TEDMED 2011
Sheila Nirenberg: A prosthetic eye to treat blindness
ՇԵՅԼԱ ՆԻՐԵՆԲԵՐԳ: ԿՈՒՐՈՒԹՅՈՒՆԸ ԲՈՒԺՈՂ ԱՉՔԻ ԻՄՊԼԱՆՏԱՆՏ
Filmed:
Readability: 4.3
470,530 views
TedMed-ի շրջանակներում Շեյլա Նիրենբերգը ցույց է տալիս կուրության հատուկ տեսակներով տառապող մարդկանց տեսողությունը վերականգնելու մի համարձակ մեթոդ. կապ ստեղծել աչքի տեսողական նյարդի և գլխուղեղի միջև` «ֆոտոխցիկի» միջոցով ազդակներ ուղարկելով անմիջապես գլխուղեղին:
Sheila Nirenberg - Neuroscientist
Sheila Nirenberg studies how the brain encodes information -- possibly allowing us to decode it, and maybe develop prosthetic sensory devices. Full bio
Sheila Nirenberg studies how the brain encodes information -- possibly allowing us to decode it, and maybe develop prosthetic sensory devices. Full bio
Double-click the English transcript below to play the video.
00:15
I study how the brain processes
0
0
2000
Ես հետազոտում եմ, թե ինչպես է ուղեղը
00:17
information. That is, how it takes
1
2000
2000
մշակում տեղեկատվությունը: Այսինքն, թե ինչպես է այն վերցնում
00:19
information in from the outside world, and
2
4000
2000
տեղեկատվությունն արտաքին աշխարհից ու
00:21
converts it into patterns of electrical activity,
3
6000
2000
վերածում էլեկտրական ակտիվության կաղապարների
00:23
and then how it uses those patterns
4
8000
2000
ու թե ինչպես է այն օգտագործում տվյալ կաղապարները`
00:25
to allow you to do things --
5
10000
2000
թույլ տալով ձեզ ինչ-որ բաներ անել`
00:27
to see, hear, to reach for an object.
6
12000
2000
տեսնել, լսել և փորձել իրեր վերցնել:
00:29
So I'm really a basic scientist, not
7
14000
2000
Այսպես, ես իրականում հասարակ գիտնական եմ, այլ ոչ
00:31
a clinician, but in the last year and a half
8
16000
2000
թե բժիշկ, սակայն վերջին մեկ ու կես տարվա ընթացքում
00:33
I've started to switch over, to use what
9
18000
2000
սկսեցի միանգամայն նոր ուղղությամբ աշխատել.
00:35
we've been learning about these patterns
10
20000
2000
մշակել նոր իմպլանտանտներ`
00:37
of activity to develop prosthetic devices,
11
22000
3000
օգտագործելով այդ ակտիվության կաղապարների մասին մեր ունեցած գիտելիքները:
00:40
and what I wanted to do today is show you
12
25000
2000
Այսօր ուզում եմ ձեզ ցույց տալ
00:42
an example of this.
13
27000
2000
դրանցից մեկը:
00:44
It's really our first foray into this.
14
29000
2000
Սա, իսկապես, դրա ստեղծման առաջին փորձարկումն է:
00:46
It's the development of a prosthetic device
15
31000
2000
Խոսքը կուրությունը բուժող
00:48
for treating blindness.
16
33000
2000
աչքի իմպլանտանտի մշակման մասին է:
00:50
So let me start in on that problem.
17
35000
2000
Այսպիսով, նախ եկե՛ք քննարկենք այդ խնդիրը:
00:52
There are 10 million people in the U.S.
18
37000
2000
Մոտ 10 մլն. մարդ ԱՄՆ-ում
00:54
and many more worldwide who are blind
19
39000
2000
և ավելի շատ ամբողջ աշխարհում կույր են
00:56
or are facing blindness due to diseases
20
41000
2000
կամ էլ կանգնած են այդ խնդրի առջև աչքի ցանցաթաղանթի մի շարք հիվանդությունների
00:58
of the retina, diseases like
21
43000
2000
(ինչպիսին մակուլյար դեգեներացիան է) պատճառով,
01:00
macular degeneration, and there's little
22
45000
2000
որոնց բուժման համար
01:02
that can be done for them.
23
47000
2000
շատ բան չենք կարող առաջարկել:
01:04
There are some drug treatments, but
24
49000
2000
Գոյություն ունի դեղորայքային բուժում, սակայն
01:06
they're only effective on a small fraction
25
51000
2000
վերջինս հիվանդների միայն փոքր մասի
01:08
of the population. And so, for the vast
26
53000
2000
համար է արդյունավետ: Ուստի հիվանդների
01:10
majority of patients, their best hope for
27
55000
2000
ճնշող մեծամասնության տեսողությունը
01:12
regaining sight is through prosthetic devices.
28
57000
2000
վերականգնելու միակ հույսը աչքի իմպլանտանտներն են:
01:14
The problem is that current prosthetics
29
59000
2000
Խնդիրն այն է, որ ներկայիս իմպլանտատներն
01:16
don't work very well. They're still very
30
61000
2000
այդքան էլ չեն արդարացնում իրենց:
01:18
limited in the vision that they can provide.
31
63000
2000
Դրանք դեռևս խիստ սահմանափակ տեսողական հնարավորություն են տալիս:
01:20
And so, you know, for example, with these
32
65000
2000
Այսպիսով գիտենք, որ այս սարքի օգնությամբ
01:22
devices, patients can see simple things
33
67000
2000
հիվանդները կարող են տեսնել, օրինակ, այնպիսի պարզ բաներ,
01:24
like bright lights and high contrast edges,
34
69000
2000
ինչպիսին պայծառ լույսն է կամ սուր հակադրությամբ եզրերը,
01:26
not very much more, so nothing close
35
71000
2000
բայց ոչ ավելի, այսինքն դեռևս
01:28
to normal vision has been possible.
36
73000
3000
հնարավոր չի եղել մշակել բնական տեսողությանը հասնող ինչ-որ բան:
01:31
So what I'm going to tell you about today
37
76000
2000
Այսպիսով, այսօր ուզում եմ ձեզ պատմել մի սարքի մասին,
01:33
is a device that we've been working on
38
78000
2000
որի վրա մենք աշխատում ենք:
01:35
that I think has the potential to make
39
80000
2000
Սա, իմ կարծիքով, կարող է շատ բան փոխել
01:37
a difference, to be much more effective,
40
82000
2000
և լինել շատ ավելի արդյունավետ:
01:39
and what I wanted to do is show you
41
84000
2000
Նաև ցանկանում եմ ցույց տալ,
01:41
how it works. Okay, so let me back up a
42
86000
2000
թե ինչպես է այս սարքն աշխատում: Այժմ թույլ տվեք
01:43
little bit and show you how a normal retina
43
88000
2000
մի փոքր ետ գնալ ու նախ ցույց տալ, թե ինչպես է աշխատում առողջ աչքի ցանցաթաղանթը,
01:45
works first so you can see the problem
44
90000
2000
ու դուք կկարողանաք հասկանալ այն խնդիրը,
01:47
that we were trying to solve.
45
92000
2000
որի լուծումը փորձում ենք գտնել:
01:49
Here you have a retina.
46
94000
2000
Ահա և ցանցաթաղանթը:
01:51
So you have an image, a retina, and a brain.
47
96000
2000
Այստեղ ունենք մի պատկեր, ցանցաթաղանթը և գլխուղեղը:
01:53
So when you look at something, like this image
48
98000
2000
Ուստի երբ նայում եք ինչ-որ բանի, ինչպիսին այս
01:55
of this baby's face, it goes into your eye
49
100000
2000
երեխայի դիմապատկերն է, ապա այն մտնում է ձեր աչքի մեջ
01:57
and it lands on your retina, on the front-end
50
102000
2000
ու «վայրէջք է կատարում» ձեր ցանցաթաղանթի,
01:59
cells here, the photoreceptors.
51
104000
2000
ապա արտաքին բջիջների, իսկ հետո էլ ֆոտոռեցեպտորային շերտի վրա:
02:01
Then what happens is the retinal circuitry,
52
106000
2000
Այնուհետև ցանցաթաղանթի կառուցվածքը`
02:03
the middle part, goes to work on it,
53
108000
2000
այս միջին շերտը, սկսում է աշխատել
02:05
and what it does is it performs operations
54
110000
2000
և որոշակի գործողություններ է կատարում այդ պատկերի հետ,
02:07
on it, it extracts information from it, and it
55
112000
2000
դրանից քաղում է որոշակի տեղեկատվություն`
02:09
converts that information into a code.
56
114000
2000
փոխակերպելով այն կոդի:
02:11
And the code is in the form of these patterns
57
116000
2000
Վերջինս հանդես է գալիս էլեկտրական ազդակների տեսքով,
02:13
of electrical pulses that get sent
58
118000
2000
որոնք ուղարկվում են դեպի գլխուղեղ.
02:15
up to the brain, and so the key thing is
59
120000
2000
այնպես որ այս գործընթացում առանցքայինն այն է,
02:17
that the image ultimately gets converted
60
122000
2000
որ տվյալ պատկերը ի վերջո
02:19
into a code. And when I say code,
61
124000
2000
վերածվում է կոդի: Եվ երբ ես ասում եմ «կոդ»,
02:21
I do literally mean code.
62
126000
2000
բառացի նկատի ունեմ հենց կոդը:
02:23
Like this pattern of pulses here actually means "baby's face,"
63
128000
3000
Օրինակ, էլեկտրական ազդակների այս կաղապարը իրականում նշանակում է «երեխայի դեմք»,
02:26
and so when the brain gets this pattern
64
131000
2000
և երբ գլխուղեղը ստանում է այս ազդակների կաղապարը,
02:28
of pulses, it knows that what was out there
65
133000
2000
ընկալում է, որ այդ պատկերում
02:30
was a baby's face, and if it
66
135000
2000
հենց երեխայի դեմք էր,
02:32
got a different pattern it would know
67
137000
2000
իսկ եթե գլխուղեղը ստանար էլեկտրական ազդակների որևէ այլ կաղապար,
02:34
that what was out there was, say, a dog,
68
139000
2000
ապա այն արդեն կընդուներ, որ այնտեղ պատկերված էր,
02:36
or another pattern would be a house.
69
141000
2000
ենթադրենք, շուն կամ տուն:
02:38
Anyway, you get the idea.
70
143000
2000
Ինչևէ, կարծում եմ ընդհանուր պատկերացում կազմեցիք:
02:40
And, of course, in real life, it's all dynamic,
71
145000
2000
Իհարկե, իրական կյանքում այս ամենը դինամիկ է,
02:42
meaning that it's changing all the time,
72
147000
2000
նկատի ունեմ, որ այն անընդմեջ փոփոխվում է,
02:44
so the patterns of pulses are changing
73
149000
2000
ուստի ազդակների կաղապարներն էլ են անընդմեջ փոփոխվում,
02:46
all the time because the world you're
74
151000
2000
որովհետև աշխարհը, որին նայում ենք,
02:48
looking at is changing all the time too.
75
153000
3000
նույնպես անընդմեջ փոփոխվում է:
02:51
So, you know, it's sort of a complicated
76
156000
2000
Հետևաբար տեսնում եք, որ սա բավականին
02:53
thing. You have these patterns of pulses
77
158000
2000
բարդ գործընթաց է: Այդ ազդակների կաղապարները
02:55
coming out of your eye every millisecond
78
160000
2000
ամեն մեկ միլիոներորդ վայրկյանը մեկ դուրս են գալիս ձեր աչքից
02:57
telling your brain what it is that you're seeing.
79
162000
2000
և տեղեկացնում ձեր գլխուղեղին, թե ինչ եք դուք տեսնում:
02:59
So what happens when a person
80
164000
2000
Ուրեմն, ի՞նչ է կատարվում այն ժամանակ, երբ մարդը
03:01
gets a retinal degenerative disease like
81
166000
2000
տառապում է ցանցաթաղանթի դեգեներատիվ որևէ հիվանդությամբ,
03:03
macular degeneration? What happens is
82
168000
2000
ինչպիսին մակուլյար դեգեներացիան է: Տեղի է ունենում հետևյալը.
03:05
is that, the front-end cells die,
83
170000
2000
արտաքին նյարդային բջիջները,
03:07
the photoreceptors die, and over time,
84
172000
2000
ինչպես նաև ֆոտոռեցեպորները, մահանում են, և ժամանակի ընթացքում
03:09
all the cells and the circuits that are
85
174000
2000
բոլոր բջիջներն ու դրանց հարակից այլ բաղադրիչները
03:11
connected to them, they die too.
86
176000
2000
նույնպես մահանում են,
03:13
Until the only things that you have left
87
178000
2000
մինչև որ «կենդանի» մնում են միայն
03:15
are these cells here, the output cells,
88
180000
2000
ահա այս «տեղեկատվություն կրող» բջիջները,
03:17
the ones that send the signals to the brain,
89
182000
2000
որոնք պետք է ազդակներ ուղարկեն գլխուղեղ,
03:19
but because of all that degeneration
90
184000
2000
սակայն դեգեներացիայի հետևանքով
03:21
they aren't sending any signals anymore.
91
186000
2000
դրանք այևս ազդակներ չեն ուղարկում:
03:23
They aren't getting any input, so
92
188000
2000
Այս բջիջները ոչինչ չեն ստանում դրսից,
03:25
the person's brain no longer gets
93
190000
2000
այդ իսկ պատճառով մարդու ուղեղն այդուհետ անկարող է
03:27
any visual information --
94
192000
2000
ձեռք բերել տեսողական որևէ տեղեկատվություն,
03:29
that is, he or she is blind.
95
194000
3000
այլ կերպ ասած` տվյալ անձը արդեն կույր է:
03:32
So, a solution to the problem, then,
96
197000
2000
Ուստի, այս խնդրի լուծումը միայն
03:34
would be to build a device that could mimic
97
199000
2000
այնպիսի սարքի ստեղծման մեջ էր,
03:36
the actions of that front-end circuitry
98
201000
2000
որը կարող էր նմանակել արտաքին նյարդային բջիջների գործողությունները,
03:38
and send signals to the retina's output cells,
99
203000
2000
և ազդակներ ուղարկել դեպի ցանցաթաղանթի ելքային բջիջներ`
03:40
and they can go back to doing their
100
205000
2000
այս կերպ թույլ տալով, որ վերջիններս անցնեն իրենց
03:42
normal job of sending signals to the brain.
101
207000
2000
բնականոն աշխատանքին, այսինքն` ազդակներ ուղարկեն դեպի գլխուղեղ:
03:44
So this is what we've been working on,
102
209000
2000
Ահա, թե ինչի վրա էինք աշխատում,
03:46
and this is what our prosthetic does.
103
211000
2000
և ահա թե ինչ կարող է անել մեր առաջարկած աչքի իմպլանտանտը:
03:48
So it consists of two parts, what we call
104
213000
2000
Այն կազմված է երկու մասից, որոնք համապատասխանաբար կոչվում են
03:50
an encoder and a transducer.
105
215000
2000
զգայական կոդ (սենսոր) և հաղորդիչ:
03:52
And so the encoder does just
106
217000
2000
Եվ այսպես, սենսորը կատարում է այն աշխատանքը,
03:54
what I was saying: it mimics the actions
107
219000
2000
որի մասին քիչ առաջ խոսում էի. այն նմանակում է
03:56
of the front-end circuitry -- so it takes images
108
221000
2000
արտաքին նյարդային շերտի բջիջների գործողությունները`
03:58
in and converts them into the retina's code.
109
223000
2000
ընկալում է պատկերը, ապա վերածում այն կոդի:
04:00
And then the transducer then makes the
110
225000
2000
Այնուհետև հաղորդիչը «ստիպում է»
04:02
output cells send the code on up
111
227000
2000
ելքային բջիջներին այդ կոդն
04:04
to the brain, and the result is
112
229000
2000
ուղարկել գլխուղեղ: Արդյունքում
04:06
a retinal prosthetic that can produce
113
231000
3000
ստանում ենք աչքի ցանցաթաղանթի այնպիսի իմպլանտանտ,
04:09
normal retinal output.
114
234000
2000
որը կարող է ապահովել առողջ ցանցաթաղանթի բոլոր գործառույթները:
04:11
So a completely blind retina,
115
236000
2000
Այսպիսով, բոլորովին կույր ցանցաթաղանթը,
04:13
even one with no front-end circuitry at all,
116
238000
2000
նույնիսկ առանց որևէ արտաքին բջիջների և
04:15
no photoreceptors,
117
240000
2000
ֆոտոռեցեպտորների,
04:17
can now send out normal signals,
118
242000
2000
այժմ ի վիճակի է լինում պարբերաբար ազդակներ ուղարկել գլխուղեղ.
04:19
signals that the brain can understand.
119
244000
3000
ազդակներ, որոնց օգնությամբ գլխուղեղն ընկալում է տվյալ տեղեկատվությունը:
04:22
So no other device has been able
120
247000
2000
Որևէ այլ սարքի չի հաջողվել
04:24
to do this.
121
249000
2000
հասնել այսպիսի արդյունքի:
04:26
Okay, so I just want to take
122
251000
2000
Իսկ հիմա ես կցանկանայի
04:28
a sentence or two to say something about
123
253000
2000
մի քանի խոսք ասել
04:30
the encoder and what it's doing, because
124
255000
2000
զգայական կոդի և վերջինիս աշխատանքի մասին,
04:32
it's really the key part and it's
125
257000
2000
քանի որ հենց սա է իմպլանտանտի առանցքային մասը:
04:34
sort of interesting and kind of cool.
126
259000
2000
Այն շատ հետաքրքիր է ու զիլ:
04:36
I'm not sure "cool" is really the right word, but
127
261000
2000
Համոզված չեմ, որ «զիլ» բառը տեղին էր օգտագործված,
04:38
you know what I mean.
128
263000
2000
բայց կարծում եմ` հասկացաք, թե ինչ նկատի ունեմ:
04:40
So what it's doing is, it's replacing
129
265000
2000
Այսպես, սենսորը փոխարինում է
04:42
the retinal circuitry, really the guts of
130
267000
2000
ցանցաթաղանթի կենտրոնական շերտին`
04:44
the retinal circuitry, with a set of equations,
131
269000
2000
դրա ներքին հատվածին մի շարք բանաձևերի միջոցով,
04:46
a set of equations that we can implement
132
271000
2000
որոնք մենք կարող ենք տեղադրել
04:48
on a chip. So it's just math.
133
273000
2000
չիպի մեջ: Սա պարզ մաթեմատիկա է:
04:50
In other words, we're not literally replacing
134
275000
3000
Այլ կերպ ասած`մենք բառացիորեն
04:53
the components of the retina.
135
278000
2000
չենք փոխարինում ցանցաթաղանթի բաղադրիչները:
04:55
It's not like we're making a little mini-device
136
280000
2000
Մենք չենք ստեղծում փոքր սարքեր
04:57
for each of the different cell types.
137
282000
2000
յուրաքանչյուր տեսակի բջջի համար:
04:59
We've just abstracted what the
138
284000
2000
Մենք պարզապես սեղմագրում ենք
05:01
retina's doing with a set of equations.
139
286000
2000
ցանցաթաղանթի կատարած աշխատանքը մի շարք բանաձևերի օգնությամբ:
05:03
And so, in a way, the equations are serving
140
288000
2000
Այսպիսով, բանաձևերը կարծես թե զգայական կոդագրքի
05:05
as sort of a codebook. An image comes in,
141
290000
2000
դեն են կատարում: Պատկերն ընկնում է աչքի մեջ,
05:07
goes through the set of equations,
142
292000
3000
անցնում է մի շարք բանաձևերի միջով
05:10
and out comes streams of electrical pulses,
143
295000
2000
և դուրս է գալիս արդեն այնպիսի էլեկտրական ազդակների տեսքով,
05:12
just like a normal retina would produce.
144
297000
4000
ինչպիսիք կառաջացներ առողջ ցանցաթաղանթը:
05:16
Now let me put my money
145
301000
2000
Այժմ, թույլ տվեք ասածս գործով ապացուցել
05:18
where my mouth is and show you that
146
303000
2000
և ցույց տալ, որ
05:20
we can actually produce normal output,
147
305000
2000
մեր առաջարկած սարքն իրականում կարող է առաջացնել նորմալ ազդակներ,
05:22
and what the implications of this are.
148
307000
2000
և թե ինչ արդյունք կարող է այն ունենալ:
05:24
Here are three sets of
149
309000
2000
Սրանք տեսողական երեք
05:26
firing patterns. The top one is from
150
311000
2000
տարբեր կաղապարներ են: Առաջինն
05:28
a normal animal, the middle one is from
151
313000
2000
առողջ կենդանու տեսողական կաղապարն է,
05:30
a blind animal that's been treated with
152
315000
2000
երկրորդը` կույր կենդանու կաղապարը,
05:32
this encoder-transducer device, and the
153
317000
2000
որը բուժվել է սենսոր-հաղորդիչ սարքի միջոցով,
05:34
bottom one is from a blind animal treated
154
319000
2000
իսկ ստորին նկարը դարձյալ կույր կենդանու տեսողական կաղապար է,
05:36
with a standard prosthetic.
155
321000
2000
որը բուժվել է ստանդարտ իմպլանտանտների շնորհիվ:
05:38
So the bottom one is the state-of-the-art
156
323000
2000
Վերջին կաղապարը մինչ օրս կիրառվող ամենահաջողված
05:40
device that's out there right now, which is
157
325000
2000
սարքն է, որը հիմնականում պատրաստված է
05:42
basically made up of light detectors,
158
327000
2000
լուսանկարչական սենսորներից, սակայն առանց
05:44
but no encoder. So what we did was we
159
329000
2000
զգայական կոդերի: Այսպես, ահա թե մենք ինչ արեցինք.
05:46
presented movies of everyday things --
160
331000
2000
այս երեք խումբ կենդանիներին ցուցադրեցինք տեսանյութեր, որտեղ նկարահանված էին
05:48
people, babies, park benches,
161
333000
2000
ամենօրյա պատկերներ` մարդիկ, երեխաներ, այգում գտնվող նստարաններ,
05:50
you know, regular things happening -- and
162
335000
2000
գիտեք էլի սովորական առօրյա իրադարձություններ,
05:52
we recorded the responses from the retinas
163
337000
2000
և ձայնագրեցինք նրանց
05:54
of these three groups of animals.
164
339000
2000
ցանցաթաղանթների արձագանքները:
05:56
Now just to orient you, each box is showing
165
341000
2000
Թույլ տվեք ձեզ մի փոքր ուղղություն տալ.
05:58
the firing patterns of several cells,
166
343000
2000
յուրաքանչյուր հատվածը ցույց էր տալիս
06:00
and just as in the previous slides,
167
345000
2000
մի քանի բջիջների համատեղ աշխատանքի կաղապարները,
06:02
each row is a different cell,
168
347000
2000
և ինչպես նախորդ սլայդի դեպքում,
06:04
and I just made the pulses a little bit smaller
169
349000
2000
այստեղ ևս բջիջների յուրաքանչյուր շարքը տարբերվում էր մյուսներից.
06:06
and thinner so I could show you
170
351000
3000
ես պարզապես մի քիչ փոքրացրել ու բարակացրել եմ այդ ազդակները,
06:09
a long stretch of data.
171
354000
2000
որպեսզի կարողանամ ներկայացնել ձեզ տվյալների ավելի մեծ բազա:
06:11
So as you can see, the firing patterns
172
356000
2000
Այսպիսով, ինչպես տեսնում եք,
06:13
from the blind animal treated with
173
358000
2000
սենսոր-հաղորդիչ իմպլանտանտի միջոցով բուժված կույր կենդանու
06:15
the encoder-transducer really do very
174
360000
2000
տեսողական կաղապարը շատ նման է
06:17
closely match the normal firing patterns --
175
362000
2000
առողջ տեսողության կաղապարին.
06:19
and it's not perfect, but it's pretty good --
176
364000
2000
այն կատարյալ չէ, սակայն բավականին հաջող է,
06:21
and the blind animal treated with
177
366000
2000
իսկ ինչ վերաբերում է սովորական
06:23
the standard prosthetic,
178
368000
2000
իմպլանտանտի միջոցով բուժված կույր կենդանուն,
06:25
the responses really don't.
179
370000
2000
ապա արդյունքը գոհացնող չէ:
06:27
And so with the standard method,
180
372000
3000
Դասական մեթոդի կիրառման դեպքում բջիջներն,
06:30
the cells do fire, they just don't fire
181
375000
2000
իրոք, գործում են, սակայն չեն հաղորդում
06:32
in the normal firing patterns because
182
377000
2000
ճշգրիտ ազդակներ,
06:34
they don't have the right code.
183
379000
2000
քանի որ չունեն ճիշտ կոդը:
06:36
How important is this?
184
381000
2000
Որքա՞նով է սա կարևոր:
06:38
What's the potential impact
185
383000
2000
Ի՞նչ ազդեցություն կարող է այն ունենալ
06:40
on a patient's ability to see?
186
385000
3000
հիվանդի տեսողության բարելավման վրա:
06:43
So I'm just going to show you one
187
388000
2000
Այժմ ես ձեզ ցույց կտամ մեր կատարած փորձերից մեկի վերջնական արդյունքը,
06:45
bottom-line experiment that answers this,
188
390000
2000
որը պատասխանում է այս հարցերին:
06:47
and of course I've got a lot of other data,
189
392000
2000
Իհարկե, ես ունեմ այլ տվյալներ ևս,
06:49
so if you're interested I'm happy
190
394000
2000
ու եթե ձեզ հետաքրքրում է, հաճույքով
06:51
to show more. So the experiment
191
396000
2000
կարող եմ դրանք ցույց տալ: Այս փորձը
06:53
is called a reconstruction experiment.
192
398000
2000
կոչվում է «վերականգնողական» փորձարկում:
06:55
So what we did is we took a moment
193
400000
2000
Մենք վերցրել ենք այդ ձայնագրություններից մի որևէ պահ
06:57
in time from these recordings and asked,
194
402000
3000
և փորձել ենք պարզել, թե ինչ էր
07:00
what was the retina seeing at that moment?
195
405000
2000
այդ պահին տեսնում ցանցաթաղանթը:
07:02
Can we reconstruct what the retina
196
407000
2000
Արդյոք կարո՞ղ ենք վերարտադրել ցանցաթաղանթի`
07:04
was seeing from the responses
197
409000
2000
տվյալ պահին արձանագրած պատկերը`
07:06
from the firing patterns?
198
411000
2000
ելնելով ազդակներ հաղորդող կաղապարի արձագանքից:
07:08
So, when we did this for responses
199
413000
3000
Այսպիսով, մենք կիրառել ենք այս եղանակը`
07:11
from the standard method and from
200
416000
3000
դասական մեթոդի և մեր սենսոր-հաղորդիչ իմպլանտանտի
07:14
our encoder and transducer.
201
419000
2000
տեսողական կաղապարների արձագանքները համեմատելու նպատակով:
07:16
So let me show you, and I'm going to
202
421000
2000
Թույլ տվեք ձեզ ցույց տալ դրանք:
07:18
start with the standard method first.
203
423000
2000
Սկսենք դասական կաղապարից:
07:20
So you can see that it's pretty limited,
204
425000
2000
Ինչպես տեսնում եք, դասական մեթոդը բավականին սահմանափակ է,
07:22
and because the firing patterns aren't
205
427000
2000
և քանի որ ազդակներ հաղորդող կաղապարը չունի ճիշտ կոդը,
07:24
in the right code, they're very limited in
206
429000
2000
դրանք կարող են ձեզ խիստ սահմանափակ
07:26
what they can tell you about
207
431000
2000
տեղեկություն տալ տվյալ
07:28
what's out there. So you can see that
208
433000
2000
պատկերի վերաբերյալ: Դուք կարող եք տեսնել, որ
07:30
there's something there, but it's not so clear
209
435000
2000
այնտեղ ինչ-որ բան կա, սակայն պարզ չէ,
07:32
what that something is, and this just sort of
210
437000
2000
թե այդ ինչ-որ բանը ինչ է,
07:34
circles back to what I was saying in the
211
439000
2000
և սա ևս մեկ անգամ ապացույցն է այն փաստի,
07:36
beginning, that with the standard method,
212
441000
2000
ինչ ես ասացի ելույթի սկզբում.
07:38
patients can see high-contrast edges, they
213
443000
2000
դասական մեթոդի միջոցով հիվանդներն ի վիճակի են
07:40
can see light, but it doesn't easily go
214
445000
2000
տեսնելու սուր հակադրությամբ եզրերը,
07:42
further than that. So what was
215
447000
2000
լույսը, բայց ոչ ավելին: Դե, ի՞նչ է պատկերված
07:44
the image? It was a baby's face.
216
449000
3000
այս նկարում: Սա երեխայի դեմք է:
07:47
So what about with our approach,
217
452000
2000
Իսկ ի՞նչ կլինի, եթե մենք ըստ մեր մոտեցման`
07:49
adding the code? And you can see
218
454000
2000
որևէ կոդ հաղորդենք դրան:
07:51
that it's much better. Not only can you
219
456000
2000
Դուք էական առաջընթաց կտեսնեք:
07:53
tell that it's a baby's face, but you can
220
458000
2000
Ոչ միայն կասեք, որ դա երեխայի դեմք է,
07:55
tell that it's this baby's face, which is a
221
460000
2000
այլև` որ հենց այս երեխայի դեմքն է,
07:57
really challenging task.
222
462000
2000
ինչը բավականին բարդ խնդիր է:
07:59
So on the left is the encoder
223
464000
2000
Ձախ կողմում միայն զգայական կոդն է գտնվում,
08:01
alone, and on the right is from an actual
224
466000
2000
իսկ աջ կողմում` հենց կույր ցանցաթաղանթը,
08:03
blind retina, so the encoder and the transducer.
225
468000
2000
այսինքն` այստեղ գտնվում են սենսորն ու հաղորդիչը:
08:05
But the key one really is the encoder alone,
226
470000
2000
Սակայն առանցքայինը այստեղ միայն զգայական կոդն է,
08:07
because we can team up the encoder with
227
472000
2000
քանի որ մենք կարող ենք այն միացնել
08:09
the different transducer.
228
474000
2000
մեկ այլ հաղորդչի:
08:11
This is just actually the first one that we tried.
229
476000
2000
Սա ընդամենը մեր առաջին փորձարկումն է:
08:13
I just wanted to say something about the standard method.
230
478000
2000
Կցանկանայի մի քանի խոսք ասել դասական մեթոդի վերաբերյալ:
08:15
When this first came out, it was just a really
231
480000
2000
Հենց որ այն առաջին անգամ ի հայտ եկավ, իսկապես
08:17
exciting thing, the idea that you
232
482000
2000
հետաքրքրություն առաջացրեց. միայն այն գաղափարը,
08:19
even make a blind retina respond at all.
233
484000
3000
որ կույր ցանցաթաղանթն իրականում կարող է արձագանքել, արդեն հրաշալի էր:
08:22
But there was this limiting factor,
234
487000
3000
Սակայն այն ուներ մի քանի սահմանափակող գործոններ.
08:25
the issue of the code, and how to make
235
490000
2000
դա կոդի բացակայությունն էր, և այն,
08:27
the cells respond better,
236
492000
2000
թե ինչ էր պետք անել բջիջների
08:29
produce normal responses,
237
494000
2000
արձագանքի բարելավման ու նորմալ արձագանքներ տալու համար:
08:31
and so this was our contribution.
238
496000
2000
Եվ սա էլ հենց դարձավ մեր նվաճումը:
08:33
Now I just want to wrap up,
239
498000
2000
Վերջում կցանկանայի ամփոփելով ասել,
08:35
and as I was mentioning earlier
240
500000
2000
որ ինչպես արդեն նշեցի,
08:37
of course I have a lot of other data
241
502000
2000
ինձ մոտ, անշուշտ, այլ տվյալներ նույնպես կան,
08:39
if you're interested, but I just wanted to give
242
504000
2000
եթե ձեզ հետաքրքրում է, սակայն ես ցանկացա ներկայացնել
08:41
this sort of basic idea
243
506000
2000
այն հիմնական գաղափարը, որ
08:43
of being able to communicate
244
508000
3000
մենք կարող ենք հաղորդակցվել
08:46
with the brain in its language, and
245
511000
2000
մեր ուղեղի հետ իր իսկ լեզվով
08:48
the potential power of being able to do that.
246
513000
3000
և ունենալ այս ամենն անելու հնարավությունը:
08:51
So it's different from the motor prosthetics
247
516000
2000
Սա տարբերվում է շարժիչ իմպլանտավորման ընթացակարգից,
08:53
where you're communicating from the brain
248
518000
2000
որի շրջանակներում հաղորդակցումը տեղի է ունենում գլխուղեղից
08:55
to a device. Here we have to communicate
249
520000
2000
դեպի սարք: Այստեղ մենք պետք է տեղեկատվություն
08:57
from the outside world
250
522000
2000
ստանանք դրսից,
08:59
into the brain and be understood,
251
524000
2000
փոխանցենք այն դեպի գլխուղեղ
09:01
and be understood by the brain.
252
526000
2000
և այնպես անենք, որպեսզի մեր ուղեղը կարողանա ընկալել այն:
09:03
And then the last thing I wanted
253
528000
2000
Վերջում կցանկանայի շեշտել,
09:05
to say, really, is to emphasize
254
530000
2000
որ այս գաղափարը
09:07
that the idea generalizes.
255
532000
2000
կարող է ընդհանրացվել:
09:09
So the same strategy that we used
256
534000
2000
Այնպես որ, ցանցաթաղանթի ազդակների
09:11
to find the code for the retina we can also
257
536000
2000
համար կիրառած նույն ռազմավարությունը
09:13
use to find the code for other areas,
258
538000
2000
կարելի է կիրառել նաև այլ բնագավառներում կոդի որոնման համար,
09:15
for example, the auditory system and
259
540000
2000
օրինակ` լսողական ապարատի և
09:17
the motor system, so for treating deafness
260
542000
2000
շարժողական համակարգի, խլության
09:19
and for motor disorders.
261
544000
2000
կամ հենաշարժողական խանգարումների բուժման դեպքում:
09:21
So just the same way that we were able to
262
546000
2000
Հենց այն մեթոդով, որով կարողացանք ելքային բջիջները
09:23
jump over the damaged
263
548000
2000
վերականգնելու նպատակով
09:25
circuitry in the retina to get to the retina's
264
550000
2000
շրջանցել ցանցաթաղանթի
09:27
output cells, we can jump over the
265
552000
2000
վնասված հատվածը, այժմ կարող ենք շրջանցել
09:29
damaged circuitry in the cochlea
266
554000
2000
ականջի խոռոչի վնասված հատվածը,
09:31
to get the auditory nerve,
267
556000
2000
որպեսզի բուժենք լսողական նյարդը,
09:33
or jump over damaged areas in the cortex,
268
558000
2000
կամ էլ շրջանցել գլխուղեղի կեղևի վնասված հատվածները`
09:35
in the motor cortex, to bridge the gap
269
560000
3000
կաթվածի հետևանքները
09:38
produced by a stroke.
270
563000
2000
հաղթահարելու նպատակով:
09:40
I just want to end with a simple
271
565000
2000
Կցանկանայի ավարտել ելույթս այն պարզ մտքով,
09:42
message that understanding the code
272
567000
2000
որ կոդի ճիշտ ըմբռնումը
09:44
is really, really important, and if we
273
569000
2000
չափազանց կարևոր է,
09:46
can understand the code,
274
571000
2000
ու եթե մենք հասկանանք փոխանցվող կոդը,
09:48
the language of the brain, things become
275
573000
2000
գլխուղեղի լեզուն, ապա նախկինում
09:50
possible that didn't seem obviously
276
575000
2000
անհնար թվացող բաները,
09:52
possible before. Thank you.
277
577000
2000
այժմ կդառնան հնարավոր: Շնորհակալություն:
09:54
(Applause)
278
579000
5000
(Ծափահարություններ)
ABOUT THE SPEAKER
Sheila Nirenberg - NeuroscientistSheila Nirenberg studies how the brain encodes information -- possibly allowing us to decode it, and maybe develop prosthetic sensory devices.
Why you should listen
Sheila Nirenberg is a neuroscientist/professor at Weill Medical College of Cornell University, where she studies neural coding – that is, how the brain takes information from the outside world and encodes it in patterns of electrical activity. The idea is to be able to decode the activity, to look at a pattern of electrical pulses and know what an animal is seeing or thinking or feeling. Recently, she’s been using this work to develop new kinds of prosthetic devices, particularly ones for treating blindness.
Sheila Nirenberg | Speaker | TED.com