Cómo pueden las matemáticas ayudar a "descodificar" el cáncer y otras enfermedades
Los modelos matemáticos sirven para analizar enormes cantidades de datos médicos y predecir cómo va a comportarse una enfermedad. La revolución en el big data está comenzando a transformar la ciencia y la medicina. Pero los científicos avisan que los datos solo son útiles si hay un objetivo preestablecido.
"Si quieres tener una carrera en Medicina en estos días, lo mejor es que estudies matemáticas o sistemas, más que biología".
La frase es de Rory Collins, jefe de los ensayos clínicos de la Universidad de Oxford, y la dijo en medio de una discusión sobre los pros y los contras de las estatinas (las drogas más comunes utilizadas para el control de colesterol).
Era una buena frase, pero no pensé mucho en ella sino hasta un par de días después cuando estaba en medio de una rueda prensa sobre el lanzamiento de una iniciativa para luchar contra el cáncer.
Y fue porque allí había un científico que no reconocí, pero pronto me di cuenta de que era precisamente el tipo de persona que Collins tenía en su cabeza.
Era el doctor en astrofísica Andrea Sottoriva. La mayoría de su carrera se había centrado en el estudio de los neutrinos -aquella elusiva partícula creada para la fusión de los elementos en los astros como nuestro sol- en el fondo del océano y en analizar los resultados de los experimentos en el Gran Colisionador de Hadrones del CERN (Organización Europea para la Investigación Nuclear), en Suiza.
"Me experiencia es en ciencia computarizada, específicamente en la aplica a la física de las partículas", me dijo cuando nos reunimos en un laboratorio de la ciudad de Sutton, en el sur de Reino Unido.
Equipo biomédico en el Instituto Francis Crick, en Londres.
Y ahora quería llevar ese conocimiento a la batalla contra el cáncer.
Nueva era
Pero, ¿por qué el cáncer? La respuesta puede estar encerrada en un concepto: los macrodatos, o big data.
Lo que Sottoriva trajo a la lucha contra el cáncer es su conocimiento en modelos matemáticos que sirvan para agrupar la cantidad -casi incalculable- de información que han dejado los grandes avances en la medicina de los últimos años.
"Lo excitante de todo esto es que podemos aplicar a la bilogía las nuevas técnicas de análisis que hemos desarrollado en la física", dijo.
"Tenemos toda esta tecnología que nos permite procesar una enorme cantidad de información y de repente podemos comenzar a utilizarla para implementar paradigmas de la física en temas de biología", explicó.
Por supuesto, usar las matemáticas para resolver problemas biológicos no es algo totalmente nuevo. Pero recién ahora los macrodatos, de acuerdo a la lacónica frase de Collins, están comenzando a transformar la ciencia de la medicina y creando una nueva era de la bioinformática.
"La era de los macrodatos nos provee de una extraordinaria oportunidad para comprender los diferentes rangos de distintas condiciones médicas", explicó Collins.
"La disponibilidad actual de información es algo nunca visto, al igual que las vías para adueñarnos de esa información, por lo que su uso nos daría excelentes herramientas para saber cómo diagnosticar y evitar una enfermedad", explicó.
Una advertencia
Pero hay un problema. La enorme cantidad de información -sobre la que descansa el poder de la bioinformática- es a la vez su talón de Aquiles.
El profesor de la Universidad de Arizona, Daniel Sarewitz, advierte sobre un posible "datageddon" (algo así como el apocalipsis de los datos) y no descarta que los investigadores sobre estimulados naufraguen en un mar de información irrelevante.
"Si estudiar ratones es como buscar tus llaves apenas con la luz de la calle, estudiar con macrodatos es como buscar tus llaves en el mundo entero sólo porque puedes hacerlo", dijo Sarewitz.
En esto está de acuerdo el epidemiólogo Liam Smeeth.
La lucha contra el cáncer puede asemejarse a una partida de ajedrez, sugiere el físico Andrea Sottoriva.
Si los investigadores no son lo suficientemente disciplinados acerca de lo que quieren buscar, podrían caer en "agujeros negros" de la información.
"La analogía que podemos utilizar es como si dispararas una flecha hacia una pared vacía. Entonces cuando la flecha impacta la pared, vas y le pintas un círculo negro como si le hubieras dado en el blanco", explicó.
"Lo que necesitas hacer es ciencia y apuntar a un objetivo preestablecido", agregó.
Pero la respuesta a este riesgo, de acuerdo a Sottoriva, puede ser la de aproximarse al big data del mismo modo que un gran maestro se relaciona con el ajedrez.
"Lo que hace un gran maestro de ajedrez es anticiparse, predecir las jugadas de su oponente", dijo.
Y agregó: "Si nosotros podemos decodificar la complejidad de una enfermedad como el cáncer y predecir lo que va a pasar tres o cuatro movimientos más adelante, entonces vamos a poder a desarrollar tratamientos realmente efectivos basados en un marco matemático".
