TEDxNijmegen
Peter van Manen: Better baby care -- thanks to Formula 1
Peter van Manen: ¿Cómo las carreras de F1 pueden ayudar a... los bebés?
Filmed:
Readability: 3.5
845,406 views
Durante una carrera de Fórmula 1, el auto manda cientos de millones de datos a su garaje para análisis de tiempo real y retroalimentación. Así que por qué no usar este sistema detallado y riguroso de datos en otros sitios, como... los hospitales infantiles. Peter van Manen nos cuenta más.
Peter van Manen - Electronic systems expert
Peter van Manen is the Managing Director of McLaren Electronics, which provides data systems to major motorsports series. Full bio
Peter van Manen is the Managing Director of McLaren Electronics, which provides data systems to major motorsports series. Full bio
Double-click the English transcript below to play the video.
00:12
Motor racing is a funny old business.
0
336
2257
Las carreras de autos
son un oficio viejo y divertido.
son un oficio viejo y divertido.
00:14
We make a new car every year,
1
2593
2317
Hacemos un auto nuevo cada año,
00:16
and then we spend the rest of the season
2
4910
2188
y después pasamos el resto de la temporada
00:19
trying to understand what it is we've built
3
7098
2776
tratando de entender qué fue lo que hicimos
00:21
to make it better, to make it faster.
4
9874
3221
para mejorarlo, para hacerlo más rápido.
00:25
And then the next year, we start again.
5
13095
3275
Luego, al año siguiente, empezamos de nuevo.
00:28
Now, the car you see in front of you is quite complicated.
6
16370
4238
Ahora, este auto es bastante complejo.
00:32
The chassis is made up of about 11,000 components,
7
20608
3619
El chasis tiene unos 11 000 componentes.
00:36
the engine another 6,000,
8
24227
2468
El motor otros 6000.
00:38
the electronics about eight and a half thousand.
9
26695
3093
La parte electrónica unos 500 000.
00:41
So there's about 25,000 things there that can go wrong.
10
29788
4401
Así que hay unas 25 000 cosas
que pueden salir mal.
que pueden salir mal.
00:46
So motor racing is very much about attention to detail.
11
34189
4826
Por eso en las carreras hay
mucho de atención al detalle.
mucho de atención al detalle.
00:51
The other thing about Formula 1 in particular
12
39015
3263
La otra cosa de la Fórmula 1 en particular
00:54
is we're always changing the car.
13
42278
2124
es que siempre estamos cambiando el auto.
00:56
We're always trying to make it faster.
14
44402
2280
Siempre estamos tratando de hacerlo más rápido.
00:58
So every two weeks, we will be making
15
46682
2984
Así que a cada 2 semanas
01:01
about 5,000 new components to fit to the car.
16
49666
4200
hay que adaptar unos 5000
componentes nuevos al auto.
componentes nuevos al auto.
01:05
Five to 10 percent of the race car
17
53866
2178
Del 5 % al 10 % del auto
01:08
will be different every two weeks of the year.
18
56044
3752
va a ser diferente cada 2 semanas.
01:11
So how do we do that?
19
59796
2309
¿Cómo lo hacemos?
01:14
Well, we start our life with the racing car.
20
62105
3744
Bueno, empezamos con el auto existente,
01:17
We have a lot of sensors on the car to measure things.
21
65849
3991
tenemos muchos sensores dentro para medir cosas.
01:21
On the race car in front of you here
22
69840
1882
En el auto que ven aquí
01:23
there are about 120 sensors when it goes into a race.
23
71722
3159
hay unos 120 sensores
activados al momento de correr.
activados al momento de correr.
01:26
It's measuring all sorts of things around the car.
24
74881
3652
Miden todo tipo de cosas en el auto.
01:30
That data is logged. We're logging about
25
78533
2052
Se registran los datos.
Registramos unos
Registramos unos
01:32
500 different parameters within the data systems,
26
80585
3704
500 parámetros distintos en el sistema,
01:36
about 13,000 health parameters and events
27
84289
3665
unos 13 000 parámetros y eventos de monitoreo
01:39
to say when things are not working the way they should do,
28
87954
4565
por si algo no funciona como debería,
01:44
and we're sending that data back to the garage
29
92519
2825
y esos datos llegan al garaje
01:47
using telemetry at a rate of two to four megabits per second.
30
95344
4979
por telemetría a una velocidad
de 2 a 4 megabytes por segundo.
de 2 a 4 megabytes por segundo.
01:52
So during a two-hour race, each car will be sending
31
100323
3127
Así que en una carrera
de 2 horas, cada auto emite
de 2 horas, cada auto emite
01:55
750 million numbers.
32
103450
2275
750 millones de números.
01:57
That's twice as many numbers as words that each of us
33
105725
3143
Eso es el doble de números que las palabras
que cada uno de nosotros
que cada uno de nosotros
02:00
speaks in a lifetime.
34
108868
1631
usa durante toda la vida.
02:02
It's a huge amount of data.
35
110499
2618
Es una cantidad enorme de datos.
02:05
But it's not enough just to have data and measure it.
36
113117
2645
Pero no basta con tener
los datos y medirlos.
los datos y medirlos.
02:07
You need to be able to do something with it.
37
115762
2158
Hay que hacer algo con ellos.
02:09
So we've spent a lot of time and effort
38
117920
2394
Así que dedicamos mucho tiempo y esfuerzo
02:12
in turning the data into stories
39
120314
1869
a convertir esos datos en historias
02:14
to be able to tell, what's the state of the engine,
40
122183
3105
que puedan indicar el estado del motor,
02:17
how are the tires degrading,
41
125288
2272
el desgaste de las llantas,
02:19
what's the situation with fuel consumption?
42
127560
3748
el consumo de combustible.
02:23
So all of this is taking data
43
131308
2788
Todo esto toma datos
02:26
and turning it into knowledge that we can act upon.
44
134096
3802
y los convierte en conocimiento
sobre el cual actuar.
sobre el cual actuar.
02:29
Okay, so let's have a look at a little bit of data.
45
137898
2638
Bien, veamos un poco los datos.
02:32
Let's pick a bit of data from
46
140536
2030
Tomemos datos de
02:34
another three-month-old patient.
47
142566
3079
otro paciente de 3 meses.
02:37
This is a child, and what you're seeing here is real data,
48
145645
4171
Es un niño, estamos viendo datos reales,
02:41
and on the far right-hand side,
49
149816
1977
en el extremo derecho,
02:43
where everything starts getting a little bit catastrophic,
50
151793
2587
todo se ve un poco catastrófico.
02:46
that is the patient going into cardiac arrest.
51
154380
3584
Es una paciente que tiene un paro cardíaco.
02:49
It was deemed to be an unpredictable event.
52
157964
3232
Era un evento impredecible.
02:53
This was a heart attack that no one could see coming.
53
161196
3789
Nadie pudo ver venir este ataque.
02:56
But when we look at the information there,
54
164985
2550
Pero al analizar la información,
02:59
we can see that things are starting to become
55
167535
2349
vemos que las cosas se ponen algo sospechosas
03:01
a little fuzzy about five minutes or so before the cardiac arrest.
56
169884
4029
unos 5 minutos antes del paro.
03:05
We can see small changes
57
173913
2037
Podemos ver pequeñas variaciones
03:07
in things like the heart rate moving.
58
175950
2383
en el movimiento del corazón.
03:10
These were all undetected by normal thresholds
59
178333
2486
Pasaron desapercibidas a los umbrales normales
03:12
which would be applied to data.
60
180819
2408
que se aplican a los datos.
03:15
So the question is, why couldn't we see it?
61
183227
3143
La pregunta es: ¿por qué
no lo pudimos prever?
no lo pudimos prever?
03:18
Was this a predictable event?
62
186370
2581
¿Era un evento predecible?
03:20
Can we look more at the patterns in the data
63
188951
3010
¿Podemos ver otros patrones en los datos
03:23
to be able to do things better?
64
191961
3380
que nos ayuden a mejorar las cosas?
03:27
So this is a child,
65
195341
2650
Este bebé,
03:29
about the same age as the racing car on stage,
66
197991
3232
tiene casi la misma edad que este auto,
03:33
three months old.
67
201223
1630
3 meses.
03:34
It's a patient with a heart problem.
68
202853
2605
Es un paciente con un problema cardíaco.
03:37
Now, when you look at some of the data on the screen above,
69
205458
3468
Ahora, cuando analizamos
los datos de la pantalla,
los datos de la pantalla,
03:40
things like heart rate, pulse, oxygen, respiration rates,
70
208926
4902
las pulsaciones del corazón, el oxígeno,
los niveles de respiración,
los niveles de respiración,
03:45
they're all unusual for a normal child,
71
213828
3076
todo es irregular para un bebé normal,
03:48
but they're quite normal for the child there,
72
216904
2642
pero bastante normal para ese bebé.
03:51
and so one of the challenges you have in health care is,
73
219546
4138
Por eso uno de los desafíos
de la salud infantil es,
de la salud infantil es,
03:55
how can I look at the patient in front of me,
74
223684
2851
¿cómo analizar a la paciente,
03:58
have something which is specific for her,
75
226535
3047
tener algo específico para ella,
04:01
and be able to detect when things start to change,
76
229582
2788
y poder detectar cuando algo esté cambiando,
04:04
when things start to deteriorate?
77
232370
2099
cuando las cosas empiecen a deteriorarse?
04:06
Because like a racing car, any patient,
78
234469
3050
Porque como con un auto de carreras,
con cualquier paciente,
con cualquier paciente,
04:09
when things start to go bad, you have a short time
79
237519
2976
cuando las cosas empiezan a salir mal,
tenemos poco tiempo
tenemos poco tiempo
04:12
to make a difference.
80
240495
1831
para marcar la diferencia.
04:14
So what we did is we took a data system
81
242326
2754
Tomamos el sistema de datos
04:17
which we run every two weeks of the year in Formula 1
82
245080
3131
que usamos cada 2 semanas en la Fórmula 1
04:20
and we installed it on the hospital computers
83
248211
3002
y lo instalamos en las
computadoras de los hospitales...
computadoras de los hospitales...
04:23
at Birmingham Children's Hospital.
84
251213
2290
del Hospital Infantil de Birmingham.
04:25
We streamed data from the bedside instruments
85
253503
2439
Transmitimos los datos de los instrumentos
04:27
in their pediatric intensive care
86
255942
2557
de los cuidados intensivos pediátricos
04:30
so that we could both look at the data in real time
87
258499
3456
para que los dos pudiéramos
ver los datos en tiempo real
ver los datos en tiempo real
04:33
and, more importantly, to store the data
88
261955
2871
y, más importante, almacenar los datos
04:36
so that we could start to learn from it.
89
264826
3057
para poder empezar a aprender de ellos.
04:39
And then, we applied an application on top
90
267883
4384
Luego, instalamos una aplicación
04:44
which would allow us to tease out the patterns in the data
91
272267
3270
que nos permitiría jugar
con los patrones de datos
con los patrones de datos
04:47
in real time so we could see what was happening,
92
275537
2956
en tiempo real para ver qué pasaba,
04:50
so we could determine when things started to change.
93
278493
3713
para poder detectar el momento
en que cosas empezaran a cambiar.
en que cosas empezaran a cambiar.
04:54
Now, in motor racing, we're all a little bit ambitious,
94
282206
3863
Ahora, en las carreras,
todos somos un poco ambiciosos,
todos somos un poco ambiciosos,
04:58
audacious, a little bit arrogant sometimes,
95
286069
2549
audaces, un poco arrogantes a veces,
05:00
so we decided we would also look at the children
96
288618
3398
Así que decidimos que también
veríamos a los niños
veríamos a los niños
05:04
as they were being transported to intensive care.
97
292016
2957
mientras los transportaban
a cuidados intensivos.
a cuidados intensivos.
05:06
Why should we wait until they arrived in the hospital
98
294973
2154
¿Por qué esperar a que llegaran al hospital
05:09
before we started to look?
99
297127
1994
para empezar a analizar?
05:11
And so we installed a real-time link
100
299121
2997
Por eso instalamos un enlace en vivo
05:14
between the ambulance and the hospital,
101
302118
2836
entre la ambulancia y el hospital,
05:16
just using normal 3G telephony to send that data
102
304954
3776
usando solo telefonía 3G para enviar los datos,
05:20
so that the ambulance became an extra bed
103
308730
2487
así la ambulancia se convirtió en una cama extra
05:23
in intensive care.
104
311217
3136
de cuidados intensivos.
05:26
And then we started looking at the data.
105
314353
3702
Luego empezamos a ver los datos,
05:30
So the wiggly lines at the top, all the colors,
106
318055
2921
las líneas onduladas de arriba,
todos los colores,
todos los colores,
05:32
this is the normal sort of data you would see on a monitor --
107
320976
3194
son los datos típicos que
se ven en el monitor:
se ven en el monitor:
05:36
heart rate, pulse, oxygen within the blood,
108
324170
3772
latidos de corazón, pulso,
oxígeno en sangre,
oxígeno en sangre,
05:39
and respiration.
109
327942
2635
respiración.
05:42
The lines on the bottom, the blue and the red,
110
330577
2753
Las líneas de abajo, las azules y rojas,
05:45
these are the interesting ones.
111
333330
1360
son las interesantes.
05:46
The red line is showing an automated version
112
334690
3209
La línea roja muestra una versión automatizada
05:49
of the early warning score
113
337899
1597
de un puntaje de advertencia temprana
05:51
that Birmingham Children's Hospital were already running.
114
339496
2487
que ya el hospital de Birmingham
tenía en funcionamiento.
tenía en funcionamiento.
05:53
They'd been running that since 2008,
115
341983
2338
Ha estado funcionando desde el 2008
05:56
and already have stopped cardiac arrests
116
344321
2256
y prevenido paros cardíacos
05:58
and distress within the hospital.
117
346577
2757
y angustias en el hospital.
06:01
The blue line is an indication
118
349334
2432
La línea azul es un indicador
06:03
of when patterns start to change,
119
351766
2500
de cambio en los patrones,
06:06
and immediately, before we even started
120
354266
2309
e inmediatamente, antes de
siquiera de empezar
siquiera de empezar
06:08
putting in clinical interpretation,
121
356575
1708
las interpretaciones médicas,
06:10
we can see that the data is speaking to us.
122
358283
2870
podemos ver cómo hablan los datos.
06:13
It's telling us that something is going wrong.
123
361153
3536
Nos dicen que algo está mal.
06:16
The plot with the red and the green blobs,
124
364689
3816
Las manchas rojas y verdes
06:20
this is plotting different components
125
368505
2805
grafican diferentes componentes
06:23
of the data against each other.
126
371310
2547
de datos unos contra otros.
06:25
The green is us learning what is normal for that child.
127
373857
3840
La verde somos nosotros aprendiendo
qué es normal para ese niño.
qué es normal para ese niño.
06:29
We call it the cloud of normality.
128
377697
2610
Lo que llamamos la nube de normalidad.
06:32
And when things start to change,
129
380307
2241
Y cuando las cosas comienzan a cambiar,
06:34
when conditions start to deteriorate,
130
382548
2564
cuando las condiciones comienzan a deteriorarse,
06:37
we move into the red line.
131
385112
2238
nos movemos a la mancha roja.
06:39
There's no rocket science here.
132
387350
1657
No hay ninguna ciencia complicada ahí.
06:41
It is displaying data that exists already in a different way,
133
389007
4113
Está mostrando datos que ya existen
de una manera diferente
de una manera diferente
06:45
to amplify it, to provide cues to the doctors,
134
393120
3391
para ampliarla, para dar
señales a los médicos,
señales a los médicos,
06:48
to the nurses, so they can see what's happening.
135
396511
2738
a las enfermeras, para que puedan
ver lo que está pasando.
ver lo que está pasando.
06:51
In the same way that a good racing driver
136
399249
3130
De la misma forma que
un buen piloto de carreras
un buen piloto de carreras
06:54
relies on cues to decide when to apply the brakes,
137
402379
4044
confía en las señales
para saber cuándo frenar,
para saber cuándo frenar,
06:58
when to turn into a corner,
138
406423
1476
cuándo girar en una esquina,
06:59
we need to help our physicians and our nurses
139
407899
2918
necesitamos ayudar a nuestros
médicos y enfermeras
médicos y enfermeras
07:02
to see when things are starting to go wrong.
140
410817
3620
a ver cuando las cosas empiezan a salir mal.
07:06
So we have a very ambitious program.
141
414437
2946
Así que tenemos un programa bastante ambicioso.
07:09
We think that the race is on to do something differently.
142
417383
4736
Creemos que empezó la carrera
para hacer algo diferente.
para hacer algo diferente.
07:14
We are thinking big. It's the right thing to do.
143
422119
2904
Estamos pensando en grande, como es debido.
07:17
We have an approach which, if it's successful,
144
425023
3412
Tenemos un enfoque que, de prosperar,
07:20
there's no reason why it should stay within a hospital.
145
428435
2531
no hay razón para que se quede en un hospital.
07:22
It can go beyond the walls.
146
430966
1841
Puede traspasar fronteras.
07:24
With wireless connectivity these days,
147
432807
2071
Con las conexiones inalámbricas de hoy en día,
07:26
there is no reason why patients, doctors and nurses
148
434878
3444
no hay razón para que los pacientes,
médicos y enfermeras
médicos y enfermeras
07:30
always have to be in the same place
149
438322
2171
deban estar siempre en el mismo lugar,
07:32
at the same time.
150
440493
1993
al mismo tiempo.
07:34
And meanwhile, we'll take our little three-month-old baby,
151
442486
3995
Mientras tanto, tomaremos
nuestro bebé de 3 meses,
nuestro bebé de 3 meses,
07:38
keep taking it to the track, keeping it safe,
152
446481
3757
lo llevaremos a la pista,
lo cuidaremos,
lo cuidaremos,
07:42
and making it faster and better.
153
450238
2333
y lo haremos mejor y más rápido.
07:44
Thank you very much.
154
452571
1405
Muchas gracias.
07:45
(Applause)
155
453976
4954
(Aplausos)
ABOUT THE SPEAKER
Peter van Manen - Electronic systems expertPeter van Manen is the Managing Director of McLaren Electronics, which provides data systems to major motorsports series.
Why you should listen
To say that Peter van Manen has a high-speed job would be an understatement. As Managing Director of McLaren Electronics, which provides electronics and data collection software to motorsports events, he and his team work in real time during a race to improve cars on about 500 different parameters. That's about 750 million data points in two hours.
But recently van Manen and his team have been wondering: Why can't the extremely precise and subtle data-collection and analysis systems used in motorsports be applied elsewhere, for the benefit of all? They have applied their systems to ICU units at Birmingham Children's Hospital with real-time analysis that allows them to proactively prevent cardiac arrests. The unit has seen a 25 percent decrease in life-threatening events. And it's just the beginning.
Peter van Manen | Speaker | TED.com