¿Cómo pueden ayudar las matemáticas a resolver problemas sanitarios? Esta es una de las preguntas que le hemos hecho al matemático Juan Luis Fernández Martínez durante la celebración de las III Jornadas eSalud Asturias. En esta entrevista, el Director del Grupo de Investigación de Problemas Inversos “Optimización y aprendizaje automático” de la Universidad de Oviedo reflexiona sobre el potencial que tiene el lenguaje de la ciencia para optimizar el diagnóstico, la prognosis e incluso el tratamiento. Este experto subraya que “las matemáticas no son teorema y demostración. Son el lenguaje de la ciencia y la ciencia es lo que necesitamos para resolver los problemas de los pacientes y que éstos no caigan en las garras de las pseudociencias”.
El método matemático es lo que ha utilizado su equipo de la Universidad de Oviedo para desarrollar el modelo de algoritmos capaz de anticipar el comportamiento de las leucemias linfocíticas crónicas, la leucemia más frecuente en adultos en Europa y Norteamérica. El trabajo, publicado en la revista Journal of Biomedical Informatics, ha salido adelante tras analizar una base de datos con diferentes variables clínicas de 265 pacientes diagnosticados con esta patología entre 1997 y 2007. La aplicación del modelo de algoritmos permitió predecir con una exactitud del 90% el desarrollo de enfermedades autoinmunes y en un 80% la necesidad de utilizar quimioterapia.
¿Cómo pueden ayudar las matemáticas a resolver problemas sanitarios?
De muchas maneras. Hay dos vertientes principales. Una de ellas es la hospitalaria. El hospital es una mina de datos en el sentido de que la información que viene de pacientes que han sido diagnosticados sirve para ayudar a otros pacientes que van a estar diagnosticados. Hasta ahora en los hospitales se ha utilizado la información sanitaria para, simplemente, gestionar las citas. Es una base de datos que se tiene ahí, pero que no se explota. Si eso se mina convenientemente, es posible optimizar el diagnóstico, la prognosis e incluso el tratamiento. Esto es lo que hicimos con un grupo del HUCA sobre la leucemia linfática crónica con datos a pie de hospital y con linfoma de Hodking, pero se puede hacer con otras enfermedades.
Afirma que el hospital es una mina de datos ¿En qué sentido pueden ser aprovechados?
A nivel hospitalario es muy importante anticipar el diagnóstico y proporcionar al médico una herramienta que le ayude a la decisión y que, por ejemplo, nada más llegue el paciente y le diagnostique, pueda considerar sus análisis y decidir si va a necesitar quimioterapia antes de que esa necesidad surja. O, por ejemplo, saber si ese paciente va a desarrollar o no enfermedades autoinmunes. Una enfermedad autoinmune es una complejidad adicional que ciertos pacientes de leucemia desarrollan y eso complica mucho el tratamiento porque significa que el mismo sistema inmunitario se pone en contra del paciente. El poder predecir eso a diagnóstico mejora mucho la vida y el tratamiento del paciente.
La predicción es clave para salvar vidas y en eso se basa vuestro trabajo. ¿Cuántas variables valora el estudio para tomar la decisión de indicar o no la quimioterapia?
Son variables que ya estaban medidas, que los hematólogos conocen muy bien y que están relacionadas con la enfermedad. En el caso de la quimioterapia son cuatro y en el caso de la enfermedades autoinmune son trece. Es un poco más complejo, pero al final todo queda en una hoja Excel. Eso es lo bonito. Ahora estamos también trabajando sobre cánceres de mama triplemente negativos, que son los más agresivos que hay, ayudando al médico patólogo a entender dos cosas: a realizar bien el diagnóstico del grado histológico, lo cual es muy importante en el tratamiento que sigue; y a entender los factores que rigen el comportamiento tumoral. Ayudamos al médico a entender la patología. Los algoritmos son agnósticos, con lo cual, al final lo único que se necesita es un conjunto de médicos motivados que te planteen un problema y la voluntad de resolver.
Si su funcionamiento es tan sencillo como una simple hoja de Excel, ¿qué es lo que está frenando que estos estudios se conviertan en algo más?
Muchas veces no es más que desconocimiento. No digo que los médicos sean unos desconocedores, pero el Sistema Nacional de Salud no está aprovechando la cantidad ingente de datos que un hospital genera para la toma de decisiones. En Atención Primaria, por ejemplo, hay muchos pacientes polimedicados. Toman diferentes medicamentos y no se sabe cómo confluyen entre ellos. Esa fuente de información bien adquirida o bien tratada puede ser muy importante para la toma de decisiones. Todo lo que se pueda imaginar, siempre que haya datos, se puede resolver. Solo se necesita voluntad, dinero y talento.
Seguiremos informando…
