TEDGlobal 2012
Max Little: A test for Parkinson's with a phone call
Max Little: Test na Parkinsona pomocí telefonu
Filmed:
Readability: 4.5
1,296,740 views
Parkinsonovou chorobou je postiženo 6,3 milionu lidí po celém světě; způsobuje slabost a třesení, ale není žádný objektivní způsob, jak ji zjistit v raném stádiu. Zatím. Aplikovaný matematik a "TED Fellow" Max Little testuje jednoduchý a levný nástroj, který je v testovací fázi schopný odhalit Parkinsonovu chorobu s 99procentní přesností -- je to 30vteřinový telefonní hovor.
Max Little - Applied mathematician
Max Little is a mathematician whose research includes a breakthrough technique to monitor – and potentially screen for – Parkinson's disease through simple voice recordings. Full bio
Max Little is a mathematician whose research includes a breakthrough technique to monitor – and potentially screen for – Parkinson's disease through simple voice recordings. Full bio
Double-click the English transcript below to play the video.
00:16
So, well, I do applied math,
0
667
2103
Mým oborem je aplikovaná matematika.
00:18
and this is a peculiar problem
1
2770
1524
Jeden záludný problém
00:20
for anyone who does applied math, is that
2
4294
2173
pro každého, kdo se věnuje aplikované matematice, je ten,
00:22
we are like management consultants.
3
6467
1933
že jsme jako manažerští konzultanti.
00:24
No one knows what the hell we do.
4
8400
1946
Nikdo neví, co vlastně děláme.
00:26
So I am going to give you some -- attempt today
5
10346
2274
Dnes se budu snažit
00:28
to try and explain to you what I do.
6
12620
2293
pokusit se vám vysvětlit, co dělám.
00:30
So, dancing is one of the most human of activities.
7
14913
3321
Tanec je jedna ze svrchovaně lidských aktivit.
00:34
We delight at ballet virtuosos and tap dancers
8
18234
3682
Obdivujeme baletní virtuózy a stepaře,
00:37
you will see later on.
9
21916
1148
které za chvíli uvidíte.
00:38
Now, ballet requires an extraordinary level of expertise
10
23064
2690
Balet vyžaduje výjimečnou úroveň odbornosti,
00:41
and a high level of skill,
11
25754
2914
velkou dávku zručnosti a obratnosti
00:44
and probably a level of initial suitability
12
28668
2531
a pravděpodobně dávku počátečního talentu,
00:47
that may well have a genetic component to it.
13
31199
1847
který může být zakořeněn v genetice.
00:48
Now, sadly, neurological disorders such as Parkinson's disease
14
33046
3393
Bohužel neurologické poruchy, jako je Parkinsonova choroba,
00:52
gradually destroy this extraordinary ability,
15
36439
2087
postupně zničí tuto výjimečnou zdatnost,
00:54
as it is doing to my friend Jan Stripling, who was
16
38526
2323
jak se stalo mému přiteli Janu Striplingovi, který byl
00:56
a virtuoso ballet dancer in his time.
17
40849
2967
svého času baletní virtuóz.
00:59
So great progress and treatment has been made over the years.
18
43816
3054
Během posledních let učinila léčba veliký pokrok.
01:02
However, there are 6.3 million people worldwide
19
46870
2944
Ačkoli je na světě 6,3 milionu lidí
01:05
who have the disease, and they have to live with
20
49814
3448
s touto chorobou, kteří musí žít
01:09
incurable weakness, tremor, rigidity
21
53262
2568
s nevyléčitelnou slabostí, třesením, ztuhlostí
01:11
and the other symptoms that go along with the disease,
22
55830
1857
a ostatními symptomy, které s chorobou kráčejí ruku v ruce,
01:13
so what we need are objective tools
23
57687
2383
potřebujeme objektivní nástroje,
01:15
to detect the disease before it's too late.
24
60070
3057
abychom mohli chorobu včas odhalit.
01:19
We need to be able to measure progression objectively,
25
63127
2554
Musíme být schopni změřit postup nemoci objektivně
01:21
and ultimately, the only way we're going to know
26
65681
3173
a s jistotou; jediný způsob, jak se dozvíme,
01:24
when we actually have a cure is when we have
27
68854
2192
že opravdu máme lék, je když máme
01:26
an objective measure that can answer that for sure.
28
71046
3398
objektivní měření, které nám to s jistotou řekne.
01:30
But frustratingly, with Parkinson's disease
29
74444
2850
Ale bohužel, u Parkinsonovy choroby
01:33
and other movement disorders, there are no biomarkers,
30
77294
2353
a ostatních poruch pohybového ústrojí neexistují žádné bioukazatele,
01:35
so there's no simple blood test that you can do,
31
79647
2229
neexistuje žádný jednoduchý krevní test,
01:37
and the best that we have is like
32
81876
1802
to nejlepší, co máme je
01:39
this 20-minute neurologist test.
33
83678
2241
20minutový neurologický test.
01:41
You have to go to the clinic to do it. It's very, very costly,
34
85919
2458
Musíte si ho jít udělat na kliniku. Je to velmi, velmi drahé,
01:44
and that means that, outside the clinical trials,
35
88377
2757
a to znamená, že kromě klinických pokusů
01:47
it's just never done. It's never done.
36
91134
2728
se nikdy nedělá. Nikdy se nedělá.
01:49
But what if patients could do this test at home?
37
93862
3077
Ale co kdyby si mohli pacienti tento test udělat doma?
01:52
Now, that would actually save on a difficult trip to the clinic,
38
96939
2098
Vlastně by jim to ušetřilo obtížnou cestu na kliniku,
01:54
and what if patients could do that test themselves, right?
39
99037
4254
a co kdyby si pacienti mohli ten test udělat sami, že?
01:59
No expensive staff time required.
40
103291
1920
Nepotřebovali bychom drahocenný čas lékařů.
02:01
Takes about $300, by the way,
41
105211
1418
Mimochodem stojí to 300 $
02:02
in the neurologist's clinic to do it.
42
106629
1993
si ho udělat u neurologa.
02:04
So what I want to propose to you as an unconventional way
43
108622
2681
Takže vám chci navrhnout nekonvenční způsob,
02:07
in which we can try to achieve this,
44
111303
1514
jakým bychom se to mohli pokusit dokázat,
02:08
because, you see, in one sense, at least,
45
112817
1808
protože, víte, částečně, aspoň,
02:10
we are all virtuosos like my friend Jan Stripling.
46
114625
3256
jsme všichni virtuozové jako můj přítel Jan Stripling.
02:13
So here we have a video of the vibrating vocal folds.
47
117881
3755
Zde máme video vibrujících hlasivek.
02:17
Now, this is healthy and this is somebody making speech sounds,
48
121636
3229
Tyto jsou zdravé a tady vydávají zvuk při mluvení,
02:20
and we can think of ourselves as vocal ballet dancers,
49
124865
3464
můžeme se považovat za vokální baletní tanečníky,
02:24
because we have to coordinate all of these vocal organs
50
128329
2214
protože musíme koordinovat všechny různé hlasové orgány,
02:26
when we make sounds, and we all actually
51
130543
2295
když vydáváme zvuk, a vlastně všichni
02:28
have the genes for it. FoxP2, for example.
52
132838
2296
pro to máme geny. FoxP2, například.
02:31
And like ballet, it takes an extraordinary level of training.
53
135134
2713
A jako u baletu i zde je k tomu třeba výjimečná úroveň trénovanosti.
02:33
I mean, just think how long it takes a child to learn to speak.
54
137847
2585
Chci říct, zamyslete se, jak dlouho trvá dítěti naučit se mluvit.
02:36
From the sound, we can actually track
55
140432
2382
Ze zvuků můžeme vlastně sledovat
02:38
the vocal fold position as it vibrates,
56
142814
2281
pozici hlasivek během vibrování,
02:40
and just as the limbs are affected in Parkinson's,
57
145095
2543
a stejně jako může Parkinson poznamenat končetiny,
02:43
so too are the vocal organs.
58
147638
2781
může postihnout i hlasové orgány.
02:46
So on the bottom trace, you can see an example of
59
150419
1880
Na spodní křivce můžete vidět příklad
02:48
irregular vocal fold tremor.
60
152299
1698
nepravidelného chvění hlasivek.
02:49
We see all the same symptoms.
61
153997
1168
Vidíme tytéž symptomy.
02:51
We see vocal tremor, weakness and rigidity.
62
155165
2930
Vidíme hlasivkový třes, slabost a ztuhlost.
02:53
The speech actually becomes quieter and more breathy
63
158095
2104
Mluvení je pak tišší a po chvíli dýchavičnější
02:56
after a while, and that's one of the example symptoms of it.
64
160199
2233
a to je příklad jednoho ze symptomů.
02:58
So these vocal effects can actually be quite subtle,
65
162432
2847
Tyto hlasivkové jevy mohou být sotva patrné,
03:01
in some cases, but with any digital microphone,
66
165279
3216
v některých případech ale pomocí digitálního mikrofonu
03:04
and using precision voice analysis software
67
168495
2545
a za použití přesného software na analýzu hlasu
03:06
in combination with the latest in machine learning,
68
171040
2409
v kombinaci s nejnovějšími poznatky ve strojovém učení,
03:09
which is very advanced by now,
69
173449
1578
které je teď na velmi vysoké úrovni,
03:10
we can now quantify exactly where somebody lies
70
175027
2886
můžeme přesně vyčíslit, kde kdo leží
03:13
on a continuum between health and disease
71
177913
2881
na stupnici mezi zdravím a nemocí
03:16
using voice signals alone.
72
180794
2596
pouze podle hlasového signálu.
03:19
So these voice-based tests, how do they stack up against
73
183390
2314
Jak si tyto hlasivkové testy stojí proti
03:21
expert clinical tests? We'll, they're both non-invasive.
74
185704
2150
expertním klinickým testům? No, oba jsou neinvazivní.
03:23
The neurologist's test is non-invasive. They both use existing infrastructure.
75
187854
3982
Ten neurologický test je neinvazivní. Oba používají existující infrastrukturu.
03:27
You don't have to design a whole new set of hospitals to do it.
76
191836
3004
Nemusíte kvůli němu stavět nové nemocnice.
03:30
And they're both accurate. Okay, but in addition,
77
194840
2302
A jsou oba přesné. Dobře, ale nadto
03:33
voice-based tests are non-expert.
78
197142
3327
hlasivkové testy jsou neodborné.
03:36
That means they can be self-administered.
79
200469
1992
To znamená, že jsou určeny k samovyšetření.
03:38
They're high-speed, take about 30 seconds at most.
80
202461
2580
Jsou velice rychlé, zaberou nanejvýš 30 vteřin.
03:40
They're ultra-low cost, and we all know what happens.
81
205041
2294
A jsou ultralevné -- a víme co se teď stane.
03:43
When something becomes ultra-low cost,
82
207335
2440
Když je něco ultralevné,
03:45
it becomes massively scalable.
83
209775
2296
masivně se to rozšíří.
03:47
So here are some amazing goals that I think we can deal with now.
84
212071
3675
Takže tu máme několik úžasných cílů, kterých můžeme dosáhnout.
03:51
We can reduce logistical difficulties with patients.
85
215746
2426
Můžeme snížit logistické obtíže s pacienty.
03:54
No need to go to the clinic for a routine checkup.
86
218172
2312
Nemusejí docházet na kliniku kvůli rutinní prohlídce.
03:56
We can do high-frequency monitoring to get objective data.
87
220484
2320
Můžeme provádět vysokofrekvenční monitoring a získávat objektivní data.
03:58
We can perform low-cost mass recruitment for clinical trials,
88
222804
4105
Můžeme provádět nízkonákladové masivní nábory pro klinické testování
04:02
and we can make population-scale screening
89
226909
2115
a můžeme celopopulační vyšetřování
04:04
feasible for the first time.
90
229024
1596
poprvé učinit dostupným.
04:06
We have the opportunity to start to search
91
230620
2202
Máme příležitost začít s hledáním
04:08
for the early biomarkers of the disease before it's too late.
92
232822
3541
počátečních bioukazatelů této choroby, než bude pozdě.
04:12
So, taking the first steps towards this today,
93
236363
2758
Učinili jsme první krůčky,
04:15
we're launching the Parkinson's Voice Initiative.
94
239121
2126
spouštíme Parkinsonovu hlasovou iniciativu.
04:17
With Aculab and PatientsLikeMe, we're aiming
95
241247
2232
S Aculabem a PatientsLikeMe chceme
04:19
to record a very large number of voices worldwide
96
243479
1928
nahrát velký počet hlasů po celém světě,
04:21
to collect enough data to start to tackle these four goals.
97
245407
3140
abychom shromáždili dostatek dat, abychom dosáhli těch čtyř cílů.
04:24
We have local numbers accessible to three quarters
98
248547
1700
Máme lokální čísla přístupná třem čtvrtinám
04:26
of a billion people on the planet.
99
250247
1610
miliardy lidí na této planetě.
04:27
Anyone healthy or with Parkinson's can call in, cheaply,
100
251857
3077
Ať zdravý nebo s Parkinsonem, může zavolat, levně,
04:30
and leave recordings, a few cents each,
101
254934
2139
a zanechat nahrávku, pouze za pár centů,
04:32
and I'm really happy to announce that we've already hit
102
257073
2190
a jsem rád, že mohu oznámit, že jsme už dosáhli
04:35
six percent of our target just in eight hours.
103
259263
3543
šesti procent z našeho cíle během osmi hodin.
04:38
Thank you. (Applause)
104
262806
3751
Děkuji. (Potlesk)
04:42
(Applause)
105
266557
6320
(Potlesk)
04:48
Tom Rielly: So Max, by taking all these samples of,
106
272877
3575
Tom Rielly: Čili Maxi, když vezmete všechny tyto vzorky,
04:52
let's say, 10,000 people,
107
276452
2776
řekněme 10 000 lidí,
04:55
you'll be able to tell who's healthy and who's not?
108
279228
2854
jste schopni říct, kdo je zdravý a kdo není?
04:57
What are you going to get out of those samples?
109
282082
1685
Co jste schopni z těch vzorků vyčíst?
04:59
Max Little: Yeah. Yeah. So what will happen is that,
110
283767
1830
Max Little: Ano. Ano. Je to tak, že
05:01
during the call you have to indicate whether or not
111
285597
1657
během hovoru musíte uvést, jestli máte
05:03
you have the disease or not, you see. TR: Right.
112
287254
1267
chorobu nebo ne. TR: Dobrá.
05:04
ML: You see, some people may not do it. They may not get through it.
113
288521
2507
ML: Víte, někteří lidé to nemusí udělat. Nemusí se k tomu dostat.
05:06
But we'll get a very large sample of data that is collected
114
291028
2717
Ale shromáždili jsme obrovský vzorek dat
05:09
from all different circumstances, and it's getting it
115
293745
3408
za různých okolností, záleží právě
05:13
in different circumstances that matter because then
116
297153
1905
na získávání v různých okolnostech, protože pak
05:14
we are looking at ironing out the confounding factors,
117
299058
3384
se snažíme dát do pořádku matoucí faktory,
05:18
and looking for the actual markers of the disease.
118
302442
2161
a snažíme se najít vlastní příznaky choroby.
05:20
TR: So you're 86 percent accurate right now?
119
304603
2497
TR: Takže jste v tuto chvíli přesní v 86 procentech případů?
05:23
ML: It's much better than that.
120
307100
1194
ML: Je to ještě lepší.
05:24
Actually, my student Thanasis, I have to plug him,
121
308294
1720
Vlastně, můj student Thanasis, musím ho tu uvést,
05:25
because he's done some fantastic work,
122
310014
1870
protože odvedl fantastickou práci,
05:27
and now he has proved that it works over the mobile telephone network as well,
123
311884
3770
nyní prokázal, že to funguje také přes mobilní telefonní síť,
05:31
which enables this project, and we're getting 99 percent accuracy.
124
315654
3390
což víc zpřístupňuje tento projekt, a dostáváme se na 99procentní přesnost.
05:34
TR: Ninety-nine. Well, that's an improvement.
125
319044
1576
TR: Devadesát devět. To je tedy zlepšení.
05:36
So what that means is that people will be able to —
126
320620
2201
Takže to znamená, že lidé budou moct --
05:38
ML: (Laughs)
127
322821
1852
ML: (Směje se)
05:40
TR: People will be able to call in from their mobile phones
128
324673
1906
TR: Lidé budou moct zavolat ze svého mobilního telefonu
05:42
and do this test, and people with Parkinson's could call in,
129
326579
3072
a udělat si test, a lidé s Parkinsonem mohou zavolat,
05:45
record their voice, and then their doctor can check up
130
329651
2870
nahrát svůj hlas, a pak jejich doktor může zkontrolovat
05:48
on their progress, see where they're doing in this course of the disease.
131
332521
2681
jejich postup, a zkontrolovat, jak si s nemocí vedou.
05:51
ML: Absolutely.
132
335202
970
ML: Přesně tak.
05:52
TR: Thanks so much. Max Little, everybody.
133
336172
1743
TR: Děkuji mnohokrát. Max Little!
05:53
ML: Thanks, Tom. (Applause)
134
337915
5157
ML: Děkuji, Tome. (Potlesk)
ABOUT THE SPEAKER
Max Little - Applied mathematicianMax Little is a mathematician whose research includes a breakthrough technique to monitor – and potentially screen for – Parkinson's disease through simple voice recordings.
Why you should listen
Max Little is an applied mathematician whose goal is to "see connections between subjects, not boundaries … to see how things are related, not how they are different." He has a background in applied mathematics, statistics, signal processing and computational engineering, and his work has been applied across disciplines like biomedicine, extreme rainfall analysis and forecasting, biophysical signal processing, and hydrogeomorphology and open channel flow measurement. Little is best known for his work on the Parkinson's Voice Initiative, in which he and his team developed a cheap and simple tool that uses precise voice analysis software to detect Parkinson's with 99 percent accuracy. Little is a TEDGlobal 2012 Fellow and a Wellcome Trust-MIT Postdoctoral Research Fellow.
Max Little | Speaker | TED.com