TED@Merck KGaA, Darmstadt, Germany
Irina Kareva: Math can help uncover cancer's secrets
Irina Kareva: Mathematik kann helfen, die Geheimnisse von Krebs zu lüften
Filmed:
Readability: 5.8
1,223,313 views
Irina Kareva übersetzt von der Biologie in die Mathematik, und umgekehrt. Sie schreibt mathematische Modelle, welche die Dynamik von Krebs beschreiben, mit dem Ziel, neue Medikamente gegen Tumore zu entwickeln. "Das Potential und die Eleganz mathematischer Modelle" liegt laut Kareva darin, "dass sie uns dazu zwingen, das, was wir als gesichertes Wissen annehmen, sehr strikt zu formalisieren. Das kann Hinweise liefern, wo wir weiterforschen sollten und wo eine Sackgasse sein könnte." Alles läuft darauf hinaus, die richtige Frage zu stellen und diese dann in die richtige Gleichung zu übersetzen, und zurück.
Irina Kareva - Theoretical biologist
Irina Kareva is looking for answers to biological questions using mathematical modeling. Full bio
Irina Kareva is looking for answers to biological questions using mathematical modeling. Full bio
Double-click the English transcript below to play the video.
00:12
I am a translator.
0
549
1243
Ich bin Übersetzerin.
00:14
I translate from biology into mathematics
1
2514
3191
Ich übersetze vom Biologischen
ins Mathematische
ins Mathematische
00:17
and vice versa.
2
5729
1150
und zurück.
00:19
I write mathematical models
3
7588
1790
Ich schreibe mathematische Modelle,
in meinem Fall sind das
Differentialgleichungssysteme,
Differentialgleichungssysteme,
00:21
which, in my case, are systems
of differential equations,
of differential equations,
4
9402
2847
00:24
to describe biological mechanisms,
5
12273
1947
um biologische Mechanismen,
wie z.B. das Zellwachstum, zu beschreiben.
wie z.B. das Zellwachstum, zu beschreiben.
00:26
such as cell growth.
6
14244
1158
00:28
Essentially, it works like this.
7
16122
1848
Im Wesentlichen funktioniert das so:
00:30
First, I identify the key elements
8
18573
2469
Zuerst bestimme ich die Kernelemente,
00:33
that I believe may be driving
behavior over time
behavior over time
9
21066
2777
die vermutlich das Verhalten
eines Mechanismus
eines Mechanismus
00:35
of a particular mechanism.
10
23867
1539
im weiteren Verlauf steuern werden.
00:38
Then, I formulate assumptions
11
26230
1891
Dann formuliere ich Annahmen
00:40
about how these elements
interact with each other
interact with each other
12
28145
2886
darüber, wie die Elemente untereinander
00:43
and with their environment.
13
31055
1337
und mit ihrer Umgebung wechselwirken.
00:44
It may look something like this.
14
32916
1772
Das könnte ungefähr so aussehen.
00:46
Then, I translate
these assumptions into equations,
these assumptions into equations,
15
34712
3317
Dann übersetze ich
die Annahmen in Gleichungen,
die Annahmen in Gleichungen,
00:50
which may look something like this.
16
38610
1824
was ungefähr so aussehen könnte.
00:53
Finally, I analyze my equations
17
41434
1890
Zuletzt analysiere ich die Gleichungen
00:55
and translate the results back
into the language of biology.
into the language of biology.
18
43348
3101
und übersetze die Ergebnisse zurück
in die Sprache der Biologie.
in die Sprache der Biologie.
01:00
A key aspect of mathematical modeling
19
48156
2420
Ein Kernaspekt mathematischer Modelle ist,
01:02
is that we, as modelers,
do not think about what things are;
do not think about what things are;
20
50600
3908
dass wir als Modellbauer nicht darüber
nachdenken, wie etwas beschaffen ist,
nachdenken, wie etwas beschaffen ist,
01:06
we think about what they do.
21
54532
1855
sondern darüber, was es tut.
01:08
We think about relationships
between individuals,
between individuals,
22
56411
2489
Wir denken über Beziehungen
zwischen Individuen nach,
zwischen Individuen nach,
01:10
whether they be cells, animals or people,
23
58924
2886
seien es nun Zellen, Tiere oder Personen,
01:13
and how they interact with each other
and with their environment.
and with their environment.
24
61834
3048
und darüber, wie sie untereinander
und mit der Umgebung interagieren.
und mit der Umgebung interagieren.
01:17
Let me give you an example.
25
65639
1340
Hier ein Beispiel.
01:19
What do foxes and immune cells
have in common?
have in common?
26
67719
3803
Was haben Füchse
und Immunzellen gemeinsam?
und Immunzellen gemeinsam?
01:24
They're both predators,
27
72793
1459
Beide sind Räuber,
01:26
except foxes feed on rabbits,
28
74744
2723
nur dass Füchse Hasen fressen
01:29
and immune cells feed on invaders,
such as cancer cells.
such as cancer cells.
29
77491
3330
und Immunzellen Fremdkörper,
wie zum Beispiel Krebszellen.
wie zum Beispiel Krebszellen.
01:33
But from a mathematical point of view,
30
81273
2345
Doch mathematisch betrachtet
01:35
a qualitatively same system
of predator-prey type equations
of predator-prey type equations
31
83642
4156
wird ein und dasselbe Gleichungssystem
für Räuber-Beute-Beziehungen
für Räuber-Beute-Beziehungen
01:39
will describe interactions
between foxes and rabbits
between foxes and rabbits
32
87822
3245
Wechselwirkungen zwischen Füchsen
und Hasen ebenso erklären
und Hasen ebenso erklären
01:43
and cancer and immune cells.
33
91091
1774
wie zwischen Krebs- und Immunzellen.
01:45
Predator-prey type systems
have been studied extensively
have been studied extensively
34
93609
2708
Räuber-Beute Beziehungen wurden
in der Fachliteratur ausgiebig erforscht.
in der Fachliteratur ausgiebig erforscht.
01:48
in scientific literature,
35
96341
1269
01:49
describing interactions
of two populations,
of two populations,
36
97634
2378
Sie beschreiben Interaktionen
zweier Populationen,
zweier Populationen,
01:52
where survival of one depends
on consuming the other.
on consuming the other.
37
100036
2775
wobei die eine überlebt,
indem sie die andere frisst.
indem sie die andere frisst.
01:55
And these same equations
provide a framework
provide a framework
38
103485
2620
Dieselben Gleichungen
liefern ein Bezugssystem
liefern ein Bezugssystem
01:58
for understanding
cancer-immune interactions,
cancer-immune interactions,
39
106129
2311
um Krebs-Immunzell-Interaktionen
zu verstehen,
zu verstehen,
02:00
where cancer is the prey,
40
108464
1841
wobei der Krebs die Beute
02:02
and the immune system is the predator.
41
110329
2372
und das Immunsystem den Räuber darstellt.
02:04
And the prey employs all sorts of tricks
to prevent the predator from killing it,
to prevent the predator from killing it,
42
112725
4032
Die Beute setzt allerlei Tricks ein,
um nicht vom Räuber getötet zu werden,
um nicht vom Räuber getötet zu werden,
02:08
ranging from camouflaging itself
43
116781
1820
mal tarnt sie sich selbst,
02:10
to stealing the predator's food.
44
118625
1839
mal stiehlt sie dem Räuber die Nahrung.
02:13
This can have some very
interesting implications.
interesting implications.
45
121352
2562
Daraus lassen sich
sehr interessante Schlüsse ziehen.
sehr interessante Schlüsse ziehen.
02:15
For example, despite enormous successes
in the field of immunotherapy,
in the field of immunotherapy,
46
123938
4822
Zum Beispiel: Trotz enormer Erfolge
auf dem Gebiet der Immuntherapie
auf dem Gebiet der Immuntherapie
ist ihre Wirksamkeit bei soliden Tumoren
immer noch recht beschränkt.
immer noch recht beschränkt.
02:20
there still remains
somewhat limited efficacy
somewhat limited efficacy
47
128784
2461
02:23
when it comes solid tumors.
48
131269
1542
02:25
But if you think about it ecologically,
49
133423
2559
Aber wenn man es ökologisch betrachtet,
02:28
both cancer and immune cells --
50
136006
2090
brauchen Krebs- und Immunzellen --
02:30
the prey and the predator --
51
138120
1600
der Räuber und die Beute --
02:31
require nutrients
such as glucose to survive.
such as glucose to survive.
52
139744
3031
Nährstoffe wie Glukose zum Überleben.
02:35
If cancer cells outcompete
the immune cells for shared nutrients
the immune cells for shared nutrients
53
143358
4789
Wenn die Krebszellen den Immunzellen deren
Nahrungsgrundlage gänzlich entziehen,
Nahrungsgrundlage gänzlich entziehen,
02:40
in the tumor microenvironment,
54
148171
1793
innerhalb des Tumormikromilieus,
02:41
then the immune cells will physically
not be able to do their job.
not be able to do their job.
55
149988
3414
dann sind die Immunzellen physisch
nicht in der Lage zu arbeiten.
nicht in der Lage zu arbeiten.
02:46
This predator-prey-shared
resource type model
resource type model
56
154291
2868
Das Modell der Ressourcenteilung
zwischen Räuber und Beute
zwischen Räuber und Beute
02:49
is something I've worked on
in my own research.
in my own research.
57
157183
2297
war bislang Gegenstand
meiner eigenen Forschung.
meiner eigenen Forschung.
Kürzlich wurde experimentell gezeigt,
dass die Wiederherstellung
dass die Wiederherstellung
02:51
And it was recently shown experimentally
58
159504
2724
02:54
that restoring the metabolic balance
in the tumor microenvironment --
in the tumor microenvironment --
59
162252
4054
des Stoffwechselgleichgewichts
im Tumormikromilieu --
im Tumormikromilieu --
02:58
that is, making sure
immune cells get their food --
immune cells get their food --
60
166330
3531
wenn man also den Immunzellen
genug Nahrung verschafft --
genug Nahrung verschafft --
03:01
can give them, the predators, back
their edge in fighting cancer, the prey.
their edge in fighting cancer, the prey.
61
169885
5245
man ihnen, den Räubern,
beim Kampf gegen den Krebs, der Beute,
wieder einen Vorteil verschafft.
wieder einen Vorteil verschafft.
03:08
This means that if you abstract a bit,
62
176440
2339
Das heißt, wenn man das etwas abstrahiert,
03:10
you can think about cancer itself
as an ecosystem,
as an ecosystem,
63
178803
2955
kann man sich Krebs
als Ökosystem vorstellen.
als Ökosystem vorstellen.
03:13
where heterogeneous populations of cells
compete and cooperate
compete and cooperate
64
181782
4287
Hier kooperieren und konkurrieren
verschiedene Zellpopulationen miteinander
verschiedene Zellpopulationen miteinander
um Lebensraum und Nahrung,
03:18
for space and nutrients,
65
186093
2017
03:20
interact with predators --
the immune system --
the immune system --
66
188134
2672
interagieren mit Räubern, --
dem Immunsystem --
dem Immunsystem --
03:22
migrate -- metastases --
67
190830
2241
migrieren, -- also metastasieren --
03:25
all within the ecosystem
of the human body.
of the human body.
68
193095
2467
alles im Ökosystem
des menschlichen Körpers.
des menschlichen Körpers.
03:28
And what do we know about most
ecosystems from conservation biology?
ecosystems from conservation biology?
69
196221
3869
Und was wissen wir über Ökosysteme
aus der Naturschutzbiologie?
aus der Naturschutzbiologie?
03:32
That one of the best ways
to extinguish species
to extinguish species
70
200643
2852
Wenn man eine Spezies
verlässlich ausrotten will,
verlässlich ausrotten will,
03:35
is not to target them directly
71
203519
1952
greift man nicht sie direkt,
03:37
but to target their environment.
72
205495
2439
sondern ihren Lebensraum an.
03:40
And so, once we have identified
the key components
the key components
73
208880
3070
Sobald wir also die Schlüsselkomponenten
des Tumormilieus bestimmt haben,
03:43
of the tumor environment,
74
211974
1644
03:45
we can propose hypotheses
75
213642
1948
können wir Hypothesen aufstellen
03:47
and simulate scenarios
and therapeutic interventions
and therapeutic interventions
76
215614
3294
und Szenarien sowie
therapeutische Maßnahmen simulieren,
therapeutische Maßnahmen simulieren,
03:50
all in a completely safe
and affordable way
and affordable way
77
218932
3425
und das alles vollkommen risikofrei
und kostengünstig.
und kostengünstig.
03:54
and target different components
of the microenvironment
of the microenvironment
78
222381
3369
Wir können verschiedene Komponenten
des Mikromilieus anvisieren
des Mikromilieus anvisieren
03:57
in such a way as to kill the cancer
without harming the host,
without harming the host,
79
225774
3996
indem wir den Krebs eliminieren,
ohne dem Wirt zu schaden,
ohne dem Wirt zu schaden,
04:01
such as me or you.
80
229794
1570
also Ihnen oder mir.
04:05
And so while the immediate
goal of my research
goal of my research
81
233029
3002
Und wenngleich es das unmittelbare Ziel
meiner Forschung ist,
meiner Forschung ist,
04:08
is to advance research and innovation
82
236055
2266
Forschung und Innovation voranzubringen,
04:10
and to reduce its cost,
83
238345
1896
sowie deren Kosten zu reduzieren,
04:12
the real intent, of course,
is to save lives.
is to save lives.
84
240265
2517
ist ihr eigentlicher Zweck
natürlich, Leben zu retten.
natürlich, Leben zu retten.
04:15
And that's what I try to do
85
243278
1771
Und das versuche ich zu erreichen,
04:17
through mathematical modeling
applied to biology,
applied to biology,
86
245073
2747
durch mathematische Modelle,
angewandt auf die Biologie,
angewandt auf die Biologie,
04:19
and in particular,
to the development of drugs.
to the development of drugs.
87
247844
2471
und insbesondere auf
die Entwicklung von Pharmaka.
die Entwicklung von Pharmaka.
04:22
It's a field that until relatively
recently has remained somewhat marginal,
recently has remained somewhat marginal,
88
250895
4056
Es ist ein Bereich, der bis vor kurzem
nur am Rande wahrgenommen wurde,
nur am Rande wahrgenommen wurde,
04:26
but it has matured.
89
254975
1452
aber er hat sich gemausert.
04:28
And there are now very well-developed
mathematical methods,
mathematical methods,
90
256451
3149
Und nun stehen uns sehr gut ausgereifte
mathematische Methoden,
mathematische Methoden,
04:31
a lot of preprogrammed tools,
91
259624
1899
viele vorgefertigte Programme,
04:33
including free ones,
92
261547
1496
auch freie,
04:35
and an ever-increasing amount
of computational power available to us.
of computational power available to us.
93
263067
4047
sowie eine ständig wachsende
Rechnerleistung zur Verfügung.
Rechnerleistung zur Verfügung.
04:40
The power and beauty
of mathematical modeling
of mathematical modeling
94
268718
3399
Das Potential und die Eleganz
mathematischer Modelle
mathematischer Modelle
04:44
lies in the fact
that it makes you formalize,
that it makes you formalize,
95
272141
2641
liegt in der sehr strikten Notwendigkeit
04:46
in a very rigorous way,
96
274806
2087
zur Formalisierung dessen,
04:48
what we think we know.
97
276917
1465
was wir zu wissen glauben.
04:50
We make assumptions,
98
278904
1444
Wir stellen Annahmen auf,
04:52
translate them into equations,
99
280372
1568
übersetzen sie in Gleichungen,
04:53
run simulations,
100
281964
1311
führen Simulationen durch,
04:55
all to answer the question:
101
283299
1773
nur um die Frage zu beantworten:
04:57
In a world where my assumptions are true,
102
285096
2246
In einer Welt, in der
meine Annahmen wahr sind,
meine Annahmen wahr sind,
04:59
what do I expect to see?
103
287366
1570
welches Ergebnis erwarte ich?
05:01
It's a pretty simple conceptual framework.
104
289890
2086
Es ist ein ziemlich einfaches Konzept.
05:04
It's all about asking the right questions.
105
292000
2226
Es geht nur um die richtige Fragestellung.
05:06
But it can unleash numerous opportunities
for testing biological hypotheses.
for testing biological hypotheses.
106
294603
4095
Doch es eröffnet zahlreiche Möglichkeiten
zum Testen biologischer Hypothesen.
zum Testen biologischer Hypothesen.
05:11
If our predictions match our observations,
107
299696
2600
Wenn die Beobachtungen
unseren Voraussagen entsprechen,
unseren Voraussagen entsprechen,
05:14
great! -- we got it right,
so we can make further predictions
so we can make further predictions
108
302320
3027
super! -- dann lagen wir richtig
und machen weitere Voraussagen
und machen weitere Voraussagen
durch Änderungen am Modell hier und da.
05:17
by changing this or that
aspect of the model.
aspect of the model.
109
305371
2560
05:20
If, however, our predictions
do not match our observations,
do not match our observations,
110
308733
3700
Wenn jedoch unsere Vorhersagen nicht
mit den Beobachtungen übereinstimmen,
mit den Beobachtungen übereinstimmen,
05:24
that means that some
of our assumptions are wrong,
of our assumptions are wrong,
111
312457
2585
waren einige unserer Annahmen falsch,
05:27
and so our understanding
of the key mechanisms
of the key mechanisms
112
315066
2433
und unser Verständnis
der Schlüsselmechanismen
der Schlüsselmechanismen
05:29
of underlying biology
113
317523
1439
der zugrunde liegenden Biologie
ist noch unvollständig.
ist noch unvollständig.
05:30
is still incomplete.
114
318986
1270
05:32
Luckily, since this is a model,
115
320829
2362
Da es ja glücklicherweise ein Modell ist,
05:35
we control all the assumptions.
116
323215
1889
kontrollieren wir alle Annahmen.
05:37
So we can go through them, one by one,
117
325128
2140
Wir gehen also alle nacheinander durch,
05:39
identifying which one or ones
are causing the discrepancy.
are causing the discrepancy.
118
327292
3829
und ermitteln, welche die Unstimmigkeit
verursacht oder verursachen.
verursacht oder verursachen.
05:43
And then we can fill this newly
identified gap in knowledge
identified gap in knowledge
119
331637
3356
Und dann können wir diese neu
identifizierte Wissenslücke
identifizierte Wissenslücke
durch experimentelle und theoretische
Herangehensweisen füllen.
Herangehensweisen füllen.
05:47
using both experimental
and theoretical approaches.
and theoretical approaches.
120
335017
2715
05:50
Of course, any ecosystem
is extremely complex,
is extremely complex,
121
338699
2821
Jedes Ökosystem ist extrem komplex,
05:53
and trying to describe all the moving
parts is not only very difficult,
parts is not only very difficult,
122
341544
3843
und der Versuch, alle Variablen
zu beschreiben, ist nicht nur schwierig,
zu beschreiben, ist nicht nur schwierig,
05:57
but also not very informative.
123
345411
1662
sondern sagt auch wenig aus.
05:59
There's also the issue of timescales,
124
347518
2066
Und dann ist da noch das Thema Zeitskalen,
06:01
because some processes take place
on a scale of seconds, some minutes,
on a scale of seconds, some minutes,
125
349608
3668
denn einige Prozesse laufen
im Bereich von Sekunden, ein paar Minuten,
im Bereich von Sekunden, ein paar Minuten,
06:05
some days, months and years.
126
353300
1948
ein paar Tagen, Monaten und Jahren ab.
06:07
It may not always be possible
to separate those out experimentally.
to separate those out experimentally.
127
355272
3199
Es wird nicht immer gelingen,
sie im Experiment auseinanderzuhalten.
sie im Experiment auseinanderzuhalten.
06:11
And some things happen
so quickly or so slowly
so quickly or so slowly
128
359143
3384
Andere laufen so schnell
oder so langsam ab,
oder so langsam ab,
06:14
that you may physically
never be able to measure them.
never be able to measure them.
129
362551
2720
dass man sie wohl nie physikalisch
wird messen können.
wird messen können.
06:17
But as mathematicians,
130
365295
2288
Aber als Mathematiker
06:19
we have the power to zoom in
on any subsystem in any timescale
on any subsystem in any timescale
131
367607
5645
haben wir die Macht, in jedes Subsystem
auf jeder Zeitskala hineinzuzoomen
auf jeder Zeitskala hineinzuzoomen
06:25
and simulate effects of interventions
132
373276
2124
und die Folgen eines
Eingriffs zu simulieren,
Eingriffs zu simulieren,
06:27
that take place in any timescale.
133
375424
2701
in jedem beliebigen Zeitraum.
06:31
Of course, this isn't the work
of a modeler alone.
of a modeler alone.
134
379942
2934
Dies ist natürlich nicht
nur die Arbeit des Modellbauers.
nur die Arbeit des Modellbauers.
06:34
It has to happen in close
collaboration with biologists.
collaboration with biologists.
135
382900
3289
Es muss in enger Zusammenarbeit
mit Biologen passieren.
mit Biologen passieren.
06:38
And it does demand
some capacity of translation
some capacity of translation
136
386213
3004
Und es verlangt einiges
an Übersetzungsgeschick
an Übersetzungsgeschick
06:41
on both sides.
137
389241
1204
auf beiden Seiten.
06:43
But starting with a theoretical
formulation of a problem
formulation of a problem
138
391550
3788
Doch wenn man ein Problem zuerst
theoretisch formuliert,
theoretisch formuliert,
06:47
can unleash numerous opportunities
for testing hypotheses
for testing hypotheses
139
395362
3497
eröffnet dies zahlreiche Möglichkeiten,
Hypothesen zu testen,
Hypothesen zu testen,
06:50
and simulating scenarios
and therapeutic interventions,
and therapeutic interventions,
140
398883
3239
und um Szenarien und
therapeutische Maßnahmen zu simulieren,
therapeutische Maßnahmen zu simulieren,
06:54
all in a completely safe way.
141
402146
2070
alles vollkommen risikofrei.
06:56
It can identify gaps in knowledge
and logical inconsistencies
and logical inconsistencies
142
404977
5175
Es kann dabei helfen, Wissenslücken und
logische Unstimmigkeiten zu erkennen
logische Unstimmigkeiten zu erkennen
07:02
and can help guide us
as to where we should keep looking
as to where we should keep looking
143
410176
2839
und es kann anzeigen,
wo man weiterforschen sollte
wo man weiterforschen sollte
07:05
and where there may be a dead end.
144
413039
1895
und wo eine Sackgasse sein könnte.
07:07
In other words:
145
415632
1247
Mit anderen Worten:
07:08
mathematical modeling
can help us answer questions
can help us answer questions
146
416903
3494
Mathematische Modelle helfen
Antworten auf Fragen zu finden,
Antworten auf Fragen zu finden,
07:12
that directly affect people's health --
147
420421
2388
die unmittelbar die
Gesundheit betreffen --
Gesundheit betreffen --
07:15
that affect each
person's health, actually --
person's health, actually --
148
423942
2704
die Gesundheit jedes einzelnen,
genauer gesagt --
genauer gesagt --
07:18
because mathematical modeling will be key
149
426670
2676
denn mathematische Modelle werden
eine treibende Kraft
eine treibende Kraft
07:21
to propelling personalized medicine.
150
429370
1834
für die personalisierte Medizin sein.
07:24
And it all comes down
to asking the right question
to asking the right question
151
432112
3067
Und alles läuft nur darauf hinaus,
die richtige Frage zu stellen
die richtige Frage zu stellen
07:27
and translating it
to the right equation ...
to the right equation ...
152
435711
2075
und in die richtige Gleichung
zu übersetzen ...
zu übersetzen ...
07:30
and back.
153
438670
1150
und zurück.
07:32
Thank you.
154
440533
1151
Vielen Dank.
07:33
(Applause)
155
441708
3299
(Applaus)
ABOUT THE SPEAKER
Irina Kareva - Theoretical biologistIrina Kareva is looking for answers to biological questions using mathematical modeling.
Why you should listen
Dr. Irina Kareva studies cancer as an evolving ecosystem, bringing in insights from various disciplines -- from evolutionary biology to paleontology to ergodic theory -- to understand how we can manage, if not cure, cancer like a chronic disease. She has authored more than 25 publications, including several papers with her parents, who are also mathematicians. The Kareva clan was featured in a Nature article entitled "Relationships: Scions of Science."
Kareva is a research scientist at EMD Serono Research Center near Boston Massachusetts, US. Her book, Understanding Cancer from a Systems Biology Point of View: From Observation to Theory and Back, was recently published by Elsevier, and a second book on mathematical modeling of the evolution of heterogeneous populations will be released in mid-2019.
In addition to her scientific studies and endeavors, Kareva also holds a degree in music and works actively as a professional opera singer. She is a member of the Boston Symphony Orchestra’s Tanglewood Festival Chorus, has performed solo roles in local productions, religious music performances, and can even occasionally be heard in pieces as varied as video game soundtracks and heavy metal recordings.
Irina Kareva | Speaker | TED.com