TEDMED 2011
Sheila Nirenberg: A prosthetic eye to treat blindness
Sheila Nirenberg: Un occhio prostetico per la cecità
Filmed:
Readability: 4.3
470,530 views
A TEDMED, Sheila Nirenberg mostra un coraggioso metodo per dare la vista a persone affette da alcuni tipi di cecità: con l'aiuto di una microcamera collegata al nervo ottico, che invia segnali direttamente al cervello.
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
Io studio l'informazione nei processi
00:17
information. That is, how it takes
1
2000
2000
cerebrali. Ossia il modo di convogliare
00:19
information in from the outside world, and
2
4000
2000
le informazioni dal mondo esterno
00:21
converts it into patterns of electrical activity,
3
6000
2000
e convertirle in schemi di attività elettrica,
00:23
and then how it uses those patterns
4
8000
2000
e poi usarli per poter compiere
00:25
to allow you to do things --
5
10000
2000
delle azioni -
00:27
to see, hear, to reach for an object.
6
12000
2000
vedere, udire, prendere oggetti.
00:29
So I'm really a basic scientist, not
7
14000
2000
In realtà sono uno scienziato teorico,
00:31
a clinician, but in the last year and a half
8
16000
2000
ma nell'ultimo anno e mezzo ho cominciato
00:33
I've started to switch over, to use what
9
18000
2000
a sconfinare nella sperimentazione,
00:35
we've been learning about these patterns
10
20000
2000
usando quel che avevo imparato su questi schemi
00:37
of activity to develop prosthetic devices,
11
22000
3000
di attività per sviluppare congegni prostetici,
00:40
and what I wanted to do today is show you
12
25000
2000
e oggi volevo mostrarvi
00:42
an example of this.
13
27000
2000
uno di questi congegni.
00:44
It's really our first foray into this.
14
29000
2000
E' la prima volta che ne parlo in pubblico.
00:46
It's the development of a prosthetic device
15
31000
2000
E' lo sviluppo di una protesi
00:48
for treating blindness.
16
33000
2000
per il trattamento della cecità.
00:50
So let me start in on that problem.
17
35000
2000
Lasciate che vi spieghi il problema.
00:52
There are 10 million people in the U.S.
18
37000
2000
Vi sono 10 milioni di persone negli USA
00:54
and many more worldwide who are blind
19
39000
2000
e molte altre nel mondo che sono cieche
00:56
or are facing blindness due to diseases
20
41000
2000
o a rischio di cecità a causa di malattie
00:58
of the retina, diseases like
21
43000
2000
della retina, come
01:00
macular degeneration, and there's little
22
45000
2000
la degenerazione maculare,
01:02
that can be done for them.
23
47000
2000
per cui c'è poco da fare.
01:04
There are some drug treatments, but
24
49000
2000
Esistono cure farmacologiche,
01:06
they're only effective on a small fraction
25
51000
2000
ma funzionano solo per una piccola parte
01:08
of the population. And so, for the vast
26
53000
2000
della popolazione. Per la gran parte
01:10
majority of patients, their best hope for
27
55000
2000
dei pazienti l'unica speranza è poter
01:12
regaining sight is through prosthetic devices.
28
57000
2000
riacquistare la vista grazie a delle protesi.
01:14
The problem is that current prosthetics
29
59000
2000
Il problema è che le protesi esistenti
01:16
don't work very well. They're still very
30
61000
2000
non funzionano bene. Sono ancora
01:18
limited in the vision that they can provide.
31
63000
2000
molto limitate nell'amplificazione della vista.
01:20
And so, you know, for example, with these
32
65000
2000
Ad esempio, sapete, con questi congegni
01:22
devices, patients can see simple things
33
67000
2000
i pazienti possono vedere oggetti semplici,
01:24
like bright lights and high contrast edges,
34
69000
2000
come luci brillanti o profili ad alto contrasto,
01:26
not very much more, so nothing close
35
71000
2000
non molto di più, niente che si avvicini
01:28
to normal vision has been possible.
36
73000
3000
alla normale capacità visiva.
01:31
So what I'm going to tell you about today
37
76000
2000
Ma oggi vi parlerò
01:33
is a device that we've been working on
38
78000
2000
di un congegno su cui ho lavorato
01:35
that I think has the potential to make
39
80000
2000
che credo abbia il potenziale
01:37
a difference, to be much more effective,
40
82000
2000
per essere diverso e molto più efficace,
01:39
and what I wanted to do is show you
41
84000
2000
e volevo mostrarvi come funziona.
01:41
how it works. Okay, so let me back up a
42
86000
2000
Bene, ora faccio un passo indietro
01:43
little bit and show you how a normal retina
43
88000
2000
e vi mostro il funzionamento di una retina normale,
01:45
works first so you can see the problem
44
90000
2000
così capirete che tipo di problemi
01:47
that we were trying to solve.
45
92000
2000
abbiamo cercato di risolvere.
01:49
Here you have a retina.
46
94000
2000
Ecco una retina.
01:51
So you have an image, a retina, and a brain.
47
96000
2000
Dunque avete un'immagine, una retina e un cervello.
01:53
So when you look at something, like this image
48
98000
2000
Quando guardate qualcosa, come l'immagine
01:55
of this baby's face, it goes into your eye
49
100000
2000
di questo bimbo, questa passa attraverso l'occhio
01:57
and it lands on your retina, on the front-end
50
102000
2000
e arriva sulla retina, dove viene catturata
01:59
cells here, the photoreceptors.
51
104000
2000
da cellule chiamate fotorecettori.
02:01
Then what happens is the retinal circuitry,
52
106000
2000
Questo dà il via al circuito elettrico della retina,
02:03
the middle part, goes to work on it,
53
108000
2000
la parte centrale comincia a lavorarci
02:05
and what it does is it performs operations
54
110000
2000
ed effettua delle operazioni,
02:07
on it, it extracts information from it, and it
55
112000
2000
estraendo le informazioni
02:09
converts that information into a code.
56
114000
2000
e trasformandole in codici.
02:11
And the code is in the form of these patterns
57
116000
2000
Il codice prende la forma di impulsi elettrici
02:13
of electrical pulses that get sent
58
118000
2000
che vengono convogliati al cervello,
02:15
up to the brain, and so the key thing is
59
120000
2000
e dunque la cosa fondamentale
02:17
that the image ultimately gets converted
60
122000
2000
è che l'immagine viene trasformata
02:19
into a code. And when I say code,
61
124000
2000
in codice. E quando dico codice
02:21
I do literally mean code.
62
126000
2000
intendo letteralmente codice.
02:23
Like this pattern of pulses here actually means "baby's face,"
63
128000
3000
Questo schema di impulsi significa proprio "volto di bimbo",
02:26
and so when the brain gets this pattern
64
131000
2000
e quando gli impulsi arrivano al cervello,
02:28
of pulses, it knows that what was out there
65
133000
2000
questo capisce che si trova di fronte
02:30
was a baby's face, and if it
66
135000
2000
al viso di un bambino,
02:32
got a different pattern it would know
67
137000
2000
e se avesse ricevuto uno schema di impulsi
02:34
that what was out there was, say, a dog,
68
139000
2000
diverso, magari l'avrebbe associato
02:36
or another pattern would be a house.
69
141000
2000
a un cane o forse a un cavallo.
02:38
Anyway, you get the idea.
70
143000
2000
Ad ogni modo avete capito.
02:40
And, of course, in real life, it's all dynamic,
71
145000
2000
Naturalmente nella vita vera è tutto dinamico,
02:42
meaning that it's changing all the time,
72
147000
2000
cioè in continuo cambiamento,
02:44
so the patterns of pulses are changing
73
149000
2000
e gli schemi di impulsi cambiano sempre,
02:46
all the time because the world you're
74
151000
2000
perché il mondo che osservate
02:48
looking at is changing all the time too.
75
153000
3000
cambia in ogni istante.
02:51
So, you know, it's sort of a complicated
76
156000
2000
Dunque è una cosa alquanto complicata.
02:53
thing. You have these patterns of pulses
77
158000
2000
Avete questi impulsi provenienti
02:55
coming out of your eye every millisecond
78
160000
2000
dagli occhi ogni millisecondo che dicono
02:57
telling your brain what it is that you're seeing.
79
162000
2000
al cervello cosa state vedendo.
02:59
So what happens when a person
80
164000
2000
E quello che succede quando una persona
03:01
gets a retinal degenerative disease like
81
166000
2000
ha una malattia degenerativa della retina,
03:03
macular degeneration? What happens is
82
168000
2000
come la degenerazione maculare,
03:05
is that, the front-end cells die,
83
170000
2000
è che le cellule, i fotoricettori
03:07
the photoreceptors die, and over time,
84
172000
2000
muoiono, e con il passare del tempo
03:09
all the cells and the circuits that are
85
174000
2000
tutte le cellule e i circuiti ad essi collegati
03:11
connected to them, they die too.
86
176000
2000
muoiono anche loro.
03:13
Until the only things that you have left
87
178000
2000
Finché l'unica cosa che rimane
03:15
are these cells here, the output cells,
88
180000
2000
sono queste cellule,
03:17
the ones that send the signals to the brain,
89
182000
2000
quelle che inviano i segnali al cervello,
03:19
but because of all that degeneration
90
184000
2000
ma a causa della degenerazione
03:21
they aren't sending any signals anymore.
91
186000
2000
non hanno più niente da trasmettere.
03:23
They aren't getting any input, so
92
188000
2000
Dato che non ricevono informazioni,
03:25
the person's brain no longer gets
93
190000
2000
al cervello non arriva più
03:27
any visual information --
94
192000
2000
nessuna informazione visiva -
03:29
that is, he or she is blind.
95
194000
3000
ossia si diventa ciechi.
03:32
So, a solution to the problem, then,
96
197000
2000
Perciò una soluzione potrebbe essere
03:34
would be to build a device that could mimic
97
199000
2000
un congegno che mimi le azioni svolte
03:36
the actions of that front-end circuitry
98
201000
2000
dai fotorecettori e che invii le informazioni
03:38
and send signals to the retina's output cells,
99
203000
2000
alle cellule preposte ai segnali in uscita dalla retina,
03:40
and they can go back to doing their
100
205000
2000
così che possano tornare al loro compito
03:42
normal job of sending signals to the brain.
101
207000
2000
di inviare i segnali al cervello.
03:44
So this is what we've been working on,
102
209000
2000
Dunque questo è ciò a cui stiamo lavorando
03:46
and this is what our prosthetic does.
103
211000
2000
e questo è ciò che riesce a fare la nostra protesi.
03:48
So it consists of two parts, what we call
104
213000
2000
E' costituita da due parti:
03:50
an encoder and a transducer.
105
215000
2000
un codificatore e un trasduttore.
03:52
And so the encoder does just
106
217000
2000
Quello che fa il codificatore
03:54
what I was saying: it mimics the actions
107
219000
2000
è mimare le azioni del circuito anteriore
03:56
of the front-end circuitry -- so it takes images
108
221000
2000
della retina, in modo da raccogliere le immagini
03:58
in and converts them into the retina's code.
109
223000
2000
e convertirle in un codice che la retina comprende.
04:00
And then the transducer then makes the
110
225000
2000
E il trasduttore fa sì che le cellule
04:02
output cells send the code on up
111
227000
2000
della parte posteriore inviino il codice
04:04
to the brain, and the result is
112
229000
2000
al cervello, e il risultato
04:06
a retinal prosthetic that can produce
113
231000
3000
è una protesi retinica in grado di reagire
04:09
normal retinal output.
114
234000
2000
come una normale retina.
04:11
So a completely blind retina,
115
236000
2000
E così una retina completamente cieca,
04:13
even one with no front-end circuitry at all,
116
238000
2000
in cui sia assente il circuito anteriore,
04:15
no photoreceptors,
117
240000
2000
quello dei fotorecettori,
04:17
can now send out normal signals,
118
242000
2000
è ora in grado di inviare segnali normali,
04:19
signals that the brain can understand.
119
244000
3000
segnali che il cervello riesce a comprendere.
04:22
So no other device has been able
120
247000
2000
Nessun altro congegno è mai riuscito
04:24
to do this.
121
249000
2000
a fare tanto.
04:26
Okay, so I just want to take
122
251000
2000
Bene, voglio dirvi
04:28
a sentence or two to say something about
123
253000
2000
brevemente qualcosa sul codificatore
04:30
the encoder and what it's doing, because
124
255000
2000
e sul suo funzionamento, perché è davvero
04:32
it's really the key part and it's
125
257000
2000
la parte fondamentale ed è
04:34
sort of interesting and kind of cool.
126
259000
2000
ed è proprio interessante e forte.
04:36
I'm not sure "cool" is really the right word, but
127
261000
2000
Non so se 'forte' sia la parola più adatta,
04:38
you know what I mean.
128
263000
2000
ma sapete cosa intendo dire.
04:40
So what it's doing is, it's replacing
129
265000
2000
Dunque ciò che fa è sostituire
04:42
the retinal circuitry, really the guts of
130
267000
2000
il circuito retinico, la sua parte
04:44
the retinal circuitry, with a set of equations,
131
269000
2000
preminente, con una serie di equazioni
04:46
a set of equations that we can implement
132
271000
2000
che possiamo affidare ad un chip elettronico.
04:48
on a chip. So it's just math.
133
273000
2000
Si tratta solo di matematica.
04:50
In other words, we're not literally replacing
134
275000
3000
In altre parole, non stiamo proprio rimpiazzando
04:53
the components of the retina.
135
278000
2000
le parti della retina.
04:55
It's not like we're making a little mini-device
136
280000
2000
Non costruiamo un mini apparato
04:57
for each of the different cell types.
137
282000
2000
per ogni tipologia di cellule.
04:59
We've just abstracted what the
138
284000
2000
Abbiamo solo sintetizzato il compito
05:01
retina's doing with a set of equations.
139
286000
2000
della retina con una serie di equazioni.
05:03
And so, in a way, the equations are serving
140
288000
2000
E in un certo senso le equazioni costituiscono
05:05
as sort of a codebook. An image comes in,
141
290000
2000
un dizionario dei codici. Arriva un'immagine,
05:07
goes through the set of equations,
142
292000
3000
passa attraverso i sistemi di equazioni
05:10
and out comes streams of electrical pulses,
143
295000
2000
e ne esce sotto forma di impulsi elettrici,
05:12
just like a normal retina would produce.
144
297000
4000
proprio come li produrrebbe una normale retina.
05:16
Now let me put my money
145
301000
2000
Adesso lasciate
05:18
where my mouth is and show you that
146
303000
2000
che vi mostri, in pratica, come
05:20
we can actually produce normal output,
147
305000
2000
possiamo ottenere una visione normale,
05:22
and what the implications of this are.
148
307000
2000
e quali sono le implicazioni.
05:24
Here are three sets of
149
309000
2000
Qui abbiamo tre modalità
05:26
firing patterns. The top one is from
150
311000
2000
di elaborazione immagine. In alto,
05:28
a normal animal, the middle one is from
151
313000
2000
quella di un animale normale, al centro
05:30
a blind animal that's been treated with
152
315000
2000
di un animale cieco a cui è stato applicato
05:32
this encoder-transducer device, and the
153
317000
2000
il congegno codificatore-trasduttore, e in basso
05:34
bottom one is from a blind animal treated
154
319000
2000
quella di un animale cieco
05:36
with a standard prosthetic.
155
321000
2000
dotato di protesi standard.
05:38
So the bottom one is the state-of-the-art
156
323000
2000
Dunque in basso c'è l'ultima tecnologia
05:40
device that's out there right now, which is
157
325000
2000
disponibile oggi, costituita essenzialmente
05:42
basically made up of light detectors,
158
327000
2000
da rilevatori di luce, ma che non fa uso
05:44
but no encoder. So what we did was we
159
329000
2000
di codificatori. E così abbiamo realizzato
05:46
presented movies of everyday things --
160
331000
2000
dei filmati con immagini comuni -
05:48
people, babies, park benches,
161
333000
2000
persone, bambini, panchine,
05:50
you know, regular things happening -- and
162
335000
2000
insomma cose normali -
05:52
we recorded the responses from the retinas
163
337000
2000
e abbiamo registrato la risposta della retina
05:54
of these three groups of animals.
164
339000
2000
dei tre animali.
05:56
Now just to orient you, each box is showing
165
341000
2000
Ora, tanto per farvi capire, ogni riquadro mostra
05:58
the firing patterns of several cells,
166
343000
2000
gli schemi di attivazione di diverse cellule,
06:00
and just as in the previous slides,
167
345000
2000
e come per le immagini precedenti,
06:02
each row is a different cell,
168
347000
2000
ogni fila corrisponde a cellule diverse,
06:04
and I just made the pulses a little bit smaller
169
349000
2000
e ho rimpicciolito gli impulsi in modo
06:06
and thinner so I could show you
170
351000
3000
da farvi vedere una lunga
06:09
a long stretch of data.
171
354000
2000
serie di dati.
06:11
So as you can see, the firing patterns
172
356000
2000
Come potete vedere, gli schemi di attivazione
06:13
from the blind animal treated with
173
358000
2000
dell'animale cieco
06:15
the encoder-transducer really do very
174
360000
2000
con il codificatore-trasduttore si avvicinano
06:17
closely match the normal firing patterns --
175
362000
2000
di molto a quelli normali -
06:19
and it's not perfect, but it's pretty good --
176
364000
2000
non è ancora perfetto, ma è abbastanza buono -
06:21
and the blind animal treated with
177
366000
2000
mentre per l'animale con la protesi
06:23
the standard prosthetic,
178
368000
2000
standard, i risultati
06:25
the responses really don't.
179
370000
2000
lasciano a desiderare.
06:27
And so with the standard method,
180
372000
3000
Perché con il metodo standard
06:30
the cells do fire, they just don't fire
181
375000
2000
le cellule si attivano,
06:32
in the normal firing patterns because
182
377000
2000
ma non secondo uno schema normale,
06:34
they don't have the right code.
183
379000
2000
perché non hanno il codice corretto.
06:36
How important is this?
184
381000
2000
Ma quanto è importante averlo?
06:38
What's the potential impact
185
383000
2000
Qual è l'impatto potenziale
06:40
on a patient's ability to see?
186
385000
3000
sulla capacità visiva di un paziente?
06:43
So I'm just going to show you one
187
388000
2000
Ora vi mostrerò un esperimento
06:45
bottom-line experiment that answers this,
188
390000
2000
concreto per farvelo capire,
06:47
and of course I've got a lot of other data,
189
392000
2000
e certamente dispongo di molti altri dati,
06:49
so if you're interested I'm happy
190
394000
2000
e se siete interessati sarò lieta
06:51
to show more. So the experiment
191
396000
2000
di condividerli con voi. L'esperimento
06:53
is called a reconstruction experiment.
192
398000
2000
si chiama esperimento di ricostruzione.
06:55
So what we did is we took a moment
193
400000
2000
Abbiamo preso un determinato fotogramma
06:57
in time from these recordings and asked,
194
402000
3000
della registrazione e ci siamo chiesti
07:00
what was the retina seeing at that moment?
195
405000
2000
cosa stesse vedendo la retina in quel momento.
07:02
Can we reconstruct what the retina
196
407000
2000
Possiamo ricostruire ciò che ha visto
07:04
was seeing from the responses
197
409000
2000
la retina in base alla reazione
07:06
from the firing patterns?
198
411000
2000
delle cellule?
07:08
So, when we did this for responses
199
413000
3000
E abbiamo fatto lo stesso
07:11
from the standard method and from
200
416000
3000
per le risposte da metodo standard
07:14
our encoder and transducer.
201
419000
2000
e quelle da codificatore-trasduttore.
07:16
So let me show you, and I'm going to
202
421000
2000
Ora ve le mostro,
07:18
start with the standard method first.
203
423000
2000
e inizierò con il metodo standard.
07:20
So you can see that it's pretty limited,
204
425000
2000
Potete constatare che è alquanto limitato,
07:22
and because the firing patterns aren't
205
427000
2000
e dato che gli schemi di attivazione
07:24
in the right code, they're very limited in
206
429000
2000
non hanno il codice corretto, possono dirvi
07:26
what they can tell you about
207
431000
2000
ben poco di cio' che succede là fuori
07:28
what's out there. So you can see that
208
433000
2000
Capite che c'è qualcosa,
07:30
there's something there, but it's not so clear
209
435000
2000
ma non è chiaro cosa sia quel qualcosa,
07:32
what that something is, and this just sort of
210
437000
2000
quindi torniamo
07:34
circles back to what I was saying in the
211
439000
2000
a quello che dicevo all'inizio,
07:36
beginning, that with the standard method,
212
441000
2000
che con il metodo standard i pazienti
07:38
patients can see high-contrast edges, they
213
443000
2000
percepiscono solo profili ad alto contrasto,
07:40
can see light, but it doesn't easily go
214
445000
2000
percepiscono la luce,
07:42
further than that. So what was
215
447000
2000
ma non molto di più. Qual era l'immagine?
07:44
the image? It was a baby's face.
216
449000
3000
il volto di un bambino.
07:47
So what about with our approach,
217
452000
2000
Ma che succede con il nostro metodo,
07:49
adding the code? And you can see
218
454000
2000
quando aggiungiamo il codice?
07:51
that it's much better. Not only can you
219
456000
2000
Va molto meglio. Non solo riuscite
07:53
tell that it's a baby's face, but you can
220
458000
2000
a capire che è il viso di un bambino,
07:55
tell that it's this baby's face, which is a
221
460000
2000
ma che è proprio di questo bambino,
07:57
really challenging task.
222
462000
2000
una cosa davvero difficile.
07:59
So on the left is the encoder
223
464000
2000
A sinistra l'immagine recepita
08:01
alone, and on the right is from an actual
224
466000
2000
dal solo codificatore, e a destra
08:03
blind retina, so the encoder and the transducer.
225
468000
2000
da una retina cieca, con l'ausilio del codificatore-trasduttore.
08:05
But the key one really is the encoder alone,
226
470000
2000
Ma la più importante è quella con il solo codificatore,
08:07
because we can team up the encoder with
227
472000
2000
dato che abbiamo la possibilità di abbinarlo
08:09
the different transducer.
228
474000
2000
a diversi trasduttori.
08:11
This is just actually the first one that we tried.
229
476000
2000
Questo è solo il primo che abbiamo provato.
08:13
I just wanted to say something about the standard method.
230
478000
2000
Volevo parlarvi un attimo del metodo standard.
08:15
When this first came out, it was just a really
231
480000
2000
Quando questo venne alla ribalta fu una cosa
08:17
exciting thing, the idea that you
232
482000
2000
entusiasmante, l'idea di riuscire
08:19
even make a blind retina respond at all.
233
484000
3000
a far funzionare una retina del tutto cieca.
08:22
But there was this limiting factor,
234
487000
3000
Ma c'era un fattore limitante,
08:25
the issue of the code, and how to make
235
490000
2000
il problema del codice e di come
08:27
the cells respond better,
236
492000
2000
far reagire meglio le cellule
08:29
produce normal responses,
237
494000
2000
perché rispondessero normalmente,
08:31
and so this was our contribution.
238
496000
2000
e questo è stato il nostro contributo.
08:33
Now I just want to wrap up,
239
498000
2000
Ora vorrei concludere,
08:35
and as I was mentioning earlier
240
500000
2000
e come vi dicevo prima,
08:37
of course I have a lot of other data
241
502000
2000
dispongo di molti altri dati,
08:39
if you're interested, but I just wanted to give
242
504000
2000
se vi interessano, ma volevo lasciarvi
08:41
this sort of basic idea
243
506000
2000
con questa idea di base,
08:43
of being able to communicate
244
508000
3000
sulla possibilità di comunicare
08:46
with the brain in its language, and
245
511000
2000
con il cervello nel suo linguaggio
08:48
the potential power of being able to do that.
246
513000
3000
e sulle possibilità che questo dischiude.
08:51
So it's different from the motor prosthetics
247
516000
2000
Cosa diversa dalle protesi motorizzate
08:53
where you're communicating from the brain
248
518000
2000
in cui la comunicazione va dal cervello
08:55
to a device. Here we have to communicate
249
520000
2000
al congegno. Qui dobbiamo comunicare
08:57
from the outside world
250
522000
2000
il mondo esterno
08:59
into the brain and be understood,
251
524000
2000
al cervello e far sì
09:01
and be understood by the brain.
252
526000
2000
che possa essere compreso.
09:03
And then the last thing I wanted
253
528000
2000
E l'ultima cosa che volevo dire,
09:05
to say, really, is to emphasize
254
530000
2000
davvero, è sottolineare
09:07
that the idea generalizes.
255
532000
2000
come l'idea funzioni anche per altro.
09:09
So the same strategy that we used
256
534000
2000
La stessa strategia usata per trovare
09:11
to find the code for the retina we can also
257
536000
2000
il codice per la retina si può usare
09:13
use to find the code for other areas,
258
538000
2000
anche per i codici di altre aree,
09:15
for example, the auditory system and
259
540000
2000
ad esempio per il sistema uditivo
09:17
the motor system, so for treating deafness
260
542000
2000
e quello motorio, e dunque per il trattamento
09:19
and for motor disorders.
261
544000
2000
di sordità e di disordini motori.
09:21
So just the same way that we were able to
262
546000
2000
E come siamo riusciti ad aggirare
09:23
jump over the damaged
263
548000
2000
i circuiti danneggiati
09:25
circuitry in the retina to get to the retina's
264
550000
2000
della retina per raggiungere le cellule
09:27
output cells, we can jump over the
265
552000
2000
posteriori, possiamo aggirare
09:29
damaged circuitry in the cochlea
266
554000
2000
i circuiti danneggiati della coclea
09:31
to get the auditory nerve,
267
556000
2000
per raggiungere il nervo uditivo,
09:33
or jump over damaged areas in the cortex,
268
558000
2000
oppure oltrepassare le zone danneggiate
09:35
in the motor cortex, to bridge the gap
269
560000
3000
della corteccia cerebrale per colmare
09:38
produced by a stroke.
270
563000
2000
il divario creato da un ictus.
09:40
I just want to end with a simple
271
565000
2000
Volevo concludere con un semplice
09:42
message that understanding the code
272
567000
2000
messaggio: comprendere il codice
09:44
is really, really important, and if we
273
569000
2000
è estremamente importante,
09:46
can understand the code,
274
571000
2000
perché in questo modo,
09:48
the language of the brain, things become
275
573000
2000
conoscendo il linguaggio del cervello,
09:50
possible that didn't seem obviously
276
575000
2000
cose prima impossibili
09:52
possible before. Thank you.
277
577000
2000
diventano possibili. Grazie.
09:54
(Applause)
278
579000
5000
(Applausi)
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