TEDMED 2011
Quyen Nguyen: Color-coded surgery
Quyen Nguyen: Színekkel jelölt sebészet
Filmed:
Readability: 4.2
1,224,438 views
A sebészek olyan tankönyvekből tanulnak, amelyekben a szöveteket szemléletesen különböző színekkel jelölik, de a valóságban nem ez a helyzet. Egészen mostanáig. A TEDMED-en Quyen Nguyen bemutatja, hogy a molekuláris jelölő hogyan villan föl neonzölden, kimutatva a rákot. Ez támpontot ad a sebészeknek, hogy hol és melyik részt kell kimetszeniük.
Quyen Nguyen - Surgeon
Quyen Nguyen uses molecular probes that make tumors -- and just the tumors -- glow, as an extraordinary aid to surgeons. Full bio
Quyen Nguyen uses molecular probes that make tumors -- and just the tumors -- glow, as an extraordinary aid to surgeons. Full bio
Double-click the English transcript below to play the video.
00:15
I want to talk to you
0
0
2000
Ma az orvostudomány
00:17
about one of the biggest myths in medicine,
1
2000
2000
egyik nagy mítoszáról szeretnék szólni.
00:19
and that is the idea
2
4000
2000
Pontosabban arról az álláspontról,
00:21
that all we need are more medical breakthroughs
3
6000
3000
hogy csak több áttörésre van
szükségünk az orvoslásban,
szükségünk az orvoslásban,
00:24
and then all of our problems will be solved.
4
9000
3000
utána minden problémánk megoldódik.
00:27
Our society loves to romanticize
5
12000
3000
Társadalmunk imádja
00:30
the idea of the single, solo inventor
6
15000
2000
a magányos feltaláló alakját,
00:32
who, working late in the lab one night,
7
17000
3000
aki laborjában késő éjszaka
00:35
makes an earthshaking discovery,
8
20000
3000
világraszóló felfedezést tesz,
00:38
and voila, overnight everything's changed.
9
23000
4000
és hiphop, egycsapásra minden megváltozik.
00:42
That's a very appealing picture,
10
27000
2000
Nagyon megindító látvány,
00:44
however, it's just not true.
11
29000
3000
de sajnos, valótlan.
00:47
In fact, medicine today is a team sport.
12
32000
3000
Az orvostudomány ma csapatmunka.
00:50
And in many ways,
13
35000
2000
Sok szempontból
00:52
it always has been.
14
37000
2000
mindig is az volt.
00:54
I'd like to share with you a story
15
39000
2000
Elmondok egy történetet arról,
00:56
about how I've experienced this very dramatically
16
41000
3000
hogyan tapasztaltam ezt meg
00:59
in my own work.
17
44000
2000
saját munkám során.
01:01
I'm a surgeon,
18
46000
2000
Sebész vagyok,
01:03
and we surgeons have always had
19
48000
2000
és nekünk, sebészeknek,
01:05
this special relationship with light.
20
50000
3000
mindig sajátos viszonyunk volt a fénnyel.
01:08
When I make an incision inside a patient's body, it's dark.
21
53000
4000
Amikor bemetszést ejtek
a beteg testében, ott sötét van.
a beteg testében, ott sötét van.
01:12
We need to shine light to see what we're doing.
22
57000
3000
Fény kell, hogy lássuk, mit csinálunk.
01:15
And this is why, traditionally,
23
60000
3000
Hagyományosan a műtétek
01:18
surgeries have always started so early in the morning --
24
63000
2000
ezért kezdődtek kora reggel,
01:20
to take advantage of daylight hours.
25
65000
2000
hogy kihasználjuk a nappali órákat.
01:22
And if you look at historical pictures
26
67000
2000
S ha a történelmi képen
01:24
of the early operating rooms,
27
69000
2000
megnézzük az első műtőket, látható,
01:26
they have been on top of buildings.
28
71000
3000
hogy az épületek tetején vannak.
01:29
For example, this is the oldest operating room in the Western world,
29
74000
2000
Pl. ez a nyugati világ legrégibb műtője
01:31
in London,
30
76000
2000
Londonban,
01:33
where the operating room
31
78000
2000
amely műtőt történetesen
01:35
is actually on top of a church
32
80000
2000
egy templom tetején helyezték el,
01:37
with a skylight coming in.
33
82000
2000
hogy az ég beragyogjon.
01:39
And then this is a picture
34
84000
2000
Ez pedig az egyik leghíresebb
01:41
of one of the most famous hospitals in America.
35
86000
3000
amerikai kórház,
01:44
This is Mass General in Boston.
36
89000
2000
a bostoni Mass General képe.
01:46
And do you know where the operating room is?
37
91000
2000
Mit gondolnak, hol van ott a műtő?
01:48
Here it is
38
93000
2000
Itt,
01:50
on the top of the building
39
95000
2000
az épület tetején,
01:52
with plenty of windows to let light in.
40
97000
3000
ahol számtalan ablak engedi be a fényt.
01:55
So nowadays in the operating room,
41
100000
2000
Ma már a műtőkben
01:57
we no longer need to use sunlight.
42
102000
3000
nincs szükség napfényre.
02:00
And because we no longer need to use sunlight,
43
105000
3000
Már nem használjuk a napfényt,
02:03
we have very specialized lights
44
108000
2000
mert különleges lámpáink vannak,
02:05
that are made for the operating room.
45
110000
2000
amelyek műtőknek készülnek.
02:07
We have an opportunity
46
112000
2000
Más fényforrás bevitelére is
02:09
to bring in other kinds of lights --
47
114000
2000
lehetőségünk van,
02:11
lights that can allow us to see
48
116000
2000
hogy láthassuk azt is,
02:13
what we currently don't see.
49
118000
3000
amit egyébként nem látnánk.
02:16
And this is what I think
50
121000
2000
Azt hiszem,
02:18
is the magic of fluorescence.
51
123000
2000
ez a fluoreszkálás varázslata.
02:20
So let me back up a little bit.
52
125000
2000
Mélyedjünk el benne egy kicsit.
02:22
When we are in medical school,
53
127000
3000
Az egészségügyi képzésben
02:25
we learn our anatomy from illustrations such as this
54
130000
3000
anatómiánkat ilyen
szemléltető ábrákból tanuljuk,
szemléltető ábrákból tanuljuk,
02:28
where everything's color-coded.
55
133000
3000
amelyeken minden színekkel van kódolva.
02:31
Nerves are yellow, arteries are red,
56
136000
2000
Az idegek sárgák, az ütőerek vörösek,
02:33
veins are blue.
57
138000
2000
a visszerek kékek.
02:35
That's so easy anybody could become a surgeon, right?
58
140000
4000
Pofonegyszerű, bárkiből
sebész válhat, nem?
sebész válhat, nem?
02:39
However, when we have a real patient on the table,
59
144000
3000
Ám amikor élő beteg fekszik
előttünk a műtőasztalon,
előttünk a műtőasztalon,
02:42
this is the same neck dissection --
60
147000
3000
– ez ugyanaz a nyaki metszet –,
02:45
not so easy to tell the difference
61
150000
2000
nem olyan könnyű megkülönböztetni
02:47
between different structures.
62
152000
2000
a különböző képleteket.
02:49
We heard over the last couple days
63
154000
3000
Hallhattuk az utóbbi napokban,
02:52
what an urgent problem
64
157000
2000
hogy társadalmunkban a rák
02:54
cancer still is in our society,
65
159000
2000
még mindig milyen súlyos probléma;
02:56
what a pressing need it is
66
161000
2000
mennyire sürgős változtatnunk azon,
02:58
for us to not have
67
163000
2000
hogy manapság percenként
03:00
one person die every minute.
68
165000
4000
rákban hal meg egy-egy beteg.
03:04
Well if cancer can be caught early,
69
169000
2000
Ha olyan korán sikerül
03:06
enough such that someone can have their cancer taken out,
70
171000
5000
a rákot diagnosztizálni,
03:11
excised with surgery,
71
176000
2000
hogy a betegből műtéttel eltávolíthassuk,
03:13
I don't care if it has this gene or that gene,
72
178000
2000
fütyülök rá, hogy milyen gén van benne,
03:15
or if it has this protein or that protein,
73
180000
2000
hogy ilyen vagy olyan fehérje;
03:17
it's in the jar.
74
182000
2000
a daganat a tartályban van.
03:19
It's done, it's out, you're cured of cancer.
75
184000
3000
Kész, kinn van, a beteg
megszabadult a ráktól.
megszabadult a ráktól.
03:22
This is how we excise cancers.
76
187000
2000
Így metsszük ki a rákot.
03:24
We do our best, based upon our training
77
189000
3000
Képzésünkre alapozva mindent megteszünk,
03:27
and the way the cancer looks and the way it feels
78
192000
3000
hisz tudjuk, hogy néz ki
és milyennek érzékelhető a rák,
és milyennek érzékelhető a rák,
03:30
and its relationship to other structures and all of our experience,
79
195000
3000
milyen a viszonya más képletekkel;
s tapasztalatunk alapján mondhatjuk
a betegnek, hogy túl van rajta.
a betegnek, hogy túl van rajta.
03:33
we say, you know what, the cancer's gone.
80
198000
3000
03:36
We've made a good job. We've taken it out.
81
201000
3000
Jó munkát végeztünk: eltávolítottuk.
03:39
That's what the surgeon is saying in the operating room
82
204000
2000
Ezt szokták mondani a sebészek
03:41
when the patient's on the table.
83
206000
2000
a műtőben az operált páciensnek.
03:43
But then we actually don't know that it's all out.
84
208000
3000
De tulajdonképpen nem
tudjuk, hányadán állunk.
tudjuk, hányadán állunk.
03:46
We actually have to take samples from the surgical bed,
85
211000
3000
Szövetmintát kell vennünk
a műtéti területről, hogy megtudjuk,
a műtéti területről, hogy megtudjuk,
03:49
what's left behind in the patient,
86
214000
2000
maradtak-e ott rákos sejtek,
03:51
and then send those bits to the pathology lab.
87
216000
4000
s a mintákat elküldjük
a szövettani laborba.
a szövettani laborba.
03:55
In the meanwhile, the patient's on the operating room table.
88
220000
2000
A beteg közben a műtőasztalon fekszik.
03:57
The nurses, anesthesiologist, the surgeon,
89
222000
2000
A nővérek, az aneszteziológus, a sebész,
03:59
all the assistants are waiting around.
90
224000
2000
az asszisztensek eközben várnak.
04:01
And we wait.
91
226000
2000
Várunk.
04:03
The pathologist takes that sample,
92
228000
2000
A patológus átveszi a mintát,
04:05
freezes it, cuts it, looks in the microscope one by one
93
230000
3000
lefagyasztja, metszetet készít, egyenként
megnézi őket a mikroszkópban,
megnézi őket a mikroszkópban,
04:08
and then calls back into the room.
94
233000
2000
aztán visszahív minket.
04:10
And that may be 20 minutes later per piece.
95
235000
2000
Ez mintánként 20-20 perc.
04:12
So if you've sent three specimens,
96
237000
2000
Ha három mintát küldtünk,
04:14
it's an hour later.
97
239000
2000
akkor egy óra hosszat tart.
04:16
And very often they say,
98
241000
2000
Gyakorta azt mondják:
04:18
"You know what, points A and B are okay,
99
243000
3000
"Tudod, az A és B
pontról vett minta rendben,
pontról vett minta rendben,
04:21
but point C, you still have some residual cancer there.
100
246000
2000
de a C területen még maradt rákos sejt.
04:23
Please go cut that piece out."
101
248000
3000
Vágjátok ki."
04:26
So we go back and we do that again, and again.
102
251000
3000
Úgyhogy visszamegyünk,
és újra s újra nekilátunk.
és újra s újra nekilátunk.
04:29
And this whole process:
103
254000
2000
Ez az eljárás:
04:31
"Okay you're done.
104
256000
2000
"Rendben, készen vagyunk.
04:33
We think the entire tumor is out."
105
258000
2000
Azt hiszem, az egész tumor kinn van."
04:35
But very often several days later,
106
260000
3000
De igen gyakran egy pár nap múlva,
04:38
the patient's gone home,
107
263000
2000
amikor a páciens már hazatért,
04:40
we get a phone call:
108
265000
2000
telefonhívást kapunk:
04:42
"I'm sorry,
109
267000
2000
"Elnézést,
04:44
once we looked at the final pathology,
110
269000
2000
amikor elvégeztük a végső szövettanit,
04:46
once we looked at the final specimen,
111
271000
2000
amikor az utolsó mintákat megnéztük,
04:48
we actually found that there's a couple other spots
112
273000
3000
kiderült, hogy még egy pár helyen
04:51
where the margins are positive.
113
276000
3000
az eltérések pozitívak.
04:54
There's still cancer in your patient."
114
279000
3000
A páciensetekben maradt még rákos sejt."
04:57
So now you're faced with telling your patient, first of all,
115
282000
3000
Most meg kell mondanunk a betegnek,
05:00
that they may need another surgery,
116
285000
2000
hogy tán még egy műtétre lesz szüksége,
05:02
or that they need additional therapy
117
287000
2000
vagy kiegészítő kezelésre,
05:04
such as radiation or chemotherapy.
118
289000
4000
pl. besugárzásra vagy kemoterápiára.
05:08
So wouldn't it be better
119
293000
2000
Nem lenne-e jobb,
05:10
if we could really tell,
120
295000
2000
ha meg tudnánk mondani,
05:12
if the surgeon could really tell,
121
297000
3000
ha a sebész biztosra meg tudná mondani,
05:15
whether or not there's still cancer on the surgical field?
122
300000
3000
maradt-e rákos sejt
a műtéti területen vagy sem?
a műtéti területen vagy sem?
05:18
I mean, in many ways, the way that we're doing it,
123
303000
3000
Úgy értem: sokszor,
mikor valamit csinálunk műtét közben,
mikor valamit csinálunk műtét közben,
05:21
we're still operating in the dark.
124
306000
4000
még mindig sötétben tapogatózunk.
05:25
So in 2004, during my surgical residency,
125
310000
3000
2004-ben, sebészrezidens időszakomban
05:28
I had the great fortune
126
313000
2000
óriási szerencsémre
05:30
to meet Dr. Roger Tsien,
127
315000
3000
megismerkedhettem dr. Roger Tsient,
05:33
who went on to win the Nobel Prize for chemistry
128
318000
3000
aki később, 2008-ban
05:36
in 2008.
129
321000
2000
kémiai Nobel-díjat kapott.
05:38
Roger and his team
130
323000
2000
Roger és csapata
05:40
were working on a way to detect cancer,
131
325000
3000
a rák kimutatásán dolgozott,
05:43
and they had a very clever molecule
132
328000
2000
és egy nagyon okos molekulájuk volt,
05:45
that they had come up with.
133
330000
2000
amelyet ők fejlesztettek ki.
05:47
The molecule they had developed
134
332000
2000
A kifejlesztett molekula
05:49
had three parts.
135
334000
2000
három részből áll.
05:51
The main part of it is the blue part, polycation,
136
336000
3000
A kék színű fő része a polikation,
05:54
and it's basically very sticky
137
339000
2000
amely igen erősen kötődik
05:56
to every tissue in your body.
138
341000
2000
minden testszövethez.
05:58
So imagine that you make a solution
139
343000
2000
Képzeljük el, hogy e tapadós anyagból
06:00
full of this sticky material
140
345000
2000
készült oldatot befecskendezzük
06:02
and inject it into the veins of someone who has cancer,
141
347000
2000
egy rákos beteg vénájába,
06:04
everything's going to get lit up.
142
349000
2000
minden szövet világítani fog.
06:06
Nothing will be specific.
143
351000
2000
Semmit nem mutat ki.
06:08
There's no specificity there.
144
353000
2000
Semmi különleges sincs benne.
06:10
So they added two additional components.
145
355000
2000
Ezért még két összetevőt adtak hozzá.
06:12
The first one is a polyanionic segment,
146
357000
3000
Az első egy polianion szegmens,
06:15
which basically acts as a non-stick backing
147
360000
2000
amely úgy működik,
mint egy nem tapadós hátoldal
mint egy nem tapadós hátoldal
06:17
like the back of a sticker.
148
362000
2000
az öntapadós címkénél.
06:19
So when those two are together, the molecule is neutral
149
364000
3000
Ha ez a kettő együtt van,
a molekula semleges,
a molekula semleges,
06:22
and nothing gets stuck down.
150
367000
2000
és semmi sem tapad hozzá.
06:24
And the two pieces are then linked
151
369000
3000
A két összetevőt aztán
olyasvalami kapcsolja össze,
06:27
by something that can only be cut
152
372000
3000
amit csak kellő molekuláris ollóval
vághatunk szét,
vághatunk szét,
06:30
if you have the right molecular scissors --
153
375000
2000
06:32
for example, the kind of protease enzymes
154
377000
2000
pl. proteáz enzimekkel,
06:34
that tumors make.
155
379000
2000
amelyeket a rákos daganat termel.
06:36
So here in this situation,
156
381000
2000
Ez esetben ha oldatot készítünk
06:38
if you make a solution full of this three-part molecule
157
383000
4000
e háromrészes molekulákból,
06:42
along with the dye, which is shown in green,
158
387000
2000
ezzel a zölddel jelzett festékkel együtt,
06:44
and you inject it into the vein
159
389000
3000
és befecskendezzük
a rákos beteg vénájába;
06:47
of someone who has cancer,
160
392000
2000
06:49
normal tissue can't cut it.
161
394000
2000
normál szövetek nem
vágják szét a molekulákat.
vágják szét a molekulákat.
06:51
The molecule passes through and gets excreted.
162
396000
3000
A molekulák átjutnak
a szervezeten, majd távoznak.
a szervezeten, majd távoznak.
06:54
However, in the presence of the tumor,
163
399000
2000
Ám daganat esetén működésbe lép
06:56
now there are molecular scissors
164
401000
2000
a molekuláris olló,
06:58
that can break this molecule apart
165
403000
2000
amely szétroncsolja a molekulát
07:00
right there at the cleavable site.
166
405000
2000
a hasadó helyen.
07:02
And now, boom,
167
407000
2000
És most, csiribí-csiribá,
07:04
the tumor labels itself
168
409000
2000
a daganat megjelöli magát,
07:06
and it gets fluorescent.
169
411000
2000
és fluoreszkálni kezd.
07:08
So here's an example of a nerve
170
413000
3000
E példában egy ideget
07:11
that has tumor surrounding it.
171
416000
2000
daganat vesz körül.
07:13
Can you tell where the tumor is?
172
418000
2000
Ki tudja megmondani, hol a daganat?
07:15
I couldn't when I was working on this.
173
420000
3000
Én nem tudtam, amikor ezzel volt dolgom.
07:18
But here it is. It's fluorescent.
174
423000
2000
De most fluoreszkál.
07:20
Now it's green.
175
425000
2000
Zölden.
07:22
See, so every single one in the audience
176
427000
3000
A teremben ülők közül bárki
07:25
now can tell where the cancer is.
177
430000
3000
meg tudja mondani, hol a daganat.
07:28
We can tell in the operating room, in the field,
178
433000
3000
Meg tudjuk mondani
a műtőben, éles helyzetben,
a műtőben, éles helyzetben,
07:31
at a molecular level,
179
436000
2000
molekuláris pontossággal,
07:33
where is the cancer and what the surgeon needs to do
180
438000
2000
hogy hol a rák, mi a sebész teendője,
07:35
and how much more work they need to do
181
440000
2000
és mennyi munka vár rá,
07:37
to cut that out.
182
442000
3000
hogy kimetssze a daganatot.
07:40
And the cool thing about fluorescence
183
445000
2000
A fluoreszkálásban az a klassz,
07:42
is that it's not only bright,
184
447000
3000
hogy nemcsak fénylik,
07:45
it actually can shine through tissue.
185
450000
3000
hanem a szöveten is átvilágít.
07:48
The light that the fluorescence emits
186
453000
3000
A fluoreszkálás által kibocsátott fény
07:51
can go through tissue.
187
456000
2000
képes áthatolni a szöveten.
07:53
So even if the tumor is not right on the surface,
188
458000
3000
Még akkor is láthatjuk a daganatot,
07:56
you'll still be able to see it.
189
461000
3000
ha nem közvetlenül a felszínen van.
07:59
In this movie, you can see
190
464000
2000
A filmen láthatják,
08:01
that the tumor is green.
191
466000
3000
hogy a daganat zöld.
08:04
There's actually normal muscle on top of it. See that?
192
469000
3000
Egészséges izom fedi.
08:07
And I'm peeling that muscle away.
193
472000
2000
Lefejtem ezt az izmot.
08:09
But even before I peel that muscle away,
194
474000
2000
De mielőtt lefejteném,
08:11
you saw that there was a tumor underneath.
195
476000
3000
már láttuk, hogy alatta daganat van.
08:14
So that's the beauty of having a tumor
196
479000
3000
Az benne a szépség, hogy a daganatot
08:17
that's labeled with fluorescent molecules.
197
482000
3000
fluoreszkáló molekulák jelzik.
08:20
That you can, not only see the margins
198
485000
2000
Nemcsak a szélét látjuk
08:22
right there on a molecular level,
199
487000
2000
molekulányi pontossággal,
08:24
but you can see it even if it's not right on the top --
200
489000
3000
hanem akkor is teljes egészében látjuk,
08:27
even if it's beyond your field of view.
201
492000
3000
ha alul, vagy akár a látómezőn kívül van.
08:30
And this works for metastatic lymph nodes also.
202
495000
3000
Ez áttétes nyirokcsomókra is vonatkozik.
08:33
Sentinel lymph node dissection
203
498000
2000
A nyirokcsomó betegségének jelzője
08:35
has really changed the way that we manage breast cancer, melanoma.
204
500000
4000
valóban megváltoztatta az emlőrák
és a melanoma kezelési módját.
és a melanoma kezelési módját.
08:39
Women used to get
205
504000
2000
A nőket eddig igencsak megviselte
08:41
really debilitating surgeries
206
506000
2000
08:43
to excise all of the axillary lymph nodes.
207
508000
3000
nyirokcsomóik
hónaljból történő kimetszése.
08:46
But when sentinel lymph node
208
511000
3000
Amikor a jelző nyirokcsomó
08:49
came into our treatment protocol,
209
514000
3000
bekerült a kezelési protokollba,
08:52
the surgeon basically looks for the single node
210
517000
3000
a sebész csupán egyetlen csomót keres,
08:55
that is the first draining lymph node of the cancer.
211
520000
3000
azaz az első nedvedző rákos nyirokcsomót.
08:58
And then if that node has cancer,
212
523000
3000
Ha a csomó rákos,
09:01
the woman would go on to get
213
526000
2000
a továbbiakban a nő hónaljából
09:03
the axillary lymph node dissection.
214
528000
2000
kimetszik a nyirokcsomót.
09:05
So what that means
215
530000
2000
Ez azt jelenti,
09:07
is if the lymph node did not have cancer,
216
532000
3000
hogy ha a nyirokcsomóban
nincsenek rákos sejtek,
nincsenek rákos sejtek,
09:10
the woman would be saved
217
535000
2000
a nő mentesül
09:12
from having unnecessary surgery.
218
537000
2000
egy szükségtelen műtéttől.
09:14
But sentinel lymph node, the way that we do it today,
219
539000
3000
De ma a jelző nyirokcsomó olyasmi,
09:17
is kind of like having a road map
220
542000
2000
mint egy térkép,
09:19
just to know where to go.
221
544000
2000
amelyből megtudjuk, merre menjünk.
09:21
So if you're driving on the freeway
222
546000
2000
Ha autópályán
09:23
and you want to know where's the next gas station,
223
548000
2000
meg szeretnénk tudni,
hol a következő benzinkút,
hol a következő benzinkút,
09:25
you have a map to tell you that that gas station is down the road.
224
550000
3000
a térkép megmondja, hol a kút,
09:28
It doesn't tell you whether or not
225
553000
2000
de azt nem,
09:30
the gas station has gas.
226
555000
2000
hogy van-e ott benzin.
09:32
You have to cut it out, bring it back home,
227
557000
3000
Mindent ki kell vágnunk, visszamennünk,
09:35
cut it up, look inside
228
560000
2000
szétszednünk, bele kell néznünk,
09:37
and say, "Oh yes, it does have gas."
229
562000
2000
és akkor állapíthatjuk meg: "Igen, van."
09:39
So that takes more time.
230
564000
2000
Ez több időt vesz igénybe.
09:41
Patients are still on the operating room table.
231
566000
2000
A páciens még a műtőasztalon fekszik.
09:43
Anesthesiologists, surgeons are waiting around.
232
568000
2000
Az aneszteziológus és az orvos várakozik.
09:45
That takes time.
233
570000
2000
Múlik az idő.
09:47
So with our technology, we can tell right away.
234
572000
3000
De a mi technológiánkkal
rögtön megmondhatjuk.
rögtön megmondhatjuk.
09:50
You see a lot of little, roundish bumps there.
235
575000
3000
Számos kis, kerekded dudor látható itt.
09:53
Some of these are swollen lymph nodes
236
578000
3000
Közülük egy pár duzzadt nyirokcsomó,
09:56
that look a little larger than others.
237
581000
2000
amelyek nagyobbak a többinél.
09:58
Who amongst us hasn't had swollen lymph nodes with a cold?
238
583000
3000
Kinek nem volt duzzadt
a nyirokcsomója, ha megfázott?
a nyirokcsomója, ha megfázott?
10:01
That doesn't mean that there's cancer inside.
239
586000
2000
Mert a duzzadtság még nem jelent rákot.
10:03
Well with our technology,
240
588000
2000
A mi technológiánkkal a sebész
10:05
the surgeon is able to tell immediately
241
590000
3000
rögtön meg tudja mondani,
10:08
which nodes have cancer.
242
593000
2000
melyik nyirokcsomó a rákos.
10:10
I won't go into this very much,
243
595000
2000
Nem merülök el a részletekben,
10:12
but our technology, besides being able
244
597000
2000
de a mi technológiánk amellett,
10:14
to tag tumor and metastatic lymph nodes with fluorescence,
245
599000
4000
hogy fluoreszkálással jelöli meg
a daganatot s az áttétes nyirokcsomókat,
a daganatot s az áttétes nyirokcsomókat,
10:18
we can also use the same smart three-part molecule
246
603000
4000
még az okos háromrészes
molekulát arra is használja,
molekulát arra is használja,
10:22
to tag gadolinium onto the system
247
607000
3000
hogy a gadolínium nevű elemet
kimutassa a rendszerben
kimutassa a rendszerben
10:25
so you can do this noninvasively.
248
610000
2000
nem invazív módon.
10:27
The patient has cancer,
249
612000
2000
A páciens rákos,
10:29
you want to know if the lymph nodes have cancer
250
614000
2000
s előzetesen tudni szeretnénk,
10:31
even before you go in.
251
616000
2000
hogy a nyirokcsomók rákosak-e.
10:33
Well you can see this on an MRI.
252
618000
3000
MRI-vel láthatóvá tehetők.
10:36
So in surgery,
253
621000
2000
A sebészetben fontos tudnunk,
10:38
it's important to know what to cut out.
254
623000
3000
hogy mit metsszünk ki.
10:41
But equally important
255
626000
2000
Ám ugyanilyen lényeges megtartani
10:43
is to preserve things
256
628000
3000
azokat a képleteket,
10:46
that are important for function.
257
631000
3000
amelyek jelentős rendeltetésűek.
10:49
So it's very important to avoid inadvertent injury.
258
634000
3000
Igen fontos elkerülnünk
a figyelmetlenségből eredő sérüléseket.
a figyelmetlenségből eredő sérüléseket.
10:52
And what I'm talking about
259
637000
2000
Ezzel az idegsérülésekre utalok.
10:54
are nerves.
260
639000
2000
10:56
Nerves, if they are injured,
261
641000
2000
Ha az idegek megsérülnek,
10:58
can cause paralysis,
262
643000
2000
az bénulást,
11:00
can cause pain.
263
645000
3000
fájdalmat okozhat.
11:03
In the setting of prostate cancer,
264
648000
2000
Prosztatarák miatt végzett
11:05
up to 60 percent of men
265
650000
2000
műtéti beavatkozást követően
11:07
after prostate cancer surgery
266
652000
2000
a férfiak akár 60%-ánál
11:09
may have urinary incontinence
267
654000
2000
vizelettartási gond, azaz inkontinencia
11:11
and erectile disfunction.
268
656000
2000
és merevedési zavar léphet föl.
11:13
That's a lot of people to have a lot of problems --
269
658000
3000
Rengeteg embernek számos problémája akad,
11:16
and this is even in
270
661000
2000
és ezek fellépnek még
11:18
so-called nerve-sparing surgery,
271
663000
2000
az ún. idegkímélő sebészetben is,
11:20
which means that the surgeon is aware of the problem,
272
665000
4000
ahol a sebész tudatában van a problémának,
11:24
and they are trying to avoid the nerves.
273
669000
2000
s igyekszik az idegeket kikerülni.
11:26
But you know what, these little nerves are so small,
274
671000
3000
De az a nehézség,
hogy az idegecskék oly aprók,
hogy az idegecskék oly aprók,
11:29
in the context of prostate cancer,
275
674000
3000
a prosztatarák környezetében,
11:32
that they are actually never seen.
276
677000
2000
hogy nem is láthatók.
11:34
They are traced
277
679000
2000
Csupán a véredények menti,
11:36
just by their known anatomical path
278
681000
2000
az anatómiából ismert útvonaluk alapján
11:38
along vasculature.
279
683000
2000
követhetők.
11:40
And they're known because somebody has decided to study them,
280
685000
4000
Azért ismertek, mert valaki
a tanulmányozásuk mellett döntött.
a tanulmányozásuk mellett döntött.
11:44
which means that we're still learning
281
689000
2000
Tehát még csak tanuljuk,
11:46
about where they are.
282
691000
2000
hol húzódnak az idegek.
11:48
Crazy to think that we're having surgery,
283
693000
3000
Észbontó arra gondolni, hogy műtünk,
11:51
we're trying to excise cancer, we don't know where the cancer is.
284
696000
3000
igyekszünk kimetszeni a rákot,
de azt sem tudjuk, hol található.
de azt sem tudjuk, hol található.
11:54
We're trying to preserve nerves; we can't see where they are.
285
699000
3000
Igyekszünk megóvni az ideget,
de nem látjuk, hol van.
de nem látjuk, hol van.
11:57
So I said, wouldn't it be great
286
702000
2000
Azt mondtam: milyen nagyszerű lenne,
11:59
if we could find a way
287
704000
2000
ha fluoreszcencia segítségével
12:01
to see nerves with fluorescence?
288
706000
3000
láthatnánk az idegeket.
12:04
And at first this didn't get a lot of support.
289
709000
4000
Kezdetben nem sok támogatást kaptam.
12:08
People said, "We've been doing it this way for all these years.
290
713000
2000
Azt mondták: "Évek óta így csináljuk,
12:10
What's the problem?
291
715000
2000
mi vele a probléma?
12:12
We haven't had that many complications."
292
717000
3000
Nem sok szövődményünk volt."
12:15
But I went ahead anyway.
293
720000
2000
De én azért folytattam,
12:17
And Roger helped me.
294
722000
2000
és Roger segített:
12:19
And he brought his whole team with him.
295
724000
3000
az egész csoportját magával hozta.
12:22
So there's that teamwork thing again.
296
727000
4000
Ez megint csapatmunka volt.
12:26
And we eventually discovered molecules
297
731000
3000
Végül fölfedeztük
az idegeket megjelölő molekulákat.
12:29
that were specifically labeling nerves.
298
734000
2000
12:31
And when we made a solution of this,
299
736000
2000
Amikor elkészítettük az oldatot,
12:33
tagged with the fluorescence
300
738000
2000
fluoreszcencia segítségével megjelöltük,
12:35
and injected in the body of a mouse,
301
740000
3000
és befecskendeztük egy egérbe,
12:38
their nerves literally glowed.
302
743000
2000
az idegeik úgyszólván fölizzottak.
12:40
You can see where they are.
303
745000
2000
Látható, hol vannak.
12:42
Here you're looking at a sciatic nerve of a mouse,
304
747000
4000
Itt látható az egér ülőidege,
12:46
and you can see that that big, fat portion you can see very easily.
305
751000
3000
s az a nagy, zsíros rész igen jól látható.
12:49
But in fact, at the tip of that where I'm dissecting now,
306
754000
3000
De annak a csúcsán, amit most kioperálok,
12:52
there's actually very fine arborizations
307
757000
3000
nagyon apró, elágazó idegrostok vannak,
12:55
that can't really be seen.
308
760000
2000
amelyek nem nagyon látszanak.
12:57
You see what looks like little Medusa heads coming out.
309
762000
4000
Olyanok, mint kis Medúzák
kitüremkedő fejei.
kitüremkedő fejei.
13:01
We have been able to see nerves
310
766000
2000
Láthatjuk az idegeket:
13:03
for facial expression, for facial movement, for breathing --
311
768000
3000
arcidegeket, az arcmozgás idegeit,
a légzés mozgatóidegeit;
a légzés mozgatóidegeit;
13:06
every single nerve --
312
771000
2000
minden egyes ideget,
13:08
nerves for urinary function around the prostate.
313
773000
3000
a prosztatát körülvevő vizelési idegeket.
13:11
We've been able to see every single nerve.
314
776000
3000
Minden egyes ideget láthatunk.
13:14
When we put these two probes together ...
315
779000
4000
Mikor összerakjuk a két szondát...
13:18
So here's a tumor.
316
783000
2000
Itt a daganat.
13:20
Do you guys know where the margins of this tumor is?
317
785000
3000
Tudják, hol a daganat határa?
13:23
Now you do.
318
788000
3000
Most már igen.
13:26
What about the nerve that's going into this tumor?
319
791000
3000
De mi van a daganatban lévő ideggel?
13:29
That white portion there is easy to see.
320
794000
2000
Az a fehér rész jól látható.
13:31
But what about the part that goes into the tumor?
321
796000
2000
De mi van a daganatban lévő ideggel?
13:33
Do you know where it's going?
322
798000
2000
Tudjuk, merre tart?
13:35
Now you do.
323
800000
2000
Most már igen.
13:37
Basically, we've come up with a way
324
802000
2000
Lényegében módot találtunk rá,
13:39
to stain tissue
325
804000
2000
hogy megfessük a szöveteket,
13:41
and color-code the surgical field.
326
806000
2000
és megjelöljük a sebészeti területet.
13:43
This was a bit of a breakthrough.
327
808000
3000
Ez már áttörésnek mondható.
13:46
I think that it'll change the way that we do surgery.
328
811000
4000
Meg fogja változtatni
a sebészeti eljárást.
a sebészeti eljárást.
13:50
We published our results
329
815000
2000
Eredményeinket közzétettük
13:52
in the proceedings of the National Academy of Sciences
330
817000
2000
a Nemzeti Tudományos Akadémia kiadványában
13:54
and in Nature Biotechnology.
331
819000
2000
és a Nature Biotechnology-ban.
13:56
We received commentary in Discover magazine,
332
821000
3000
Hozzászólásokat kaptunk
róla a Discover folyóiratban
róla a Discover folyóiratban
13:59
in The Economist.
333
824000
2000
és a The Economistban.
14:01
And we showed it to a lot of my surgical colleagues.
334
826000
3000
Számos sebészkollégámnak is bemutattuk.
14:04
They said, "Wow!
335
829000
2000
Azt mondták: "Hűha!
14:06
I have patients
336
831000
2000
Van olyan betegem,
14:08
who would benefit from this.
337
833000
2000
akinek ez a javára válna.
14:10
I think that this will result in my surgeries
338
835000
2000
Úgy gondolom,
hogy ez jótékony hatású
lesz a műtéti eredményekre,
lesz a műtéti eredményekre,
14:12
with a better outcome
339
837000
2000
14:14
and fewer complications."
340
839000
3000
és kevesebb lesz a szövődmény."
14:17
What needs to happen now
341
842000
2000
Most arra van szükség,
14:19
is further development of our technology
342
844000
3000
hogy továbbfejlesszük a technológiát
14:22
along with development
343
847000
2000
a műszerekkel való
14:24
of the instrumentation
344
849000
2000
ellátottsággal együtt,
14:26
that allows us to see
345
851000
2000
hogy lehetővé váljon a műtőben
14:28
this sort of fluorescence in the operating room.
346
853000
3000
a fluoreszcencia láthatóvá tétele.
14:31
The eventual goal
347
856000
2000
A végcél, hogy a betegeken
14:33
is that we'll get this into patients.
348
858000
3000
alkalmazható legyen.
14:36
However, we've discovered
349
861000
3000
De rájöttünk,
hogy nincs egyszerű mechanizmus
14:39
that there's actually no straightforward mechanism
350
864000
2000
14:41
to develop a molecule
351
866000
2000
egyszer használatos molekula
14:43
for one-time use.
352
868000
2000
kifejlesztésére.
14:45
Understandably, the majority of the medical industry
353
870000
3000
Az egészségügyi ipar érthetően
14:48
is focused on multiple-use drugs,
354
873000
4000
a gyakorta használatos gyógyszerekre,
14:52
such as long-term daily medications.
355
877000
3000
pl. a tartósan, naponta szedett
gyógyszerekre koncentrál.
gyógyszerekre koncentrál.
14:55
We are focused on making this technology better.
356
880000
3000
Mi a technológia javítására koncentrálunk.
14:58
We're focused on adding drugs,
357
883000
3000
Mi új gyógyszerekre,
15:01
adding growth factors,
358
886000
2000
új növekedési tényezőkre,
gondot okozó idegek
elölésére koncentrálunk,
elölésére koncentrálunk,
15:03
killing nerves that are causing problems
359
888000
2000
15:05
and not the surrounding tissue.
360
890000
3000
nem pedig a környező szövetekre.
15:08
We know that this can be done and we're committed to doing it.
361
893000
4000
Tudjuk, hogy ez megvalósítható,
és szándékunkban áll megvalósítani.
és szándékunkban áll megvalósítani.
15:12
I'd like to leave you with this final thought.
362
897000
4000
Egy gondolattal búcsúzom önöktől.
15:16
Successful innovation
363
901000
2000
A sikeres innováció
15:18
is not a single breakthrough.
364
903000
3000
nem egyenlő a szimpla áttöréssel.
15:21
It is not a sprint.
365
906000
3000
Nem rövidtávfutás.
15:24
It is not an event for the solo runner.
366
909000
4000
Nem magányos futónak való.
15:28
Successful innovation
367
913000
2000
A sikeres innováció
15:30
is a team sport, it's a relay race.
368
915000
3000
csapatsport, váltófutás;
15:33
It requires one team for the breakthrough
369
918000
4000
egy csapatot igényel az áttörés,
15:37
and another team
370
922000
2000
és egy másikat azért,
15:39
to get the breakthrough accepted and adopted.
371
924000
2000
hogy az áttörést elfogadják s alkalmazzák.
15:41
And this takes the long-term steady courage
372
926000
3000
Ehhez pedig hosszú távú,
állandó erőfeszítés,
állandó erőfeszítés,
15:44
of the day-in day-out struggle
373
929000
2000
bátorság kell a mindennapi harcokhoz,
15:46
to educate, to persuade
374
931000
3000
a képzéshez, a meggyőzéshez,
15:49
and to win acceptance.
375
934000
3000
és az elfogadás győzelméhez.
15:52
And that is the light that I want to shine
376
937000
2000
Azt szeretném, hogy ma ennek fénye
15:54
on health and medicine today.
377
939000
2000
ragyogja be az egészségügyet.
15:56
Thank you very much.
378
941000
2000
Köszönöm szépen.
15:58
(Applause)
379
943000
4000
(Taps)
ABOUT THE SPEAKER
Quyen Nguyen - SurgeonQuyen Nguyen uses molecular probes that make tumors -- and just the tumors -- glow, as an extraordinary aid to surgeons.
Why you should listen
Dr. Quyen Nguyen’s research (working with Roger Tsien, Nobel Laureate in Chemistry) is focused on the development of fluorescently labeled probes for molecular navigation during surgery. Their first collaborative effort yielded a “smart” probe that makes tumors margins fluoresce, or “glow” and thus easier for surgeons to see and remove accurately during surgery. Their most recent joint effort resulted in another type of probe that can make nerves “glow” during surgery, thus helping surgeons repair injured nerves and avoid inadvertent injury.
She is a professor of surgery and director of the Facial Nerve Clinic at the University of California, San Diego.
Quyen Nguyen | Speaker | TED.com