TEDxAustin
Joel Selanikio: The big-data revolution in health care
Joel Selanikio: I semi inaspettati della rivoluzione dei big data nel settore sanitario
Filmed:
Readability: 4.1
745,046 views
La raccolta a livello mondiale dei dati del settore sanitario era una scienza imperfetta: gli impiegati vagavano per i villaggi di casa in casa, facendo domande, annotando risposte su moduli cartacei per poi inserirli in un computer -- e basandosi su queste informazioni frammentate, le nazioni prendevano grosse decisioni. L'appassionato di dati, Joel Selanikio, parla della profonda trasformazione nella raccolta di dati del settore sanitario nell'ultima decennio. Partendo dal Palm Pilot e Hotmail si è giunti ai moderni sistemi basati sul cloud. (Filmato a TEDxAustin.)
Joel Selanikio - Health and technology activist
Dr. Joel Selanikio combines technology and data to help solve global health challenges. Full bio
Dr. Joel Selanikio combines technology and data to help solve global health challenges. Full bio
Double-click the English transcript below to play the video.
00:12
There's an old joke about a cop who's walking his beat
0
717
2439
C'è una vecchia barzelletta su un poliziotto
che sta facendo la ronda
che sta facendo la ronda
00:15
in the middle of the night,
1
3156
1295
nel mezzo della notte,
00:16
and he comes across a guy under a street lamp
2
4451
2365
e s'imbatte in un ragazzo sotto un lampione
00:18
who's looking at the ground and moving from side to side,
3
6816
2531
che sta fissando il terreno,
muovendosi da un lato all'altro,
muovendosi da un lato all'altro,
00:21
and the cop asks him what he's doing.
4
9347
1859
il poliziotto gli chiede cosa sta facendo.
00:23
The guys says he's looking for his keys.
5
11206
1959
Il ragazzo gli dice che sta
cercando le chiavi
cercando le chiavi
00:25
So the cop takes his time and looks over
6
13165
2580
Il poliziotto si ferma,
si mette a cercare
si mette a cercare
00:27
and kind of makes a little matrix and looks
7
15745
1637
fa una griglia e cerca
00:29
for about two, three minutes. No keys.
8
17382
3051
per due o tre minuti. Niente.
00:32
The cop says, "Are you sure? Hey buddy,
9
20433
2966
Il poliziotto dice, "Sei sicuro?'
00:35
are you sure you lost your keys here?"
10
23399
1880
Sicuro di aver perso le chiavi?
00:37
And the guy says, "No, no, actually I lost them
11
25279
1379
E il ragazzo, "No, veramente
00:38
down at the other end of the street,
12
26658
1525
le ho perse dall'altra parte della strada,
00:40
but the light is better here."
13
28183
5984
ma qui c'è più luce."
00:46
There's a concept that people talk about nowadays
14
34167
1793
C'è un concetto di cui la gente parla ai giorni nostri
00:47
called big data, and what they're talking about
15
35960
2234
si chiama big data e si riferisce
00:50
is all of the information that we're generating
16
38194
2166
alla mole di informazioni
che stiamo generando
che stiamo generando
00:52
through our interaction with and over the Internet,
17
40360
2665
attraverso l'interazione con il web e nel web,
00:55
everything from Facebook and Twitter
18
43025
1942
a partire da Facebook e Twitter
00:56
to music downloads, movies, streaming, all this kind of stuff,
19
44967
4077
fino al download della musica, dei film,
allo streaming e via dicendo,
allo streaming e via dicendo,
01:01
the live streaming of TED.
20
49044
1875
lo streaming in diretta di TED.
01:02
And the folks who work with big data, for them,
21
50919
2761
La gente che lavora con i big data,
01:05
they talk about that their biggest problem is
22
53680
1771
afferma che il più grande problema sia
01:07
we have so much information,
23
55451
1912
il fatto che abbiamo troppe informazioni,
01:09
the biggest problem is, how do we organize all that information?
24
57363
3492
e la domande principale è:
come organizziamo tutta queste informazioni?
come organizziamo tutta queste informazioni?
01:12
I can tell you that working in global health,
25
60855
2392
Per me che lavoro nel settore sanitario mondiale,
01:15
that is not our biggest problem.
26
63247
2872
non è questo il problema più grande.
01:18
Because for us, even though the light
27
66119
1570
Perché per noi, anche se preferiamo
01:19
is better on the Internet,
28
67689
3157
la luce a internet,
01:22
the data that would help us solve the problems
29
70846
2320
i dati che potrebbero aiutarci a risolvere i problemi
01:25
we're trying to solve is not actually present on the Internet.
30
73166
3386
che stiamo affrontando non si trovano nel web.
01:28
So we don't know, for example, how many people
31
76552
1847
Non sappiamo, per esempio, quante persone adesso
01:30
right now are being affected by disasters
32
78399
2594
siano state colpite da catastrofi
01:32
or by conflict situations.
33
80993
2336
o vivono situazioni di conflitto.
01:35
We don't know for really basically any of the clinics
34
83329
3743
Non sappiamo nulla degli ambulatori
nei paesi in via di sviluppo,
nei paesi in via di sviluppo,
01:39
in the developing world, which ones have medicines
35
87072
2193
quali hanno i farmaci
01:41
and which ones don't.
36
89265
1460
e quali no.
01:42
We have no idea of what the supply chain is for those clinics.
37
90725
3172
Non abbiamo idea di come sia organizzata la distribuzione dei farmaci di quegli ambulatori.
01:45
We don't know -- and this is really amazing to me --
38
93897
2860
Non sappiamo - e questo mi sorprende -
01:48
we don't know how many children were born,
39
96757
2901
quanti bambini sono nati,
01:51
or how many children there are in Bolivia
40
99658
2946
o quanti bambini ci sono in Bolivia,
01:54
or Botswana or Bhutan.
41
102604
3154
Botswana o Bhutan.
01:57
We don't know how many kids died last week
42
105758
1922
Non sappiamo quanti bambini
siano morti la scorsa settimana
siano morti la scorsa settimana
01:59
in any of those countries.
43
107680
1401
in questi paesi.
02:01
We don't know the needs of the elderly, the mentally ill.
44
109081
3372
Non conosciamo le necessità degli anziani
o dei malati di mente.
o dei malati di mente.
02:04
For all of these different critically important problems
45
112453
3239
Di tutti quei problemi significativamente importanti
02:07
or critically important areas that we want to solve problems in,
46
115692
3001
o quei settori cruciali in cui vogliamo
risolvere i problemi,
risolvere i problemi,
02:10
we basically know nothing at all.
47
118693
5112
non sappiamo nulla.
02:15
And part of the reason why we don't know anything at all
48
123805
2623
E questo, in parte, è dovuto al fatto che
02:18
is that the information technology systems
49
126428
2252
i sistemi informatici
02:20
that we use in global health to find the data
50
128680
3525
impiegati nel settore sanitario per trovare dati
02:24
to solve these problems is what you see here.
51
132205
2945
per risolvere questi problemi
si riassumono in questo.
si riassumono in questo.
02:27
And this is about a 5,000-year-old technology.
52
135150
2258
Parliamo di un sistema tecnologico di 5000 anni fa.
02:29
Some of you may have used it before.
53
137408
1052
Alcuni di voi potrebbero averlo già usato.
02:30
It's kind of on its way out now, but we still use it
54
138460
2320
Sembra stia passando di moda,
ma noi continuiamo ad usarlo
ma noi continuiamo ad usarlo
02:32
for 99 percent of our stuff.
55
140780
2091
per il 99 per cento delle attività.
02:34
This is a paper form, and what you're looking at
56
142871
4009
Quello che vedete è un modulo
02:38
is a paper form in the hand of a Ministry of Health nurse
57
146880
3366
nelle mani di un'infermiera
del ministero della salute indonesiano
del ministero della salute indonesiano
02:42
in Indonesia who is tramping out across the countryside
58
150246
3288
che sta attraversando
tutta la campagna indonesiana
tutta la campagna indonesiana
02:45
in Indonesia on, I'm sure, a very hot and humid day,
59
153534
3581
in una giornata sicuramente calda e afosa,
02:49
and she is going to be knocking on thousands of doors
60
157115
2725
andrà bussando di porta in porta
02:51
over a period of weeks or months,
61
159840
1946
per settimane o mesi,
02:53
knocking on the doors and saying, "Excuse me,
62
161786
2448
dicendo, "Scusate,
02:56
we'd like to ask you some questions.
63
164234
2172
vorremmo farvi alcune domande.
02:58
Do you have any children? Were your children vaccinated?"
64
166406
3671
Avete bambini? Sono vaccinati?"
03:02
Because the only way we can actually find out
65
170077
1848
Perché l'unico modo per scoprire
03:03
how many children were vaccinated in the country of Indonesia,
66
171925
2883
quanti bambini sono vaccinati in Indonesia,
03:06
what percentage were vaccinated, is actually not
67
174808
2653
i dati in percentuale, non è
03:09
on the Internet but by going out and knocking on doors,
68
177461
2900
attraverso internet ma chiedendo in ogni casa,
03:12
sometimes tens of thousands of doors.
69
180361
2871
a volte in migliaia di case.
03:15
Sometimes it takes months to even years
70
183232
2376
A volte tutto questo richiede mesi
03:17
to do something like this.
71
185608
1726
o addirittura anni.
03:19
You know, a census of Indonesia
72
187334
2141
Un censimento di tutta l'Indonesia
03:21
would probably take two years to accomplish.
73
189475
1832
richiederebbe forse due anni.
03:23
And the problem, of course, with all of this is that
74
191307
2645
E in tutto questo il problema, ovviamente,
03:25
with all those paper forms — and I'm telling you
75
193952
1785
sono tutti quei moduli - e vi dico che
03:27
we have paper forms for every possible thing.
76
195737
2212
abbiamo moduli per qualsiasi cosa.
03:29
We have paper forms for vaccination surveys.
77
197949
2703
Abbiamo moduli per i sondaggi sulle vaccinazioni.
03:32
We have paper forms to track people who come into clinics.
78
200652
3374
Abbiamo moduli per risalire a coloro
che vengono in ambulatorio.
che vengono in ambulatorio.
03:36
We have paper forms to track drug supplies,
79
204026
2795
Abbiamo moduli per annotare le forniture di farmaci,
03:38
blood supplies, all these different paper forms
80
206821
2804
sacche di sangue, tutti questi tipi di moduli
03:41
for many different topics,
81
209625
1725
per questioni diverse,
03:43
they all have a single common endpoint,
82
211350
2232
hanno tutti qualcosa in comune,
03:45
and the common endpoint looks something like this.
83
213582
2665
che assomiglia a questo.
03:48
And what we're looking at here is a truckful o' data.
84
216247
4284
E quello che ci ritroviamo di fronte è una marea di dati.
03:52
This is the data from a single vaccination coverage survey
85
220531
4619
Questi dati riguardano solo la copertura vaccinale
03:57
in a single district in the country of Zambia
86
225150
2215
di un singolo distretto dello Zambia
03:59
from a few years ago that I participated in.
87
227365
2128
a cui avevo preso parte alcuni anni fa.
04:01
The only thing anyone was trying to find out
88
229493
2557
L'unia cosa che tutti cercavano di scoprire
04:04
is what percentage of Zambian children are vaccinated,
89
232050
3103
era la percentuale di bambini vaccinati in Zambia,
04:07
and this is the data, collected on paper over weeks
90
235153
3179
e questi sono i dati, materiale cartaceo
accumulato durante settimane
accumulato durante settimane
04:10
from a single district, which is something like a county
91
238332
2874
in un solo distretto, l'equivalente di una contea
04:13
in the United States.
92
241206
1340
negli Stati Uniti.
04:14
You can imagine that, for the entire country of Zambia,
93
242546
2108
Pensate a questo per tutto lo Zambia,
04:16
answering just that single question
94
244654
3574
rispondere a quella sola domanda
04:20
looks something like this.
95
248228
1948
equivale a questo.
04:22
Truck after truck after truck
96
250176
2655
Camion e camion e camion
04:24
filled with stack after stack after stack of data.
97
252831
3461
pieni di cataste e cataste e cataste di dati.
04:28
And what makes it even worse is that
98
256292
1328
E quel che è peggio
04:29
that's just the beginning,
99
257620
1938
è che è solo l'inizio,
04:31
because once you've collected all that data,
100
259558
1974
perché una volta in possesso di tutti i dati,
04:33
of course someone's going to have to --
101
261532
1593
ovviamente qualcuno dovrà -
04:35
some unfortunate person is going to have to type that into a computer.
102
263125
3292
uno sfortunato dovrà inserire i dati nel pc.
04:38
When I was a graduate student, I actually was
103
266417
2046
Quando ero neolaureato,
04:40
that unfortunate person sometimes.
104
268463
2003
ero io quella persona sfortunata.
04:42
I can tell you, I often wasn't really paying attention.
105
270466
3011
Posso dirvi che spesso non prestavo molta attenzione.
04:45
I probably made a lot of mistakes when I did it
106
273477
1818
Forse avrò fatto anche tanti errori
04:47
that no one ever discovered, so data quality goes down.
107
275295
2825
mai scoperti, contribuendo ad abbassare
la qualità dei dati.
la qualità dei dati.
04:50
But eventually that data hopefully gets typed into a computer,
108
278120
3152
Alla fine, per fortuna, quei dati vengono inseriti nel computer,
04:53
and someone can begin to analyze it,
109
281272
1767
e qualcuno può iniziare ad analizzarli,
04:55
and once they have an analysis and a report,
110
283039
2716
Una volta che i dati sono stati analizzati e presentati,
04:57
hopefully then you can take the results of that data collection
111
285755
3299
si spera che poi quei risultati
05:01
and use it to vaccinate children better.
112
289054
2147
possano essere utilizzati
per vaccinare meglio i bambini.
per vaccinare meglio i bambini.
05:03
Because if there's anything worse
113
291201
2909
Perché se esiste qualcosa di peggio
05:06
in the field of global public health,
114
294110
2346
nel settore sanitario mondiale,
05:08
I don't know what's worse than allowing children on this planet
115
296456
2729
non so cosa ci sia di peggio che permettere che i bambini
05:11
to die of vaccine-preventable diseases,
116
299185
3140
muoiano di malattie prevenibili con un vaccino,
05:14
diseases for which the vaccine costs a dollar.
117
302325
3510
malattie il cui vaccino costa un dollaro.
05:17
And millions of children die of these diseases every year.
118
305835
3088
Milioni di bambini muoiono di queste malattie ogni anno.
05:20
And the fact is, millions is a gross estimate because
119
308923
3462
Milioni è una cifra approssimativa perché
05:24
we don't really know how many kids die each year of this.
120
312385
3005
non sappiamo realmente quanti bambini
muoiono così ogni anno.
muoiono così ogni anno.
05:27
What makes it even more frustrating is that
121
315390
2352
La cosa più frustrante è che
05:29
the data entry part, the part that I used to do as a grad student,
122
317742
3099
l'inserimento dei dati, quello che facevo da neolaureato,
05:32
can take sometimes six months.
123
320841
1970
può portar via fino a sei mesi.
05:34
Sometimes it can take two years to type that information
124
322811
2276
A volte ci vogliono due anni per inserire quelle informazioni,
05:37
into a computer, and sometimes, actually not infrequently,
125
325087
3336
e a volte, non di rado,
05:40
it actually never happens.
126
328423
1988
ciò non avviene.
05:42
Now try and wrap your head around that for a second.
127
330411
2257
Per un momento cercate di riflettere su questo concetto.
05:44
You just had teams of hundreds of people.
128
332668
2442
C'erano squadre di centinaia di persone.
05:47
They went out into the field to answer a particular question.
129
335110
2366
Sono partiti cercando risposte a una precisa domanda.
05:49
You probably spent hundreds of thousands of dollars
130
337476
2467
Avranno speso centinaia di migliaia di dollari
05:51
on fuel and photocopying and per diem,
131
339943
3844
per la benzina, le fotocopie, le trasferte
05:55
and then for some reason, momentum is lost
132
343787
2353
e poi per qualche ragione svanisce l'entusiasmo
05:58
or there's no money left,
133
346140
1311
o non ci sono più soldi,
05:59
and all of that comes to nothing
134
347451
2405
e tutto svanisce
06:01
because no one actually types it into the computer at all.
135
349856
2647
perché nessuno ha inserito i dati nel computer.
06:04
The process just stops. Happens all the time.
136
352503
3310
Il processo si ferma. Succede tutte le volte.
06:07
This is what we base our decisions on in global health:
137
355813
2933
Questo è quello su cui basiamo
le nostre decisioni nel settore sanitario:
le nostre decisioni nel settore sanitario:
06:10
little data, old data, no data.
138
358746
4898
pochi dati, vecchi dati, nessun dato.
06:15
So back in 1995, I began to think about ways
139
363644
2567
Nel 1995, ho cominciato a pensare a vari modi
06:18
in which we could improve this process.
140
366211
2154
con i quali poter migliorare questo processo.
06:20
Now 1995, obviously that was quite a long time ago.
141
368365
2798
Ovviamente il 1995 è già passato da un pezzo.
06:23
It kind of frightens me to think of how long ago that was.
142
371163
2382
Quasi mi fa paura pensare a quanto tempo sia passato.
06:25
The top movie of the year was
143
373545
2194
Uno dei migliori film del'anno era
06:27
"Die Hard with a Vengeance."
144
375739
1182
"Die Hard- Duri a morire"
06:28
As you can see, Bruce Willis had a lot more hair back then.
145
376921
2783
Bruce Willis aveva molti più capelli neri allora.
06:31
I was working in the Centers for Disease Control,
146
379704
2384
Lavoravo nel centro per la prevenzione
e controllo delle malattie
e controllo delle malattie
06:34
and I had a lot more hair back then as well.
147
382088
3043
e anch'io avevo più capelli neri di adesso.
06:37
But to me, the most significant thing that I saw in 1995
148
385131
3342
Ma per me, la cosa più importante che ho visto nel 1995
06:40
was this.
149
388473
1454
era questo.
06:41
Hard for us to imagine, but in 1995,
150
389927
2641
Difficile da immaginare oggi, ma nel 1995
06:44
this was the ultimate elite mobile device.
151
392568
3598
era il più recente dispositivo portatile d'elite.
06:48
Right? It wasn't an iPhone. It wasn't a Galaxy phone.
152
396166
2372
OK, non era un iPhone né un Galaxy.
06:50
It was a Palm Pilot.
153
398538
1478
Era un Palm Pilot.
06:52
And when I saw the Palm Pilot for the first time, I thought,
154
400016
3564
E quando ho visto un Palm Pilot per la prima volta, ho pensato,
06:55
why can't we put the forms on these Palm Pilots
155
403580
2527
perché non caricare i moduli su questi Palm Pilot
06:58
and go out into the field just carrying one Palm Pilot,
156
406107
2872
e andare in giro con un Palm Pilot,
07:00
which can hold the capacity of tens of thousands
157
408979
3117
che può contenere decine di migliaia
07:04
of paper forms? Why don't we try to do that?
158
412096
2181
di moduli? Perché non provarci?
07:06
Because if we can do that, if we can actually just
159
414277
2748
Perché se possiamo farlo, se possiamo
07:09
collect the data electronically, digitally,
160
417025
2514
memorizzare i dati in formato elettronico, digitale
07:11
from the very beginning,
161
419539
1903
sin dall'inizio,
07:13
we can just put a shortcut right through that whole process
162
421442
3017
creiamo una scorciatoia per l'intero processo
07:16
of typing,
163
424459
3222
di inserimento dei dati,
07:19
of having somebody type that stuff into the computer.
164
427681
1983
qualcuno che possa inserirli nel computer.
07:21
We can skip straight to the analysis
165
429664
1959
Possiamo passare direttamente all'analisi
07:23
and then straight to the use of the data to actually save lives.
166
431623
3075
e poi all'uso dei dati per salvare realmente delle vite.
07:26
So that's actually what I began to do.
167
434698
2515
Ed è quello che ho cominciato a fare.
07:29
Working at CDC, I began to travel to different programs
168
437213
3334
Lavorando al CDC, ho iniziato a partecipare
a diversi programmi
a diversi programmi
07:32
around the world and to train them in using Palm Pilots
169
440547
4069
sparsi per il mondo, insegnando l'uso dei Palm Pilot
07:36
to do data collection instead of using paper.
170
444616
2525
al posto dei moduli cartacei per memorizzare i dati.
07:39
And it actually worked great.
171
447141
2109
E andò molto bene.
07:41
It worked exactly as well as anybody would have predicted.
172
449250
2665
Andò esattamente come previsto.
07:43
What do you know? Digital data collection
173
451915
2233
Avete capito? La raccolta digitale dei dati
07:46
is actually more efficient than collecting on paper.
174
454148
2271
è molto più efficiente di quella cartacea.
07:48
While I was doing it, my business partner, Rose,
175
456419
2364
Mentre stavo facendo questo,
la mia collega Rose
la mia collega Rose
07:50
who's here with her husband, Matthew, here in the audience,
176
458783
2817
che è qui tra il pubblico con suo marito Matthew,
07:53
Rose was out doing similar stuff for the American Red Cross.
177
461600
3177
Rose stava svolgendo la stessa cosa
per la Croce Rossa Americana
per la Croce Rossa Americana
07:56
The problem was, after a few years of doing that,
178
464777
2065
Il problema era che, dopo un po' di anni,
07:58
I realized I had done -- I had been to maybe
179
466842
2740
mi resi conto che avevo partecipato
08:01
six or seven programs, and I thought,
180
469582
2718
a sei o sette programmi e pensai,
08:04
you know, if I keep this up at this pace,
181
472300
2310
se continuassi a mantenere questo ritmo,
08:06
over my whole career, maybe I'm going to go
182
474610
1654
per tutta la mia carriera, potrei riuscire a
08:08
to maybe 20 or 30 programs.
183
476264
2277
partecipare a 20 o 30 programmi.
08:10
But the problem is, 20 or 30 programs,
184
478541
3229
La questione è che, 20 o 30 programmi,
08:13
like, training 20 or 30 programs to use this technology,
185
481770
2973
addomesticare 20 o 30 programmi a usare la tecnologia,
08:16
that is a tiny drop in the bucket.
186
484743
2206
è una minuscola goccia nell'oceano.
08:18
The demand for this, the need for data to run better programs,
187
486949
4039
La richiesta, l'esigenza di far funzionare
meglio i programmi è enorme,
meglio i programmi è enorme,
08:22
just within health, not to mention all of the other fields
188
490988
2736
per lo meno nell'ambito sanitario, per non parlare degli
08:25
in developing countries, is enormous.
189
493724
2166
altri settori nei paesi in via di sviluppo.
08:27
There are millions and millions and millions of programs,
190
495890
4010
Ci sono milioni e milioni e milioni di programmi,
08:31
millions of clinics that need to track drugs,
191
499900
2535
milioni di ambulatori che devono tracciare i farmaci,
08:34
millions of vaccine programs.
192
502435
1299
milioni di campagne per le vaccinazioni.
08:35
There are schools that need to track attendance.
193
503734
2057
Ci sono scuole che devono annotare le frequenze.
08:37
There are all these different things
194
505791
2005
Ci sono tutti questi vari aspetti
08:39
for us to get the data that we need to do.
195
507796
2095
da tener presente per ottenere i nostri dati.
08:41
And I realized, if I kept up the way that I was doing,
196
509891
4526
E mi sono accorto che se avessi continuato
sulla stessa strada,
sulla stessa strada,
08:46
I was basically hardly going to make any impact
197
514417
3243
sarebbe stato difficile lasciare il segno
08:49
by the end of my career.
198
517660
1832
entro la fine della mia carriera.
08:51
And so I began to wrack my brain
199
519492
2155
Ho cominciato a tormentarmi,
08:53
trying to think about, you know,
200
521647
1143
a cercare una soluzione,
08:54
what was the process that I was doing,
201
522790
1518
a pensare al procedimento utilizzato,
08:56
how was I training folks, and what were the bottlenecks
202
524308
2856
come istruivo la gente, quali erano i colli di bottiglia
08:59
and what were the obstacles to doing it faster
203
527164
2813
e gli ostacoli che mi impedivano di essere
09:01
and to doing it more efficiently?
204
529977
1520
più veloce ed efficiente?
09:03
And unfortunately, after thinking about this for some time,
205
531497
3143
Sfortunatamente, dopo averci pensato per un po',
09:06
I realized -- I identified the main obstacle.
206
534640
3452
mi resi conto -- riuscìi a identificare il principale ostacolo.
09:10
And the main obstacle, it turned out,
207
538092
1977
E l'ostacolo principale, venne fuori,
09:12
and this is a sad realization,
208
540069
1835
ed è una triste constatazione,
09:13
the main obstacle was me.
209
541904
2268
il principale ostacolo ero io.
09:16
So what do I mean by that?
210
544172
2196
Cosa voglio dire?
09:18
I had developed a process whereby
211
546368
2488
Avevo sviluppato un procedimento in cui
09:20
I was the center of the universe of this technology.
212
548856
5045
io ero al centro di
questo universo tecnologico.
questo universo tecnologico.
09:25
If you wanted to use this technology, you had to get in touch with me.
213
553901
2989
Se volevate avere accesso alla tecnologia,
dovevate contattare me.
dovevate contattare me.
09:28
That means you had to know I existed.
214
556890
2106
Ovvero, dovevate sapere della mia esistenza.
09:30
Then you had to find the money to pay for me
215
558996
1474
Dovevate cercare soldi per potermi pagare
09:32
to fly out to your country
216
560470
1486
il volo per venire a trovarti,
09:33
and the money to pay for my hotel
217
561956
1548
il soggiorno in hotel
09:35
and my per diem and my daily rate.
218
563504
2760
e per pagare la mia trasferta.
09:38
So you could be talking about 10,000 or 20,000 or 30,000 dollars
219
566264
2949
Stiamo parlando di 10 000, 20 000 o 30 000 dollari
09:41
if I actually had the time or it fit my schedule
220
569213
2582
a patto che io avessi tempo
e ci fosse spazio nella mia agenda
e ci fosse spazio nella mia agenda
09:43
and I wasn't on vacation.
221
571795
1947
o che non fossi in vacanza.
09:45
The point is that anything, any system that depends
222
573742
2897
Il fatto è che qualsiasi cosa o sistema che dipenda
09:48
on a single human being or two or three or five human beings,
223
576639
2870
da un solo individuo o due, tre, cinque individui
09:51
it just doesn't scale.
224
579509
1736
non può avanzare.
09:53
And this is a problem for which we need to scale
225
581245
2021
E per questo è necessario far progredire
09:55
this technology and we need to scale it now.
226
583266
2997
questa tecnologia e dobbiamo farlo adesso.
09:58
And so I began to think of ways in which I could basically
227
586263
2222
Così cominciai a pensare a vari modi in cui
10:00
take myself out of the picture.
228
588485
2384
sarei potuto uscire dal progetto.
10:02
And, you know, I was thinking,
229
590869
4496
Stavo pensando
10:07
how could I take myself out of the picture
230
595365
2096
a come sarei potuto scomparire
10:09
for quite some time.
231
597461
1809
per un po' di tempo.
10:11
You know, I'd been trained that the way that
232
599270
2157
Sono stato formato basandomi sulla logica per cui
10:13
you distribute technology within international development
233
601427
2722
la distribuzione della tecnologia
su scala internazionale
su scala internazionale
10:16
is always consultant-based.
234
604149
2027
è sempre fondata sull'attività di un consulente.
10:18
It's always guys that look pretty much like me
235
606176
2977
Si tratta di persone più o meno come me
10:21
flying from countries that look pretty much like this
236
609153
2301
che vengono da paesi come questo,
10:23
to other countries with people with darker skin.
237
611454
3106
diretti a paesi con persone dalla pelle più scura.
10:26
And you go out there, and you spend money on airfare
238
614560
2445
Va lì, spendi soldi in tasse aeree,
10:29
and you spend time and you spend per diem
239
617005
3510
trascorri del tempo, spendi i tuoi soldi
10:32
and you spend [on a] hotel and you spend all that stuff.
240
620515
2112
e paghi un hotel, e così via.
10:34
As far as I knew, that was the only way
241
622627
1851
Per quanto ne so io, era l'unico modo
10:36
you could distribute technology, and I couldn't figure out a way around it.
242
624478
3269
per poter portare la tecnologia,
non me ne veniva in mente un altro.
non me ne veniva in mente un altro.
10:39
But the miracle that happened,
243
627747
2671
Poi accadde il miracolo.
10:42
I'm going to call it Hotmail for short.
244
630418
2750
Lo chiamerò Hotmail per farla breve.
10:45
Now you may not think of Hotmail as being miraculous,
245
633168
2181
Forse per voi Hotmail non è miracoloso,
10:47
but for me it was miraculous, because I noticed,
246
635349
2913
ma per me lo era perché mi resi conto,
10:50
just as I was wrestling with this problem,
247
638262
2566
proprio mentre cercavo di affrontare il problema,
10:52
I was working in sub-Saharan Africa mostly at the time.
248
640828
3414
allora lavoravo per lo più nell'Africa subsahariana,
10:56
I noticed that every sub-Saharan African health worker
249
644242
2589
mi resi conto che lì
ogni impiegato del settore sanitario
ogni impiegato del settore sanitario
10:58
that I was working with had a Hotmail account.
250
646831
4108
con cui lavoravo, aveva un account Hotmail.
11:02
And I thought, it struck me,
251
650939
2144
La cosa mi colpì e pensai,
11:05
wait a minute, I know that the Hotmail people
252
653083
2615
aspetta, di sicuro i dipendenti Hotmail
11:07
surely didn't fly to the Ministry of Health of Kenya
253
655698
2716
non vanno fino in Kenya per insegnare
ai dipendenti del ministero della Sanità
ai dipendenti del ministero della Sanità
11:10
to train people in how to use Hotmail.
254
658414
2711
come si usa Hotmail.
11:13
So these guys are distributing technology.
255
661125
2487
Quello che fanno è distribuire la tecnologia.
11:15
They're getting software capacity out there
256
663612
2004
Esportano le capacità del software
11:17
but they're not actually flying around the world.
257
665616
2009
senza dover nemmeno viaggiare.
11:19
I need to think about this some more.
258
667625
1560
Dovevo riflettere di più su questo concetto.
11:21
While I was thinking about it, people started using
259
669185
2173
Mentre pensavo a questo,
la gente aveva cominciato a usare
la gente aveva cominciato a usare
11:23
even more things just like this, just as we were.
260
671358
3200
sempre più questi strumenti, proprio come noi.
11:26
They started using LinkedIn and Flickr
261
674558
1210
Iniziarono a usare Linkedin, Flickr,
11:27
and Gmail and Google Maps, all these things.
262
675768
2761
Gmail, Google Maps e tante altre cose.
11:30
Of course, all of these things are cloud-based
263
678529
2726
Si tratta di servizi basati sul cloud
11:33
and don't require any training.
264
681255
2206
per cui non è richiesta nessuna formazione.
11:35
They don't require any programmers.
265
683461
1600
Non c'è bisogno di programmatori.
11:37
They don't require any consultants, because
266
685061
1709
Non c'è bisogno di consulenti, perché
11:38
the business model for all these businesses
267
686770
2394
la strategia per tutti questi strumenti
11:41
requires that something be so simple we can use it ourselves
268
689164
2997
richiede che ogni cosa sia così semplice
da poter essere usata pur avendo
da poter essere usata pur avendo
11:44
with little or no training.
269
692161
1185
una formazione scarsa o nulla.
11:45
You just have to hear about it and go to the website.
270
693346
2614
Lo sentite nominare e andate diretti sul sito web.
11:47
And so I thought, what would happen if we built software
271
695960
4365
Pensai, cosa succederebbe
se costruissi un software
se costruissi un software
11:52
to do what I'd been consulting in?
272
700325
2011
che faccia quello che faccio io?
11:54
Instead of training people how
273
702336
1434
Invece di istruire le persone su come
11:55
to put forms onto mobile devices,
274
703770
2850
caricare i moduli sui dispositivi portatili,
11:58
let's create software that lets them do it themselves
275
706620
2284
creiamo software che li facciano
lavorare autonomamente
lavorare autonomamente
12:00
with no training and without me being involved?
276
708904
1890
senza formazione e senza ricorrere a me.
12:02
And that's exactly what we did.
277
710794
1804
Ed è quello che abbiamo fatto.
12:04
So we created software called Magpi,
278
712598
3684
Abbiamo creato un software chiamato Magpi,
12:08
which has an online form creator.
279
716282
1877
che genera dei moduli direttamente on line.
12:10
No one has to speak to me.
280
718159
1151
Nessuno deve rivolgersi a me.
12:11
You just have to hear about it and go to the website.
281
719310
2694
Lo sentite nominare e andate direttamente sul sito.
12:14
You can create forms, and once you've created the forms,
282
722004
2747
Si possono creare moduli,
e una volta che sono stati creati
e una volta che sono stati creati
12:16
you push them to a variety of common mobile phones.
283
724751
2340
è possibile inviarli a tutti i dispositivi portatili.
12:19
Obviously nowadays, we've moved past Palm Pilots
284
727091
2475
Naturalmente oggi si è passati dai Palm Pilot
12:21
to mobile phones.
285
729566
1328
ai cellulari.
12:22
And it doesn't have to be a smartphone.
286
730894
1132
E non devono essere per forza smartphone.
12:24
It can be a basic phone like the phone on the right there,
287
732026
2707
Vanno bene anche i cellulari come quello lì a destra,
12:26
you know, the basic kind of Symbian phone
288
734733
1336
il modello base di telefono Symbian
12:28
that's very common in developing countries.
289
736069
2466
molto diffuso nei paesi in via di sviluppo.
12:30
And the great part about this is, it's just like Hotmail.
290
738535
3999
La parte più importante di tutto questo è
che funziona come Hotmail.
che funziona come Hotmail.
12:34
It's cloud-based, and it doesn't require any training,
291
742534
2334
Un modello basato sul cloud. senza bisogno di formazione,
12:36
programming, consultants.
292
744868
2040
programmazione o consulenza.
12:38
But there are some additional benefits as well.
293
746908
1936
Ci sono anche ulteriori vantaggi.
12:40
Now we knew, when we built this system,
294
748844
1955
Allora sapevamo,
quando abbiamo costruito il sistema,
quando abbiamo costruito il sistema,
12:42
the whole point of it, just like with the Palm Pilots,
295
750799
2293
che la questione di fondo, come per i Palm Pilot,
12:45
was that you'd have to, you'd be able to
296
753092
2604
era essere in grado di
12:47
collect the data and immediately upload the data and get your data set.
297
755696
3191
raccogliere dati, caricarli subito e averli già a disposizione.
12:50
But what we found, of course, since it's already on a computer,
298
758887
2437
Ma abbiamo scoperto, poiché lavoriamo sempre con un computer,
12:53
we can deliver instant maps and analysis and graphing.
299
761324
3188
che possiamo fornire direttamente
mappe, analisi e grafici.
mappe, analisi e grafici.
12:56
We can take a process that took two years
300
764512
2251
Abbiamo preso un processo
che durava due anni
che durava due anni
12:58
and compress that down to the space of five minutes.
301
766763
3222
e l'abbiamo compresso fino ad arrivare a cinque minuti.
13:01
Unbelievable improvements in efficiency.
302
769985
2506
Straordinari miglioramenti in efficienza.
13:04
Cloud-based, no training, no consultants, no me.
303
772491
4766
Basati sul cloud, senza formazione,
senza consulenza, senza di me.
senza consulenza, senza di me.
13:09
And I told you that in the first few years
304
777257
2323
Vi ho detto che nei primi anni di formazione
13:11
of trying to do this the old-fashioned way,
305
779580
1827
quando utilizzavo il vecchio metodo,
13:13
going out to each country,
306
781407
1292
recandomi nei vari paesi,
13:14
we reached about, I don't know,
307
782699
3054
siamo riusci a formare,
13:17
probably trained about 1,000 people.
308
785753
2118
credo, circa 1000 persone.
13:19
What happened after we did this?
309
787871
1803
E dopo?
13:21
In the second three years, we had 14,000 people
310
789674
2506
Nei successivi tre anni, 14 000 persone
13:24
find the website, sign up, and start using it to collect data,
311
792180
3193
hanno visitato il sito, si sono iscritte e
hanno iniziato a usarlo per raccogliere dati,
hanno iniziato a usarlo per raccogliere dati,
13:27
data for disaster response,
312
795373
1502
dati per i soccorsi nelle catastrofi,
13:28
Canadian pig farmers tracking pig disease and pig herds,
313
796875
4748
gli allevatori canadesi annotavano
le mandrie e le malattie dei maiali,
le mandrie e le malattie dei maiali,
13:33
people tracking drug supplies.
314
801623
2415
le persone annotavano i rifornimenti di farmaci.
13:36
One of my favorite examples, the IRC,
315
804038
1942
Uno degli esempi che preferisco, l'IRC,
13:37
International Rescue Committee,
316
805980
1629
Organizzazione Internazionale per
l'assistenza ai rifugiati,
l'assistenza ai rifugiati,
13:39
they have a program where semi-literate midwives
317
807609
3237
hanno un programma in cui
delle levatrici semi-alfabetizzate
delle levatrici semi-alfabetizzate
13:42
using $10 mobile phones
318
810846
2427
usano cellulari da 10 dollari
13:45
send a text message using our software
319
813273
2209
inviano sms attraverso i nostri software
13:47
once a week with the number of births
320
815482
2209
una volta alla settimana,
indicando il numero di nascite
indicando il numero di nascite
13:49
and the number of deaths, which gives IRC
321
817691
2313
e morti, dando ad IRC
13:52
something that no one in global health has ever had:
322
820004
2599
qualcosa che nessun'altro
nel settore sanitario mondiale ha mai avuto:
nel settore sanitario mondiale ha mai avuto:
13:54
a near real-time system of counting babies,
323
822603
3637
un controllo in tempo reale del numero dei neonati,
13:58
of knowing how many kids are born,
324
826240
1492
conoscere il numero delle nascite,
13:59
of knowing how many children there are
325
827732
1676
quanti bambini ci sono
14:01
in Sierra Leone, which is the country where this is happening,
326
829408
2782
in Sierra Leone, il paese dove questo sta succedendo,
14:04
and knowing how many children die.
327
832190
3204
e conoscere quanti bambini sono morti.
14:07
Physicians for Human Rights --
328
835394
1597
I medici per i diritti umani --
14:08
this is moving a little bit outside the health field —
329
836991
2479
questo esula un po' dal settore sanitario --
14:11
they are gathering, they're basically training people
330
839470
2865
stanno radunando, formando persone
14:14
to do rape exams in Congo, where this is an epidemic,
331
842335
3364
per effettuare esami clinici nei casi di abusi sessuali
in Congo, dove tutto questo
in Congo, dove tutto questo
14:17
a horrible epidemic,
332
845699
1748
sembra un'epidemia,
14:19
and they're using our software to document
333
847447
2171
e fanno ricorso ai nostri software per documentare
14:21
the evidence they find, including photographically,
334
849618
2972
le prove che trovano, incluse le fotografie,
14:24
so that they can bring the perpetrators to justice.
335
852590
4152
in modo da portare i colpevoli in tribunale.
14:28
Camfed, another charity based out of the U.K.,
336
856742
3683
Camfed, ente di beneficenza con sede nel Regno Unito,
14:32
Camfed pays girls' families to keep them in school.
337
860425
3748
paga le famiglie affinché le loro figlie vadano a scuola.
14:36
They understand this is the most significant intervention
338
864173
1873
Credono sia l'intervento più significativo
14:38
they can make. They used to track the dispersements,
339
866046
3284
che possano fare.
Tengono traccia dei pagamenti,
Tengono traccia dei pagamenti,
14:41
the attendance, the grades, on paper.
340
869330
1986
delle frequenze, dei voti su carta.
14:43
The turnaround time between a teacher
341
871316
1608
Trascorrevano da due a tre anni tra il momento in cui
14:44
writing down grades or attendance
342
872924
1726
l'insegnante annotava voti o presenze
14:46
and getting that into a report was about two to three years.
343
874650
2610
e il rapporto finale.
14:49
Now it's real time, and because this is such
344
877260
2230
Ora avviene in tempo reale, perché abbiamo
14:51
a low-cost system and based in the cloud, it costs,
345
879490
2940
un sistema economico basato sul cloud,
14:54
for the entire five countries that Camfed runs this in
346
882430
3434
per tutti e cinque i paesi in cui Camfed ha aiutato
14:57
with tens of thousands of girls,
347
885864
1932
decine di migliaia di ragazze,
14:59
the whole cost combined is 10,000 dollars a year.
348
887796
3358
costa 10 000 dollari all'anno.
15:03
That's less than I used to get
349
891154
1801
Una cifra inferiore a quella che
15:04
just traveling out for two weeks to do a consultation.
350
892955
5071
mi pagavano per fare consulenza per una o due settimane.
15:10
So I told you before that
351
898026
2136
Quindi, come ho già detto
15:12
when we were doing it the old-fashioned way, I realized
352
900162
2192
quando utilizzavamo il vecchio metodo,
mi resi conto
mi resi conto
15:14
all of our work was really adding up to just a drop in the bucket --
353
902354
2898
che stavamo soltanto aggiungendo una goccia
nell'oceano --
nell'oceano --
15:17
10, 20, 30 different programs.
354
905252
2226
10, 20, 30 programmi diversi.
15:19
We've made a lot of progress, but I recognize
355
907478
2275
Abbiamo fatto molti progressi, ma ammetto
15:21
that right now, even the work that we've done
356
909753
2157
che adesso, anche la formazione fatta con
15:23
with 14,000 people using this,
357
911910
2404
14 000 persone,
15:26
is still a drop in the bucket. But something's changed.
358
914314
2946
continua ad essere una goccia nell'oceano. Ma qualcosa
è cambiato.
è cambiato.
15:29
And I think it should be obvious.
359
917260
1216
Ed è ovvio.
15:30
What's changed now is,
360
918476
2091
Quello che è cambiato adesso è che,
15:32
instead of having a program in which we're scaling at such a slow rate
361
920567
3578
invece di avere un programma in cui avanzavamo
molto lentamente
molto lentamente
15:36
that we can never reach all the people who need us,
362
924145
3198
senza poter raggiungere tutti quelli che avevano
bisogno di noi,
bisogno di noi,
15:39
we've made it unnecessary for people to get reached by us.
363
927343
3659
abbiamo reso inutile la nostra consulenza.
15:43
We've created a tool that lets programs
364
931002
3076
Abbiamo creato uno strumento che permette
ai programmi
ai programmi
15:46
keep kids in school, track the number of babies
365
934078
3155
di controllare i bambini a scuola, registrare il numero
15:49
that are born and the number of babies that die,
366
937233
2804
delle nascite e delle morti di neonati,
15:52
to catch criminals and successfully prosecute them,
367
940037
3623
arrestare i criminali e processarli,
15:55
to do all these different things to learn more
368
943660
2690
svolgere tutti questi compiti, essere sempre
15:58
about what's going on, to understand more, to see more,
369
946350
5117
aggiornati, conoscere, vedere sempre più,
16:03
and to save lives and improve lives.
370
951467
3971
e salvare vite, migliorare le vite.
16:07
Thank you.
371
955438
1997
Grazie.
16:09
(Applause)
372
957435
3987
(Applausi)
ABOUT THE SPEAKER
Joel Selanikio - Health and technology activistDr. Joel Selanikio combines technology and data to help solve global health challenges.
Why you should listen
A practicing pediatrician, former Wall Street computer consultant, and former epidemiologist at the Centers for Disease Control, Dr. Joel Selanikio is the CEO of DataDyne, a social business working in fields such as international development and global health.
Selanikio started to experiment with electronic data capture back when the Palm Pilot was cutting edge technology. In the years since then, he has helped to experiment with the growing potential and availability of technology--and the growing ubiquity of the cloud. Combining the two has led to systems such as Magpi mobile data collection software. Previously known as "EpiSurveyor," the service now has over 20,000 users in more than 170 countries.
Selanikio holds a bachelor's degree from Haverford College, a medical degree from Brown University, and he is a graduate of the Epidemic Intelligence Service fellowship of the CDC. He continues to practice clinical pediatrics as an Assistant Professor at Georgetown University and on the Emergency Response Team of the International Rescue Committee.
Joel Selanikio | Speaker | TED.com