Complejidad y Medicina: Perspectivas para el Siglo XXI Carlos

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.