ABOUT THE SPEAKER
Max Little - Applied mathematician
Max Little is a mathematician whose research includes a breakthrough technique to monitor – and potentially screen for – Parkinson's disease through simple voice recordings.

Why you should listen

Max Little is an applied mathematician whose goal is to "see connections between subjects, not boundaries … to see how things are related, not how they are different." He has a background in applied mathematics, statistics, signal processing and computational engineering, and his work has been applied across disciplines like biomedicine, extreme rainfall analysis and forecasting, biophysical signal processing, and hydrogeomorphology and open channel flow measurement. Little is best known for his work on the Parkinson's Voice Initiative, in which he and his team developed a cheap and simple tool that uses precise voice analysis software to detect Parkinson's with 99 percent accuracy. Little is a TEDGlobal 2012 Fellow and a Wellcome Trust-MIT Postdoctoral Research Fellow.

More profile about the speaker
Max Little | Speaker | TED.com
TEDGlobal 2012

Max Little: A test for Parkinson's with a phone call

Max Little: Test na Parkinsona cez telefón

Filmed:
1,296,740 views

Parkinsonovou chorobou trpí celosvetovo 6,3 milióna ľudí. Spôsobuje slabosť a tras, avšak neexistuje objektívny spôsob včasnej diagnostiky. Zatiaľ. Max Little, TED Fellow, ktorý sa venuje aplikovanej matematike, testuje jednoduchý, lacný nástroj, ktorý dokáže v testovacej fáze odhaliť Parkinsonovu chorobu s 99-percentnou presnosťou... len počas 30-sekundového telefonátu.
- Applied mathematician
Max Little is a mathematician whose research includes a breakthrough technique to monitor – and potentially screen for – Parkinson's disease through simple voice recordings. Full bio

Double-click the English transcript below to play the video.

00:16
So, well, I do appliedaplikovaný mathmatematika,
0
667
2103
Venujem sa aplikovanej matematike.
00:18
and this is a peculiarzvláštne problemproblém
1
2770
1524
Jedným zo špecifických problémov
00:20
for anyoneniekto who does appliedaplikovaný mathmatematika, is that
2
4294
2173
pre každého, kto sa venuje aplikovanej matematike, je ten,
00:22
we are like managementmanagement consultantskonzultanti.
3
6467
1933
že sme niečo ako poradcovia pre oblasť manažmentu.
00:24
No one knowsvie what the hellpeklo we do.
4
8400
1946
Nikto nevie, čo do pekla to vlastne vôbec robíme.
00:26
So I am going to give you some -- attemptpokus todaydnes
5
10346
2274
Dnes sa vám teda pokúsim vysvetliť,
00:28
to try and explainvysvetliť to you what I do.
6
12620
2293
čo to vlastne robím.
00:30
So, dancingtanec is one of the mostväčšina humančlovek of activitiesaktivity.
7
14913
3321
Tanec je jednou z výsadných ľudských aktivít.
00:34
We delightpotešenie at balletbalet virtuososvirtuózov and tapkohútik dancerstanečníci
8
18234
3682
Obdivujeme baletných virtuózov a tanečníkov stepu,
00:37
you will see laterneskôr on.
9
21916
1148
ktorých o chvíľu uvidíte.
00:38
Now, balletbalet requiresvyžaduje an extraordinaryneobyčajný levelhladina of expertiseodbornosť
10
23064
2690
Balet si vyžaduje výnimočnú úroveň odbornosti,
00:41
and a highvysoký levelhladina of skillzručnosť,
11
25754
2914
vysokú úroveň zručnosti
00:44
and probablypravdepodobne a levelhladina of initialpočiatočné suitabilityvhodnosť
12
28668
2531
a pravdepodobne i dávku prvotného talentu,
00:47
that maysmieť well have a geneticgenetický componentkomponentov to it.
13
31199
1847
ktorý môže vyplývať z genetických predpokladov.
00:48
Now, sadlySmutne, neurologicalneurologický disordersporuchy suchtaký as Parkinson'sParkinsonovej diseasechoroba
14
33046
3393
Bohužiaľ, neurologické ochorenia, ako napríklad Parkinsonova choroba,
00:52
graduallypostupne destroyzničiť this extraordinaryneobyčajný abilityschopnosť,
15
36439
2087
postupne ničia túto výnimočnú schopnosť,
00:54
as it is doing to my friendpriateľ JanJan StriplingMládenec, who was
16
38526
2323
ako sa to stalo aj môjmu priateľovi Janovi Striplingovi,
00:56
a virtuosovirtuóz balletbalet dancertanečník in his time.
17
40849
2967
ktorý bol svojho času baletný virtuóz.
00:59
So great progresspokrok and treatmentliečba has been madevyrobený over the yearsleta.
18
43816
3054
Postupom rokov sa liečba výrazne zlepšovala.
01:02
HoweverAvšak, there are 6.3 millionmilión people worldwidecelosvetovo
19
46870
2944
Avšak, po celom svete je 6,3 milióna ľudí,
01:05
who have the diseasechoroba, and they have to livežiť with
20
49814
3448
ktorí trpia touto chorobou a musia žiť s
01:09
incurablenevyliečiteľné weaknessslabosť, tremortras, rigiditytuhosť
21
53262
2568
neliečiteľnou slabosťou, trasom, stuhnutosťou
01:11
and the other symptomspríznaky that go alongpozdĺž with the diseasechoroba,
22
55830
1857
a ostatnými príznakmi, ktoré súvisia s chorobou.
01:13
so what we need are objectiveobjektívny toolsnáradie
23
57687
2383
Potrebujeme teda objektívne nástroje,
01:15
to detectodhaliť the diseasechoroba before it's too lateneskoro.
24
60070
3057
ktoré umožnia diagnostikovať túto chorobu pred tým, než bude príliš neskoro.
01:19
We need to be ableschopný to measurezmerať progressionpostup objectivelyobjektívne,
25
63127
2554
Musíme byť schopní objektívne zmerať postup ochorenia
01:21
and ultimatelynakoniec, the only way we're going to know
26
65681
3173
a nakoniec jediný spôsob, ktorý nám napovie,
01:24
when we actuallyvlastne have a cureliek is when we have
27
68854
2192
že už máme liečbu, je ten, ktorý nám umožní
01:26
an objectiveobjektívny measurezmerať that can answerodpoveď that for sure.
28
71046
3398
objektívne meranie, ktoré nám to naisto povie.
01:30
But frustratinglyzúfalo, with Parkinson'sParkinsonovej diseasechoroba
29
74444
2850
Ale bohužiaľ, pri Parkinsonovej chorobe
01:33
and other movementpohyb disordersporuchy, there are no biomarkersbiomarkerov,
30
77294
2353
a pri iných ochoreniach pohybového ústrojenstva neexistujú žiadne bioukazovatele,
01:35
so there's no simpleprostý bloodkrvný testtest that you can do,
31
79647
2229
takže neexistuje žiaden jednoduchý krvný test, ktorý by sme mohli urobiť
01:37
and the bestnajlepší that we have is like
32
81876
1802
a to najlepšie, čo teraz máme,
01:39
this 20-minute-Minute neurologistneurológ testtest.
33
83678
2241
je tento 20-minútový neurologický test.
01:41
You have to go to the clinicPOLIKLINIKA to do it. It's very, very costlynákladný,
34
85919
2458
Musíte si ho dať spraviť na klinike. Je veľmi, veľmi drahý
01:44
and that meansprostriedky that, outsidezvonka the clinicalklinický trialspokusy,
35
88377
2757
a to znamená, že okrem klinických štúdií
01:47
it's just never donehotový. It's never donehotový.
36
91134
2728
sa proste nikdy nerobí. Nikdy sa nerobí.
01:49
But what if patientspacienti could do this testtest at home?
37
93862
3077
Ale čo keby si pacienti dokázali takýto test urobiť doma?
01:52
Now, that would actuallyvlastne saveuložiť on a difficultnáročný tripvýlet to the clinicPOLIKLINIKA,
38
96939
2098
To by im ušetrilo náročnú cestu na kliniku
01:54
and what if patientspacienti could do that testtest themselvessami, right?
39
99037
4254
a čo keby si ho pacienti dokázali urobiť sami, však?
01:59
No expensivedrahý staffzamestnanci time requiredpožadovaný.
40
103291
1920
Nepotrebovali by sme drahocenný čas personálu.
02:01
Takes about $300, by the way,
41
105211
1418
Len tak mimochodom, test
02:02
in the neurologist'sneurológa clinicPOLIKLINIKA to do it.
42
106629
1993
na neurologickej klinike stojí asi 300$.
02:04
So what I want to proposenavrhnúť to you as an unconventionalnekonvenčné way
43
108622
2681
Chcem vám teda navrhnúť nekonvenčný spôsob,
02:07
in whichktorý we can try to achievedosiahnuť this,
44
111303
1514
ktorým sa to môžme pokúsiť dosiahnuť,
02:08
because, you see, in one sensezmysel, at leastnajmenej,
45
112817
1808
pretože, viete, vo všeobecnosti sme všetci vlastne
02:10
we are all virtuososvirtuózov like my friendpriateľ JanJan StriplingMládenec.
46
114625
3256
virtuózmi, rovnako ako môj priateľ Jan Stripling.
02:13
So here we have a videovideo of the vibratingvibračné vocalvokálne foldszáhyby.
47
117881
3755
Tu máme video vibrujúcich hlasiviek.
02:17
Now, this is healthyzdravý and this is somebodyniekto makingmaking speechreč soundszvuky,
48
121636
3229
Tieto sú zdravé a tu vydávajú zvuk pri rozprávaní.
02:20
and we can think of ourselvesmy sami as vocalvokálne balletbalet dancerstanečníci,
49
124865
3464
Môžeme sa považovať za vokálnych baletných tanečníkov,
02:24
because we have to coordinatekoordinovať all of these vocalvokálne organsorgánov
50
128329
2214
pretože musíme koordinovať všetky tieto hlasové orgány,
02:26
when we make soundszvuky, and we all actuallyvlastne
51
130543
2295
keď vydávame zvuky. Máme na to vlastne
02:28
have the genesgény for it. FoxPFoxP2, for examplepríklad.
52
132838
2296
gény. Napríklad FoxP2.
02:31
And like balletbalet, it takes an extraordinaryneobyčajný levelhladina of trainingvýcvik.
53
135134
2713
A podobne ako pri balete, aj toto si vyžaduje mimoriadnu úroveň tréningu.
02:33
I mean, just think how long it takes a childdieťa to learnučiť sa to speakhovoriť.
54
137847
2585
Myslím tým dobu, ktorá uplynie, kým sa dieťa naučí hovoriť.
02:36
From the soundznieť, we can actuallyvlastne trackstopa
55
140432
2382
Zo zvukov môžeme vlastne sledovať
02:38
the vocalvokálne foldzložiť positionpozície as it vibratesvibruje,
56
142814
2281
pozíciu hlasiviek počas ich vibrovania
02:40
and just as the limbskončatín are affectedovplyvnené in Parkinson'sParkinsonovej,
57
145095
2543
a podobne, ako sú pri Parkinsonovi zasiahnuté končatiny,
02:43
so too are the vocalvokálne organsorgánov.
58
147638
2781
rovnako je to aj s hlasovými orgánmi.
02:46
So on the bottomdno tracestopa, you can see an examplepríklad of
59
150419
1880
Na spodnej krivke môžete vidieť príklad
02:48
irregularnepravidelný vocalvokálne foldzložiť tremortras.
60
152299
1698
nepravidelného chvenia hlasiviek.
02:49
We see all the samerovnaký symptomspríznaky.
61
153997
1168
Vidíme rovnaké príznaky.
02:51
We see vocalvokálne tremortras, weaknessslabosť and rigiditytuhosť.
62
155165
2930
Vidíme tras hlasiviek, slabosť, stuhnutosť.
02:53
The speechreč actuallyvlastne becomesstáva quietertichšie and more breathydýchavičný
63
158095
2104
Reč sa postupne stáva tichšou a dýchavičnejšou,
02:56
after a while, and that's one of the examplepríklad symptomspríznaky of it.
64
160199
2233
čo je jedným zo symptómov.
02:58
So these vocalvokálne effectsúčinky can actuallyvlastne be quitecelkom subtlejemný,
65
162432
2847
Tieto hlasové javy môžu byť niekedy celkom nepatrné,
03:01
in some casesprípady, but with any digitaldigitálne microphonemikrofón,
66
165279
3216
ale v niektorých prípadoch,pomocou digitálneho mikrofónu
03:04
and usingpoužitím precisionpresnosť voicehlas analysisanalýza softwaresoftvér
67
168495
2545
a presného softvéru na analýzu hlasu
03:06
in combinationkombinácia with the latestnajnovšie in machinestroj learningštúdium,
68
171040
2409
spolu s najnovšími poznatkami v strojovom učení,
03:09
whichktorý is very advancedpokročilý by now,
69
173449
1578
ktoré už je teraz už veľmi pokročilé,
03:10
we can now quantifyvyčísliť exactlypresne where somebodyniekto lieslži
70
175027
2886
môžeme presne vyčísliť, kde sa niekto nachádza
03:13
on a continuumkontinuum betweenmedzi healthzdravie and diseasechoroba
71
177913
2881
v kontinuu medzi zdravím a chorobou,
03:16
usingpoužitím voicehlas signalssignály alonesám.
72
180794
2596
a to iba vďaka samotným hlasovým signálom.
03:19
So these voice-basedhlas-založené testsskúšky, how do they stackstoh up againstproti
73
183390
2314
Ako by sa mohli porovnať tieto zvukové testy
03:21
expertexpert clinicalklinický testsskúšky? We'llBudeme, they're bothoboje non-invasiveneinvazívne.
74
185704
2150
s odbornými klinickými testami? Nuž, obe metódy sú neinvazívne.
03:23
The neurologist'sneurológa testtest is non-invasiveneinvazívne. They bothoboje use existingexistujúce infrastructureinfraštruktúra.
75
187854
3982
Neurologický test je neinvazívny. Obe používajú existujúcu infraštruktúru.
03:27
You don't have to designdizajn a wholecelý newNový setsada of hospitalsnemocnice to do it.
76
191836
3004
Nepotrebujete na to nový systém nemocníc.
03:30
And they're bothoboje accuratepresný. Okay, but in additionprídavok,
77
194840
2302
A obe sú presné. Dobre, ale navyše,
03:33
voice-basedhlas-založené testsskúšky are non-expertnon-expert.
78
197142
3327
hlasové testy nevyžadujú odbornosť.
03:36
That meansprostriedky they can be self-administeredself-podávať.
79
200469
1992
To znamená, že ich môžme vykonať samostatne.
03:38
They're high-speedvysoká rýchlosť, take about 30 secondssekundy at mostväčšina.
80
202461
2580
Sú veľmi rýchle, trvajú najviac 30 sekúnd.
03:40
They're ultra-lowultra-nízkymi costnáklady, and we all know what happensdeje.
81
205041
2294
Sú ultralacné a všetci vieme, čo to znamená.
03:43
When something becomesstáva ultra-lowultra-nízkymi costnáklady,
82
207335
2440
Keď je niečo ultralacné,
03:45
it becomesstáva massivelymasívne scalableškálovateľné.
83
209775
2296
dá sa to masívne rozširovať.
03:47
So here are some amazingúžasný goalsCiele that I think we can dealobchod with now.
84
212071
3675
Čiže máme niekoľko úžasných cieľov, s ktorými sa vieme popasovať.
03:51
We can reduceredukovať logisticallogistické difficultiesťažkosti with patientspacienti.
85
215746
2426
Môžeme znížiť logistické problémy s pacientmi.
03:54
No need to go to the clinicPOLIKLINIKA for a routinebežný checkupvyšetrenie.
86
218172
2312
Nie je potrebné chodiť na kliniku na rutinné kontroly.
03:56
We can do high-frequencyvysokofrekvenčné monitoringmonitorovanie to get objectiveobjektívny datadáta.
87
220484
2320
Môžeme robiť vysokofrekvenčný monitoring a získavať objektívne údaje.
03:58
We can performhrať low-costlow-cost masshmota recruitmentnábor for clinicalklinický trialspokusy,
88
222804
4105
Môže robiť lacné masívne nábory na klinické testovanie
04:02
and we can make population-scalepopulácie-stupnice screeningpremietanie
89
226909
2115
a môžeme po prvýkrát realizovať
04:04
feasibleuskutočniteľný for the first time.
90
229024
1596
celopopulačné vyšetrovanie.
04:06
We have the opportunitypríležitosť to startštart to searchVyhľadávanie
91
230620
2202
Máme možnosť začať hľadať
04:08
for the earlyzavčas biomarkersbiomarkerov of the diseasechoroba before it's too lateneskoro.
92
232822
3541
skoré bioukazovatele choroby ešte pred tým, než bude neskoro.
04:12
So, takingprevzatia the first stepskroky towardsvoči this todaydnes,
93
236363
2758
V súčasnosti sme urobili prvé kroky týmto smerom
04:15
we're launchingspustenie the Parkinson'sParkinsonovej VoiceHlas InitiativeIniciatíva.
94
239121
2126
a spúšťame Parkinsonovu hlasovú iniciatívu.
04:17
With AculabAculab and PatientsLikeMePatientsLikeMe, we're aimings cieľom
95
241247
2232
Spolu s Aculabom a PatientsLikeMe sa zameriavame
04:19
to recordrekord a very largeveľký numberčíslo of voiceshlasy worldwidecelosvetovo
96
243479
1928
na celosvetové zaznamenávanie veľkého objemu hlasov,
04:21
to collectzbierať enoughdosť datadáta to startštart to tacklevysporiadať sa these fourštyri goalsCiele.
97
245407
3140
aby sme mali dostatok údajov a mohli sa s týmito 4 cieľmi popasovať.
04:24
We have locallokálny numbersčísla accessibleprístupný to threetri quartersštvrte
98
248547
1700
Máme lokálne údaje prístupné trom štvrtinám
04:26
of a billionmiliardy people on the planetplanéta.
99
250247
1610
z miliardy ľudí na planéte.
04:27
AnyoneNiekto healthyzdravý or with Parkinson'sParkinsonovej can call in, cheaplylacno,
100
251857
3077
Každý zdravý človek alebo s Parkinsonom môže lacno zavolať
04:30
and leavezanechať recordingsnahrávky, a fewmálo centscentov eachkaždý,
101
254934
2139
a zanechať nahrávky, každú z nich len za pár centov.
04:32
and I'm really happyšťastný to announceoznámiť that we'vemy máme already hithit
102
257073
2190
Som naozaj šťastný, že môžem oznámiť, že len za 8 hodín
04:35
sixšesť percentpercento of our targetterč just in eightosem hourshodiny.
103
259263
3543
sme získali 6 percent z cieľového čísla.
04:38
Thank you. (ApplausePotlesk)
104
262806
3751
Ďakujem. (Potlesk)
04:42
(ApplausePotlesk)
105
266557
6320
(Potlesk)
04:48
TomTom RiellyRiella: So MaxMax, by takingprevzatia all these samplesvzorky of,
106
272877
3575
Tom Rielly: Max, čiže získaním vzoriek,
04:52
let's say, 10,000 people,
107
276452
2776
povedzme 10 000 ľudí,
04:55
you'llbudete be ableschopný to tell who'skto je healthyzdravý and who'skto je not?
108
279228
2854
budeš vedieť povedať, kto je zdravý a kto nie?
04:57
What are you going to get out of those samplesvzorky?
109
282082
1685
Čo získate z týchto vzoriek?
04:59
MaxMax Little: Yeah. Yeah. So what will happenstať sa is that,
110
283767
1830
Max Little: Áno, áno. Nuž to, čo sa stane je,
05:01
duringpočas the call you have to indicateukazovať whetherči or not
111
285597
1657
že počas telefonátu musíte oznámiť, či máte,
05:03
you have the diseasechoroba or not, you see. TRTR: Right.
112
287254
1267
alebo nemáte toto ochorenie,rozumiete. TR: Áno.
05:04
MLML: You see, some people maysmieť not do it. They maysmieť not get throughskrz it.
113
288521
2507
ML: Viete, niektorí ľudia to nemusia urobiť. Nemusia to zvládnuť.
05:06
But we'llmy budeme get a very largeveľký samplevzorka of datadáta that is collectedpokojný
114
291028
2717
Ale získame veľmi veľké množstvo vzoriek údajov
05:09
from all differentrozdielny circumstancesokolnosti, and it's gettingzískavanie it
115
293745
3408
nahraných za rôznych okolností. A práve na týchto
05:13
in differentrozdielny circumstancesokolnosti that matterzáležitosť because then
116
297153
1905
okolnostiach záleží, pretože potom
05:14
we are looking at ironingžehlenia out the confoundingmätúce factorsfaktory,
117
299058
3384
sa snažíme dať do poriadku nejasné faktory
05:18
and looking for the actualskutočný markersmarkery of the diseasechoroba.
118
302442
2161
a hľadáme skutočné príznaky ochorenia.
05:20
TRTR: So you're 86 percentpercento accuratepresný right now?
119
304603
2497
TR: Čiže v súčasnosti máte 86-percentnú presnosť, správne?
05:23
MLML: It's much better than that.
120
307100
1194
ML: Je to oveľa lepšie.
05:24
ActuallyVlastne, my studentštudent ThanasisThanasis, I have to plugsviečka him,
121
308294
1720
Vlastne, môj študent Thanasis, musím ho spomenúť,
05:25
because he's donehotový some fantasticfantastický work,
122
310014
1870
lebo odviedol vynikajúcu prácu,
05:27
and now he has provedukázalo that it workspráce over the mobilemobilné telephonetelefónne networksieť as well,
123
311884
3770
nedávno dokázal, že to funguje aj prostredníctvom mobilnej siete,
05:31
whichktorý enablesumožňuje this projectprojekt, and we're gettingzískavanie 99 percentpercento accuracypresnosť.
124
315654
3390
čo lepšie umožňuje tomuto projektu fungovať a dostávame sa k 99-percentnej presnosti.
05:34
TRTR: Ninety-nineDeväťdesiat deväť. Well, that's an improvementzlepšenie.
125
319044
1576
TR: 99? Teda, to je pokrok.
05:36
So what that meansprostriedky is that people will be ableschopný to —
126
320620
2201
Čiže to znamená, že ľudia budú môcť...
05:38
MLML: (LaughsSmiech)
127
322821
1852
ML: (Smeje sa)
05:40
TRTR: People will be ableschopný to call in from theirich mobilemobilné phonestelefóny
128
324673
1906
TR: ... ľudia budú môcť zavolať zo svojho mobilu
05:42
and do this testtest, and people with Parkinson'sParkinsonovej could call in,
129
326579
3072
a urobiť si test. Ľudia s Parkinsonom môžu zavolať,
05:45
recordrekord theirich voicehlas, and then theirich doctorlekár can checkskontrolovať up
130
329651
2870
nahrať svoj hlas a doktor tak môže skontrolovať
05:48
on theirich progresspokrok, see where they're doing in this coursekurz of the diseasechoroba.
131
332521
2681
postup ich ochorenia a zistiť, ako sa im s ochorením darí.
05:51
MLML: AbsolutelyAbsolútne.
132
335202
970
ML: Presne tak.
05:52
TRTR: Thanksvďaka so much. MaxMax Little, everybodyvšetci.
133
336172
1743
TR: Ďakujem veľmi pekne. Max Little!
05:53
MLML: Thanksvďaka, TomTom. (ApplausePotlesk)
134
337915
5157
ML: Ďakujem Tom. (Potlesk)
Translated by Igor Lalík
Reviewed by Zuzana Piovarciova

▲Back to top

ABOUT THE SPEAKER
Max Little - Applied mathematician
Max Little is a mathematician whose research includes a breakthrough technique to monitor – and potentially screen for – Parkinson's disease through simple voice recordings.

Why you should listen

Max Little is an applied mathematician whose goal is to "see connections between subjects, not boundaries … to see how things are related, not how they are different." He has a background in applied mathematics, statistics, signal processing and computational engineering, and his work has been applied across disciplines like biomedicine, extreme rainfall analysis and forecasting, biophysical signal processing, and hydrogeomorphology and open channel flow measurement. Little is best known for his work on the Parkinson's Voice Initiative, in which he and his team developed a cheap and simple tool that uses precise voice analysis software to detect Parkinson's with 99 percent accuracy. Little is a TEDGlobal 2012 Fellow and a Wellcome Trust-MIT Postdoctoral Research Fellow.

More profile about the speaker
Max Little | Speaker | TED.com