Anders Ynnerman: het visualiseren van de explosie van medische data

Ik begin met het voorstellen van een uitdaging, de uitdaging van het omgaan met gegevens, gegevens waarmee we te maken hebben in medische situaties. Het is echt een enorme uitdaging voor ons. En dit is ons trekpaard. Een computer-tomografiemachine - een CT-machine. Het is een fantastisch apparaat. Het maakt gebruik van X-stralen, bundels van X-stralen, die zeer snel roteren rond het menselijk lichaam. Het duurt ongeveer 30 seconden om door de hele machine te gaan en het genereert enorme hoeveelheden informatie die uit de machine komen. Dit is een fantastische machine die we kunnen gebruiken voor de verbetering van de gezondheidszorg. Maar zoals ik al zei, het is ook een uitdaging voor ons. En de uitdaging is echt te zien op deze foto hier. Het is de medische-data-explosie die we nu hebben. We worden geconfronteerd met dit probleem. Laat me een stap teruggaan in de tijd.

Laten we een paar jaren teruggaan en zien waar we toen stonden. De machines van toen - ze begonnen op te komen in de jaren '70 - konden menselijke lichamen scannen, en ongeveer 100 beelden genereren van het menselijk lichaam. Ik heb ze, voor alle duidelijkheid, omgezet in de dataplakjes. Dit zou overeenkomen met ongeveer 50 MB aan gegevens, wat niet veel is als je dat vergelijkt met de gegevens die we vandaag de dag kunnen verwerken op gewone mobiele apparaten. Als je dat vertaalt naar telefoonboeken, dan komt dat ongeveer overeen met een stapel telefoonboeken van één meter hoog. Kijk eens naar wat we vandaag doen met de machines die we nu hebben, we kunnen nu in een paar seconden, 24.000 beelden van een lichaam maken. En dat zou overeenkomen met ongeveer 20 GB aan gegevens, of 800 telefoonboeken. En de stapel zou dan 200 meter hoog zijn. Wat er te gebeuren staat - en we zien dit als het begin - een technologietrend die nu bezig is, is dat we ook beginnen te kijken naar in de tijd verlopende processen. We kunnen nu ook de dynamiek van het lichaam zien. En veronderstel even dat we gedurende vijf seconden gegevens verzamelen, dan zou dat overeenkomen met één terabyte aan gegevens. Dat zijn 800.000 telefoonboeken of een stapel van 16 km hoog. Dat is één patiënt, één dataset. En dit is het waarmee we nu te maken hebben.

Dit is de enorme uitdaging waarvoor we staan. En nu al - dit zijn 25.000 beelden. Denk eens terug aan de dagen toen radiologen dit deden. Als je 25.000 platen zou moeten ophangen, zou dat zo gaan... 25.000, oke, oke. Dat is het probleem." Zo gaat het niet meer, dat is onmogelijk. Dus moeten naar iets zoeken dat een beetje intelligenter is. We voegen nu al deze plakjes samen. Stel je voor dat je je lichaam in al deze richtingen in plakjes snijdt, en dan moet je proberen de plakjes weer samen te voegen tot een stapel van gegevens, tot een blok gegevens. Daar zijn we nu mee bezig. We brengen deze giga- of terabyte aan gegevens samen tot een geheel. Maar natuurlijk stellen deze gegevens alleen de hoeveelheid aan X-straling voor die is geabsorbeerd door elk punt in het menselijk lichaam. Wat we moeten doen is een manier vinden om te kijken naar de dingen die we willen bekijken en alles doorzichtig maken, wat we niet willen bekijken. Dus het transformeren van de dataset in iets dat er zo uitziet. Dit is een uitdaging. Dit is voor ons een enorme uitdaging.

Ook al worden computers de hele tijd sneller en beter, blijft het toch een uitdaging om om te gaan met gigabytes en terabytes aan gegevens en de relevante informatie eruit te halen. Ik wil kijken naar een hart, naar de bloedvaten, naar de lever, en misschien zelfs een tumor ontdekken in sommige gevallen. Dit is waar dit kleine lieve ding in beeld komt. Dit is mijn dochter. Om 9 uur vanmorgen. Ze speelt een computerspel. Ze is pas twee jaar oud, en ze heeft er lol in. Zij is de echte drijvende kracht achter de ontwikkeling van Graphics Processing Units (GPU's). Zolang kinderen computerspelletjes spelen, worden de graphics steeds beter en beter en beter. Dus ga terug naar huis, vertel uw kinderen om meer games te spelen, want dat is wat ik nodig heb.

Wat er in deze machine zit stelt mij in staat om de dingen te doen die ik doe met medische gegevens. Wat ik dus eigenlijk doe is gebruik maken van deze fantastische kleine apparaten. En weet je, ongeveer 10 jaar geleden kreeg ik de financiering rond om mijn eerste grafische computer te kopen. Het was een grote machine. Het waren kasten vol processoren en opslagmedia. Ik betaalde ongeveer een miljoen dollar voor die machine. Die machine is vandaag de dag ongeveer even snel als mijn iPhone. Dus elke maand komen er nieuwe grafische kaarten uit. En hier zie je een paar van de meest recente types van de fabrikanten - NVIDIA, ATI, ook Intel. Voor een paar honderd dollar kan je deze dingen kopen en in je computer steken, en je kunt fantastische dingen doen met deze grafische kaarten. Dit is het dus wat ons in staat stelt om om te gaan met de explosie van gegevens in de geneeskunde, samen met echt vernuftig werk in termen van algoritmen, het comprimeren van gegevens, om de relevante informatie, waar mensen onderzoek op doen, eruit te halen.

Dus ga ik je een paar voorbeelden laten zien van wat we kunnen. Dit is een dataset die werd geregistreerd met behulp van een CT-scanner. Je kunt zien dat dit een volledige dataset is. Het is een vrouw. Je kunt de haren zien. Je kunt de aparte structuren van de vrouw zien. Je kunt zien dat er verstrooiing is van X-stralen op de tanden, op het metaal in de tanden. Daar komen deze artefacten vandaan. Maar volledig interactief met de standaard grafische kaarten van een normale computer, kan ik een doorsnede tonen. En natuurlijk zitten alle gegevens erin, dus kan ik gaan draaien, ik kan kijken vanuit verschillende invalshoeken, en ik kan zien dat deze vrouw een probleem had. Ze had een bloeding in de hersenen, en dat werd opgelost met een kleine stent, een metalen klem die het bloedvat afklemt. En alleen maar door het veranderen van de instellingen, kan ik beslissen waar ik doorheen kijk of wat zichtbaar blijft. Ik kan kijken naar de schedelstructuur, en ik kan zien dat, oke, dit is waar ze de schedel van deze vrouw openden, en dat is waar ze naar binnen gingen. Dit zijn fantastische beelden. Ze hebben een echt hoge resolutie, En ze laten zien wat we kunnen doen met de standaard grafische kaarten van vandaag.

We hebben hier echt gebruik van gemaakt, en geprobeerd om een heleboel gegevens in het systeem te persen. En een van de toepassingen waar we aan hebben gewerkt - en dit heeft wereldwijd nogal wat aandacht gekregen - is de toepassing van virtuele autopsie. Het gaat weer over het bekijken van zeer, zeer grote datasets, je zag al die full-body scans die we kunnen uitvoeren. Hier zijn we bezig met een lichaam door de CT-scanner te duwen, en slechts in een paar seconden krijgen we een full-body dataset. Dit is dus virtuele autopsie. En je kunt zien hoe ik geleidelijk laag na laag afpel. Eerst zag je de lijkzak waarin het lichaam zat, hier pel ik de huid af - zie je de spieren - en uiteindelijk zie je de botstructuur van deze vrouw.

Hier zou ik ook graag benadrukken dat, met het grootste respect voor de mensen die ik nu ga laten zien - ik ga een paar gevallen van virtuele autopsies laten zien - het dus is met groot respect voor de mensen die zijn overleden onder gewelddadige omstandigheden dat ik deze foto's aan u toon. In het forensische geval - en er zijn al ongeveer 400 tot nu toe alleen al in het deel van Zweden waar ik vandaan kom die virtuele autopsies hebben ondergaan in de afgelopen vier jaar. Dit is een typische werksituatie. De politie zal beslissen - 's avonds als er een geval binnen komt - zij zullen beslissen, oke, dit is een geval waar we een autopsie nodig hebben. In de ochtend, tussen zes en zeven 's morgens, wordt het lichaam in een body bag naar ons centrum getransporteerd en gescand door een van de de CT-scanners. En dan kijkt de radioloog samen met de patholoog en soms ook de forensische wetenschapper, naar de gegevens die de eruit komen, en gaan ze overleggen. En daarna beslissen ze wat te doen bij de echte fysieke autopsie.

U kijkt nu naar een paar gevallen, Hier is een van de eerste zaken die we hadden. Je kunt echt de details van de dataset zien; Het is in zeer hoge resolutie. En het zijn onze algoritmes die ons toelaten om in te zoomen op de details. En nogmaals, het is volledig interactief, dus je kunt roteren en op deze systemen in real-time naar alles kijken. Zonder al te veel te zeggen over deze zaak, het is een verkeersongeval, een dronken bestuurder raakte een vrouw. En het is heel, heel gemakkelijk om de schade te zien aan de botstructuur. De doodsoorzaak is een gebroken nek. En de vrouw belandde ook onder de auto, Ze werd hierdoor heel erg toegetakeld.

Hier weer een andere zaak, een steekpartij. En dit toont ook weer wat we kunnen doen. Het is heel gemakkelijk om metalen artefacten terug te vinden die we binnen in het lichaam kunnen laten zien. U kunt ook een aantal van de artefacten van de tanden zien - dat zijn eigenlijk de tandvullingen - maar dat komt omdat ik het zo heb ingesteld dat we het metaal kunnen zien en de rest transparant is. Hier een andere gewelddaad. Dit was niet echt de doodsoorzaak van deze persoon. De persoon werd gedood door steken in het hart, maar ze staken het mes door een oogbol. Hier een andere zaak. Het is heel interessant voor ons om te kunnen kijken naar dingen zoals messteken. Hier zie je dat het mes door het hart ging. Het is heel gemakkelijk te zien hoe lucht van het ene deel naar een ander deel is gaan lekken, wat moeilijk is om te doen bij een normale, standaard, fysieke autopsie. Dus het helpt echt bij het strafrechtelijk onderzoek om de oorzaak van de dood vast te stellen, en om in sommige gevallen het onderzoek in de juiste richting te leiden, om uit te zoeken wie de moordenaar was.

Hier nog een interessant geval. Hier zie je een kogel die net naast de ruggengraat van deze persoon is blijven steken. En we hebben de kogel lichtgevend gemaakt, zodat hij gaat blinken, wat het echt makkelijk maakt om deze fragmenten terug te vinden. Als je tijdens een fysieke autopsie, in het lichaam naar deze fragmenten moet gaan zoeken is dat heel moeilijk.

Iets waarvan ik ben echt blij ben om u vandaag te kunnen laten zien is onze virtuele-autopsietafel. Het is een door ons ontwikkeld aanraakscherm met behulp van standaard GPU's. Het ziet er zo uit, gewoon om je een idee te geven. Het werkt net als een enorme iPhone. We hebben alle handelingen ermee getoond en je kunt eraan denken als een enorm aanraakscherm. Dus als je eraan denkt een iPad te kopen, vergeet het maar, dit is wat je eigenlijk wil hebben. Steve, ik hoop dat je hiernaar aan het luisteren bent, oke. Het is een heel aardig apparaatje. Dus als je de mogelijkheid hebt, probeer het eens uit. Het is echt een hands-on ervaring. Het heeft de aandacht getrokken, en we proberen het klaar te krijgen om het te gebruiken voor educatieve doeleinden, maar ook, misschien in de toekomst, in een meer klinische situatie. Er is een YouTube die u kunt downloaden, als je anderen wil tonen wat virtuele autopsie is.

Oke, nu we over aanraken praten, laten we nu even kijken naar echt inspirerende data. Dit is nu nog een beetje science-fiction, we gaan nu naar de toekomst. Dit is niet echt wat de artsen momenteel al gebruiken, maar ik hoop dat het in de toekomst zal kunnen. Wat je aan de linkerkant ziet is een aanraakapparaat. Het is een kleine mechanische pen met zeer, zeer snelle stappenmotoren aan de binnenkant van de pen. En daarmee kan ik een krachttegenkoppeling genereren. Dus als ik virtuele data ermee aanraak, zal dat krachten in de pen veroorzaken en krijg ik feedback. In deze specifieke situatie gaat het om een scan van een levende persoon. Ik heb deze pen, en ik kijk naar de gegevens, en ik beweeg de pen naar het hoofd toe, en opeens voel ik weerstand. Ik voel de huid. Als ik een beetje harder duw, dan ga ik door de huid, en voel ik de botstructuur binnen in. Als ik nog harder duw, dan ga ik door de botstructuur heen, vooral dicht bij het oor waar het bot erg zacht is. En dan kan ik de hersenen voelen, en dat zal een beetje week aanvoelen, zoiets als dit.

Dit is echt leuk. Hier een hart. Ook te danken aan deze fantastische nieuwe scanners, die in slechts 0,3 seconden het hele hart scannen, en ik kan dat doen in tijdsresolutie. Het kijken naar dit hart, kan ik hier weergeven op een video. En dit is Karl Johan, een van mijn studenten die aan dit project heeft gewerkt. Hij zit hier voor het haptische apparaat, het krachttegenkoppelingssysteem, en hij beweegt zijn pen naar het hart, en hij ziet het voor zich zodat hij kan zien hoe het hart klopt. Hij verplaatst nu de pen naar het hart, en hij duwt ze tegen het hart, en voelt de hartslag van de echte levende patiënt. Dan kan hij onderzoeken hoe het hart in beweegt. Hij kan naar binnen gaan, naar de binnenkant van het hart, en echt voelen hoe de kleppen in beweging zijn. En dit, denk ik, is echt de toekomst voor hartchirurgen. Ik denk dat dit een natte droom is voor een hartchirurg om binnenin van het hart van de patiënt te kunnen rondtasten voordat je daadwerkelijk tot chirurgie overgaat, en dat te doen met resolutiedata van een hoge kwaliteit. Echt de moeite.

Nu gaan we nog verder met science fiction. We hoorden wat over functionele MRI. Nu is dit echt een interessant project. MRI is met behulp van magnetische velden en radiofrequenties de hersenen of een deel van het lichaam scannen. Wat we hier echt uit verkrijgen is informatie over de structuur van de hersenen, maar we kunnen ook het verschil meten in de magnetische eigenschappen van zuurstofrijk bloed en zuurstofarm bloed. Dat betekent dat het mogelijk is om de activiteit van de hersenen in kaart te brengen. Dit is iets dat we al mee bezig zijn. En net zag u Motts, onze onderzoeksingenieur het MRI-systeem ingaan, hij droeg een speciale bril. waarmee hij dingen kon waarnemen. Dus kon ik, terwijl hij in de scanner zat, hem allerlei laten zien. En dit is een beetje beangstigend, want wat Motts ziet is eigenlijk dit. Hij ziet zijn eigen hersenen. Hier is Motts iets aan het doen. En waarschijnlijk doet hij zoiets met zijn rechterhand, omdat de linkerkant geactiveerd is op de bewegingscortex. En dat kan hij op hetzelfde moment zelf zien. Deze visualisaties zijn gloednieuw. Dit is iets waar we al een tijdje onderzoek naar doen.

Hier een andere sequentie van Motts' brein. We vroegen hem met 3 terug te tellen vanaf 100. Dus hij telt "100, 97, 94." Enzovoorts. En je kunt zien hoe de kleine wiskunde-processor hier in zijn hersenen an het werk is en de hele hersenen doet oplichten. Dit is fantastisch. We kunnen dit doen in real time. We kunnen dingen onderzoeken. We kunnen hem vragen om dingen te doen. Je kunt ook zien dat zijn visuele cortex aan de achterkant van zijn hoofd wordt geactiveerd, want dat is waar hij naar kijkt, hij ziet zijn eigen hersenen. En hij hoort ook onze instructies als we hem vragen om dingen te doen. Ook al zit het signaal echt diep in de hersenen, toch schijnt het door, omdat alle gegevens in dit volume voorhanden zijn. En dadelijk ga je hier zien - Oke, hier is het. Motts, beweeg nu je linkervoet. Dit doet hij. 20 seconden lang doet hij dit, en plots licht het hier op. Door activatie van de bewegingscortex. Dit is echt, echt leuk. Dit is een geweldig hulpmiddel. In verband met de vorige lezing, is dit iets dat we kunnen gebruiken als een instrument om werkelijk te begrijpen hoe de neuronen werken, hoe de hersenen werken, en we kunnen dit doen met een zeer, zeer hoge visuele kwaliteit en een zeer snelle resolutie.

Maar af en toe maken we ook een beetje lol in het centrum. Dit is een CAT-scan - computer aided tomografie. Van een leeuw uit de plaatselijke dierentuin aan de rand van Norrkoping in Kolmården, Elsa. Ze brachten haar naar het centrum, ze verdoofden haar en zetten haar recht in de scanner. Zo krijg ik dan de volledige dataset van de leeuw. Waarmee ik heel mooie beelden kan maken zoals dit. Ik kan laag na laag van de leeuw afpellen. Ik kan erin kijken. We hebben hiermee geëxperimenteerd. Ik denk dat dit een geweldige toepassing is voor de toekomst van deze technologie. Want er is maar heel weinig bekend over de dierlijke anatomie. Wat dierenartsen ervan weten is slechts summiere basisinformatie. We kunnen allerlei dingen scannen, allerlei dieren. Het enige probleem is om ze in de machine te krijgen. Hier een beer. Hij was er nogal moeilijk in te krijgen. En zo'n beer lijkt een knuffel, een vriendelijk dier. Hier is hij dan. Dit is zijn neus. En misschien wil je hem wel knuffelen, totdat je de instellingen verandert en hiernaar gaat kijken. Hoed u dus voor de beer.

Hiermee wil ik graag alle mensen bedanken die mij geholpen hebben om deze beelden te genereren. Er is enorm veel werk gaan zitten in het verzamelen van de gegevens en de ontwikkeling van de algoritmen, in het schrijven van de software door een aantal zeer getalenteerde mensen. Mijn motto is altijd dat ik alleen maar mensen aanwerf die slimmer zijn dan ik en de meesten hier zijn een stuk slimmer dan ik.

Dus heel erg bedankt.

(Applaus)