TEDMED 2009
Eric Topol: The wireless future of medicine
Eric Topol: Az orvoslás hordozható és személyre szabott jövője
Filmed:
Readability: 4.2
783,399 views
Eric Topol szerint hamarosan okos telefonjainkkal [és hasonló hordozható eszközökkel] magunk monitorozhatjuk életjeleinket és krónikus betegségeinket. A TEDMED konferencia keretében, bemutatja az orvostudomány jövőképébe tartozó vezeték nélküli eszközöket, melyek abban segítenek, hogy minél többen maradhassunk távol a kórházaktól, és ezzel a megelőzésre helyeződik át a hangsúly, és csökkenhetnek az egészségügyi kiadások, mind állami, mind egyéni szinten. [Hozzá kell tenni, hogy ezek a mobil eszközök csak egy lehetőség a sok közül, a cél valójában az egészséges táplálkozás, a kellő mennyiségű mozgás, az egészségügyi önismeret megszerzése, és hosszan sorolhatnánk, hogy milyen változásra lesz szükség a magyar lakosság körében, hogy a jelenlegi tragikus helyzet jobbra forduljon. A mobil eszközök ideális esetben a megelőzést, a tudatosság növelését, a folyamatos megfigyelést, értékelést, és az önellenőrzést teszik majd lehetővé. Ugyancsak fontos megjegyezni, hogy míg az örökletes betegségek ellen nem találnak ellenszert, a mobil eszközök meghosszabbíthatják, jobbá tehetik az életet.]
Eric Topol - Cardiologist and geneticist
Eric Topol is a leading cardiologist who has embraced the study of genomics and the latest advances in technology to treat chronic disease. Full bio
Eric Topol is a leading cardiologist who has embraced the study of genomics and the latest advances in technology to treat chronic disease. Full bio
Double-click the English transcript below to play the video.
00:15
Does anybody know when the stethoscope was invented?
0
0
5000
Tudja valaki, hogy mikor találták fel a sztetoszkópot?
00:20
Any guesses? 1816.
1
5000
3000
Tipp? 1816-ban.
00:23
And what I can say is, in 2016,
2
8000
3000
2016-ban az orvosok
00:26
doctors aren't going to be walking around with stethoscopes.
3
11000
2000
már nem sztetoszkópokkal mászkálnak majd.
00:28
There's a whole lot better technology coming,
4
13000
2000
Sokkal jobb technológia közeleg.
00:30
and that's part of the change in medicine.
5
15000
3000
Mindez része az orvoslás változtatásának.
00:33
What has changed our society
6
18000
3000
Társadalmunkat
00:36
has been wireless devices.
7
21000
2000
a vezeték nélküli eszközök változtatták meg.
00:38
But the future are digital medical wireless devices, OK?
8
23000
5000
De a jövő a digitális orvosi és vezeték nélküli eszközöké. Oké?
00:43
So, let me give you some examples of this
9
28000
2000
Hadd mutassak néhány példát,
00:45
to kind of make this much more concrete.
10
30000
3000
hogy konkrétabb lehessek.
00:48
This is the first one. This is an electrocardiogram.
11
33000
3000
Ez az első. Ez egy elektrokardiogram.
00:51
And, as a cardiologist, to think that you could see in real time
12
36000
3000
Kardiológusként belegondolva, az, hogy valós időben láthatom
00:54
a patient, an individual, anywhere in the world
13
39000
3000
a beteget, egy egyént, a világ bármely pontján,
00:57
on your smartphone,
14
42000
2000
okos mobilon eszközön,
00:59
watching your rhythm -- that's incredible,
15
44000
2000
miközben a mobil eszköz a szívritmust figyeli, ez hihetetlen.
01:01
and it's with us today.
16
46000
2000
És ez ma már elérhető.
01:03
But that's just the beginning.
17
48000
3000
De ez csak a kezdet.
01:06
You check your email while you're sitting here.
18
51000
3000
Ellenőrzitek az e-maileteket miközben itt ültök.
01:09
In the future you're going to be checking all your vital signs,
19
54000
4000
A jövőben ugyan így, minden életjeleteket képesek leszeltek megfigyelni,
01:13
all your vital signs: your heart rhythm,
20
58000
2000
az összeset: a szívritmust,
01:15
your blood pressure, your oxygen, your temperature, etc.
21
60000
4000
a vérnyomást, az oxigénszintet, a hőmérsékletet, stb.
01:19
This is already available today.
22
64000
2000
Ma már ez is elérhető.
01:21
This is AirStrip Technologies.
23
66000
2000
Ez az AirStrip Technológia.
01:23
It's now wired -- or I should say, wireless --
24
68000
4000
Bár információ szempontjából behálózott, mégis vezeték nélküli,
01:27
by taking the aggregate of these signals
25
72000
2000
mert a kórházban begyűjtik a jelek összességét,
01:29
in the hospital, in the intensive care unit,
26
74000
2000
az intenzív osztályon,
01:31
and putting it on a smartphone for physicians.
27
76000
3000
majd áttöltik az egészet az orvosok okos mobiltelefonjaira.
01:34
If you're an expectant parent,
28
79000
2000
Ha pl. várandós szülő vagy,
01:36
what about the ability to monitor, continuously,
29
81000
3000
milyen lenne, ha folyamatosan monitorozhatnád
01:39
fetal heart rate, or intrauterine contractions,
30
84000
3000
a magzati szívhangot, vagy a méhen belüli összehúzódásokat,
01:42
and not having to worry so much that things are
31
87000
3000
és nem kellene aggódni, hogy hogy mennek a dolgok,
01:45
fine as the pregnancy,
32
90000
2000
ahogy a terhesség előre halad,
01:47
and moving over into the time of delivery?
33
92000
3000
egészen a szülés időpontjáig.
01:50
And then as we go further,
34
95000
3000
És ahogy tovább haladunk,
01:53
today we have continuous glucose sensors.
35
98000
2000
ma már vannak folyamatos vércukor szenzorok.
01:55
Right now, they are under the skin,
36
100000
2000
Manapság még a bőr alatt működnek.
01:57
but in the future, they won't have to be implanted.
37
102000
4000
De a jövőben már nem kell majd beültetni őket.
02:01
And of course, the desired range -- trying to keep glucose
38
106000
2000
A kívánt normál intervallum fönntartásához, mely
02:03
between 75 and less than 200,
39
108000
4000
kb. 4-5 mmol/L,
02:07
checking it every five minutes in a continuous glucose sensor --
40
112000
3000
5 percenként lehet majd a vércukor szintet ellenőrizni,
02:10
you'll see how that can impact diabetes.
41
115000
2000
és meglátjátok, hogy ez milyen mértékben képes a diabéteszt befolyásolni.
02:12
And what about sleep?
42
117000
2000
Mi van az alvással?
02:14
We're going to zoom in on that a little bit.
43
119000
2000
Kicsit most be-zoomolunk erre a kérdésre.
02:16
We're supposed to spend a third of our life in sleep.
44
121000
2000
Életünk harmadát alvással töltjük.
02:18
What if, on your phone,
45
123000
2000
Mi lenne, ha a telefonunkon,
02:20
which will be available in the next few weeks,
46
125000
2000
mely néhány héten belül elérhető lesz,
02:22
you had every minute of your sleep displayed?
47
127000
3000
alvásunk minden egyes perce megjelenne.
02:25
And this is, of course, as you can see, the awake is the orange.
48
130000
3000
Az ébrenlét itt narancssárga,
02:28
The REM sleep, rapid eye movement,
49
133000
2000
a REM, a gyors szemmozgásos
02:30
dream state, is in light green;
50
135000
2000
álom szakasz világos zöld.
02:32
and light is gray, light sleep;
51
137000
2000
A felszínes alvás szürke,
02:34
and deep sleep, the best restorative sleep,
52
139000
2000
míg a mély alvás, mely a regeneráló pihenés szakasza,
02:36
is that dark green.
53
141000
2000
sötét zöld.
02:38
How about counting every calorie?
54
143000
2000
Mi lenne, ha minden kalóriát képesek lennénk megszámolni?
02:40
And this is ability, in real time, to actually take
55
145000
3000
Képesek leszünk valós időben,
02:43
measurements of caloric intake
56
148000
2000
egy ragtapasszal mérni, a
02:45
as well as expenditure, through a Band-Aid.
57
150000
3000
kalória bevitelt és felhasználást.
02:48
Now, what I've talked about are physiologic metrics.
58
153000
3000
Amikről eddig beszéltem, fiziológiai jellemzők.
02:51
But what I want to get to, the next frontier,
59
156000
3000
De amiről beszélni akarok, a következő szint,
02:54
very quickly, and why the stethoscope
60
159000
2000
és ami miatt azt hiszem, hogy a sztetoszkóp hamarosan
02:56
is on its way out,
61
161000
2000
a múlté lesz,
02:58
is because we can transcend listening to the valve sounds,
62
163000
4000
hogy mi miatt léphetünk túl a billentyűk
03:02
and the breath sounds, because now,
63
167000
2000
és a lélegzet hangjainak figyelésén,
03:04
introduced by G.E. is a handheld ultra-sound.
64
169000
3000
az pl. a G.E. kézi ultrahang készüléke.
03:07
Why is this important? Because this is so much more sensitive.
65
172000
3000
Miért is olyan fontos ez? Mert sokkal érzékenyebb.
03:10
Here is an example of an abdominal ultrasound,
66
175000
3000
Ez itt egy hasi ultrahang készülék.
03:13
and also a cardiac echo, which can be sent wireless,
67
178000
4000
Aztán egy szív UH, melynek adatai vezetékek nélkül továbbíthatóak.
03:17
and then there's an example of fetal monitoring on your smartphone.
68
182000
4000
És pl. egy magzat monitor, az okos telefonon.
03:21
So, we're not just talking about physiologic metrics --
69
186000
3000
Szóval nem csak a fiziológiai adatokról van itt szó,
03:24
the key measurements of vital signs,
70
189000
3000
melyek az életjelek kulcs mérőszámai,
03:27
and all those things in physiology -- but also all the imaging
71
192000
3000
hanem a képalkotásról is,
03:30
that one could look at in your smartphone.
72
195000
2000
melynek eredménye mind megjeleníthető az okos telefonodon.
03:32
Now, this is an example of another obsolete technology,
73
197000
4000
Aztán itt van ez a hamarosan szintén feleslegessé váló technológia,
03:36
soon to be buried: the Holter Monitor.
74
201000
2000
melyet lassan eltemethetünk, a Holter monitor.
03:38
Twenty-four hour recording, lots of wires.
75
203000
2000
24 órás felvétel, rengeteg kábel.
03:40
This is now a little tiny patch.
76
205000
2000
Ez ma már csak egy kis tapasz.
03:42
You can put it on for two weeks
77
207000
2000
Felteszed 2 hétre,
03:44
and send it in the mail.
78
209000
3000
aztán postázod.
03:47
Now, how does this work? Well,
79
212000
2000
De hogyan is működik? Nos,
03:49
there is these smart Band-Aids or these sensors
80
214000
2000
adva vannak ezek az okos ragtapasz-szerű érzékelők,
03:51
that one would put on, on a shoe or on the wrist.
81
216000
3000
melyeket az ember magára ragaszt, vagy a cipőjére, esetleg a csuklójára.
03:54
And this sends a signal
82
219000
3000
Ez a kis tapasz jeleket küld.
03:57
and it creates a body area network to a gateway.
83
222000
4000
Gyakorlatilag egy test hálózatot generál, egy jel-fogó szerkezet felé.
04:01
Gateway could be a smartphone or it could be a dedicated gateway,
84
226000
3000
Ez a szerkezet lehet az okos telefon, vagy egy specializált orvosi vevő készülék,
04:04
as today many of these things are dedicated gateways,
85
229000
2000
mivel ma még sok ilyen vevő készülék specializált,
04:06
because they are not so well integrated.
86
231000
2000
mert nem igazán integráltak.
04:08
That signal goes to the web, the cloud,
87
233000
3000
A jel kimegy a webre, a hálózati felhőbe,
04:11
and then it can be processed and sent anywhere:
88
236000
2000
ahol feldolgozható és bárhová el lehet küldeni,
04:13
to a caregiver, to a physician,
89
238000
2000
egy gondozóhoz, egy orvoshoz,
04:15
back to the patient, etc.
90
240000
2000
vagy vissza a pácienshez, stb.
04:17
So, that's basically very simplistic technology
91
242000
3000
Leegyszerűsített technológiai terminológiákkal élve,
04:20
of how this works.
92
245000
2000
kb. így működik.
04:22
Now, I have this device on.
93
247000
2000
Most is rajtam van ez az eszköz.
04:24
I didn't want to take my shirt off to show you, but I can tell you it's on.
94
249000
3000
Nem akartam levenni az ingemet, hogy megmutassam, de most is rajtam van.
04:27
This is a device that not only measures cardiac rhythm,
95
252000
4000
Ez az eszköz nem csak a szívritmust méri,
04:31
as you saw already,
96
256000
2000
mint láthattátok,
04:33
but it also goes well beyond that.
97
258000
3000
hanem ezen messze túlmegy.
04:36
This is me now. And you can see the ECG.
98
261000
3000
Ez vagyok én, most. És láthatjátok az EKG-mat.
04:39
Below that's the actual heart rate and the trend;
99
264000
3000
Alul ott van a tényleges szív ritmus, és a trend.
04:42
to the right of that is a bioconductant.
100
267000
2000
Ettől jobbra látható a "bio-vezető" (bioconductant).
04:44
That's the fluid status,
101
269000
2000
Ez a folyamatos státus,
04:46
fluid status, that's really important
102
271000
2000
mely igen fontos,
04:48
if you're monitoring somebody with heart failure.
103
273000
2000
ha pl. egy szívbeteget vizsgálunk.
04:50
And below that's temperature,
104
275000
2000
Alul ott van a test hő,
04:52
and respiration, and oxygen,
105
277000
2000
légzés, és oxigén.
04:54
and then the position activity.
106
279000
2000
Továbbá a testhelyzet változása.
04:56
So, this is really striking, because this device
107
281000
3000
Ez igazán frappáns, mert ez a szerkezet
04:59
measures seven things
108
284000
2000
hét dolgot mér,
05:01
that are very much vital signs
109
286000
3000
melyek nagyon is életjelek,
05:04
for monitoring someone with heart failure. OK?
110
289000
4000
ha egy szívbeteget kell megfigyelni. Ok?
05:08
And why is this important? Well,
111
293000
2000
Miért is olyan fontos ez? Nos,
05:10
this is the most expensive bed.
112
295000
3000
ez a legdrágább ágy.
05:13
What if we could reduce the need for hospital beds?
113
298000
3000
Mi lenne, ha lecsökkenthetnénk a kórházi ágyakkal kapcsolatos szükségleteket?
05:16
Well, we can. First of all, heart failure
114
301000
2000
Pillanatnyilag ez nem megy. Mindenekelőtt, a szívelégtelenség
05:18
is the number one reason
115
303000
3000
az első számú
05:21
for hospital admissions and readmissions in this country.
116
306000
3000
kórház felvételi és újrafelvételi ok, ebben az országban [mármint az USA-ban].
05:24
The cost of heart failure is 37 billion dollars a year,
117
309000
5000
A szívelégtelenség 37 milliárd dollárba kerül évente,
05:29
which is 80 percent related to hospitalization.
118
314000
3000
melynek 80% százalékban köze van a kórházi felvételhez.
05:32
And in the course of 30 days after a hospital stay
119
317000
3000
És 30 nappal egy kórházi tartózkodást követően,
05:35
for a Medicare greater than 65 years or older,
120
320000
3000
a Medicare biztosítottak csoportjában, a 65 év felettiek között,
05:38
is -- 27 percent are readmitted in 30 days,
121
323000
3000
27% újra bekerül a kórházba.
05:41
and by six months, over 56 percent are readmitted.
122
326000
4000
Fél éves időtávban, 56% kerül be újra.
05:45
So, can we improve that? Well the idea is
123
330000
2000
Képesek lehetünk ezt az arányt javítani? Az elképzelés az,
05:47
we take this device that I'm wearing,
124
332000
2000
hogy fogjuk ezt az eszközt, amit én is viselek,
05:49
and we put it on 600 patients with heart failure,
125
334000
4000
és feltesszük 600 szívelégtelenségben szenvedő páciensre,
05:53
randomly assigned, versus 600 patients
126
338000
2000
teljesen véletlenszerűen, 600 olyan pácienssel szemben,
05:55
who don't have active monitoring,
127
340000
2000
akik nem kapnak majd ilyen monitort,
05:57
and see whether we can reduce heart failure readmissions,
128
342000
3000
és megnézzük, csökkenteni tudjuk-e a kórházi újrafelvételt.
06:00
and that's exciting. And we'll start that trial,
129
345000
2000
Nagyon izgalmas. Megkezdjük ezt a vizsgálatot,
06:02
and you'll hear more about how we're going to do that,
130
347000
2000
és többet is megtudhattok majd arról, hogy mindezt hogyan tervezzük kivitelezni.
06:04
but that's a type of wireless device trial
131
349000
3000
Ez egy olyan fajta vezeték nélküli eszköz próba,
06:07
that could change medicine in the years ahead.
132
352000
3000
mely megváltoztathatja az orvoslást, a következő években.
06:10
Why now? Why has this all of a sudden become
133
355000
3000
Miért most? Mitől lett ez hirtelen realitás, egy
06:13
a reality, an exciting direction in the future of medicine?
134
358000
4000
izgalmas irány az orvoslás jövőjében?
06:17
What we have is, in a way, a perfect positive storm.
135
362000
4000
Mert most értük el a kritikus tömeget.
06:21
This sets up consumer-driven healthcare.
136
366000
2000
Ez beindítja a vásárlók által mozgatott egészségügyet.
06:23
That's where this is all starting.
137
368000
2000
Itt kezdődik minden.
06:25
Let me just give you specifics about why this is
138
370000
3000
Adok pár konkrét példát, hogy mitől is lett ez egy hatalmas
06:28
a big movement if you're not aware of it:
139
373000
2000
mozgalom, ha még nem lennétek tudatában.
06:30
1.2 million Americans
140
375000
2000
1,2 millió amerikai
06:32
have gotten a Nike shoe, which is a body-area network
141
377000
3000
olyan Nike cipőt visel, ami egy ilyen test hálózati eszköz,
06:35
that connects the shoe, the sole of the shoe to the iPhone, or an iPod.
142
380000
4000
mely összeköti a cipőt, a cipő talpát egy iPhone-nal, vagy egy iPod-dal.
06:39
And this Wired Magazine cover article
143
384000
2000
Ez a Wired Magazin vezető cikke,
06:41
really captured a lot of this; it talked a lot about the Nike shoe
144
386000
3000
mely jól összefoglalta, hogy miről is van szó. Jó sokat meséltek a Nike cipőről,
06:44
and how quickly that's been adopted to monitor exercise physiology
145
389000
3000
hogy az emberek milyen gyorsan magukévá tették, hogy aktivitásuk fiziológiai jeleit,
06:47
and energy expenditure.
146
392000
2000
illetve a leadott energiát figyelemmel kísérhessék.
06:49
Here are some things, the principles
147
394000
2000
Itt van egy pár elv,
06:51
that are guiding principles to keep in mind:
148
396000
2000
melyek irányadóak, és érdemes észben tartani őket.
06:53
"A data-driven health revolution
149
398000
2000
"Adat vezérelt egészségügyi forradalom,
06:55
promises to make us all
150
400000
2000
azt ígéri, hogy mindannyiunkat,
06:57
better, faster, and stronger. Living by numbers."
151
402000
3000
jobbá, gyorsabbá és erősebbé tesz. Számok szerint élni..."
07:00
And this one, which is really telling,
152
405000
2000
És ez, ami nagyon árulkodó volt,
07:02
this was from July, this cover article:
153
407000
3000
ez júliusi, ez a vezető cikk.
07:05
"The personal metrics movement goes way beyond
154
410000
3000
"A személyes mérés mozgalom túllép
07:08
diet and exercise. It's about tracking every facet
155
413000
3000
a táplálkozáson és a testgyakorláson. Mindenre kiterjed az életben,
07:11
of life, from sleep to mood to pain,
156
416000
2000
az alvástól a hangulaton át a fájdalomig,
07:13
24/7/365."
157
418000
3000
24/7/365."
07:16
Well, I tried this device.
158
421000
3000
Nos, én kipróbáltam ezt az eszközt.
07:19
A lot of you have gotten that Phillips Direct Life.
159
424000
3000
Sokan közületek a Philips Direct Life-ot kapta [ajándékba].
07:22
I didn't have one of those,
160
427000
2000
Nekem olyan nem volt,
07:24
but I got the Fitbit.
161
429000
2000
én a Fitbit-et próbáltam ki.
07:26
That looks like this.
162
431000
2000
Így néz ki.
07:28
It's like a wireless accelerometer, pedometer.
163
433000
3000
Olyan, mint egy vezetékmentes gyorsulásmérő, vagy lépésmérő.
07:31
And I want to just give you the results of that testing,
164
436000
2000
Most bemutatnám tesztelésem eredményeit,
07:33
because I wanted to understand about the consumer movement.
165
438000
3000
mert meg akartam érteni a vásárlói mozgalmat [ezen a területen].
07:36
I hope the, by the way, the Phillips Direct Life works better --
166
441000
2000
Mellesleg remélem, hogy a Philips Direct Life jobban működik.
07:38
I hope so.
167
443000
2000
Nagyon remélem.
07:40
But this monitors food, it monitors activity and tracks weight.
168
445000
4000
De ez méri az ételt, az aktivitást és a súlyt.
07:44
However you have to put in most of this stuff.
169
449000
2000
Csakhogy mindezeket be kell vinni.
07:46
The only thing it really tracks by itself is activity,
170
451000
3000
Az egyetlen, a készülék által önállóan figyelt dolog az aktivitás.
07:49
and even then, it's not complete.
171
454000
2000
És még az sem komplett.
07:51
So, you exercise and it picks up the exercise.
172
456000
3000
Tornázol, és felveszi az aktivitási adataidat.
07:54
You put in your height and weight, it calculates BMI,
173
459000
3000
Beírod a magasságodat és a súlyodat, kiszámolja a BMI-t [body mass index=test tömeg index].
07:57
and of course it tells you how many calories you're expending
174
462000
3000
És persze megmondja, hogy mennyi kalóriát égettél,
08:00
from the exercise, and how many you took in,
175
465000
3000
testmozgás közben, és mennyit vittél be,
08:03
if you go in and enter all the foods.
176
468000
1000
ha beírod az összes ételt.
08:04
But it really wants you to enter all your activity.
177
469000
3000
De mindent be akar veled íratni.
08:07
And so I went to this,
178
472000
3000
Szóval nekiálltam, és
08:10
and of course I was gratified that it picked up
179
475000
2000
persze hogy elégedett voltam, amikor érzékelte a
08:12
the 42 minutes of exercise, elliptical exercise I did,
180
477000
4000
42 perces mozgást, az elliptikus gépen.
08:16
but then it wants more information.
181
481000
2000
De ekkor többet akart tudni.
08:18
So, it says, "You want to log sexual activity.
182
483000
3000
Azt mondja: "Írd be a szexuális aktivitásodat is.
08:21
How long did you do it for?"
183
486000
2000
Milyen hosszan végezted?"
08:23
(Laughter)
184
488000
3000
(Nevetés)
08:26
And it says, "How hard was it?"
185
491000
3000
És azt kérdezi: "Mennyire volt kemény?"
08:29
(Laughter)
186
494000
1000
(Nevetés)
08:30
Furthermore it says, "Start time."
187
495000
3000
Továbbá: "Kezdési idő."
08:33
Now, this doesn't appear -- this just doesn't work,
188
498000
2000
Az ilyesmi nem életszerű, ez így nem működik.
08:35
I mean, this just doesn't work.
189
500000
2000
De komolyan, ez így nem működhet.
08:37
So, now I want to move to sleep.
190
502000
2000
Most rátérnék az alvásra.
08:39
Who would ever have thought you could have your own EEG
191
504000
3000
Ki gondolta volna, hogy lehet egy házi EEG készüléked,
08:42
at your home, tagged to a very nice alarm clock, by the way?
192
507000
3000
mely egy igazán jó ébresztőórához kapcsolódik.
08:45
This is the headband that goes with this alarm clock.
193
510000
3000
Jár hozzá egy fejpánt.
08:48
It monitors your brainwaves continuously, when you're sleeping.
194
513000
3000
Folyamatosan figyeli az agyi hullámaidat, ahogy alszol.
08:51
So, I did this thing for seven days
195
516000
2000
Egy hétig ezzel aludtam,
08:53
getting ready for TEDMed.
196
518000
2000
ahogy a TEDMED-re készültem.
08:55
This is an important part of our life, one-third you're supposed to be sleeping.
197
520000
3000
Nagyon fontos része ez az életünknek, egyharmadát alvással töltjük.
08:58
Of course how many here
198
523000
2000
Az itt ülők közül
09:00
have any problems with sleeping?
199
525000
4000
hányan szenvednek alvási zavaroktól?
09:04
It's usually 90 percent. So, you tell me you sleep better than expected.
200
529000
3000
Általában 90%. Úgyhogy ti ezek szerint a várhatónál jobban alszotok.
09:07
Okay, well this was a week of
201
532000
3000
Ok, ez itt egy hetem,
09:10
my life in sleeping,
202
535000
2000
alvás közben.
09:12
and you get a Z.Q. score. Instead of an I.Q. score,
203
537000
3000
Egy ZQ értéket kapsz. Nem IQ-t, hanem
09:15
you get a Z.Q. score when you wake up.
204
540000
2000
ZQ-t, amikor felébredsz.
09:17
You say, "Oh, OK." And a Z.Q. score
205
542000
2000
Ránézel: "Oh, ok." Ez a ZQ statisztikailag
09:19
is adjusted to age,
206
544000
2000
igazítva van, korosztály szerint.
09:21
and you want to get as high as you possibly can.
207
546000
3000
És olyan magas értéket akarsz, amilyen magasat csak el lehet érni.
09:24
So this is the moment-by-moment,
208
549000
2000
Ez itt a pillanatról pillanatra leolvasható,
09:26
or minute-by-minute sleep.
209
551000
2000
percről-percre megfigyelhető alvás.
09:28
And you see that Z.Q. there was 80-odd.
210
553000
3000
Mint látható, a ZQ érték itt 80 körül van.
09:31
And the wake time is in orange.
211
556000
3000
És az ébrenlét narancssárga.
09:34
And this can be a problem, as I learned.
212
559000
3000
Ez a kütyü okozhat némi gondot, mint megtudtam.
09:37
Because it not only helps you with quantifying
213
562000
2000
Mert nem csak pusztán számokban fejezi ki, hogy
09:39
your sleep,
214
564000
2000
hogyan alszol,
09:41
but also tells others you're awake.
215
566000
3000
de elárulja másoknak, ha ébren vagy.
09:44
So, when my wife came in and she
216
569000
3000
Bejött a feleségem, és meg tudta mondani,
09:47
could tell you're awake.
217
572000
2000
hogy ébren vagyok.
09:49
"Eric, I want to talk. I want to talk."
218
574000
2000
"Eric, mondanom kell neked valamit. Beszélni akarok veled."
09:51
And I'm trying to play possum.
219
576000
2000
Miközben én alvást színlelek.
09:53
This thing is very, very impressive.
220
578000
3000
Nagyon hatásos ez a holmi.
09:56
OK. So, that's the first night.
221
581000
3000
Ok. Ez az első éjszaka.
09:59
And this one is now 67,
222
584000
2000
És az eredmény 67.
10:01
and that's not a good score.
223
586000
2000
Nem valami jó eredmény.
10:03
And this tells you, of course, how much you had in REM sleep,
224
588000
2000
Megmondja, hogy mennyi időt töltöttél REM alvásban,
10:05
in deep sleep, and all this sort of thing.
225
590000
2000
mély alvásban, és az összes ilyen dolgot.
10:07
This was really fascinating because
226
592000
2000
Mindez igazán érdekes, mert
10:09
this gave that quantitation
227
594000
2000
számokban is kifejezte
10:11
about all the different phases of sleep.
228
596000
2000
az alvás összes fázisát.
10:13
So, it also then tells you how you do compared to your age group.
229
598000
3000
És azt is megmondja, hogy hogyan produkálsz a korosztályodhoz képest.
10:16
It's like a managed competition of sleep.
230
601000
3000
Olyan, mint egy menedzselt alvás verseny.
10:19
And really interesting stuff.
231
604000
4000
Tényleg érdekes dolog.
10:23
Look at this thing and say, "Well, I didn't think I was a very good sleeper,
232
608000
3000
Nézem, és azt mondom: "Nos, nem is gondoltam, hogy jó alvó vagyok,
10:26
but actually I did better than average in 50 to 60 year olds." OK?
233
611000
5000
de jobban teljesítettem, mint az átlagos 50-60 évesek." Ok?
10:31
And the key thing was, what I didn't know,
234
616000
2000
Egy igazán lényeges dolog akadt, amit nem tudtam,
10:33
was that I was a really good dreamer.
235
618000
2000
hogy nagyon jó álmodó vagyok.
10:35
OK. Now let's move from sleep to diseases.
236
620000
5000
Ok. Most térjünk át az alvásról a betegségekre.
10:40
Eighty percent of Americans have chronic disease,
237
625000
3000
Az amerikaiak 80%-ának valamilyen krónikus betegsége van,
10:43
or 80 percent of age greater than 65 have
238
628000
3000
vagy pontosabban kifejezve, a 65 évnél idősebbek
10:46
two or more chronic disease,
239
631000
2000
közül, 80%-nak két vagy három krónikus betegsége van.
10:48
140 million Americans
240
633000
2000
140 millió amerikainak
10:50
have one or more chronic disease,
241
635000
2000
egy vagy több krónikus betegsége van.
10:52
and 80 percent of our 1.5, whatever, trillion
242
637000
5000
És az 1,5 milliárdnyi kiadás 80%-a
10:57
expenditures are related to chronic disease.
243
642000
2000
a krónikus betegségekhez kapcsolódik.
10:59
Now, diabetes is one of the big ones.
244
644000
2000
A cukorbetegség az egyik nagy halmaz.
11:01
Almost 24 million people have diabetes.
245
646000
3000
Majdnem 24 millió embernek van diabétesze.
11:04
And here is the latest map. It was published
246
649000
2000
Itt a legfrissebb térkép. Kicsivel több, mint
11:06
just a little more than a week ago in the New York Times,
247
651000
3000
egy hete jelent meg a New York Timesban.
11:09
and it isn't looking good.
248
654000
2000
Nem néz ki valami jól.
11:11
That is, for men, 29 percent
249
656000
3000
A férfiak esetében, az országban,
11:14
in the country over 60 have Type II diabetes,
250
659000
3000
60 felett, 29%-nak van kettes típusú diabétesze.
11:17
and women, although it's less, it's terribly high.
251
662000
3000
És bár a nők esetében ez kevesebb, mégis rettentően magas.
11:20
But of course we have a way to measure that now
252
665000
2000
De persze már módunkban áll
11:22
on a continuous basis,
253
667000
2000
folyamatosan mérni,
11:24
with a sensor that detects blood glucose,
254
669000
2000
egy olyan érzékelővel, ami kimutatja a vércukrot.
11:26
and it's important because we could detect
255
671000
2000
Fontos, mert kimutatható vele a
11:28
hyperglycemia that otherwise wouldn't be known,
256
673000
2000
magas és az alacsony vércukor szint is,
11:30
and also hypoglycemia.
257
675000
2000
amiről különben nem tudnánk.
11:32
And you can see the red dots, in this particular patient's case,
258
677000
3000
És láthatóak a vörös pöttyök, ennek a páciensnek az esetében,
11:35
were finger sticks, which would have missed both ends.
259
680000
3000
ezek a vérvétel eredményei, melyek nem mutatták volna ki a szélső értékeket.
11:38
But by continuous monitoring,
260
683000
2000
De a folyamatos megfigyelés,
11:40
it captures all that vital information.
261
685000
2000
érzékeli az összes életbevágóan fontos információt.
11:42
The future of this though,
262
687000
2000
A jövő az, hogy mindezt egy
11:44
is being able to move this to a Band-Aid type phenomenon,
263
689000
2000
ragtapasz jellegű eszközbe helyezzük át.
11:46
and that's not so far away.
264
691000
3000
És ez már nincs messze.
11:49
So, let me just give you, very quickly,
265
694000
2000
Gyorsan felvetek 10 fő célt,
11:51
10 top targets for wireless medicine.
266
696000
2000
a mobil medicina számára.
11:53
All these things are possible --
267
698000
2000
Mindezek lehetségesek, melyeket itt és most felvetek.
11:55
some of them are very close,
268
700000
2000
Egyesekhez már egészen közel járunk,
11:57
or already, as you heard,
269
702000
2000
mint hallható volt,
11:59
are available today, in some way or form.
270
704000
2000
egyeseket már meg is lehet venni, ilyen vagy olyan formában.
12:01
Alzheimer's disease:
271
706000
2000
Az Alzheimer úgy
12:03
there's five million people affected, and you can check
272
708000
2000
öt millió embert érint. Már mérhetőek az életjelek,
12:05
vital signs, activity, balance.
273
710000
2000
az aktivitás, az egyensúly.
12:07
Asthma: large number, we could detect things like
274
712000
3000
Az asztma, rengeteg embert érint, képes lehetsz detektálni olyan dolgokat, mint
12:10
pollen count, air quality, respiratory rate. Breast cancer,
275
715000
3000
pollen telítettség, levegő minőség, légzés szám. Vagy itt van pl. a mellrák...
12:13
I'll show you an example of that real quickly.
276
718000
3000
Gyorsan mutatok ezzel kapcsolatban egy példát.
12:16
Chronic obstructive pulmonary disease.
277
721000
3000
Vagy pl. a COPD (Chronic obstructive pulmonary disease, súlyos elzáródással járó krónikus tüdőbetegség).
12:19
Depression, there's a great approach to that in mood disorders.
278
724000
3000
Depresszió ... léteznek jó megoldások a hangulatzavarok terén.
12:22
Diabetes I've just mentioned. Heart failure we already talked about. Hypertension:
279
727000
3000
Cukorbetegség, mint említettem. Ahogy a szívbetegséget is megbeszéltük. Magas vérnyomás...
12:25
74 million people could have continuous blood-pressure monitoring
280
730000
3000
74 millió ember kaphatna folyamatos vérnyomás figyelő eszközt,
12:28
to come up with much better management and prevention.
281
733000
5000
hogy sokkal jobb menedzsmentben és megelőzésben lehessen részük.
12:33
And obesity we already talked about, the ways to get to that.
282
738000
3000
És beszéltünk az elhízásról is, hogy milyen módon lehet kontrollálni.
12:36
And sleep disorders.
283
741000
2000
És az alvászavarok.
12:38
This is effective around the world. The access to smartphones
284
743000
3000
A világon mindenhol működhet. Rendkívüli, hogy mennyire elérhetőek lettek az
12:41
and cell phones today is extraordinary.
285
746000
3000
okos telefonok és a mobil telefonok.
12:44
And this article from The Economist summed it up beautifully
286
749000
3000
És ez, egy The Economist cikk, gyönyörűen összefoglalta,
12:47
about the opportunities in health across the developing world:
287
752000
2000
hogy milyen egészségügyi lehetőségek nyílnak meg a fejlődő országokban.
12:49
"Mobile phones made a bigger difference to the lives of more people,
288
754000
3000
"A mobil telefonok, sokkal nagyobb változást hoztak, sokkal több ember életébe,
12:52
more quickly, than any previous technology."
289
757000
3000
sokkal gyorsabban, mint korábban bármelyik technológia."
12:55
And that's before we got going on the m-health world.
290
760000
3000
És ez már akkor így volt, amikor nekiálltunk a "mobil egészség világot" emlegetni.
12:58
Aging: The problem is enormous,
291
763000
3000
Öregedés: a probléma óriási.
13:01
300,000 broken hips per year;
292
766000
2000
300,000 törött [amerikai] csípő évente.
13:03
but the solutions are extraordinary,
293
768000
3000
De a megoldások különlegesek,
13:06
and they include so many different things.
294
771000
2000
és rengeteg dolgot foglalnak magukba.
13:08
One of the ones I just wanted to mention:
295
773000
2000
Az egyik ilyen:
13:10
The iShoe is another example of a sensor that
296
775000
3000
az iShoe, mely újabb csodás példája a szenzoroknak;
13:13
improves proprioception among the elderly
297
778000
3000
javítja a mozgás koordinációt, az idősek körében,
13:16
to prevent falling.
298
781000
1000
és ezzel megakadályozza az eséseket.
13:17
One of many different techniques using wireless sensors.
299
782000
3000
Egyike a rengeteg technikának, mely mobil érzékelőket alkalmaz.
13:20
So, we can change medicine across the continuum of care,
300
785000
3000
Az ellátás teljes skáláján megváltoztathatjuk az orvoslást,
13:23
across the ages from premies or unborn children
301
788000
4000
a még meg sem született vagy újszülött gyermekektől,
13:27
to seniors; the pharmaceutical arena changes;
302
792000
3000
az idősekig; a gyógyszerészeti aréna is megváltozik;
13:30
the full spectrum of disease -- I hope I've given you a sense of that --
303
795000
3000
a betegségek teljes skáláján... remélem sikerült érzékeltetnem...
13:33
across the globe.
304
798000
2000
az egész világon.
13:35
There are two things that can really accelerate this whole process.
305
800000
3000
Két gyorsító tényező létezik, mely felpörgetheti az egész folyamatot.
13:38
One of them -- we're very fortunate -- is to develop a dedicated institute
306
803000
4000
Az egyik, és ebben nagyon szerencsések vagyunk, a specializált intézetek létrehozása,
13:42
and that's work that started with the work that Scripps with Qualcomm ...
307
807000
6000
és ez olyan munka, melyet a Scripps kezdett el a Qualcommal...
13:48
and then the great fortune of meeting up with Gary and Mary West,
308
813000
3000
és ekkor jött a szerencsés találkozás Gary és Mary West-tel,
13:51
to get behind this wireless health institute.
309
816000
3000
hogy támogatást nyújtsanak ennek a mobil egészségüggyel foglalkozó intézetnek.
13:54
San Diego is an extraordinary place for this.
310
819000
2000
San Diego kitűnő hely egy ilyen intézet számára.
13:56
There's over 650 wireless companies,
311
821000
3000
650 mobil eszközt gyártó cég van errefelé,
13:59
100 of which or more are working in wireless health.
312
824000
3000
ebből 100 a mobil eszközökre épülő egészségügyben érdekelt.
14:02
It's the number one source of commerce, and interestingly
313
827000
3000
Ez az első számú kereskedelmi területük, és érdekes módon
14:05
it dovetails beautifully with over 500 life science companies.
314
830000
3000
és gyönyörűen kapcsolódik több mint 500 élettudományokkal foglalkozó céggel.
14:08
The wireless institute,
315
833000
3000
A mobil intézet,
14:11
the West Wireless Health Institute,
316
836000
2000
a Nyugati Mobil Egészségügyi Intézet,
14:13
is really the outgrowth of two extraordinary people
317
838000
4000
tényleg két különleges ember eredménye,
14:17
who are here this evening:
318
842000
2000
akik itt vannak velünk ma este:
14:19
Gary and Mary West. And I'd like to give it up for them for getting behind this.
319
844000
3000
Gary és Mary West. Tapsoljuk meg őket, amiért támogatják mindezt.
14:22
(Applause)
320
847000
4000
(Taps)
14:26
Their fantastic philanthropic investment made this possible,
321
851000
3000
Filantróp befektetésük tette mindezt lehetővé,
14:29
and this is really a nonprofit education center
322
854000
3000
és ez itt egy nonprofit oktatási központ,
14:32
which is just about to open. It looks like this,
323
857000
3000
mely hamarosan megnyílik. Így néz ki.
14:35
this whole building dedicated.
324
860000
3000
Az egész épületet a témának szenteljük.
14:38
And what it's trying to do is accelerate this era:
325
863000
2000
És a cél, hogy felgyorsítsuk ezt a korszakot:
14:40
to take unmet medical needs, to work and innovate --
326
865000
3000
hogy olyan egészségügyi szükségletekkel foglalkozzunk, melyekre még nincs megoldás, hogy dolgozzunk, és innovatívak legyünk...
14:43
and we just appointed the chief engineer, Mehran Mehregany,
327
868000
3000
Mehran Mehregany-t neveztük ki vezető mérnökké.
14:46
it was announced on Monday --
328
871000
2000
Hétfőn jelentettük be a hírt.
14:48
then to move up with development,
329
873000
2000
Majd jön a fejlesztés,
14:50
clinical trial validation and then changing medical practice,
330
875000
3000
klinikai vizsgálatok és ellenőrzés, majd pedig az orvosi gyakorlatok megváltoztatása...
14:53
the most challenging thing of all,
331
878000
3000
mind közül a legnagyobb kihívás,
14:56
requiring attention to reimbursement, healthcare policy, healthcare economics.
332
881000
3000
mely során tekintettel kell lennünk a kártalanításra, egészségügyi szabályozásra és közgazdaságra.
14:59
The other big thing, besides having this fantastic
333
884000
3000
Egy másik nagy dolog, amellett, hogy lesz egy ilyen fantasztikus
15:02
institute to catalyze this process
334
887000
3000
intézetünk, hogy katalizáljuk a folyamatot,
15:05
is guidance,
335
890000
3000
az a tanácsadás,
15:08
and that's of course relying on the fact that medicine goes digital.
336
893000
3000
és mindez természetesen azon az alapon nyugszik, hogy az orvoslás teljesen digitalizálttá válik.
15:11
If we understand biology from genomics and omics
337
896000
4000
Ha majd értjük a biológiától, a genomikán és más hasonló területeken,
15:15
and wireless through physiologic phenotyping, that's big.
338
900000
4000
illetve a mobil eszközökön át, a fiziológiai fenotípus meghatározásig, az összes területet, az nagy dolog lesz.
15:19
Because what it does is allow a convergence like we've never had before.
339
904000
3000
Mert ez olyan konvergenciát tesz majd lehetővé, amilyet még soha sem láthattunk korábban.
15:22
Over 80 major diseases have been cracked at the genomic level,
340
907000
5000
Több mint 80 komoly betegséget fejtettek meg a genomika szintjén,
15:27
but this is quite extraordinary: More has been learned about
341
912000
3000
és ez meglehetősen különleges eredmény: többet tudtunk meg a
15:30
the underpinnings of disease in the last two and a half years
342
915000
2000
a betegségek okairól, az utóbbi 2,5 évben,
15:32
than in the history of man.
343
917000
2000
mint az emberiség történetében összesen.
15:34
And when you put that together with, for example,
344
919000
2000
És ha mindezt összeadjuk mondjuk...
15:36
now an app for the iPhone with your genotype
345
921000
3000
egy iPhone alkalmazást a genotípusoddal,
15:39
to guide drug therapy ...
346
924000
2000
hogy a gyógyszeres kezeléseddel kapcsolatos iránymutatást kapjál...
15:41
but, the future -- we can now tell who's going to get Type II diabetes
347
926000
4000
... a jövő... már képesek vagyunk megjósolni, hogy kinek lesz kettes típusú diabétesze,
15:45
from all the common variants,
348
930000
2000
a szokványos variánsokból,
15:47
and that's going to get filled in more
349
932000
2000
melyeket majd kiegészítenek a
15:49
with low-frequency variants in the future.
350
934000
2000
kevésbé szokványos variációk, a jövőben...
15:51
We can tell who's going to get breast cancer
351
936000
2000
A különböző gének alapján
15:53
from the various genes.
352
938000
2000
képesek leszünk megmondani, hogy kinek lesz mellrákja.
15:55
We can also know who's likely to get atrial fibrillation.
353
940000
3000
Azt is meg tudjuk majd mondani, hogy ki hajlamos pitvari fibrillációra.
15:58
And finally, another example: sudden cardiac death.
354
943000
3000
És végül még egy példa: hirtelen szívhalál.
16:01
Each of these has a sensor.
355
946000
2000
Mindnek van szenzora.
16:03
We can give glucose a sensor for diabetes to prevent it.
356
948000
4000
Adhatunk vércukor szenzort annak, aki hajlamos diabéteszre.
16:07
We can prevent, or have the earliest detection possible,
357
952000
3000
Megelőzhetjük, de legalábbis a lehető legkorábbi szakaszban felfedezhetjük,
16:10
for breast cancer with an ultrasound device
358
955000
3000
a mellrákot, egy ultrahang eszközzel,
16:13
given to the patient.
359
958000
2000
melyet a páciensnek adunk [otthoni, rendszeres használatra].
16:15
An iPatch, iRhythm, for atrial fibrillation.
360
960000
3000
Egy iRhythm készüléket annak, akinek pitvari fibrilláció hajlama van.
16:18
And vital-signs monitoring to prevent sudden cardiac death.
361
963000
4000
És életjel monitort, hogy megelőzzük a hirtelen szívhalált.
16:22
We lose 700,000 people a year in the U.S. from sudden cardiac death.
362
967000
3000
Évente, az USA-ban, 700 000 embert veszítünk el a hirtelen szívhalál miatt.
16:25
So, I hope I've convinced you of this,
363
970000
3000
Remélem, sikerült meggyőznöm benneteket, hogy
16:28
of the impact on hospital clinic resources is profound
364
973000
4000
mindennek óriási hatása van a kórházi, klinikai erőforrásokra,
16:32
and then the impact on diseases is equally impressive
365
977000
3000
és a betegségekre is,
16:35
across all these different diseases and more.
366
980000
3000
minden egyes betegséggel kapcsolatban.
16:38
It's really taking individualized medicine to a new height
367
983000
4000
Új szintre emeli az individualizált orvoslást,
16:42
and it's hyper-innovative,
368
987000
3000
és hiper-innovatív.
16:45
and I think it represents the black swan of medicine.
369
990000
4000
Ez az orvoslás Taleb-féle Fekete Hattyúja, teljesen kiszámíthatatlan és komplex pozitív befolyással az orvoslás jövőjére.
16:49
Thanks for your attention.
370
994000
3000
Köszönöm a figyelmet.
16:52
(Applause)
371
997000
2000
(Taps) [Translated and subtitled by/Fordította és feliratozta: Regina Saphier]
ABOUT THE SPEAKER
Eric Topol - Cardiologist and geneticistEric Topol is a leading cardiologist who has embraced the study of genomics and the latest advances in technology to treat chronic disease.
Why you should listen
As director of the Scripps Translational Science Institute in La Jolla, California, Eric Topol uses the study of genomics to propel game-changing medical research. The Institute combines clinical investigation with scientific theory, training physicians and scientists for research-based careers. He also serves on the board of the West Wireless Health Institute, discovering how wireless technology can change the future of health care.
In his early career, Topol was credited with leading the cardiovascular program at Cleveland Clinic to the topmost position in the US. He also was the first physician researcher to raise questions about the safety of Vioxx, has been elected to the Institute of Medicine of the National Academy of Sciences and was named Doctor of the Decade by the Institute for Scientific Information.
Eric Topol | Speaker | TED.com