TEDMED 2011
Sheila Nirenberg: A prosthetic eye to treat blindness
Шийла Ниренберг: Протезно око за лечение на слепота
Filmed:
Readability: 4.3
470,530 views
В TEDMED, Шийла Ниренберг показва смел начин за създаване на зрение при хора с определени видове слепота: прикачайки камера в зрителния нерв и изпращайки сигнали от камерата директно към мозъка.
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
Аз проучвам, как мозъкът обработва
00:17
information. That is, how it takes
1
2000
2000
информация. т. е, как взема
00:19
information in from the outside world, and
2
4000
2000
информацията от външния свят и
00:21
converts it into patterns of electrical activity,
3
6000
2000
я преобразува в модели на електрическа дейност,
00:23
and then how it uses those patterns
4
8000
2000
и след това как използва тези модели,
00:25
to allow you to do things --
5
10000
2000
за да ви позволи да направите неща--
00:27
to see, hear, to reach for an object.
6
12000
2000
като да видите, да чувате, да достигнете даден обект.
00:29
So I'm really a basic scientist, not
7
14000
2000
Така че аз съм наистина обикновен учен, не съм
00:31
a clinician, but in the last year and a half
8
16000
2000
лекар, но през последната година и половина
00:33
I've started to switch over, to use what
9
18000
2000
започнах да се запознавам и да използвам
00:35
we've been learning about these patterns
10
20000
2000
това, което научавахме за тези модели
00:37
of activity to develop prosthetic devices,
11
22000
3000
на дейности за развитие на протезни устройства,
00:40
and what I wanted to do today is show you
12
25000
2000
и това, което искам да направя днес, е да ви покажа
00:42
an example of this.
13
27000
2000
пример за това.
00:44
It's really our first foray into this.
14
29000
2000
Това са нашите първи стъпки в това.
00:46
It's the development of a prosthetic device
15
31000
2000
Това е развитието на протезно устройство
00:48
for treating blindness.
16
33000
2000
за лекуване на слепота.
00:50
So let me start in on that problem.
17
35000
2000
Така че, нека започна с този проблем.
00:52
There are 10 million people in the U.S.
18
37000
2000
В САЩ има 10 милиона души
00:54
and many more worldwide who are blind
19
39000
2000
и много повече по целия свят, които са слепи
00:56
or are facing blindness due to diseases
20
41000
2000
или са застрашени от слепота, дължаща се на болести
00:58
of the retina, diseases like
21
43000
2000
на ретината, болести като
01:00
macular degeneration, and there's little
22
45000
2000
макулна дегенерация и много малко
01:02
that can be done for them.
23
47000
2000
може да се направи за тях.
01:04
There are some drug treatments, but
24
49000
2000
Има някои видове медикаментозни лечения, но
01:06
they're only effective on a small fraction
25
51000
2000
те са ефективни само за малка част
01:08
of the population. And so, for the vast
26
53000
2000
от населението. И така, за огромното
01:10
majority of patients, their best hope for
27
55000
2000
мнозинство от пациенти, тяхната най-голяма надежда за
01:12
regaining sight is through prosthetic devices.
28
57000
2000
възстановяване на зрението е чрез протезни устройства.
01:14
The problem is that current prosthetics
29
59000
2000
Проблемът е, че сегашните протези
01:16
don't work very well. They're still very
30
61000
2000
не работят много добре. Те са все още много
01:18
limited in the vision that they can provide.
31
63000
2000
ограничени във визията, която могат да предоставят.
01:20
And so, you know, for example, with these
32
65000
2000
И така, вие знаете, например, с тези
01:22
devices, patients can see simple things
33
67000
2000
устройства, пациентите могат да виждат прости неща
01:24
like bright lights and high contrast edges,
34
69000
2000
като ярки светлини и много контрастни ръбове,
01:26
not very much more, so nothing close
35
71000
2000
не много друго, така че нищо близко до
01:28
to normal vision has been possible.
36
73000
3000
нормалната видимост е било възможно.
01:31
So what I'm going to tell you about today
37
76000
2000
Това, за което ще ви кажа днес
01:33
is a device that we've been working on
38
78000
2000
е устройство, по което вече работим,
01:35
that I think has the potential to make
39
80000
2000
за което мисля, че има потенциал за
01:37
a difference, to be much more effective,
40
82000
2000
промени, да бъде много по-ефективно,
01:39
and what I wanted to do is show you
41
84000
2000
и това, което искам да ви покажа, е
01:41
how it works. Okay, so let me back up a
42
86000
2000
как работи. Добре, нека да се върна
01:43
little bit and show you how a normal retina
43
88000
2000
малко и първо да ви покажа как нормална ретина
01:45
works first so you can see the problem
44
90000
2000
работи, така че да виждате проблема
01:47
that we were trying to solve.
45
92000
2000
който се опитваме да решим.
01:49
Here you have a retina.
46
94000
2000
Тук имате ретината.
01:51
So you have an image, a retina, and a brain.
47
96000
2000
Имате изображение, ретината и мозъка.
01:53
So when you look at something, like this image
48
98000
2000
Когато гледате нещо, подобно на това изображение
01:55
of this baby's face, it goes into your eye
49
100000
2000
на това бебешко лице, то отива в окото ви
01:57
and it lands on your retina, on the front-end
50
102000
2000
и се приземява върху вашата ретина, върху предните
01:59
cells here, the photoreceptors.
51
104000
2000
клетки тук, фоторецепторите.
02:01
Then what happens is the retinal circuitry,
52
106000
2000
Това, което се случва, е че ретинните свръзки,
02:03
the middle part, goes to work on it,
53
108000
2000
средната част, започват да работят по него,
02:05
and what it does is it performs operations
54
110000
2000
и това което прави е, че изпълнява операции
02:07
on it, it extracts information from it, and it
55
112000
2000
върху него, като извлича информацията от него и
02:09
converts that information into a code.
56
114000
2000
превръща тази информация в код.
02:11
And the code is in the form of these patterns
57
116000
2000
А кодът е във формата на тези модели
02:13
of electrical pulses that get sent
58
118000
2000
на електрически импулси, които се изпращат
02:15
up to the brain, and so the key thing is
59
120000
2000
до мозъка и така, ключовото нещо е
02:17
that the image ultimately gets converted
60
122000
2000
изображението да се преобразува в крайна сметка
02:19
into a code. And when I say code,
61
124000
2000
в код. Когато казвам код,
02:21
I do literally mean code.
62
126000
2000
аз буквално имам предвид код.
02:23
Like this pattern of pulses here actually means "baby's face,"
63
128000
3000
Като този модел на импулси тук, който означава "бебешко лице"
02:26
and so when the brain gets this pattern
64
131000
2000
и така, когато мозъка получава този модел
02:28
of pulses, it knows that what was out there
65
133000
2000
на импулси, той знае, че това там
02:30
was a baby's face, and if it
66
135000
2000
е било бебешко лице и ако той
02:32
got a different pattern it would know
67
137000
2000
получи различен модел, би знаел
02:34
that what was out there was, say, a dog,
68
139000
2000
че това, което е било там, е да кажем, куче,
02:36
or another pattern would be a house.
69
141000
2000
или друг модел би бил къща.
02:38
Anyway, you get the idea.
70
143000
2000
Все пак, разбрахте идеята.
02:40
And, of course, in real life, it's all dynamic,
71
145000
2000
Разбира се, в реалния живот, всичко е динамично,
02:42
meaning that it's changing all the time,
72
147000
2000
което означава, че се променя през цялото време,
02:44
so the patterns of pulses are changing
73
149000
2000
така, че моделите на импулсите се променят
02:46
all the time because the world you're
74
151000
2000
през цялото време, защото света
02:48
looking at is changing all the time too.
75
153000
3000
който гледате се променя също постоянно.
02:51
So, you know, it's sort of a complicated
76
156000
2000
Знаете, че това е доста сложно
02:53
thing. You have these patterns of pulses
77
158000
2000
нещо. Имате тези модели на импулси
02:55
coming out of your eye every millisecond
78
160000
2000
идвайки от очите ви всяка милисекунда,
02:57
telling your brain what it is that you're seeing.
79
162000
2000
казвайки на ума ви какво в същност виждате.
02:59
So what happens when a person
80
164000
2000
Какво става, когато дадено лице
03:01
gets a retinal degenerative disease like
81
166000
2000
получава дегенеративно заболяване на ретината, като
03:03
macular degeneration? What happens is
82
168000
2000
макулна дегенерация? Това което става, е
03:05
is that, the front-end cells die,
83
170000
2000
че предните клетки умират,
03:07
the photoreceptors die, and over time,
84
172000
2000
фоторецепторите умират и евентуално,
03:09
all the cells and the circuits that are
85
174000
2000
всички клетки и връзките, които са
03:11
connected to them, they die too.
86
176000
2000
свързани към тях, също умират.
03:13
Until the only things that you have left
87
178000
2000
Докато единствените неща, които са останали
03:15
are these cells here, the output cells,
88
180000
2000
са тези клетки тук, изходните клетки,
03:17
the ones that send the signals to the brain,
89
182000
2000
тези, които изпращат сигналите до мозъка,
03:19
but because of all that degeneration
90
184000
2000
но поради цялата тази дегенерация,
03:21
they aren't sending any signals anymore.
91
186000
2000
те вече не изпращат никакви сигнали.
03:23
They aren't getting any input, so
92
188000
2000
Те не получават никакъв входен приток, така че
03:25
the person's brain no longer gets
93
190000
2000
мозъка на човека вече не получава
03:27
any visual information --
94
192000
2000
ниаква визуална информация --
03:29
that is, he or she is blind.
95
194000
3000
т. е, той или тя е сляп/а.
03:32
So, a solution to the problem, then,
96
197000
2000
Решение на проблема в такъв случай,
03:34
would be to build a device that could mimic
97
199000
2000
би било да се построи устройство, което може да имитира
03:36
the actions of that front-end circuitry
98
201000
2000
действията на тези предни свръзки
03:38
and send signals to the retina's output cells,
99
203000
2000
и да изпраща сигнали на изходните клетки на ретината,
03:40
and they can go back to doing their
100
205000
2000
и те да могат да се върнат към
03:42
normal job of sending signals to the brain.
101
207000
2000
нормалната им работа да изпращат сигнали до мозъка.
03:44
So this is what we've been working on,
102
209000
2000
Така че това е върху което работихме
03:46
and this is what our prosthetic does.
103
211000
2000
и това е което нашата протеза върши.
03:48
So it consists of two parts, what we call
104
213000
2000
Ами тя се състои от две части, които наричаме
03:50
an encoder and a transducer.
105
215000
2000
енкодер и датчик.
03:52
And so the encoder does just
106
217000
2000
Енкодерът не само прави
03:54
what I was saying: it mimics the actions
107
219000
2000
това, което казах: той имитира действията
03:56
of the front-end circuitry -- so it takes images
108
221000
2000
на предните свръзки-- взима изображения
03:58
in and converts them into the retina's code.
109
223000
2000
и ги конвертира в кода на ретината.
04:00
And then the transducer then makes the
110
225000
2000
След това датчикът кара
04:02
output cells send the code on up
111
227000
2000
изходните клетки да изпращат кода нагоре
04:04
to the brain, and the result is
112
229000
2000
към мозъка и резултатът е
04:06
a retinal prosthetic that can produce
113
231000
3000
протеза на ретината, която може да има
04:09
normal retinal output.
114
234000
2000
нормален ретинов изход.
04:11
So a completely blind retina,
115
236000
2000
Напълно сляпа ретина,
04:13
even one with no front-end circuitry at all,
116
238000
2000
дори една без предни свръзки,
04:15
no photoreceptors,
117
240000
2000
без фоторецептори,
04:17
can now send out normal signals,
118
242000
2000
сега може да изпраща нормални сигнали,
04:19
signals that the brain can understand.
119
244000
3000
сигнали, които мозъка може да разбере.
04:22
So no other device has been able
120
247000
2000
Никое друго устройство не би могло
04:24
to do this.
121
249000
2000
да направи това.
04:26
Okay, so I just want to take
122
251000
2000
Добре, просто искам да
04:28
a sentence or two to say something about
123
253000
2000
прибавя няколко изречения и да кажа нещо
04:30
the encoder and what it's doing, because
124
255000
2000
относно енкодера и какво той прави, защото
04:32
it's really the key part and it's
125
257000
2000
той наистина е ключова част и това е
04:34
sort of interesting and kind of cool.
126
259000
2000
доста интересно, и един вид страхотно.
04:36
I'm not sure "cool" is really the right word, but
127
261000
2000
Аз не съм сигурна, дали "страхотно" наистина е точната дума, но
04:38
you know what I mean.
128
263000
2000
вие знаете какво имам предвид.
04:40
So what it's doing is, it's replacing
129
265000
2000
Това, което той прави е, че замества
04:42
the retinal circuitry, really the guts of
130
267000
2000
свръзките на ретината, наистина вътршността на
04:44
the retinal circuitry, with a set of equations,
131
269000
2000
ретиновите свръзки с набор от уравнения,
04:46
a set of equations that we can implement
132
271000
2000
уравнения, които можем да прилагаме
04:48
on a chip. So it's just math.
133
273000
2000
върху чип. Това е просто математика.
04:50
In other words, we're not literally replacing
134
275000
3000
С други думи, ние не заменяме буквално
04:53
the components of the retina.
135
278000
2000
компонентите на ретината.
04:55
It's not like we're making a little mini-device
136
280000
2000
Това не е като като да правим малко устройство
04:57
for each of the different cell types.
137
282000
2000
за всеки от различните типове клетки.
04:59
We've just abstracted what the
138
284000
2000
Ние просто извлякохме това, което
05:01
retina's doing with a set of equations.
139
286000
2000
ретината прави с набор от уравнения.
05:03
And so, in a way, the equations are serving
140
288000
2000
По този начин, уравненията служат
05:05
as sort of a codebook. An image comes in,
141
290000
2000
като вид кодираща книга. Дадено изображение идва,
05:07
goes through the set of equations,
142
292000
3000
преминава през набор от уравнения,
05:10
and out comes streams of electrical pulses,
143
295000
2000
и излизат потоци от електрически импулси,
05:12
just like a normal retina would produce.
144
297000
4000
точно както нормална ретина би произвела.
05:16
Now let me put my money
145
301000
2000
Сега нека да потвърдя всичко това
05:18
where my mouth is and show you that
146
303000
2000
и да ви покажа, че
05:20
we can actually produce normal output,
147
305000
2000
всъщност ние можем да произведем нормален изход
05:22
and what the implications of this are.
148
307000
2000
и да ви покажа какви са последствията от това.
05:24
Here are three sets of
149
309000
2000
Ето три
05:26
firing patterns. The top one is from
150
311000
2000
модела на изстрелване. Горният е от
05:28
a normal animal, the middle one is from
151
313000
2000
нормално животно, средния е от
05:30
a blind animal that's been treated with
152
315000
2000
сляпо животно, което е лекувано с
05:32
this encoder-transducer device, and the
153
317000
2000
това енкодер-датчик устройство, а
05:34
bottom one is from a blind animal treated
154
319000
2000
долния е от сляпо животно третирано
05:36
with a standard prosthetic.
155
321000
2000
със стандартна протеза.
05:38
So the bottom one is the state-of-the-art
156
323000
2000
Долният е най-съвременното
05:40
device that's out there right now, which is
157
325000
2000
устройство, което се използва сега, което
05:42
basically made up of light detectors,
158
327000
2000
се състои основно от светлинни детектори,
05:44
but no encoder. So what we did was we
159
329000
2000
но няма енкодер. Това, което ние направихме беше,
05:46
presented movies of everyday things --
160
331000
2000
че представихме филми за ежедневни неща--
05:48
people, babies, park benches,
161
333000
2000
хора, бебета, пейки в парка,
05:50
you know, regular things happening -- and
162
335000
2000
разбиратете, обикновени неща -- и
05:52
we recorded the responses from the retinas
163
337000
2000
записахме отговорите на ретините
05:54
of these three groups of animals.
164
339000
2000
от тези три групи животни.
05:56
Now just to orient you, each box is showing
165
341000
2000
Сега просто да ви ориентирам, всяка кутия показва
05:58
the firing patterns of several cells,
166
343000
2000
моделите на изстрелване на няколко клетки,
06:00
and just as in the previous slides,
167
345000
2000
и точно както в предишните слайдове,
06:02
each row is a different cell,
168
347000
2000
всеки ред представлява друга клетка,
06:04
and I just made the pulses a little bit smaller
169
349000
2000
и аз просто направих импулсите малко по-малки
06:06
and thinner so I could show you
170
351000
3000
и по-тънки, така че да мога да ви покажа
06:09
a long stretch of data.
171
354000
2000
дълъг участък от данни.
06:11
So as you can see, the firing patterns
172
356000
2000
Както можете да видите, моделите на изстрелване
06:13
from the blind animal treated with
173
358000
2000
от сляпото животно, третирано с
06:15
the encoder-transducer really do very
174
360000
2000
енкодера-датчик са наистина много
06:17
closely match the normal firing patterns --
175
362000
2000
близки до моделите на нормалната ретина --
06:19
and it's not perfect, but it's pretty good --
176
364000
2000
не е перфектно, но е доста добро --
06:21
and the blind animal treated with
177
366000
2000
а при сляпото животно, третирано с
06:23
the standard prosthetic,
178
368000
2000
стандартната протеза,
06:25
the responses really don't.
179
370000
2000
отговорите не правят това.
06:27
And so with the standard method,
180
372000
3000
Със стандартния метод,
06:30
the cells do fire, they just don't fire
181
375000
2000
клетките изстрелват, но те просто не изстрелват
06:32
in the normal firing patterns because
182
377000
2000
в нормалните модели, защото
06:34
they don't have the right code.
183
379000
2000
нямат правилния код.
06:36
How important is this?
184
381000
2000
Колко важно е това?
06:38
What's the potential impact
185
383000
2000
Какво е потенциалното въздействие
06:40
on a patient's ability to see?
186
385000
3000
върху способността на пациента да вижда?
06:43
So I'm just going to show you one
187
388000
2000
Просто ще ви покажа един
06:45
bottom-line experiment that answers this,
188
390000
2000
основополагащ експеримент, който отговаря на това,
06:47
and of course I've got a lot of other data,
189
392000
2000
и разбира се имам много други данни,
06:49
so if you're interested I'm happy
190
394000
2000
така че, ако проявите интерес ще съм щастлива
06:51
to show more. So the experiment
191
396000
2000
да ви покажа повече. Експериментът
06:53
is called a reconstruction experiment.
192
398000
2000
се нарича експеримент за възстановяване.
06:55
So what we did is we took a moment
193
400000
2000
Това, което направихме е, че взехме момент
06:57
in time from these recordings and asked,
194
402000
3000
във времето от тези записи и попитахме,
07:00
what was the retina seeing at that moment?
195
405000
2000
какво вижда ретината в този момент.
07:02
Can we reconstruct what the retina
196
407000
2000
Можем ли да възстановим това, което ретината
07:04
was seeing from the responses
197
409000
2000
вижда от отговорите
07:06
from the firing patterns?
198
411000
2000
от моделите на изстрелване?
07:08
So, when we did this for responses
199
413000
3000
Направихме това за отговорите
07:11
from the standard method and from
200
416000
3000
от стандартния метод и от
07:14
our encoder and transducer.
201
419000
2000
нашия енкодер и датчик.
07:16
So let me show you, and I'm going to
202
421000
2000
Нека да ви покажа и ще
07:18
start with the standard method first.
203
423000
2000
започна със стандартния метод.
07:20
So you can see that it's pretty limited,
204
425000
2000
Можете да видите, че той е доста ограничен,
07:22
and because the firing patterns aren't
205
427000
2000
и тъй като моделите на истрелване не са
07:24
in the right code, they're very limited in
206
429000
2000
в правилния код, те са много ограничени в
07:26
what they can tell you about
207
431000
2000
това, което могат да ви кажат за
07:28
what's out there. So you can see that
208
433000
2000
това какво има там. Можете да видите, че
07:30
there's something there, but it's not so clear
209
435000
2000
там има нещо, но не е така ясно
07:32
what that something is, and this just sort of
210
437000
2000
какво е то и това просто
07:34
circles back to what I was saying in the
211
439000
2000
ни връща обратно към това, което казах в
07:36
beginning, that with the standard method,
212
441000
2000
началото, че със стандартния метод,
07:38
patients can see high-contrast edges, they
213
443000
2000
пациентите могат да виждат високо контрастни ръбове, те
07:40
can see light, but it doesn't easily go
214
445000
2000
могат да видят светлина, но не може да се отиде
07:42
further than that. So what was
215
447000
2000
по-надалеч от това. Какво представляваше
07:44
the image? It was a baby's face.
216
449000
3000
изображението? Това беше лице на бебе.
07:47
So what about with our approach,
217
452000
2000
Какво ще кажете за нашия подход,
07:49
adding the code? And you can see
218
454000
2000
чрез добавяне на кода? Можете да видите
07:51
that it's much better. Not only can you
219
456000
2000
че е много по-добър. Не само, че можете да
07:53
tell that it's a baby's face, but you can
220
458000
2000
кажете, че това е лице на бебе, но можете да
07:55
tell that it's this baby's face, which is a
221
460000
2000
кажете, че това е лицето на това бебе, което е
07:57
really challenging task.
222
462000
2000
наистина амбициозна задача.
07:59
So on the left is the encoder
223
464000
2000
Така че в ляво е енкодерът
08:01
alone, and on the right is from an actual
224
466000
2000
самостоятелно, а вдясно е от действително
08:03
blind retina, so the encoder and the transducer.
225
468000
2000
сляпа ретина, така също и енкодера и датчика.
08:05
But the key one really is the encoder alone,
226
470000
2000
Но ключът е наистина в енкодера сам по себе си,
08:07
because we can team up the encoder with
227
472000
2000
тъй като можем да свържем енкодера с
08:09
the different transducer.
228
474000
2000
различен датчик.
08:11
This is just actually the first one that we tried.
229
476000
2000
Това е всъщност първият, който сме опитали.
08:13
I just wanted to say something about the standard method.
230
478000
2000
Аз просто исках да кажа нещо за стандартния метод.
08:15
When this first came out, it was just a really
231
480000
2000
Когато този първият излезе, беше наистина
08:17
exciting thing, the idea that you
232
482000
2000
вълнуващо нещо, идеята че
08:19
even make a blind retina respond at all.
233
484000
3000
дори можете да накарате сляпа ретина изобщо да реагира.
08:22
But there was this limiting factor,
234
487000
3000
Но имаше този ограничаващ фактор,
08:25
the issue of the code, and how to make
235
490000
2000
проблемът с кода и как да се накарат
08:27
the cells respond better,
236
492000
2000
клетките да отговарят по-добре,
08:29
produce normal responses,
237
494000
2000
да произвеждат нормални отговори,
08:31
and so this was our contribution.
238
496000
2000
и така, това беше нашия принос.
08:33
Now I just want to wrap up,
239
498000
2000
Сега просто искам да привърша
08:35
and as I was mentioning earlier
240
500000
2000
и както споменах по-рано,
08:37
of course I have a lot of other data
241
502000
2000
разбира се, имам много други данни
08:39
if you're interested, but I just wanted to give
242
504000
2000
ако проявите интерес, но просто исках да ви дам
08:41
this sort of basic idea
243
506000
2000
тази основна идея
08:43
of being able to communicate
244
508000
3000
да можем да комуникираме
08:46
with the brain in its language, and
245
511000
2000
с мозъка на неговия език и
08:48
the potential power of being able to do that.
246
513000
3000
потенциалната сила да бъдем в състояние да направим това.
08:51
So it's different from the motor prosthetics
247
516000
2000
Така че, това е различно от моторните протези
08:53
where you're communicating from the brain
248
518000
2000
където вие комуникирате от мозъка
08:55
to a device. Here we have to communicate
249
520000
2000
към устройството. Тук трябва да комуникираме
08:57
from the outside world
250
522000
2000
от външния свят
08:59
into the brain and be understood,
251
524000
2000
към мозъка и да бъдем разбрани,
09:01
and be understood by the brain.
252
526000
2000
и да бъдем разбрани от мозъка.
09:03
And then the last thing I wanted
253
528000
2000
Последното нещо, което искам
09:05
to say, really, is to emphasize
254
530000
2000
да кажа, наистина, е да подчертая
09:07
that the idea generalizes.
255
532000
2000
че идеята обобщава.
09:09
So the same strategy that we used
256
534000
2000
Така че, същата стратегия, която използвахме
09:11
to find the code for the retina we can also
257
536000
2000
за да намерим кода за ретината, можем
09:13
use to find the code for other areas,
258
538000
2000
да използваме и за да намерим кода за други области,
09:15
for example, the auditory system and
259
540000
2000
например, слуховата система и
09:17
the motor system, so for treating deafness
260
542000
2000
двигателната система, за лечение на глухота
09:19
and for motor disorders.
261
544000
2000
и на двигателни разстройства.
09:21
So just the same way that we were able to
262
546000
2000
Така че, точно по същия начин, по който бяхме в състояние да
09:23
jump over the damaged
263
548000
2000
прескочим повредени
09:25
circuitry in the retina to get to the retina's
264
550000
2000
свръзки в ретината, за да стигнем до
09:27
output cells, we can jump over the
265
552000
2000
изходните клетки на ретината, можем да прескочим
09:29
damaged circuitry in the cochlea
266
554000
2000
повредени свръзки в кохлеата (ушния охлюв)
09:31
to get the auditory nerve,
267
556000
2000
за да стигнем слуховия нерв
09:33
or jump over damaged areas in the cortex,
268
558000
2000
или да прескочим повредени области в мозъчната кора,
09:35
in the motor cortex, to bridge the gap
269
560000
3000
в моторния кортекс, за да прескочим пропастта
09:38
produced by a stroke.
270
563000
2000
произведена от сърдечен удар.
09:40
I just want to end with a simple
271
565000
2000
Само искам да завърша с просто
09:42
message that understanding the code
272
567000
2000
послание, че разбирането на кода на съобщението
09:44
is really, really important, and if we
273
569000
2000
е наистина, наистина много важно и ако ние
09:46
can understand the code,
274
571000
2000
можем да разберем кода,
09:48
the language of the brain, things become
275
573000
2000
на езика на мозъка, стават
09:50
possible that didn't seem obviously
276
575000
2000
възможни неща, които очевидно не изглеждаха
09:52
possible before. Thank you.
277
577000
2000
възможни преди. Благодаря ви.
09:54
(Applause)
278
579000
5000
(Аплодисменти)
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