TEDxBeaconStreet
Sam Rodriques: What we'll learn about the brain in the next century
Sam Rodriques: Miket fogunk megtudni az agyról a jövő században?
Filmed:
Readability: 4
1,621,715 views
Sam Rodriques neuromérnök képzeletgazdag előadásában lélegzetelállító utazásra visz minket az agykutatás következő száz évébe. Különös (és időnként félelmetes) újításokat idéz meg, melyek kulcsot jelenthetnek az agyi betegségek megértéséhez és gyógyításához – például a lézer, amivel apró lyukakat fúrhatnak a koponyába, így olyan szondák juttathatók az agyba, melyekkel tanulmányozható az idegsejtek aktivitása.
Sam Rodriques - Neuroengineer
Sam Rodriques invents new technologies to help neuroscientists understand how the brain works. Full bio
Sam Rodriques invents new technologies to help neuroscientists understand how the brain works. Full bio
Double-click the English transcript below to play the video.
00:13
I want to tell you guys
something about neuroscience.
something about neuroscience.
0
1040
2507
Hadd mondjak el önöknek
valamit a neurológiáról.
valamit a neurológiáról.
00:16
I'm a physicist by training.
1
4040
1800
Fizikusi végzettségem van.
00:18
About three years ago, I left physics
2
6230
2206
Három éve otthagytam a fizikát,
00:20
to come and try to understand
how the brain works.
how the brain works.
3
8460
2349
mert meg akartam érteni
az agy működését.
az agy működését.
00:22
And this is what I found.
4
10833
1474
Elmondom, mire jutottam.
00:24
Lots of people are working on depression.
5
12331
2064
Sokan kutatják a depressziót.
00:26
And that's really good,
6
14419
1159
Ez tényleg nagyszerű,
00:27
depression is something
that we really want to understand.
that we really want to understand.
7
15602
2721
a depresszió olyan, amit
igazán szeretnénk megérteni.
igazán szeretnénk megérteni.
00:30
Here's how you do it:
8
18347
1167
Vegyük az alábbi példát:
00:31
you take a jar and you fill it up,
about halfway, with water.
about halfway, with water.
9
19538
4161
fogjanak egy bögrét,
töltsék meg félig vízzel.
töltsék meg félig vízzel.
00:35
And then you take a mouse,
and you put the mouse in the jar, OK?
and you put the mouse in the jar, OK?
10
23723
4182
Aztán fogjanak egy egeret,
és tegyék a bögrébe, rendben?
és tegyék a bögrébe, rendben?
00:39
And the mouse swims around
for a little while
for a little while
11
27929
2350
Az egér egy kicsit körbeúszkál,
00:42
and then at some point,
the mouse gets tired
the mouse gets tired
12
30303
2388
majd egyszer csak kimerül,
00:44
and decides to stop swimming.
13
32715
1934
és úgy dönt, nem úszik tovább.
00:46
And when it stops swimming,
that's depression.
that's depression.
14
34673
3133
Ez a depresszió pillanata.
00:50
OK?
15
38696
1150
Eddig világos, ugye?
00:52
And I'm from theoretical physics,
16
40291
3380
Elméleti fizikusként megszoktam,
00:55
so I'm used to people making
very sophisticated mathematical models
very sophisticated mathematical models
17
43695
3668
hogy az emberek bonyolult matematikai
modelleket kreálnak
modelleket kreálnak
00:59
to precisely describe physical phenomena,
18
47387
2881
a fizikai jelenségek pontos leírására,
01:02
so when I saw that this
is the model for depression,
is the model for depression,
19
50292
2452
úgyhogy amint megláttam
ezt a depresszió-modellt,
ezt a depresszió-modellt,
01:04
I though to myself, "Oh my God,
we have a lot of work to do."
we have a lot of work to do."
20
52768
2937
arra gondoltam: "Te jó ég,
sok itt még a feladat."
sok itt még a feladat."
01:07
(Laughter)
21
55729
1370
(Nevetés)
01:09
But this is a kind of general
problem in neuroscience.
problem in neuroscience.
22
57123
2951
De ez általános probléma
a neurológiában.
a neurológiában.
01:12
So for example, take emotion.
23
60377
2111
Vegyük például az érzelmeket.
01:14
Lots of people want to understand emotion.
24
62512
2459
Sokan szeretnék megérteni őket.
01:17
But you can't study emotion
in mice or monkeys
in mice or monkeys
25
65352
3313
Ám nem tanulmányozhatjuk
egereken vagy majmokon,
egereken vagy majmokon,
mert őket nem faggathatjuk,
01:20
because you can't ask them
26
68689
1254
01:21
how they're feeling
or what they're experiencing.
or what they're experiencing.
27
69967
2317
hogy hogy érzik magukat,
vagy mit élnek át éppen.
vagy mit élnek át éppen.
01:24
So instead, people who want
to understand emotion,
to understand emotion,
28
72308
2357
Ehelyett, akik meg akarják
érteni az érzelmeket,
érteni az érzelmeket,
01:26
typically end up studying
what's called motivated behavior,
what's called motivated behavior,
29
74689
2777
jellemzően az úgynevezett
motivált viselkedést vizsgálják,
motivált viselkedést vizsgálják,
01:29
which is code for "what the mouse does
when it really, really wants cheese."
when it really, really wants cheese."
30
77490
3658
úgy mint: "ezt teszi az egér,
amikor nagyon, de nagyon akarja a sajtot."
amikor nagyon, de nagyon akarja a sajtot."
01:33
OK, I could go on and on.
31
81839
1675
Sorolhatnám a végtelenségig.
01:35
I mean, the point is, the NIH
spends about 5.5 billion dollars a year
spends about 5.5 billion dollars a year
32
83538
6316
A Nemzeti Egészségügyi Intézet
évi 5,5 milliárd dollárt költ
évi 5,5 milliárd dollárt költ
01:41
on neuroscience research.
33
89878
1532
neurológiai kutatásokra.
01:43
And yet there have been almost
no significant improvements in outcomes
no significant improvements in outcomes
34
91434
3603
Az utóbbi negyven évben mégsem
állt be számottevő fejlődés
állt be számottevő fejlődés
01:47
for patients with brain diseases
in the past 40 years.
in the past 40 years.
35
95061
3491
az agyi betegségektől szenvedők körében.
01:51
And I think a lot of that
is basically due to the fact
is basically due to the fact
36
99015
2540
Sokat töprengtem ezen.
Szerintem alapvetően az az oka,
Szerintem alapvetően az az oka,
01:53
that mice might be OK as a model
for cancer or diabetes,
for cancer or diabetes,
37
101579
4151
hogy az egerek kiváló kísérleti
alanyok rák és diabétesz esetén,
alanyok rák és diabétesz esetén,
01:57
but the mouse brain
is just not sophisticated enough
is just not sophisticated enough
38
105754
2687
de az agyuk nem elég bonyolult
02:00
to reproduce human psychology
or human brain disease.
or human brain disease.
39
108465
3175
az emberi pszichológia
vagy agyi betegségek kutatásához.
vagy agyi betegségek kutatásához.
02:04
OK?
40
112379
1225
Ez is világos, ugye?
02:05
So if the mouse models are so bad,
why are we still using them?
why are we still using them?
41
113628
3634
Ha tehát az egérmodell ennyire rossz,
miért nem próbálkozunk mással?
miért nem próbálkozunk mással?
02:10
Well, it basically boils down to this:
42
118143
2103
Lényegében arról van szó,
02:12
the brain is made up of neurons
43
120270
2556
hogy az agy neuronokból épül fel,
02:14
which are these little cells that send
electrical signals to each other.
electrical signals to each other.
44
122850
3447
apró idegsejtekből, amik elektromos
jeleket küldenek egymásnak.
jeleket küldenek egymásnak.
02:18
If you want to understand
how the brain works,
how the brain works,
45
126680
2144
Ha meg akarjuk érteni az agy működését,
02:20
you have to be able to measure
the electrical activity of these neurons.
the electrical activity of these neurons.
46
128848
3808
tudnunk kell mérni a neuronok
elektromos aktivitását.
elektromos aktivitását.
02:25
But to do that, you have to get
really close to the neurons
really close to the neurons
47
133339
2992
Ehhez azonban igencsak
közel kell jutni hozzájuk,
közel kell jutni hozzájuk,
02:28
with some kind of electrical
recording device or a microscope.
recording device or a microscope.
48
136355
2928
valamilyen elektromos felvevő
készülékkel vagy mikroszkóppal.
készülékkel vagy mikroszkóppal.
02:31
And so you can do that in mice
and you can do it in monkeys,
and you can do it in monkeys,
49
139563
2810
Ez megvalósítható az egereknél,
megvalósítható a majmoknál,
megvalósítható a majmoknál,
02:34
because you can physically
put things into their brain
put things into their brain
50
142397
2548
mert fizikai úton eszközt
ültethetünk az agyukba,
ültethetünk az agyukba,
02:36
but for some reason we still
can't do that in humans, OK?
can't do that in humans, OK?
51
144969
3046
de valamiért még nem tudjuk
megvalósítani az embernél, ugye?
megvalósítani az embernél, ugye?
02:40
So instead, we've invented
all these proxies.
all these proxies.
52
148533
3370
Ehelyett feltaláltunk
mindenféle póteszközöket.
mindenféle póteszközöket.
02:43
So the most popular one is probably this,
53
151927
2515
Valószínűleg ez a legnépszerűbb,
02:46
functional MRI, fMRI,
54
154466
2397
a funkcionális MRI, fMRI,
02:48
which allows you to make these
pretty pictures like this,
pretty pictures like this,
55
156887
2692
amivel ilyen helyes kis
képeket alkothatunk,
képeket alkothatunk,
ezek jelzik, mely területen
villan valami az agyunkban,
villan valami az agyunkban,
02:51
that show which parts
of your brain light up
of your brain light up
56
159603
2056
02:53
when you're engaged
in different activities.
in different activities.
57
161683
2126
amikor különféle
tevékenységeket végzünk.
tevékenységeket végzünk.
02:55
But this is a proxy.
58
163833
1920
De ez csak póteszköz.
02:57
You're not actually measuring
neural activity here.
neural activity here.
59
165777
3292
Ezzel nem mérhető az idegi aktivitás.
03:01
What you're doing
is you're measuring, essentially,
is you're measuring, essentially,
60
169093
2842
Lényegében csak olyasmit mérünk,
03:03
like, blood flow in the brain.
61
171959
1832
mint az agyi véráramlás.
03:05
Where there's more blood.
62
173815
1238
Mérjük, hol van több vér.
03:07
It's actually where there's more oxygen,
but you get the idea, OK?
but you get the idea, OK?
63
175077
3103
Csak azt jelzi, hol van több oxigén,
azt meg úgyis sejtjük, nem?
azt meg úgyis sejtjük, nem?
03:10
The other thing that you can do
is you can do this --
is you can do this --
64
178204
2519
A másik lehetséges eszközünk
03:12
electroencephalography -- you can put
these electrodes on your head, OK?
these electrodes on your head, OK?
65
180747
3591
az elektroenkefalográf: feltehetjük
ezeket az elektródákat a fejünkre.
ezeket az elektródákat a fejünkre.
03:16
And then you can measure your brain waves.
66
184362
2143
Aztán mérhetjük az agyi hullámokat.
03:19
And here, you're actually measuring
electrical activity.
electrical activity.
67
187125
3079
Ez esetben az elektromos
aktivitást mérjük.
aktivitást mérjük.
03:22
But you're not measuring
the activity of neurons.
the activity of neurons.
68
190228
2365
De nem mérjük
a neuronok aktivitását.
a neuronok aktivitását.
03:24
You're measuring
these electrical currents,
these electrical currents,
69
192911
2444
Azt mérjük, hogyan lötyög ide-oda
03:27
sloshing back and forth in your brain.
70
195379
2299
az elektromos áram az agyunkban.
03:30
So the point is just
that these technologies that we have
that these technologies that we have
71
198157
2674
Száz szónak is egy a vége,
ezekkel a technikákkal
ezekkel a technikákkal
03:32
are really measuring the wrong thing.
72
200855
2436
nem azt mérjük, amit kéne.
03:35
Because, for most of the diseases
that we want to understand --
that we want to understand --
73
203315
2953
A legtöbb kór ugyanis,
amiket meg akarunk ismerni –
amiket meg akarunk ismerni –
03:38
like, Parkinson's is the classic example.
74
206292
2198
klasszikus példa erre a Parkinson-kór.
03:40
In Parkinson's, there's one particular
kind of neuron deep in your brain
kind of neuron deep in your brain
75
208514
3554
Ebben a betegségben van egy sajátos
neuronfajta, mélyen az agyban,
neuronfajta, mélyen az agyban,
03:44
that is responsible for the disease,
76
212092
1731
az felel a betegségért,
03:45
and these technologies just don't have
the resolution that you need
the resolution that you need
77
213847
3182
és a fenti technikákkal egyszerűen
nem juthatunk el
nem juthatunk el
03:49
to get at that.
78
217053
1373
a szükséges megoldáshoz.
03:50
And so that's why
we're still stuck with the animals.
we're still stuck with the animals.
79
218450
3974
Ezért ragadtunk le
még mindig az állatoknál.
még mindig az állatoknál.
03:54
Not that anyone wants
to be studying depression
to be studying depression
80
222448
2533
Nem mintha bárki is
úgy akarná kutatni a depressziót,
úgy akarná kutatni a depressziót,
03:57
by putting mice into jars, right?
81
225005
2262
hogy egereket dobál csuprokba, ugye?
03:59
It's just that there's this pervasive
sense that it's not possible
sense that it's not possible
82
227291
3753
Csak van ez a zavaró érzés,
hogy nem lehetséges
hogy nem lehetséges
04:03
to look at the activity of neurons
in healthy humans.
in healthy humans.
83
231068
3847
megfigyelni a neuronok tevékenységét
egészséges emberekben.
egészséges emberekben.
04:08
So here's what I want to do.
84
236180
1492
Mondom, mit szeretnék tenni.
04:09
I want to take you into the future.
85
237974
2521
A jövőbe repíteném önöket.
04:12
To have a look at one way in which
I think it could potentially be possible.
I think it could potentially be possible.
86
240519
4482
Vessünk egy pillantást egy módszerre,
ami szerintem megvalósítható.
ami szerintem megvalósítható.
04:17
And I want to preface this by saying,
I don't have all the details.
I don't have all the details.
87
245526
3298
Elöljáróban hadd mondjam el,
nincs minden részlet kidolgozva.
nincs minden részlet kidolgozva.
04:21
So I'm just going to provide you
with a kind of outline.
with a kind of outline.
88
249272
2967
Így tehát egyfajta vázlatot
mutatok önöknek.
mutatok önöknek.
04:24
But we're going to go the year 2100.
89
252263
2400
2100-ba fogunk utazni.
04:27
Now what does the year 2100 look like?
90
255732
2299
Milyen lesz az az év?
04:30
Well, to start with, the climate
is a bit warmer that what you're used to.
is a bit warmer that what you're used to.
91
258055
3518
A klíma kicsit melegebb lesz a szokottnál.
04:33
(Laughter)
92
261597
3583
(Nevetés)
04:37
And that robotic vacuum cleaner
that you know and love
that you know and love
93
265204
4952
Az általunk jól ismert és szeretett
robotporszívó pedig
robotporszívó pedig
04:42
went through a few generations,
94
270180
1514
átment már pár generáción,
04:43
and the improvements
were not always so good.
were not always so good.
95
271718
2843
és nem feltétlenül lett tökéletesebb.
04:46
(Laughter)
96
274585
1595
(Nevetés)
04:48
It was not always for the better.
97
276530
2310
Nem mindig fordulnak jobbra a dolgok.
04:52
But actually, in the year 2100
most things are surprisingly recognizable.
most things are surprisingly recognizable.
98
280221
4538
De 2100-ban meglepő módon
szinte mindenre ráismerhetünk.
szinte mindenre ráismerhetünk.
04:57
It's just the brain is totally different.
99
285458
2734
Egyedül az agy lesz teljesen más.
05:00
For example, in the year 2100,
100
288740
2547
2100-ban például
05:03
we understand the root causes
of Alzheimer's.
of Alzheimer's.
101
291311
2857
már tudni fogjuk az Alzheimer-kór okait.
05:06
So we can deliver targeted
genetic therapies or drugs
genetic therapies or drugs
102
294192
3714
Célzott génterápiával vagy gyógyszerekkel
05:09
to stop the degenerative process
before it begins.
before it begins.
103
297930
2876
megállíthatjuk a pusztító folyamatot,
még mielőtt elkezdődne.
még mielőtt elkezdődne.
05:13
So how did we do it?
104
301629
1333
Hogy értük ezt el?
05:15
Well, there were essentially three steps.
105
303898
2238
Lényegében három lépéssel.
05:18
The first step was
that we had to figure out
that we had to figure out
106
306589
2814
Először is, ki kellett találnunk,
05:21
some way to get electrical
connections through the skull
connections through the skull
107
309427
3293
hogyan teremtsünk elektromos
kapcsolatot a koponyán át,
kapcsolatot a koponyán át,
05:24
so we could measure
the electrical activity of neurons.
the electrical activity of neurons.
108
312744
3015
így már mérni tudtuk a neuronok
elektromos tevékenységét.
elektromos tevékenységét.
05:28
And not only that,
it had to be easy and risk-free.
it had to be easy and risk-free.
109
316339
4349
Fontos, hogy mindez könnyű
és kockázatmentes is legyen.
és kockázatmentes is legyen.
05:32
Something that basically anyone
would be OK with,
would be OK with,
110
320712
2378
Úgy, hogy bárkinek olyan
természetes legyen,
természetes legyen,
05:35
like getting a piercing.
111
323114
1600
mint egy piercing beültetése.
05:37
Because back in 2017,
112
325156
2747
2017-ben ugyanis
05:39
the only way that we knew of
to get through the skull
to get through the skull
113
327927
2913
csak úgy tudtunk áthatolni a koponyán,
05:42
was to drill these holes
the size of quarters.
the size of quarters.
114
330864
2817
hogy ilyen negyeddollárosnyi
lyukakat fúrtunk bele.
lyukakat fúrtunk bele.
05:46
You would never let
someone do that to you.
someone do that to you.
115
334015
2039
Ugye, ezt soha nem engednék meg senkinek?
05:48
So in the 2020s,
116
336967
2253
A 2020-as években
05:51
people began to experiment --
rather than drilling these gigantic holes,
rather than drilling these gigantic holes,
117
339244
3381
kísérletezni kezdtek az emberek –
gigászi lyukak fúrása helyett
gigászi lyukak fúrása helyett
05:54
drilling microscopic holes,
no thicker than a piece of hair.
no thicker than a piece of hair.
118
342649
3115
mikroméretűeket fúrtak,
hajszálvastagságú lyukakat.
hajszálvastagságú lyukakat.
05:58
And the idea here
was really for diagnosis --
was really for diagnosis --
119
346735
2096
A diagnózis-állítás volt a fő cél –
06:00
there are lots of times in the diagnosis
of brain disorders
of brain disorders
120
348855
2786
sokszor megesik az agyi betegségek
felülvizsgálata során,
felülvizsgálata során,
06:03
when you would like to be able to look
at the neural activity beneath the skull
at the neural activity beneath the skull
121
351665
4872
hogy jó lenne belátni a koponya
mélyébe, megfigyelni
mélyébe, megfigyelni
06:08
and being able to drill
these microscopic holes
these microscopic holes
122
356561
3191
az idegsejtek aktivitását, és ilyen
apró lyukakat fúrhatnánk bele,
apró lyukakat fúrhatnánk bele,
06:11
would make that much easier
for the patient.
for the patient.
123
359776
2142
sokkal elviselhetőbb lenne a betegnek.
06:13
In the end, it would be
like getting a shot.
like getting a shot.
124
361942
2349
Végül is annyi lenne,
mint egy injekciószúrás.
mint egy injekciószúrás.
06:16
You just go in and you sit down
125
364315
1580
Az ember bemegy, leül,
06:17
and there's a thing
that comes down on your head,
that comes down on your head,
126
365919
2301
van ott valami, ami ráereszkedik a fejére,
06:20
and a momentary sting and then it's done,
127
368244
1953
egy pillanatnyi szúrás, és kész,
06:22
and you can go back about your day.
128
370221
1864
már mehet is vissza a dolgára.
06:24
So we're eventually able to do it
129
372736
4793
Valójában ezt már ma is tudjuk,
06:29
using lasers to drill the holes.
130
377553
2667
lézerrel fúrunk ilyen lyukakat.
06:32
And with the lasers,
it was fast and extremely reliable,
it was fast and extremely reliable,
131
380244
2620
A lézerrel gyors és rendkívül
megbízható a folyamat,
megbízható a folyamat,
06:34
you couldn't even tell
the holes were there,
the holes were there,
132
382888
2213
az így fúrt lyukak észre sem vehetők,
06:37
any more than you could tell
that one of your hairs was missing.
that one of your hairs was missing.
133
385125
3000
mint ahogy azt sem vesszük észre,
ha egy hajszálunk kihullik.
ha egy hajszálunk kihullik.
06:40
And I know it might sound crazy,
using lasers to drill holes in your skull,
using lasers to drill holes in your skull,
134
388753
4738
Tudom, elég furán hangzik
koponyába lézerrel lyukat fúrni,
koponyába lézerrel lyukat fúrni,
06:45
but back in 2017,
135
393515
1366
de már 2017-ben
06:46
people were OK with surgeons
shooting lasers into their eyes
shooting lasers into their eyes
136
394905
4109
az embereknek természetes volt,
hogy a korrekciós szemműtétek során
hogy a korrekciós szemműtétek során
06:51
for corrective surgery
137
399038
1214
lézerrel bombázzák a szemüket.
06:52
So when you're already here,
it's not that big of a step.
it's not that big of a step.
138
400276
3887
Innen már csak egy ugrás,
06:57
OK?
139
405561
1151
igaz?
06:58
So the next step,
that happened in the 2030s,
that happened in the 2030s,
140
406736
3571
A következő lépést
a 2030-as években tettük meg,
a 2030-as években tettük meg,
07:02
was that it's not just about
getting through the skull.
getting through the skull.
141
410331
3086
már nem csak a koponyán hatoltunk át.
07:05
To measure the activity of neurons,
142
413441
1700
A neuronaktivitás méréséhez
07:07
you have to actually make it
into the brain tissue itself.
into the brain tissue itself.
143
415165
3825
közvetlenül az agyszövetbe kell bejutni.
07:11
And the risk, whenever
you put something into the brain tissue,
you put something into the brain tissue,
144
419344
2968
De valahányszor megbolygatjuk
az agyszövetet, lényegében
az agyszövetet, lényegében
07:14
is essentially that of stroke.
145
422336
1439
stroke-ot kockáztatunk.
07:15
That you would hit
a blood vessel and burst it,
a blood vessel and burst it,
146
423799
2196
Megsérthetünk egy eret,
ami elpattanhat,
ami elpattanhat,
07:18
and that causes a stroke.
147
426019
1519
és kész a stroke.
07:19
So, by the mid 2030s,
we had invented these flexible probes
we had invented these flexible probes
148
427916
3725
2030 közepe táján már feltaláltuk
a rugalmas szondákat,
a rugalmas szondákat,
07:23
that were capable of going
around blood vessels,
around blood vessels,
149
431665
2278
amik megkerülik a vérereket,
07:25
rather than through them.
150
433967
1476
nem kell áthatolni rajtuk.
07:27
And thus, we could put
huge batteries of these probes
huge batteries of these probes
151
435467
5697
Ezáltal e szondák nagy kötegeit
telepíthetjük
telepíthetjük
07:33
into the brains of patients
152
441188
1357
a betegek agyába,
07:34
and record from thousands of their neurons
without any risk to them.
without any risk to them.
153
442569
3270
és neuronjaik ezreiből készülhetnek
felvételek, káros mellékhatás nélkül.
felvételek, káros mellékhatás nélkül.
07:39
And what we discovered,
sort of to our surprise,
sort of to our surprise,
154
447458
4061
Így mutattuk ki,
nagy meglepetésünkre,
nagy meglepetésünkre,
07:43
is that the neurons that we could identify
155
451543
2190
hogy a beazonosított neuronok
07:45
were not responding
to things like ideas or emotion,
to things like ideas or emotion,
156
453757
3524
nem reagáltak sem gondolatokra,
sem érzelmekre,
sem érzelmekre,
07:49
which was what we had expected.
157
457305
1627
ahogy azt elvártuk volna.
07:50
They were mostly responding
to things like Jennifer Aniston
to things like Jennifer Aniston
158
458956
3796
Leginkább olyanokra reagáltak,
mint Jennifer Aniston,
mint Jennifer Aniston,
07:54
or Halle Berry
159
462776
2404
Halle Berry,
07:57
or Justin Trudeau.
160
465204
1310
vagy Justin Trudeau.
07:58
I mean --
161
466538
1253
Úgy értem...
07:59
(Laughter)
162
467815
2326
(Nevetés)
08:02
In hindsight, we shouldn't
have been that surprised.
have been that surprised.
163
470165
2437
Utólag belátom,
nem kellett volna ezen meglepődnünk.
nem kellett volna ezen meglepődnünk.
08:04
I mean, what do your neurons
spend most of their time thinking about?
spend most of their time thinking about?
164
472626
3262
Úgy értem: mire gondolnak neuronjaink
idejük legnagyobb részében?
idejük legnagyobb részében?
08:07
(Laughter)
165
475912
1150
(Nevetés)
08:09
But really, the point is that
166
477380
2040
Komolyra fordítva a szót:
08:11
this technology enabled us to begin
studying neuroscience in individuals.
studying neuroscience in individuals.
167
479444
4430
ezzel a technikával képesek lettünk
a neurológiát tanulmányozni egyénekben.
a neurológiát tanulmányozni egyénekben.
08:15
So much like the transition to genetics,
at the single cell level,
at the single cell level,
168
483898
4230
Ahogy a genetika súlypontja
az egyedi sejt szintjére helyeződött át,
az egyedi sejt szintjére helyeződött át,
08:20
we started to study neuroscience,
at the single human level.
at the single human level.
169
488152
3206
a neurológiát is emberi egyedszinten
kezdjük tanulmányozni.
kezdjük tanulmányozni.
08:23
But we weren't quite there yet.
170
491890
1618
De ez még odébb van.
08:25
Because these technologies
171
493895
1642
Ezek a technikák ugyanis
08:27
were still restricted
to medical applications,
to medical applications,
172
495561
3056
kizárólag a gyógyászatban alkalmazhatók,
08:30
which meant that we were studying
sick brains, not healthy brains.
sick brains, not healthy brains.
173
498641
3391
vagyis beteg agyakat tanulmányoztunk,
nem egészségeseket.
nem egészségeseket.
08:35
Because no matter how safe
your technology is,
your technology is,
174
503235
3754
Mindegy ugyanis, mennyire
biztonságos egy technika,
biztonságos egy technika,
08:39
you can't stick something
into someone's brain
into someone's brain
175
507013
2730
nem szúrhatunk akármit
bárki agyába
bárki agyába
08:41
for research purposes.
176
509767
1420
kutatási célzattal.
08:43
They have to want it.
177
511211
1549
Bele kell egyezniük.
08:44
And why would they want it?
178
512784
1460
És miért egyeznének bele?
08:46
Because as soon as you have
an electrical connection to the brain,
an electrical connection to the brain,
179
514268
3571
Amint ugyanis elektromos
kapcsolatot létesítünk az aggyal,
kapcsolatot létesítünk az aggyal,
08:49
you can use it to hook
the brain up to a computer.
the brain up to a computer.
180
517863
2444
számítógépre köthetjük.
08:53
Oh, well, you know, the general public
was very skeptical at first.
was very skeptical at first.
181
521061
3429
Az emberek többsége eleinte
bizalmatlanul viszonyult ehhez.
bizalmatlanul viszonyult ehhez.
08:56
I mean, who wants to hook
their brain up to their computers?
their brain up to their computers?
182
524514
2869
Úgy értem: ki akarná számítógépre
csatlakoztatni az agyát?
csatlakoztatni az agyát?
08:59
Well just imagine being able
to send an email with a thought.
to send an email with a thought.
183
527926
4236
Képzeljék csak el, egyetlen
gondolattal emailt küldhetnénk.
gondolattal emailt küldhetnénk.
09:04
(Laughter)
184
532186
2253
(Nevetés)
09:06
Imagine being able to take
a picture with your eyes, OK?
a picture with your eyes, OK?
185
534463
4500
A szemünkkel fotózhatnánk.
09:10
(Laughter)
186
538987
1230
(Nevetés)
09:12
Imagine never forgetting anything anymore,
187
540241
2963
Soha semmit nem felejtenénk el,
09:15
because anything
that you choose to remember
that you choose to remember
188
543228
2159
mert bármit, amire emlékezni akarunk,
09:17
will be stored permanently
on a hard drive somewhere,
on a hard drive somewhere,
189
545411
2477
tartósan tárolhatnánk valahol
valamilyen meghajtón,
valamilyen meghajtón,
09:19
able to be recalled at will.
190
547912
2029
ahonnan bármikor előhívható lenne.
09:21
(Laughter)
191
549965
3366
(Nevetés)
09:25
The line here
between crazy and visionary
between crazy and visionary
192
553355
3381
Soha nem volt teljesen világos
az őrültség és a képzelet közti
az őrültség és a képzelet közti
09:28
was never quite clear.
193
556760
1467
választóvonal.
09:30
But the systems were safe.
194
558720
1857
De a rendszerek biztonságosak voltak.
Amikor az FDA 2043-ban úgy döntött,
engedélyezi a lézerfúró rendszereket,
engedélyezi a lézerfúró rendszereket,
09:32
So when the FDA decided to deregulate
these laser-drilling systems, in 2043,
these laser-drilling systems, in 2043,
195
560879
5016
09:37
commercial demand just exploded.
196
565919
2357
a kereskedelmi igény szinte robbant.
Egyre többen írják alá így az emailjeiket:
09:40
People started signing their emails,
197
568300
1888
09:42
"Please excuse any typos.
198
570212
1341
"Elnézést kérek az elírásokért.
09:43
Sent from my brain."
199
571577
1333
Az agyam küldte."
09:44
(Laughter)
200
572934
1001
(Nevetés)
Mindenfelé kereskedelmi
rendszerek bukkantak fel
rendszerek bukkantak fel
09:45
Commercial systems
popped up left and right,
popped up left and right,
201
573959
2072
09:48
offering the latest and greatest
in neural interfacing technology.
in neural interfacing technology.
202
576055
3238
a legújabb és legnagyszerűbb
neurál-interfész technológiát kínálva.
neurál-interfész technológiát kínálva.
09:51
There were 100 electrodes.
203
579792
1753
Száz elektróda volt.
09:53
A thousand electrodes.
204
581569
1911
Aztán ezer.
09:55
High bandwidth for only 99.99 a month.
205
583504
2476
Nagy sávszélesség már havi 99 centért!
09:58
(Laughter)
206
586004
1539
(Nevetés)
09:59
Soon, everyone had them.
207
587567
1534
Rövidesen mindenki beszerezte.
10:01
And that was the key.
208
589694
1571
És ez lett a lényeg.
10:03
Because, in the 2050s,
if you were a neuroscientist,
if you were a neuroscientist,
209
591289
2923
A 2050-es években ugyanis
aki neurológus,
aki neurológus,
10:06
you could have someone come into your lab
essentially from off the street.
essentially from off the street.
210
594236
3939
az bárkit fogadhat a laborjában,
akár az utcáról is.
akár az utcáról is.
10:10
And you could have them engaged
in some emotional task
in some emotional task
211
598792
2864
Tanulmányozhatja bárki érzelmi életét,
10:13
or social behavior or abstract reasoning,
212
601680
2437
társas viselkedését
vagy elvont gondolkodását,
vagy elvont gondolkodását,
10:16
things you could never study in mice.
213
604141
2531
mindazt, amit egerekben képtelenség.
10:18
And you could record
the activity of their neurons
the activity of their neurons
214
606696
3111
A már meglévő idegi interfészekkel
10:21
using the interfaces
that they already had.
that they already had.
215
609831
3191
rögzítheti neuronaktivitásukat.
10:25
And then you could also ask them
about what they were experiencing.
about what they were experiencing.
216
613046
3189
Azt is megkérdezheti a pácienseitől,
mit éltek át.
mit éltek át.
10:28
So this link between
psychology and neuroscience
psychology and neuroscience
217
616259
3349
Így egyszer csak létrejött
a pszichológia és a neurológia közti
a pszichológia és a neurológia közti
10:31
that you could never make
in the animals, was suddenly there.
in the animals, was suddenly there.
218
619632
3381
kapcsolat, amit állatkísérletekkel
sosem tudtunk megteremteni.
sosem tudtunk megteremteni.
10:35
So perhaps the classic example of this
219
623695
2184
Talán klasszikus példa volt erre
10:37
was the discovery
of the neural basis for insight.
of the neural basis for insight.
220
625903
3523
az intuíció idegi alapjának felfedezése.
10:41
That "Aha!" moment, the moment
it all comes together, it clicks.
it all comes together, it clicks.
221
629450
3600
Az "Aha!"-pillanat szikrája,
amikor minden egybevág.
amikor minden egybevág.
10:45
And this was discovered
by two scientists in 2055,
by two scientists in 2055,
222
633593
4056
Mindezt két kutató fedezte fel 2055-ben,
10:49
Barry and Late,
223
637673
1372
Barry és Late,
10:51
who observed, in the dorsal
prefrontal cortex,
prefrontal cortex,
224
639069
3663
akik megfigyelték a dorzális
prefrontális kéregben,
prefrontális kéregben,
10:54
how in the brain of someone
trying to understand an idea,
trying to understand an idea,
225
642756
5222
mi zajlik az agyban, mikor valaki
megpróbál megérteni valamit,
megpróbál megérteni valamit,
11:00
how different populations of neurons
would reorganize themselves --
would reorganize themselves --
226
648002
3369
hogyan szervezik magukat újjá
a neuronok eltérő populációi –
a neuronok eltérő populációi –
11:03
you're looking at neural
activity here in orange --
activity here in orange --
227
651395
2436
itt narancsszínnel láthatják
a neurális aktivitást –
a neurális aktivitást –
11:05
until finally their activity aligns
in a way that leads to positive feedback.
in a way that leads to positive feedback.
228
653855
3738
míg végül az aktivitás úgy igazodik,
hogy pozitív visszacsatoláshoz vezet.
hogy pozitív visszacsatoláshoz vezet.
11:10
Right there.
229
658339
1150
Épp itt.
11:12
That is understanding.
230
660723
1467
Ez a megértés.
11:15
So finally, we were able to get
at the things that make us human.
at the things that make us human.
231
663413
4437
Végül tehát képesek lettünk feltárni,
mi tesz minket emberré.
mi tesz minket emberré.
11:21
And that's what really opened the way
to major insights from medicine.
to major insights from medicine.
232
669871
4578
És ez lényegében utat nyitott
az orvostudomány nagyobb felfedezéseihez.
az orvostudomány nagyobb felfedezéseihez.
11:27
Because, starting in the 2060s,
233
675465
2755
A 2060-as évek elején ugyanis azáltal,
11:30
with the ability to record
the neural activity
the neural activity
234
678244
2484
hogy rögzíteni tudjuk
a neurális aktivitást,
a neurális aktivitást,
11:32
in the brains of patients
with these different mental diseases,
with these different mental diseases,
235
680752
3587
a különféle agyi betegségektől
szenvedő betegek agyában
szenvedő betegek agyában
11:36
rather than defining the diseases
on the basis of their symptoms,
on the basis of their symptoms,
236
684363
4690
nem a tüneteik alapján határozzuk meg
a betegségeiket,
a betegségeiket,
11:41
as we had at the beginning of the century,
237
689077
2040
mint a század elején,
11:43
we started to define them
238
691141
1222
hanem inkább
11:44
on the basis of the actual pathology
that we observed at the neural level.
that we observed at the neural level.
239
692387
3539
az aktuális patológia alapján,
amit neurális szinten figyeltünk meg.
amit neurális szinten figyeltünk meg.
11:48
So for example, in the case of ADHD,
240
696768
3825
Egy figyelemzavaros beteg esetében például
11:52
we discovered that there are
dozens of different diseases,
dozens of different diseases,
241
700617
3174
kimutattuk, hogy ez több tucat
különböző betegség.
különböző betegség.
11:55
all of which had been called ADHD
at the start of the century,
at the start of the century,
242
703815
3009
Mindazon betegségeknek, amiket
a század elején ADHD-nak neveztünk,
a század elején ADHD-nak neveztünk,
11:58
that actually had nothing
to do with each other,
to do with each other,
243
706848
2301
valójában semmi közük egymáshoz,
12:01
except that they had similar symptoms.
244
709173
2118
pusztán csak hasonlóak a tüneteik.
12:03
And they needed to be treated
in different ways.
in different ways.
245
711625
2372
Eltérő kezelést igényelnek.
12:06
So it was kind of incredible,
in retrospect,
in retrospect,
246
714307
2247
Visszatekintve tehát
elég hihetetlennek tűnik,
elég hihetetlennek tűnik,
12:08
that at the beginning of the century,
247
716578
1777
hogy a század elején
12:10
we had been treating
all those different diseases
all those different diseases
248
718379
2317
ezt a sok különböző betegséget
12:12
with the same drug,
249
720720
1183
egyformán kezeltük,
12:13
just by giving people amphetamine,
basically is what we were doing.
basically is what we were doing.
250
721927
3214
minden beteg amfetamint kapott,
alapvetően ebből állt a kezelésük.
alapvetően ebből állt a kezelésük.
12:17
And schizophrenia and depression
are the same way.
are the same way.
251
725165
2488
Ugyanez igaz a skizofréniára
és a depresszióra.
és a depresszióra.
12:19
So rather than prescribing drugs to people
essentially at random,
essentially at random,
252
727677
4032
De már nem véletlenszerűen
írunk fel gyógyszert a betegeknek,
írunk fel gyógyszert a betegeknek,
12:23
as we had,
253
731733
1150
mint régen,
12:24
we learned how to predict
which drugs would be most effective
which drugs would be most effective
254
732907
3511
hanem előre tudjuk jelezni,
melyik gyógyszer hogyan hat
melyik gyógyszer hogyan hat
12:28
in which patients,
255
736442
1183
egyes betegekre,
12:29
and that just led to this huge
improvement in outcomes.
improvement in outcomes.
256
737649
2756
és ez az eredmények látványos
javulásához vezetett.
javulásához vezetett.
12:33
OK, I want to bring you back now
to the year 2017.
to the year 2017.
257
741498
3476
Most pedig visszahoznám önöket 2017-be.
12:38
Some of this may sound satirical
or even far fetched.
or even far fetched.
258
746117
3373
Lehet, hogy mindez túlzásnak tűnt,
vagy erőltetettnek hangzik.
vagy erőltetettnek hangzik.
12:41
And some of it is.
259
749514
1293
Valamennyire az is.
12:43
I mean, I can't actually
see into the future.
see into the future.
260
751291
2651
Mármint valójában nem látok a jövőbe.
12:45
I don't actually know
261
753966
1366
Nem tudom pontosan,
12:47
if we're going to be drilling hundreds
or thousands of microscopic holes
or thousands of microscopic holes
262
755356
3667
fúrunk-e többszáz vagy többezer
mikroméretű lyukat a fejünkbe
mikroméretű lyukat a fejünkbe
12:51
in our heads in 30 years.
263
759047
1667
harminc éven belül.
12:53
But what I can tell you
264
761762
1706
De azt elmondhatom,
12:55
is that we're not going
to make any progress
to make any progress
265
763492
2175
nem juthatunk előrébb
sem az emberi agy,
sem az emberi agy,
12:57
towards understanding the human brain
or human diseases
or human diseases
266
765691
3727
sem az agyi betegségek
megértésének útján,
megértésének útján,
13:01
until we figure out how to get
at the electrical activity of neurons
at the electrical activity of neurons
267
769442
4516
míg rá nem jövünk, hogyan vizsgáljuk
a neuronok elektromos aktivitását
a neuronok elektromos aktivitását
13:05
in healthy humans.
268
773982
1200
egészséges emberekben.
13:07
And almost no one is working
on figuring out how to do that today.
on figuring out how to do that today.
269
775918
3239
Ma szinte senki nem fáradozik,
nem gondolkozik ennek kidolgozásán.
nem gondolkozik ennek kidolgozásán.
13:12
That is the future of neuroscience.
270
780077
2334
Ez a neurológia jövője.
13:14
And I think it's time for neuroscientists
to put down the mouse brain
to put down the mouse brain
271
782752
4393
Szerintem ideje, hogy a neurológusok
letegyék az egerek agyát,
letegyék az egerek agyát,
13:19
and to dedicate the thought
and investment necessary
and investment necessary
272
787169
2754
és annak szenteljék figyelmüket,
arra fordítsanak pénzt,
arra fordítsanak pénzt,
13:21
to understand the human brain
and human disease.
and human disease.
273
789947
3267
hogy megértsék az emberi agyat
és az agyi betegségeket.
és az agyi betegségeket.
13:27
Thank you.
274
795629
1151
Köszönöm.
13:28
(Applause)
275
796804
1172
(Taps)
ABOUT THE SPEAKER
Sam Rodriques - NeuroengineerSam Rodriques invents new technologies to help neuroscientists understand how the brain works.
Why you should listen
Sam Rodriques has designed a new nanofabrication method and a new approach to sensing neural activity with probes in the bloodstream, and his forthcoming technologies are aimed at understanding the spatial organization of cells in the brain and the transcriptional activity of neurons over time. He is a graduate student in Physics at the Massachusetts Institute of Technology, with affiliations at the MIT Media Lab, the MIT Department of Brain and Cognitive Sciences and the Broad Institute of Harvard and MIT. He graduated summa cum laude with highest honors in Physics from Haverford College, where he worked on new methods for calculating quantum entanglement in multipartite quantum systems. He has received numerous national awards and fellowships to support his research, including the Hertz Foundation Graduate Fellowship, an NSF Graduate Research Fellowship and a Churchill Scholarship.
Sam Rodriques | Speaker | TED.com