TEDMED 2011
Sheila Nirenberg: A prosthetic eye to treat blindness
Шейла Ниренберг: Глазной протез для лечения слепоты
Filmed:
Readability: 4.3
470,530 views
На TEDMED Шейла Ниренберг представляет смелый способ восстановления зрения у людей с определёнными видами слепоты — путём подсоединения к зрительному нерву и отправки сигналов с камеры непосредственно в мозг.
Sheila Nirenberg - Neuroscientist
Sheila Nirenberg studies how the brain encodes information -- possibly allowing us to decode it, and maybe develop prosthetic sensory devices. Full bio
Sheila Nirenberg studies how the brain encodes information -- possibly allowing us to decode it, and maybe develop prosthetic sensory devices. Full bio
Double-click the English transcript below to play the video.
00:15
I study how the brain processes
0
0
2000
Я изучаю, каким образом мозг перерабатывает информацию.
00:17
information. That is, how it takes
1
2000
2000
То есть, как он получает
00:19
information in from the outside world, and
2
4000
2000
информацию из внешнего мира и
00:21
converts it into patterns of electrical activity,
3
6000
2000
преобразует её в электрическую активность,
00:23
and then how it uses those patterns
4
8000
2000
и как потом использует её для того,
00:25
to allow you to do things --
5
10000
2000
чтобы позволить вам
00:27
to see, hear, to reach for an object.
6
12000
2000
видеть, слышать, брать предметы.
00:29
So I'm really a basic scientist, not
7
14000
2000
Я на самом деле обычный учёный,
00:31
a clinician, but in the last year and a half
8
16000
2000
а не практикующий врач, но в последние полгода
00:33
I've started to switch over, to use what
9
18000
2000
я начала переключаться, использовать
00:35
we've been learning about these patterns
10
20000
2000
мои знания о моделях этой активности
00:37
of activity to develop prosthetic devices,
11
22000
3000
для создания протезов,
00:40
and what I wanted to do today is show you
12
25000
2000
и сегодня я хочу показать вам
00:42
an example of this.
13
27000
2000
образец одного из них.
00:44
It's really our first foray into this.
14
29000
2000
Это наша первая попытка его создания.
00:46
It's the development of a prosthetic device
15
31000
2000
Речь идёт о создании протеза
00:48
for treating blindness.
16
33000
2000
для лечения слепоты.
00:50
So let me start in on that problem.
17
35000
2000
Давайте начнём с обзора этой проблемы.
00:52
There are 10 million people in the U.S.
18
37000
2000
Около 10 миллионов людей в США
00:54
and many more worldwide who are blind
19
39000
2000
и ещё больше по всему миру либо потеряли зрение,
00:56
or are facing blindness due to diseases
20
41000
2000
либо находятся на грани его потери
00:58
of the retina, diseases like
21
43000
2000
из-за таких болезней сетчатки, как
01:00
macular degeneration, and there's little
22
45000
2000
дегенерация желтого пятна;
01:02
that can be done for them.
23
47000
2000
немного можно сделать для их лечения.
01:04
There are some drug treatments, but
24
49000
2000
Есть медикаментозное лечение,
01:06
they're only effective on a small fraction
25
51000
2000
но оно эффективно только для малого процента населения.
01:08
of the population. And so, for the vast
26
53000
2000
Поэтому для большинства пациентов
01:10
majority of patients, their best hope for
27
55000
2000
надеждой на восстановление
01:12
regaining sight is through prosthetic devices.
28
57000
2000
зрения являются протезы.
01:14
The problem is that current prosthetics
29
59000
2000
Проблема в том, что современные протезы
01:16
don't work very well. They're still very
30
61000
2000
плохо работают. Они всё ещё очень
01:18
limited in the vision that they can provide.
31
63000
2000
ограничены в способности воссоздавать зрение.
01:20
And so, you know, for example, with these
32
65000
2000
Так, мы знаем, что при их помощи
01:22
devices, patients can see simple things
33
67000
2000
пациенты могут видеть простейшие вещи,
01:24
like bright lights and high contrast edges,
34
69000
2000
такие как яркий свет или высококонтрастные края,
01:26
not very much more, so nothing close
35
71000
2000
но не более того, поэтому что-либо, хоть немного похожее
01:28
to normal vision has been possible.
36
73000
3000
на нормальное зрение было невозможным.
01:31
So what I'm going to tell you about today
37
76000
2000
Сегодня я расскажу вам об устройстве,
01:33
is a device that we've been working on
38
78000
2000
над которым мы работаем, которое,
01:35
that I think has the potential to make
39
80000
2000
на мой взгляд, способно оказать большое влияние
01:37
a difference, to be much more effective,
40
82000
2000
и быть намного более эффективным;
01:39
and what I wanted to do is show you
41
84000
2000
и я хотела бы показать вам, как оно работает.
01:41
how it works. Okay, so let me back up a
42
86000
2000
Позвольте мне на слайдах
01:43
little bit and show you how a normal retina
43
88000
2000
показать работу нормальной сетчатки,
01:45
works first so you can see the problem
44
90000
2000
и вы сможете понять проблему,
01:47
that we were trying to solve.
45
92000
2000
которую мы пытаемся решить.
01:49
Here you have a retina.
46
94000
2000
Вот она, сетчатка.
01:51
So you have an image, a retina, and a brain.
47
96000
2000
Это происходит так: рисунок — сетчатка — мозг.
01:53
So when you look at something, like this image
48
98000
2000
Когда вы смотрите на что-либо, например, на это изображение
01:55
of this baby's face, it goes into your eye
49
100000
2000
лица ребёнка, оно попадает в глаз
01:57
and it lands on your retina, on the front-end
50
102000
2000
и опускается на сетчатку,
01:59
cells here, the photoreceptors.
51
104000
2000
на фронтальные клетки, фоторецепторы.
02:01
Then what happens is the retinal circuitry,
52
106000
2000
Затем компонент сетчатки,
02:03
the middle part, goes to work on it,
53
108000
2000
её средний слой, начинает работу
02:05
and what it does is it performs operations
54
110000
2000
и проделывает операции с изображением,
02:07
on it, it extracts information from it, and it
55
112000
2000
извлекая из него информацию,
02:09
converts that information into a code.
56
114000
2000
преобразовывая её в код.
02:11
And the code is in the form of these patterns
57
116000
2000
Код представляет собой
02:13
of electrical pulses that get sent
58
118000
2000
электрические импульсы, посылаемые в мозг;
02:15
up to the brain, and so the key thing is
59
120000
2000
так, суть процесса в том,
02:17
that the image ultimately gets converted
60
122000
2000
что изображение в конце концов преобразуется в код.
02:19
into a code. And when I say code,
61
124000
2000
И, называя его кодом,
02:21
I do literally mean code.
62
126000
2000
я буквально имею в виду код.
02:23
Like this pattern of pulses here actually means "baby's face,"
63
128000
3000
Именно этот набор импульсов означает — «лицо ребёнка»,
02:26
and so when the brain gets this pattern
64
131000
2000
поэтому, когда мозг получает этот набор импульсов,
02:28
of pulses, it knows that what was out there
65
133000
2000
он понимает, что там было
02:30
was a baby's face, and if it
66
135000
2000
именно лицо ребёнка, и если бы он
02:32
got a different pattern it would know
67
137000
2000
получил другой набор, он бы понял,
02:34
that what was out there was, say, a dog,
68
139000
2000
что там была, скажем, собака,
02:36
or another pattern would be a house.
69
141000
2000
или другой набор означал бы дом.
02:38
Anyway, you get the idea.
70
143000
2000
Думаю, идея ясна.
02:40
And, of course, in real life, it's all dynamic,
71
145000
2000
И, конечно, в реальной жизни всё это динамично,
02:42
meaning that it's changing all the time,
72
147000
2000
всё постоянно изменяется,
02:44
so the patterns of pulses are changing
73
149000
2000
и наборы импульсов меняются непрерывно,
02:46
all the time because the world you're
74
151000
2000
ведь созерцаемый вами
02:48
looking at is changing all the time too.
75
153000
3000
мир тоже постоянно меняется.
02:51
So, you know, it's sort of a complicated
76
156000
2000
Поэтому это довольно сложный процесс.
02:53
thing. You have these patterns of pulses
77
158000
2000
Наборы импульсов
02:55
coming out of your eye every millisecond
78
160000
2000
выходят из ваших глаз каждую миллисекунду,
02:57
telling your brain what it is that you're seeing.
79
162000
2000
сообщая мозгу о том, что вы видите.
02:59
So what happens when a person
80
164000
2000
Что же происходит, когда человек
03:01
gets a retinal degenerative disease like
81
166000
2000
страдает дегенеративным заболеванием сетчатки
03:03
macular degeneration? What happens is
82
168000
2000
вроде дистрофии жёлтого пятна?
03:05
is that, the front-end cells die,
83
170000
2000
Происходит следующее: фронтовые клетки отмирают,
03:07
the photoreceptors die, and over time,
84
172000
2000
фоторецепторы отмирают, и со временем
03:09
all the cells and the circuits that are
85
174000
2000
все связанные с ними клетки
03:11
connected to them, they die too.
86
176000
2000
других слоёв тоже отмирают.
03:13
Until the only things that you have left
87
178000
2000
Пока не останутся только лишь
03:15
are these cells here, the output cells,
88
180000
2000
вот эти клетки, периферические клетки,
03:17
the ones that send the signals to the brain,
89
182000
2000
посылающие сигналы в мозг;
03:19
but because of all that degeneration
90
184000
2000
но из-за всей этой дистрофии
03:21
they aren't sending any signals anymore.
91
186000
2000
они больше не посылают сигналы.
03:23
They aren't getting any input, so
92
188000
2000
Они ничего не получают на входе,
03:25
the person's brain no longer gets
93
190000
2000
поэтому человеческий мозг больше не получает
03:27
any visual information --
94
192000
2000
никакой визуальной информации —
03:29
that is, he or she is blind.
95
194000
3000
одним словом, человек теряет зрение.
03:32
So, a solution to the problem, then,
96
197000
2000
Решением проблемы
03:34
would be to build a device that could mimic
97
199000
2000
было бы создание прибора,
03:36
the actions of that front-end circuitry
98
201000
2000
имитирующего действия фронтального слоя,
03:38
and send signals to the retina's output cells,
99
203000
2000
посылающего сигналы клеткам на выходе сетчатки,
03:40
and they can go back to doing their
100
205000
2000
чтобы они могли возобновить
03:42
normal job of sending signals to the brain.
101
207000
2000
работу по отправке сигналов в мозг.
03:44
So this is what we've been working on,
102
209000
2000
Вот над чем мы продолжаем работать,
03:46
and this is what our prosthetic does.
103
211000
2000
и вот как работает наш протез.
03:48
So it consists of two parts, what we call
104
213000
2000
Он состоит из двух частей, мы называем их
03:50
an encoder and a transducer.
105
215000
2000
кодер и передатчик.
03:52
And so the encoder does just
106
217000
2000
Кодер делает буквально
03:54
what I was saying: it mimics the actions
107
219000
2000
следующее: он имитирует действия
03:56
of the front-end circuitry -- so it takes images
108
221000
2000
фронтального слоя сетчатки — принимает изображения
03:58
in and converts them into the retina's code.
109
223000
2000
и преобразует их в код сетчатки.
04:00
And then the transducer then makes the
110
225000
2000
Затем передатчик заставляет
04:02
output cells send the code on up
111
227000
2000
клетки на выходе посылать код в мозг,
04:04
to the brain, and the result is
112
229000
2000
что в итоге позволяет
04:06
a retinal prosthetic that can produce
113
231000
3000
протезу сетчатки работать
04:09
normal retinal output.
114
234000
2000
как нормальная сетчатка.
04:11
So a completely blind retina,
115
236000
2000
Так, абсолютно невидящая сетчатка,
04:13
even one with no front-end circuitry at all,
116
238000
2000
даже абсолютно без фронтальных клеток
04:15
no photoreceptors,
117
240000
2000
и фоторецепторов,
04:17
can now send out normal signals,
118
242000
2000
способна теперь посылать обычные сигналы,
04:19
signals that the brain can understand.
119
244000
3000
понятные головному мозгу.
04:22
So no other device has been able
120
247000
2000
Ни одно другое устройство
04:24
to do this.
121
249000
2000
не было способно на это.
04:26
Okay, so I just want to take
122
251000
2000
Хорошо, сейчас я хочу
04:28
a sentence or two to say something about
123
253000
2000
сказать пару слов
04:30
the encoder and what it's doing, because
124
255000
2000
о кодере и его работе,
04:32
it's really the key part and it's
125
257000
2000
т.к. это основная часть,
04:34
sort of interesting and kind of cool.
126
259000
2000
она интересная и довольно клёвая.
04:36
I'm not sure "cool" is really the right word, but
127
261000
2000
Я не уверена, что «клёвая» — самое подходящее слово,
04:38
you know what I mean.
128
263000
2000
но, надеюсь, вы понимаете, о чём я.
04:40
So what it's doing is, it's replacing
129
265000
2000
Кодер делает следующее: он заменяет
04:42
the retinal circuitry, really the guts of
130
267000
2000
центральный слой сетчатки,
04:44
the retinal circuitry, with a set of equations,
131
269000
2000
внутренность сетчатки, набором формул,
04:46
a set of equations that we can implement
132
271000
2000
который мы можем поместить на чип.
04:48
on a chip. So it's just math.
133
273000
2000
Это простая математика.
04:50
In other words, we're not literally replacing
134
275000
3000
Другими словами, мы не буквально заменяем
04:53
the components of the retina.
135
278000
2000
компоненты сетчатки.
04:55
It's not like we're making a little mini-device
136
280000
2000
Мы не делаем мини-устройства
04:57
for each of the different cell types.
137
282000
2000
для каждого типа клеток.
04:59
We've just abstracted what the
138
284000
2000
Мы абстрагировали работу сетчатки
05:01
retina's doing with a set of equations.
139
286000
2000
при помощи формул.
05:03
And so, in a way, the equations are serving
140
288000
2000
Так, в какой-то степени формулы служат
05:05
as sort of a codebook. An image comes in,
141
290000
2000
в качестве кодовой книги. Изображение попадает внутрь,
05:07
goes through the set of equations,
142
292000
3000
проходит через набор формул,
05:10
and out comes streams of electrical pulses,
143
295000
2000
и на выходе получаются электрические импульсы,
05:12
just like a normal retina would produce.
144
297000
4000
которые мы бы получили от здоровой сетчатки.
05:16
Now let me put my money
145
301000
2000
Позвольте мне подкрепить мои слова делом
05:18
where my mouth is and show you that
146
303000
2000
и показать вам, что мы на самом деле
05:20
we can actually produce normal output,
147
305000
2000
можем иметь нормальный выход,
05:22
and what the implications of this are.
148
307000
2000
и какие у этого последствия.
05:24
Here are three sets of
149
309000
2000
Вот три варианта рабочей модели.
05:26
firing patterns. The top one is from
150
311000
2000
Первая представляет
05:28
a normal animal, the middle one is from
151
313000
2000
здоровое животное, средняя —
05:30
a blind animal that's been treated with
152
315000
2000
слепое животное после лечения
05:32
this encoder-transducer device, and the
153
317000
2000
при помощи кодера-передатчика,
05:34
bottom one is from a blind animal treated
154
319000
2000
и нижняя модель представляет слепое животное
05:36
with a standard prosthetic.
155
321000
2000
со стандартным протезом.
05:38
So the bottom one is the state-of-the-art
156
323000
2000
Нижняя модель — это передовое устройство,
05:40
device that's out there right now, which is
157
325000
2000
используемое в настоящий момент,
05:42
basically made up of light detectors,
158
327000
2000
созданное при помощи фотодатчиков,
05:44
but no encoder. So what we did was we
159
329000
2000
но без кодера. Мы сделали следующее:
05:46
presented movies of everyday things --
160
331000
2000
мы показали видео повседневных вещей —
05:48
people, babies, park benches,
161
333000
2000
людей, детей, скамеек в парке,
05:50
you know, regular things happening -- and
162
335000
2000
обычных происходящих вещей —
05:52
we recorded the responses from the retinas
163
337000
2000
и записали реакцию сетчатки
05:54
of these three groups of animals.
164
339000
2000
у каждой из этих трёх групп животных.
05:56
Now just to orient you, each box is showing
165
341000
2000
Идея такова: каждый прямоугольник показывает
05:58
the firing patterns of several cells,
166
343000
2000
рабочую модель нескольких клеток,
06:00
and just as in the previous slides,
167
345000
2000
и, как и на предыдущих слайдах,
06:02
each row is a different cell,
168
347000
2000
каждый ряд отвечает за определённую клетку.
06:04
and I just made the pulses a little bit smaller
169
349000
2000
Я немного уменьшила импульсы и
06:06
and thinner so I could show you
170
351000
3000
сделала их тоньше, чтобы показать вам
06:09
a long stretch of data.
171
354000
2000
длинный участок информации.
06:11
So as you can see, the firing patterns
172
356000
2000
Как вы можете наблюдать, рабочая модель
06:13
from the blind animal treated with
173
358000
2000
слепого животного
06:15
the encoder-transducer really do very
174
360000
2000
с кодером-передатчиком
06:17
closely match the normal firing patterns --
175
362000
2000
очень похожа на здоровую рабочую модель —
06:19
and it's not perfect, but it's pretty good --
176
364000
2000
она не идеальна, но довольно хороша —
06:21
and the blind animal treated with
177
366000
2000
модель же слепого животного,
06:23
the standard prosthetic,
178
368000
2000
имеющего стандартный протез,
06:25
the responses really don't.
179
370000
2000
не имеет такого эффекта.
06:27
And so with the standard method,
180
372000
3000
При стандартном методе
06:30
the cells do fire, they just don't fire
181
375000
2000
клетки работают, но не достигают эффекта
06:32
in the normal firing patterns because
182
377000
2000
нормальной рабочей модели,
06:34
they don't have the right code.
183
379000
2000
т.к. у них нет нужного кода.
06:36
How important is this?
184
381000
2000
Насколько это важно?
06:38
What's the potential impact
185
383000
2000
Насколько это может повлиять
06:40
on a patient's ability to see?
186
385000
3000
на способность пациента видеть?
06:43
So I'm just going to show you one
187
388000
2000
Сейчас я покажу вам один окончательный эксперимент,
06:45
bottom-line experiment that answers this,
188
390000
2000
который отвечает на эти вопросы.
06:47
and of course I've got a lot of other data,
189
392000
2000
Конечно, у меня есть и другая информация,
06:49
so if you're interested I'm happy
190
394000
2000
так что если вам интересно,
06:51
to show more. So the experiment
191
396000
2000
я рада буду её показать.
06:53
is called a reconstruction experiment.
192
398000
2000
Этот эксперимент называется реконструкцией.
06:55
So what we did is we took a moment
193
400000
2000
Мы взяли один момент
06:57
in time from these recordings and asked,
194
402000
3000
из записи и спросили:
07:00
what was the retina seeing at that moment?
195
405000
2000
что именно сетчатка видела в тот момент?
07:02
Can we reconstruct what the retina
196
407000
2000
Можем ли мы вычислить, что сетчатка видела,
07:04
was seeing from the responses
197
409000
2000
исходя из реакции
07:06
from the firing patterns?
198
411000
2000
рабочей модели?
07:08
So, when we did this for responses
199
413000
3000
Мы проделали это для получения реакции
07:11
from the standard method and from
200
416000
3000
от стандартного метода
07:14
our encoder and transducer.
201
419000
2000
и от нашего кодера-передатчика.
07:16
So let me show you, and I'm going to
202
421000
2000
Позвольте показать вам,
07:18
start with the standard method first.
203
423000
2000
я начну со стандартного метода.
07:20
So you can see that it's pretty limited,
204
425000
2000
Вы можете видеть, что он довольно ограничен,
07:22
and because the firing patterns aren't
205
427000
2000
и поскольку рабочая модель
07:24
in the right code, they're very limited in
206
429000
2000
нужный код, она ограничена
07:26
what they can tell you about
207
431000
2000
в представлении того,
07:28
what's out there. So you can see that
208
433000
2000
что мы должны видеть. Вы можете видеть что-то,
07:30
there's something there, but it's not so clear
209
435000
2000
но изображение абсолютно нечёткое,
07:32
what that something is, and this just sort of
210
437000
2000
неясно, что это; это ещё раз
07:34
circles back to what I was saying in the
211
439000
2000
подтверждает мои слова вначале:
07:36
beginning, that with the standard method,
212
441000
2000
при помощи стандартного метода
07:38
patients can see high-contrast edges, they
213
443000
2000
пациенты могут видеть лишь высококонтрастные края,
07:40
can see light, but it doesn't easily go
214
445000
2000
свет, но не более того.
07:42
further than that. So what was
215
447000
2000
Что же это за изображение?
07:44
the image? It was a baby's face.
216
449000
3000
Это лицо ребёнка.
07:47
So what about with our approach,
217
452000
2000
Что если мы к нашему методу
07:49
adding the code? And you can see
218
454000
2000
добавим код? Вы можете видеть
07:51
that it's much better. Not only can you
219
456000
2000
значительное улучшение. Вы не только можете
07:53
tell that it's a baby's face, but you can
220
458000
2000
различить лицо ребёнка, но и определить,
07:55
tell that it's this baby's face, which is a
221
460000
2000
что это лицо именно этого ребёнка,
07:57
really challenging task.
222
462000
2000
а это довольно сложная задача.
07:59
So on the left is the encoder
223
464000
2000
Слева находится лишь кодер,
08:01
alone, and on the right is from an actual
224
466000
2000
справа же — сама незрячая сетчатка,
08:03
blind retina, so the encoder and the transducer.
225
468000
2000
кодер и передатчик.
08:05
But the key one really is the encoder alone,
226
470000
2000
Главным же является кодер,
08:07
because we can team up the encoder with
227
472000
2000
ведь мы можем подсоединить его
08:09
the different transducer.
228
474000
2000
к другому передатчику.
08:11
This is just actually the first one that we tried.
229
476000
2000
Это всего лишь первый вариант, который мы опробовали.
08:13
I just wanted to say something about the standard method.
230
478000
2000
Я бы хотела сказать пару слов о стандартном методе.
08:15
When this first came out, it was just a really
231
480000
2000
Когда он только появился,
08:17
exciting thing, the idea that you
232
482000
2000
он был потрясающ, мы были рады,
08:19
even make a blind retina respond at all.
233
484000
3000
что слепая сетчатка может в принципе реагировать.
08:22
But there was this limiting factor,
234
487000
3000
Но нас ограничивало
08:25
the issue of the code, and how to make
235
490000
2000
отсутствие кода, мы хотели
08:27
the cells respond better,
236
492000
2000
улучшить реакцию клеток,
08:29
produce normal responses,
237
494000
2000
создать нормальную реакцию,
08:31
and so this was our contribution.
238
496000
2000
это и стало нашим достижением.
08:33
Now I just want to wrap up,
239
498000
2000
В заключение хочу сказать,
08:35
and as I was mentioning earlier
240
500000
2000
как я уже упомянула,
08:37
of course I have a lot of other data
241
502000
2000
у меня, конечно, есть много других материалов,
08:39
if you're interested, but I just wanted to give
242
504000
2000
если вам интересно; но я бы хотела остановиться
08:41
this sort of basic idea
243
506000
2000
на главной идее:
08:43
of being able to communicate
244
508000
3000
мы можем общаться
08:46
with the brain in its language, and
245
511000
2000
с мозгом на его языке и имеем
08:48
the potential power of being able to do that.
246
513000
3000
потенциальную возможность делать это.
08:51
So it's different from the motor prosthetics
247
516000
2000
Это отличается от моторного протеза, в котором
08:53
where you're communicating from the brain
248
518000
2000
общение происходит от мозга к прибору.
08:55
to a device. Here we have to communicate
249
520000
2000
Здесь нам нужно передавать информацию
08:57
from the outside world
250
522000
2000
из внешнего мира
08:59
into the brain and be understood,
251
524000
2000
в мозг и быть понятыми,
09:01
and be understood by the brain.
252
526000
2000
мозг должен нас понять.
09:03
And then the last thing I wanted
253
528000
2000
Последнее, о чём я бы хотела сказать,
09:05
to say, really, is to emphasize
254
530000
2000
я бы хотела подчеркнуть,
09:07
that the idea generalizes.
255
532000
2000
что идея может быть обобщена.
09:09
So the same strategy that we used
256
534000
2000
Так, ту же стратегию, что мы используем
09:11
to find the code for the retina we can also
257
536000
2000
при поиске кода для сетчатки, мы можем использовать
09:13
use to find the code for other areas,
258
538000
2000
и при поиске кода для других областей,
09:15
for example, the auditory system and
259
540000
2000
например, для слухового аппарата
09:17
the motor system, so for treating deafness
260
542000
2000
и двигательной системы, для лечения глухоты
09:19
and for motor disorders.
261
544000
2000
и моторных нарушений.
09:21
So just the same way that we were able to
262
546000
2000
Таким же образом, как мы смогли
09:23
jump over the damaged
263
548000
2000
обойти повреждённую область сетчатки,
09:25
circuitry in the retina to get to the retina's
264
550000
2000
чтобы добраться до
09:27
output cells, we can jump over the
265
552000
2000
её клеток на выходе, мы можем обойти
09:29
damaged circuitry in the cochlea
266
554000
2000
повреждённую область ушной улитки,
09:31
to get the auditory nerve,
267
556000
2000
чтобы добраться до слухового нерва,
09:33
or jump over damaged areas in the cortex,
268
558000
2000
или же обойти повреждённые области коры головного мозга
09:35
in the motor cortex, to bridge the gap
269
560000
3000
в его двигательной зоне, чтобы преодолеть разрыв,
09:38
produced by a stroke.
270
563000
2000
вызванный параличом.
09:40
I just want to end with a simple
271
565000
2000
Я хотела бы закончить этой простой идеей:
09:42
message that understanding the code
272
567000
2000
понимание кода
09:44
is really, really important, and if we
273
569000
2000
чрезвычайно важно, если мы
09:46
can understand the code,
274
571000
2000
сможем понять код,
09:48
the language of the brain, things become
275
573000
2000
язык мозга, станут возможными вещи,
09:50
possible that didn't seem obviously
276
575000
2000
абсолютно невозможные прежде.
09:52
possible before. Thank you.
277
577000
2000
Спасибо.
09:54
(Applause)
278
579000
5000
(Аплодисменты)
ABOUT THE SPEAKER
Sheila Nirenberg - NeuroscientistSheila Nirenberg studies how the brain encodes information -- possibly allowing us to decode it, and maybe develop prosthetic sensory devices.
Why you should listen
Sheila Nirenberg is a neuroscientist/professor at Weill Medical College of Cornell University, where she studies neural coding – that is, how the brain takes information from the outside world and encodes it in patterns of electrical activity. The idea is to be able to decode the activity, to look at a pattern of electrical pulses and know what an animal is seeing or thinking or feeling. Recently, she’s been using this work to develop new kinds of prosthetic devices, particularly ones for treating blindness.
Sheila Nirenberg | Speaker | TED.com