TEDMED 2011
Sheila Nirenberg: A prosthetic eye to treat blindness
Sheila Nirenberg: Een prothetisch oog om blindheid te behandelen
Filmed:
Readability: 4.3
470,530 views
Bij TEDMED toont Sheila Nirenberg een gedurfde manier om mensen met bepaalde soorten blindheid opnieuw te laten zien door signalen van een camera via de optische zenuw direct naar de hersenen te zenden.
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
Ik bestudeer hoe het brein
00:17
information. That is, how it takes
1
2000
2000
informatie verwerkt. Hoe het
00:19
information in from the outside world, and
2
4000
2000
informatie vanuit de buitenwereld opneemt en
00:21
converts it into patterns of electrical activity,
3
6000
2000
dit omzet in patronen van elektrische activiteit
00:23
and then how it uses those patterns
4
8000
2000
en vervolgens hoe het die patronen gebruikt
00:25
to allow you to do things --
5
10000
2000
om je dingen te laten doen zoals
00:27
to see, hear, to reach for an object.
6
12000
2000
zien, horen of naar een voorwerp reiken.
00:29
So I'm really a basic scientist, not
7
14000
2000
Ik ben basiswetenschapper, geen
00:31
a clinician, but in the last year and a half
8
16000
2000
clinicus, maar in het afgelopen anderhalf jaar
00:33
I've started to switch over, to use what
9
18000
2000
ben ik overgeschakeld om wat
00:35
we've been learning about these patterns
10
20000
2000
we geleerd hebben over deze activiteitspatronen
00:37
of activity to develop prosthetic devices,
11
22000
3000
toe te passen om prothesen te ontwikkelen.
00:40
and what I wanted to do today is show you
12
25000
2000
Vandaag wil ik jullie daar
00:42
an example of this.
13
27000
2000
een voorbeeld van laten zien.
00:44
It's really our first foray into this.
14
29000
2000
Het zijn echt onze eerste pogingen in deze richting.
00:46
It's the development of a prosthetic device
15
31000
2000
Het is de ontwikkeling van een prothese
00:48
for treating blindness.
16
33000
2000
voor het behandelen van blindheid.
00:50
So let me start in on that problem.
17
35000
2000
Laat me beginnen over dat probleem.
00:52
There are 10 million people in the U.S.
18
37000
2000
Er zijn 10 miljoen mensen in de VS,
00:54
and many more worldwide who are blind
19
39000
2000
en nog veel meer over de hele wereld, die blind zijn
00:56
or are facing blindness due to diseases
20
41000
2000
of worden geconfronteerd met blindheid als gevolg van ziekten
00:58
of the retina, diseases like
21
43000
2000
van het netvlies, ziekten als
01:00
macular degeneration, and there's little
22
45000
2000
macula-degeneratie en er is weinig
01:02
that can be done for them.
23
47000
2000
dat voor hen kan worden gedaan.
01:04
There are some drug treatments, but
24
49000
2000
Er zijn een aantal behandelingen met medicijnen, maar
01:06
they're only effective on a small fraction
25
51000
2000
ze zijn alleen effectief voor een klein deel
01:08
of the population. And so, for the vast
26
53000
2000
van de bevolking. Voor het overgrote
01:10
majority of patients, their best hope for
27
55000
2000
deel van de patiënten zijn prothesen
01:12
regaining sight is through prosthetic devices.
28
57000
2000
de beste hoop voor het herwinnen van hun zicht.
01:14
The problem is that current prosthetics
29
59000
2000
Het probleem is dat de huidige prothesen
01:16
don't work very well. They're still very
30
61000
2000
niet erg goed werken. Ze zijn nog steeds zeer
01:18
limited in the vision that they can provide.
31
63000
2000
beperkt in het zicht dat zij kunnen bieden.
01:20
And so, you know, for example, with these
32
65000
2000
Met deze apparaten
01:22
devices, patients can see simple things
33
67000
2000
kunnen patiënten eenvoudige dingen zien
01:24
like bright lights and high contrast edges,
34
69000
2000
zoals fel licht en hoog contrasterende randen,
01:26
not very much more, so nothing close
35
71000
2000
niet erg veel meer, dus niets dat
01:28
to normal vision has been possible.
36
73000
3000
het normale zien benadert.
01:31
So what I'm going to tell you about today
37
76000
2000
Waarover ik het vandaag ga hebben,
01:33
is a device that we've been working on
38
78000
2000
is een apparaat waar we aan hebben gewerkt
01:35
that I think has the potential to make
39
80000
2000
en waarvan ik denk dat
01:37
a difference, to be much more effective,
40
82000
2000
het een verschil gaat maken, veel effectiever gaat zijn.
01:39
and what I wanted to do is show you
41
84000
2000
Ik wil jullie laten zien
01:41
how it works. Okay, so let me back up a
42
86000
2000
hoe het werkt. Laat ik even teruggaan
01:43
little bit and show you how a normal retina
43
88000
2000
en jullie eerst laten zien hoe een normaal netvlies
01:45
works first so you can see the problem
44
90000
2000
werkt, zodat jullie kunnen zien welk probleem
01:47
that we were trying to solve.
45
92000
2000
we probeerden op te lossen.
01:49
Here you have a retina.
46
94000
2000
Hier heb je een netvlies.
01:51
So you have an image, a retina, and a brain.
47
96000
2000
Je ziet een beeld, een netvlies en een brein.
01:53
So when you look at something, like this image
48
98000
2000
Als je kijkt naar iets als dit beeld
01:55
of this baby's face, it goes into your eye
49
100000
2000
van het gezicht van deze baby, gaat het je oog in
01:57
and it lands on your retina, on the front-end
50
102000
2000
en komt terecht op je netvlies, op deze voorste
01:59
cells here, the photoreceptors.
51
104000
2000
cellen hier, de fotoreceptoren.
02:01
Then what happens is the retinal circuitry,
52
106000
2000
Dan gaan de netvliescircuits,
02:03
the middle part, goes to work on it,
53
108000
2000
het middelste deel, dat bewerken.
02:05
and what it does is it performs operations
54
110000
2000
Ze voeren bewerkingen uit,
02:07
on it, it extracts information from it, and it
55
112000
2000
halen er informatie uit en
02:09
converts that information into a code.
56
114000
2000
zetten deze informatie om in een code.
02:11
And the code is in the form of these patterns
57
116000
2000
De code is in de vorm van deze patronen
02:13
of electrical pulses that get sent
58
118000
2000
van elektrische pulsen die naar
02:15
up to the brain, and so the key thing is
59
120000
2000
het brein worden gestuurd. Het belangrijkste is
02:17
that the image ultimately gets converted
60
122000
2000
dat het beeld uiteindelijk wordt omgezet
02:19
into a code. And when I say code,
61
124000
2000
in een code. Als ik zeg code,
02:21
I do literally mean code.
62
126000
2000
bedoel ik letterlijk code.
02:23
Like this pattern of pulses here actually means "baby's face,"
63
128000
3000
Net als dit patroon van pulsen hier eigenlijk 'baby's gezicht' betekent.
02:26
and so when the brain gets this pattern
64
131000
2000
Als het brein dit patroon
02:28
of pulses, it knows that what was out there
65
133000
2000
van pulsen ontvangt, weet het dat er daar
02:30
was a baby's face, and if it
66
135000
2000
een babygezicht is. Als het
02:32
got a different pattern it would know
67
137000
2000
een ander patroon kreeg zou het dat
02:34
that what was out there was, say, a dog,
68
139000
2000
ook herkennen, bijvoorbeeld een hond
02:36
or another pattern would be a house.
69
141000
2000
of een huis.
02:38
Anyway, you get the idea.
70
143000
2000
Dat is het idee.
02:40
And, of course, in real life, it's all dynamic,
71
145000
2000
In het echte leven verloopt het natuurlijk allemaal dynamisch,
02:42
meaning that it's changing all the time,
72
147000
2000
het is de hele tijd aan het veranderen,
02:44
so the patterns of pulses are changing
73
149000
2000
zodat de patronen van de pulsen
02:46
all the time because the world you're
74
151000
2000
de hele tijd veranderen, omdat de wereld waar je naar
02:48
looking at is changing all the time too.
75
153000
3000
kijkt ook de hele tijd verandert.
02:51
So, you know, it's sort of a complicated
76
156000
2000
Het is ingewikkeld.
02:53
thing. You have these patterns of pulses
77
158000
2000
Elke milliseconde komen deze patronen van pulsen
02:55
coming out of your eye every millisecond
78
160000
2000
van je ogen en
02:57
telling your brain what it is that you're seeing.
79
162000
2000
vertellen je hersenen wat je ziet.
02:59
So what happens when a person
80
164000
2000
Wat gebeurt er nu wanneer iemand
03:01
gets a retinal degenerative disease like
81
166000
2000
een retinale degeneratieve ziekte als
03:03
macular degeneration? What happens is
82
168000
2000
maculadegeneratie krijgt? Dan gaan
03:05
is that, the front-end cells die,
83
170000
2000
deze voorste cellen, de fotoreceptoren, afsterven
03:07
the photoreceptors die, and over time,
84
172000
2000
en na verloop van tijd sterven
03:09
all the cells and the circuits that are
85
174000
2000
alle cellen en de circuits die
03:11
connected to them, they die too.
86
176000
2000
ermee verbonden zijn ook af.
03:13
Until the only things that you have left
87
178000
2000
Totdat de enige dingen die nog overblijven
03:15
are these cells here, the output cells,
88
180000
2000
deze cellen zijn, de outputcellen,
03:17
the ones that send the signals to the brain,
89
182000
2000
die de signalen doorsturen naar het brein.
03:19
but because of all that degeneration
90
184000
2000
Maar door al die degeneratie
03:21
they aren't sending any signals anymore.
91
186000
2000
zenden ze geen signalen meer door.
03:23
They aren't getting any input, so
92
188000
2000
Ze krijgen geen input meer, zodat
03:25
the person's brain no longer gets
93
190000
2000
het brein niet langer
03:27
any visual information --
94
192000
2000
visuele informatie ontvangt -
03:29
that is, he or she is blind.
95
194000
3000
dat wil zeggen, hij of zij is blind geworden.
03:32
So, a solution to the problem, then,
96
197000
2000
Een oplossing voor dat probleem
03:34
would be to build a device that could mimic
97
199000
2000
zou een apparaat zijn dat
03:36
the actions of that front-end circuitry
98
201000
2000
de acties van dat voorste circuit kan nabootsen
03:38
and send signals to the retina's output cells,
99
203000
2000
en signalen sturen naar de outputcellen van het netvlies
03:40
and they can go back to doing their
100
205000
2000
zodat ze hun normale werk van het verzenden
03:42
normal job of sending signals to the brain.
101
207000
2000
van signalen naar het brein terug kunnen doen.
03:44
So this is what we've been working on,
102
209000
2000
Daar hebben we aan gewerkt
03:46
and this is what our prosthetic does.
103
211000
2000
en dit is wat onze prothese doet.
03:48
So it consists of two parts, what we call
104
213000
2000
Ze bestaat uit twee delen die wij
03:50
an encoder and a transducer.
105
215000
2000
encoder en transducer noemen.
03:52
And so the encoder does just
106
217000
2000
De encoder doet precies
03:54
what I was saying: it mimics the actions
107
219000
2000
wat ik zeg: het bootst de acties
03:56
of the front-end circuitry -- so it takes images
108
221000
2000
van het voorste circuit na - het neemt beelden op
03:58
in and converts them into the retina's code.
109
223000
2000
en zet ze om in de code van het netvlies.
04:00
And then the transducer then makes the
110
225000
2000
Dan laat de transducer vervolgens de
04:02
output cells send the code on up
111
227000
2000
outputcellen de code
04:04
to the brain, and the result is
112
229000
2000
naar het brein sturen. Het resultaat is
04:06
a retinal prosthetic that can produce
113
231000
3000
een netvliesprothese die
04:09
normal retinal output.
114
234000
2000
normale retinale output kan produceren.
04:11
So a completely blind retina,
115
236000
2000
Een volledig blind netvlies,
04:13
even one with no front-end circuitry at all,
116
238000
2000
zelfs een zonder voorste circuit,
04:15
no photoreceptors,
117
240000
2000
zonder fotoreceptoren,
04:17
can now send out normal signals,
118
242000
2000
kan nu normale signalen uitsturen,
04:19
signals that the brain can understand.
119
244000
3000
signalen die het brein kan begrijpen.
04:22
So no other device has been able
120
247000
2000
Geen ander apparaat
04:24
to do this.
121
249000
2000
kon dat.
04:26
Okay, so I just want to take
122
251000
2000
Ik wil iets
04:28
a sentence or two to say something about
123
253000
2000
meer vertellen over
04:30
the encoder and what it's doing, because
124
255000
2000
de encoder en wat hij doet, want
04:32
it's really the key part and it's
125
257000
2000
dat is echt het sleutelgedeelte:
04:34
sort of interesting and kind of cool.
126
259000
2000
interessant en een beetje cool.
04:36
I'm not sure "cool" is really the right word, but
127
261000
2000
Ik weet niet of 'cool' wel het juiste woord is, maar
04:38
you know what I mean.
128
263000
2000
je weet wat ik bedoel.
04:40
So what it's doing is, it's replacing
129
265000
2000
Hij vervangt
04:42
the retinal circuitry, really the guts of
130
267000
2000
het netvliescircuit, de cellen van
04:44
the retinal circuitry, with a set of equations,
131
269000
2000
het netvliescircuit, door een set vergelijkingen,
04:46
a set of equations that we can implement
132
271000
2000
een set vergelijkingen die we kunnen implementeren
04:48
on a chip. So it's just math.
133
273000
2000
op een chip. Het is gewoon wiskunde.
04:50
In other words, we're not literally replacing
134
275000
3000
We vervangen dus niet letterlijk
04:53
the components of the retina.
135
278000
2000
de onderdelen van het netvlies.
04:55
It's not like we're making a little mini-device
136
280000
2000
Het is niet alsof we een klein mini-apparaat maken
04:57
for each of the different cell types.
137
282000
2000
voor elk van de verschillende celtypen.
04:59
We've just abstracted what the
138
284000
2000
We hebben alleen maar met een set vergelijkingen
05:01
retina's doing with a set of equations.
139
286000
2000
geabstraheerd wat het netvlies doet.
05:03
And so, in a way, the equations are serving
140
288000
2000
De vergelijkingen dienen
05:05
as sort of a codebook. An image comes in,
141
290000
2000
als een soort van codeboek. Een beeld komt binnen,
05:07
goes through the set of equations,
142
292000
3000
gaat door de set vergelijkingen,
05:10
and out comes streams of electrical pulses,
143
295000
2000
en dan komen stromen van elektrische pulsen eruit
05:12
just like a normal retina would produce.
144
297000
4000
net zoals een normaal netvlies die zou leveren.
05:16
Now let me put my money
145
301000
2000
Om dit hard te maken
05:18
where my mouth is and show you that
146
303000
2000
wil ik jullie laten zien dat
05:20
we can actually produce normal output,
147
305000
2000
we normale output kunnen produceren
05:22
and what the implications of this are.
148
307000
2000
en wat de implicaties ervan zijn.
05:24
Here are three sets of
149
309000
2000
Hier zijn drie sets van
05:26
firing patterns. The top one is from
150
311000
2000
signaalpatronen. De bovenste is van
05:28
a normal animal, the middle one is from
151
313000
2000
een normaal dier, de middelste van
05:30
a blind animal that's been treated with
152
315000
2000
een blind dier dat behandeld is met
05:32
this encoder-transducer device, and the
153
317000
2000
dit encoder-transducerapparaat en de
05:34
bottom one is from a blind animal treated
154
319000
2000
onderste van een blind dier
05:36
with a standard prosthetic.
155
321000
2000
met een standaardprothese.
05:38
So the bottom one is the state-of-the-art
156
323000
2000
De onderste is het state-of-the-art
05:40
device that's out there right now, which is
157
325000
2000
apparaat van dit moment. Het is
05:42
basically made up of light detectors,
158
327000
2000
in principe opgebouwd uit lichtdetectoren,
05:44
but no encoder. So what we did was we
159
329000
2000
maar heeft geen encoder. We toonden
05:46
presented movies of everyday things --
160
331000
2000
films van alledaagse dingen -
05:48
people, babies, park benches,
161
333000
2000
mensen, baby's, bankjes in het park,
05:50
you know, regular things happening -- and
162
335000
2000
kortom gewone dingen - en
05:52
we recorded the responses from the retinas
163
337000
2000
we hebben de reacties van het netvlies
05:54
of these three groups of animals.
164
339000
2000
van deze drie groepen van dieren opgenomen.
05:56
Now just to orient you, each box is showing
165
341000
2000
Om je even wegwijs te maken: elk vak toont
05:58
the firing patterns of several cells,
166
343000
2000
de signaalpatronen van meerdere cellen.
06:00
and just as in the previous slides,
167
345000
2000
Net als in de vorige dia's
06:02
each row is a different cell,
168
347000
2000
staat elke rij voor een andere cel.
06:04
and I just made the pulses a little bit smaller
169
349000
2000
Ik maakte de pulsen een beetje kleiner
06:06
and thinner so I could show you
170
351000
3000
en dunner, zodat ik jullie
06:09
a long stretch of data.
171
354000
2000
een lange strook van gegevens kon laten zien.
06:11
So as you can see, the firing patterns
172
356000
2000
Zoals je kunt zien sluiten de signaalpatronen
06:13
from the blind animal treated with
173
358000
2000
van het blinde dier, behandeld met
06:15
the encoder-transducer really do very
174
360000
2000
de encoder-transducer, echt heel
06:17
closely match the normal firing patterns --
175
362000
2000
nauw aan bij de normale signaalpatronen.
06:19
and it's not perfect, but it's pretty good --
176
364000
2000
Niet perfect, maar toch vrij goed.
06:21
and the blind animal treated with
177
366000
2000
Van het blinde dier behandeld met
06:23
the standard prosthetic,
178
368000
2000
de standaardprothese
06:25
the responses really don't.
179
370000
2000
is de respons niet echt goed.
06:27
And so with the standard method,
180
372000
3000
Met de standaardmethode
06:30
the cells do fire, they just don't fire
181
375000
2000
geven de cellen wel een signaal, maar ze geven
06:32
in the normal firing patterns because
182
377000
2000
geen normale signaalpatronen omdat
06:34
they don't have the right code.
183
379000
2000
ze de juiste code niet hebben.
06:36
How important is this?
184
381000
2000
Hoe belangrijk is dit?
06:38
What's the potential impact
185
383000
2000
Wat is de mogelijke impact
06:40
on a patient's ability to see?
186
385000
3000
op het gezichtsvermogen van een patiënt?
06:43
So I'm just going to show you one
187
388000
2000
Ik ga jullie nog
06:45
bottom-line experiment that answers this,
188
390000
2000
een cruciaal experiment tonen dat hierop een antwoord geeft.
06:47
and of course I've got a lot of other data,
189
392000
2000
Natuurlijk heb ik nog een heleboel andere gegevens.
06:49
so if you're interested I'm happy
190
394000
2000
Als je geïnteresseerd bent, kan ik
06:51
to show more. So the experiment
191
396000
2000
nog veel meer laten zien. Het experiment
06:53
is called a reconstruction experiment.
192
398000
2000
heet een reconstructie-experiment.
06:55
So what we did is we took a moment
193
400000
2000
We namen een tijdsmoment
06:57
in time from these recordings and asked,
194
402000
3000
van deze opnamen en vroegen ons af
07:00
what was the retina seeing at that moment?
195
405000
2000
wat het netvlies toen zag.
07:02
Can we reconstruct what the retina
196
407000
2000
Kunnen we reconstrueren wat het netvlies
07:04
was seeing from the responses
197
409000
2000
kon opmaken uit de reacties
07:06
from the firing patterns?
198
411000
2000
van de signaalpatronen?
07:08
So, when we did this for responses
199
413000
3000
We deden dit voor de reacties
07:11
from the standard method and from
200
416000
3000
van de standaardmethode en van
07:14
our encoder and transducer.
201
419000
2000
onze encoder en transducer.
07:16
So let me show you, and I'm going to
202
421000
2000
Ik begin
07:18
start with the standard method first.
203
423000
2000
met de standaardmethode.
07:20
So you can see that it's pretty limited,
204
425000
2000
Je kunt zien dat ze erg beperkt is.
07:22
and because the firing patterns aren't
205
427000
2000
Omdat de signaalpatronen niet
07:24
in the right code, they're very limited in
206
429000
2000
in de juiste code zijn, zijn ze zeer beperkt in
07:26
what they can tell you about
207
431000
2000
wat ze kunnen vertellen over
07:28
what's out there. So you can see that
208
433000
2000
de omgeving. Je kunt zien dat
07:30
there's something there, but it's not so clear
209
435000
2000
er daar iets is, maar het is niet zo duidelijk
07:32
what that something is, and this just sort of
210
437000
2000
wat dat iets is. Dit demonstreert nog maar eens
07:34
circles back to what I was saying in the
211
439000
2000
wat ik in het
07:36
beginning, that with the standard method,
212
441000
2000
begin zei, dat patiënten met de standaardmethode
07:38
patients can see high-contrast edges, they
213
443000
2000
hoog contrasterende randen kunnen zien, ze
07:40
can see light, but it doesn't easily go
214
445000
2000
kunnen licht zien, maar dat is het dan ook.
07:42
further than that. So what was
215
447000
2000
Wat stelt het beeld voor?
07:44
the image? It was a baby's face.
216
449000
3000
Een babygezicht.
07:47
So what about with our approach,
217
452000
2000
Hoe zit het nu met onze aanpak,
07:49
adding the code? And you can see
218
454000
2000
het toevoegen van de code? Je kunt zien
07:51
that it's much better. Not only can you
219
456000
2000
dat het veel beter is. Niet alleen kan je
07:53
tell that it's a baby's face, but you can
220
458000
2000
zien dat het een babygezicht is, maar je kunt
07:55
tell that it's this baby's face, which is a
221
460000
2000
zien dat het het gezicht van deze baby is, wat een
07:57
really challenging task.
222
462000
2000
echt uitdagende taak is.
07:59
So on the left is the encoder
223
464000
2000
Aan de linkerkant is het van de encoder alleen
08:01
alone, and on the right is from an actual
224
466000
2000
en aan de rechterkant is het van een werkelijk
08:03
blind retina, so the encoder and the transducer.
225
468000
2000
blind netvlies, dus met de encoder en de transducer.
08:05
But the key one really is the encoder alone,
226
470000
2000
Maar het belangrijkste is de encoder alleen,
08:07
because we can team up the encoder with
227
472000
2000
want we kunnen de encoder laten werken met
08:09
the different transducer.
228
474000
2000
een verschillende transducer.
08:11
This is just actually the first one that we tried.
229
476000
2000
Dit is gewoon de eerste die we hebben uitgeprobeerd.
08:13
I just wanted to say something about the standard method.
230
478000
2000
Ik wilde alleen maar iets over de standaardmethode zeggen.
08:15
When this first came out, it was just a really
231
480000
2000
Toen deze voor het eerst uitkwam, was het gewoon een heel
08:17
exciting thing, the idea that you
232
482000
2000
spannend iets, alleen het idee al dat je
08:19
even make a blind retina respond at all.
233
484000
3000
zelfs een blind netvlies kon laten reageren.
08:22
But there was this limiting factor,
234
487000
3000
Maar er was een beperkende factor,
08:25
the issue of the code, and how to make
235
490000
2000
de kwestie van de code en hoe
08:27
the cells respond better,
236
492000
2000
de respons van de cellen te verbeteren,
08:29
produce normal responses,
237
494000
2000
ze normale reacties te laten produceren.
08:31
and so this was our contribution.
238
496000
2000
Dat was onze bijdrage.
08:33
Now I just want to wrap up,
239
498000
2000
Samengevat
08:35
and as I was mentioning earlier
240
500000
2000
zoals ik eerder al zei,
08:37
of course I have a lot of other data
241
502000
2000
heb ik natuurlijk nog een hoop andere gegevens,
08:39
if you're interested, but I just wanted to give
242
504000
2000
mocht je geïnteresseerd zijn. Ik wilde
08:41
this sort of basic idea
243
506000
2000
dit basisidee meegeven
08:43
of being able to communicate
244
508000
3000
dat de mogelijkheid er is om te communiceren
08:46
with the brain in its language, and
245
511000
2000
met het brein in zijn eigen taal en
08:48
the potential power of being able to do that.
246
513000
3000
wat de mogelijkheid om dat te doen, betekent.
08:51
So it's different from the motor prosthetics
247
516000
2000
Het is dus anders dan bij bewegingsprothesen
08:53
where you're communicating from the brain
248
518000
2000
waar je communiceert vanuit het brein
08:55
to a device. Here we have to communicate
249
520000
2000
naar een apparaat. Hier communiceren we
08:57
from the outside world
250
522000
2000
van de buitenwereld
08:59
into the brain and be understood,
251
524000
2000
naar het brein en worden begrepen,
09:01
and be understood by the brain.
252
526000
2000
begrepen door het brein.
09:03
And then the last thing I wanted
253
528000
2000
Het laatste wat ik nog wilde
09:05
to say, really, is to emphasize
254
530000
2000
zeggen, is benadrukken dat het idee
09:07
that the idea generalizes.
255
532000
2000
voor andere toepassingen kan worden gebruikt.
09:09
So the same strategy that we used
256
534000
2000
Dezelfde strategie die we hebben gebruikt
09:11
to find the code for the retina we can also
257
536000
2000
om de code te vinden voor het netvlies kunnen we ook
09:13
use to find the code for other areas,
258
538000
2000
gebruiken om de code voor andere gebieden te vinden,
09:15
for example, the auditory system and
259
540000
2000
bijvoorbeeld, het auditieve systeem en
09:17
the motor system, so for treating deafness
260
542000
2000
het bewegingssysteem, dus voor de behandeling van doofheid
09:19
and for motor disorders.
261
544000
2000
en voor motorische stoornissen.
09:21
So just the same way that we were able to
262
546000
2000
Op dezelfde manier dat we in staat waren om
09:23
jump over the damaged
263
548000
2000
over de beschadigde
09:25
circuitry in the retina to get to the retina's
264
550000
2000
circuits in het netvlies te springen naar de outputcellen
09:27
output cells, we can jump over the
265
552000
2000
van het netvlies kunnen we over de
09:29
damaged circuitry in the cochlea
266
554000
2000
beschadigde circuits in het slakkenhuis springen
09:31
to get the auditory nerve,
267
556000
2000
om de gehoorzenuw vast te krijgen
09:33
or jump over damaged areas in the cortex,
268
558000
2000
of springen over beschadigde gebieden in de cortex,
09:35
in the motor cortex, to bridge the gap
269
560000
3000
in de motorische cortex om de kloof te overbruggen
09:38
produced by a stroke.
270
563000
2000
die het resultaat was van een beroerte.
09:40
I just want to end with a simple
271
565000
2000
Ik wil eindigen met de simpele
09:42
message that understanding the code
272
567000
2000
mededeling dat het begrijpen van de code
09:44
is really, really important, and if we
273
569000
2000
echt, echt belangrijk is en als we de code
09:46
can understand the code,
274
571000
2000
kunnen begrijpen,
09:48
the language of the brain, things become
275
573000
2000
de taal van het brein, worden dingen
09:50
possible that didn't seem obviously
276
575000
2000
mogelijk die vroeger
09:52
possible before. Thank you.
277
577000
2000
onmogelijk leken. Dank je.
09:54
(Applause)
278
579000
5000
(Applaus)
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