Complejidad y Medicina: Perspectivas para el Siglo XXI Carlos Gershenson Departamento de Ciencias de la Computación Instituto de Investigaciones en Matemáticas Aplicadas y en Sistemas Universidad Nacional Autónoma de México http://turing.iimas.unam.mx/~cgg/ [email protected] Resumen La medicina se ha basado en un método científico tradicional que es reduccionista y ha sido sumamente exitoso. Sin embargo, los métodos reduccionistas no son adecuados para enfrentar a las enfermedades complejas. En este texto, se describen las características de las enfermedades complejas, formas en las que se está enfrentando esta complejidad y vías potenciales para resolver los grandes problemas de salud en el siglo XXI. Complejidad La palabra complejidad tiene muchos significados y definiciones (Gershenson, 2013). Etimológicamente, viene del Latín plexus, que quiere decir entretejido. Podemos decir que algo complejo es difícil de separar. Esto se debe a que hay interacciones que limitan el estudio del todo a partir de las partes. En otras palabras, las partes son interdependientes, lo que implica que es limitado estudiarlas de manera aislada. Más aún, las interacciones generan información nueva que limita la predicción de los fenómenos complejos (Gershenson, 2014). Por ejemplo, supongamos que conocemos muy bien a Juan. Podemos saber muchas cosas sobre él: qué música escucha, qué comida consume, qué lugares frecuenta, cómo se viste, qué horarios maneja. Eventualmente, Juan se casa con María. Si no consideramos las nuevas interacciones de Juan con María, no nos podremos explicar por qué es que Juan ya no escucha la misma música, no consume la misma comida, no frecuenta los mismos lugares, no se viste con el mismo estilo y no tiene los mismos horarios. Las interacciones entre Juan y María son relevantes porque determinan fuertemente los estados de Juan y María. Si no consideramos las interacciones, nuestra descripción de Juan o María será demasiado limitada como para poder explicar los cambios tan dramáticos de su comportamiento. Después de un tiempo, Juan y María tienen un bebé, Pedro. Las nuevas interacciones con Pedro no sólo afectan los estados de Juan y María. También afectan las interacciones entre Juan y María. No es suficiente con estudiar las interacciones entre pares, hay que considerar las interacciones de los tres. Más adelante, llega un segundo bebé, Pablo. Pedro y Pablo son distintos, así es que no podremos explicar las nuevas interacciones de Pablo con sus padres aún conociendo las interacciones con Pedro. A su vez, las interacciones con Pablo afectarán todas las interacciones entre los otros miembros de la familia. Si tenemos dificultad para describir el comportamiento y las interacciones entre cuatro personas, ¿cómo podremos lograrlo para sociedades con millones de individuos interactuando? De manera similar, no podemos comprender una simbiosis si estudiamos las especies involucradas por separado. Necesitamos considerarlas y también a sus interacciones, ya que éstas determinan la supervivencia de las especies. Lo mismo ocurre en un ecosistema, donde las especies dependen las unas de las otras. Y en una economía, donde las empresas son codependientes. Ningún negocio podría subsistir si no tiene a quién vender, con quien interactuar. En un organismo, las células también dependen las unas de las otras, teniendo interacciones relevantes, por lo que descripciones aisladas de los componentes de un sistema complejo como lo es el cuerpo humano no serán suficientes para comprender a las enfermedades complejas. Más aún, no sólo las interacciones internas son relevantes. También las interacciones externas, con el entorno, son importantes para determinar el estado de un organismo. ¿Cómo podemos estudiar sistemas como el cuerpo humano con un número grande de componentes (células) con un número mayor de interacciones? (Por un número grande, me refiero a cifras con tantos dígitos que deja de tener sentido si tienen uno más o uno menos). Hay dos ingredientes esenciales: 1. La tecnología. Nuestro cerebro tiene cierta capacidad para considerar distintas variables o componentes. Esta capacidad puede incrementarse con ayudas externas, como un pizarrón o un papel. Pero la capacidad de un pizarrón ni siquiera es suficiente para poder describir sistemas complejos con pocos elementos. Las computadoras nos han permitido considerar millones de variables, componentes e interacciones al mismo tiempo. De manera similar a la que los microscopios nos permitieron explorar fenómenos microscópicos y a la que los telescopios nos permitieron explorar fenómenos macroscópicos, las computadoras nos permiten explorar los fenómenos complejos (Pagels, 1989). La capacidad de almacenamiento digital ha crecido superexponencialmente en décadas recientes. Tal sólo en los últimos dos años, se generaron el 90% de los datos generados por toda la humanidad desde sus inicios. Esto quiere decir que en los últimos dos años se generaron nueve veces más datos que en los cinco milenios anteriores. Existe el potencial de explotar esta abundancia de datos para comprender mejor fenómenos complejos (Mayer-Schönberger & Cukier, 2013). 2. La colaboración. A mediados del siglo XX, Arturo Rosenblueth, quien ayudó a sentar las bases de la cibernética y fue fundador del CINVESTAV, expresó que los avances de la ciencia sólo podrían hacerse por medio de la coordinación de diversos expertos en distintas áreas para formar grupos transdisciplinarios. Dado que muchos de los problemas globales que estamos tratando de resolver son multifactoriales, ningún individuo podrá contemplarlos todos. Se requieren muchas personas con diversas perspectivas para tener un mejor entendimiento de los fenómenos tan complejos que un sólo individuo es incapaz de contener toda la información relevante. Por ejemplo, el proyecto del genoma humano requirió de la colaboración de cientos de biólogos moleculares, químicos, físicos, informáticos, ingenieros, y más. Los retos de la medicina en el siglo XXI están requiriendo de transdicsiplinas todavía más amplias. Medicina reduccionista Desde tiempos de Galileo, Newton, Descartes y Laplace, la ciencia ha sido principalmente reduccionista. Esto implica enfocarse sólo en los aspectos esenciales de los componentes de un sistema y dejando de lado sus interacciones. El reduccionismo trata de simplificar y aislar para poder predecir. Este método ha sido extremadamente exitoso, ya que gracias a él ha habido grandes avances científicos y tecnológicos. En medicina, gracias al reduccionismo se ha duplicado la esperanza de vida promedio en el planeta en el último siglo, principalmente con desarrollos en epidemiología. Una enfermedad infecciosa es causada por un agente, ya sea virus, bacteria, hongo o parásito. Al tener una sola causa, si se ataca o limita la propagación del agente infeccioso, la enfermedad será curada o por lo menos contenida. Además, se han desarrollado métodos exitosos para prevenir las enfermedades infecciosas, que hasta hace poco eran la principal causa de muerte a nivel mundial. Hemos tenido una transición epidemiológica (Omran, 1971), a un escenario actual donde la mayoría de las muertes son causadas por enfermedades crónico-degenerativas. En México, el 75% de las muertes son debido a enfermedades crónico-degenerativas (Stevens et al., 2008), con una tendencia incremental. Si las enfermedades infecciosas son causadas por un agente, ¿cuál es la causa de las enfermedades crónico-degenerativas, tales como cáncer, cardiovasculares, diabetes, neurodegenerativas, hepáticas y renales? ¿Podría ser el aire talajo? Aunque el reduccionismo ha sido sumamente eficiente en epidemiología, para este tipo de enfermedades es limitado. Podemos ver que son enfermedades complejas. Esto es porque tienen causas múltiples, requiriendo de la conjunción de varios factores que interactúan antes y durante su desarrollo. Si tienen varias causas, no podemos pretender encontrar LA cura para el cáncer o LA cura para la diabetes. El estudiar LAS causas y sus interacciones nos está permitiendo desarrollar LAS curas y LAS prevenciones para las enfermedades complejas. Dadas las limitaciones de la medicina reduccionista, heredadas de una ciencia y pensamiento reduccionistas, es necesario un cambio de paradigma para guiar la exploración de soluciones a los grandes retos del siglo XXI, dentro y fuera de la medicina. Medicina compleja Nuevas técnicas y formalismos ya se han estado desarrollando para poder enfrentar la complejidad requerida de las enfermedades crónico-degenerativas (Gershenson, 2014). El poder de cómputo y la disponibilidad de grandes datos ya mencionados nos permiten explorar a las enfermedades complejas a un nivel de detalle nunca antes alcanzado. A pesar de estar ahogándonos en un océano de datos a nivel global, sólo una pequeña proporción está relacionada con la medicina, especialmente en países como México. Los pocos datos que hay no son fácilmente accesibles ni compatibles. El Instituto Mexicano del Seguro Social (IMSS), al parecer, es la entidad pública más avanzada en la digitalización de sus servicios. Aún así, no hay compatibilidad entre sus bases de datos, de manera que la información digitalizada en una clínica no es accesible en un hospital de nivel tres, ya no digamos fuera del IMSS. Un gran avance y una gran necesidad en el país sería la consolidación de un expediente electrónico único nacional. Los retos son más políticos y legales que técnicos, pero los beneficios potenciales ameritan el desarrollo transdiscilplinario del expediente electrónico. Se mejoraría la calidad de atención, se reducirían los errores médicos, se reducirían los tiempos de consulta y aumentaría la capacidad de las clínicas y hospitales, tanto públicos como privados. Ayudaría a una mejor administración de los recursos del sector salud, siendo un paso importante para la integración y coordinación de las distintas instancias (Secretaría de Salud, IMSS, ISSSTE, PEMEX, Defensa, Seguro Popular, DIF, hospitales privados, etc.). Los datos de las historias clínicas de millones de mexicanos serían de valiosa utilidad para el análisis de enfermedades complejas, sus factores de riesgo y factores preventivos, a una escala que todavía no se logra en ningún país. El estudio de datos del expediente electrónico es un paso esencial para poder lograr avances en investigación y mejoras en la terapia de enfermedades complejas. Dada la complejidad requerida para una implementación efectiva de un expediente electrónico único nacional, es claro que ni gobierno ni médicos ni corporaciones ni academia podrán lograrlo solos. Todos debemos de colaborar para llegar a una solución que sea factible y útil, atendiendo a una diversidad de situaciones inimaginables para un grupo disciplinario. La gente se está muriendo de enfermedades cuyas curas están en información disponible. Pero no estamos recolectando información. Peor aún, ni siquiera estamos esforzándonos lo suficiente por empezar a recolectarla. Esto está mucho más allá de las rencillas políticas nacionales, es por el bienestar de la humanidad. Ejemplos Para mostrar que el potencial de resolver grandes retos en salud va más allá de las buenas intenciones, se mencionan tres ejemplos de esfuerzos que ya han y siguen generado conocimiento sobre fenómenos complejos relacionados a las ciencias de la salud. 1. El proyecto del genoma humano. La primera secuenciación del ADN humano se completó en 2003 después de trece años y más de tres mil millones de dólares. La velocidad de secuenciación ha aumentado y su costo se ha reducido a un paso más rápido que la ley de Moore para chips de computadoras, la cual ya es superexponencial. La secuenciación de el ADN de una célula humana ahora toma un par de días, costando unos cinco mil dólares, con la perspectiva de que pronto cueste menos de mil dólares (Wolinsky, 2007). Estos avances han requerido de la colaboración de expertos de diversas áreas, como ya se ha mencionado, ya que no es suficiente con dominar la biología molecular o la electrónica o la informática. Se ha requerido también de la economía, mercadotecnia, sociología, etc. La secuenciación a gran escala de ADN individual está permitiendo hacer estudios innovadores, que van desde genealogía hasta criminología. Un ejemplo reciente: al parecer todas las madres son quimeras. Una quimera es un organismo con células de distintos organismos. Hasta hace poco se creía que esto era raro en humanos, pero al hacer secuenciaciones sobre distintas células de las mismas personas, no sólo se ha encontrado una alta diversidad genética. Se ha encontrado que células fetales migran al cuerpo de la madre, quien las absorbe y asimila en sus propios tejidos. Durante un embarazo, las madres adquieren células de sus bebés (Zimmer, 2013). 2. El cerebro humano. Con grandes números de componentes (10^11 neuronas) y aún más interacciones (10^14 sinapsis), el cerebro es un sistema extremadamente complejo. Gracias a él podemos pensar, imaginar, comunicarnos, percibir, movernos, actuar. Pero todavía sabemos poco sobre su funcionamiento y sobre sus enfermedades. Recientemente han comenzado grandes proyectos para estudiar el cerebro humano en Europa, Estados Unidos y Japón (Reardon, 2014). ¿Por qué no se había hecho antes? Es sólo ahora que tenemos el poder computacional para modelar el cerebro humano a un nivel suficiente de detalle como para poder empezar a entender cómo es que las propiedades cognitivas emergen a partir de las interacciones de las neuronas y distintas regiones cerebrales. Sólo ahora tenemos la capacidad tecnológica para relacionar las funciones cerebrales con su estructura a nivel celular. 3. Transmisión de enfermedades crónico-degenerativas. Una propiedad de estas enfermedades complejas, también llamadas no transmisibles, es que no hay un agente que las propague, como se da con las enfermedades infecciosas (transmisibles). Sin embargo, hay evidencia reciente de que las enfermedades crónico degenerativas se propagan socialmente (Christakis & Fowler, 2007; Gershenson, 2011). No es que el cáncer o la diabetes se propaguen con algún contacto físico. Sus factores de riesgo se propagan con el contacto social. Dado que somos una especie social, donde la imitación es innata (Dunbar & Shultz, 2007; Gallese & Goldman, 1998), las interacciones sociales son relevantes para la propagación de hábitos que pueden promover o prevenir enfermedades. Una oportunidad para intervenir en la transmisión de las enfermedades crónicodegenerativas está en las “vacunas sociales” (Gershenson & Wisdom, 2013), las cuales precisamente tratan de mediar las interacciones sociales para promover las interacciones positivas y restringir las negativas. El mismo concepto de vacunas sociales puede aplicarse a adicciones, que también se propagan por medio de las interacciones sociales. Conclusiones Necesitamos desarrollar una medicina compleja para atender a los grandes retos nacionales y mundiales en salud. Soy optimista porque ya hemos empezado a hacerlo, con resultados positivos y alentadores. Hay indicios de que estos retos tienen soluciones que podemos ir alcanzando en pocas décadas. Stephen Hawking consideró en 1999 que el siglo XXI sería el siglo de la complejidad. El siglo XX fue el siglo de grandes logros de la medicina reduccionista. Estoy convencido de que el siglo XXI será el siglo de grandes logros en la medicina compleja. Pero hay que trabajar, trabajar juntos, trabajar ya. Bibliografía • Christakis, N. A. & Fowler, J. H. (2007). The spread of obesity in a large social network over 32 years. New England Journal of Medicine, 357(4):370–379. PMID: 17652652. • Dunbar, R. I., & Shultz, S. (2007). Evolution in the social brain. Science 317(5843): 1344-1347. • Fernández, N., Maldonado, C., & Gershenson, C. (2014). Information measures of complexity, emergence, self-organization, homeostasis, and autopoiesis. En Prokopenko, M. (Ed.) Guided Self-Organization: Inception, pp. 19–51. Springer, Berlin Heidelberg. • Gallese, V., & Goldman, A. (1998). Mirror neurons and the simulation theory of mind-reading. Trends in cognitive sciences 2(12): 493-501. • Gershenson, C. (2011). Epidemiología y las redes sociales. Cirugía y Cirujanos, 79(3):199–200. • Gershenson, C. (2013). ¿Cómo hablar de complejidad? Llengua, Societat i Comunicació, 11:14–19. • Gershenson, C. (2014). Enfrentando a la complejidad: Predecir vs. adaptar. En Massip, A. and Bastardas, A., (Eds.), Complèxica: cervell, societat i llengua des de la transdisciplinarietat. En prensa. • Gershenson, C. & Wisdom, T. (2013). Previniendo enfermedades crónicodegenerativas con vacunas sociales. Cirugía y Cirujanos, 81(2):83–84. • Mayer-Schönberger, V., & Cukier, K. (2013). Big data: A revolution that will transform how we live, work, and think. Houghton Mifflin Harcourt. • Omran, A. R. (1971). The epidemiologic transition. A theory of the epidemiology of population change. Milbank Mem Fund Q 49:509-538. • Pagels, H. R. (1989). The Dreams of Reason: The Computer and the Rise of the Sciences of Complexity. Bantam Books. • Reardon, S. (2014). Brain-mapping projects to join forces, Nature News 201403-18 doi:10.1038/nature.2014.14871. • Stevens, G., Dias, R. H., Thomas, K. J. A., Rivera, J. A., & Carvalho, N. (2008). Characterizing the epidemiological transition in Mexico: national and subnational burden of diseases, injuries, and risk factors. PLoS Med 5:e125. • Wolinsky, H. (2007). The thousand-dollar genome. EMBO reports 8(10): 900903. • Zimmer, C. (2013). DNA Double Take. New York Times, 2013-09-17, D1.