Ya sea en un encuentro con amigos o familiares o reunión con colegas, en respuesta a la pregunta de ¿qué haces o que estás haciendo? al contarles que estamos trabajando neurocientíficas y psicólogas, con físicas y matemáticas, no es extraño encontrarse con una cara de asombro, sorpresa y/o inquietud y la frase de: ¿qué puedes hacer con una bióloga o en qué te aporta una física a tus estudios? Nos aventuramos en decir que en Chile hace una década atrás no se hablaba del método de investigación multidisciplinaria como se conoce hoy en día. Biólogos con químicos o biotecnólogos o médicos. Físicos con matemáticos o estadísticos. En conjunto, áreas afines, con una base en común. Pero no una relación con distintas áreas de la ciencia. Actualmente, es importante entender que la producción e investigación científica avanza hacia la creación de alianzas, donde cada profesional aporta de manera eficiente y productiva desde su propia área, generando grupos multidisciplinarios, mezclando la biología y la física por ejemplo. Desde la biología ponemos en la mesa conceptos y estudios de cómo funcionan los organismos vivos tanto interna como externamente, mientras que desde la física se tiene el conocimiento de abordar los fenómenos escalando desde lo más simple a lo más complejo en la búsqueda de las variables que dominan los fenómenos.
Con esta mirada desde la física es que nos aproximamos a la ciencia de datos, abarcando desde el aprendizaje de máquinas, big data, estadística, reconocimiento de patrones, visión computacional y tecnologías semánticas web. Todas ellas tienen muchísimas aplicaciones en las ciencias de la salud debido a la gran cantidad de datos digitales que se generan en este campo. Por ejemplo, podemos conocer si una persona tiene asma, si es o no fumadora, cuantos años ha estudiado, su colesterol y el tamaño de su hipocampo, y con todo esto preguntarnos si alguna de estas variables influye en la manera en que esta persona envejece.
Utilizar estos datos tiene el potencial de acercar la investigación con la práctica clínica ya que los datos generados en la práctica clínica habitual pueden ser integrados en sistemas de aprendizaje con la capacidad de mejorar y de personalizar los servicios de salud. En este sentido, el uso de la ciencia de datos en la salud tiene beneficios tanto para los pacientes como para los médicos, mejorando la prevención y el tratamiento de distintas enfermedades. La integración y el uso de la ciencia de datos para entregar soluciones en el sistema de salud aún tienen mucho por avanzar, hacen falta profesionales capaces de manejar los datos, una política de privacidad y ética de los mismos y es aún un campo de investigación en desarrollo.
En esta línea, estamos buscando soluciones en relación a la salud cerebral y biomarcadores tempranos para la demencia, uno de los enfoques científicos de nuestro Instituto Latinoamericano de Salud Cerebral (BrainLat, https://brainlat.uai.cl/) alojado en la Universidad Adolfo Ibáñez (UAI). El año 2050 se triplicará el número de personas que sufren demencias y el mayor factor de riesgo para desarrollarla es la edad. Chile tiene la segunda mayor tasa de envejecimiento de Latinoamérica y según las proyecciones las personas mayores de 80 años alcanzarán el 10,3% de la población el año 2050. La evaluación clínica, las pruebas neuropsicológicas y las neuroimágenes nos brindan un diagnóstico bastante certero de la Enfermedad de Alzheimer. Sin embargo, solo un porcentaje limitado de la población tiene acceso a estas evaluaciones. En este escenario, identificar nuevos biomarcadores no invasivos, por ejemplo en sangre, como método de tamizaje para detectar sujetos en riesgo de desarrollar demencia en etapas previas a la enfermedad resulta indispensable.
Es por eso que en estamos desarrollando un sistema de diagnóstico temprano para personas con la enfermedad de Alzheimer utilizando técnicas de ciencia de datos. Lo que hacemos es medir una gran cantidad de variables a muchos pacientes. Estas variables son medidas por un equipo de neuropsicólogos, neuroimágenes, pruebas de sangre y características de las personas, como su edad o su género y luego transformadas en datos numéricos. Estos pacientes a su vez son evaluados por médicos/as que diagnostican su estado: pueden estar sanos, presentar un deterioro cognitivo leve o tener Alzheimer. Toda esta información, incluido el diagnóstico se utilizan para entrenar al computador, se le enseñan cientos de variables para cientos de pacientes con un diagnóstico conocido. Luego un nuevo paciente es comparado en todas estas variables, con todos los pacientes con los que el computador fue entrenado, y se obtiene un diagnóstico. A la fecha, para las demencias, no contamos con un tratamiento efectivo, pero su detección temprana es fundamental para enlentecer su progresión y acompañar la enfermedad de la mejor manera posible.
Más investigación de esta índole se está generando en todo el mundo, en nuestro país y específicamente en la UAI, donde equipos interdisciplinarios combinan sus experiencias para resolver problemas cada vez más complejos como lo son los problemas en el área de la salud y en particular la salud cerebral. Esperamos que estas nuevas alianzas sean capaces de entregar mejores respuestas a problemas tan importantes como el envejecimiento y salud cerebral.
PhD en Biomedicina, Co-Directora BrainLat UAI
PhD in Non Linear Physics and Liquid Crystals, Postdoc BrainLat
Publicada en revista Qué Pasa