal,
07:00
which can hold the capacity of tens of thousands
157
408979
3117
aminek kapacitása elég kérdőívek tízezreihez?"
07:04
of paper forms? Why don't we try to do that?
158
412096
2181
Miért ne próbálhatnánk meg így?
07:06
Because if we can do that, if we can actually just
159
414277
2748
Mert ha megtehetnénk, ha egyszerűen csak
07:09
collect the data electronically, digitally,
160
417025
2514
összegyűjthetnénk az adatokat, elektronikusan, digitálisan,
07:11
from the very beginning,
161
419539
1903
az elejétől kezdve,
07:13
we can just put a shortcut right through that whole process
162
421442
3017
a gépelés teljes folyamatát
07:16
of typing,
163
424459
3222
lerövidíthetnénk, és nem kéne valakivel
07:19
of having somebody type that stuff into the computer.
164
427681
1983
utólag begépeltetni a dolgokat a számítógépbe.
07:21
We can skip straight to the analysis
165
429664
1959
Egyenesen az elemzéshez ugorhatnánk,
07:23
and then straight to the use of the data to actually save lives.
166
431623
3075
onnan pedig egyenesen az adatok felhasználáshoz,
a tényleges életmentéshez.
a tényleges életmentéshez.
07:26
So that's actually what I began to do.
167
434698
2515
Szóval valójában ez volt, aminek nekifogtam.
07:29
Working at CDC, I began to travel to different programs
168
437213
3334
A CDC alkalmazásában elkezdtem különböző programok kapcsán
07:32
around the world and to train them in using Palm Pilots
169
440547
4069
a világ minden tájára utazni,
és a Palm Pilotok használatát tanítottam
és a Palm Pilotok használatát tanítottam
07:36
to do data collection instead of using paper.
170
444616
2525
a papíralapút felváltó adatgyűjtéshez.
07:39
And it actually worked great.
171
447141
2109
És ez igazán remekül működött.
07:41
It worked exactly as well as anybody would have predicted.
172
449250
2665
Pontosan olyan jól működött, mint ahogy feltételeztük.
07:43
What do you know? Digital data collection
173
451915
2233
Ki hitte volna? A digitális adatgyűjtés
07:46
is actually more efficient than collecting on paper.
174
454148
2271
ténylegesen hatékonyabb,
mint a kérdőív alapú gyűjtés.
mint a kérdőív alapú gyűjtés.
07:48
While I was doing it, my business partner, Rose,
175
456419
2364
Míg én ezt végeztem, az üzlettársam, Rose,
07:50
who's here with her husband, Matthew, here in the audience,
176
458783
2817
aki most itt van a férjével, Matthew-val a közönség soraiban,
07:53
Rose was out doing similar stuff for the American Red Cross.
177
461600
3177
Rose hasonló dolgokkal foglalkozott
az Amerikai Vöröskeresztnél.
az Amerikai Vöröskeresztnél.
07:56
The problem was, after a few years of doing that,
178
464777
2065
A probléma az volt, ahogy néhány év múltán,
07:58
I realized I had done -- I had been to maybe
179
466842
2740
rájöttem -- hat vagy hét
08:01
six or seven programs, and I thought,
180
469582
2718
programban vettem részt, és azt gondoltam,
08:04
you know, if I keep this up at this pace,
181
472300
2310
ha tartom ezt az ütemet
08:06
over my whole career, maybe I'm going to go
182
474610
1654
az egész karrierem alatt, talán még további
08:08
to maybe 20 or 30 programs.
183
476264
2277
20-30 programban vehetek részt.
08:10
But the problem is, 20 or 30 programs,
184
478541
3229
De a probléma az, hogy 20 vagy 30 program,
08:13
like, training 20 or 30 programs to use this technology,
185
481770
2973
akár 20-30 tréning a technológia használatáról,
08:16
that is a tiny drop in the bucket.
186
484743
2206
mindössze egy apró csepp a tengerben.
08:18
The demand for this, the need for data to run better programs,
187
486949
4039
A kereslet minderre, az adatszükséglet a hatékonyabb programokért
08:22
just within health, not to mention all of the other fields
188
490988
2736
csak az egészségügyben, nem is szólva a további területekről
08:25
in developing countries, is enormous.
189
493724
2166
a fejlődő országokban, egyszerűen hatalmas.
08:27
There are millions and millions and millions of programs,
190
495890
4010
Millió és millió és millió program van,
08:31
millions of clinics that need to track drugs,
191
499900
2535
klinikák millióival, amiknek követniük kell a gyógyszereket,
08:34
millions of vaccine programs.
192
502435
1299
oltóanyag-programok millióival.
08:35
There are schools that need to track attendance.
193
503734
2057
Vannak iskolák, amiknek követniük kell a részvételi arányt.
08:37
There are all these different things
194
505791
2005
Itt vannak nekünk mindezek a különböző dolgok
08:39
for us to get the data that we need to do.
195
507796
2095
melyekhez meg kell szereznünk
a szükséges adatokat.
a szükséges adatokat.
08:41
And I realized, if I kept up the way that I was doing,
196
509891
4526
És rájöttem, ha folytatom az eddigi munkám,
08:46
I was basically hardly going to make any impact
197
514417
3243
annak alapvetően alig lesz bármilyen hatása
08:49
by the end of my career.
198
517660
1832
a karrierem végére.
08:51
And so I began to wrack my brain
199
519492
2155
Így elkezdtem törni a fejem,
08:53
trying to think about, you know,
200
521647
1143
azon gondolkodva, hogy
08:54
what was the process that I was doing,
201
522790
1518
mi is volt az a folyamat, amit megkezdtem,
08:56
how was I training folks, and what were the bottlenecks
202
524308
2856
hogyan tanítottam másokat, és mik voltak a nehézségek,
08:59
and what were the obstacles to doing it faster
203
527164
2813
mik voltak a gyorsabb
09:01
and to doing it more efficiently?
204
529977
1520
és hatékonyabb munka akadályai?
09:03
And unfortunately, after thinking about this for some time,
205
531497
3143
És sajnos, mikor már egy ideje ezen gondolkodtam,
09:06
I realized -- I identified the main obstacle.
206
534640
3452
rájöttem -- azonosítottam a legfőbb akadályt.
09:10
And the main obstacle, it turned out,
207
538092
1977
Ez a gát, mint kiderült,
09:12
and this is a sad realization,
208
540069
1835
és ez egy szomorú felismerés,
09:13
the main obstacle was me.
209
541904
2268
a fő akadály én magam voltam.
09:16
So what do I mean by that?
210
544172
2196
Mit is értek ezalatt?
09:18
I had developed a process whereby
211
546368
2488
Kifejlesztettem egy eljárást, amelynek során
09:20
I was the center of the universe of this technology.
212
548856
5045
én lettem a technológia középpontja.
09:25
If you wanted to use this technology, you had to get in touch with me.
213
553901
2989
A technológia felhasználásához
kapcsolatba kellett lépniük velem.
kapcsolatba kellett lépniük velem.
09:28
That means you had to know I existed.
214
556890
2106
Ez azt jelenti, hogy tudniuk kellett, hogy én létezem.
09:30
Then you had to find the money to pay for me
215
558996
1474
Aztán meg kellett szerezniük a pénzt, hogy kifizessék
09:32
to fly out to your country
216
560470
1486
a repülőjegyemet az országukba,
09:33
and the money to pay for my hotel
217
561956
1548
hogy kifizessék a szállásomat,
09:35
and my per diem and my daily rate.
218
563504
2760
és a napi költségeimet, a napidíjamat.
09:38
So you could be talking about 10,000 or 20,000 or 30,000 dollars
219
566264
2949
Tehát 10, 20 vagy 30 ezer dollárokról beszéltünk,
09:41
if I actually had the time or it fit my schedule
220
569213
2582
ha egyáltalán volt időm,
vagy be tudtam illeszteni a naptáramba,
vagy be tudtam illeszteni a naptáramba,
09:43
and I wasn't on vacation.
221
571795
1947
és nem voltam épp szabadságon.
09:45
The point is that anything, any system that depends
222
573742
2897
A lényeg, hogy bármi, bármilyen rendszer, ami
09:48
on a single human being or two or three or five human beings,
223
576639
2870
egy, kettő, három vagy öt emberi lénytől függ,
09:51
it just doesn't scale.
224
579509
1736
egyszerűen nem képes terjeszkedni.
09:53
And this is a problem for which we need to scale
225
581245
2021
Ez pedig egy olyan probléma,
amihez terjesztenünk kell
amihez terjesztenünk kell
09:55
this technology and we need to scale it now.
226
583266
2997
ezt a technológiát, és a kiterjesztést
most kell megtennünk.
most kell megtennünk.
09:58
And so I began to think of ways in which I could basically
227
586263
2222
Így elkezdtem gondolkodni azon,
hogy mi módon
hogy mi módon
10:00
take myself out of the picture.
228
588485
2384
vonhatnám ki magam a rendszerből.
10:02
And, you know, I was thinking,
229
590869
4496
És tudják, azt kérdeztem magamtól,
10:07
how could I take myself out of the picture
230
595365
2096
hogyan húzódhatnék a háttérbe
10:09
for quite some time.
231
597461
1809
egy jó időre.
10:11
You know, I'd been trained that the way that
232
599270
2157
Megtanultam ugyanis, hogy
10:13
you distribute technology within international development
233
601427
2722
a technológiák terjesztése nemzetközi viszonylatban
10:16
is always consultant-based.
234
604149
2027
mindig tanácsadó alapú.
10:18
It's always guys that look pretty much like me
235
606176
2977
Mindig vannak fickók, olyanok mint én,
10:21
flying from countries that look pretty much like this
236
609153
2301
akik odarepülnek országokból,
olyanokból, mint ez itt,
olyanokból, mint ez itt,
10:23
to other countries with people with darker skin.
237
611454
3106
más országokba, olyanokba,
ahol sötétebb bőrű emberek élnek.
ahol sötétebb bőrű emberek élnek.
10:26
And you go out there, and you spend money on airfare
238
614560
2445
Odamennek, és pénzt költenek a repülőjegyekre,
10:29
and you spend time and you spend per diem
239
617005
3510
eltöltik ott az idejüket, elköltik a napidíjukat
10:32
and you spend [on a] hotel and you spend all that stuff.
240
620515
2112
szállodára és más efféle dolgokra.
10:34
As far as I knew, that was the only way
241
622627
1851
Amennyire tudtam, ez volt az egyetlen módja
10:36
you could distribute technology, and I couldn't figure out a way around it.
242
624478
3269
a technológia terjesztésének,
és én nem találtam új megoldást.
és én nem találtam új megoldást.
10:39
But the miracle that happened,
243
627747
2671
De történt egy csoda,
10:42
I'm going to call it Hotmail for short.
244
630418
2750
amit röviden csak Hotmailnek fogok hívni.
10:45
Now you may not think of Hotmail as being miraculous,
245
633168
2181
Most talán nem gondolják, hogy a Hotmail csodás lenne,
10:47
but for me it was miraculous, because I noticed,
246
635349
2913
de számomra csodálatos volt, mert észrevettem,
10:50
just as I was wrestling with this problem,
247
638262
2566
miközben ezzel a problémával küszködve,
10:52
I was working in sub-Saharan Africa mostly at the time.
248
640828
3414
a Szubszaharai Afrikában dolgoztam,
10:56
I noticed that every sub-Saharan African health worker
249
644242
2589
észrevettem, hogy a szubszaharai afrikai egészségügyi dolgozók mindegyike,
10:58
that I was working with had a Hotmail account.
250
646831
4108
minden munkatársam rendelkezett Hotmail fiókkal.
11:02
And I thought, it struck me,
251
650939
2144
Mindez úgy hatott rám, hogy
11:05
wait a minute, I know that the Hotmail people
252
653083
2615
na álljunk csak meg, én tudom,
hogy a hotmailes fickók
hogy a hotmailes fickók
11:07
surely didn't fly to the Ministry of Health of Kenya
253
655698
2716
biztosan nem repültek Kenya Egészségügyi Minisztériumába,
11:10
to train people in how to use Hotmail.
254
658414
2711
hogy betanítsák az embereket a Hotmail használatára.
11:13
So these guys are distributing technology.
255
661125
2487
Szóval ezek a srácok technológiát terjesztenek.
11:15
They're getting software capacity out there
256
663612
2004
Odajuttatják a szoftverkapacitást,
11:17
but they're not actually flying around the world.
257
665616
2009
de ezért nem repülik körbe a világot.
11:19
I need to think about this some more.
258
667625
1560
Na, ezen még gondolkodnom kell!
11:21
While I was thinking about it, people started using
259
669185
2173
Amíg gondolkodtam rajta, az emberek elkezdtek
11:23
even more things just like this, just as we were.
260
671358
3200
más ehhez hasonló dolgokat is használni.
11:26
They started using LinkedIn and Flickr
261
674558
1210
Elkezdték használni a LinkedInt és a Flickrt
11:27
and Gmail and Google Maps, all these things.
262
675768
2761
és a Gmailt és a Google Mapset, ilyesmiket.
11:30
Of course, all of these things are cloud-based
263
678529
2726
Persze, ezek a dolgok mind felhő alapúak
11:33
and don't require any training.
264
681255
2206
és nem kell hozzájuk előképzettség.
11:35
They don't require any programmers.
265
683461
1600
Nem igényelnek programozókat.
11:37
They don't require any consultants, because
266
685061
1709
Nem igényelnek tanácsadókat sem, mert
11:38
the business model for all these businesses
267
686770
2394
mindezen vállalkozások üzleti modellje
11:41
requires that something be so simple we can use it ourselves
268
689164
2997
megköveteli, hogy olyan egyszerűek legyenek,
hogy magunk is használni tudjuk,
hogy magunk is használni tudjuk,
11:44
with little or no training.
269
692161
1185
kevés, vagy semmilyen felkészüléssel.
11:45
You just have to hear about it and go to the website.
270
693346
2614
Csak hallanunk kell róla, majd felmennünk a honlapra.
11:47
And so I thought, what would happen if we built software
271
695960
4365
Ezek után azt gondoltam, mi lenne,
ha építenénk egy szoftvert
ha építenénk egy szoftvert
11:52
to do what I'd been consulting in?
272
700325
2011
a saját tanácsadási szakterületünkre?
11:54
Instead of training people how
273
702336
1434
Ahelyett, hogy az embereket arra tanítanánk,
11:55
to put forms onto mobile devices,
274
703770
2850
hogyan vigyenek fel űrlapokat mobil eszközökre,
11:58
let's create software that lets them do it themselves
275
706620
2284
hozzunk létre egy szoftvert,
amellyel maguk tehetik meg ezt,
amellyel maguk tehetik meg ezt,
12:00
with no training and without me being involved?
276
708904
1890
mindenféle képzés és az én
közreműködésem nélkül?
közreműködésem nélkül?
12:02
And that's exactly what we did.
277
710794
1804
És pontosan ezt tettük.
12:04
So we created software called Magpi,
278
712598
3684
Létrehoztuk a Magpi nevű szoftvert,
12:08
which has an online form creator.
279
716282
1877
aminek van egy online űrlapkészítője.
12:10
No one has to speak to me.
280
718159
1151
Senkinek nem kell velem beszélnie.
12:11
You just have to hear about it and go to the website.
281
719310
2694
Elég hallaniuk róla, és felkeresniük a weboldalt.
12:14
You can create forms, and once you've created the forms,
282
722004
2747
Létrehozhatnak űrlapokat,
és amint megalkottak egyet,
és amint megalkottak egyet,
12:16
you push them to a variety of common mobile phones.
283
724751
2340
kiküldik a különféle közönséges mobiltelefonokra.
12:19
Obviously nowadays, we've moved past Palm Pilots
284
727091
2475
Természetesen napjainkra a Palm Pilotokról áttértünk
12:21
to mobile phones.
285
729566
1328
a mobiltelefonokra.
12:22
And it doesn't have to be a smartphone.
286
730894
1132
És ezeknek nem feltétlenül kell
okostelefonnak lenniük.
okostelefonnak lenniük.
12:24
It can be a basic phone like the phone on the right there,
287
732026
2707
Lehetnek egyszerű mobilok, mint ez itt jobb oldalt,
12:26
you know, the basic kind of Symbian phone
288
734733
1336
tudják, az alaptípusú Symbian mobilok,
12:28
that's very common in developing countries.
289
736069
2466
amik nagyon gyakoriak a fejlődő országokban.
12:30
And the great part about this is, it's just like Hotmail.
290
738535
3999
És a nagyszerű az egészben az,
hogy épp olyan, mint a Hotmail.
hogy épp olyan, mint a Hotmail.
12:34
It's cloud-based, and it doesn't require any training,
291
742534
2334
Felhő alapú, és nem igényel tréningeket,
12:36
programming, consultants.
292
744868
2040
programozást, tanácsadókat.
12:38
But there are some additional benefits as well.
293
746908
1936
De van néhány további előnye is.
12:40
Now we knew, when we built this system,
294
748844
1955
Amikor kiépítettük ezt a rendszert, tudtuk,
12:42
the whole point of it, just like with the Palm Pilots,
295
750799
2293
az egész lényege, csakúgy, mint a Palm Pilotok esetében,
12:45
was that you'd have to, you'd be able to
296
753092
2604
az, hogy képesekké váltunk vele
12:47
collect the data and immediately upload the data and get your data set.
297
755696
3191
összegyűjteni az adatokat,
és azonnali feltöltéssel megkaphattuk az adathalmazt.
és azonnali feltöltéssel megkaphattuk az adathalmazt.
12:50
But what we found, of course, since it's already on a computer,
298
758887
2437
Rájöttünk, hogy
-- mivel már eleve minden a számítógépen volt --,
-- mivel már eleve minden a számítógépen volt --,
12:53
we can deliver instant maps and analysis and graphing.
299
761324
3188
azonnali térképekkel, elemzésekkel,
és diagramokkal szolgálhatunk.
és diagramokkal szolgálhatunk.
12:56
We can take a process that took two years
300
764512
2251
Azt a folyamatot, ami azelőtt két évet vett igénybe,
12:58
and compress that down to the space of five minutes.
301
766763
3222
mindössze öt percbe tömörítettük!
13:01
Unbelievable improvements in efficiency.
302
769985
2506
Hihetetlen javulás a hatékonyságban.
13:04
Cloud-based, no training, no consultants, no me.
303
772491
4766
Felhő alapú, nincs képzés, nincsenek tanácsadók,
és én sem kellek hozzá.
és én sem kellek hozzá.
13:09
And I told you that in the first few years
304
777257
2323
Ahogy mondtam, az első néhány évben
13:11
of trying to do this the old-fashioned way,
305
779580
1827
a régi módszerrel próbálkozva,
13:13
going out to each country,
306
781407
1292
meglátogatva minden országot,
13:14
we reached about, I don't know,
307
782699
3054
elértünk, nem is tudom,
13:17
probably trained about 1,000 people.
308
785753
2118
valószínűleg kiképeztünk mintegy 1000 embert.
13:19
What happened after we did this?
309
787871
1803
És mi történt azután, hogy létrehoztuk az új rendszert?
13:21
In the second three years, we had 14,000 people
310
789674
2506
A második három évben volt 14.000 emberünk,
13:24
find the website, sign up, and start using it to collect data,
311
792180
3193
akik megtalálták a honlapot, feliratkoztak,
és elkezdték használni az adatgyűjtésre,
és elkezdték használni az adatgyűjtésre,
13:27
data for disaster response,
312
795373
1502
akik adatokat szereztek katasztrófaelhárítási célokra.
13:28
Canadian pig farmers tracking pig disease and pig herds,
313
796875
4748
Kanadai sertéstartók, akik így követték a fertőzéseket és állományaikat,
13:33
people tracking drug supplies.
314
801623
2415
emberek, akik gyógyszerellátmányokat követtek.
13:36
One of my favorite examples, the IRC,
315
804038
1942
Az egyik kedvenc példám, az IRC,
13:37
International Rescue Committee,
316
805980
1629
International Rescue Committee,
13:39
they have a program where semi-literate midwives
317
807609
3237
van egy programjuk, amiben félig írástudó bábák
13:42
using $10 mobile phones
318
810846
2427
10$-os mobiltelefonokat használva
13:45
send a text message using our software
319
813273
2209
szöveges üzeneteket küldenek a szoftverünkkel
13:47
once a week with the number of births
320
815482
2209
hetente egyszer, a születések számával
13:49
and the number of deaths, which gives IRC
321
817691
2313
és halálesetek számával, ami az IRC-nek
13:52
something that no one in global health has ever had:
322
820004
2599
olyasmit ad, ami senkinek nem volt még a globális egészségügyben:
13:54
a near real-time system of counting babies,
323
822603
3637
egy közel valós idejű csecsemőszámláló rendszert,
13:58
of knowing how many kids are born,
324
826240
1492
amiből megtudják, hány gyermek született,
13:59
of knowing how many children there are
325
827732
1676
megtudják, hogy hány gyermek van
14:01
in Sierra Leone, which is the country where this is happening,
326
829408
2782
Sierra Leonében, ami az az ország,
ahol mindez történik,
ahol mindez történik,
14:04
and knowing how many children die.
327
832190
3204
és tudják, hogy hány gyermek halt meg.
14:07
Physicians for Human Rights --
328
835394
1597
Orvosok Az Emberi Jogokért
14:08
this is moving a little bit outside the health field —
329
836991
2479
-- ez kissé kívül esik az egészségügy területén --
14:11
they are gathering, they're basically training people
330
839470
2865
ők is gyűjtenek, gyakorlatilag embereket képeznek arra,
14:14
to do rape exams in Congo, where this is an epidemic,
331
842335
3364
hogy nemi erőszakról gyűjtsenek adatot Kongóban,
ahol ez egy járvány,
ahol ez egy járvány,
14:17
a horrible epidemic,
332
845699
1748
egy szörnyű járvány,
14:19
and they're using our software to document
333
847447
2171
és a mi szoftverünket használják a bizonyítékok
14:21
the evidence they find, including photographically,
334
849618
2972
dokumentálására, beleértve a fényképezést,
14:24
so that they can bring the perpetrators to justice.
335
852590
4152
így bíróság elé vihetik az elkövetőket.
14:28
Camfed, another charity based out of the U.K.,
336
856742
3683
A Camfed, egy másik jótékonysági szervezet az Egyesült Királyságból.
14:32
Camfed pays girls' families to keep them in school.
337
860425
3748
A Camfed fizet a lányok családjainak, hogy iskolába járassák őket.
14:36
They understand this is the most significant intervention
338
864173
1873
Ők megértik, hogy ez a legjelentősebb beavatkozás,
14:38
they can make. They used to track the dispersements,
339
866046
3284
amire képesek. Egykor a folyósításokat,
14:41
the attendance, the grades, on paper.
340
869330
1986
a részvételt, a jegyeket, papíron követték.
14:43
The turnaround time between a teacher
341
871316
1608
Az átfutási idő
14:44
writing down grades or attendance
342
872924
1726
a jegyeket és részvételt feljegyző tanár
14:46
and getting that into a report was about two to three years.
343
874650
2610
és a jelentés összeállítása között
nagyjából 2-3 év volt.
nagyjából 2-3 év volt.
14:49
Now it's real time, and because this is such
344
877260
2230
Most valós időben történik, és mivel ez egy igen
14:51
a low-cost system and based in the cloud, it costs,
345
879490
2940
alacsony költségű rendszer és felhő alapú,
14:54
for the entire five countries that Camfed runs this in
346
882430
3434
a Camfed által alkalmazott öt ország teljes területére,
14:57
with tens of thousands of girls,
347
885864
1932
vagyis lányok tízezreire,
14:59
the whole cost combined is 10,000 dollars a year.
348
887796
3358
a teljes összköltség évi 10.000 dollár.
15:03
That's less than I used to get
349
891154
1801
Ez kevesebb, mint amennyit régen kaptam
15:04
just traveling out for two weeks to do a consultation.
350
892955
5071
egy kéthetes útért és a tanácsadásért.
15:10
So I told you before that
351
898026
2136
Tehát ahogy korábban mondtam,
15:12
when we were doing it the old-fashioned way, I realized
352
900162
2192
amikor az ódivatú módszerrel csináltuk, rájöttem,
15:14
all of our work was really adding up to just a drop in the bucket --
353
902354
2898
hogy minden munkánk együttesen is
csupán egy csepp a tengerben --
csupán egy csepp a tengerben --
15:17
10, 20, 30 different programs.
354
905252
2226
10, 20, 30 különböző program.
15:19
We've made a lot of progress, but I recognize
355
907478
2275
Nagyon nagy előrelépést tettünk, de most jövök rá
15:21
that right now, even the work that we've done
356
909753
2157
arra, hogy még az a munka is, amit eddig teljesítettünk,
15:23
with 14,000 people using this,
357
911910
2404
a 14.000 felhasználóval,
15:26
is still a drop in the bucket. But something's changed.
358
914314
2946
továbbra is csak egy csepp a tengerben.
De valami mégis megváltozott.
De valami mégis megváltozott.
15:29
And I think it should be obvious.
359
917260
1216
És úgy hiszem, ez nyilvánvaló.
15:30
What's changed now is,
360
918476
2091
Ami megváltozott, az az, hogy
15:32
instead of having a program in which we're scaling at such a slow rate
361
920567
3578
ahelyett, hogy lenne egy programunk,
amiben lassú ütemben terjeszkedünk,
amiben lassú ütemben terjeszkedünk,
15:36
that we can never reach all the people who need us,
362
924145
3198
amivel sosem érhetjük el az összes embert,
akinek szüksége van ránk,
akinek szüksége van ránk,
15:39
we've made it unnecessary for people to get reached by us.
363
927343
3659
feleslegessé tettük az emberek számára,
hogy elérjük őket.
hogy elérjük őket.
15:43
We've created a tool that lets programs
364
931002
3076
Készítettünk egy eszközt,
ami lehetővé teszi a programoknak
ami lehetővé teszi a programoknak
15:46
keep kids in school, track the number of babies
365
934078
3155
a gyerekek iskolában tartását,
a megszületett csecsemők számának követését,
a megszületett csecsemők számának követését,
15:49
that are born and the number of babies that die,
366
937233
2804
és a halálozások számának követését,
15:52
to catch criminals and successfully prosecute them,
367
940037
3623
bűnözők kézre kerítését és bíróság elé állítását,
15:55
to do all these different things to learn more
368
943660
2690
hogy mindezeket megtehessék,
hogy többet tudjanak meg arról,
hogy többet tudjanak meg arról,
15:58
about what's going on, to understand more, to see more,
369
946350
5117
hogy mi folyik ott, hogy többet megérthessenek,
nagyobb rálátással bírjanak,
nagyobb rálátással bírjanak,
16:03
and to save lives and improve lives.
370
951467
3971
hogy életeket mentsenek
és életeket tegyenek jobbá.
és életeket tegyenek jobbá.
16:07
Thank you.
371
955438
1997
Köszönöm.
16:09
(Applause)
372
957435
3987
(Taps)
ABOUT THE SPEAKER
Joel Selanikio - Health and technology activistDr. Joel Selanikio combines technology and data to help solve global health challenges.
Why you should listen
A practicing pediatrician, former Wall Street computer consultant, and former epidemiologist at the Centers for Disease Control, Dr. Joel Selanikio is the CEO of DataDyne, a social business working in fields such as international development and global health.
Selanikio started to experiment with electronic data capture back when the Palm Pilot was cutting edge technology. In the years since then, he has helped to experiment with the growing potential and availability of technology--and the growing ubiquity of the cloud. Combining the two has led to systems such as Magpi mobile data collection software. Previously known as "EpiSurveyor," the service now has over 20,000 users in more than 170 countries.
Selanikio holds a bachelor's degree from Haverford College, a medical degree from Brown University, and he is a graduate of the Epidemic Intelligence Service fellowship of the CDC. He continues to practice clinical pediatrics as an Assistant Professor at Georgetown University and on the Emergency Response Team of the International Rescue Committee.
Joel Selanikio | Speaker | TED.com