Facebook Twitter Google +1     Admin

La descomposición de fenómenos en modelos matemáticos permite una mejor comprensión de estos.
A descomposición de fenómenos en modelos matemáticos permite unha mellor comprensión destes / Pixabay

O tratamento contra a hepatite C converteuse o ano pasado no cabalo de batalla entre os gobernos (non moi contentos coa idea de gastar millóns no tratamento) e os enfermos, desesperados por recibir o medicamento que lles salvaría a vida. De súpeto, había esperanza. Iso si, acompañada dun negocio millonario.

Por iso, cando o pasado mes de maio na fermosa Santa Fe (EE UU), escoitei de boca de John McHutchison, un dos científicos detrás do fármaco, que unha ecuación diferencial foi clave para chegar a ese descubrimento, confeso que foi emocionante (si, un pódese emocionar cunha ecuación diferencial).

En realidade, non se debe só a unha ecuación diferencial, senón ao traballo de Alan Perelson, un científico do Laboratorio Nacional dos Álamos, en Novo México. Alan é un deses científicos que crean escola (non me resisto en contar que teño número de Perelson 1). Científico pioneiro, mentor e amigo de decenas de científicos que, como el, utilizan as matemáticas para entender as infeccións virales e que viaxaron a Santa F´r con motivo dos seus 70 aniversarios.

Durante dous días e medio, científicos dos cinco continentes, reunímonos para homenaxear a súa persoa e o seu traballo, que tivo unha gran influencia práctica, en especial na chamada guerra contra a sida (Alan Perelson forma parte da exclusiva lista dos 500 matemáticos máis influentes do mundo).

A xenialidade de Alan foi observar estudos clínicos sobre o tratamento de infeccións víricas e cambiar o enfoque. En lugar de analizar o resultado do tratamento (isto funciona e aquilo non), puxo a énfase naquilo que cambia. O cambio está detrás do que os físicos chamamos dinámica. Do mesmo xeito que Newton fai uns cuantos séculos, para entender o mundo hai que entender como se move, como cambia. Máis aló da infinidade de detalles que afectan a un tratamento contra a hepatite ou a sida, o físico aproxímase ao problema ao vello estilo: intervir no sistema e observar os seus cambios.

Xa nos primeiros traballos hai tres décadas, Alan e os seus colaboradores observaron que, cando se trataba a un paciente cun certo fármaco, esa infinitud de virus loitando para dobregar ao sistema inmune na carreira pola supervivencia, mostraba un comportamento dinámico universal. En particular, ao aplicar o tratamento a carga viral (que mide a cantidade de virus en sangue) diminuía, pero non dunha maneira regular e aburrida, senón que mostraba un decaimiento en dúas etapas. O recoñecemento desas dúas etapas levou a científicos como o mencionado John McHutchison, a identificar o efecto do medicamento. Por que dúas etapas? Que fenómenos había detrás delas? Débense á dinámica de infección do virus soamente, ou ao propio sistema inmune do paciente? Estas novas preguntas, deron pé a novos experimentos e, á súa vez, a novos modelos. O ruído deixou paso ao sinal, e a comprender o que funcionaba e o que non, o que o médico esperaba do tratamento e o que emerxía desa miríada de interaccións entre o fármaco, o virus e o paciente.

Esa nova forma de preguntarse foi a parte difícil, logo chegaron máis modelos matemáticos, coas súas ecuacións diferenciais, os seus axustes e os seus refinamientos. Desde o punto de vista teórico, o máis difícil xa estaba feito. Por suposto, este achado non trouxo debaixo do brazo unha cura. Para iso está a Bioloxía Molecular e o Medicamento. Con todo, grazas a esa maneira de pensar, onde o emerxente domina sobre o particular e o universal sobre o anecdótico, a ciencia da complexidade deu lugar a novas e mellores preguntas, a novas formas de experimentar e a novas formas de mirar á Natureza.

A palabra "complexidade" estaba moi de moda hai uns anos, hoxe diríase que era trending topic. Agora fálase máis de machine learning e de Big Data. Ambos os mundos non son incompatibles senón complementarios. Os datos non falan se non se lles interroga, e a sala de interrogatorios é o modelo matemático. Como en caso da hepatite C, as matemáticas afinan a pregunta, calibran a resposta e abren novas rutas que explorar. As matemáticas eliminan o accesorio, cuantifican as tendencias e cualifican as opinións. En definitiva, as matemáticas son beneficiosas para a saúde.

FONTE: Mario Castro/Tribuna/Xornal El país

Comentarios  Ir a formulario

No hay comentarios

Añadir un comentario



No será mostrado.