TEDxGöteborg 2010
Anders Ynnerman: Visualizing the medical data explosion
Anders Ynnerman: Visualización de la explosión de datos médicos
Filmed:
Readability: 3.4
539,883 views
Hoy en día las exploraciones médicas producen miles de imágenes y terabytes de datos por paciente en cuestión de segundos, pero ¿cómo hacen los médicos para analizar esta información y determinar qué es lo útil? En TEDxGöteborg, Anders Ynnerman, experto en visualización científica, nos muestra novedosas y sofisticadas herramientas - como las autopsias virtuales- para analizar esta multiplicidad de datos y echa un vistazo a algunas tecnologías médicas que parecen de ciencia ficción. Esta charla contiene algunas imágenes médicas explícitas.
Anders Ynnerman - Scientific visualization expert
Anders Ynnerman studies the fundamental aspects of computer graphics and visualization, in particular large scale and complex data sets with a focus on volume rendering and multi-modal interaction. Full bio
Anders Ynnerman studies the fundamental aspects of computer graphics and visualization, in particular large scale and complex data sets with a focus on volume rendering and multi-modal interaction. Full bio
Double-click the English transcript below to play the video.
00:15
I will start by posing a little bit of a challenge:
0
0
4000
Voy a empezar con un pequeño desafío,
00:19
the challenge of dealing with data,
1
4000
3000
el desafío del tratamiento de datos
00:22
data that we have to deal with
2
7000
2000
de los datos que procesamos
00:24
in medical situations.
3
9000
2000
en cuestiones médicas.
00:26
It's really a huge challenge for us.
4
11000
2000
Realmente es un desafío enorme.
00:28
And this is our beast of burden --
5
13000
2000
Y este es nuestro caballo de batalla:
00:30
this is a Computer Tomography machine,
6
15000
2000
el escáner de tomografías,
00:32
a CT machine.
7
17000
2000
el tomógrafo computado.
00:34
It's a fantastic device.
8
19000
2000
Es un dispositivo excepcional.
00:36
It uses X-rays, X-ray beams,
9
21000
2000
Usa rayos X, haces de rayos X,
00:38
that are rotating very fast around the human body.
10
23000
3000
que giran muy rápido por todo el cuerpo humano.
00:41
It takes about 30 seconds to go through the whole machine
11
26000
2000
Tarda unos 30 segundos en pasar por toda la máquina
00:43
and is generating enormous amounts of information
12
28000
2000
y genera como salida del proceso
00:45
that comes out of the machine.
13
30000
2000
ingentes cantidades de información.
00:47
So this is a fantastic machine
14
32000
2000
Por eso es una máquina excepcional
00:49
that we can use
15
34000
2000
que puede usarse
00:51
for improving health care,
16
36000
2000
para mejorar la asistencia sanitaria.
00:53
but as I said, it's also a challenge for us.
17
38000
2000
Pero, como dije, también representa un desafío.
00:55
And the challenge is really found in this picture here.
18
40000
3000
Y en esta imagen de aquí puede verse bien el desafío.
00:58
It's the medical data explosion
19
43000
2000
Se trata de la explosión de datos médicos
01:00
that we're having right now.
20
45000
2000
de hoy en día.
01:02
We're facing this problem.
21
47000
2000
Tenemos este problema.
01:04
And let me step back in time.
22
49000
2000
Retrocedamos en el tiempo.
01:06
Let's go back a few years in time and see what happened back then.
23
51000
3000
Remontémonos unos años en el tiempo y veamos qué sucedía entonces.
01:09
These machines that came out --
24
54000
2000
Estas máquinas que salieron
01:11
they started coming in the 1970s --
25
56000
2000
-empezaron a aparecer en los años 70-
01:13
they would scan human bodies,
26
58000
2000
escaneaban cuerpos humanos
01:15
and they would generate about 100 images
27
60000
2000
generando unas 100 imágenes
01:17
of the human body.
28
62000
2000
del cuerpo.
01:19
And I've taken the liberty, just for clarity,
29
64000
2000
Me he tomado la libertad, por una cuestión de claridad,
01:21
to translate that to data slices.
30
66000
3000
de traducir eso a magnitudes de datos.
01:24
That would correspond to about 50 megabytes of data,
31
69000
2000
Eso correspondería a unos 50 Mb de datos,
01:26
which is small
32
71000
2000
algo pequeño
01:28
when you think about the data we can handle today
33
73000
3000
si pensamos en los datos que podemos manejar hoy
01:31
just on normal mobile devices.
34
76000
2000
en nuestros dispositivos móviles.
01:33
If you translate that to phone books,
35
78000
2000
Si lo comparamos con las guías telefónicas
01:35
it's about one meter of phone books in the pile.
36
80000
3000
es como una pila de un metro de guías telefónicas.
01:38
Looking at what we're doing today
37
83000
2000
Viendo lo que estamos haciendo hoy
01:40
with these machines that we have,
38
85000
2000
con estas máquinas que tenemos
01:42
we can, just in a few seconds,
39
87000
2000
podemos, en pocos segundos,
01:44
get 24,000 images out of a body,
40
89000
2000
obtener 24.000 imágenes de un cuerpo.
01:46
and that would correspond to about 20 gigabytes of data,
41
91000
3000
Y eso equivaldría a unos 20 Gb de datos
01:49
or 800 phone books,
42
94000
2000
u 800 guías telefónicas.
01:51
and the pile would then be 200 meters of phone books.
43
96000
2000
La pila de guías telefónicas sería de 200 metros.
01:53
What's about to happen --
44
98000
2000
Lo que está por suceder
01:55
and we're seeing this; it's beginning --
45
100000
2000
-lo estamos viendo, está empezando-
01:57
a technology trend that's happening right now
46
102000
2000
es una tendencia tecnológica que observamos ahora:
01:59
is that we're starting to look at time-resolved situations as well.
47
104000
3000
se está comenzando a observar también la dimensión tiempo.
02:02
So we're getting the dynamics out of the body as well.
48
107000
3000
Así, estamos capturando también la dinámica del cuerpo.
02:05
And just assume
49
110000
2000
Supongamos
02:07
that we will be collecting data during five seconds,
50
112000
3000
que vamos a recolectar datos durante 5 segundos
02:10
and that would correspond to one terabyte of data --
51
115000
2000
y eso corresponde a 1 terabyte de datos.
02:12
that's 800,000 books
52
117000
2000
Equivale a 800.000 guías,
02:14
and 16 kilometers of phone books.
53
119000
2000
a una pila de 16 Km de guías,
02:16
That's one patient, one data set.
54
121000
2000
para un solo paciente, un conjunto de datos.
02:18
And this is what we have to deal with.
55
123000
2000
A esto es a lo que nos enfrentamos.
02:20
So this is really the enormous challenge that we have.
56
125000
3000
Este es el desafío enorme que tenemos.
02:23
And already today -- this is 25,000 images.
57
128000
3000
Y ya hoy en día esto representa 25.000 imágenes.
02:26
Imagine the days
58
131000
2000
Imaginen esos días
02:28
when we had radiologists doing this.
59
133000
2000
en los que los radiólogos hacían la tarea.
02:30
They would put up 25,000 images,
60
135000
2000
Colocaban 25.000 imágenes
02:32
they would go like this, "25,0000, okay, okay.
61
137000
3000
hacían algo así como 25 mil veces "bien, bien,
02:35
There is the problem."
62
140000
2000
¡ahí está el problema!"
02:37
They can't do that anymore. That's impossible.
63
142000
2000
Ya no pueden hacer eso; resulta imposible.
02:39
So we have to do something that's a little bit more intelligent than doing this.
64
144000
3000
Entonces tenemos que hacer algo un poquito más inteligente.
02:43
So what we do is that we put all these slices together.
65
148000
2000
Lo que hacemos es consolidar todos estos cortes.
02:45
Imagine that you slice your body in all these directions,
66
150000
3000
Imaginen que hacen cortes del cuerpo en todas estas direcciones
02:48
and then you try to put the slices back together again
67
153000
3000
y luego tratan de consolidar los cortes
02:51
into a pile of data, into a block of data.
68
156000
2000
en una pila de datos, en un bloque de datos.
02:53
So this is really what we're doing.
69
158000
2000
Esto es lo que estamos haciendo.
02:55
So this gigabyte or terabyte of data, we're putting it into this block.
70
160000
3000
Colocamos este gibabyte o terabyte de datos en este bloque.
02:58
But of course, the block of data
71
163000
2000
Pero, claro, el bloque de datos
03:00
just contains the amount of X-ray
72
165000
2000
contiene los rayos X
03:02
that's been absorbed in each point in the human body.
73
167000
2000
absorbidos por todos los puntos del cuerpo humano.
03:04
So what we need to do is to figure out a way
74
169000
2000
Tenemos que encontrar una manera
03:06
of looking at the things we do want to look at
75
171000
3000
de ver las cosas que queremos ver
03:09
and make things transparent that we don't want to look at.
76
174000
3000
y hacer transparentes las cosas que no queremos ver.
03:12
So transforming the data set
77
177000
2000
Hay que transformar los datos
03:14
into something that looks like this.
78
179000
2000
en algo que se parezca a esto.
03:16
And this is a challenge.
79
181000
2000
Y esto es un desafío.
03:18
This is a huge challenge for us to do that.
80
183000
3000
Lograr esto es un desafío enorme.
03:21
Using computers, even though they're getting faster and better all the time,
81
186000
3000
El uso de computadoras, si bien son cada vez más rápidas y mejores,
03:24
it's a challenge to deal with gigabytes of data,
82
189000
2000
es un desafío tratar con gigabytes de datos,
03:26
terabytes of data
83
191000
2000
terabytes de datos,
03:28
and extracting the relevant information.
84
193000
2000
y extraer la información relevante.
03:30
I want to look at the heart.
85
195000
2000
Quiero ver el corazón,
03:32
I want to look at the blood vessels. I want to look at the liver.
86
197000
2000
quiero ver los vasos sanguíneos, quiero ver el hígado,
03:34
Maybe even find a tumor,
87
199000
2000
incluso quizá encontrar un tumor
03:36
in some cases.
88
201000
2000
en algunos casos.
03:39
So this is where this little dear comes into play.
89
204000
2000
Y es ahí donde entra en juego mi pequeña.
03:41
This is my daughter.
90
206000
2000
Esta es mi hija.
03:43
This is as of 9 a.m. this morning.
91
208000
2000
Esto es de las 9 de esta mañana.
03:45
She's playing a computer game.
92
210000
2000
Está jugando con un videojuego,
03:47
She's only two years old,
93
212000
2000
con tan sólo dos años
03:49
and she's having a blast.
94
214000
2000
está en la gloria.
03:51
So she's really the driving force
95
216000
3000
Ella es la fuerza motriz
03:54
behind the development of graphics-processing units.
96
219000
3000
que impulsa el desarrollo de unidades de procesamiento gráfico.
03:58
As long as kids are playing computer games,
97
223000
2000
A medida que los niños juegan a los videojuegos
04:00
graphics is getting better and better and better.
98
225000
2000
los gráficos se vuelven cada vez mejores.
04:02
So please go back home, tell your kids to play more games,
99
227000
2000
Así que, por favor, vuelvan a casa y díganle a los niños que jueguen más
04:04
because that's what I need.
100
229000
2000
porque eso es lo que necesito.
04:06
So what's inside of this machine
101
231000
2000
Lo que está dentro de esta máquina
04:08
is what enables me to do the things that I'm doing
102
233000
2000
me permite hacer las cosas que hago
04:10
with the medical data.
103
235000
2000
con los datos médicos.
04:12
So really what I'm doing is using these fantastic little devices.
104
237000
3000
En realidad estoy usando estos dispositivos, extraordinarios y pequeños.
04:15
And you know, going back
105
240000
2000
Y, ya saben, me retrotraigo
04:17
maybe 10 years in time
106
242000
2000
quizá 10 años en el tiempo
04:19
when I got the funding
107
244000
2000
a cuando conseguí los fondos
04:21
to buy my first graphics computer --
108
246000
2000
para comprar mi primer equipo gráfico.
04:23
it was a huge machine.
109
248000
2000
Era una máquina enorme.
04:25
It was cabinets of processors and storage and everything.
110
250000
3000
Había gabinetes de procesadores, almacenamiento, etc.
04:28
I paid about one million dollars for that machine.
111
253000
3000
Pagué cerca de un millón de dólares por esa máquina.
04:32
That machine is, today, about as fast as my iPhone.
112
257000
3000
Esa máquina hoy es tan rápida como mi iPhone.
04:37
So every month there are new graphics cards coming out,
113
262000
2000
Todos los meses salen nuevas tarjetas gráficas.
04:39
and here is a few of the latest ones from the vendors --
114
264000
3000
Estas son algunas de las últimas versiones:
04:42
NVIDIA, ATI, Intel is out there as well.
115
267000
3000
NVIDIA, ATI, Intel está por ahí también.
04:45
And you know, for a few hundred bucks
116
270000
2000
Y, ya saben, por unos cientos de dólares
04:47
you can get these things and put them into your computer,
117
272000
2000
se consiguen componentes para el equipo informático,
04:49
and you can do fantastic things with these graphics cards.
118
274000
3000
y pueden hacerse cosas extraordinarias con estas tarjetas gráficas.
04:52
So this is really what's enabling us
119
277000
2000
Esto es lo que nos está permitiendo
04:54
to deal with the explosion of data in medicine,
120
279000
3000
manejar la explosión de datos médicos;
04:57
together with some really nifty work
121
282000
2000
esto y un trabajo muy ingenioso
04:59
in terms of algorithms --
122
284000
2000
en materia de algoritmos,
05:01
compressing data,
123
286000
2000
compresión de datos,
05:03
extracting the relevant information that people are doing research on.
124
288000
3000
y de extracción de información relevante para las investigaciones en curso.
05:06
So I'm going to show you a few examples of what we can do.
125
291000
3000
Ahora les voy a mostrar unos ejemplos de lo que puede hacerse.
05:09
This is a data set that was captured using a CT scanner.
126
294000
3000
Estos son datos capturados con un tomógrafo.
05:12
You can see that this is a full data [set].
127
297000
3000
Pueden ver que se trata de datos completos.
05:15
It's a woman. You can see the hair.
128
300000
3000
Es una mujer. Se ve el cabello
05:18
You can see the individual structures of the woman.
129
303000
3000
y las estructuras individuales de la mujer.
05:21
You can see that there is [a] scattering of X-rays
130
306000
3000
Pueden ver que hay dispersión de rayos X
05:24
on the teeth, the metal in the teeth.
131
309000
2000
en los dientes, en el metal de los dientes.
05:26
That's where those artifacts are coming from.
132
311000
3000
De allí vienen todos estos artefactos.
05:29
But fully interactively
133
314000
2000
De forma totalmente interactiva,
05:31
on standard graphics cards on a normal computer,
134
316000
3000
con tarjetas gráficas comunes, en un equipo normal,
05:34
I can just put in a clip plane.
135
319000
2000
puedo hacer un plano de video.
05:36
And of course all the data is inside,
136
321000
2000
Y como, por supuesto, tiene todos los datos
05:38
so I can start rotating, I can look at it from different angles,
137
323000
3000
puedo rotarlo, verlo desde distintos ángulos,
05:41
and I can see that this woman had a problem.
138
326000
3000
y ver que esta mujer tenía un problema.
05:44
She had a bleeding up in the brain,
139
329000
2000
Tenía una hemorragia cerebral
05:46
and that's been fixed with a little stent,
140
331000
2000
que se había solucionado con un pequeño stent
05:48
a metal clamp that's tightening up the vessel.
141
333000
2000
una espiral de metal que está sujetando el vaso.
05:50
And just by changing the functions,
142
335000
2000
Y con sólo cambiar las funciones
05:52
then I can decide what's going to be transparent
143
337000
3000
puedo decidir qué cosa va a ser transparente
05:55
and what's going to be visible.
144
340000
2000
y qué es lo que se va a ver.
05:57
I can look at the skull structure,
145
342000
2000
Puedo ver la estructura del cráneo
05:59
and I can see that, okay, this is where they opened up the skull on this woman,
146
344000
3000
y que, bueno, este es el lugar donde abrieron el cráneo de la mujer
06:02
and that's where they went in.
147
347000
2000
y allí es donde intervinieron.
06:04
So these are fantastic images.
148
349000
2000
Son imágenes extraordinarias.
06:06
They're really high resolution,
149
351000
2000
Son realmente de alta resolución
06:08
and they're really showing us what we can do
150
353000
2000
y nos muestran lo que podemos hacer
06:10
with standard graphics cards today.
151
355000
3000
hoy en día con las tarjetas gráficas comunes.
06:13
Now we have really made use of this,
152
358000
2000
Hemos hecho un uso intensivo de esto
06:15
and we have tried to squeeze a lot of data
153
360000
3000
tratando de introducir gran cantidad de datos
06:18
into the system.
154
363000
2000
en el sistema.
06:20
And one of the applications that we've been working on --
155
365000
2000
Y una de las aplicaciones en las que hemos trabajado
06:22
and this has gotten a little bit of traction worldwide --
156
367000
3000
-esto atrajo la atención del mundo entero-
06:25
is the application of virtual autopsies.
157
370000
2000
es la aplicación de autopsias virtuales.
06:27
So again, looking at very, very large data sets,
158
372000
2000
Así que, de nuevo, analizando ingentes cantidades de datos
06:29
and you saw those full-body scans that we can do.
159
374000
3000
pueden verse esos barridos de cuerpo entero.
06:32
We're just pushing the body through the whole CT scanner,
160
377000
3000
Pasamos todo el cuerpo por este tomógrafo
06:35
and just in a few seconds we can get a full-body data set.
161
380000
3000
y en unos segundos obtenemos un conjunto de datos de todo el cuerpo.
06:38
So this is from a virtual autopsy.
162
383000
2000
Esto es de una autopsia virtual.
06:40
And you can see how I'm gradually peeling off.
163
385000
2000
Pueden ver que gradualmente quito capas de piel.
06:42
First you saw the body bag that the body came in,
164
387000
3000
Primero se vio la bolsa que cubría el cuerpo
06:45
then I'm peeling off the skin -- you can see the muscles --
165
390000
3000
después, al quitar la piel, se ven los músculos
06:48
and eventually you can see the bone structure of this woman.
166
393000
3000
y finalmente puede verse la estructura ósea de la mujer.
06:51
Now at this point, I would also like to emphasize
167
396000
3000
En este momento me gustaría hacer hincapié
06:54
that, with the greatest respect
168
399000
2000
en que, con el mayor de los respetos
06:56
for the people that I'm now going to show --
169
401000
2000
por las personas que van a ver,
06:58
I'm going to show you a few cases of virtual autopsies --
170
403000
2000
voy a mostrarles unos casos de autopsias virtuales
07:00
so it's with great respect for the people
171
405000
2000
así que con gran respeto por las personas
07:02
that have died under violent circumstances
172
407000
2000
que han muerto en circunstancias violentas
07:04
that I'm showing these pictures to you.
173
409000
3000
voy a mostrarles estas imágenes.
07:08
In the forensic case --
174
413000
2000
En el caso forense
07:10
and this is something
175
415000
2000
ha habido
07:12
that ... there's been approximately 400 cases so far
176
417000
2000
aproximadamente 400 casos hasta el momento
07:14
just in the part of Sweden that I come from
177
419000
2000
sólo en la parte de Suecia de la que provengo,
07:16
that has been undergoing virtual autopsies
178
421000
2000
que ha sido objeto de autopsias virtuales
07:18
in the past four years.
179
423000
2000
durante los últimos 4 años.
07:20
So this will be the typical workflow situation.
180
425000
3000
La dinámica típica de trabajo es así:
07:23
The police will decide --
181
428000
2000
la policía decide
07:25
in the evening, when there's a case coming in --
182
430000
2000
-en la tarde, cuando llega un caso-
07:27
they will decide, okay, is this a case where we need to do an autopsy?
183
432000
3000
decide, bueno, este es un caso que requiere autopsia.
07:30
So in the morning, in between six and seven in the morning,
184
435000
3000
Por la mañana, entre las 6 y las 7 de la mañana,
07:33
the body is then transported inside of the body bag
185
438000
2000
se transporta el cuerpo en la bolsa de plástico
07:35
to our center
186
440000
2000
hasta nuestro centro
07:37
and is being scanned through one of the CT scanners.
187
442000
2000
y se pasa por uno de los tomógrafos.
07:39
And then the radiologist, together with the pathologist
188
444000
2000
Luego el radiólogo, junto con el patólogo
07:41
and sometimes the forensic scientist,
189
446000
2000
y a veces con el científico forense,
07:43
looks at the data that's coming out,
190
448000
2000
analizan los datos de salida
07:45
and they have a joint session.
191
450000
2000
y tienen una sesión conjunta.
07:47
And then they decide what to do in the real physical autopsy after that.
192
452000
3000
Y entonces deciden qué hacer en la autopsia física real posterior.
07:52
Now looking at a few cases,
193
457000
2000
Mirando algunos casos
07:54
here's one of the first cases that we had.
194
459000
2000
este es uno de los primeros casos que tuvimos.
07:56
You can really see the details of the data set.
195
461000
3000
Pueden ver los detalles del conjunto de datos;
07:59
It's very high-resolution,
196
464000
2000
tiene resolución muy alta.
08:01
and it's our algorithms that allow us
197
466000
2000
Y gracias a nuestros algoritmos podemos
08:03
to zoom in on all the details.
198
468000
2000
analizar todos los detalles.
08:05
And again, it's fully interactive,
199
470000
2000
Y, de nuevo, es totalmente interactivo
08:07
so you can rotate and you can look at things in real time
200
472000
2000
así que puede rotarse para analizar cosas en tiempo real
08:09
on these systems here.
201
474000
2000
en estos sistemas de aquí.
08:11
Without saying too much about this case,
202
476000
2000
Sin revelar mucho sobre este caso,
08:13
this is a traffic accident,
203
478000
2000
se trata de un accidente de tráfico,
08:15
a drunk driver hit a woman.
204
480000
2000
un conductor ebrio que atropelló a una mujer.
08:17
And it's very, very easy to see the damages on the bone structure.
205
482000
3000
Y es muy, muy fácil de ver los daños en la estructura ósea.
08:20
And the cause of death is the broken neck.
206
485000
3000
La causa de la muerte es la fractura del cuello.
08:23
And this women also ended up under the car,
207
488000
2000
Esta mujer terminó debajo del auto
08:25
so she's quite badly beaten up
208
490000
2000
así que sufrió un fuerte impacto
08:27
by this injury.
209
492000
2000
en esta lesión.
08:29
Here's another case, a knifing.
210
494000
3000
Aquí hay otro caso: un apuñalamiento.
08:32
And this is also again showing us what we can do.
211
497000
2000
De nuevo, nos está mostrando qué hacer.
08:34
It's very easy to look at metal artifacts
212
499000
2000
Es muy fácil detectar artefactos metálicos
08:36
that we can show inside of the body.
213
501000
3000
dentro del cuerpo.
08:39
You can also see some of the artifacts from the teeth --
214
504000
3000
Pueden verse algunos de los artefactos de los dientes
08:42
that's actually the filling of the teeth --
215
507000
2000
-en realidad, el relleno de los dientes-
08:44
but because I've set the functions to show me metal
216
509000
3000
dado que configuré la función que me muestra metales
08:47
and make everything else transparent.
217
512000
2000
haciendo transparente todo lo demás.
08:49
Here's another violent case. This really didn't kill the person.
218
514000
3000
Este es otro caso violento. Esto no mató realmente a la persona.
08:52
The person was killed by stabs in the heart,
219
517000
2000
La persona murió a causa de las puñaladas en el corazón
08:54
but they just deposited the knife
220
519000
2000
pero dejaron el cuchillo
08:56
by putting it through one of the eyeballs.
221
521000
2000
atravesado en los globos oculares.
08:58
Here's another case.
222
523000
2000
Aquí hay otro caso.
09:00
It's very interesting for us
223
525000
2000
Nos resulta muy interesante
09:02
to be able to look at things like knife stabbings.
224
527000
2000
poder llegar a ver cosas como las puñaladas.
09:04
Here you can see that knife went through the heart.
225
529000
3000
Aquí puede verse que el cuchillo atravesó el corazón.
09:07
It's very easy to see how air has been leaking
226
532000
2000
Se ve muy fácilmente cómo el aire se había estado filtrando
09:09
from one part to another part,
227
534000
2000
de un lado al otro,
09:11
which is difficult to do in a normal, standard, physical autopsy.
228
536000
3000
algo difícil de lograr en una autopsia física normal, común.
09:14
So it really, really helps
229
539000
2000
Así que es de gran ayuda
09:16
the criminal investigation
230
541000
2000
en la investigación criminal
09:18
to establish the cause of death,
231
543000
2000
para establecer la causa de la muerte
09:20
and in some cases also directing the investigation in the right direction
232
545000
3000
y en algunos casos también dirige la investigación en la dirección correcta
09:23
to find out who the killer really was.
233
548000
2000
para descubrir la autoría del crimen.
09:25
Here's another case that I think is interesting.
234
550000
2000
Este es otro caso que creo es interesante.
09:27
Here you can see a bullet
235
552000
2000
Aquí pueden ver la bala
09:29
that has lodged just next to the spine on this person.
236
554000
3000
alojada bien cerca de la columna vertebral de esta persona.
09:32
And what we've done is that we've turned the bullet into a light source,
237
557000
3000
Y lo que hicimos fue transformar la bala en una fuente lumínica
09:35
so that bullet is actually shining,
238
560000
2000
para que realmente brillara
09:37
and it makes it really easy to find these fragments.
239
562000
3000
y esto facilitó la identificación de los fragmentos.
09:40
During a physical autopsy,
240
565000
2000
En una autopsia física
09:42
if you actually have to dig through the body to find these fragments,
241
567000
2000
si uno tiene que escarbar en el cuerpo en busca de estos fragmentos
09:44
that's actually quite hard to do.
242
569000
2000
es algo muy difícil de hacer.
09:48
One of the things that I'm really, really happy
243
573000
2000
Una de las cosas que realmente me complace mucho
09:50
to be able to show you here today
244
575000
3000
poder mostrarles aquí hoy
09:53
is our virtual autopsy table.
245
578000
2000
es nuestra mesa de autopsias virtuales.
09:55
It's a touch device that we have developed
246
580000
2000
Es un dispositivo táctil que hemos desarrollado
09:57
based on these algorithms, using standard graphics GPUs.
247
582000
3000
en base a estos algoritmos que usan tarjetas gráficas comunes.
10:00
It actually looks like this,
248
585000
2000
Esta es su apariencia,
10:02
just to give you a feeling for what it looks like.
249
587000
3000
simplemente para darles una idea de su aspecto.
10:05
It really just works like a huge iPhone.
250
590000
3000
Funciona igual que un iPhone gigante.
10:08
So we've implemented
251
593000
2000
Hemos implementado
10:10
all the gestures you can do on the table,
252
595000
3000
todos los gestos que pueden hacerse sobre la mesa
10:13
and you can think of it as an enormous touch interface.
253
598000
4000
y puede concebirse como una interfaz táctil enorme.
10:17
So if you were thinking of buying an iPad,
254
602000
2000
Así que si estaban pensando en comprar un iPad
10:19
forget about it. This is what you want instead.
255
604000
3000
olvídenlo; lo que desean es esto.
10:22
Steve, I hope you're listening to this, all right.
256
607000
3000
Steve, espero que estés escuchando esto, correcto.
10:26
So it's a very nice little device.
257
611000
2000
Es un pequeño dispositivo muy lindo.
10:28
So if you have the opportunity, please try it out.
258
613000
2000
Así que si tienen la oportunidad, por favor, pruébenlo.
10:30
It's really a hands-on experience.
259
615000
3000
Es realmente una experiencia práctica.
10:33
So it gained some traction, and we're trying to roll this out
260
618000
3000
Ha suscitado mucha atención y estamos tratando de desarrollarlo
10:36
and trying to use it for educational purposes,
261
621000
2000
y de usarlo con fines educativos
10:38
but also, perhaps in the future,
262
623000
2000
pero también, quizá en el futuro,
10:40
in a more clinical situation.
263
625000
3000
en un contexto más clínico.
10:43
There's a YouTube video that you can download and look at this,
264
628000
2000
Hay un video en YouTube que pueden bajar y mirar
10:45
if you want to convey the information to other people
265
630000
2000
si quieren transmitir la información a otras personas
10:47
about virtual autopsies.
266
632000
3000
sobre las autopsias virtuales.
10:50
Okay, now that we're talking about touch,
267
635000
2000
Bueno, ya que estamos hablando de cosas táctiles,
10:52
let me move on to really "touching" data.
268
637000
2000
pasemos a datos que tocan, que conmueven.
10:54
And this is a bit of science fiction now,
269
639000
2000
Esto por el momento es ciencia ficción
10:56
so we're moving into really the future.
270
641000
3000
así que nos transportamos al futuro.
10:59
This is not really what the medical doctors are using right now,
271
644000
3000
Esto no es algo que los médicos estén usando ahora mismo
11:02
but I hope they will in the future.
272
647000
2000
pero espero que suceda en el futuro.
11:04
So what you're seeing on the left is a touch device.
273
649000
3000
Lo que ven a la izquierda es un dispositivo táctil.
11:07
It's a little mechanical pen
274
652000
2000
Es un lapicito mecánico
11:09
that has very, very fast step motors inside of the pen.
275
654000
3000
que tiene dentro motores muy, muy veloces.
11:12
And so I can generate a force feedback.
276
657000
2000
Así puedo generar una reacción háptica .
11:14
So when I virtually touch data,
277
659000
2000
De modo que cuando toco virtualmente los datos
11:16
it will generate forces in the pen, so I get a feedback.
278
661000
3000
se generan fuerzas táctiles en el lápiz y así obtengo una respuesta.
11:19
So in this particular situation,
279
664000
2000
En este caso particular
11:21
it's a scan of a living person.
280
666000
2000
se trata del barrido de una persona viva.
11:23
I have this pen, and I look at the data,
281
668000
3000
Tengo este lápiz, analizo los datos,
11:26
and I move the pen towards the head,
282
671000
2000
muevo el lápiz hacia la cabeza
11:28
and all of a sudden I feel resistance.
283
673000
2000
y de repente siento una resistencia.
11:30
So I can feel the skin.
284
675000
2000
Así puedo sentir la piel.
11:32
If I push a little bit harder, I'll go through the skin,
285
677000
2000
Si presiono un poquito más voy a atravesar la piel
11:34
and I can feel the bone structure inside.
286
679000
3000
y a sentir la estructura ósea del interior.
11:37
If I push even harder, I'll go through the bone structure,
287
682000
2000
Si presiono aún más fuerte voy a atravesar la estructura ósea
11:39
especially close to the ear where the bone is very soft.
288
684000
3000
sobre todo cerca del oído donde el hueso es muy blando.
11:42
And then I can feel the brain inside, and this will be the slushy like this.
289
687000
3000
Y luego puedo sentir el interior del cerebro, como si fuera algo fangoso .
11:45
So this is really nice.
290
690000
2000
Así que está muy bien.
11:47
And to take that even further, this is a heart.
291
692000
3000
Y para ir incluso más lejos, esto es un corazón.
11:50
And this is also due to these fantastic new scanners,
292
695000
3000
Y esto es posible también gracias a estos nuevos escáneres excepcionales
11:53
that just in 0.3 seconds,
293
698000
2000
que en apenas 0,3 segundo
11:55
I can scan the whole heart,
294
700000
2000
escanean todo el corazón
11:57
and I can do that with time resolution.
295
702000
2000
con la secuencia de tiempo incluida.
11:59
So just looking at this heart,
296
704000
2000
Así que analizando este corazón
12:01
I can play back a video here.
297
706000
2000
aquí puedo reproducir un video.
12:03
And this is Karljohan, one of my graduate students
298
708000
2000
Este es Karljohan, uno de mis estudiantes de posgrado
12:05
who's been working on this project.
299
710000
2000
que está trabajando en el proyecto.
12:07
And he's sitting there in front of the Haptic device, the force feedback system,
300
712000
3000
Está sentado frente al dispositivo háptico, al sistema de respuesta háptica,
12:10
and he's moving his pen towards the heart,
301
715000
3000
está moviendo su lápiz hacia el corazón
12:13
and the heart is now beating in front of him,
302
718000
2000
y ahora el corazón está latiendo frente a él
12:15
so he can see how the heart is beating.
303
720000
2000
así que puede ver cómo late el corazón.
12:17
He's taken the pen, and he's moving it towards the heart,
304
722000
2000
Él toma el lápiz, lo mueve hacia el corazón,
12:19
and he's putting it on the heart,
305
724000
2000
lo coloca sobre el corazón,
12:21
and then he feels the heartbeats from the real living patient.
306
726000
3000
y luego siente los latidos del paciente vivo real.
12:24
Then he can examine how the heart is moving.
307
729000
2000
Luego puede examinar cómo se mueve el corazón.
12:26
He can go inside, push inside of the heart,
308
731000
2000
Puede entrar, presionar dentro del corazón
12:28
and really feel how the valves are moving.
309
733000
3000
y sentir realmente cómo se mueven las válvulas.
12:31
And this, I think, is really the future for heart surgeons.
310
736000
3000
Creo que este es el futuro de los cardiólogos.
12:34
I mean it's probably the wet dream for a heart surgeon
311
739000
3000
Quiero decir, probablemente sea una fantasía para un cardiólogo
12:37
to be able to go inside of the patient's heart
312
742000
3000
poder meterse en el corazón del paciente
12:40
before you actually do surgery,
313
745000
2000
antes de practicar la cirugía
12:42
and do that with high-quality resolution data.
314
747000
2000
y hacerlo con datos de resolución de alta calidad.
12:44
So this is really neat.
315
749000
2000
Así que es realmente algo genial.
12:47
Now we're going even further into science fiction.
316
752000
3000
Ahora vamos aún más lejos en la ciencia ficción.
12:50
And we heard a little bit about functional MRI.
317
755000
3000
Hemos oído hablar de la resonancia magnética funcional.
12:53
Now this is really an interesting project.
318
758000
3000
Este es un proyecto realmente interesante.
12:56
MRI is using magnetic fields
319
761000
2000
La resonancia usa campos magnéticos
12:58
and radio frequencies
320
763000
2000
y frecuencias de radio
13:00
to scan the brain, or any part of the body.
321
765000
3000
para escanear el cerebro, o cualquier parte del cuerpo.
13:03
So what we're really getting out of this
322
768000
2000
Lo que obtenemos de esto
13:05
is information of the structure of the brain,
323
770000
2000
es información sobre la estructura del cerebro
13:07
but we can also measure the difference
324
772000
2000
pero también podemos medir la diferencia
13:09
in magnetic properties of blood that's oxygenated
325
774000
3000
entre las propiedades magnéticas de la sangre oxigenada
13:12
and blood that's depleted of oxygen.
326
777000
3000
y las de la sangre con poco oxígeno.
13:15
That means that it's possible
327
780000
2000
Eso significa que es posible
13:17
to map out the activity of the brain.
328
782000
2000
trazar un mapa de la actividad cerebral.
13:19
So this is something that we've been working on.
329
784000
2000
Es algo en lo que hemos estado trabajando.
13:21
And you just saw Motts the research engineer, there,
330
786000
3000
Acaban de ver allí a Motts, el ingeniero de investigación,
13:24
going into the MRI system,
331
789000
2000
entrando al sistema de resonancia magnética
13:26
and he was wearing goggles.
332
791000
2000
y llevaba gafas.
13:28
So he could actually see things in the goggles.
333
793000
2000
Podía ver con las gafas.
13:30
So I could present things to him while he's in the scanner.
334
795000
3000
Así que le pude mostrar cosas mientras estaba en el aparato.
13:33
And this is a little bit freaky,
335
798000
2000
Y esto es un poco raro
13:35
because what Motts is seeing is actually this.
336
800000
2000
porque allí Motts está viendo
13:37
He's seeing his own brain.
337
802000
3000
su propio cerebro.
13:40
So Motts is doing something here,
338
805000
2000
Motts está haciendo algo,
13:42
and probably he is going like this with his right hand,
339
807000
2000
probablemente está haciendo así con la mano derecha,
13:44
because the left side is activated
340
809000
2000
porque se activó el lado izquierdo
13:46
on the motor cortex.
341
811000
2000
en la corteza motora.
13:48
And then he can see that at the same time.
342
813000
2000
Y al mismo tiempo puede verlo.
13:50
These visualizations are brand new.
343
815000
2000
Estas visualizaciones son completamente nuevas.
13:52
And this is something that we've been researching for a little while.
344
817000
3000
Es algo que hemos estado investigando durante mucho tiempo.
13:55
This is another sequence of Motts' brain.
345
820000
3000
Esta es otra secuencia del cerebro de Motts.
13:58
And here we asked Motts to calculate backwards from 100.
346
823000
3000
Aquí le pedimos que cuente desde 100 hacia atrás.
14:01
So he's going "100, 97, 94."
347
826000
2000
Así que empezó "100, 97, 94"
14:03
And then he's going backwards.
348
828000
2000
y luego va hacia atrás.
14:05
And you can see how the little math processor is working up here in his brain
349
830000
3000
Pueden ver cómo trabaja el pequeño procesador matemático aquí arriba en su cerebro
14:08
and is lighting up the whole brain.
350
833000
2000
e ilumina todo el cerebro.
14:10
Well this is fantastic. We can do this in real time.
351
835000
2000
Bueno, esto es fantástico. Podemos hacerlo en tiempo real.
14:12
We can investigate things. We can tell him to do things.
352
837000
2000
Podemos investigar cosas. Podemos pedirle hacer cosas.
14:14
You can also see that his visual cortex
353
839000
2000
Pueden ver también que su corteza visual
14:16
is activated in the back of the head,
354
841000
2000
está activa en la parte posterior de la cabeza,
14:18
because that's where he's seeing, he's seeing his own brain.
355
843000
2000
porque es ahí donde está viendo, viendo su propio cerebro.
14:20
And he's also hearing our instructions
356
845000
2000
Y también está escuchando nuestras instrucciones
14:22
when we tell him to do things.
357
847000
2000
cuando le pedimos que haga cosas.
14:24
The signal is really deep inside of the brain as well,
358
849000
2000
La señal también es muy profunda dentro del cerebro
14:26
and it's shining through,
359
851000
2000
pero brilla todo
14:28
because all of the data is inside this volume.
360
853000
2000
porque todos los datos están dentro de este volumen.
14:30
And in just a second here you will see --
361
855000
2000
Y en un segundo van a ver...
14:32
okay, here. Motts, now move your left foot.
362
857000
2000
Motts, ahora mueve el pie izquierdo.
14:34
So he's going like this.
363
859000
2000
Él hace así.
14:36
For 20 seconds he's going like that,
364
861000
2000
Durante 20 segundos está haciendo así
14:38
and all of a sudden it lights up up here.
365
863000
2000
y de pronto se ilumina aquí arriba.
14:40
So we've got motor cortex activation up there.
366
865000
2000
Se produce una activación de la corteza motora allí arriba.
14:42
So this is really, really nice,
367
867000
2000
Es genial.
14:44
and I think this is a great tool.
368
869000
2000
Creo que es una gran herramienta.
14:46
And connecting also with the previous talk here,
369
871000
2000
Y relacionándolo con la charla previa
14:48
this is something that we could use as a tool
370
873000
2000
esto es algo que podríamos usar como herramienta
14:50
to really understand
371
875000
2000
para entender realmente
14:52
how the neurons are working, how the brain is working,
372
877000
2000
el funcionamiento de las neuronas y del cerebro
14:54
and we can do this with very, very high visual quality
373
879000
3000
y podemos hacerlo con una calidad visual muy alta
14:57
and very fast resolution.
374
882000
3000
y con una resolución muy rápida.
15:00
Now we're also having a bit of fun at the center.
375
885000
2000
En el centro también nos divertimos un poco.
15:02
So this is a CAT scan -- Computer Aided Tomography.
376
887000
3000
Esta es una TAC, tomografía asistida por computadora.
15:06
So this is a lion from the local zoo
377
891000
2000
Esta es una leona del zoológico local
15:08
outside of Norrkoping in Kolmarden, Elsa.
378
893000
3000
de las afueras de Norrköping en Kolmarden, Elsa.
15:11
So she came to the center,
379
896000
2000
Elsa vino al centro
15:13
and they sedated her
380
898000
2000
y la sedaron
15:15
and then put her straight into the scanner.
381
900000
2000
para meterla en el escáner.
15:17
And then, of course, I get the whole data set from the lion.
382
902000
3000
Luego, claro, obtuve todo el conjunto de datos de la leona.
15:20
And I can do very nice images like this.
383
905000
2000
Y puedo hacer imágenes muy lindas como esta.
15:22
I can peel off the layer of the lion.
384
907000
2000
Puedo quitar las capas de la leona.
15:24
I can look inside of it.
385
909000
2000
Puedo ver dentro de ella.
15:26
And we've been experimenting with this.
386
911000
2000
Hemos estado experimentando con esto.
15:28
And I think this is a great application
387
913000
2000
Creo que es una gran aplicación
15:30
for the future of this technology,
388
915000
2000
para el futuro de esta tecnología.
15:32
because there's very little known about the animal anatomy.
389
917000
3000
Porque se sabe muy poco de la anatomía animal.
15:35
What's known out there for veterinarians is kind of basic information.
390
920000
3000
Lo que conocen los veterinarios es información muy elemental.
15:38
We can scan all sorts of things,
391
923000
2000
Nosotros podemos escanear todo tipo de cosas,
15:40
all sorts of animals.
392
925000
2000
todo tipo de animales.
15:42
The only problem is to fit it into the machine.
393
927000
3000
El único problema es meterlos en la máquina.
15:45
So here's a bear.
394
930000
2000
Aquí hay un oso.
15:47
It was kind of hard to get it in.
395
932000
2000
Es un poco complicado meterlo allí.
15:49
And the bear is a cuddly, friendly animal.
396
934000
3000
El oso es un animal tierno y amistoso.
15:52
And here it is. Here is the nose of the bear.
397
937000
3000
Y aquí está. He aquí el hocico del oso.
15:55
And you might want to cuddle this one,
398
940000
3000
Es posible que quisieran abrazarlo
15:58
until you change the functions and look at this.
399
943000
3000
hasta que yo cambie la función y vean esto.
16:01
So be aware of the bear.
400
946000
2000
Así que tengan cuidado con el oso.
16:03
So with that,
401
948000
2000
Para terminar
16:05
I'd like to thank all the people
402
950000
2000
quisiera agradecer a todas las personas
16:07
who have helped me to generate these images.
403
952000
2000
que me han ayudado a generar estas imágenes.
16:09
It's a huge effort that goes into doing this,
404
954000
2000
Esto ha demandado un gran esfuerzo,
16:11
gathering the data and developing the algorithms,
405
956000
3000
recopilar los datos y desarrollar los algoritmos,
16:14
writing all the software.
406
959000
2000
codificar todo el software.
16:16
So, some very talented people.
407
961000
3000
Son personas con mucho talento.
16:19
My motto is always, I only hire people that are smarter than I am
408
964000
3000
Mi lema es que siempre contrato personas más inteligentes que yo
16:22
and most of these are smarter than I am.
409
967000
2000
y la mayoría de ellos son más inteligente que yo.
16:24
So thank you very much.
410
969000
2000
Así que muchas gracias.
16:26
(Applause)
411
971000
4000
(Aplausos)
ABOUT THE SPEAKER
Anders Ynnerman - Scientific visualization expertAnders Ynnerman studies the fundamental aspects of computer graphics and visualization, in particular large scale and complex data sets with a focus on volume rendering and multi-modal interaction.
Why you should listen
Professor Anders Ynnerman received a Ph.D. in physics from Gothenburg University. During the early 90s he was doing research at Oxford University and Vanderbilt University. In 1996 he started the Swedish National Graduate School in Scientific Computing, which he directed until 1999. From 1997 to 2002 he directed the Swedish National Supercomputer Centre and from 2002 to 2006 he directed the Swedish National Infrastructure for Computing (SNIC).
Since 1999 he is holding a chair in scientific visualization at Linköping University and in 2000 he founded the Norrköping Visualization and Interaction Studio (NVIS). NVIS currently constitutes one of the main focal points for research and education in computer graphics and visualization in the Nordic region. Ynnerman is currently heading the build-up of a large scale center for Visualization in Norrköping.
Anders Ynnerman | Speaker | TED.com