TEDMED 2011
Sheila Nirenberg: A prosthetic eye to treat blindness
Sheila Nirenberg: Uma prótese ocular para tratar a cegueira
Filmed:
Readability: 4.3
470,530 views
Na TEDMED, Sheila Nirenberg revela uma forma audaciosa para criar a visão em pessoas com certos tipos de cegueira: ligações ao nervo óptico que enviam sinais directamente para o cérebro a partir de uma câmara.
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
Estudo a forma como o cérebro
00:17
information. That is, how it takes
1
2000
2000
processa informação. Isto é, como recebe
00:19
information in from the outside world, and
2
4000
2000
informação do exterior
00:21
converts it into patterns of electrical activity,
3
6000
2000
e a converte em padrões de actividade eléctrica,
00:23
and then how it uses those patterns
4
8000
2000
e a forma como usa esses padrões
00:25
to allow you to do things --
5
10000
2000
para que possamos fazer coisas
00:27
to see, hear, to reach for an object.
6
12000
2000
- ver, ouvir, alcançar um objecto.
00:29
So I'm really a basic scientist, not
7
14000
2000
Sou uma cientista de ciências básicas,
00:31
a clinician, but in the last year and a half
8
16000
2000
não sou médica clínica,
00:33
I've started to switch over, to use what
9
18000
2000
mas no último ano e meio tenho invertido esse papel,
00:35
we've been learning about these patterns
10
20000
2000
para usar o que aprendemos sobre estes
00:37
of activity to develop prosthetic devices,
11
22000
3000
padrões de actividade no desenvolvimento de próteses,
00:40
and what I wanted to do today is show you
12
25000
2000
e o que quero fazer hoje
00:42
an example of this.
13
27000
2000
é mostrar-vos um exemplo disto.
00:44
It's really our first foray into this.
14
29000
2000
É a nossa primeira tentativa do género.
00:46
It's the development of a prosthetic device
15
31000
2000
O desenvolvimento de uma prótese
00:48
for treating blindness.
16
33000
2000
para tratar a cegueira.
00:50
So let me start in on that problem.
17
35000
2000
Permitam-me apresentar o problema.
00:52
There are 10 million people in the U.S.
18
37000
2000
Há 10 milhões de pessoas nos E.U.A.
00:54
and many more worldwide who are blind
19
39000
2000
e muitas mais no mundo
00:56
or are facing blindness due to diseases
20
41000
2000
que são cegas ou sofrem de cegueira
00:58
of the retina, diseases like
21
43000
2000
devido a doenças da retina,
01:00
macular degeneration, and there's little
22
45000
2000
doenças como a degenerescência macular,
01:02
that can be done for them.
23
47000
2000
e não se pode fazer muito por elas.
01:04
There are some drug treatments, but
24
49000
2000
Existem medicamentos, mas só são eficazes
01:06
they're only effective on a small fraction
25
51000
2000
numa fracção reduzida da população.
01:08
of the population. And so, for the vast
26
53000
2000
Por isso, para a maioria dos doentes,
01:10
majority of patients, their best hope for
27
55000
2000
a melhor hipótese de recuperar a visão
01:12
regaining sight is through prosthetic devices.
28
57000
2000
é através de próteses.
01:14
The problem is that current prosthetics
29
59000
2000
O problema é que as próteses actuais
01:16
don't work very well. They're still very
30
61000
2000
não funcionam muito bem. São ainda muito
01:18
limited in the vision that they can provide.
31
63000
2000
limitadas quanto à visão que fornecem.
01:20
And so, you know, for example, with these
32
65000
2000
Por exemplo, com estes aparelhos,
01:22
devices, patients can see simple things
33
67000
2000
os doentes podem ver coisas simples
01:24
like bright lights and high contrast edges,
34
69000
2000
como luzes brilhantes e formas
01:26
not very much more, so nothing close
35
71000
2000
com elevado contraste, mas não muito mais,
01:28
to normal vision has been possible.
36
73000
3000
não tem sido possível reproduzir nada parecido com a visão normal.
01:31
So what I'm going to tell you about today
37
76000
2000
Por isso hoje vou falar-vos
01:33
is a device that we've been working on
38
78000
2000
de um aparelho no qual temos trabalhado
01:35
that I think has the potential to make
39
80000
2000
que penso ter o potencial para
01:37
a difference, to be much more effective,
40
82000
2000
marcar a diferença, ser muito mais eficaz,
01:39
and what I wanted to do is show you
41
84000
2000
e queria então mostrar-vos
01:41
how it works. Okay, so let me back up a
42
86000
2000
como funciona. Ok, deixem-me voltar
01:43
little bit and show you how a normal retina
43
88000
2000
um pouco atrás e mostrar-vos como funciona
01:45
works first so you can see the problem
44
90000
2000
uma retina normal, para que entendam o problema
01:47
that we were trying to solve.
45
92000
2000
que estamos a tentar resolver. Temos aqui uma retina.
01:49
Here you have a retina.
46
94000
2000
Temos uma imagem, uma retina e um cérebro.
01:51
So you have an image, a retina, and a brain.
47
96000
2000
Quando olhamos para algo,
01:53
So when you look at something, like this image
48
98000
2000
como esta imagem da face de um bebé,
01:55
of this baby's face, it goes into your eye
49
100000
2000
ela vai para o olho
01:57
and it lands on your retina, on the front-end
50
102000
2000
e pára na retina, nestas células frontais,
01:59
cells here, the photoreceptors.
51
104000
2000
chamadas fotorreceptores.
02:01
Then what happens is the retinal circuitry,
52
106000
2000
De seguida, a parte do meio, as ligações retinais,
02:03
the middle part, goes to work on it,
53
108000
2000
trabalham a imagem,
02:05
and what it does is it performs operations
54
110000
2000
operam sobre ela
02:07
on it, it extracts information from it, and it
55
112000
2000
e extraem informação
02:09
converts that information into a code.
56
114000
2000
que convertem num código.
02:11
And the code is in the form of these patterns
57
116000
2000
O código tem a forma destes padrões de
02:13
of electrical pulses that get sent
58
118000
2000
impulsos eléctricos que são enviados
02:15
up to the brain, and so the key thing is
59
120000
2000
para o cérebro, portanto o essencial é que
02:17
that the image ultimately gets converted
60
122000
2000
a imagem acaba convertida
02:19
into a code. And when I say code,
61
124000
2000
num código. E quando digo "código",
02:21
I do literally mean code.
62
126000
2000
quero mesmo dizer "código".
02:23
Like this pattern of pulses here actually means "baby's face,"
63
128000
3000
Este padrão de impulsos aqui significa mesmo
02:26
and so when the brain gets this pattern
64
131000
2000
"face de bebé", por isso
02:28
of pulses, it knows that what was out there
65
133000
2000
quando o cérebro recebe este padrão, sabe que
02:30
was a baby's face, and if it
66
135000
2000
o que está à sua frente é uma face de bebé,
02:32
got a different pattern it would know
67
137000
2000
e se recebesse um padrão diferente
02:34
that what was out there was, say, a dog,
68
139000
2000
saberia que tinha à frente, por exemplo, um cão,
02:36
or another pattern would be a house.
69
141000
2000
e outro padrão poderia ser uma casa.
02:38
Anyway, you get the idea.
70
143000
2000
Vocês percebem a ideia.
02:40
And, of course, in real life, it's all dynamic,
71
145000
2000
E, claro, na vida real, tudo é dinâmico,
02:42
meaning that it's changing all the time,
72
147000
2000
ou seja, muda a todo o momento,
02:44
so the patterns of pulses are changing
73
149000
2000
logo os padrões de impulsos
02:46
all the time because the world you're
74
151000
2000
mudam a toda a hora porque o
02:48
looking at is changing all the time too.
75
153000
3000
mundo que observamos também está sempre a mudar.
02:51
So, you know, it's sort of a complicated
76
156000
2000
Portanto, vêem como isto é um pouco complicado.
02:53
thing. You have these patterns of pulses
77
158000
2000
Temos padrões de impulsos vindos do olho
02:55
coming out of your eye every millisecond
78
160000
2000
a cada milissegundo,
02:57
telling your brain what it is that you're seeing.
79
162000
2000
que dizem ao cérebro o que estamos a ver.
02:59
So what happens when a person
80
164000
2000
O que acontece quando uma pessoa tem uma doença
03:01
gets a retinal degenerative disease like
81
166000
2000
degenerativa retinal tal como a degenerescência macular?
03:03
macular degeneration? What happens is
82
168000
2000
O que acontece é que
03:05
is that, the front-end cells die,
83
170000
2000
as células frontais morrem,
03:07
the photoreceptors die, and over time,
84
172000
2000
os fotorreceptores morrem,
03:09
all the cells and the circuits that are
85
174000
2000
e com o tempo todas as células e circuitos
03:11
connected to them, they die too.
86
176000
2000
ligados a eles morrem também.
03:13
Until the only things that you have left
87
178000
2000
Até que a única coisa que resta
03:15
are these cells here, the output cells,
88
180000
2000
são estas células, as células de saída de dados,
03:17
the ones that send the signals to the brain,
89
182000
2000
as que enviam sinais ao cérebro,
03:19
but because of all that degeneration
90
184000
2000
mas com a degenerescência
03:21
they aren't sending any signals anymore.
91
186000
2000
deixam de enviar esses sinais.
03:23
They aren't getting any input, so
92
188000
2000
Não estão a receber dados, por isso
03:25
the person's brain no longer gets
93
190000
2000
o cérebro da pessoa deixa de
03:27
any visual information --
94
192000
2000
receber informação visual, ou seja
03:29
that is, he or she is blind.
95
194000
3000
a pessoa está cega.
03:32
So, a solution to the problem, then,
96
197000
2000
Ora, uma solução para o problema seria
03:34
would be to build a device that could mimic
97
199000
2000
construir um dispositivo que imitasse
03:36
the actions of that front-end circuitry
98
201000
2000
as acções daquelas células frontais
03:38
and send signals to the retina's output cells,
99
203000
2000
e enviasse sinais às células de saída de dados,
03:40
and they can go back to doing their
100
205000
2000
para elas voltarem a executar a sua função
03:42
normal job of sending signals to the brain.
101
207000
2000
normal de enviar sinais ao cérebro.
03:44
So this is what we've been working on,
102
209000
2000
É então nisto que estamos a trabalhar,
03:46
and this is what our prosthetic does.
103
211000
2000
e isto é o que a nossa prótese faz.
03:48
So it consists of two parts, what we call
104
213000
2000
Consiste em duas partes, a que chamamos
03:50
an encoder and a transducer.
105
215000
2000
um codificador e um transdutor.
03:52
And so the encoder does just
106
217000
2000
O codificador faz aquilo
03:54
what I was saying: it mimics the actions
107
219000
2000
que referi: imita as acções
03:56
of the front-end circuitry -- so it takes images
108
221000
2000
das células frontais - pega nas imagens
03:58
in and converts them into the retina's code.
109
223000
2000
e converte-as no código da retina.
04:00
And then the transducer then makes the
110
225000
2000
O transdutor faz com que as
04:02
output cells send the code on up
111
227000
2000
células de saída de dados enviem o código
04:04
to the brain, and the result is
112
229000
2000
para o cérebro, e o resultado
04:06
a retinal prosthetic that can produce
113
231000
3000
é uma prótese retinal que pode produzir
04:09
normal retinal output.
114
234000
2000
dados da retina normais.
04:11
So a completely blind retina,
115
236000
2000
Desta forma, uma retina completamente cega,
04:13
even one with no front-end circuitry at all,
116
238000
2000
mesmo sem células frontais,
04:15
no photoreceptors,
117
240000
2000
sem fotorreceptores,
04:17
can now send out normal signals,
118
242000
2000
pode agora enviar sinais normais,
04:19
signals that the brain can understand.
119
244000
3000
sinais que o cérebro pode entender.
04:22
So no other device has been able
120
247000
2000
Nenhum outro aparelho tem sido
04:24
to do this.
121
249000
2000
capaz de fazer isto.
04:26
Okay, so I just want to take
122
251000
2000
Ok, quero agora dizer
04:28
a sentence or two to say something about
123
253000
2000
uma ou duas coisas sobre o codificador
04:30
the encoder and what it's doing, because
124
255000
2000
e sobre o que ele faz, porque
04:32
it's really the key part and it's
125
257000
2000
trata-se da peça-chave
04:34
sort of interesting and kind of cool.
126
259000
2000
e é interessante e bastante fixe.
04:36
I'm not sure "cool" is really the right word, but
127
261000
2000
Não sei se "fixe" será a palavra adequada,
04:38
you know what I mean.
128
263000
2000
mas vocês entendem.
04:40
So what it's doing is, it's replacing
129
265000
2000
O que ele faz é substituir
04:42
the retinal circuitry, really the guts of
130
267000
2000
o conjunto das células retinais, todo ele,
04:44
the retinal circuitry, with a set of equations,
131
269000
2000
com um conjunto de equações,
04:46
a set of equations that we can implement
132
271000
2000
conjunto que podemos
04:48
on a chip. So it's just math.
133
273000
2000
inserir num chip. Portanto, é só matemática.
04:50
In other words, we're not literally replacing
134
275000
3000
Por outras palavras, não estamos literalmente a substituir
04:53
the components of the retina.
135
278000
2000
os componentes da retina.
04:55
It's not like we're making a little mini-device
136
280000
2000
Não estamos propriamente a fazer um mini-dispositivo
04:57
for each of the different cell types.
137
282000
2000
para cada tipo diferente de células.
04:59
We've just abstracted what the
138
284000
2000
Simplesmente abstraímos o que
05:01
retina's doing with a set of equations.
139
286000
2000
a retina faz num conjunto de equações.
05:03
And so, in a way, the equations are serving
140
288000
2000
De certa forma, as equações funcionam como
05:05
as sort of a codebook. An image comes in,
141
290000
2000
uma espécie de livro de código.
05:07
goes through the set of equations,
142
292000
3000
Uma imagem chega, passa pelo conjunto de equações,
05:10
and out comes streams of electrical pulses,
143
295000
2000
e saem linhas de impulsos eléctricos,
05:12
just like a normal retina would produce.
144
297000
4000
tal como uma retina normal o faria.
05:16
Now let me put my money
145
301000
2000
Deixem-me então provar
05:18
where my mouth is and show you that
146
303000
2000
aquilo que disse e mostrar-vos que
05:20
we can actually produce normal output,
147
305000
2000
conseguimos mesmo produzir dados normais
05:22
and what the implications of this are.
148
307000
2000
e as implicações que isto traz.
05:24
Here are three sets of
149
309000
2000
Temos aqui três conjuntos de
05:26
firing patterns. The top one is from
150
311000
2000
padrões de disparo. O de cima é de
05:28
a normal animal, the middle one is from
151
313000
2000
um animal normal, o do meio é de
05:30
a blind animal that's been treated with
152
315000
2000
um animal cego tratado com o nosso
05:32
this encoder-transducer device, and the
153
317000
2000
codificador-transdutor,
05:34
bottom one is from a blind animal treated
154
319000
2000
e o último é de um animal tratado com uma
05:36
with a standard prosthetic.
155
321000
2000
prótese comum.
05:38
So the bottom one is the state-of-the-art
156
323000
2000
O de baixo, trata-se de uma prótese nova,
05:40
device that's out there right now, which is
157
325000
2000
de última geração, que funciona
05:42
basically made up of light detectors,
158
327000
2000
à base de detectores de luz, mas sem codificador.
05:44
but no encoder. So what we did was we
159
329000
2000
O que fizemos foi passar filmes
05:46
presented movies of everyday things --
160
331000
2000
de cenas quotidianas - pessoas, bebés,
05:48
people, babies, park benches,
161
333000
2000
bancos de jardim,
05:50
you know, regular things happening -- and
162
335000
2000
acontecimentos do dia-a-dia, entendem -
05:52
we recorded the responses from the retinas
163
337000
2000
e gravámos as respostas das retinas
05:54
of these three groups of animals.
164
339000
2000
destes três grupos de animais.
05:56
Now just to orient you, each box is showing
165
341000
2000
Só para vos orientar,
05:58
the firing patterns of several cells,
166
343000
2000
cada caixa mostra os padrões de disparo
06:00
and just as in the previous slides,
167
345000
2000
de várias células, e tal como
06:02
each row is a different cell,
168
347000
2000
nos slides anteriores, cada coluna
06:04
and I just made the pulses a little bit smaller
169
349000
2000
é uma célula diferente, e eu apenas
06:06
and thinner so I could show you
170
351000
3000
reduzi o tamanho e grossura dos impulsos para vos
06:09
a long stretch of data.
171
354000
2000
poder mostrar uma fila longa de dados.
06:11
So as you can see, the firing patterns
172
356000
2000
Como podem ver,
06:13
from the blind animal treated with
173
358000
2000
os padrões de disparo do animal cego
06:15
the encoder-transducer really do very
174
360000
2000
tratado com o codificador-transdutor
06:17
closely match the normal firing patterns --
175
362000
2000
assemelham-se muito a
06:19
and it's not perfect, but it's pretty good --
176
364000
2000
padrões de disparo normais
06:21
and the blind animal treated with
177
366000
2000
- não são perfeitos, mas são bastante bons -
06:23
the standard prosthetic,
178
368000
2000
e no animal cego com a prótese comum,
06:25
the responses really don't.
179
370000
2000
as respostas não se assemelham nada.
06:27
And so with the standard method,
180
372000
3000
Desta forma, com o método comum,
06:30
the cells do fire, they just don't fire
181
375000
2000
as células disparam, mas não
06:32
in the normal firing patterns because
182
377000
2000
segundo os padrões normais,
06:34
they don't have the right code.
183
379000
2000
porque não têm o código certo.
06:36
How important is this?
184
381000
2000
Qual a importância disto?
06:38
What's the potential impact
185
383000
2000
Qual o impacto potencial na
06:40
on a patient's ability to see?
186
385000
3000
capacidade de ver de um doente?
06:43
So I'm just going to show you one
187
388000
2000
Vou apenas mostrar-vos uma
06:45
bottom-line experiment that answers this,
188
390000
2000
experiência prática que responde à questão,
06:47
and of course I've got a lot of other data,
189
392000
2000
e é claro que tenho muito mais dados,
06:49
so if you're interested I'm happy
190
394000
2000
por isso se vos interessar, tenho todo
06:51
to show more. So the experiment
191
396000
2000
o gosto em mostrar mais. A experiência
06:53
is called a reconstruction experiment.
192
398000
2000
chama-se experiência de reconstrução.
06:55
So what we did is we took a moment
193
400000
2000
O que fizemos foi pegar num determinado
06:57
in time from these recordings and asked,
194
402000
3000
momento destas gravações e perguntar,
07:00
what was the retina seeing at that moment?
195
405000
2000
o que via a retina naquele momento?
07:02
Can we reconstruct what the retina
196
407000
2000
Poderíamos reconstruir o que a retina via
07:04
was seeing from the responses
197
409000
2000
a partir das respostas
07:06
from the firing patterns?
198
411000
2000
dos padrões de disparo?
07:08
So, when we did this for responses
199
413000
3000
Fizemo-lo para as respostas
07:11
from the standard method and from
200
416000
3000
do método comum e para
07:14
our encoder and transducer.
201
419000
2000
as do nosso codificador e transdutor.
07:16
So let me show you, and I'm going to
202
421000
2000
Deixem-me mostrar-vos, e começo
07:18
start with the standard method first.
203
423000
2000
com as do método comum primeiro.
07:20
So you can see that it's pretty limited,
204
425000
2000
Conseguem ver que são muito limitadas,
07:22
and because the firing patterns aren't
205
427000
2000
e como os padrões de disparo não estão
07:24
in the right code, they're very limited in
206
429000
2000
no código certo, são muito limitados
07:26
what they can tell you about
207
431000
2000
naquilo que nos podem dizer sobre o que vêem.
07:28
what's out there. So you can see that
208
433000
2000
Podem ver que está algo à frente,
07:30
there's something there, but it's not so clear
209
435000
2000
mas não é tão claro saber o que é.
07:32
what that something is, and this just sort of
210
437000
2000
E aqui estamos a voltar ao que já disse
07:34
circles back to what I was saying in the
211
439000
2000
no início, que com o método comum,
07:36
beginning, that with the standard method,
212
441000
2000
os doentes conseguem ver
07:38
patients can see high-contrast edges, they
213
443000
2000
formas com elevado contraste, ver luz
07:40
can see light, but it doesn't easily go
214
445000
2000
mas não vêem muito mais que isso.
07:42
further than that. So what was
215
447000
2000
Qual era então a imagem?
07:44
the image? It was a baby's face.
216
449000
3000
Era a face de um bebé.
07:47
So what about with our approach,
217
452000
2000
O que acontece com a nossa abordagem,
07:49
adding the code? And you can see
218
454000
2000
acrescentando o código? Podemos ver
07:51
that it's much better. Not only can you
219
456000
2000
que é muito melhor. Conseguimos não apenas
07:53
tell that it's a baby's face, but you can
220
458000
2000
identificar a cara do bebé, mas saber também
07:55
tell that it's this baby's face, which is a
221
460000
2000
que é a cara daquele bebé em especial,
07:57
really challenging task.
222
462000
2000
o que é algo muito difícil.
07:59
So on the left is the encoder
223
464000
2000
Temos à esquerda o codificador isolado,
08:01
alone, and on the right is from an actual
224
466000
2000
e à direita uma retina cega,
08:03
blind retina, so the encoder and the transducer.
225
468000
2000
com o codificador e o transdutor.
08:05
But the key one really is the encoder alone,
226
470000
2000
Mas o que interessa é a que tem só o codificador,
08:07
because we can team up the encoder with
227
472000
2000
porque podemos combinar o codificador
08:09
the different transducer.
228
474000
2000
com um transdutor diferente. Esta foi simplesmente
08:11
This is just actually the first one that we tried.
229
476000
2000
a nossa primeira tentativa. Queria apenas acrescentar algo
08:13
I just wanted to say something about the standard method.
230
478000
2000
sobre o método comum.
08:15
When this first came out, it was just a really
231
480000
2000
Quando saiu, era algo muito excitante,
08:17
exciting thing, the idea that you
232
482000
2000
esta ideia de que se podia fazer com que
08:19
even make a blind retina respond at all.
233
484000
3000
uma retina cega respondesse de todo.
08:22
But there was this limiting factor,
234
487000
3000
Mas havia um factor limitante,
08:25
the issue of the code, and how to make
235
490000
2000
a questão do código, e como fazer com que
08:27
the cells respond better,
236
492000
2000
as células respondessem melhor,
08:29
produce normal responses,
237
494000
2000
produzissem respostas normais,
08:31
and so this was our contribution.
238
496000
2000
e portanto esta foi a nossa contribuição.
08:33
Now I just want to wrap up,
239
498000
2000
Para terminar,
08:35
and as I was mentioning earlier
240
500000
2000
como dizia anteriormente,
08:37
of course I have a lot of other data
241
502000
2000
tenho muitos outros dados
08:39
if you're interested, but I just wanted to give
242
504000
2000
se estiverem interessados, mas queria apenas
08:41
this sort of basic idea
243
506000
2000
partilhar esta ideia relativamente geral
08:43
of being able to communicate
244
508000
3000
de que somos capazes de comunicar
08:46
with the brain in its language, and
245
511000
2000
com o cérebro na sua linguagem,
08:48
the potential power of being able to do that.
246
513000
3000
e o que se poderá conseguir com isso.
08:51
So it's different from the motor prosthetics
247
516000
2000
É diferente das próteses motoras
08:53
where you're communicating from the brain
248
518000
2000
onde se comunica com um dispositivo
08:55
to a device. Here we have to communicate
249
520000
2000
a partir do cérebro. Aqui temos que comunicar
08:57
from the outside world
250
522000
2000
desde o mundo exterior
08:59
into the brain and be understood,
251
524000
2000
até ao cérebro, e sermos
09:01
and be understood by the brain.
252
526000
2000
entendidos pelo cérebro.
09:03
And then the last thing I wanted
253
528000
2000
A última coisa que queria fazer,
09:05
to say, really, is to emphasize
254
530000
2000
na verdade, é sublinhar que esta ideia
09:07
that the idea generalizes.
255
532000
2000
pode ser generalizada.
09:09
So the same strategy that we used
256
534000
2000
A mesma estratégia que usámos
09:11
to find the code for the retina we can also
257
536000
2000
para encontrar o código para a retina pode
09:13
use to find the code for other areas,
258
538000
2000
ser usada para encontrar o código para outras áreas,
09:15
for example, the auditory system and
259
540000
2000
como por exemplo o sistema auditivo,
09:17
the motor system, so for treating deafness
260
542000
2000
ou o sistema motor, para o tratamento da surdez
09:19
and for motor disorders.
261
544000
2000
e deficiências motoras.
09:21
So just the same way that we were able to
262
546000
2000
Da mesma forma que conseguimos
09:23
jump over the damaged
263
548000
2000
ultrapassar os circuitos danificados da retina
09:25
circuitry in the retina to get to the retina's
264
550000
2000
para chegar às células de saída de dados,
09:27
output cells, we can jump over the
265
552000
2000
podemos ultrapassar
09:29
damaged circuitry in the cochlea
266
554000
2000
circuitos danificados da cóclea,
09:31
to get the auditory nerve,
267
556000
2000
para chegar ao nervo auditivo,
09:33
or jump over damaged areas in the cortex,
268
558000
2000
ou ultrapassar áreas danificadas do córtex,
09:35
in the motor cortex, to bridge the gap
269
560000
3000
no córtex motor, para ultrapassar a falha
09:38
produced by a stroke.
270
563000
2000
provocada por um AVC.
09:40
I just want to end with a simple
271
565000
2000
Queria terminar com uma mensagem simples.
09:42
message that understanding the code
272
567000
2000
Que entender o código
09:44
is really, really important, and if we
273
569000
2000
é muito, muito importante,
09:46
can understand the code,
274
571000
2000
e que se entendermos o código,
09:48
the language of the brain, things become
275
573000
2000
a linguagem do cérebro, há coisas que
09:50
possible that didn't seem obviously
276
575000
2000
se tornam possíveis que anteriormente
09:52
possible before. Thank you.
277
577000
2000
nos pareciam impossíveis. Obrigada.
09:54
(Applause)
278
579000
5000
(Aplausos)
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