TEDxBeaconStreet
Rosalind Picard: An AI smartwatch that detects seizures
Rosalind Picard: Egy rohamot érzékelő, mesterséges intelligenciájú okosóra
Filmed:
Readability: 4.2
1,872,363 views
Világszerte évente több mint 50.000, máskülönben egészséges személy hal meg hirtelen epilepsziában – egy SUDEP-ként ismert állapotban. Rosalind Picard mesterséges intelligencia kutató szerint ezek az elhalálozások nagyban megelőzhetők. Tudjuk meg, Picard miként segített kidolgozni egy korszerű okosórát, amely bekövetkezésük előtt érzékeli az epilepsziás rohamokat, és időben riasztja a közelben lévő szeretteinket, hogy segíthessenek.
Rosalind Picard - Scientist, inventor, entrepreneur
MIT Professor Rosalind Picard invents technologies that help people better understand emotion and behaviors that impact human health. Full bio
MIT Professor Rosalind Picard invents technologies that help people better understand emotion and behaviors that impact human health. Full bio
Double-click the English transcript below to play the video.
00:13
This is Henry,
0
1747
1487
Ő itt Henry,
00:15
a cute boy,
1
3258
1806
egy édes kisfiú.
00:17
and when Henry was three,
2
5088
2138
Mikor három éves volt,
00:19
his mom found him having
some febrile seizures.
some febrile seizures.
3
7250
4935
anyja lázgörcsök közepette találta.
00:25
Febrile seizures are seizures that occur
when you also have a fever,
when you also have a fever,
4
13080
4960
A lázgörcsök láz során
előforduló görcsök.
előforduló görcsök.
00:30
and the doctor said,
5
18064
1898
Az orvos azt mondta:
00:31
"Don't worry too much.
Kids usually outgrow these."
Kids usually outgrow these."
6
19986
2742
"Ne aggódjon, majd kinövi."
00:35
When he was four,
he had a convulsive seizure,
he had a convulsive seizure,
7
23506
3981
Négy évesen görcsrohama volt,
00:39
the kind that you lose
consciousness and shake --
consciousness and shake --
8
27511
3262
amely eszméletvesztéssel
és rángatózással járt,
és rángatózással járt,
00:42
a generalized tonic-clonic seizure --
9
30797
2896
egy generalizált tónusos - klónusos
típusú görcsrohama,
típusú görcsrohama,
00:45
and while the diagnosis of epilepsy
was in the mail,
was in the mail,
10
33717
6984
és míg az epilepszia diagnózisának
levele a postán csücsült,
levele a postán csücsült,
00:53
Henry's mom went to get him
out of bed one morning,
out of bed one morning,
11
41763
2676
egy reggel az anyja
fel akarta kelteni Henryt,
fel akarta kelteni Henryt,
00:57
and as she went in his room,
12
45324
1904
de a szobájába érve
01:00
she found his cold, lifeless body.
13
48753
4690
csak hideg, élettelen testét találta.
01:07
Henry died of SUDEP,
14
55904
2056
Henry a SUDEP áldozata lett,
vagyis hirtelen fellépő,
vagyis hirtelen fellépő,
01:09
sudden unexpected death in epilepsy.
15
57984
2405
megmagyarázhatatlan
halál érte epilepsziában.
halál érte epilepsziában.
01:13
I'm curious how many of you
have heard of SUDEP.
have heard of SUDEP.
16
61714
3245
Kíváncsi vagyok, vajon hányan
hallottak már a SUDEP-ről?
hallottak már a SUDEP-ről?
01:17
This is a very well-educated audience,
and I see only a few hands.
and I see only a few hands.
17
65603
4366
Ez egy tanult közönség,
mégis kevés kezet látok.
mégis kevés kezet látok.
01:21
SUDEP is when an otherwise
healthy person with epilepsy
healthy person with epilepsy
18
69993
3966
Azt jelenti, amikor egy epilepsziás,
amúgy egészséges személy meghal,
amúgy egészséges személy meghal,
01:25
dies and they can't attribute it
to anything they can find in an autopsy.
to anything they can find in an autopsy.
19
73983
3890
és ennek okát a boncolás során
sem találják meg.
sem találják meg.
01:32
There is a SUDEP
every seven to nine minutes.
every seven to nine minutes.
20
80082
3603
Minden 7-9 percben van egy SUDEP-eset.
01:36
That's on average two per TED Talk.
21
84217
2879
Ez TED-előadásonként
átlagosan két embert jelent.
átlagosan két embert jelent.
01:43
Now, a normal brain
has electrical activity.
has electrical activity.
22
91411
3659
Na mármost, egy egészséges agyban
elektromos aktivitás van.
elektromos aktivitás van.
01:47
You can see some of the electrical waves
23
95094
2135
Ezen a képen néhány,
01:49
coming out of this picture
of a brain here.
of a brain here.
24
97253
3064
az agyból kilépő elektromos
hullámot láthatunk.
hullámot láthatunk.
01:52
And these should look
like typical electrical activity
like typical electrical activity
25
100341
3746
Ezeknek normál elektromos
aktivitásoknak kellene lenniük,
aktivitásoknak kellene lenniük,
01:56
that an EEG could read on the surface.
26
104111
2135
melyeket az EEG is képes észlelni.
01:58
When you have a seizure,
it's a bit of unusual electrical activity,
it's a bit of unusual electrical activity,
27
106270
4417
Ám, ha rohamunk van,
szokatlan az elektromos aktivitásunk,
szokatlan az elektromos aktivitásunk,
02:02
and it can be focal.
28
110711
1385
mely gócos is lehet.
02:04
It can take place
in just a small part of your brain.
in just a small part of your brain.
29
112120
2500
Ez az agy kis részében fordulhat elő.
02:06
When that happens,
you might have a strange sensation.
you might have a strange sensation.
30
114644
3808
Mikor ez történik, furcsa érzésünk lehet.
02:10
Several could be happening
here in the audience right now,
here in the audience right now,
31
118476
3033
Akár most, a közönség köreiben,
sokunknak lehetne rohama,
sokunknak lehetne rohama,
02:13
and the person next to you
might not even know.
might not even know.
32
121533
2602
és a mellettünk ülő személy
észre sem venné.
észre sem venné.
02:16
However, if you have a seizure
where that little brush fire spreads
where that little brush fire spreads
33
124159
3920
Viszont, ha a roham során
ez a kis bozóttűz
ez a kis bozóttűz
02:20
like a forest fire over the brain,
34
128103
1992
futótűzként szétterjed az agyban,
02:22
then it generalizes,
35
130119
1674
általánossá válik,
02:23
and that generalized seizure
takes your consciousness away
takes your consciousness away
36
131817
4571
és ez a kiterjedt roham
öntudatvesztést és rángatózást okoz.
02:28
and causes you to convulse.
37
136412
1576
02:30
There are more SUDEPs
in the United States every year
in the United States every year
38
138680
4142
Az Egyesült Államokban minden évben
több SUDEP esetet dokumentálnak,
több SUDEP esetet dokumentálnak,
02:34
than sudden infant death syndrome.
39
142846
2659
mint hirtelen csecsemőhalál szindrómát.
02:38
Now, how many of you have heard
of sudden infant death syndrome?
of sudden infant death syndrome?
40
146298
3002
Hányan hallottunk már
a hirtelen csecsemőhalál szindrómáról?
a hirtelen csecsemőhalál szindrómáról?
02:41
Right? Pretty much every hand goes up.
41
149324
1956
Úgy látom, szinte mindnyájan.
02:43
So what's going on here?
42
151304
1723
De vajon miért van ez?
02:45
Why is this so much more common
and yet people haven't heard of it?
and yet people haven't heard of it?
43
153051
5143
Miért hallottunk erről olyan kevesen,
ha annyival gyakoribb?
ha annyival gyakoribb?
02:50
And what can you do to prevent it?
44
158218
2436
És vajon mit lehet tenni a megelőzéséért?
02:52
Well, there are two things,
scientifically shown,
scientifically shown,
45
160678
2302
Nos, két dolog tudományosan bizonyítottan
02:55
that prevent or reduce the risk of SUDEP.
46
163004
3373
megelőzi vagy csökkenti
a SUDEP kockázatát:
a SUDEP kockázatát:
02:59
The first is: "Follow
your doctor's instructions,
your doctor's instructions,
47
167115
2555
Az első: "Kövessük az orvos utasításait,
03:01
take your medications."
48
169694
1436
vegyük be a gyógyszert."
03:03
Two-thirds of people who have epilepsy
49
171154
2201
Az epilepsziás betegek kétharmada
03:05
get it under control
with their medications.
with their medications.
50
173379
2119
képes gyógyszerrel
kézben tartani a betegségét.
kézben tartani a betegségét.
03:07
The second thing that reduces
the risk of SUDEP is companionship.
the risk of SUDEP is companionship.
51
175848
4171
A második dolog a társaság,
mely csökkenti a SUDEP kockázatát.
mely csökkenti a SUDEP kockázatát.
03:12
It's having somebody there
at the time that you have a seizure.
at the time that you have a seizure.
52
180043
4694
Azaz roham közben
mindig legyen mellettünk valaki.
mindig legyen mellettünk valaki.
03:16
Now, SUDEP, even though
most of you have never heard of it,
most of you have never heard of it,
53
184761
3921
Bár a legtöbben nem tudják, de a SUDEP
03:20
is actually the number two cause
of years of potential life lost
of years of potential life lost
54
188706
5189
a második, lehetséges életévek
elvesztését okozó
elvesztését okozó
03:25
of all neurological disorders.
55
193919
2976
neurológiai rendellenesség.
03:29
The vertical axis is the number of deaths
56
197197
4286
A függőleges tengely a halálozások száma
03:33
times the remaining life span,
57
201507
3166
a megmaradt élettartamra nézve.
03:36
so higher is much worse impact.
58
204697
3439
Tehát, minél magasabb az érték,
annál rosszabb a hatás.
annál rosszabb a hatás.
03:40
SUDEP, however, unlike these others,
59
208522
2974
Ugyanakkor a többi betegségtől
eltérően a SUDEP ellen
eltérően a SUDEP ellen
03:43
is something that people right here
could do something to push that down.
could do something to push that down.
60
211520
5716
itt és most tehetünk valamit.
03:49
Now, what is Roz Picard, an AI researcher,
doing here telling you about SUDEP, right?
doing here telling you about SUDEP, right?
61
217778
7000
De miért beszélek én a SUDEP-ről, Roz
Picard mesterségesintelligencia-kutató?
Picard mesterségesintelligencia-kutató?
03:56
I'm not a neurologist.
62
224802
2521
Nem vagyok neurológus.
03:59
When I was working at the Media Lab
on measurement of emotion,
on measurement of emotion,
63
227347
4215
Mikor az érzelmek mérésén
dolgoztam a Media Lab-nél,
dolgoztam a Media Lab-nél,
04:03
trying to make our machines
more intelligent about our emotions,
more intelligent about our emotions,
64
231586
3222
hogy a gépeink intelligensebben
érzékeljék azokat,
érzékeljék azokat,
04:06
we started doing a lot of work
measuring stress.
measuring stress.
65
234832
2531
számos stresszmérő munkába kezdtünk.
04:11
We built lots of sensors
66
239212
1936
Sok szenzort fejlesztettünk ki,
04:13
that measured it
in lots of different ways.
in lots of different ways.
67
241172
2381
melyek különböző módon mérték a stresszt.
04:15
But one of them in particular
68
243577
2320
De volt egy különleges,
04:17
grew out of some of this very old work
with measuring sweaty palms
with measuring sweaty palms
69
245921
4112
amely az izzadt tenyér
elektromos jelekkel való méréséből,
elektromos jelekkel való méréséből,
egy régi munkából nőtte ki magát.
04:22
with an electrical signal.
70
250057
1744
Ez a bőr vezetőképességét jelzi,
04:23
This is a signal of skin conductance
71
251825
1749
04:25
that's known to go up
when you get nervous,
when you get nervous,
72
253598
2118
mely idegesség esetén, és mint kiderült,
04:27
but it turns out it also goes up with
a lot of other interesting conditions.
a lot of other interesting conditions.
73
255740
3572
számos egyéb érdekes
állapotban is megemelkedik.
állapotban is megemelkedik.
04:31
But measuring it with wires on your hand
is really inconvenient.
is really inconvenient.
74
259336
3022
De a karra erősített vezetékkel
való mérés elég kellemetlen,
való mérés elég kellemetlen,
04:34
So we invented a bunch of other ways
of doing this at the MIT Media Lab.
of doing this at the MIT Media Lab.
75
262382
3745
ezért rengeteg egyéb módot
találtunk ki az MIT Media Laborjában.
találtunk ki az MIT Media Laborjában.
04:38
And with these wearables,
76
266151
2173
Ezekkel a hordható eszközökkel
04:40
we started to collect the first-ever
clinical quality data 24-7.
clinical quality data 24-7.
77
268348
4805
elkezdődött a valaha volt legelső,
napi 24 órás klinikai adatgyűjtés.
napi 24 órás klinikai adatgyűjtés.
Itt egy kép arról, milyen volt először,
mikor egy MIT-diák
mikor egy MIT-diák
04:45
Here's a picture of what that looked like
78
273609
2533
04:48
the first time an MIT student collected
skin conductance on the wrist 24-7.
skin conductance on the wrist 24-7.
79
276166
6595
napi 24 órában vizsgálta a csuklón
a bőr vezetőképességét.
a bőr vezetőképességét.
04:55
Let's zoom in a little bit here.
80
283187
2358
Nézzük meg ezt egy kicsit közelebbről.
04:57
What you see is 24 hours
from left to right,
from left to right,
81
285569
3025
Balról-jobbra láthatjuk
24 órás elosztásban
24 órás elosztásban
05:00
and here is two days of data.
82
288618
1927
a két napos adatot.
05:02
And first, what surprised us
83
290569
2682
Először az lepett meg bennünket,
05:05
was sleep was the biggest
peak of the day.
peak of the day.
84
293275
3346
hogy alvási állapotban
volt a legnagyobb az érték.
volt a legnagyobb az érték.
05:08
Now, that sounds broken, right?
85
296645
1750
Ennek értelmetlenek tűnik, nem igaz?
05:10
You're calm when you're asleep,
so what's going on here?
so what's going on here?
86
298419
4178
Alvás közben nyugodtak vagyunk,
szóval hogy lehet ez?
szóval hogy lehet ez?
05:14
Well, it turns out
that our physiology during sleep
that our physiology during sleep
87
302621
2453
Nos, kiderült,
hogy alvás közben a fiziológiánk
hogy alvás közben a fiziológiánk
05:17
is very different
than our physiology during wake,
than our physiology during wake,
88
305098
2643
teljesen más, mint ébrenlétkor,
05:19
and while there's still a bit of a mystery
89
307765
2184
és bár még mindig rejtély,
05:21
why these peaks are usually
the biggest of the day during sleep,
the biggest of the day during sleep,
90
309973
3744
miért alvás közben
a legmagasabbak ezek az értékek,
a legmagasabbak ezek az értékek,
05:25
we now believe they're related
to memory consolidation
to memory consolidation
91
313741
3170
úgy véljük, hogy a memóriamegerősítéshez
05:28
and memory formation during sleep.
92
316935
2055
és a memóriakialakuláshoz van közük.
05:31
We also saw things
that were exactly what we expected.
that were exactly what we expected.
93
319895
3571
Olyan dolgokat is láttunk,
melyekre számítottunk.
melyekre számítottunk.
05:35
When an MIT student
is working hard in the lab
is working hard in the lab
94
323490
2350
Ha egy MIT-diák
keményen dolgozik a laborban,
keményen dolgozik a laborban,
vagy a házi feladatát csinálja,
05:37
or on homeworks,
95
325864
1389
05:39
there is not only emotional stress,
but there's cognitive load,
but there's cognitive load,
96
327277
4547
nem csak érzelmi stressz,
de kognitív terhelés is éri őt.
de kognitív terhelés is éri őt.
05:43
and it turns out that cognitive load,
cognitive effort, mental engagement,
cognitive effort, mental engagement,
97
331848
4861
Kiderült, hogy a kognitív terhelés,
a kognitív erőfeszítés,
a kognitív erőfeszítés,
a szellemi tevékenység,
illetve a tanulás által keltett izgalom
illetve a tanulás által keltett izgalom
05:48
excitement about learning something --
98
336733
2194
05:50
those things also make the signal go up.
99
338951
2337
mind hozzájárul a jel megemelkedéséhez.
05:55
Unfortunately, to the embarrassment
of we MIT professors,
of we MIT professors,
100
343014
3738
Sajnos, az MIT-oktatók szégyenére,
05:58
(Laughter)
101
346776
1079
(Nevetés)
05:59
the low point every day
is classroom activity.
is classroom activity.
102
347879
4468
a legalacsonyabb érték
minden nap az órai tevékenység volt.
minden nap az órai tevékenység volt.
06:04
Now, I am just showing you
one person's data here,
one person's data here,
103
352810
2516
Bár most csak egy ember értékét mutatom,
06:07
but this, unfortunately,
is true in general.
is true in general.
104
355350
2610
sajnos, ez a többieknél is így van.
06:12
This sweatband has inside it
a homebuilt skin-conductance sensor,
a homebuilt skin-conductance sensor,
105
360400
4389
Ebben a csuklópántban egy házi gyártmányú,
a bőr vezetőképességét jelző szenzor van.
a bőr vezetőképességét jelző szenzor van.
06:16
and one day, one of our undergrads
knocked on my door
knocked on my door
106
364813
5086
Egy nap egyik hallgatóm
bekopogott hozzám,
bekopogott hozzám,
06:21
right at the end of the December semester,
107
369923
2675
éppen a decemberi félév végén,
06:24
and he said, "Professor Picard,
108
372622
2190
és azt mondta: Picard Tanárnő!
06:26
can I please borrow
one of your wristband sensors?
one of your wristband sensors?
109
374836
2714
Kölcsönvehetném az egyik
csuklópántos szenzorát?
csuklópántos szenzorát?
06:29
My little brother has autism,
he can't talk,
he can't talk,
110
377574
3729
A kisöcsém autista, nem tud beszélni,
06:33
and I want to see
what's stressing him out."
what's stressing him out."
111
381327
2167
és szeretném tudni, mi izgatja fel."
06:36
And I said, "Sure, in fact,
don't just take one, take two,"
don't just take one, take two,"
112
384434
2858
Erre azt válaszoltam:
"Persze, vigyél kettőt!"
"Persze, vigyél kettőt!"
06:39
because they broke easily back then.
113
387316
2792
Akkoriban könnyen tönkre mentek.
06:42
So he took them home,
he put them on his little brother.
he put them on his little brother.
114
390132
2620
Így hazavitte őket a kisöccsének,
én pedig visszamentem az MIT-re,
hogy megnézzem az adatot a gépemen,
hogy megnézzem az adatot a gépemen,
06:44
Now, I was back in MIT,
looking at the data on my laptop,
looking at the data on my laptop,
115
392776
3169
06:47
and the first day, I thought,
"Hmm, that's odd,
"Hmm, that's odd,
116
395969
2861
és az első nap arra gondoltam:
"Hmm, furcsa,
"Hmm, furcsa,
06:50
he put them on both wrists
instead of waiting for one to break.
instead of waiting for one to break.
117
398854
2991
rátette a kisöccse mindkét csuklójára?
06:53
OK, fine, don't follow my instructions."
118
401869
2320
Rendben, akkor ne kövesd
az utasításaimat."
az utasításaimat."
06:56
I'm glad he didn't.
119
404213
1718
Örülök, hogy nem tette.
06:58
Second day -- chill.
Looked like classroom activity.
Looked like classroom activity.
120
406377
3206
A második nap olyan volt,
mint az MTI-s órák.
mint az MTI-s órák.
07:01
(Laughter)
121
409607
1262
(Nevetés)
07:03
A few more days ahead.
122
411389
1329
Aztán néhány nappal később
07:05
The next day, one wrist signal was flat
123
413404
4514
az egyik pánt értéke alacsonyan állt,
07:09
and the other had
the biggest peak I've ever seen,
the biggest peak I've ever seen,
124
417942
3958
míg másik a legmagasabb
értéket mutatta, amelyet valaha láttam.
értéket mutatta, amelyet valaha láttam.
07:14
and I thought, "What's going on?
125
422496
2318
Azt gondoltam: "Mi folyik itt?
07:16
We've stressed people out at MIT
every way imaginable.
every way imaginable.
126
424838
3460
Mi aztán minden elképzelhető módon
stresszeljük a hallgatóinkat,
stresszeljük a hallgatóinkat,
de még sosem láttam ilyen magas értéket."
07:20
I've never seen a peak this big."
127
428933
1738
07:24
And it was only on one side.
128
432409
1969
És ez csak a teste egyik oldalán volt.
07:26
How can you be stressed on one side
of your body and not the other?
of your body and not the other?
129
434402
3144
Hogyan válhatsz stresszessé
csak a tested egyik oldalán?
csak a tested egyik oldalán?
Arra gondoltam, vagy az egyik,
vagy mindkét szenzor tönkrement.
vagy mindkét szenzor tönkrement.
07:29
So I thought one or both sensors
must be broken.
must be broken.
130
437570
2870
07:33
Now, I'm an electroengineer by training,
131
441185
1917
Képzett elektromérnök vagyok,
07:35
so I started a whole bunch of stuff
to try to debug this,
to try to debug this,
132
443126
2669
így sok mindent kipróbáltam,
hogy megkeressem a hibát,
hogy megkeressem a hibát,
07:37
and long story short,
I could not reproduce this.
I could not reproduce this.
133
445819
2499
de sehogy sem tudtam rájönni,
mi történhetett.
mi történhetett.
07:40
So I resorted to old-fashioned debugging.
134
448962
3033
Úgyhogy a régi módszerhez folyamodtam.
07:44
I called the student at home on vacation.
135
452019
3282
Felhívtam a nyaraló diákomat.
07:47
"Hi, how's your little brother?
How's your Christmas?
How's your Christmas?
136
455325
4343
"Szia! Hogy van a kisöcséd?
Hogy telt a Karácsony?
Hogy telt a Karácsony?
07:51
Hey, do you have any idea
what happened to him?"
what happened to him?"
137
459692
3281
Amúgy, van valami ötleted,
mi történhetett vele?"
mi történhetett vele?"
07:54
And I gave this particular date and time,
138
462997
1956
Megadtam a dátumot, az időt,
07:56
and the data.
139
464977
1301
meg az adatot.
07:58
And he said, "I don't know,
I'll check the diary."
I'll check the diary."
140
466302
3415
Azt mondta:
"Nem tudom, megnézem a naplót."
"Nem tudom, megnézem a naplót."
08:02
Diary? An MIT student keeps a diary?
141
470850
2908
Napló? Egy MIT-diák naplót vezet?
08:05
So I waited and he came back.
142
473782
1819
Megvártam, míg visszaszólt.
08:07
He had the exact date and time,
143
475625
1539
Megadta a pontos dátumot és időt,
08:09
and he says, "That was right before
he had a grand mal seizure."
he had a grand mal seizure."
144
477188
3853
és azt mondta:
"Ez pont a rángógörcse előtt volt."
"Ez pont a rángógörcse előtt volt."
08:14
Now, at the time, I didn't know
anything about epilepsy,
anything about epilepsy,
145
482942
3349
Akkoriban még semmit sem tudtam
az epilepsziáról,
az epilepsziáról,
08:18
and did a bunch of research,
146
486315
2159
szóval elvégeztem egy csomó kutatást.
08:20
realized that another student's dad
is chief of neurosurgery
is chief of neurosurgery
147
488498
3126
Rájöttem, hogy egy másik diákom
apja a Bostoni Gyermekkórház
apja a Bostoni Gyermekkórház
08:23
at Children's Hospital Boston,
148
491648
2000
neurológiai osztályának vezetője,
08:25
screwed up my courage
and called Dr. Joe Madsen.
and called Dr. Joe Madsen.
149
493672
2289
így felhívtam Dr. Joe Madsent.
08:27
"Hi, Dr. Madsen,
my name's Rosalind Picard.
my name's Rosalind Picard.
150
495985
2469
"Üdv, Dr. Madsen!
Az én nevem Rosalind Picard.
Az én nevem Rosalind Picard.
08:30
Is it possible somebody could have
151
498478
3896
Lehetséges,
08:34
a huge sympathetic
nervous system surge" --
nervous system surge" --
152
502398
4403
hogy valakinek túlfeszüljön
a szimpatikus rendszere" –
a szimpatikus rendszere" –
08:38
that's what drives the skin conductance --
153
506825
2578
ez irányítja a bőr vezetőképességét –
08:41
"20 minutes before a seizure?"
154
509427
1672
20 perccel egy roham előtt?"
08:44
And he says, "Probably not."
155
512172
2119
Erre azt válaszolta: "Nem valószínű."
08:47
He says, "It's interesting.
156
515997
1334
Hozzátette: "Érdekes.
08:49
We've had people whose hair
stands on end on one arm
stands on end on one arm
157
517355
2768
Vannak, akiknek feláll
a szőr az egyik karjukon
a szőr az egyik karjukon
08:52
20 minutes before a seizure."
158
520147
2080
20 perccel egy roham előtt."
08:55
And I'm like, "On one arm?"
159
523060
1315
Erre én: "Az egyik karon?"
08:56
I didn't want to tell him that, initially,
160
524399
2130
Eredetileg ezt nem akartam elmondani,
08:58
because I thought this was too ridiculous.
161
526553
2389
mert azt hittem, túl hihetetlen.
09:00
He explained how this could
happen in the brain,
happen in the brain,
162
528966
2293
Elmagyarázta,
ez miként mehet végbe az agyban,
ez miként mehet végbe az agyban,
és érdekelni kezdte az eset,
így beavattam.
így beavattam.
09:03
and he got interested.
I showed him the data.
I showed him the data.
163
531283
2173
Új eszközöket készítettünk és biztonsági
tanúsítvánnyal láttuk el őket.
tanúsítvánnyal láttuk el őket.
09:05
We made a whole bunch more devices,
got them safety certified.
got them safety certified.
164
533480
2948
09:08
90 families were being
enrolled in a study,
enrolled in a study,
165
536452
2074
90 család vett részt a tanulmányban,
09:10
all with children who were going
to be monitored 24-7
to be monitored 24-7
166
538550
3229
ahol a gyerekeket
napi 24 órában figyeltük meg.
napi 24 órában figyeltük meg.
09:13
with gold-standard EEG on their scalp
167
541803
3371
Ehhez a fejbőrükön lévő
remek minőségű EEG-vel
remek minőségű EEG-vel
09:17
for reading the brain activity,
168
545198
1543
vizsgáltuk az agyi aktivitást,
09:18
video to watch the behavior,
169
546765
1943
videóval figyeltük a viselkedést,
09:20
electrocardiogram -- ECG --
and now EDA, electrodermal activity,
and now EDA, electrodermal activity,
170
548732
3660
elektrokardiogrammal – ECG-vel –
és EDA-val, elektrodermális aktivitással
néztük, van-e valami a periférián,
néztük, van-e valami a periférián,
09:24
to see if there was
something in this periphery
something in this periphery
171
552416
2585
09:27
that we could easily pick up,
related to a seizure.
related to a seizure.
172
555025
2446
amit könnyen összeköthetünk a rohamokkal.
09:30
We found, in 100 percent
of the first batch of grand mal seizures,
of the first batch of grand mal seizures,
173
558263
6441
Rájöttünk, hogy az első kör
minden rángógörcsös egyénének
minden rángógörcsös egyénének
09:36
this whopper of responses
in the skin conductance.
in the skin conductance.
174
564728
3633
nagy reakciója volt
a bőr vezetőképességét tekintve.
a bőr vezetőképességét tekintve.
09:40
The blue in the middle, the boy's sleep,
175
568385
2003
A középen lévő kék jelzi a fiú alvását,
09:42
is usually the biggest peak of the day.
176
570412
1972
mely általában a nap legmagasabb értéke.
09:44
These three seizures you see here
are popping out of the forest
are popping out of the forest
177
572408
3632
Itt három rohamot láthatunk,
09:48
like redwood trees.
178
576064
1476
melyek kiemelkednek.
09:51
Furthermore, when you couple
the skin conductance at the top
the skin conductance at the top
179
579096
3580
Ha összekötjük a bőr magas
vezetőképességi értékeit
vezetőképességi értékeit
09:54
with the movement from the wrist
180
582700
3517
a csuklóból eredő mozgással,
sok adatot kapunk,
sok adatot kapunk,
09:58
and you get lots of data
and train machine learning and AI on it,
and train machine learning and AI on it,
181
586241
4800
melyeket a gépi tanulásra,
MI-re használunk fel.
MI-re használunk fel.
10:03
you can build an automated AI
that detects these patterns
that detects these patterns
182
591065
4793
Így létrehozhatunk egy automata MI-t,
amely sokkal jobban észleli
amely sokkal jobban észleli
10:07
much better than just
a shake detector can do.
a shake detector can do.
183
595882
4215
ezeket a mintákat,
mint a rezgésérzékelő.
mint a rezgésérzékelő.
10:12
So we realized that we needed
to get this out,
to get this out,
184
600121
4267
Rájöttünk, ezt a világnak is
meg kell ismernie,
meg kell ismernie,
10:16
and with the PhD work of Ming-Zher Poh
185
604412
2358
így Ming-Zher Poh PhD munkájával,
10:18
and later great improvements by Empatica,
186
606794
3027
majd később az Empatica
nagy fejlesztéseivel
nagy fejlesztéseivel
10:21
this has made progress and the seizure
detection is much more accurate.
detection is much more accurate.
187
609845
3844
előrelépés történt, mellyel
a rohamérzékelés sokkal precízebb lett.
a rohamérzékelés sokkal precízebb lett.
10:25
But we also learned some other things
about SUDEP during this.
about SUDEP during this.
188
613713
2905
Ezen kívül mást is megtudtunk
a SUDEP-pel kapcsolatban.
a SUDEP-pel kapcsolatban.
10:28
One thing we learned is that SUDEP,
189
616642
3412
Az egyik az volt,
hogy bár ritka a generalizált
tónusos-klónusos görcsroham után,
tónusos-klónusos görcsroham után,
10:32
while it's rare after
a generalized tonic-clonic seizure,
a generalized tonic-clonic seizure,
190
620078
2912
10:35
that's when it's most likely
to happen -- after that type.
to happen -- after that type.
191
623014
3237
de ekkor a legvalószínűbb,
hogy megtörténik – ezen típus után.
hogy megtörténik – ezen típus után.
10:38
And when it happens,
it doesn't happen during the seizure,
it doesn't happen during the seizure,
192
626275
3119
És mikor megtörténik,
az nem a roham közben megy végbe,
az nem a roham közben megy végbe,
10:41
and it doesn't usually happen
immediately afterwards,
immediately afterwards,
193
629418
2866
és nem is rögtön utána,
10:44
but immediately afterwards,
194
632308
1715
hanem akkor,
10:46
when the person just seems
very still and quiet,
very still and quiet,
195
634047
3062
mikor a személy nagyon
merevnek és csendesnek tűnik.
merevnek és csendesnek tűnik.
10:49
they may go into another phase,
where the breathing stops,
where the breathing stops,
196
637133
4947
Ekkor egy olyan fázisba léphet,
mikor leáll a légzése,
mikor leáll a légzése,
10:54
and then after the breathing stops,
later the heart stops.
later the heart stops.
197
642104
3024
majd később a szíve is.
10:57
So there's some time
to get somebody there.
to get somebody there.
198
645152
2043
Tehát van egy kis időnk odaérni.
11:00
We also learned that there is a region
deep in the brain called the amygdala,
deep in the brain called the amygdala,
199
648349
4904
Azt is megtanultuk, hogy az agy
mélyén létezik egy rész, a tobozmirigy,
mélyén létezik egy rész, a tobozmirigy,
11:05
which we had been studying
in our emotion research a lot.
in our emotion research a lot.
200
653277
2936
melyet az érzelmekkel való
kutatásunk során sokat vizsgáltunk.
kutatásunk során sokat vizsgáltunk.
11:08
We have two amygdalas,
201
656237
1281
Két tobozmirigyünk van,
11:09
and if you stimulate the right one,
202
657542
1673
és ha stimuláljuk a jobb oldalit,
11:11
you get a big right
skin conductance response.
skin conductance response.
203
659239
2739
akkor a jobb oldalon a bőr vezetőképessége
nagyon megváltozik.
nagyon megváltozik.
11:14
Now, you have to sign up right now
for a craniotomy to get this done,
for a craniotomy to get this done,
204
662002
4245
Persze, ehhez jelentkeznünk kell
egy koponyaműtétre,
egy koponyaműtétre,
11:18
not exactly something
we're going to volunteer to do,
we're going to volunteer to do,
205
666271
2833
melyet nem feltétlenül vállalnánk önként,
11:21
but it causes a big right skin
conductance response.
conductance response.
206
669128
2513
de az biztos, hogy nagy bőrreakció
váltható ki vele.
váltható ki vele.
11:23
Stimulate the left one, big left
skin conductance response on the palm.
skin conductance response on the palm.
207
671665
3853
A bal oldali tobozmirigy stimulálásával
tenyerünk reagál a testünk bal oldalán.
tenyerünk reagál a testünk bal oldalán.
11:27
And furthermore, when somebody
stimulates your amygdala
stimulates your amygdala
208
675542
4040
Ráadásul, ha valaki stimulálja
tobozmirigyünket,
tobozmirigyünket,
11:31
while you're sitting there
and you might just be working,
and you might just be working,
209
679606
3419
miközben itt ülünk és dolgozunk,
11:35
you don't show any signs of distress,
210
683049
1888
nem mutatnánk semmilyen fájdalmat,
11:37
but you stop breathing,
211
685620
1286
de leállna a légzésünk,
11:40
and you don't start again
until somebody stimulates you.
until somebody stimulates you.
212
688470
3317
egészen addig, míg valaki
nem stimulálna bennünket.
nem stimulálna bennünket.
11:44
"Hey, Roz, are you there?"
213
692599
1513
"Hé, Roz! Ott vagy?"
Erre kinyitjuk a szánkat,
hogy beszéljünk.
hogy beszéljünk.
11:46
And you open your mouth to talk.
214
694136
1931
11:48
As you take that breath to speak,
215
696868
2194
És miközben ezt tesszük,
11:51
you start breathing again.
216
699086
1505
újra elkezdünk lélegezni.
11:54
So we had started with work on stress,
217
702762
3620
Szóval, elkezdtük vizsgálni a stresszt,
11:58
which had enabled us
to build lots of sensors
to build lots of sensors
218
706406
2253
mely lehetővé tette
számos szenzor készítését,
számos szenzor készítését,
12:00
that were gathering
high quality enough data
high quality enough data
219
708683
2132
melyek elegendő minőségi adattal
szolgáltak ahhoz,
szolgáltak ahhoz,
12:02
that we could leave the lab
and start to get this in the wild;
and start to get this in the wild;
220
710839
2921
hogy ezt a való életben is vizsgálhassuk;
12:05
accidentally found a whopper
of a response with the seizure,
of a response with the seizure,
221
713784
2864
véletlenül észleltünk
egy rohamokhoz kötődő,
egy rohamokhoz kötődő,
12:08
neurological activation that can cause
a much bigger response
a much bigger response
222
716672
2859
nagy idegi reakciót,
mely még nagyobbat válthat ki,
mely még nagyobbat válthat ki,
mint a hagyományos stresszorok;
12:11
than traditional stressors;
223
719555
1310
egy epilepszia megfigyelési egységgel
és néhány kórházzal társultunk,
és néhány kórházzal társultunk,
12:12
lots of partnership with hospitals
and an epilepsy monitoring unit,
and an epilepsy monitoring unit,
224
720889
3198
12:16
especially Children's Hospital Boston
225
724111
1828
főleg a Bostoni Gyermekkórházzal
12:17
and the Brigham;
226
725963
1151
és a Brighammel;
12:19
and machine learning and AI on top of this
227
727138
2525
és gépi tanulással, sőt MI-vel,
12:21
to take and collect lots more data
228
729687
3021
még több adatot gyűjtöttünk
12:24
in service of trying
to understand these events
to understand these events
229
732732
2629
ezen történések megértése
12:27
and if we could prevent SUDEP.
230
735385
1594
és a SUDEP megelőzése érdekében.
12:30
This is now commercialized by Empatica,
231
738023
3563
Ezzel mára már az Empatica foglalkozik,
12:33
a start-up that I had
the privilege to cofound,
the privilege to cofound,
232
741610
2889
egy start-up,
melynek társalapítója lehettem.
melynek társalapítója lehettem.
12:36
and the team there has done an amazing job
improving the technology
improving the technology
233
744523
4206
A csapat bámulatos munkát végzett
a technológia fejlesztésében,
a technológia fejlesztésében,
12:40
to make a very beautiful sensor
234
748753
1759
hogy készítsen egy szép szenzort,
12:42
that not only tells time and does steps
and sleep and all that good stuff,
and sleep and all that good stuff,
235
750536
3859
mely nem csak az időt
és egyéb hasznos dolgot mutat,
és egyéb hasznos dolgot mutat,
12:46
but this is running real-time
AI and machine learning
AI and machine learning
236
754419
3096
de valós idejű MI-vel
és gépi tanulással is rendelkezik,
és gépi tanulással is rendelkezik,
12:49
to detect generalized
tonic-clonic seizures
tonic-clonic seizures
237
757539
2618
hogy észlelje a generalizált
tónusos-klónusos rohamokat,
tónusos-klónusos rohamokat,
12:52
and send an alert for help
238
760181
2151
és segítséget hívjon,
12:54
if I were to have a seizure
and lose consciousness.
and lose consciousness.
239
762356
3192
ha valaki roham közben elájulna.
12:57
This just got FDA-approved
240
765572
2816
Ezt az FDA is jóváhagyta,
13:00
as the first smartwatch
to get approved in neurology.
to get approved in neurology.
241
768412
4140
így az első, neurológusok által
jóváhagyott okosórává vált.
jóváhagyott okosórává vált.
13:05
(Applause)
242
773923
7000
(Taps)
13:14
Now, the next slide is what made
my skin conductance go up.
my skin conductance go up.
243
782674
3531
A következő diától
a hideg futkosott a hátamon.
a hideg futkosott a hátamon.
13:18
One morning, I'm checking my email
244
786811
1706
Egy reggel megnéztem a leveleimet,
13:20
and I see a story from a mom
245
788541
2297
és láttam, hogy egy anyuka írt nekem:
13:22
who said she was in the shower,
246
790862
1886
éppen zuhanyzott,
13:24
and her phone was
on the counter by the shower,
on the counter by the shower,
247
792772
2453
mikor a telefonja megszólalt a pulton,
13:27
and it said her daughter
might need her help.
might need her help.
248
795249
2157
jelezve, hogy a lányának segítség kell.
13:30
So she interrupts her shower and goes
running to her daughter's bedroom,
running to her daughter's bedroom,
249
798196
3381
Szóval, kilépett a zuhanyból
és a lánya szobájába rohant,
és a lánya szobájába rohant,
13:33
and she finds her daughter
facedown in bed, blue and not breathing.
facedown in bed, blue and not breathing.
250
801601
3743
ahol ő arccal lefelé, elkékülten
feküdt az ágyon és nem lélegzett.
feküdt az ágyon és nem lélegzett.
13:37
She flips her over -- human stimulation --
251
805368
3281
Így megfordította – emberi stimuláció –
13:40
and her daughter takes a breath,
and another breath,
and another breath,
252
808673
3683
és a lánya végre vett egy lélegzetet,
majd még egyet,
majd még egyet,
13:44
and her daughter turns pink and is fine.
253
812380
3954
míg vissza nem nyerte a színét
és jól nem lett.
és jól nem lett.
13:49
I think I turned white reading this email.
254
817551
3224
Azt hiszem, majdnem elájultam,
mikor ezt olvastam.
mikor ezt olvastam.
Először azt válaszoltam:
"Jaj, ne, még nem tökéletes!
"Jaj, ne, még nem tökéletes!
13:52
My first response is,
"Oh no, it's not perfect.
"Oh no, it's not perfect.
255
820799
2322
13:55
The Bluetooth could break,
the battery could die.
the battery could die.
256
823145
2325
A Bluetooth megszakadhat
és az is elem tönkremehet.
és az is elem tönkremehet.
13:57
All these things could go wrong.
Don't rely on this."
Don't rely on this."
257
825494
2477
Minden elromolhat. Ne bízzon benne."
13:59
And she said, "It's OK.
I know no technology is perfect.
I know no technology is perfect.
258
827995
3408
Erre ő azt mondta:
"Tudom, egyik technológia sem tökéletes.
"Tudom, egyik technológia sem tökéletes.
14:03
None of us can always
be there all the time.
be there all the time.
259
831427
2163
De nem lehetünk mindig ott.
14:06
But this, this device plus AI
260
834844
4342
Ez a készülék az MI-vel
14:11
enabled me to get there in time
to save my daughter's life."
to save my daughter's life."
261
839210
3104
segített, hogy időben odaérjek,
és megmentsem a lányom életét."
és megmentsem a lányom életét."
14:17
Now, I've been mentioning children,
262
845933
1906
Bár eddig csak a gyerekekről beszéltem,
14:19
but SUDEP peaks, actually,
among people in their 20s, 30s and 40s,
among people in their 20s, 30s and 40s,
263
847863
5707
a SUDEP a 20-as, 30-as és 40-es
éveiben járó embereket is érinti.
éveiben járó embereket is érinti.
14:25
and the next line I'm going to put up
264
853594
1816
A következő dia
14:27
is probably going to make
some people uncomfortable,
some people uncomfortable,
265
855434
2453
felkavaró lehet,
14:29
but it's less uncomfortable
than we'll all be
than we'll all be
266
857911
2374
de nem annyira,
14:32
if this list is extended
to somebody you know.
to somebody you know.
267
860309
3070
mintha egy ismerősünk
is szerepelne ezen a listán.
is szerepelne ezen a listán.
14:36
Could this happen to somebody you know?
268
864437
2338
Ez az ismerőseinkkel is megtörténhet?
14:39
And the reason I bring up
this uncomfortable question
this uncomfortable question
269
867197
2742
Azért kérdezem ezt,
14:41
is because one in 26 of you
will have epilepsy at some point,
will have epilepsy at some point,
270
869963
4912
mert 26 emberből egy
valamikor epilepsziás lesz,
valamikor epilepsziás lesz,
14:46
and from what I've been learning,
271
874899
2235
és abból, amit megtudtam,
az epilepsziás emberek gyakran eltitkolják
barátaik vagy szomszédjaik elöl
barátaik vagy szomszédjaik elöl
14:49
people with epilepsy often don't tell
their friends and their neighbors
their friends and their neighbors
272
877158
3334
14:52
that they have it.
273
880516
1158
betegségüket.
14:53
So if you're willing to let them
use an AI or whatever
use an AI or whatever
274
881698
4921
Szóval, ha hagyjuk őket MI-t,
vagy valami mást használni,
vagy valami mást használni,
14:58
to summon you in a moment
of possible need,
of possible need,
275
886643
4414
hogy szükség esetén segítséget hívjanak,
15:03
if you would let them know that,
276
891081
1618
ha szólunk nekik erről,
15:04
you could make a difference in their life.
277
892723
2354
akkor változást érhetünk el az életükben.
15:07
Why do all this hard work to build AIs?
278
895728
2851
Miért dolgozunk ilyen keményen
az MI fejlesztésén?
az MI fejlesztésén?
15:12
A couple of reasons here:
279
900101
1201
Van néhány oka:
15:13
one is Natasha, the girl who lived,
280
901326
2163
az egyik Natasha, a lány, aki túlélte.
15:15
and her family wanted me
to tell you her name.
to tell you her name.
281
903513
2392
Azt akarták, mondjam meg a nevét.
15:18
Another is her family
282
906977
1612
A másik ok a családja,
15:20
and the wonderful people out there
283
908613
2191
és az olyan csodálatos emberek,
15:22
who want to be there to support people
who have conditions
who have conditions
284
910828
2825
akik támogatni akarják azokat a betegeket,
15:25
that they've felt uncomfortable
in the past mentioning to others.
in the past mentioning to others.
285
913677
3293
akik a múltban titkolták állapotukat.
15:29
And the other reason is all of you,
286
917901
1873
És a harmadik ok mi magunk vagyunk,
15:31
because we have the opportunity
to shape the future of AI.
to shape the future of AI.
287
919798
5332
mivel lehetőségünk van
változtatni az MI jövőjén.
változtatni az MI jövőjén.
15:37
We can actually change it,
288
925154
2357
Képesek vagyunk erre,
15:39
because we are the ones building it.
289
927535
2404
mert mi vagyunk azok, akik azt alakítják.
15:41
So let's build AI
290
929963
1977
Szóval, fejlesszük az MI-t,
15:43
that makes everybody's lives better.
291
931964
3292
mely mindenki életét jobbá teszi.
15:47
Thank you.
292
935982
1151
Köszönöm!
15:49
(Applause)
293
937157
4414
(Taps)
ABOUT THE SPEAKER
Rosalind Picard - Scientist, inventor, entrepreneurMIT Professor Rosalind Picard invents technologies that help people better understand emotion and behaviors that impact human health.
Why you should listen
Rosalind Picard wrote Affective Computing, a book that outlines how to give machines the skills of emotional intelligence, credited for launching the growing field of affective computing. Named one of seven "Tech SuperHeros to Watch" by CNN, Picard cofounded two companies that have commercialized technologies invented by her team at MIT: Empatica, which created the first AI-based smartwatch cleared by FDA in Neurology, and Affectiva, which provides emotion AI software. Picard teaches and leads research in affective computing at the MIT Media Lab in Cambridge; works as MIT's faculty chair for MindHandHeart, a campus-wide wellbeing initiative; and serves as chief scientist for Empatica, creating AI-based analytics and wearables to improve human wellbeing.
Rosalind Picard | Speaker | TED.com