ABOUT THE SPEAKER
Peter van Manen - Electronic systems expert
Peter van Manen is the Managing Director of McLaren Electronics, which provides data systems to major motorsports series.

Why you should listen

To say that Peter van Manen has a high-speed job would be an understatement. As Managing Director of McLaren Electronics, which provides electronics and data collection software to motorsports events, he and his team work in real time during a race to improve cars on about 500 different parameters. That's about 750 million data points in two hours.

But recently van Manen and his team have been wondering: Why can't the extremely precise and subtle data-collection and analysis systems used in motorsports be applied elsewhere, for the benefit of all? They have applied their systems to ICU units at Birmingham Children's Hospital with real-time analysis that allows them to proactively prevent cardiac arrests. The unit has seen a 25 percent decrease in life-threatening events. And it's just the beginning.

More profile about the speaker
Peter van Manen | Speaker | TED.com
TEDxNijmegen

Peter van Manen: Better baby care -- thanks to Formula 1

Peter van Manen: Come possono le gare di Formula 1 aiutare... i neonati?

Filmed:
845,406 views

Durante una gara di Formula 1, un'auto invia centinaia di milioni di dati al suo garage per analisi e feedback in tempo reale. Allora perché non usare altrove questo rigoroso e dettagliato sistema, come....negli ospedali pediatrici? Ce ne parla Peter van Manen.
- Electronic systems expert
Peter van Manen is the Managing Director of McLaren Electronics, which provides data systems to major motorsports series. Full bio

Double-click the English transcript below to play the video.

00:12
MotorMotore racingda corsa is a funnydivertente oldvecchio businessattività commerciale.
0
336
2257
Le gare automobilistiche sono uno scherzo.
00:14
We make a newnuovo carauto everyogni yearanno,
1
2593
2317
Creiamo una macchina nuova ogni anno,
00:16
and then we spendtrascorrere the restriposo of the seasonstagione
2
4910
2188
e poi passiamo il resto della stagione
00:19
tryingprovare to understandcapire what it is we'venoi abbiamo builtcostruito
3
7098
2776
a cercare di capire cosa abbiamo costruito
00:21
to make it better, to make it fasterPiù veloce.
4
9874
3221
per renderlo migliore e più veloce.
00:25
And then the nextIl prossimo yearanno, we startinizio again.
5
13095
3275
L'anno successivo, ripartiamo nuovamente.
00:28
Now, the carauto you see in frontdavanti of you is quiteabbastanza complicatedcomplicato.
6
16370
4238
L'auto che vedete qui di fronte a voi è alquanto complessa.
00:32
The chassistelaio is madefatto up of about 11,000 componentscomponenti,
7
20608
3619
Il telaio è composto da circa 11 000 elementi,
00:36
the enginemotore anotherun altro 6,000,
8
24227
2468
il motore da altri 6000 ,
00:38
the electronicselettronica about eightotto and a halfmetà thousandmille.
9
26695
3093
le componenti elettroniche sono all'incirca 8500
00:41
So there's about 25,000 things there that can go wrongsbagliato.
10
29788
4401
Ci sono circa 25 000 cose che possono andare storte.
00:46
So motoril motore racingda corsa is very much about attentionAttenzione to detaildettaglio.
11
34189
4826
Nelle competizioni, si tratta di prestare molta attenzione al dettaglio.
00:51
The other thing about FormulaFormula 1 in particularparticolare
12
39015
3263
L'altra cosa riguardo la Formula 1 in particolare
00:54
is we're always changingmutevole the carauto.
13
42278
2124
è che cambiamo sempre le macchine.
00:56
We're always tryingprovare to make it fasterPiù veloce.
14
44402
2280
Cerchiamo sempre di renderle più veloci.
00:58
So everyogni two weekssettimane, we will be makingfabbricazione
15
46682
2984
Così ogni due settimane, produciamo
01:01
about 5,000 newnuovo componentscomponenti to fitin forma to the carauto.
16
49666
4200
più o meno 5000 nuovi componenti da installare nell'auto.
01:05
FiveCinque to 10 percentper cento of the racegara carauto
17
53866
2178
Dal 5 al 10% dell'auto da corsa
01:08
will be differentdiverso everyogni two weekssettimane of the yearanno.
18
56044
3752
verrà modificato ogni 2 settimane.
01:11
So how do we do that?
19
59796
2309
Ma come siamo in grado di farlo?
01:14
Well, we startinizio our life with the racingda corsa carauto.
20
62105
3744
Iniziamo la nostra storia con le auto da corsa.
01:17
We have a lot of sensorssensori on the carauto to measuremisurare things.
21
65849
3991
Sulla vettura ci sono parecchi sensori per fare valutazioni.
01:21
On the racegara carauto in frontdavanti of you here
22
69840
1882
Sull'auto da corsa, qui di fronte a voi,
01:23
there are about 120 sensorssensori when it goesva into a racegara.
23
71722
3159
ci sono circa 120 sensori quando si presta ad una gara.
01:26
It's measuringmisurazione all sortstipi of things around the carauto.
24
74881
3652
Viene misurata ogni cosa riguardi l'auto.
01:30
That datadati is loggedregistrati. We're loggingregistrazione about
25
78533
2052
I dati vengono annotati. Registriamo
01:32
500 differentdiverso parametersparametri withinentro the datadati systemssistemi,
26
80585
3704
quasi 500 differenti parametri all'interno del sistema di dati
01:36
about 13,000 healthSalute parametersparametri and eventseventi
27
84289
3665
all'incirca 13 000 eventi e parametri sullo stato di salute
01:39
to say when things are not workinglavoro the way they should do,
28
87954
4565
in modo da sapere quando le cose non stanno funzionando come dovrebbero,
01:44
and we're sendinginvio that datadati back to the garagebox auto
29
92519
2825
e rispediamo i dati al garage
01:47
usingutilizzando telemetrytelemetria at a rateVota of two to fourquattro megabitsmegabit perper secondsecondo.
30
95344
4979
usando la telemetria ad una velocità che varia dai due ai quattro megabit per secondo.
01:52
So duringdurante a two-hourdue ore racegara, eachogni carauto will be sendinginvio
31
100323
3127
Quindi durante una corsa di due ore, ogni auto invierà
01:55
750 millionmilione numbersnumeri.
32
103450
2275
750 milioni di numeri.
01:57
That's twicedue volte as manymolti numbersnumeri as wordsparole that eachogni of us
33
105725
3143
È il doppio del numero delle parole che ognuno di noi
02:00
speaksparla in a lifetimetutta la vita.
34
108868
1631
pronuncerà in tutta la vita.
02:02
It's a hugeenorme amountquantità of datadati.
35
110499
2618
È un'immensa quantità di dati.
02:05
But it's not enoughabbastanza just to have datadati and measuremisurare it.
36
113117
2645
Ma avere dei dati e misurarli non è sufficiente.
02:07
You need to be ablecapace to do something with it.
37
115762
2158
Si deve essere in grado di poterci operare.
02:09
So we'venoi abbiamo spentspeso a lot of time and effortsforzo
38
117920
2394
Abbiamo quindi investito molto tempo e fatica
02:12
in turningsvolta the datadati into storiesstorie
39
120314
1869
nel trasformare dei dati in storie
02:14
to be ablecapace to tell, what's the statestato of the enginemotore,
40
122183
3105
per essere in condizione di dire, qual è lo stato di un motore,
02:17
how are the tirespneumatici degradingdegradanti,
41
125288
2272
come si stanno deteriorando le gomme,
02:19
what's the situationsituazione with fuelcarburante consumptionconsumo?
42
127560
3748
qual è lo stato di consumo del carburante.
02:23
So all of this is takingpresa datadati
43
131308
2788
Significa prendere un dato
02:26
and turningsvolta it into knowledgeconoscenza that we can actatto uponsu.
44
134096
3802
e trasformarlo in conoscenza, in base alla quale poter agire.
02:29
Okay, so let's have a look at a little bitpo of datadati.
45
137898
2638
Ok, diamo uno sguardo a qualche elemento.
02:32
Let's pickraccogliere a bitpo of datadati from
46
140536
2030
Prendiamo un po' di valori da
02:34
anotherun altro three-month-oldthree-month-old patientpaziente.
47
142566
3079
un altro paziente di tre mesi.
02:37
This is a childbambino, and what you're seeingvedendo here is realvero datadati,
48
145645
4171
Questo è un bambino, e quelli che state vedendo sono dei dati reali,
02:41
and on the farlontano right-handmano destra sidelato,
49
149816
1977
e all'estremità destra del grafico,
02:43
where everything startsinizia gettingottenere a little bitpo catastrophiccatastrofico,
50
151793
2587
dove la situazione inizia a farsi catastrofica,
02:46
that is the patientpaziente going into cardiaccardiaco arrestarresto.
51
154380
3584
è il paziente che sta andando in arresto cardiaco.
02:49
It was deemedritenuto to be an unpredictableimprevedibile eventevento.
52
157964
3232
Si pensava fosse un evento imprevedibile.
02:53
This was a heartcuore attackattacco that no one could see comingvenuta.
53
161196
3789
È stato un infarto che nessuno poteva prevedere.
02:56
But when we look at the informationinformazione there,
54
164985
2550
Ma osservando queste informazioni,
02:59
we can see that things are startingdi partenza to becomediventare
55
167535
2349
possiamo notare che le cose iniziano a diventare
03:01
a little fuzzysfocato about fivecinque minutesminuti or so before the cardiaccardiaco arrestarresto.
56
169884
4029
un po' confuse circa cinque minuti prima dell'arresto cardiaco.
03:05
We can see smallpiccolo changesi cambiamenti
57
173913
2037
Possiamo notare piccoli cambiamenti
03:07
in things like the heartcuore rateVota movingin movimento.
58
175950
2383
in cose come la frequenza del battito cardiaco.
03:10
These were all undetectednon rilevato by normalnormale thresholdssoglie
59
178333
2486
Non sono stati rilevati dai parametri tradizionali
03:12
whichquale would be appliedapplicato to datadati.
60
180819
2408
che vengono applicati ai dati.
03:15
So the questiondomanda is, why couldn'tnon poteva we see it?
61
183227
3143
Allora la domanda è: perché non ce ne siamo accorti?
03:18
Was this a predictableprevedibile eventevento?
62
186370
2581
Era un evento prevedibile?
03:20
Can we look more at the patternsmodelli in the datadati
63
188951
3010
Possiamo analizzare meglio il tracciato dei dati
03:23
to be ablecapace to do things better?
64
191961
3380
per essere in grado di far meglio?
03:27
So this is a childbambino,
65
195341
2650
Questo è un bambino,
03:29
about the samestesso ageetà as the racingda corsa carauto on stagepalcoscenico,
66
197991
3232
che ha circa la stessa età dell'auto da corsa presente in sala,
03:33
threetre monthsmesi oldvecchio.
67
201223
1630
tre mesi.
03:34
It's a patientpaziente with a heartcuore problemproblema.
68
202853
2605
È un paziente affetto da un problema cardiaco.
03:37
Now, when you look at some of the datadati on the screenschermo abovesopra,
69
205458
3468
Se osservate alcuni dei dati presenti sullo schermo in alto,
03:40
things like heartcuore rateVota, pulseimpulso, oxygenossigeno, respirationrespirazione ratesaliquote,
70
208926
4902
cose come battito cardiaco, pulsazioni, ossigeno, respirazione,
03:45
they're all unusualinsolito for a normalnormale childbambino,
71
213828
3076
sono tutte anomale per un bambino normale,
03:48
but they're quiteabbastanza normalnormale for the childbambino there,
72
216904
2642
ma sono più che normali per il bambino qui presente,
03:51
and so one of the challengessfide you have in healthSalute carecura is,
73
219546
4138
e quindi una delle sfide che l'assistenza sanitaria deve affrontare è:
03:55
how can I look at the patientpaziente in frontdavanti of me,
74
223684
2851
come posso osservare la paziente che ho di fronte,
03:58
have something whichquale is specificspecifica for her,
75
226535
3047
avere qualcosa che sia fatto apposta per lei,
04:01
and be ablecapace to detectindividuare when things startinizio to changemodificare,
76
229582
2788
ed essere in grado di identificare quando le cose iniziano a mutare,
04:04
when things startinizio to deterioratesi deteriorano?
77
232370
2099
quando le cose iniziano a peggiorare?
04:06
Because like a racingda corsa carauto, any patientpaziente,
78
234469
3050
Perché ogni paziente è come un'auto da corsa,
04:09
when things startinizio to go badcattivo, you have a shortcorto time
79
237519
2976
quando le cose stanno per mettersi male, abbiamo poco tempo
04:12
to make a differencedifferenza.
80
240495
1831
per fare la differenza.
04:14
So what we did is we tookha preso a datadati systemsistema
81
242326
2754
Quello che abbiamo fatto è stato prendere un sistema di dati
04:17
whichquale we runcorrere everyogni two weekssettimane of the yearanno in FormulaFormula 1
82
245080
3131
che gestiamo ogni due settimane in Formula 1
04:20
and we installedinstallato it on the hospitalospedale computerscomputer
83
248211
3002
ed installarlo nei server ospedalieri
04:23
at BirminghamBirmingham Children'sPer bambini HospitalOspedale.
84
251213
2290
al Birmingham Children's Hospital.
04:25
We streamedin streaming datadati from the bedsideComodino instrumentsstrumenti
85
253503
2439
Abbiamo inviato i dati dai pannelli posizionati accanto al letto
04:27
in theirloro pediatricpediatrica intensiveintensivo carecura
86
255942
2557
al loro reparto pediatrico di terapia intensiva
04:30
so that we could bothentrambi look at the datadati in realvero time
87
258499
3456
in modo tale da poter controllare entrambi i dati in tempo reale
04:33
and, more importantlyimportante, to storenegozio the datadati
88
261955
2871
e soprattutto, immagazzinare i dati
04:36
so that we could startinizio to learnimparare from it.
89
264826
3057
per poter iniziare ad imparare.
04:39
And then, we appliedapplicato an applicationapplicazione on topsuperiore
90
267883
4384
Poi, ci abbiamo installato un'applicazione
04:44
whichquale would allowpermettere us to teasecivettuole out the patternsmodelli in the datadati
91
272267
3270
che ci permettesse di scomporre i dati
04:47
in realvero time so we could see what was happeningavvenimento,
92
275537
2956
in tempo reale, così da poter vedere cosa stava succedendo,
04:50
so we could determinedeterminare when things startediniziato to changemodificare.
93
278493
3713
e determinare quando le cose iniziavano a cambiare.
04:54
Now, in motoril motore racingda corsa, we're all a little bitpo ambitiousambizioso,
94
282206
3863
Ora, nelle corse automobilistiche, siamo tutti molto ambiziosi,
04:58
audaciousaudace, a little bitpo arrogantarrogante sometimesa volte,
95
286069
2549
audaci e, talvolta, anche un po' arroganti,
05:00
so we decideddeciso we would alsoanche look at the childrenbambini
96
288618
3398
così abbiamo deciso che avremmo dovuto controllare i bambini
05:04
as they were beingessere transportedtrasportato to intensiveintensivo carecura.
97
292016
2957
quando venivano trasportati in terapia intensiva.
05:06
Why should we wait untilfino a they arrivedarrivato in the hospitalospedale
98
294973
2154
Perché aspettare che arrivassero in ospedale
05:09
before we startediniziato to look?
99
297127
1994
per iniziare a tenerli sotto osservazione?
05:11
And so we installedinstallato a real-timetempo reale linkcollegamento
100
299121
2997
Così abbiamo installato un collegamento in tempo reale
05:14
betweenfra the ambulanceambulanza and the hospitalospedale,
101
302118
2836
tra l'ambulanza e l'ospedale,
05:16
just usingutilizzando normalnormale 3G telephonytelefonia to sendinviare that datadati
102
304954
3776
usando la tradizionale telefonia 3G per inviare i dati
05:20
so that the ambulanceambulanza becamedivenne an extraextra bedletto
103
308730
2487
affinché l'ambulanza diventasse un letto supplementare
05:23
in intensiveintensivo carecura.
104
311217
3136
in terapia intensiva.
05:26
And then we startediniziato looking at the datadati.
105
314353
3702
Poi abbiamo iniziato ad osservare i dati.
05:30
So the wigglyWiggly linesLinee at the topsuperiore, all the colorscolori,
106
318055
2921
Le linee ondulate in altro, tutti i colori,
05:32
this is the normalnormale sortordinare of datadati you would see on a monitortenere sotto controllo --
107
320976
3194
è il genere di dati che normalmente vedreste su un monitor
05:36
heartcuore rateVota, pulseimpulso, oxygenossigeno withinentro the bloodsangue,
108
324170
3772
battito cardiaco, pulsazioni, ossigenazione sanguigna
05:39
and respirationrespirazione.
109
327942
2635
e respirazione.
05:42
The linesLinee on the bottomparte inferiore, the blueblu and the redrosso,
110
330577
2753
Le linee in basso, la blu e la rossa,
05:45
these are the interestinginteressante onesquelli.
111
333330
1360
sono particolarmente interessanti.
05:46
The redrosso linelinea is showingmostrando an automatedautomatizzato versionversione
112
334690
3209
La linea rossa indica una versione automatizzata
05:49
of the earlypresto warningavvertimento scorePunto
113
337899
1597
del primo segno d'allarme
05:51
that BirminghamBirmingham Children'sPer bambini HospitalOspedale were alreadygià runningin esecuzione.
114
339496
2487
che il Birmingham Children's Hospital stava già gestendo.
05:53
They'dAvrebbero been runningin esecuzione that sinceda 2008,
115
341983
2338
Funzionava già sin dal 2008,
05:56
and alreadygià have stoppedfermato cardiaccardiaco arrestsarresti
116
344321
2256
intervenendo su arresti cardiaci
05:58
and distressangoscia withinentro the hospitalospedale.
117
346577
2757
e stati di sofferenza all'interno dell'ospedale.
06:01
The blueblu linelinea is an indicationindicazione
118
349334
2432
La linea blu indica
06:03
of when patternsmodelli startinizio to changemodificare,
119
351766
2500
quando i parametri iniziano a cambiare,
06:06
and immediatelysubito, before we even startediniziato
120
354266
2309
e immediatamente, prima che si inizi
06:08
puttingmettendo in clinicalclinico interpretationinterpretazione,
121
356575
1708
ad interpretare clinicamente ,
06:10
we can see that the datadati is speakingA proposito di to us.
122
358283
2870
possiamo vedere che i dati ci stanno parlando.
06:13
It's tellingraccontare us that something is going wrongsbagliato.
123
361153
3536
Ci stanno suggerendo che qualcosa sta andando male.
06:16
The plottracciare with the redrosso and the greenverde blobsblob,
124
364689
3816
Il diagramma con la palline rosse e verdi
06:20
this is plottingplottaggio differentdiverso componentscomponenti
125
368505
2805
mette a confronto l'uno con l'altro
06:23
of the datadati againstcontro eachogni other.
126
371310
2547
diversi componenti dei dati.
06:25
The greenverde is us learningapprendimento what is normalnormale for that childbambino.
127
373857
3840
Il verde ci spiega cos'è normale per quel bambino.
06:29
We call it the cloudnube of normalitynormalità.
128
377697
2610
La chiamiamo 'nuvola della normalità.
06:32
And when things startinizio to changemodificare,
129
380307
2241
E quando le cose iniziano a cambiare,
06:34
when conditionscondizioni startinizio to deterioratesi deteriorano,
130
382548
2564
quando la patologia si aggrava,
06:37
we movemossa into the redrosso linelinea.
131
385112
2238
ci spostiamo verso la linea rossa.
06:39
There's no rocketrazzo sciencescienza here.
132
387350
1657
Non è un compito complesso.
06:41
It is displayingvisualizzazione datadati that existsesiste alreadygià in a differentdiverso way,
133
389007
4113
Si tratta di mostrare, in modo differente, un dato già esistente
06:45
to amplifyamplificare it, to providefornire cuesstecche to the doctorsmedici,
134
393120
3391
per ampliarlo, e fornire degli indizi ai dottori,
06:48
to the nursesinfermieri, so they can see what's happeningavvenimento.
135
396511
2738
e alle infermiere, in modo che possano vedere ciò che accade.
06:51
In the samestesso way that a good racingda corsa driverautista
136
399249
3130
Nella stessa maniera in cui un buon pilota da corsa
06:54
reliessi basa on cuesstecche to decidedecidere when to applyapplicare the brakesFreni,
137
402379
4044
si affida ai segnali per decidere quando frenare,
06:58
when to turnturno into a cornerangolo,
138
406423
1476
quando svoltare,
06:59
we need to help our physiciansmedici and our nursesinfermieri
139
407899
2918
dobbiamo aiutare i nostri dottori e le nostre infermiere
07:02
to see when things are startingdi partenza to go wrongsbagliato.
140
410817
3620
a vedere quando le cose iniziano a peggiorare.
07:06
So we have a very ambitiousambizioso programprogramma.
141
414437
2946
Abbiamo un programma davvero ambizioso.
07:09
We think that the racegara is on to do something differentlydiversamente.
142
417383
4736
Pensiamo che ci sia un' opportunità di fare qualcosa di diverso.
07:14
We are thinkingpensiero biggrande. It's the right thing to do.
143
422119
2904
Noi pensiamo in grande. È la cosa giusta da fare!
07:17
We have an approachapproccio whichquale, if it's successfulriuscito,
144
425023
3412
Abbiamo una strategia che, se ha successo,
07:20
there's no reasonragionare why it should stayrestare withinentro a hospitalospedale.
145
428435
2531
non c'è ragione per cui non possa essere utilizzata da un ospedale.
07:22
It can go beyondal di là the wallsmuri.
146
430966
1841
Può superare ogni barriera.
07:24
With wirelesssenza fili connectivityconnettività these daysgiorni,
147
432807
2071
Al giorno d'oggi, con la connessione senza fili,
07:26
there is no reasonragionare why patientspazienti, doctorsmedici and nursesinfermieri
148
434878
3444
non c'è ragione per cui pazienti, dottori e infermieri
07:30
always have to be in the samestesso placeposto
149
438322
2171
debbano trovarsi tutti nello stesso posto
07:32
at the samestesso time.
150
440493
1993
simultaneamente.
07:34
And meanwhilenel frattempo, we'llbene take our little three-month-oldthree-month-old babybambino,
151
442486
3995
E nel frattempo, prenderemo il nostro bebè di tre mesi
07:38
keep takingpresa it to the tracktraccia, keepingconservazione it safesicuro,
152
446481
3757
lo manterremo in pista, lo terremo al sicuro,
07:42
and makingfabbricazione it fasterPiù veloce and better.
153
450238
2333
più rapidamente e meglio.
07:44
Thank you very much.
154
452571
1405
Tante grazie.
07:45
(ApplauseApplausi)
155
453976
4954
(Applausi)
Translated by Laura Abate
Reviewed by Anna Cristiana Minoli

▲Back to top

ABOUT THE SPEAKER
Peter van Manen - Electronic systems expert
Peter van Manen is the Managing Director of McLaren Electronics, which provides data systems to major motorsports series.

Why you should listen

To say that Peter van Manen has a high-speed job would be an understatement. As Managing Director of McLaren Electronics, which provides electronics and data collection software to motorsports events, he and his team work in real time during a race to improve cars on about 500 different parameters. That's about 750 million data points in two hours.

But recently van Manen and his team have been wondering: Why can't the extremely precise and subtle data-collection and analysis systems used in motorsports be applied elsewhere, for the benefit of all? They have applied their systems to ICU units at Birmingham Children's Hospital with real-time analysis that allows them to proactively prevent cardiac arrests. The unit has seen a 25 percent decrease in life-threatening events. And it's just the beginning.

More profile about the speaker
Peter van Manen | Speaker | TED.com

Data provided by TED.

This site was created in May 2015 and the last update was on January 12, 2020. It will no longer be updated.

We are currently creating a new site called "eng.lish.video" and would be grateful if you could access it.

If you have any questions or suggestions, please feel free to write comments in your language on the contact form.

Privacy Policy

Developer's Blog

Buy Me A Coffee