TED2018
Dina Katabi: A new way to monitor vital signs (that can see through walls)
Dina Katabi: Életjelek nyomon követésének új módszere, amely átlát a falon
Filmed:
Readability: 4.2
1,513,020 views
Dina Katabi és csapata az MIT-n azon dolgozik, hogy új módszerrel kövesse nyomon kórházban fekvő vagy otthonukban lévő betegek életjeleit, s ehhez nem kell semmit viselniük: semmiféle terjedelmes vagy csipogó készüléket. A módszerrel ráadásul falon is át lehet látni. Észbontó és szemléltetéssel tarkított előadásában Katabi betekintést nyújt Wi-Fihez hasonló rendszere működésébe, amely felfogja a páciensekről visszaverődő jeleket, és megbízható tájékoztatást nyújt életjeleikről az orvosoknak. Helen Walters TED-kurátor rövid kérdéseire Katabi elmondja, milyen biztonsági megoldásokkal akadályozzák meg, hogy valakit beleegyezése nélkül nyomon kövessenek.
Dina Katabi - Technologist
Dina Katabi investigates how AI can make wireless devices sense human motion and vital signs. Full bio
Dina Katabi investigates how AI can make wireless devices sense human motion and vital signs. Full bio
Double-click the English transcript below to play the video.
00:13
When I was a kid,
0
1150
1175
Gyerekkoromban, mint itt sokan,
00:14
I was, like many of you in this room,
very much fascinated by Star Wars,
very much fascinated by Star Wars,
1
2349
4900
bele voltam gyönyörödve
a Csillagok háborújába.
a Csillagok háborújába.
00:19
and what fascinated me the most
is this notion of the Force,
is this notion of the Force,
2
7273
4476
Leginkább az Erő tulajdonsága tetszett,
00:23
this energy that connects
all people and all objects
all people and all objects
3
11773
3110
a minden embert és tárgyat
összekötő energia,
összekötő energia,
amellyel azokat is érzékeljük,
akiket még csak nem is látunk.
akiket még csak nem is látunk.
00:26
and allows you to feel people
that you can't even see.
that you can't even see.
4
14907
3418
00:30
And I remember many nights,
I would be sitting at home,
I would be sitting at home,
5
18753
3088
Emlékszem sok-sok otthon töltött estére,
00:33
just, like, concentrating and focusing,
trying to feel the Force,
trying to feel the Force,
6
21865
3970
amikor összpontosítva
igyekeztem megérezni az Erőt.
igyekeztem megérezni az Erőt.
00:38
and I didn't feel anything, don't worry.
7
26624
2563
Semmit sem éreztem, nyugodjanak meg.
00:41
(Laughter)
8
29211
1857
(Nevetés)
00:43
And later in life, I became a scientist.
9
31092
2850
Majd kutató lettem.
00:45
I joined the MIT faculty
and started working on wireless signals.
and started working on wireless signals.
10
33966
4713
Az MIT tanári karába kerültem,
és rádiójelekkel kezdtem foglalkozni.
és rádiójelekkel kezdtem foglalkozni.
00:51
These are things like Wi-Fi
or cellular systems,
or cellular systems,
11
39184
3143
Ilyen a Wi-Fi s a rádiótelefon-rendszerek.
00:54
and I did a lot of work in that domain.
12
42351
2352
Sokat dolgoztam e területen.
00:57
But then, again, this Force thing
kept nagging me,
kept nagging me,
13
45489
4589
De az Erő-dolog csak nem hagyott nyugodni.
01:02
and at some point, I was just like,
14
50102
1925
Egyszer csak arra gondoltam:
01:04
"Wait a minute, these wireless signals --
they are like the Force."
they are like the Force."
15
52051
4652
"Várjunk csak, azok a rádiójelek
olyanok, mint az Erő!"
olyanok, mint az Erő!"
01:08
So if you think about it,
16
56727
1194
Ha belegondolunk,
01:09
wireless signals,
they travel through space,
they travel through space,
17
57945
2631
a rádiójelek terjednek a térben,
01:12
they go through obstacles
and walls and occlusions,
and walls and occlusions,
18
60600
3480
átjutnak akadályokon és falakon,
01:16
and some of them,
19
64104
1241
és némelyikük
01:17
they reflect off our bodies,
because our bodies are full of water,
because our bodies are full of water,
20
65369
4150
visszaverődik testünkről,
mert testünk vízzel van teli,
mert testünk vízzel van teli,
01:21
and some of these minute reflections,
21
69543
2206
és egyes apróbb visszaverődések
01:23
they come back.
22
71773
1258
visszatérnek.
01:25
And if, just if, I had a device that can
just sense these minute reflections,
just sense these minute reflections,
23
73055
6971
Ha lenne eszközöm, amely érzékelné
ezeket az apró visszaverődéseket,
ezeket az apró visszaverődéseket,
01:32
then I would be able to feel people
that I cannot see.
that I cannot see.
24
80050
2984
akkor képes lennék a nem
látható embereket érzékelni.
látható embereket érzékelni.
01:36
So I started working with my students
on building such a device,
on building such a device,
25
84444
3753
Hozzáláttam diákjaimmal
ilyen készülék megépítéséhez,
ilyen készülék megépítéséhez,
01:40
and I want to show you
some of our early results.
some of our early results.
26
88221
3310
és most bemutatom önöknek
néhány kezdeti eredményünket.
néhány kezdeti eredményünket.
01:44
So here, you see my student standing,
27
92584
2283
Itt áll az egyik diákom.
01:46
and here is our device.
28
94891
1977
Ez pedig a készülékünk.
01:48
And we are going to put the device
in the other office, behind the wall,
in the other office, behind the wall,
29
96892
5610
Átvisszük a készüléket
a szomszéd szobába, a falon túlra,
a szomszéd szobába, a falon túlra,
01:54
and we are going
to monitor him as he moves.
to monitor him as he moves.
30
102526
2817
és megfigyeljük a diák mozgását.
01:57
This red dot is tracking him
using wireless signals.
using wireless signals.
31
105367
4079
A piros pötty a rádiójelekkel
nyomon követett diák.
nyomon követett diák.
02:02
And as you can see, the red dot
is tracking his movements very accurately,
is tracking his movements very accurately,
32
110760
4784
Látható, hogy nagyon pontosan követi,
02:07
purely based on how his body interacts
with the surrounding wireless signals.
with the surrounding wireless signals.
33
115568
4754
csupán amiatt, ahogy teste
a környező jelekre hat.
a környező jelekre hat.
02:13
Pretty accurate, isn't it?
34
121631
1704
Igencsak pontos, nemde?
02:16
He has no wearables, nothing.
35
124702
1873
A diák semmilyen eszközt sem visel.
02:18
(Applause)
36
126599
2814
(Taps)
02:21
Now you might be wondering,
37
129437
1745
Szöget üthet a fejükbe,
02:23
how is it possible
that we can sense people
that we can sense people
38
131206
3182
hogyan lehetséges valaki érzékelése
és nyomon követése falon át,
és nyomon követése falon át,
02:26
and track them, without
any wearables, through walls,
any wearables, through walls,
39
134412
3846
ha az illető semmilyen eszközt nem visel.
02:30
and the easiest analogy
to think about is radar.
to think about is radar.
40
138282
3366
Elsőként mint analógia
a radar juthat eszükbe.
a radar juthat eszükbe.
02:33
I'm sure many of you
have seen this picture.
have seen this picture.
41
141672
2093
Biztosan sokan látták már e képet.
02:35
You transmit a wireless signal to the sky,
42
143789
2158
Rádiójelet sugárzunk az égbe,
02:37
it reflects off some airplane,
comes back to you,
comes back to you,
43
145971
2968
valamely repülőről
visszaverődve visszaérkezik,
visszaverődve visszaérkezik,
02:40
and you start detecting these airplanes.
44
148963
2341
és így érzékeljük a repülőgépeket.
02:44
But if it were just radar,
45
152328
1944
De radarral 50 éve is
02:46
then we would have this 50 years ago.
46
154296
2253
meg tudtuk volna ezt csinálni.
02:49
So it's not just radar.
47
157272
1706
Ez nem radar.
02:51
There are two key differences.
48
159285
2190
Két lényegi különbség van.
02:54
So the first difference, of course --
49
162229
1763
Az első különbség persze,
02:56
you can't, like radar, just blast
wireless power at somebody.
wireless power at somebody.
50
164016
3519
hogy nem lehet, mint a radarral,
valakire rádiósugárzást bocsátani.
valakire rádiósugárzást bocsátani.
02:59
You're going to fry them
like if they were in a microwave.
like if they were in a microwave.
51
167559
2727
Pecsenyére sülne, mint a mikróban.
03:02
Don't do that.
52
170310
1150
Ne tegyük.
03:04
So it means that you have to be able
to deal with very weak signals,
to deal with very weak signals,
53
172595
5065
Így igen gyenge jelekkel kell dolgoznunk,
03:09
and that means that your device
has to be very sensitive.
has to be very sensitive.
54
177684
3126
ezért készülékünknek nagyon
érzékenynek kell lennie.
érzékenynek kell lennie.
03:14
The second difference is that,
unlike the sky, where it's empty --
unlike the sky, where it's empty --
55
182144
4131
A másik különbség, hogy az égtől eltérően,
amely ha szerencsénk van, üres,
és csak egyetlen gépet kell befogni,
és csak egyetlen gépet kell befogni,
03:18
if you are lucky, there is one airplane
that you can catch there.
that you can catch there.
56
186299
3144
03:21
Like, look at the room
57
189467
1342
a szobában láthatólag
03:22
and look how many objects
and people there are.
and people there are.
58
190833
2888
rengeteg tárgy és ember található.
03:25
So in indoor environments, the signal
not only reflects off the person,
not only reflects off the person,
59
193745
3937
Beltéri környezetben a jel
nemcsak emberekről verődik vissza,
nemcsak emberekről verődik vissza,
03:29
if reflects off the person,
off the floor, the ceiling,
off the floor, the ceiling,
60
197706
3793
hanem a padlóról, mennyezetről,
03:33
off other people around,
61
201523
2222
környező személyekről is;
03:35
and you get very complex reflections
62
203769
1983
ezért igen összetett
visszaverődéseket kapunk,
visszaverődéseket kapunk,
03:37
where the same signal reflects
off me and then off you,
off me and then off you,
63
205776
2731
amelyekben a jel rólam, majd másról,
aztán a mennyezetről,
majd a padlóról verődik vissza.
majd a padlóról verődik vissza.
03:40
and then off the ceiling,
then off the floor.
then off the floor.
64
208531
2238
03:42
And you have to make sense of that mess.
65
210793
3169
El kell igazodnunk ebben a zűrzavarban.
03:47
But we were lucky.
66
215993
1849
De szerencsénk volt,
03:49
We were coming at the right time.
67
217866
2492
jókor érkeztünk.
03:53
So two things helped us.
68
221252
1872
Két dolog sietett a segítségünkre.
03:55
The first thing is radiotechnologies
have evolved a lot,
have evolved a lot,
69
223148
4056
Az első a rádiótechnika erős fejlődése,
03:59
and over the last decade,
70
227228
1775
melynek hatására az utóbbi évtizedben
04:01
radio technology
became much more powerful,
became much more powerful,
71
229027
2310
a rádiótechnika sokkal nagyobb
teljesítményre lett képes,
teljesítményre lett képes,
04:03
so we were able to build
very sensitive radios
very sensitive radios
72
231361
3737
így érzékenyebb,
gyenge és apró rádiófrekvenciás
jeleket érzékelő rádiót építhetünk.
jeleket érzékelő rádiót építhetünk.
04:07
that can sense weak and minute RF signals.
73
235122
3357
04:11
The second thing: machine learning.
74
239725
3039
A másik a gépi tanulás.
04:14
So you keep hearing about machine learning
75
242788
2000
Állandóan hallunk a gépi tanulásról.
04:16
and there was a revolution
of machine learning recently,
of machine learning recently,
76
244812
2961
Nemrég forradalmi változások
történtek a gépi tanulásban,
történtek a gépi tanulásban,
04:19
in deep learning,
77
247797
1151
a mély tanulásban,
04:20
and that allowed us to build
machine-learning models
machine-learning models
78
248972
3769
ez pedig a gépi tanulási
modellezést tette lehetővé,
modellezést tette lehetővé,
04:24
that can understand wireless signals
and interpret them
and interpret them
79
252765
3547
amely érti és értelmezni
tudja a rádiójeleket.
tudja a rádiójeleket.
04:28
so they would know what happened
in the environment.
in the environment.
80
256336
3505
A modellek tudni fogják,
ami a környezetükben történik.
ami a környezetükben történik.
04:31
So if you think of it,
the radio is like the ear of our device
the radio is like the ear of our device
81
259865
3810
Ha belegondolunk, a rádió a készülék füle,
04:35
and the machine learning
is like the brain,
is like the brain,
82
263699
2579
a gépi tanulás pedig az agya;
04:38
and together, they have
a very powerful device.
a very powerful device.
83
266302
3823
együtt igen hatékony készüléket alkotnak.
04:44
So what else can we sense about people
using wireless signals?
using wireless signals?
84
272108
5023
Mi mást érzékelhetünk rádiójelekkel
az emberekkel kapcsolatban?
az emberekkel kapcsolatban?
04:50
Sleep.
85
278458
1151
Az alvást.
Az alvás a szívem csücske,
04:51
Sleep, actually, is something
very dear to my heart,
very dear to my heart,
86
279633
2429
04:54
because my sleep is a disaster.
87
282086
1927
mert borzalmasan alszom.
04:56
(Laughter)
88
284037
1348
(Nevetés)
04:57
So one thing is when you start working
on some physiological signal
on some physiological signal
89
285409
3229
Vicces, hogy mikor valamely
élettani jelen kezdünk dolgozni,
élettani jelen kezdünk dolgozni,
05:00
and you discover that yours sucks.
90
288662
2659
és véletlenül rájövünk: a miénk pocsék.
05:03
(Laughter)
91
291908
3095
(Nevetés)
05:07
So you can see why we can capture sleep,
92
295344
2126
Ezért rögzítjük az alvást,
05:09
because the person walks and the device
sees him as he walks to bed,
sees him as he walks to bed,
93
297494
3266
mert a személy jár-kel, és a készülék
látja, amint odamegy az ágyhoz,
látja, amint odamegy az ágyhoz,
05:12
when he stops tossing around in bed,
94
300784
2275
mikor az ágyban abbahagyja a hánykolódást,
05:15
when he steps out of bed,
95
303083
1841
mikor fölkel.
05:16
and that measure of sleep
is what people call actigraphy.
is what people call actigraphy.
96
304948
3698
Az alvás mennyiségét
aktigráfiával rögzítjük,
aktigráfiával rögzítjük,
05:20
It's based on motion.
97
308670
1254
amely mozgáson alapszik.
05:23
But it turned out
that we can actually get sleep
that we can actually get sleep
98
311087
3294
De kiderült:
sokkal fontosabb szinten is aludhatunk.
05:26
at a much more important level.
99
314405
2387
05:28
We can understand
the change in the brain waves
the change in the brain waves
100
316816
3564
Megérthetjük az alvás közben keletkező
05:32
that occur during sleep.
101
320404
1548
agyhullámok szerepét.
05:35
So, many of you probably know
that as we go to sleep,
that as we go to sleep,
102
323403
2953
Sokan nyilván tudják,
hogy mikor aludni térünk,
hogy mikor aludni térünk,
05:38
our brainwaves change
and we enter different stages:
and we enter different stages:
103
326380
3373
agyhullámaink megváltoznak,
és más-más fázisokba jutunk:
és más-más fázisokba jutunk:
05:41
awake, light sleep, deep sleep
and REM, or rapid eye movement.
and REM, or rapid eye movement.
104
329777
4069
ébrenlét, felületes alvás, mély alvás
és a REM, a gyors szemmozgású.
és a REM, a gyors szemmozgású.
05:46
These stages are of course
related to sleep disorders,
related to sleep disorders,
105
334267
4334
E fázisok persze alvászavarokhoz
05:50
but they are also related
to various diseases.
to various diseases.
106
338625
3110
vagy betegségekhez kapcsolódnak.
05:53
So for example, disturbances in REM
are associated with depression.
are associated with depression.
107
341759
5461
Pl. a REM-szakasz zavarai
depresszióra utalnak,
depresszióra utalnak,
05:59
Disturbances in deep sleep
are associated with Alzheimer's.
are associated with Alzheimer's.
108
347718
3928
a mély alvás zavarai Alzheimer-kórra.
06:04
So if you want to get sleep staging,
109
352614
2539
Ha rendbe akarjuk hozni valaki alvását,
06:07
today, you will send the person
to the hospital,
to the hospital,
110
355177
2310
ma kórházba küldjük a pácienst,
06:09
they put all of these
electrodes on their head,
electrodes on their head,
111
357511
2554
fejére rakják ezeket az elektródákat,
06:12
and they ask them to sleep like that.
112
360089
1830
és megkérik, hogy ezzel aludjon.
06:13
(Laughter)
113
361943
2060
(Nevetés)
06:16
It's not really a happy experience.
114
364027
2935
Nem valami kellemes élmény.
06:20
So what if I tell you
that I can do the same thing
that I can do the same thing
115
368155
2936
És ha ugyanezt meg tudom tenni,
06:23
but without any of these electrodes
on the person's body?
on the person's body?
116
371115
3167
a páciens testére rakott
bármiféle elektródák nélkül?
bármiféle elektródák nélkül?
06:27
So here is our device,
117
375596
1872
Itt a készülékünk,
06:29
transmitting very low power
wireless signal,
wireless signal,
118
377492
2762
amely igen kis teljesítményű
rádiójeleket sugároz,
rádiójeleket sugároz,
06:32
analyzes the reflections using AI
119
380278
2112
MI-vel elemzi a visszaverődéseket,
06:34
and spits out the sleep stages
throughout the night.
throughout the night.
120
382414
3166
és ontja magából
az éjszakai alvásfázisok jellemzőit.
az éjszakai alvásfázisok jellemzőit.
06:38
So we know, for example,
when this person is dreaming.
when this person is dreaming.
121
386647
3582
Pl. tudjuk, hogy az illető mikor álmodik.
06:44
Not just that ...
122
392333
1150
Nem csak azt.
06:46
we can even get your breathing
while you are sitting like that,
while you are sitting like that,
123
394691
3087
Figyelhetjük a légzését, mikor így ül,
06:49
and without touching you.
124
397802
1573
anélkül hogy hozzáérnénk.
06:51
So he is sitting and reading
125
399399
1602
A férfi ül és olvas,
06:53
and this is his inhales, exhales.
126
401025
2945
ez a belégzése és kilégzése.
06:55
We asked him to hold his breath,
127
403994
1991
Megkértük, tartsa vissza a lélegzetét,
06:58
and you see the signal
staying at a steady level
staying at a steady level
128
406009
2866
és látják, hogy a jelszint állandó,
07:00
because he exhaled.
129
408899
1151
mert kilélegezett.
07:02
He did not inhale.
130
410074
1150
Nem volt belégzés.
07:05
And I want to zoom in on the signal.
131
413279
2484
Kinagyítom a jelet.
07:07
And this is the same signal as before.
132
415787
2063
Ez a korábbi jel.
07:09
These are the inhales,
133
417874
1681
Ezek a belégzések,
07:11
these are the exhales.
134
419579
1644
ezek meg a kilégzések.
07:13
And you see these blips on the signal?
135
421247
2087
Látják a jelekre rakódó rezdüléseket?
07:15
These are not noise.
136
423358
1311
Ezek nem zajok.
07:17
They are his heartbeats.
137
425159
1779
Az illető szívdobbanásai.
07:19
And you can see them beat by beat.
138
427971
1801
Minden szívdobbanás külön látható.
07:23
So I want to stop here for a moment
and show you a live demo.
and show you a live demo.
139
431439
4221
Egy pillanatra itt megállok,
és élő felvételt mutatok.
és élő felvételt mutatok.
07:27
Zach is going to help me with the demo,
140
435684
2071
Zach segít nekem a szemléltetésben,
07:29
and we're going to use the device
to monitor Zach's breathing.
to monitor Zach's breathing.
141
437779
4755
melyben az ő légzését
fogjuk figyelni a készülékkel.
fogjuk figyelni a készülékkel.
07:35
So this white box
that you see here is the device,
that you see here is the device,
142
443272
3768
Ez a fehér doboz a készülék,
07:39
and Zach is turning it on ...
143
447064
2341
Zach bekapcsolja,...
07:43
and I see that he breathes well.
144
451581
2541
látszik, hogy szabályosan lélegzik.
07:46
So we're going to do exactly what we did
in the video with the other guy,
in the video with the other guy,
145
454146
4602
Pontosan azt tesszük,
amit a videón lévő másik pasival:
amit a videón lévő másik pasival:
07:50
so the wireless signal is going through,
146
458772
2691
a rádiójel átmegy,
07:53
it's touching Zach's body,
147
461487
1650
eléri Zach testét,
07:55
and it's reflecting back to the device,
148
463161
2223
visszaverődik a készülékre.
07:57
and we want to monitor his breathing,
his inhale-exhale motion.
his inhale-exhale motion.
149
465408
3371
Levegővételét, be-kilégzését figyeljük.
08:00
So we see the inhales, exhales --
150
468803
2523
Látjuk a be-kilégzését:
08:03
so see, these ups and downs
are Zach breathing.
are Zach breathing.
151
471350
4373
ez az ingadozás Zach légzése.
08:10
Inhaling, exhaling.
152
478191
2151
Belélegez, kilélegez.
08:12
(Applause)
153
480366
5602
(Taps)
08:17
So, he can breathe.
154
485992
2152
Lélegzik!
08:20
(Laughter)
155
488168
1421
(Nevetés)
08:21
Zach, can you hold your breath, please?
156
489613
2198
Zach, kérlek, tartsd vissza a lélegzeted!
08:25
OK, so now he's holding his breath,
157
493216
3063
Most visszatartja.
08:28
so you see the signal stays
at a steady level,
at a steady level,
158
496303
2254
Látják, hogy a jel konstans,
08:30
and these are his heartbeats.
159
498581
1626
ezek a szívdobbanásai.
08:32
Beat, beat, beat, beat, beat.
160
500231
3476
Ver, ver, ver, ver, ver.
08:35
(Applause)
161
503731
1001
(Taps)
08:36
OK, Zach, you can breathe again.
162
504756
2167
Zach, lélegezz megint!
08:38
(Laughter)
163
506947
1889
(Nevetés)
08:40
We don't want accidents here.
164
508860
1420
Nem akarunk zűrt.
08:42
(Laughter)
165
510304
1001
(Nevetés)
08:43
OK, thank you.
166
511329
1150
Köszönöm.
08:45
(Applause)
167
513756
5936
(Taps)
08:51
So as you can see, we have this device
168
519716
2761
E készülékkel
08:54
that can monitor so many
physiological signals for you,
physiological signals for you,
169
522501
3540
számos élettani jelet figyelhetünk meg.
08:58
and what is really interesting
about this device
about this device
170
526065
2960
Az igazán érdekes az,
09:01
is that it does all this
without any wearables,
without any wearables,
171
529049
2563
hogy a személy semmit nem hord hozzá,
09:03
without asking the person
to change his behavior
to change his behavior
172
531636
2698
nem kell változtatnia a viselkedésén,
09:06
or to wear anything
or charge anything special.
or charge anything special.
173
534358
2492
semmi extrát nem kell fölvennie
vagy bármit is feltöltenie.
vagy bármit is feltöltenie.
09:09
And that got doctors very excited,
174
537739
2968
A dolog fölkeltette az orvosok figyelmét,
09:12
because doctors,
175
540731
1151
mert a dokik
09:13
they always want to know
more information about their patients,
more information about their patients,
176
541906
2957
mindig többet szeretnének
tudni a pácienseikről,
tudni a pácienseikről,
főként otthoni viselkedésükről.
09:16
particularly at home,
177
544887
1170
09:18
and this is particularly true
in chronic diseases,
in chronic diseases,
178
546081
2634
Ez főleg az idült betegségekre igaz,
09:20
like pulmonary diseases, like COPD,
179
548739
4155
pl. tüdőbetegségekre, idült obstruktív
légúti betegségre, a COPD-ra,
légúti betegségre, a COPD-ra,
09:24
or heart failure or Alzheimer's
and even depression.
and even depression.
180
552918
4524
szívelégtelenségre, Alzheimer-kórra,
de még a depresszióra is.
de még a depresszióra is.
09:29
All of these chronic diseases
are very important.
are very important.
181
557466
2317
Minden idült betegség nagyon fontos.
09:31
In fact -- perhaps you know --
182
559807
2468
Talán tudják,
09:34
two-thirds of the cost
of health care in the US
of health care in the US
183
562299
2880
hogy az USA egészségügyi kiadásainak 2/3-a
09:37
is due to chronic diseases.
184
565203
1984
idült betegségek miatt merül föl.
09:39
But what is really interesting
about chronic diseases
about chronic diseases
185
567545
2531
Az idült kórokkal kapcsolatban érdekes,
09:42
is that when the person, for example,
186
570100
1820
hogy a már kórházi ápolásra
09:43
has a problem that leads
to the hospital and the emergency room,
to the hospital and the emergency room,
187
571944
4737
és sürgősségi ellátásra szoruló beteg baja
09:48
this problem doesn't happen overnight.
188
576705
2315
nem hirtelen keletkezett.
09:51
Actually, things happen gradually.
189
579044
2079
Valójában fokozatosan.
09:53
So if we can monitor
chronic disease patients in their home,
chronic disease patients in their home,
190
581147
3722
Ha otthonukban figyelhetjük meg
idült betegeinket,
idült betegeinket,
09:56
we can detect changes in their breathing,
heartbeat, mobility, sleep --
heartbeat, mobility, sleep --
191
584893
4261
kimutathatjuk légzésük, szívverésük,
mozgásuk, alvásuk módosulását
mozgásuk, alvásuk módosulását
10:01
and we can detect emergencies
before they occur
before they occur
192
589178
4182
és kimutathatjuk a szükséghelyzetet –
még bekövetkezte előtt;
még bekövetkezte előtt;
10:05
and have the doctor intervene earlier
193
593384
2317
az orvos korábban avatkozhat be,
10:07
so that we can avoid hospitalization.
194
595725
2063
így elkerülhető a kórházba utalás.
10:10
And indeed, today we are working
with multiple doctors
with multiple doctors
195
598645
4102
Jelenleg több orvossal,
10:14
in different disease categories.
196
602771
1959
különböző betegségcsoportokkal dolgozunk.
10:16
So I'm really excited
197
604754
1183
Nagyon örülök,
10:17
because we have deployed the device
with many patients.
with many patients.
198
605961
2684
mert sok páciensnél
telepítettük a készüléket.
telepítettük a készüléket.
10:20
We have deployed the device
with patients that have COPD,
with patients that have COPD,
199
608669
3332
COPD-betegeknél.
10:24
which is a pulmonary disease,
200
612025
1507
Ez tüdőbetegség.
10:25
patients that have Alzheimer's,
201
613556
2055
Továbbá Alzheimer-kórosaknál,
10:27
patients that have depression and anxiety
202
615635
2293
depressziósoknál és szorongóknál
10:29
and people that have Parkinson's.
203
617952
1715
és Parkinson-kórosaknál.
10:32
And we are working with the doctors
on improving their life,
on improving their life,
204
620798
2883
Jobban megismerve a betegségüket
életük könnyebbé tételén
dolgozunk az orvosokkal.
dolgozunk az orvosokkal.
10:35
understanding the disease better.
205
623705
1841
10:38
So when I started, I told you
206
626718
2571
Az elején elmondtam,
10:41
that I'm really fascinated with Star Wars
and the Force in Star Wars,
and the Force in Star Wars,
207
629313
5420
hogy bele voltam gyönyörödve
a Csillagok háborújába és az Erőbe.
a Csillagok háborújába és az Erőbe.
10:46
and indeed, I'm still
very much fascinated,
very much fascinated,
208
634757
3326
Ez még mindig így van.
10:50
even now, as a grown-up, with Star Wars,
209
638107
2006
Még most is, felnőttként,
10:52
waiting for the next movie.
210
640137
2295
várom a Csillagok háborúja
következő részét.
következő részét.
10:54
But I'm very fascinated now and excited
211
642456
5269
De igencsak lenyűgöz és izgat
10:59
about this new Force of wireless signals,
212
647749
3798
a rádiójelekből áradó Erő,
11:03
and the potential of changing
health care with this new force.
health care with this new force.
213
651571
4006
és hogy ezzel az új erővel
meg lehet változtatni a gyógyítást.
meg lehet változtatni a gyógyítást.
11:07
One of the patients with whom
we deployed is actually my aunt.
we deployed is actually my aunt.
214
655601
2944
Nagynénémnél is telepítettük a készüléket.
11:10
She has heart failure,
215
658569
2151
Szívbeteg.
11:12
and I'm sure many of you guys
in the audience
in the audience
216
660744
3708
Meggyőződésem, hogy a hallgatóságban
11:16
have parents, grandparents,
loved ones who have chronic diseases.
loved ones who have chronic diseases.
217
664476
4688
sokak szülőjének, nagyszülőjének,
hozzátartozójának van idült betegsége.
hozzátartozójának van idült betegsége.
11:21
So I want you to imagine with me a future
218
669188
2858
Képzeljék el velem együtt a jövőt,
11:24
where in every home
that has a chronic disease patient,
that has a chronic disease patient,
219
672070
2882
mikor minden házban, ahol idült beteg van,
11:26
there is a device like this device
sitting in the background
sitting in the background
220
674976
3125
ott a készülék, meghúzódik a háttérben,
11:30
and just monitoring passively
221
678125
2365
és csak csöndesen figyeli
11:32
sleep, breathing, the health
of this chronic disease patient,
of this chronic disease patient,
222
680514
4666
az idült beteg alvását,
légzését, egészségét,
légzését, egészségét,
11:37
and before an emergency occurs,
223
685204
2124
és még a szükséghelyzet beállta előtt
11:39
it would detect the degradation
in the physiological signal
in the physiological signal
224
687352
3023
fölismeri az élettani jel leromlását,
11:42
and alert the doctor
225
690399
1500
és riasztja az orvost.
11:43
so that we can avoid hospitalization.
226
691923
2063
Így elkerülhető a kórházi beutalás.
11:46
This can change health care
as we know it today,
as we know it today,
227
694652
3127
Ez módosíthatja a jelenlegi gyógyítást,
11:49
improve how we understand
chronic diseases
chronic diseases
228
697803
3000
javíthatja az idült betegségek ismeretét,
11:52
and also save many lives.
229
700827
1769
és sok-sok életet megmenthet.
11:54
Thank you.
230
702898
1151
Köszönöm.
11:56
(Applause)
231
704073
5134
(Taps)
12:01
Helen Walters: Dina, thank you so much.
232
709231
1887
Helen Walters: Dina, köszönjük szépen.
12:03
Thank you too, Zach.
233
711142
1151
Neked is, Zach.
12:04
So glad you're breathing.
234
712317
1311
Örülök, hogy lélegzel.
12:05
So Dina, this is amazing.
235
713652
2697
Dina, ez elképesztő!
12:08
The positive applications are incredible.
236
716373
3028
A pozitív alkalmazások hihetetlenek.
12:11
What is the framework, though,
like the ethical framework around this?
like the ethical framework around this?
237
719425
3995
Melyek az alkalmazás etikai keretei?
12:15
What are you doing to prevent
this technology from being used
this technology from being used
238
723444
2880
Mit teszel, hogy meggátold
12:18
for other, perhaps less positive
types of applications?
types of applications?
239
726348
3769
a technika – mondjuk –
kevésbé helyes alkalmazását?
kevésbé helyes alkalmazását?
12:22
Dina Katabi: Yeah, this is
a very important question, of course,
a very important question, of course,
240
730141
3055
Dina Katabi: Ez nagyon fontos kérdés,
hogy mi a helyzet a visszaélésekkel
12:25
like, what about misuse,
241
733220
1169
12:26
or what about, I guess you could say,
about the Dark Side of the Force?
about the Dark Side of the Force?
242
734413
3622
vagy az Erő sötét oldalával?
12:30
HW: Right, right.
243
738059
1174
HW: Igen, erről van szó.
12:31
(Laughter)
244
739257
2087
(Nevetés)
12:33
DK: So we actually have technologies
245
741368
3499
DK: Megvan a technikánk,
12:36
that prevent people
from trying to use this device
from trying to use this device
246
744891
4277
hogy meggátoljuk a készülék fölhasználását
12:41
to monitor somebody without their consent.
247
749192
2354
mások beleegyezésük nélküli
nyomon követésére.
nyomon követésére.
12:43
Because the device understands space,
248
751570
2253
Mivel a készülék érzékeli a teret,
12:45
it will ask you to prove,
by doing certain movements,
by doing certain movements,
249
753847
3421
egyes mozgások megtételéhez
bizonyítékot fog követelni,
bizonyítékot fog követelni,
hogy kezelője hozzáférhet-e a térhez,
12:49
that you have access to the space
250
757292
1755
12:51
and you are the person
who you are asking the device to monitor.
who you are asking the device to monitor.
251
759071
3300
és kinek a nyomon követését
igénylik a készüléktől.
igénylik a készüléktől.
12:54
So technology-wise,
252
762395
2190
Kifinomult technikájú.
12:56
we have technology
that we integrate to prevent misuse,
that we integrate to prevent misuse,
253
764609
3388
Beépítettük a visszaélés meggátlására,
13:00
but also, I think there is a role
for policy, like everything else,
for policy, like everything else,
254
768021
3890
de megvannak a fölhasználás
szabályai is, mint minden másnak,
szabályai is, mint minden másnak,
13:03
and hopefully, with the two of them,
we can control any misuse.
we can control any misuse.
255
771935
5436
és remélhetőleg e kettővel
bármi visszaélést megfékezhetünk.
bármi visszaélést megfékezhetünk.
13:09
HW: Amazing. Thank you so much.
256
777395
1557
HW: Ragyogó. nagyon köszönjük.
13:10
DK: Thank you.
257
778976
1151
DK: Köszönöm.
13:12
(Applause)
258
780151
3769
(Taps)
ABOUT THE SPEAKER
Dina Katabi - TechnologistDina Katabi investigates how AI can make wireless devices sense human motion and vital signs.
Why you should listen
Dina Katabi designs new wireless devices that use machine learning to sense people through walls and occlusions. Her devices look like a Wi-Fi box. They transmit a low-power wireless signal and capture its reflections as it bounces off people and objects. They analyze those reflections to learn how people walk, measure their gait and detect elderly falls. The device can also measure a person's breathing, heart rate and sleep quality using wireless signals, without any sensor on the person's body. Katabi is working with medical doctors to use her technology to detect health emergencies and provide a better understanding of chronic diseases such as Alzheimer's and Parkinson's.
Katabi is the Andrew & Erna Viterbi Professor of Electrical Engineering and Computer Science at MIT. She is also the director of the MIT's Center for Wireless Networks and Mobile Computing, a member of the National Academy of Engineering and a recipient of the MacArthur Fellowship. Her research has been recognized by the ACM Prize in Computing, the ACM Grace Murray Hopper Award, the SIGCOMM Test-of-Time Award, the IEEE William R. Bennett prize, the Faculty Research Innovation Fellowship, a Sloan Fellowship and multiple best paper awards. Several startups have been spun out of her lab, such as PiCharging and Emerald.
Dina Katabi | Speaker | TED.com