1

LOS NUMEROS Y LA MEDICINA

INTRODUCCIN


Aunque el ttulo del presente artculo pudiera parecer a primera vista relativamente novedoso u
original cualidades siempre queridas y buscadas, legtimamente, por cualquier autor tengo
que empezar desautorizando tal posible impresin. En muchas de las ms influyentes y
universales revistas mdicas han aparecido, desde hace muchos aos y recurrentemente,
escritos analizando y describiendo las profundas relaciones entre la ciencia de los nmeros, la
matemtica en general, y la medicina. Este tipo de estudios, por su peculiar ndole, no puede
someterse a la estructuracin casi obligatoria de los trabajos cientficos introduccin,
material y mtodos, resultados, discusin, etc. y en esto s son diferentes a los ms comunes
en la literatura mdica. Con estas consideraciones empiezo ya a justificar ante el lector la
ordenacin de estas reflexiones mas, que ser ms libre de lo ordinario. No se trata de algo
excepcional y es la que est tambin presente en los editoriales, las revisiones, las cartas al
editor y, en fin, en algunas de las distintas clases de contribuciones cientficas.

Alguna otra declaracin inicial: me cuesta trabajo concebir la escritura como una actividad
unidireccional, en la que el escritor comunica fra y rgidamente su pensamiento. A esta
deformacin nos ha llevado quiz la asepsia y la formalidad del lenguaje cientfico. Eso puede
estar justificado cuando se describen los resultados de un experimento o detalles muy
concretos, que se supone que el autor conoce mejor que la mayora. No cuando se discute
sobre algo ms general, cuando se pretende aportar ideas sobre un asunto candente u opinable.
Al contrario, lo que me importa, en estos casos, es que el escrito, la letra impresa, no
presuponga algo demasiado cercano a la autoridad o est teido de infalibilidad, sino que sea
ms bien el vehculo para transmitir unas ideas, que por su misma naturaleza son debatibles y
rebatibles y que no tienen un mejor destino que remover las propias convicciones del lector, ni
siquiera siempre dormidas, sino muchas veces bien presentes y prontas, para que de unas y
otras surja una sntesis ms afortunada, ms aproximada a la verdad. Esta sntesis, por el
propio mecanismo de la publicacin, la puede realizar, de manera inmediata, slo el lector.
Pero tambin, ms tarde, el propio autor, cuando alguien, hasta entonces lector, estructura su
pensamiento y lo expresa. Precisamente para eso estn las cartas al editor.

Esta es mi idea al escribir sobre el tema de ahora, en que no expondr resultados concretos
sobre experimentos realizados, sino meditaciones largamente entretenidas sobre los aspectos
numricos de la medicina. Y ese carcter abierto, no excesivamente conciso en esta ocasin
lo aviso, recogiendo mis reflexiones y lecturas cualquier escritor, con slo pocas
excepciones, lee mucho ms que escribe, inscrito en un marco dialogal, con un lector al que
siempre se tiene presente, es el que tendrn estas pginas, si el editor de la revista en donde
estn destinadas a aparecer me lo permite.


2

USO DE LOS NMEROS.


Tras estos prolegmenos, hablemos ya de los nmeros. Para empezar diciendo que los estamos
utilizando continuamente, cada da, sin posible descanso. Incluso los que dicen odiar las
matemticas se ven obligados a utilizar cifras constantemente. Para llamar por telfono, para
anotar una direccin, para pagar la cuenta en un restaurante (no digamos ya si se paga a
escote y hay que dividir). Para nuestra identificacin en el DNI, para matricular el coche, para
controlar, siquiera sea superficialmente, la factura del telfono o de la luz. Para indicar la altura
de una montaa, la velocidad mxima que alcanza un vehculo, su tiempo de aceleracin, la
gasolina que consume. En fin, vivimos en un mundo numrico y la tendencia actual de la
ciencia y la tecnologa es hacia la digitalizacin, un proceso que precisamente trata de
reemplazar entidades no estrictamente numricas por cifras y nmeros. Quiz no ha habido
nunca un mundo fcil para los que dicen odiar las cifras o ser negados para las matemticas,
pero las perspectivas para el futuro son todava ms ominosas para tales individuos.

Afortunadamente, salvo casos extremos de lo que se ha designado clnicamente como
acalculia, la capacidad para operar con nmeros est ampliamente generalizada. Ha sido ms
bien una actitud, entre displicente y ligeramente esnob, la que ha llevado a algunos a
proclamarse totalmente carentes de las indispensables habilidades para la matemtica. Artistas,
profesionales de las humanidades, no vacilan en declararse analfabetos numricos, mientras
que a nadie, aunque no haya ledo jams nada de Shakespeare, Homero o Cervantes, se le
ocurrira ufanarse de no conocer nada de ellos y estar radicalmente incapacitados para la
comprensin de sus obras. Esto no se ha considerado nunca intelectualmente correcto.

Hasta en el caso de los premios Nobel parece que ha habido un cierto desdn por la
matemtica, porque no existe un premio con este calificativo. Las malas lenguas achacan este
olvido al hecho de que la mujer de Alfred Nobel dejara a su marido por un gran matemtico,
Gsta Magnus Mittag-Leffler, creador del teorema que lleva su nombre. Se trata seguramente
de una mera coincidencia. Pero los matemticos que persigan la gloria no deben desanimarse:
est la medalla Fields, que es equivalente al Nobel. Y el premio Crafoord, y el novsimo
premio Abel, que ha sido otorgado por primera vez en el ao 2002, en el 200 aniversario del
nacimiento de Niels Henrik Abel, el matemtico noruego, pionero de algunas ramas de la
moderna matemtica, que muri con 26 aos. Para los interesados en algn ingreso extra, el
Clay Mathematics Institute ofrece un milln de dlares a quien encuentre la respuesta a uno
cualquiera de siete famosos problemas matemticos, que estn an por resolver.

En los trabajos sobre Medicina, y en la prctica diaria de la profesin, tambin son
absolutamente necesarias las cifras. En el ltimo nmero publicado de Seminario Mdico hay
un artculo sobre la enfermedad renal crnica, de J. Sillero (1), que no llega a tres pginas y en
el que se pueden contar, sin tener en cuenta las cifras que sealan las referencias, treinta
nmeros y tambin una sencilla frmula matemtica, la que da el volumen del filtrado
glomerular. Hay tambin muchos nmeros y porcentajes en el trabajo sobre asma infantil, de
A. Siz y A. Muoz (2). Se trata de dos trabajos de lo que podra considerarse como medicina
general. Cuando se analizan artculos de ciencias de laboratorio, por ejemplo, se pueden
esperar montaas de datos y nmeros. De hecho, mi participacin en un reciente trabajo de
evaluacin de un cierto equipo diagnstico (3) fue la causa, como aduzco en el prlogo, de que
me pusiera a escribir un ltimo libro, lleno de consideraciones matemticas (4). En el curso de
3
esta evaluacin me convenc, una vez ms, de algunos preceptos que juzgo interesantes, que
estn recogidos en el mencionado prlogo y que me gustara expresar aqu, porque indican
tambin que todo tiene un trmino justo y que una acumulacin excesiva de datos puede
oscurecer la correcta interpretacin de los hallazgos experimentales. Tomo del prlogo este
fragmento: empec a pensar en escribirlo [el libro] cuando estaba metido en un trabajo de
evaluacin multicntrico, enfrentados los participantes a montaas de datos y resultados, aun
disponiendo de los ms sofisticados sistemas de tratamiento y transmisin de la informacin.
Todo ello me reafirm en una vieja idea: cualquier minuciosidad es intil, si no va firmemente
encauzada por la razn; al final, nada puede hacerse sin la meditacin sosegada y el anlisis
dilatado, sin el recurso a slidos conocimientos bsicos. La mejor prctica es una sana teora.
Unos pocos datos, certeramente elegidos, son casi siempre los que nos llevan a la verdad.
Estas convicciones me animaron a estructurar algunas ideas y mtodos sobre las que haba
estado trabajando en los ltimos aos.

Eludo cuidadosamente el problema de las capacidades para la matemtica, si son innatas o
adquiridas, etc. Probablemente no puede hablarse de una capacidad matemtica nica, sino que
habra distintos niveles. La percepcin simple de los nmeros y una primera apreciacin de la
diversidad de los conjuntos, al estar integrados por diferentes elementos cada uno, seran
funciones primitivas, relacionadas con el polo inferior del lbulo parietal izquierdo, mientras
que en las operaciones ms complejas, que representan un nivel superior de elaboracin, como
comparaciones o clculos, estaran involucrados ambos hemisferios frontales.

Las relaciones entre nmeros y lenguaje son tambin complejas. En algunos pacientes, la
mayora de las veces como consecuencia de accidentes vasculares cerebrales, se producen
lesiones que pueden llevar a la imposibilidad de realizar las ms sencillas operaciones
matemticas, conservando enteramente las facultades del lenguaje. Esto indica que las
matemticas no son simplemente un tipo formalizado de lenguaje, que los nmeros no son una
mera categora de palabras. Por el contrario, hay pacientes que sufren trastornos
extraordinariamente graves del lenguaje y conservan ntegras sus capacidades para el clculo.

Tambin existe evidencia de que el desarrollo inicial de la capacidad matemtica est
relacionado con ciertas habilidades fsicas. Seguramente todos empezamos a contar,
aprendemos a hacerlo, valindonos de los dedos de las manos. Pues bien, algunos de los
individuos que sufren de dispraxia, que tienen algunas dificultades para controlar sus
movimientos corporales, con pobre destreza digital, parecen ser peores que la media en
Matemticas. Brian Butterworths, un profesor de neurofisiologa cognitiva en Londres, que ha
escrito un reciente libro sobre estos temas (5), cita el caso de una mujer con un trastorno
gentico infrecuente, nacida sin manos ni pies. Parece ser que esta paciente explicaba que,
cuando haca mentalmente algunas operaciones matemticas, tena que imaginarse unas manos
que colocaba sobre una tambin imaginaria mesa, para ayudarse en la tarea. Parecera que la
conexin entre nuestras manos y nuestras habilidades numricas es ms profunda de lo que
habamos pensado. Esto dara an ms fundamento a los que explican el carcter decimal de
nuestro sistema de numeracin por el hecho de que tenemos precisamente diez dedos, entre las
dos manos.

Hace ya mucho tiempo que me interesan los aspectos ms numricos de la medicina y el modo
en que estos aspectos cuantitativos se pueden computar para explicar el avance en el proceso
diagnstico. Una razn ms para dedicar unas pginas a este tema me vino, hace poco, a travs
de un extenso editorial, que resuma las ms importantes aportaciones a la ciencia mdica en
4
los ltimos mil aos. En efecto, con motivo del falso fin de siglo y milenio, en enero del ao
2000, se public un editorial, titulado Looking back on the Millennium in Medicine, en una
prestigiossima revista mdica, el New England Journal of Medicine (6). Con este motivo, los
editorialistas, despus de algunos confesados titubeos que esto de analizar tiempos y
prevenir futuros es tarea fatigosa y que no siempre rinde ptimos frutos decidieron sealar
brevemente los descubrimientos mdicos ms importantes del pasado milenio, limitndose a
aquellos developments that changed the face of clinical medicine. Acotaron arbitrariamente
estos hitos en once reas de estudio o consideracin, que no describir aqu en su totalidad. S
quiero hacer notar que entre ellas figura, desde luego, la Aplicacin de la estadstica a la
medicina quiz hubiera sido ms apropiado utilizar el nombre de matemtica en vez del de
estadstica, junto a otras tan importantes como Elucidacin de la herencia y la gentica,
El descubrimiento de las clulas y sus subestructuras, etc. El captulo sobre estadstica tiene
la misma extensin, aproximadamente, que los otros y en l se mencionan nombres como
Leonardo Fibonacci (c. 1170-1240), Pierre de Fermat (1601-1665), Blaise Pascal (1623-1662),
John Graunt (1620-1674), Karl Friedrich Gauss (1777-1855), Thomas Bayes (1702-1761),
John Snow (1813-1858), Sir Ronald Fisher (1890-1962), Sir Richard Doll (nacido en 1912),
Sir David Cox (nacido en 1924), etc.

Estos datos demuestran la indudable trascendencia para la medicina que las tcnicas
estadsticas y matemticas han tenido en los siglos pasados y me sirven para hostigar una cierta
desgana o displicencia que algunos de los mdicos muestran hacia estas ltimas ciencias,
como si no les concernieran excesivamente. Es obvio que yo creo que son extraordinariamente
tiles en casi todas nuestras especialidades mdicas, pero sostendr que en algunas, como la de
Medicina de Laboratorio (Laboratory Medicine), son absolutamente necesarias, por razones
sobradamente evidentes.

Y no se trata, claro, de algo de la historia pasada, que no hubiera continuado en el presente,
sino de todo lo contrario. En el momento de pensar ya en la redaccin del libro mencionado, en
la lectura normal de algunas revistas de aquellas semanas, no ces de encontrar referencias
matemticas, en todos los campos. En la revista Complexity, se hablaba de insectos de l as
especies Cicadas, pertenecientes al orden Homoptera, que han sido utilizados en la medicina
popular, como smbolos religiosos y monetarios, y como fuente de alimentacin. Tambin
aparecen en la mitologa y la literatura y se deca que por su canto, producido por los
machos, se poda predecir el cambio del tiempo. Las ninfas de estos insectos sufren unas cinco
mudas y tardan, dependiendo de la especie (hay unas 1500), 7, 13 17 aos en emerger de la
tierra como adultas, para vivir sus ltimas semanas de vida. Pues bien, Goles et al. (7) han
encontrado, mediante simulaciones espacio-temporales de los ciclos de los predadores y presas
involucrados, que estos modelos matemticos tienen propiedades que favorecen la generacin
de nmeros primos. En efecto, 7, 13 y 17 son todos nmeros primos.

El inters por las tcnicas de creacin de modelos matemticos para la descripcin de procesos
biolgicos es plenamente actual y creciente. No podra ser de otro modo; los ordenadores han
llegado para algo. El desarrollo progresivo de su capacidad y complejidad es tan rpido, tan
imparable que, lgicamente, ha de influir en nuestra manera de investigar y hacer ciencia. Por
hablar slo de los acontecimientos ms recientes, citar que hasta 1995 no se rompi la barrera
de los Teraflops, con el ordenador GRAPE-4, que fue capaz de alcanzar una velocidad punta
de 1.08 Teraflops. Recurdese que un Teraflop (Tflop) equivale a 10^12 10 elevado a 12
floating-point operations per second. En la actualidad en el momento en que escrib el
prlogo, debera matizar el rcord de velocidad lo tiene el ordenador de uso general ASCI
5
White, que es capaz de operar a 12.3 Tflops. Sin embargo, el nuevo GRAPE-6, recin
aparecido, tiene una velocidad terica de 30 Tflops, aunque es un ordenador especializado y
est diseado fundamentalmente para la simulacin de la formacin de los planetas, la
evolucin de agrupamientos de estrellas y la colisin de las galaxias.

O sea, ordenadores cada vez ms potentes, modelos de simulacin cada vez ms complejos.
Como escribamos antes, estas poderosas mquinas estn cambiando la ndole y la manera de
hacer nuestras investigaciones. George Johnson, en un artculo en el New York Times (8)
sostiene que, no importa qu tipo de ciencia se est haciendo, el ordenador es fundamental en
cualquier trabajo, por lo que, en realidad, all science is computer science.

Me gustara ahora insistir en una idea, a mi juicio, importante. El ordenador no es slo un
medio de trabajo, sino que est cambiando nuestra manera de pensar o de razonar. Alguien ha
escrito que se comprende enteramente algo cuando se es capaz de programarlo. La idea me
parece, con las naturales cautelas, bsicamente correcta, siempre que se trate de fenmenos
programables. Los ordenadores no siempre suponen clculos o conceptos nuevos, pero s
simulan, en ocasiones, comportamientos estocsticos y son capaces de proporcionar a las
construcciones tericas una inmediatez y corporeidad que refuerzan nuestras ideas acerca de
los procesos en los que interviene la probabilidad. Tal vez con cierta exageracin, Marvin
Minsky ha escrito que we are a carbon-based life form that is creating a silicon-based life
form that is going to replace us.

Aprovecho esta ltima cita en ingls, no traducida, para insertar una justificacin. A lo largo
del presente artculo, pequeas frases como sta, o algunas expresiones incluso ms cortas, van
quedando en el idioma original, sin traduccin. Las traducciones no son siempre certeras y en
ellas se pierde exactitud o agudeza o gracia, o todas las cosas juntas. Por otra parte, estoy
seguro de que cualquiera de los lectores de este artculo es perfectamente capaz de entender
estas cortas sentencias. Lo creo muy sinceramente y tambin soy particularmente consciente de
los inconvenientes apuntados de las traducciones. Por eso, insisto, las dejar en el idioma
original, el ingls la mayora de las veces.

Este fascinante mundo de las matemticas, de su aplicacin a la ciencia, tiene tambin,
obviamente, sus limitaciones, como se ha hecho notar repetidamente a lo largo de la historia y
se mencionar ms adelante. Gregory J. Chaitin, prosiguiendo el trabajo de Gdel y Turing, ha
escrito muy profundamente sobre esto (9,10), sobre la inconveniencia de extender el mtodo
matemtico a parcelas de la realidad en las que puede no resultar aplicable. Esto es
perfectamente entendible y ha sido ya sealado por otros. En realidad, cualquier va o enfoque
cientfico, si lo es verdaderamente, lleva incorporados sus propios mecanismos de
autocorreccin y autolimitacin. En la ciencia slidamente establecida, muchas cosas son
previsibles y todo es un equilibrio. Chaitin lo dice, utilizando una expresin ingeniosa, ya
adelantada por otros, para referirse a otros asuntos: So Monday, Wednesday and Friday I have
doubts about mathematics and Tuesday, Thursday and Saturday Im doing mathematics.

Siempre quedan dudas. Todo este mundo de la matemtica, es real, despus de todo? Para
muchos es ms real que el propio mundo fsico. G. H. Hardy, en un libro titulado A
Mathematicians Apology, escribe que la simple verdad matemtica, dos ms dos son cuatro,
es absolutamente verdadera y nada en el mundo real es tan definitivo, tan contundente, tan
inmodificable. Por ello, se deduce que ese mundo de los nmeros es ms real que nuestro
propio mundo.
6

A mi juicio, tambin hay que tener cuidado con estos mundos de resonancias platnicas, en el
que las ideas son perfectas, inmutables y permanentes y, en ese sentido, ms reales que nuestro
mundo cambiante y efmero. Porque, a fin de cuentas, de lo que se trata es de explicar, de
interpretar, de conocer nuestro mundo concreto. Para intentar aprovecharlo y obtener de l todo
lo mejor y ms gratificante (deliberadamente no empleo el verbo dominar porque no me gusta
y me parece agresivo e injustificadamente presuntuoso).

Siempre he pensado que los lectores estn tambin para continuar, para sealar y para corregir.
Yo no quiero lectores excesivamente crdulos y entregados. Y suelo citar a Ortega y Gasset,
que recomendaba: cuando ensees algo, al mismo tiempo ensea a dudar de lo que ests
enseando. Tampoco me asustan los errores, por muchas razones. Porque, lo deca ya Goethe,
el hombre errar siempre que aspire a algo. Y prefiero equivocarme por haber intentado algo,
que permanecer en la comodidad de la inaccin. Y, sobre todo, por una confianza casi
ilimitada en el poder ltimo de la inteligencia y en la capacidad de los seres humanos. Estoy
firmemente persuadido de que, si en una obra hay errores, al final, alguien los descubrir y los
eliminar y quedar, intacta y resplandeciente, la verdad, la verdad que el autor quiz atisb,
pero a la que no pudo llegar del todo. Slo el error sucumbe frente a la indagacin y la crtica.
La verdad es invulnerable.



LA MATEMATICA EN EL CONJUNTO DE LAS CIENCIAS.


Como ya insinuaba antes, el papel que deba jugar la matemtica en su relacin con las otras
ciencias y en la explicacin global del Universo ha sido objeto de debate casi permanente a lo
largo de la historia cultural de la humanidad. Para empezar, y no se trata de una precisin
banal, con el trmino Matemtica no se ha entendido siempre lo mismo. Hay una corriente
metafsica y mstica, que incorpora precogniciones arrastradas desde Pitgoras y Platn, que ve
en la matemtica una especie de plan o propsito que rige el Universo entero y representara el
marco o proyecto inalterable y eterno, que regulara desde el movimiento de los astros hasta la
vida de todas las criaturas. Segn esta concepcin, que es todava la de Coprnico, los cuerpos
celestes, como afirmaba la tradicin griega, seran necesariamente esfricos, sus rbitas
obligatoriamente circulares, etc. De hecho, quiz una de las razones que explica el
descubrimiento relativamente tardo de la circulacin de la sangre, al que aludiremos despus,
deriva de la nocin aristotlica de que slo la materia celeste poda moverse con trayectoria
circular, poseyendo, en cambio, todos los movimientos terrestres, y los de las criaturas, un
comienzo y un fin.

Es a esta idea sobre la matemtica, a la que se refiere Descartes, en 1628, cuando escribe, en
relacin con la famosa frase supuestamente escrita en la entrada de la Academia platnica
(No entre aqu quien no sepa Geometra): Cuando recapacitaba cmo era que los primeros
filsofos de pocas pretritas se negaban a admitir al estudio de la sabidura a quin no
supiese matemticas..., vi confirmadas mis sospechas de que tenan conocimiento de un tipo de
matemticas muy distinto del que es usual en nuestro tiempo.

En realidad, en el tiempo de Descartes todava coexisten aproximaciones muy distintas
respecto a la matemtica. Persiste todava esa compulsin por transformarla en una filosofa
7
capaz de explicar y ordenar todo. Para ciertos autores del siglo XVII, las propiedades no
mensurables de la materia llegan a considerarse irreales, haciendo una distincin tajante entre
las cualidades primarias de las cosas (masa, movimiento, etc.), que son mensurables, y las
secundarias (sabor, olor, etc.), que no lo son. Las primeras se consideraban reales, objetivas,
mientras que las segundas eran juzgadas como subjetivas, sin realidad, en cuanto tales, en el
mundo exterior.

Sin caer en esta valoracin excesiva, lo cierto es que en la interpretacin de la naturaleza y su
mecnica, la matemtica ha gozado, y sigue gozando, de una autoridad indiscutible. Y, sin
embargo, conviene reconocer tambin algunas limitaciones. El valor de esta ciencia en el
esfuerzo por escudriar el Cosmos y desentraar sus secretos ha tenido quiz demasiados
valedores. Bacon escribi que la investigacin de la naturaleza procede mejor cuando la
fsica se ve limitada por las matemticas. Leonardo fue algo ms all al sostener que no hay
certeza en la ciencia si no se puede aplicar una de las ramas de la matemtica. Girolamo
Cardano (1501-1576), que daba clases en la escuela de Miln y era contemporneo de
Tartaglia, al que nos referiremos despus, pensaba incluso que el estudio de la matemtica
confera al hombre que lo practicaba poderes ocultos sobre la Naturaleza. Un poco de toda
esta confianza excesiva en el poder de los nmeros y sus relaciones persiste todava en la
creencia supersticiosa en la astrologa, la numerologa, la gematria (tan tpica de culturas en las
que los caracteres escritos representan, a la vez, letras y nmeros), etc.

Volviendo a mi discurso, en estas consideraciones sobre el papel de la matemtica en su
interaccin con las restantes ciencias, me gustara a m, que soy partidario ilusionado de su
empleo definir tambin algunos lmites. Si bien creo que quiz en su ltima perfeccin toda
ciencia ser matemtica, es forzoso reconocer que, mientras tanto, existen parcelas enteras de
la realidad en las que las matemticas apenas pueden ser utilizadas. Querra repetir ahora las
palabras de Goethe, transmitidas casi religiosamente por Eckermann en ese libro sencillo y
devoto que es Conversaciones con Goethe en los ltimos aos de su vida, en las que el genial
alemn afirma: Respeto la Matemtica como la ms excelente y til de las ciencias, pero no
puedo aplaudir su mal uso en materias que se salen de su mbito, porque entonces esta noble
ciencia se torna invlida.

Tampoco hay que olvidar que, aunque la tcnica matemtica constituye una tentacin
permanente para todos los hombres de ciencia, inclinados siempre a utilizarla, muchas leyes
han sido encontradas experimentalmente, sin soporte matemtico, y , en definitiva, una ley
puede ser muy cientfica sin tener una formulacin cuantitativa (las leyes de Pavlov, por poner
un ejemplo). El propio Descartes, que consider a la matemtica como un importante
instrumento metodolgico, sinti no excesiva simpata por los matemticos puros : Nada
hay ms ftil que ocuparse de meros nmeros y de figuras imaginarias.

Tambin aqu hay que ser extraordinariamente cauto a la hora de analizar ciertos hechos. Hace
slo unos pocos aos, por citar un ejemplo, un britnico, Andrew Wiles, parece haber probado
por fin el legendario teorema de Pierre de Fermat, escrito en los mrgenes de un libro, como
haba hecho otras veces, y del que el propio Fermat dijo haber encontrado la demostracin,
aunque no la dej consignada en ninguno de sus escritos. Fermat afirm que la ecuacin que
expresa el teorema de Pitgoras no puede cumplirse cuando el exponente es un nmero entero
superior a dos. En ms de 350 aos se han ofrecido miles de aparentes soluciones que luego no
se han revelado satisfactorias. Pues bien, la actual demostracin, que pudiera parecer
irrelevante para el profano, no es nada trivial, porque con ella emerge, de confirmarse, una
8
tcnica matemtica visiblemente poderosa que permitira probar muchas otras cosas. La hazaa
de Wiles representa el fruto de un estudio continuado sobre las curvas elpticas, iniciado ya por
el japons Yutaka Taniyama, y supone una labor tan compleja que se estima que slo el 0.1%
de los matemticos actuales puede entenderla. Imagnese la situacin para los no especialistas
en dicha ciencia. Resulta claro que no puede afirmarse que la solucin de un problema como el
de Fermat represente un ejercicio ftil sobre nmeros y figuras imaginarias.

Para resumir estas reflexiones generales, querra sealar lo que, a juicio de prcticamente
todos los investigadores, constituye el rasgo definitorio de la actividad cientfica. Lo har
tomando unas palabras de Bertrand Russell, que suscribo plenamente: La ciencia no es, en
esencia, sino la persecucin sistemtica del conocimiento. En ese adjetivo, sistemtica, est la
clave, la raz ltima de la actitud cientfica.

En mi opinin, en muchas de nuestras actividades somos ms cientficos de lo que nosotros
mismos suponemos. La ciencia no se hace nicamente en los laboratorios, en los grandes
institutos, en el marco de los programas largamente discutidos y detallados. Cualquier mdico,
dir ms, cualquier trabajador que en su rutina diaria trate de ordenar sus percepciones y
meditar sobre sus intentos y sus errores (aprendemos de nuestros errores, dice Karl Popper),
y lo haga con una cierta intencin jerarquizante, est mostrando un talante cientfico.
Cualquiera que pretenda introducir algo de orden y estructura en el abigarrado caos de
impresiones y estmulos procedentes del mundo exterior, est contribuyendo a la ciencia.
Cualquiera que intente (basta slo con que lo intente) explicar un fenmeno, ampliar unas
tcnicas, predecir racionalmente el resultado de una accin concreta, sin tener que ejecutarla en
la realidad, est haciendo, aunque sea de manera modesta, ciencia.

De acuerdo con esta concepcin, me gustara ahora mencionar un par de ejemplos tomados de
la historia. Simon Stevin (1548-1620) fue un estudioso de la mecnica, nacido en Brujas que,
en un experimento bastante rotundo, atribuido siempre a Galileo, refut la opinin aristotlica
de que los cuerpos pesados caan ms aprisa que los ligeros. Tom dos bolas de plomo, una de
ellas diez veces ms pesada que la otra, y las tir desde una altura de 30 pies sobre una plancha
metlica, para que sonara con claridad, y pudo demostrar la simultaneidad de los dos ruidos
producidos. Pero quiz su aportacin cientfica ms valiosa resida en su comprensin intuitiva
de las leyes de adicin para fuerzas que actan juntas, en distintas direcciones. Expandi as el
mbito de aplicacin de los clculos dinmicos, insolubles hasta entonces, ya que los
matemticos antiguos nunca haban conseguido abordar la combinacin de fuerzas que no
fueran lineales o paralelas. Stevin defendi igualmente la cooperacin cientfica y el trabajo en
equipo porque as el error o negligencia de uno se compensa con la precisin del otro.

Las indagaciones de Tartaglia y Galileo representan un paradigma de cmo la construccin
racional, por ser ms universalmente aplicable y capaz de predecir los hechos de manera ms
generalizada, constituye el ideal aceptado de investigacin cientfica. Niccolo Tartaglia
(1500-1557), cuyo verdadero apellido era Fontana, aunque es conocido ms bien por el apodo
Tartaglia (tartaja), haba observado en la prctica, estudiando las trayectorias de objetos
lanzados con distintas inclinaciones, que el alcance de stos era mximo cuando la inclinacin
era de 45 grados y teorizaba que un proyectil, al comienzo, parte con un movimiento
violento y termina su camino cayendo con un movimiento natural. Pero cuando Galileo es
capaz, siguiendo en parte las ideas de Stevin, de entender que la velocidad de un proyectil, en
cada momento, puede ser dividida en dos componentes, uno constante, en la direccin del
can, y otro vertical, que crece con el tiempo y es debido a la gravedad, se da un paso
9
adelante, cuya trascendencia es difcil sobrevalorar. Porque el descubrimiento de esta ley
faculta la prediccin del resultado en distintas condiciones y permite el tratamiento numrico,
cuantitativo del problema. Es esta extraordinaria ventaja la que proporciona todo su atractivo y
autoridad al empleo de los mtodos matemticos en la investigacin. Porque, para decirlo con
palabras del propio Galileo, el conocimiento de un solo hecho adquirido mediante el
descubrimiento de sus causas prepara la mente para entender y conocer otros hechos, sin
necesidad de recurrir a experimentos.



LA MATEMATICA Y LA MEDICINA.


La percepcin de las relaciones entre la Matemtica y la Medicina ha variado con las diferentes
pocas. En ciertos momentos esta relacin ha sido considerada muy estrecha, pretendindose
analizar muchos de los hechos de la fisiologa o patologa mediante procesos sujetos a, y
explicables por, las leyes de la Mecnica general. Es sobre todo en el siglo XVII y hasta
entrado el XVIII cuando esta escuela de pensamiento alcanza su mxima intensidad, con el
triunfo, no incontestado desde luego, de la concepcin llamada iatromecnica o
iatromatemtica. Esta orientacin no es, en definitiva , sino la consecuencia de la revolucin
cientfica y del xito que tuvo la aplicacin de la matemtica a la ciencias fsicas, sobre todo a
partir de la obra de Newton. Ya Galileo Galilei (1564-1642) haba escrito bastante antes en Il
Saggiatore, en 1623, en su proposicin VI , que el Universo esta escrito en lenguaje
matemtico; sus letras son tringulos, crculos y otras figuras geomtricas , sin las cuales es
humanamente imposible comprender una sola palabra. Muchsimo antes, Filolao (fl. ca. 475
a.C.), quiz el ms capaz de los discpulos de Pitagoras lo haba expresado, todava de manera
ms general: Todas las cosas que pueden conocerse tienen un nmero porque no es posible
que algo sin nmero pueda ser conocido , ni concebido.


El intento de usar las ciencias matemticas como instrumento para explicar el funcionamiento
del organismo y su desarreglo (la enfermedad) es obra principalmente de italianos e ingleses,
aunque tambin mdicos tan eminentes como Boerhaave, holands, fueron partidarios de este
tipo de aproximacin cientfica a la realidad biolgica. El estudio de esta poca no constituye
el objeto de este trabajo y por ello me referir a la misma slo de manera tangencial y sin
ningn propsito de exhaustividad. Aparte de los ya citados, Galileo y Newton, y otros sabios
(Tommaso Campanella, Benedetto Castelli, Bonaventura Cavalieri, Vincenzo Renieri,
Evangelista Torricelli, etc.), que representan la raz ltima de la llamada revolucin cientfica,
entre los autores ms directamente implicados en la vertiente mdica de este movimiento hay
que sealar a Giovanni Alfonso Borelli (1608-1679), nacido en Npoles e hijo de un espaol y
una napolitana, Laura Borelli. Borelli fue profesor de matemticas en Messina y Pisa,
fundando en esta ltima ciudad un laboratorio anatmico en su propia casa, en el que ense a
discpulos tan notables como Marcello Malpighi, Lorenzo Bellini y Carlo Fracassati. Tambin
colabor muy activamente en la creacin y mantenimiento de la famosa Accademia del
Cimento. Despus, en Roma, tras muchas vicisitudes, logr finalmente ayuda de la Reina
Cristina de Suecia, que se haba convertido espectacularmente al catolicismo, para la
publicacin de su ms importante obra desde el punto de vista mdico, De motu animalium, en
dos volmenes, el primero sobre los movimientos externos del organismo y el segundo sobre
los internos: circulacin, respiracin, secrecin de fluidos, etc.
10

Otro fue Lorenzo Bellini (1643-1704), de cuya obra diremos algo ms adelante, al que ya
hemos citado como alumno de Borelli, y que fue nombrado profesor de Medicina terica en
Pisa, a la temprana edad de 20 aos. Amigo de Francesco Redi y de Marcello Malphigi, en
1683 escribi De urinis et pulsibus et missione sanguinis, que supuso el intento ms serio de
un italiano de aplicar la nueva filosofa mecnica al desarrollo de las teoras mdicas. Bellini
lleg a alcanzar altsima reputacin en Italia e internacionalmente. En Inglaterra, a principios
del XVIII, algunos mdicos como George Cheyne y Richard Mead, que trataban de construir
una teora newtoniana de la fisiologa animal, fueron sinceros admiradores de la obra de
Bellini.

Otro mdico que tuvo en gran estima la obra del italiano fue el escocs Archibald Pitcairn
(1652-1713), ntimo amigo de David Gregory, quien mantena una fructfera correspondencia
cientfica con el propio Isaac Newton. Pitcairn aseguraba que la teora hidrulica de la
enfermedad y de la salud , que informa toda la obra del italiano, era la transcripcin verdadera
y matemtica de la fisiologa animal y todas las dems eran falsas, hipotticas y filosficas.

El tambin escocs James Keill (1673-1719), hermano del conocido fsico y matemtico John
Keill, uno de los ms importantes discpulos de Newton, public sucesivas ediciones de su
Anatomy of the Humane Body, empezada en 1698, en las que examina muchos de los
problemas mdicos, especialmente el de las secreciones, utilizando medidas y frmulas
matemticas y postulando una fuerza atractiva entre las partculas de la materia, un concepto
derivado de la teora de la atraccin, defendida por Newton. Otros autores del momento,
tambin fuertemente influenciados por estas tendencias mecnica y matemtica, fueron
Girolamo Cardano, Stephan Hales, John Friend, William Cockburn, Tommaso Cornelio, etc.

Resumiendo hasta casi lo intolerable, se podra decir que la conjuncin de dos factores: 1) el
xito de las aplicaciones matemticas a la astronoma y a las ciencias fsicas en general, y 2) el
descubrimiento definitivo de la circulacin de la sangre, debido a William Harvey
(1578-1657), hace que se busque la explicacin de todas las enfermedades en la alteracin o
modificacin de la circulacin sangunea.

En efecto, Harvey, tras estudios detallados y experimentos claros y bien diseados, mostr
claramente la circulacin de la sangre en el organismo y public su Exercitatio anatomica de
motu cordis et sanguinis in animalibus, en 1628, un libro de apenas 70 pginas, llamado a
ejercer la ms extraordinaria influencia. La idea del movimiento de la sangre quiz acompa a
Harvey desde sus tiempos de Padua, en donde consigui su diploma de medicina en 1602 y,
ciertamente, mientras era profesor de anatoma en el College of Physicians, es decir, desde
1615. En Padua, mientras Harvey estudiaba con el gran anatomista Fabricius, Galileo enseaba
en la ciudad y todos los estudiantes de todas las facultades iban a or sus lecciones. Quiz las
nuevas ideas del italiano y sus explicaciones sobre las leyes que gobiernan el movimiento de
los astros y la cada de los graves, as como sus experimentos sobre cintica, influyeron en el
joven ingls y le sugirieron la nocin de un Universo cambiante y en movimiento, dentro del
propio organismo, regulado tambin por leyes deducibles mediante la razn.

La primera mencin que hace Harvey de la circulacin general aparece en unas notas
manuscritas para una conferencia, en 1616. La circulacin menor s haba sido descrita, antes
que nadie en Europa, por nuestro Miguel Serveto, en un manuscrito existente en la biblioteca
nacional de Paris, de 1546, y despus, ya impresa, en la Christianismi Restitutio, un texto
11
olvidado durante un siglo y medio (o al que los autores no se atrevan a citar, recordando el
infausto destino de su autor, quemado vivo en 1553), que no fue exhumado hasta 1694 por W.
Watton, en su libro Reflections upon ancient and modern learning. Por cierto que, con toda
justicia, hay que reconocer que es muy anterior la descripcin de dicha circulacin menor por
el mdico de Damasco Al al-Din Ibn al-Hazam al-Qarashie, conocido como Ibn an-Nafis, que
es de 1245 y permaneci ignorada por Occidente nada menos que hasta 1924, cuando M.
Tatawi pronunci su disertacin inaugural, en la Universidad de Friburgo de Brisgovia, sobre
Der Lungenkreislauf nach Al-karaschie, impresa en un opsculo de 15 pginas.

Pues bien, los mismos conceptos mecnicos que se aplican a los movimientos externos de los
animales son empleados para estudiar los movimientos internos. Se piensa, por ejemplo, en la
sangre, simplemente como un fluido fsico con sencillos atributos mecnicos y matematizables,
tales como densidad, viscosidad y momentum. La salud consiste en la bien ordenada
circulacin, mientras que la enfermedad supone alguna clase de ineficiencia o falta de
equilibrio circulatorio. Se trata, como Pitcairn seala explcitamente, de construir una teora
mdica, matemtica y newtoniana. Y l mismo, desde su ctedra de Leiden (Holanda), cuando
trata de ensalzar y defender los trabajos del italiano Bellini, los cita como ejemplo de la
aplicacin de los mtodos de los gemetras a los problemas mdicos. La Universidad de
Leiden haba sido fundada en 1575 por Guillermo I el Silencioso, Prncipe de Orange, como
premio al herosmo de los habitantes de la ciudad durante el sitio al que fueron sometidos por
las tropas espaolas un ao antes. En aquella ocasin, los holandeses rompieron los diques,
inundaron los campos y slo as pudieron llevar alimentos con barcas a los sitiados.

Tal contundencia en el intento de aplicar los conceptos mecnicos hace presumir fcilmente
los fallos inevitables de la teora, que la llev a una relativa esterilidad y a su superacin a lo
largo del siglo XVIII. Sin embargo, tambin es justo destacar algunos logros indiscutibles. En
el ensayo de Bellini Exercitatio anatomica de usu renum, de 1662, por ejemplo, se muestra un
estudio detallado sobre la estructura y funcin de los riones. Desde Galeno se supona a estos
rganos como compuestos de un material parenquimatoso, denso e indiferenciado, capaz de
formar la orina por una facultad especial. Bajo la influencia de la nueva filosofa mecnica a
la que nos estamos refiriendo, Bellini reexamina la anatoma renal y descubre, en el
parnquima supuestamente no organizado, una complicada estructura de fibras, espacios
abiertos y tbulos densamente empaquetados, que se abren a la pelvis renal. Esto le lleva a
postular que el rin forma la orina por un mecanismo de filtrado, logrado por la especial
configuracin de los vasos renales.

En cualquier caso, y como decamos antes, la exposicin de estos aspectos histricos no
constituye el objetivo de nuestro trabajo. En realidad, lo que querramos afirmar, como
introduccin a la parte ms personal y original del mismo, es que desde siempre y
fundamentalmente desde que la Matemtica, a partir del siglo XVII, tambin adquiere una
potencialidad y desarrollo nuevos, muchos mdicos han tratado de explicar, describir y
analizar ciertos fenmenos biolgicos en trminos matemticos. Y de lo que nos gustara
hablar con un cierto detenimiento es de la adecuacin, de las posibilidades del mtodo
matemtico para la descripcin o el tratamiento de este tipo de fenmenos. Este es un tema
muy complejo y difcil, y que exigira unas capacidades que notoriamente me exceden, por lo
que me limitar a tratar slo los aspectos ms sencillos e indiscutibles del problema.

La utilizacin de la matemtica en el estudio de los temas mdicos o biolgicos es, en
principio, tan justificable como la de la Fsica o Qumica, etc. Lo que ocurre es que
12
seguramente, en mi opinin, la cercana de estas ltimas ciencias a la Medicina es mayor y ms
evidente. De hecho, en el caso de la Qumica, la proximidad es tal, que existe, con toda razn,
una especialidad, la bioqumica, en la que aparecen integrados los aspectos qumicos y
biolgicos de todos los seres vivos. Tambin puede hablarse de una Biofsica, mientras que no
aparece tan claro qu podramos entender bajo el nombre de Biomatemtica, por ejemplo. Sin
embargo, conviene sealar desde ahora que estas ciencias ms prximas a la medicina s
tienen, a su vez, relaciones muy estrechas con la matemtica, por lo que, en definitiva, y como
parece razonable, las diferentes ciencias constituyen un continuum en el que todas estn
relacionadas y, por lo tanto, s que resulta perfectamente pensable un empleo de la matemtica
en la investigacin y esclarecimiento de los variados problemas mdicos.

Dicho esto, convendra aadir inmediatamente que este empleo tiene sus mbitos propios y no
puede ser generalizado o llevado a ciertos extremos. Me gustara referirme ahora, aunque sea
tambin de pasada, a un conocido mdico espaol del siglo pasado, conocido sobre todo por
una frase suya que, indudablemente, hizo fortuna y al que se desconoce en muchos otros
aspectos. El mdico es Jos de Letamendi y la conocida frase es aqulla de que el mdico que
slo sabe medicina, ni medicina sabe.

Insisto otra vez en que todo esto no es sino una introduccin, por lo que no me puedo detener
en el anlisis de la figura o la obra de Letamendi. La primera vez que me interes por l fue
como consecuencia de la crtica, nada amable, que Po Baroja hace del mismo en su novela El
rbol de la ciencia y tambin en sus memorias, en el tomo de Familia, infancia y juventud.

Reconozco que es una pena pasar tan rpidamente cerca de esta personalidad compleja, de un
carcter acusado y sobre el que podran decirse muchas cosas. Me limitar, sin embargo, a
sealar que en su intento de expresar, aunque sea slo de manera puramente descriptiva, los
fenmenos de la vida y la enfermedad mediante frmulas matemticas, revela tanta
superficialidad como ingenuidad. Letamendi habla de una biodinmica y de una nosodinmica,
como l mismo las llama, y describe una ecuacin general de la vida, que irrita con razn a
Baroja. Segn Letamendi, llamando I a la energa individual, C al conjunto de energas
csmicas y V al acto resultante (Vida), podemos plantear la ecuacin general biodinmica en
esta forma:

V = f(I,C)

O sea, vida igual a funcin indeterminada de la energa individual y las energas csmicas.

En trminos parecidos tambin propone la ecuacin de la enfermedad, en donde:

V' = I(C n).

Segn nuestro autor, la enfermedad es el producto de I por C+n, o por C-n, dndonos en
ambos casos, tanto en el de exceso como en el de defecto de C, una falta de adecuacin. El
valor +n o -n de esta falta de adecuacin es proporcional al quantum de muerte o de proceso
fsico general en que se invierte energa individual durante la enfermedad, y por esto
llamaremos a este concepto ndice del tanto de muerte de la enfermedad (sic).

A veces, unos pocos pasajes escogidos de una obra dan una idea bastante aproximada del
pensamiento de un autor o, al menos, de una parcela del mismo. Por lo que concierne al papel
13
que Letamendi atribuye a la matemtica en la doctrina mdica, creo que los prrafos transcritos
dibujan bastante exactamente la concepcin letamendiana al respecto. Concepcin que, dicho
sea de paso, me parece inocente, desproporcionada y poco cientfica.

Las diversas teoras mencionadas, y por ello las he trado aqu ahora, seran un ejemplo de lo
que parece una tendencia, recurrente a lo largo de la historia, a forzar ms all de los lmites
razonables una interpretacin matemtica de los fenmenos de la vida, que ya vimos, aunque
fuera muy brevemente, al hablar de los iatromatemticos. Si tiene su mxima virulencia en el
siglo XVII , no deja de estar presente en otros momentos de la historia y de informar los
escritos y la prctica mdica de otros autores.

La actitud opuesta tambin existe y es igualmente condenable: hay algo de inabordable para
los mtodos matemticos en los fenmenos biolgicos y el sentido comn rechaza, de manera
espontnea, el uso de frmulas matemticas para su explicacin. En pleno auge del
mecanicismo, Pierre Bayle constat que las lecciones de Pitcairn, entonces lector en Leiden,
como ya hemos citado, eran impopulares a causa de su carcter abstruso y matemtico.
Pero tambin resulta evidente que el rechazo frontal, incondicional y agresivo, por parte de
muchos mdicos, de cualquier frmula o ecuacin, por simples que stas sean, tambin es
excesivo y revela muchas veces una falta de formacin bsica y una despreocupacin por el
conocimiento ntimo de muchas realidades clnicas y de los mecanismos o procesos que
conducen al diagnstico mdico.

En nuestra opinin, el tratamiento matemtico de ciertas realidades relacionadas con la
biologa, es obligatorio en muchas ocasiones. Y simplificador, y esclarecedor. Lejos de aadir
complejidad a un problema, lo torna ms sencillo e inteligible.

Querra mencionar ahora, para ejemplificar esto que acabo de escribir, a un personaje
interesantsimo, nuestro compatriota Domingo de Soto. Soto (1494-1560) es, con toda justicia
y as se le reconoce universalmente, un claro predecesor de Galileo en el estudio de la cada de
los graves. Nacido en Segovia, estudi despus en la recientemente fundada Universidad de
Alcal y ms tarde en la Universidad de Pars. Para dar una idea de la presencia espaola en
esta ltima Universidad, en ese momento, sealar que entre los maestros que tuvo Soto en ella
figuraban Juan de Celaya, que enseaba en el Colegio de Santa Brbara, Luis y Antonio
Coronel, que lo hacan en el Colegio de Montaigu, Francisco de Vitoria, que era lector en el
priorato dominico de Saint-Jacques, etc. A su vuelta de Pars y tras ingresar en los dominicos,
cambiando su nombre de Francisco a Domingo, Soto obtuvo la ctedra de Teologa en
Salamanca, conservando este puesto durante 16 aos.

En sus Comentarios sobre la Fsica de Aristteles, de 1545, Soto, en el libro VII, fue el primero
en aplicar la expresin uniformiter deformis (es decir, de manera uniformemente irregular)
al movimiento de cada de los cuerpos, indicando que stos aceleran su velocidad
uniformemente mientras caen, anticipando as la ley que ms tarde descubriera Galileo. Soto, a
la vuelta de Trento, en 1550, complet y reimprimi ste y otros textos, en 1551, en
Salamanca. En total, se hicieron nueve ediciones de los mismos y la penltima apareci en
Venecia, en 1582, aos antes de que Galileo empezara sus experimentos en Pisa y de que
marchara a Padua. Por cierto que Galileo cita a Soto en sus Juvenilia. Pues bien, la idea de
Domingo de Soto, claramente expuesta desde luego, adquiere sin embargo su mxima
potencialidad, sencillez, precisin y verdad cuando es capaz de ser expresada
matemticamente, mediante las frmulas elementales de la Mecnica (i.e., v = a*t,
14
tambin, e = 1/2*a*t
2
). Y fue Galileo quien avanz la teora de que la velocidad de un cuerpo
en su cada es proporcional al tiempo transcurrido, mientras que la distancia recorrida lo era al
cuadrado de dicho tiempo y la prob experimentalmente, rebatiendo a la vez la idea aristotlica
de que los cuerpos pesados caan ms rpidamente que los ligeros. Tambin Galileo desarroll
la ecuacin que explica la trayectoria de un proyectil, empleando las leyes de adicin de
vectores que haban sido propuestas por el matemtico holands Simn Stevin. Es decir,
Galileo, en este caso, representa el salto, la dimensin nueva que adquiere la Mecnica, y el
resto de las ciencias, mediante la experimentacin y la utilizacin de las formulaciones
matemticas. Esto es slo un ejemplo y no es, en manera alguna, una crtica de Soto, que
escribe en el lenguaje propio de su poca; recurdese que el primero en utilizar letras como
smbolos de incgnitas y constantes fue el francs Francisco Vieta (1540-1603), en 1591, en su
libro Isagoge in artem analiticam. Soto fue en todos los aspectos un modelo de sabidura y
erudicin y en la Espaa del siglo XVI se deca: Qui scit Sotum, scit totum, el que conoce a
Soto, conoce todo.

No querra dejar de decir algo ms sobre el ya mencionado Juan de Celaya (1490-1558),
valenciano, que tambin escribi, bastante antes, unos comentarios a la Fsica de Aristteles
(Pars, 1517) y haba sido muy influido por un portugus, Alvaro Thomaz y por las tcnicas
calculatorias que ste empleaba en el tratamiento de los problemas fsicos. Fue Celaya, para
algunos, el primero que expres claramente el Primer Principio de la Mecnica (el principio de
inercia). Por cierto que Menndez y Pelayo escribi que Celaya era un escolstico
degenerado, recalcitrante y brbaro.

Como conclusin de todo lo anterior, parece evidente que hay ciertas reas de conocimiento,
dentro del campo concreto de la medicina clnica, en las que resulta imprescindible la
utilizacin del lenguaje matemtico. Cuando es posible, y no siempre lo es desde luego, nada
expresa mejor, con ms nitidez y precisin el pensamiento o la realidad que este lenguaje
universal, conciso, supremamente elegante y sin equvocos. Y son muchas las reas en que es
dable hacerlo. Incluso tratndose de funciones tan a primera vista incuantificables como las
psicolgicas. La ley de Weber-Fechner, que en justicia debera llamarse de Fechner o, en todo
caso, de Fechner-Weber, establece que la magnitud del estmulo debe crecer geomtricamente
si la magnitud de la sensacin ha de crecer aritmticamente. Aunque hoy da estas relaciones
son discutidas, la aportacin de Fechner, en su libro Elemente der Psychophysik, en 1860,
representa un paso adelante en la aplicacin de criterios cuantitativos a la descripcin y estudio
de ciertos aspectos psicolgicos.

En nuestro siglo, a partir de la dcada de los 50 con la aplicacin, por Mandelbrot y otros, de la
teora de los fractales a la modulacin de los fenmenos naturales, est emergiendo un nuevo
campo dentro de la matemtica, la llamada teora del caos, que tratara de explicar cmo
funciona el mundo real, utilizando ecuaciones no lineales y poderosos ordenadores. Segn esta
teora, las ecuaciones lineales describen fcilmente algunos de los fenmenos fsicos, como los
movimientos orbitales de los planetas y naves espaciales, ciertas leyes como la del pndulo,
etc., pero no sirven para el estudio de procesos en los que existen las denominadas
turbulencias, es decir, desplazamientos no regulares, resultado de mltiples e indefinibles
vectores que tornan impredecible la realidad. Sin embargo, para los investigadores de este
campo, incluso aqu existen regularidades, ocultas dentro de la complejidad del sistema, cuyo
descubrimiento permitira una cierta capacidad de prediccin. La teora tambin afirma, por el
contrario, que hasta sistemas simples pueden producir comportamientos complejos y hacerse
impredecibles a la larga.
15

Hay muchas reas de la medicina, en las que el resultado de una prueba diagnstica viene
expresado por un valor, por un nmero, y entonces es absolutamente recomendable el
tratamiento matemtico de ese tipo de datos. Pienso que aqu, muchas veces no se saca todo el
partido, el aprovechamiento posible de los recursos del clculo, precisamente por ese pavor,
ese miedo a los conceptos y desarrollos matemticos que caracteriza a una buena parte de los
profesionales, entre ellos los mdicos. Sobre todo esto, sobre la necesidad de ir preparndose
para una realidad en la que los clculos sern cada vez ms complicados e indispensables,
versarn estas lneas que siguen.



LOS NMEROS Y LA MEDICINA, HOY.


Ya hemos escrito antes sobre el rechazo que algunas personas cultas, sobre todo provenientes
del mundo de las llamadas humanidades, experimentan frente a las matemticas. Las
matemticas (unas veces utilizar el singular y otras el plural; se usa ms el plural, especifica el
diccionario de la lengua espaola de la RAE) siguen siendo, para muchos de los graduados en
nuestras Universidades, una materia prcticamente olvidada de la que slo perdura el
desagradable recuerdo de su forzado aprendizaje, los exmenes, etc. y sobre cuya complejidad
o utilidad se suele bromear, aadiendo la sincera confesin de no estar dotados para la misma.
Todo esto constituye un lugar comn, arrastrado por mucho tiempo, y que parece gozar de la
complicidad y comprensin de la sociedad. Pero no se trata slo de los profesionales de las
carreras de letras. Algunos mdicos parecen tener problemas especiales para tratar con los
nmeros y sus operaciones y estn llenos de prevenciones respecto a su creciente utilizacin en
la prctica normal de la medicina.

Deberamos rebelarnos amablemente frente a esta situacin. La matemtica representa el
arquetipo de las ciencias exactas, no entraa insuperables dificultades para su aprendizaje y,
por la creciente utilizacin de la misma en todos los mbitos de la vida diaria, supone un
conjunto de conocimientos al que no se puede permanecer ajeno. En el campo de la medicina,
con la progresiva digitalizacin de los procedimientos e informatizacin de los procesos, como
hacamos notar ms arriba, las necesidades de manejar y comprender los elementos bsicos del
clculo han aumentado. Sobre todo, en algunas especialidades. En la de Medicina de
Laboratorio, como ya escribimos antes, con una gran parte de los resultados en forma
numrica, el manejo de los datos y su tratamiento estadstico representa una tarea necesaria a la
que hay que hacer frente. Aqu empieza a no ser disculpable esa actitud, teida de inocencia,
de no querer saber nada de las Matemticas.

Muchas de las ideas de este artculo son fruto de la percepcin del autor y estn basadas en
algunos aos ya de experiencia. Pero la existencia del problema la necesidad de contar con
la matemtica en el ejercicio de la actividad mdica y, desde luego, en la vertiente de
investigacin parece ser universalmente reconocida. En la pgina web del Math Forum (11),
en un artculo titulado Microarrays, Mathematics, and Medicine, a la pregunta retrica: How
much math will people doing medical research need to know in the coming decades?, el autor
no tiene vacilaciones al contestar, con ese carcter ligeramente informal que caracteriza a
muchos de los escritos en la red, a lot more than they need to know now.

16
El trabajo versa sobre los microarrays, un medio diagnstico relativamente reciente, que est
llamado a revolucionar el diagnstico y tratamiento de los tumores, entre otras variadas
aplicaciones. Un ensayo de este tipo es capaz de cuantificar las diversas protenas elaboradas
por una muestra de tejido, o de tumor, en un determinado momento, a travs del estudio del
RNA mensajero, responsable de la fabricacin de las mismas. Un solo chip puede identificar
hasta unas 15 000 protenas, produciendo as una cantidad enorme de datos y proporcionando
una huella dactilar del tumor, que sirve para su catalogacin y tambin para poder predecir
su respuesta a los diferentes tratamientos posibles. Esta firma del tumor consta de 15 000
nmeros y para estudiar si estos conjuntos de datos se agrupan en determinados clusters, en
ciertos racimos, determinando entidades nosolgicas coherentes e independientes, se hace
precisa la utilizacin de la estadstica y la matemtica.

Por todo ello, hacen falta computaciones rapidsimas, algoritmos apropiados y, en definitiva,
profesionales que tengan conocimientos slidos de biologa molecular y matemticas. Esta
rea de conocimiento, que crece muy deprisa, ha recibido muchos nombres, entre los ms
frecuentes los de biologa computacional o bioinformtica, y los expertos en la misma no van
a tener ningn problema para colocarse en el inmediato futuro.

Es curioso, por otra parte, observar como se multiplican los libros de divulgacin matemtica,
de carnavales o festivales matemticos, en los que se recogen curiosidades, problemas de
larga tradicin, aspectos histricos de la ciencia, trucos de clculo, etc., que parecen tener una
buena acogida. En ingls se ha creado el trmino mathemagician, tan parecido al de
mathematician, para designar estos autores que se especializan en los aspectos ms ldicos
de esta ciencia. No se comprende, en fin, esa animosidad residual de algunas gentes frente a la
matemtica, que, a mi juicio, proviene todava del tiempo en que su aprendizaje se haca con
metodologas atrasadas e incorrectas. Porque, en efecto, la habilidad matemtica, la facultad de
entender y manejar los nmeros es algo consustancial al ser humano, aunque, naturalmente,
requiri un grado de desarrollo intelectual que no estuvo presente desde el principio.



TAMBIN NMEROS AL HACER EL DIAGNSTICO


Hemos hecho un amplio recorrido sobre la relacin entre matemtica y medicina a lo largo de
la historia. Queda claro que en los datos de naturaleza cuantitativa que se manejan en la
prctica mdica, que son muchos, la utilizacin de ciertos algoritmos representa en muchos
casos una conveniencia y ocasionalmente una necesidad insoslayable, tanto en la rutina como
en muchos trabajos de investigacin o de epidemiologa clnica. Con ello quedan expuestas
muchas de las premisas que servirn para encaminarnos al punto final de estas disquisiciones
sobre los nmeros y la medicina. Ahora querra empezar con algo que supone, a mi juicio, el
grado mximo de intrincacin entre ambas ciencias. En efecto, siendo el acto central de la
actuacin mdica el diagnstico (cualquier actividad correcta sobre el enfermo ha de basarse,
ante todo, en el descubrimiento de la naturaleza de su mal), si en este proceso heurstico se
pueden discernir aspectos matemticos quiero decir, susceptibles de un tratamiento
matemtico, se llegar a la conclusin de que, efectivamente, la relacin entre estas dos
ciencias a las que nos hemos referido tantas veces es todo lo estrecha que se pueda imaginar.

17
Para todo esto, permtaseme una breve aproximacin al proceso diagnstico, desde el punto de
vista lgico. Para ver despus si, en alguna fase del mismo, alguna teora, algn modelo de
ndole matemtica, contribuye a su comprensin. Particularmente, teniendo en cuenta que se
trata de un proceso gradual en el que las evidencias se van acumulando de manera progresiva,
desde los datos de la primera entrevista hasta los resultados de las diferentes investigaciones
complementarias. Me refiero, hago esta precisin quiz innecesaria, al diagnstico final,
etiolgico, sobre todo en el mbito de la llamada tradicionalmente medicina interna.




ESQUEMA EPISTEMOLGICO


La relacin del mdico con su paciente es variada y compleja, pudindose distinguir en la
misma muchos planos diferentes. Desde el primer momento, el mdico debe descubrir y
analizar sntomas y signos presentes en el enfermo para lo que utiliza y desarrolla, adems de
procesos intelectuales, determinadas habilidades tcnicas y diversos mecanismos de comunica-
cin. En muchos casos, aunque no en todos, tras una serie de etapas ms o menos prolongadas,
que describiremos muy brevemente despus, se puede llegar a un diagnstico, que representa
siempre el final del procesamiento lgico de toda la informacin acumulada. Las medidas
teraputicas, en principio, no son sino la consecuencia de este diagnstico, en el que encuen-
tran su justificacin, sin perjuicio de reconocer, como haca R. Koch hace ya ms de ochenta
aos, que en una etapa inicial de la humanidad, con toda seguridad, se realizaron tratamientos
inmediatos y empricos, sin una reflexin diagnstica previa (12). En la actualidad todava, a
veces, se adoptan terapias meramente sintomticas, cuando no puede llegarse a un recono-
cimiento exacto y causal de los procesos morbosos. En cualquier caso, resulta evidente que,
para el clnico, la tarea diagnstica representa la operacin intelectual de mayor envergadura y
trascendencia a la que debe hacer frente. Como es natural, este proceso racional ha sido
estudiado formalmente por diversos autores, en sus aspectos relacionados con la psicologa
cognitiva (13-18), a los que apenas aludiremos aqu. Me gustara, eso s, hacer algunas
consideraciones muy simplificadas sobre los mismos, que conciernen a realidades fcilmente
reconocibles por cualquier mdico, si trata de analizar su propio comportamiento.

Normalmente, el enfermo se presenta ante el mdico refiriendo un conjunto de sntomas y
hechos que constituyen, en definitiva, una informacin. Esta informacin, en la mayora de los
casos, no permite por s sola llegar a una conclusin diagnstica, pero s es capaz de sugerir y
evocar preguntas y actuaciones por parte del mdico, conducentes a obtener ms informacin y
lograr la clasificacin del cuadro clnico. En una etapa inicial, pues, se producen indagaciones
suscitadas por los sntomas y la historia del enfermo (las que en la literatura inglesa se
denominan symptoms- o patient-driven questions; es decir, preguntas generadas por el
paciente o los sntomas). Esta informacin es reconocida y analizada y lleva progresivamente a
la configuracin, la conformacin del problema. Como consecuencia de lo adquirido hasta ese
momento, el clnico, para quien la realidad del enfermo constituye un enigma que habr de
resolver, es capaz de concretar y delimitar los aspectos ms relevantes de esta realidad y llega
as a lo que yo llamara la definicin del problema. A este proceso se le ha llamado, en ingls,
problem synthesis. Definir el problema no es, claro est, solucionarlo. Pero s supone una fase
necesaria para el sucesivo tratamiento intelectual que llevar a su solucin.

18
Es difcil pautar exactamente estos procesos mentales que vertebran el camino hacia el
diagnstico, pero, en esencia, en cuanto se llega a la definicin, a la concrecin del problema, y
aun antes quiz (en definitiva, en una fase muy precoz del encuentro mdico-enfermo) ocurre
un cambio trascendental, aunque insensible, que consiste en que en la mente de aqul em-
piezan a surgir ya hiptesis respecto a la naturaleza ltima de la enfermedad que aqueja al
paciente. Estas hiptesis son seleccionadas de forma que, al final, su nmero, aunque variable,
no suele ser superior a cuatro o cinco, que parece ser el mximo de disyuntivas que es capaz de
procesar simultneamente la memoria a corto plazo. Tambin vara el grado de precisin y
definicin de las mismas. En efecto, estas hiptesis pueden ser diagnsticos convencionales
(enfermedad de Addison), sndromes (por ejemplo, de Cushing), entidades fisiopatolgicas
(hipertensin), grupos etiolgicos (infeccin bacteriana), etc. y, a veces, una mezcla de los
conceptos anteriores. Estas hiptesis, simplificando una vez ms, representan etiquetas que, en
la mente del clnico, designan paquetes estructurados de informacin conocimientos y datos,
relaciones, etc., que son concebidos de manera individual y no son rigurosamente
superponibles o idnticos para mdicos diferentes. Tampoco son, para cada uno de ellos,
entidades estticas, sino que evolucionan y cambian, de acuerdo con su experiencia clnica y
sus lecturas y estudios.

En cualquier caso, desde el momento en que, de manera ms o menos explcita, el mdico
considera dichas hiptesis, las preguntas y exploraciones a las que somete al enfermo son
dirigidas o generadas por aqullas (hypothesis-driven questions). La adquisicin de nueva
informacin cambia, a su vez, la configuracin del problema y va creando un conjunto de datos
y caractersticas que concuerda ms o menos con alguna de las hiptesis elaboradas. Tambin
puede ocurrir que ninguna de stas se asemeje o convenga al cuadro que presenta el enfermo y
entonces el clnico habr de recurrir a la propuesta de hiptesis nuevas.

Hasta ahora, aunque no lo he declarado explcitamente, me he referido a preguntas y
exploraciones que el mdico hace directamente al enfermo y de las que obtiene una respuesta
inmediata. Esta va de adquisicin de informacin constituye lo que se ha definido como un
circuito corto (short loop). Ocurre, sin embargo, y empezamos ya a meternos en el campo que
especficamente nos interesa, que una vez que la definicin del problema ha alcanzado una
cierta concrecin y las hiptesis avanzadas se convierten en verificables, en la mayora de las
ocasiones hacen falta, para llegar al diagnstico final, otras exploraciones (de laboratorio,
radiolgicas, etc.), que presentan algunas caractersticas comunes, que creo que es importante
resear:

1. En general, se plantean cuando ya, como decamos antes, las hiptesis consideradas
presentan una cierta concrecin y existe un diagnstico formal de presuncin.
2. No son realizadas directamente por el mdico que trata al enfermo.
3. Tardan un cierto tiempo en aportar su informacin.
4. Representan un coste claramente superior al de las indagaciones que integran el circuito
corto, tanto en trminos econmicos como, a menudo, en cuanto a riesgo para el paciente.

Todas estas exploraciones, llamadas a veces complementarias, forman parte de un circuito
largo (long loop) de obtencin de informacin. Las pruebas de laboratorio son un ejemplo de
las varias operaciones tendentes a la adquisicin de informacin que el mdico despliega a lo
largo de sus pesquisas. Pertenecen a lo que llambamos el circuito largo y entre sus
peculiaridades, ya enumeradas, me gustara destacar ahora la de que, en general, cuando se
solicitan tales pruebas se tiene ya una sospecha razonable sobre cul pueda ser el diagnstico
19
definitivo del enfermo. Resulta afortunado que sea as ya que, cuando se baraja slo una o un
nmero muy reducido de hiptesis, el elenco de estas pruebas, caras y capaces de entraar un
cierto riesgo o molestia, al que resulta pertinente acudir es tambin reducido. La peticin
indiscriminada, demasiado inicial y acrtica, de este tipo de intervenciones diagnsticas es un
derroche econmico y una manifestacin clara de un planteamiento intelectual incorrecto de la
estrategia frente al problema del enfermo.

Habr observado el lector, por el sucinto esquema que propongo del acto diagnstico
(delineado slo superficialmente, por razones obvias), que ste consiste siempre en un proceso
racional y reglado, aunque sea ms o menos consciente y con la prctica pueda convertirse en
casi enteramente automtico. En esencia, el camino por el que se llega a catalogar y conocer la
naturaleza de la enfermedad que sufre el paciente, me parece determinado por mecanismos
lgicos fundamentalmente. Lo que a veces se intenta calificar como intuicin, ojo clnico,
etc. y que, para algunos, juega un papel muy importante en la actividad del mdico, representa,
en la mayora de los casos, o un acmulo de experiencias y hechos aparentemente olvidados,
pero que siguen influenciando nuestra conducta consciente, o mecanismos claramente
racionales, aunque realizados de forma inmediata y automtica. En mi opinin, por lo tanto, las
actividades mentales que se ponen en juego, para llegar al diagnstico, son caractersticamente
reflexivas, voluntarias, racionales e incluyen un elemento de control interno que informa
constantemente sobre la correccin del discurso lgico. Este tipo de funcionamiento mental
altamente elaborado es el que los psiclogos definen como metacognitivo y es en realidad,
frente a la pretendida intuicin, el modo usual de enjuiciar los problemas del enfermo.

Dicho esto, conviene apuntar que el tratamiento lgico de un problema aporta muchas veces la
solucin, pero no necesariamente la certeza. En lgica se distinguen dos tipos de pruebas:

1. Las completas, en las que la inferencia es concluyente, sin posibilidad de error.
2. Las incompletas, en las que aqulla es slo probable y tiene una determinada verosimilitud.

No podemos detenemos en esto, pero estamos seguros de que el lector concibe claramente la
diferencia. Pues bien, por la naturaleza de la informacin que obtiene el mdico en la
exploracin del enfermo, que casi siempre es incompleta y no definitiva, las conclusiones que
es capaz de extraer son tambin controvertibles y tienen slo una cierta probabilidad. Por
supuesto que estas circunstancias no son privativas de la Medicina, sino que se dan en otras
profesiones y son ejemplos de lo que se han llamado problemas deficientemente estructurados
(ill-structured problems), en los que, precisamente por ello, las nicas inferencias posibles son
de naturaleza probable. Al hablar de deficientemente estructurados hago una constatacin de
carcter lgico y no me refiero a la habilidad del investigador. Es la realidad concreta la que
est estructurada de tal manera que no permite una solucin inequvoca.

Recapitulando lo expuesto hasta aqu, y adoptando el esquema presentado para describir el
proceso diagnstico, podra decirse que tras un primer contacto con el enfermo, el mdico
comienza inmediatamente sus indagaciones. Al principio son suscitadas por lo que cuenta el
propio enfermo y por sus sntomas; sta es una fase importante, desde luego. Recordemos lo
que William Osler escribi: Deja que el paciente te diga el diagnstico. Vienen despus las
ideas sugeridas por las hiptesis que el mdico elabora y selecciona. Al final, desde luego, ste
suele ser capaz de establecer, de manera tentativa, una o unas pocas presunciones diagnsticas;
y siempre en trminos no de certidumbre, sino de probabilidad. En esta situacin, con el pro-
blema ya suficientemente definido, est en condiciones de solicitar pruebas complementarias
20
(circuito largo) que aportarn, ms a largo plazo, informacin utilizable para la confirmacin, o
desestimacin, de los diagnsticos considerados como probables.



PROBABILIDAD PREVIA


El mdico, tras las primeras preguntas y constataciones, hecha la exploracin del enfermo,
piensa frecuentemente en una enfermedad concreta como posible causa de los trastornos que
aquejan al paciente. Obviamente, considera tambin la posibilidad de que ste no sufra
enfermedad alguna y se encuentre sano, siendo esta ltima situacin i ncluso el punto de partida
cuando se trata de personas sometidas a reconocimientos generales peridicos, consultas de
medicina preventiva, etc. Al pensar en una determinada enfermedad A, normalmente no
adelanta una probabilidad concreta de que, en efecto, el paciente tenga la enfermedad A, ni la
hace constar en ninguna parte de la documentacin clnica y, an ms, si alguien le pidiera que
estableciera explcitamente tal probabilidad, en principio confesara su incapacidad para
hacerlo. Ya hemos visto que, por una serie de razones, el ser humano quizs no est
excepcionalmente dotado para la asignacin subjetiva de probabilidades y son muchos los
errores que comete cuando se empea en esta labor. Conviene hacer notar, sin embargo, que:
a) si se nos exige, somos capaces, en general, de aventurar una probabilidad para un acontecer
determinado; b) de manera espontnea, sin que nadie nos lo pida, en la vida corriente a veces
expresamos nuestras convicciones de manera ms o menos probabilstica: estoy
completamente seguro, apostara diez contra uno, esto lo he visto en el 95% de los casos, etc.

Tambin el mdico, antes de solicitar pruebas para confirmar su diagnstico, seguramente
accedera, si fuera preguntado, a expresar numricamente la probabilidad que asigna al hecho
de que la enfermedad A sea efectivamente la causa de los trastornos del paciente. Esta
probabilidad que denotaremos p(D) es llamada previa, porque es la que se maneja antes
de conocer los resultados de los exmenes complementarios y slo por esta razn puede recibir
tal calificativo, ya que, en realidad, el mdico ha llegado a ella tras una larga manipulacin de
datos del paciente. Esta p(D) expresa su creencia, en virtud de toda su experiencia anterior, de
que en una cohorte imaginaria de pacientes, todos idnticos al que es objeto de su atencin, un
porcentaje igual a 100*p(D) % de los mismos padezca la enfermedad, mientras que el
porcentaje restante est sano.

Naturalmente que el mdico asigna implcitamente distintas probabilidades a los sujetos, segn
la combinacin e intensidad de sus sntomas. En los casos en los que la sintomatologa sugiera
casi con toda seguridad la enfermedad el valor de p(D) ser muy cercano a 1, mientras que, por
el contrario, cuando el mdico apuesta por el estado de salud, p(D) ser vecina a 0. Si el
mdico, como ocurre en ocasiones, est seguro de que el paciente sufre la enfermedad,
entonces el valor de p(D) ser precisamente 1.

Slo un mdico, con una experiencia y unos conocimientos determinados, puede asignar una
p(D) a los distintos sujetos que atiende. Si stos son sometidos directamente por ejemplo en
el caso de un examen en salud de una poblacin, a un test diagnstico, sin ser explorados, la
nica asignacin de probabilidad de padecer la enfermedad A que puede hacrseles, la misma
para todos ellos, deriva de la prevalencia de la enfermedad A en dicha poblacin. Se pierde con
la adscripcin indiscriminada de la prevalencia como nica probabilidad previa a todos los
21
individuos, una masa de informacin considerable, justamente aquella que se genera mediante
el cuidadoso estudio de cada uno de los miembros de la poblacin. Con esta salvedad, desde el
punto de vista operativo, la situacin es idntica en ambos casos. Si en una poblacin
cualquiera la prevalencia de A es del 30% o, expresada en trminos de probabilidad, 0.3,
quiere ello decir que de 100 individuos de la misma, 30 padecern la enfermedad A. En el caso
concreto de un individuo examinado por su mdico, una probabilidad previa de 0.3 significa
que, a juicio de ste, en una cohorte de 100 sujetos idnticos, clonados, 30 tendran la
enfermedad A y 70 no.

La probabilidad previa, tanto en el caso de un paciente concreto, como en el de una poblacin
en general, puede ser lo suficientemente alta como para no justificar la realizacin de pruebas
complementarias. Esto es as, especialmente, si algunos efectos indeseables pueden derivarse
de stas o, simplemente, si el coste de las mismas es importante. De todos estos factores se
ocupa la teora de toma de decisiones que no abordaremos aqu. Para nuestro anlisis ulterior
suponemos que se hace necesaria la realizacin de una prueba complementaria, ya que la
probabilidad previa no autoriza, por su valor intermedio, indefinido, el establecimiento de una
decisin diagnstica definitiva.

Muchos tipos de pruebas complementarias pueden ser ejecutadas hoy en da en el laboratorio.
La ltima razn que determina la utilidad de un test un ECG, una mamografa, una
ecografa, una determinacin de tiroxina, etc. es su capacidad para ayudar al mdico a
discriminar entre enfermos y sanos. El test logra este objetivo al contribuir efectivamente a
identificar a las personas que sufren la enfermedad, a las que no estn afectas y, en definitiva,
por una combinacin de ambas cosas, como veremos enseguida.



CARACTERSTICAS DIAGNSTICAS BSICAS (Sensibilidad y especificidad de un test).


Slo ahora empezaremos realmente a tratar con nmeros, a operar con ellos. Y se podr ver
cmo, una vez entendido el modus operandi y vencidas las resistencias a manejar las
matemticas, stas suponen un esclarecimiento en el estudio del proceso diagnstico y arrojan
una luz nueva sobre el mismo. Ya escribamos que el mdico, antes de pedir pruebas
complementarias que le ayuden a conocer el mal que aqueja al enfermo, por los datos de la
anamnesis y los que va recogiendo en la exploracin fsica, detenida y reglada, empieza ya a
barajar unos posibles diagnsticos, entre los que duda todava, que podran explicar el cuadro
que presenta el paciente. Se est en la etapa del diagnstico diferencial, equivalente al de
seleccin de hiptesis en el mtodo cientfico. Llega entonces el momento de pedir las
exploraciones complementarias para proseguir el camino diagnstico. Se piden para confirmar
e incluso para descartar ciertas hiptesis diagnsticas. En este estadio est justificada la
utilizacin de las mismas, porque se trata de un nmero reducido de alternativas. No sera lcito
antes ni razonable, y ni siquiera posible, cuando, por estar al principio de la indagacin,
no se dispone an de ese conjunto reducido de posibilidades.

Ahora bien, estas pruebas diagnsticas no son perfectas y tienen errores. Pero ocurre algo de
trascendental importancia: el alejamiento del comportamiento ideal, para cada una de estas
pruebas, se puede cuantificar. Esto supone un refinamiento, una informacin
extraordinariamente til y se logra mediante la definicin de algunas ratios, dos de las cuales
22
ocupan una posicin central en el desarrollo de la teora que pretendemos explicar. Me refiero
a las ratios a los conceptos tambin de Sensibilidad y Especificidad diagnsticas.

En nuestro caso, para simplificar, nos referiremos a una prueba diagnstica (test en la literatura
inglesa, trmino que tambin emplearemos ocasionalmente ya que est ampliamente extendido
entre nosotros) cualitativa, que slo tiene dos resultados posibles: positivo y negativo. El test X
debera identificar las personas que sufren la enfermedad A, en las que en principio el
resultado del mismo habra de ser positivo. As ocurre, en general, en un porcentaje de las mis-
mas, pero no en todas. Nuestra experiencia nos dice que casi ningn test es positivo en todos
los casos de enfermedad, y resulta lgico que sea as. En primer lugar, la alteracin que es
detectada por el test puede no haber alcanzado la intensidad necesaria en algunos de los
pacientes. En segundo lugar, quiz algunos casos de la enfermedad no se acompaan de la
particular alteracin que evidencia el test. No olvidemos que ste, en la mayora de los casos,
intenta medir algo relacionado con la enfermedad, pero que no tiene por qu ser aquello en
cuya alteracin consiste, precisamente, la enfermedad. Por todo lo anterior, un test ser
positivo slo en un porcentaje determinado de enfermos. Se define como sensibilidad
diagnstica al cociente entre los casos de enfermedad en que fue positivo y el nmero total de
enfermos en los que fue probado (tabla 1).

Enfermos con test positivo
Sensibilidad (S) =
Enfermos estudiados con el test

No hay una manera terica de medir la sensibilidad de un test; no existe una frmula o funcin
que permita determinarla. El nico procedimiento es el experimental, sometiendo a un grupo
de pacientes, perfectamente diagnosticados, al test de que se trate y viendo cuntos resultados
positivos se obtienen. Por supuesto que la fraccin de positivos (siempre inferior a uno) tendr
entonces un determinado error muestral, cuya cuanta puede ser calculada estadsticamente.
Olvidando por el momento estos aspectos estadsticos, se puede definir la cantidad 1-S (lo que
le falta a S para valer la unidad) como insensibilidad diagnstica y representarla por I. Aunque
se utiliza mucho menos en la literatura sobre el tema, puede ser empleada y nosotros lo
haremos en alguna ocasin.

Por razones tambin comprensibles, no en todos los individuos sanos el resultado de la prueba
es negativo, sino que en algunos puede ser positivo. Y esto ocurre porque el test no es
especfico, definindose esta No Especificidad (NE) como el cociente entre el nmero de
personas sanas que dan resultado positivo y el nmero de sanos en los que se ha realizado la
prueba. NE puede ser tratado estadsticamente como S y su complemento hasta la unidad (o
sea, 1-NE) es precisamente la especificidad (E), que representa el cociente entre el nmero de
sujetos sanos con resultado negativo y el de individuos sanos sometidos al test. Los trminos
definidos hasta aqu aparecen resumidos en la tabla 1.


Como consecuencia de que, segn acabamos de escribir, la positividad en la prueba no se
asocia inequvocamente a la enfermedad, ni la negatividad al estado de salud, al realizar un test
en una determinada muestra de individuos, en la que existen sanos y enfermos, se originarn
las cuatro situaciones que se muestran en la tabla 2, si se conoce realmente el estado de salud o
enfermedad de los integrantes y el resultado de las pruebas en los mismos.

23
Quedan establecidas as, en la muestra estudiada, cuatro categoras, cuyos miembros son
designados por el resultado del test, anteponindose el calificativo de verdadero o falso, segn
haya, o no, coincidencia entre el diagnstico sugerido por el test y la realidad conocida de cada
uno de los individuos. Un test perfecto tendra S = 1, E= 1, I = 0 y NE = 0, y estos trminos
tantas veces descritos pueden tambin ser conceptuados como aparecen en la tabla 3.

En cualquier caso, es de la mayor importancia considerar que el mdico ordinariamente, para
confirmar sus hiptesis, deduce diversas consecuencias de las mismas, que, de confirmarse,
abogaran por la veracidad de tales hiptesis. Si sospecha que un enfermo es diabtico,
investigar su glucemia en ayunas, por ejemplo. Estudia, por lo tanto, la presencia de efectos
de presuntas causas y, como de ordinario la evidencia que obtiene es incompleta, y las
inferencias slo probables, lo que le interesa es el grado de probabilidad de que sea cierta la
causa, comprobado un cierto efecto. Pues bien, para este razonar hacia atrs, (como ha sido
descrito este tipo de indagacin) se han desarrollado esquemas o algoritmos matemticos, de
escasa complejidad, que permiten cuantificar ese nuevo grado de probabilidad y, en
definitiva, calcular la probabilidad hacia atrs, la de la causa dado el efecto.

Conviene hacer notar que con la expresin hacia atrs, hacemos referencia slo al hecho de
que las causas son anteriores, preceden a los efectos. Sin embargo, en el desarrollo heurstico
que lleva al diagnstico, esa nueva probabilidad que se calcula para la causa, conocida la
presencia o ausencia del efecto, representa un estadio posterior en el proceso lgico y asigna
una nueva probabilidad a la existencia de la causa, que reemplaza a la que suponamos antes de
conocer si el efecto estaba presente (la que llambamos probabilidad previa). En otras
palabras, el discurso lgico, la adquisicin y el procesamiento de las nuevas evidencias, es
siempre hacia delante.

Para simplificar otra vez, imaginaremos que el mdico slo baraja la posibilidad de un
diagnstico, frente a la posibilidad, claro, de que el paciente est sano. Tiene que quedar
patente que esta simplificacin es slo para explicar ms fcilmente la formulacin matemtica
del mecanismo diagnstico. La lgica del mismo es exactamente la misma si en vez de
sospechar de una enfermedad, sospecha de unas pocas posibles. El tratamiento matemtico
sera absolutamente coherente con lo que explicamos aqu, pero ms complejo y es justamente
esa complejidad adicional la que quiero ahorrar al lector. Conviene resaltar tambin que, en la
realidad, muchas veces el mdico orienta muy decididamente sus pesquisas hacia una
enfermedad concreta.

Resumamos un poco lo razonado hasta aqu El mdico, una vez que ha explorado directamente
el enfermo, tiene una cierta idea diagnstica respecto al caso, aunque no est seguro. Es decir,
no est seguro de que su primera impresin, respecto a la naturaleza del mal concreto que
aqueja al enfermo, sea la correcta. Por eso sigue indagando y explorando con la ayuda de las
tcnicas oportunas. Todos los que han meditado sobre esto coinciden en que el mdico se
mueve casi siempre en el terreno de la incertidumbre y que sta va reducindose a medida que
va contando con nuevos elementos diagnsticos valorables. El ya mencionado Osler escribi
que la medicina es una ciencia de la incertidumbre y un arte de la probabilidad. Y Sir George
Pickering, hizo constar que el diagnstico es un asunto de probabilidad y todos cuantos entre
nosotros siguen al paciente hasta la sala de autopsias lo saben demasiado bien.

Ahora bien, decir, y aceptar, que el mdico tiene incertidumbre respecto a sus sucesivas
conclusiones es, a efectos prcticos, admitir que las probabilidades estn presentes en este
24
contexto. Y aqu ya vienen la diferencias entre los que estiman que el proceso presenta
posibilidades de tratamiento matemtico y los que no. Para los que piensan que s, el mdico
sera capaz, tras un examen inicial de la situacin, de estimar una probabilidad, aproximada,
respecto a la condicin del enfermo. En ciertos estudios epidemiolgicos, esta probabilidad
existe claramente y viene dada por la prevalencia de la condicin en la poblacin de que se
trate, por lo que, en este caso, est perfectamente definida. Hago notar ahora que las
construcciones matemticas que seguirn son impecables y no pueden presentar ninguna duda.
En lo nico en que se puede no estar de acuerdo es en la posibilidad prctica de las mismas,
por cuanto implican asumir la capacidad del mdico para asignar las probabilidades previas;
posibilidad que algunos niegan porque estiman que se trata de una apreciacin subjetiva y, por
lo tanto, variable e inexacta.

Segn este modelo, el mdico manejara ya, mentalmente, aun sin concretarla numricamente,
una determinada probabilidad de que la persona a la que est examinando tenga una cierta
enfermedad, cuando decide pedir algunas exploraciones complementarias, que normalmente no
son hechas por l mismo (por eso tiene que pedirlas): una radiografa, una ecografa o una
prueba de laboratorio, etc. Una vez recibido el resultado de dicha prueba, la probabilidad de
que la enfermedad est verdaderamente presente ha cambiado, como consecuencia de la
evidencia aportada por la prueba propuesta. Si el resultado es positivo en el sentido de que
es el que se da, o el que ms probablemente se da, en los enfermos, el mdico se reafirmar
en su idea de que la persona tiene la enfermedad en cuestin. En el caso contrario, su opinin
respecto a esto ser menos firme, menos segura que antes.

Me gustara insistir ahora, una vez ms, en el carcter enteramente racional, nada esotrico, de
estas operaciones mentales, que permite incluso su tratamiento matemtico. Lo que ocurre,
como en las famosas deducciones del mdico de Edimburgo, Joseph Bell a quien Conan
Doyle, el creador de Sherlock Holmes, conoci cuando era estudiante de Medicina, que
cuenta Hunter en un esplndido libro (19), es que pueden sorprender por su rapidez y agudeza,
cuando el mdico tiene gran experiencia y ha desarrollado al mximo estos hbitos de ra-
ciocinio. Lo cierto es que estos razonamientos y conclusiones son a veces tan veloces que
pueden sorprender y desconcertar hasta al propio autor. K. F. Gauss, el clebre matemtico
alemn (1777-1855), precisamente un prodigio en clculos mentales (casi todos sus
descubrimientos matemticos los haba hecho ya a los 17 aos), escribi en una ocasin,
refirindose a un determinado problema: He encontrado ya el resultado, pero todava no s
cmo lograrlo. Esta paradoja resume el carcter sorpresivo de algunas deducciones
especialmente aceleradas y certeras.



PROBABILIDAD TRAS LAS PRUEBAS COMPLEMENTARIAS (Valor predictivo de un
test).


Decamos antes que el mdico, para formular sus hiptesis, y para confirmarlas o negarlas,
utiliza fundamentalmente sntomas y signos, que se asocian a determinadas enfermedades. En
virtud de tal asociacin, si conocemos que una persona est afectada por la enfermedad A,
podemos presumir los rasgos patolgicos que presentar, incluso adjudicando a cada uno de
ellos una cierta probabilidad de ocurrencia. Tambin querramos juzgar acerca de la
probabilidad de una cierta enfermedad a partir de la presencia de un determinado sntoma o
25
resultado de una prueba diagnstica, que es una probabilidad distinta. El clculo, sin embargo,
de tal probabilidad no es inmediato, sino que exige una cierta elaboracin matemtica, que
trataremos de deducir a continuacin, mediante un sencillo ejemplo.

Imaginemos una muestra de 100 individuos, en la que se conoce la prevalencia de la
enfermedad A (0.2, o 20 %), a la que se aplica un test X, con S = 0.8 y NE = 0.1, o, si se
prefiere, I = 0.2 y E = 0.9 (Fig. 1). Como se ve en la figura, no todos los afectados por la
enfermedad tienen un resultado positivo en el test, sino que ste aparece slo en 16 de los 20
enfermos, por el hecho de que S = 0.8 y 0.8*20 = 16. Igualmente, por la inespecificidad de la
prueba, ocho de los 80 sanos presentan un resultado positivo. Al fin, tras la aplicacin del test a
los 100 integrantes de la muestra estudiada, tenemos 24 resultados positivos y 76 negativos.
No todos los positivos tienen la enfermedad, ya que, como sabemos, algunos de los sanos dan
tambin ese resultado. De hecho, de los 24 positivos, 16 exactamente tienen la enfermedad, lo
que representa, un 66,7%, aproximadamente.

Se percibe claramente que, tras la realizacin del test, se ha formado un grupo, el de los
resultados positivos, en el que se ha enriquecido la proporcin de enfermos. Por esa misma
razn ha aumentado la probabilidad de encontrar un enfermo en ese grupo con respecto a la
que exista, antes del test, de encontrarlo en la poblacin general. Anlogas consideraciones
pueden hacerse con respecto a los sujetos sanos, aunque seguiremos refirindonos casi siempre
slo a los enfermos para no complicar innecesariamente las cosas y porque de ordinario, como
ya hemos escrito anteriormente, el mdico lo que busca es la confirmacin de una determinada
hiptesis de enfermedad.

En el grupo de personas que han dado un resultado positivo se integran:

1. Enfermos con test positivo. Su fraccin es: p(D) * S.
2. Sanos con test positivo. Su fraccin es: [1-p(D)] * NE.

Por ello, la prevalencia de enfermos en el nuevo grupo formado (aquellos con el test positivo)
o, si se prefiere, la nueva probabilidad de enfermedad para los integrantes de dicho grupo (a la
que podremos llamar probabilidad posterior, para distinguirla de la probabilidad previa que es
la que conocamos antes de aplicar el test), es igual a:

P(D) * S
p(D|+) =
p(D) * S + [1-p(D)] * NE

en donde p(D|+) debe leerse como probabilidad de enfermedad en aquellos pacientes con
resultado positivo en el test. Obsrvese que el denominador es la suma de los enfermos con
resultado positivo y los sanos con resultado positivo (falsos positivos, claro). En el resto de
nuestra exposicin utilizaremos esta notacin para las probabilidades condicionadas, en
combinacin con sencillos smbolos de lgebra booleana. Por ejemplo, si D representa al
conjunto de enfermos, noD representa precisamente al conjunto de no enfermos, de acuerdo
con las expresiones de Boole.

En el ejemplo expuesto dicha probabilidad posterior es de 0.67 bastante superior a la
probabilidad previa de enfermedad en la muestra (0.20). O sea, gracias al test, entre los que
dan resultado positivo en el mismo, es ms fcil localizar a los enfermos, predecir con ms
26
confianza que estn enfermos. Por ello, esta probabilidad posterior recibe tambin el nombre
de valor predictivo del resultado positivo del test, VP (+). O sea, tambin:

P(D) * S
VP(+) =
p(D) * S + [1-p(D)] * NE

Observando esta frmula, algunas propiedades diagnsticas de los tests pueden ser
explicitadas:

1. Si S = NE,

p(D) * S
VP( +) = = p (D) * S / S = p(D)
p(D) *S + [1-p(D)] *S

Es decir, la probabilidad previa de enfermedad no vara por el hecho de que un sujeto tenga un
resultado positivo en un test con el que la fraccin de sujetos que dan resultado positivo es la
misma entre los enfermos que entre los sanos. Es un test que no sirve para nada y esto se
refleja al hacer estos clculos.

Un test perfecto arrojara un resultado positivo en todos los enfermos y nunca tal resultado
entre los sanos. Normalmente un test no alcanza esta validez absoluta, pero, al menos, debe
resultar ms frecuentemente positivo entre los enfermos que entre los sanos (o sea, S>NE). Si
S = NE, como veamos, no aporta ninguna utilidad diagnstica.

2. Si S = 0, VP (+) = 0. Cualquier resultado positivo invalidara el diagnstico de enfermedad,
ya que ningn enfermo puede tener un resultado positivo (S = 0).

3. Si NE = 0, VP (+) = 1. El resultado positivo, en este caso, confirma plenamente el
diagnstico, ya que ningn sano tiene un resultado positivo (NE = 0).

De anloga forma se puede calcular que el valor predictivo de un resultado negativo es:

(1-p(D)) * E
p(noD|) = VP() =
(1 - p(D)) * E + p(D) * I

Con p(noD|) designamos la probabilidad de que un individuo est sano tras el resultado
negativo del test. El denominador es la suma de los sanos con resultado negativo y los
enfermos con resultado negativo (falsos negativos, claro).

Aunque, naturalmente, las mismas manipulaciones matemticas anteriores pueden realizarse en
esta nueva frmula y la situacin es conceptualmente idntica, en mi opinin, en la mayora de
las ocasiones, el mdico lo que trata es de confirmar o descartar una hiptesis diagnstica, ya
que en las circunstancias habituales a l llegan personas que no se sienten completamente bien
y presentan una determinada sintomatologa, que puede corresponder a un cuadro patolgico
concreto. Quiero decir que el mdico busca con las pruebas complementarias informacin
pertinente sobre la existencia, o no, de una enfermedad concreta y sta es la diana de su
27
investigacin, no la consideracin abstracta del estado de salud. Por ello, quiz es mejor hablar
en el caso de un resultado negativo, de la probabilidad residual de enfermedad con dicho
resultado; es decir, la probabilidad de que un sujeto, a pesar de que haya obtenido un resultado
negativo en el test, est de todas maneras enfermo. Dicha probabilidad residual es igual a
1 - VP() y, por consiguiente:

p(D) * I
p(D|) =
p(D) * I + (1 - p(D)) * E

Es evidente que p(noD|) + p(D|) es igual a uno. Y lo es lgica y matemticamente. En
cualquier caso es claro que el valor predictivo de cualquier resultado de un test (positivo o
negativo) resulta muy influenciado por la probabilidad previa.

Slo admitiendo prevalencias fijas, basadas en estudios epidemiolgicos, se puede adjudicar un
valor predictivo al resultado de un test, sin que medie la apreciacin de la probabilidad previa
por parte del mdico. Esto se hace en algunos programas informticos de apoyo a la toma de
decisiones, habindose creado el concepto de poder de evocacin (evoking strength) para un
determinado hallazgo clnico o resultado de una prueba diagnstica, equivalente, con estas
restricciones, al de valor predictivo.

Con nuestro ejemplo hemos deducido la frmula para el valor predictivo de una prueba, tanto
para sus resultados positivos como para los negativos. Todo ello se puede hacer, de manera
ms generalizada, utilizando las probabilidades condicionales y aplicando las reglas de Bayes.
Digamos unas palabras antes sobre algunos conceptos bsicos, pero a veces confundidos por
todos.





DESCUBRIMIENTO O INVENCIN.


Muchas cosas las tenemos claras hasta que empezamos a pensar en ellas. La diferencia entre
los dos trminos de este apartado puede proporcionar un ejemplo. Deca Kant, en su
Anthropologie in pragmatischer Absicht, de 1798, lo que se descubre se admite como ya
preexistente, slo que todava no es conocido, como Amrica antes de Coln; en cambio, lo
que se inventa (como la plvora) no exista efectivamente antes de que se inventara. La
distincin no es siempre tan tajante. Cuando elaboramos una teora nueva sobre una realidad
concreta, la realidad exista antes, pero la explicacin que se propone es de nuevo cuo, si la
nueva teora lo es efectivamente. Cuando Bayes propone la utilizacin de nmeros, de
probabilidades exactamente, para explicar un proceso inferencial, la realidad que se trata de
estudiar o explicar, el proceso inferencial, existe, pero la explicacin, la cuantificacin, es
original, no exista antes.

Se tratara entonces de una teora? La palabra teora es polismica, tiene diversos significados.
En el sentido que tena en Aristteles, en su Ethica Nicomachea, de especulacin o
contemplacin, podra decirse que s. Pero en el sentido moderno de teora cientfica, no me
28
parece aplicable al pensamiento de Bayes. Una teora cientfica es una hiptesis o, por lo
menos, contiene una o ms hiptesis como partes integrantes. No hay ninguna en la
explicacin de Bayes, que describe adecuadamente le realidad, sin error o conjetura posible,
sin demostracin necesaria. El esquema bayesiano se podr entender o no, se podr considerar
til o no, pero no requiere justificacin, ya que se trata de reglas matemticas, de
razonamientos deductivos, encadenados y de naturaleza axiomtica. Es decir, Bayes no invent
nada, sino que utiliz la matemtica para explicar el mecanismo de la inferencia, cuando a una
cierta evidencia se aade una evidencia nueva. En este sentido, no se tendra que hablar de la
teora de Bayes, sino ms bien del teorema, el algoritmo, el modelo o la regla de Bayes.

Insisto en que esto no garantiza la utilidad de dicho teorema o modelo y que puede que algunos
mdicos lo encuentren complicado y hasta ininteligible. Y, sin embargo, de lo que no debe
quedar ninguna duda es de su absoluta veracidad y correccin. El teorema de Pitgoras es una
verdad incuestionable. Si hay vida inteligente en algn otro lugar del Universo, los seres
pensantes de all lo habrn descubierto (si han alcanzado el desarrollo intelectual suficiente,
claro). Lo mismo ocurre con la constante , la que expresa la relacin de la circunferencia a su
dimetro. No cabe dudar de la utilidad prctica de conocer esta constante y no estoy tan seguro
de que esto sea tan evidente para el teorema de Bayes. Pero la verdad de este ltimo est igual
de garantizada. Puede estar seguro el lector.

Las transformaciones matemticas para calcular la probabilidad condicional fueron propuestas
hace ya casi 250 aos por el ministro presbiteriano ingls Thomas Bayes (1702-1761) y
publicadas en las Phylosophical Transactions, de la Royal Society, en 1763, despus de su
muerte. Vemos, pues, que estos planteamientos matemticos para explicar la inferencia
retrgrada no son nuevos, aunque estuvieron prcticamente olvidados durante ms de dos
siglos y ha sido ltimamente, a partir de los aos ochenta, cuando han alcanzado una mayor
notoriedad, por razones que no analizaremos aqu. Por ello se habla del teorema de Bayes o
teorema de la probabilidad condicional, o de la regla de Bayes. Estas denominaciones aluden,
como hemos visto, al proceso de conversin de una probabilidad condicional, que posibilita el
tratamiento matemtico de ciertos problemas de inferencia probable.





PROBABILIDAD CONDICIONAL Y TEOREMA DE BAYES.


Nosotros, partiendo de un ejemplo concreto (el recogido en la Figura 1), hemos deducido o
calculado las frmulas que dan la probabilidad tras un test, o, lo que es lo mismo, el valor
predictivo de un test. A este mismo resultado habramos llegado, aplicando directamente la
teora probabilstica, perdiendo, eso s, la inmediatez y comprensin que nos ha aportado su
deduccin por nosotros mismos. En efecto, desde el punto de vista matemtico, y designando
con p a la probabilidad, la frmula general que da esta probabilidad condicionada es, sin
demostrar aqu su deduccin:

p (B|A) = p (A|B) * p (B) / p (A)

29
Si consideramos B como el suceso estar enfermo (y lo designamos D) y A es el resultado
positivo de un test, tenemos que:

p (D|+) = p (+|D) * p (D) / p (+)

Ahora bien, p (+|D) es la sensibilidad del test y p (+) es la probabilidad de tener un resultado
positivo en el mismo. De aqu se deduce que:

p (+) = p (D) * S + (1 - p (D)) * NE

por lo que:
p(D) * S
p (D|+) =
p (D) * S + (1 - p (D)) * NE

Como se ve, se llega exactamente al mismo resultado al que habamos llegado nosotros antes,
utilizando un ejemplo concreto y un razonamiento informal y sencillo. Igual se podra operar
sobre la expresin:

p (D|) = p (|D) * p (D) / p ()

El lector puede realizar por s mismo, en esta frmula, las transformaciones que hicimos antes,
para llegar a la probabilidad residual de enfermedad, a pesar del resultado negativo de un test.

Vemos, pues, que p (D|+) no es igual a p (+|D) y la relacin entre ambas probabilidades ni
siquiera es constante, sino que vara con p(D). Sin embargo, el mdico experto realiza
inconscientemente una inferencia que es equivalente a una probabilidad condicional y puede
llegar a una valoracin correcta de la significacin del resultado del test. Pero para esto, y
nunca insistiremos lo bastante sobre este tema, es necesario que:

1. Adjudique al paciente, aunque no sea de manera explcita, una cierta probabilidad previa,
antes de la realizacin de la prueba, respecto al hecho de padecer una enfermedad
determinada.

2. Conozca suficientemente las caractersticas bsicas o elementales de la prueba que solicita,
es decir, su sensibilidad y su especificidad. Estos datos, tal como l los perciba, los utilizar
mentalmente, aunque no se d cuenta, para realizar el clculo de la probabilidad condicional,
que es en lo que consiste, en esencia, su valoracin del resultado de un test.











30
CONSIDERACIONES FINALES.


Todo lo anterior es, en muchos casos, una simplificacin del mundo real, en el que no se trata
siempre de dos situaciones nicas mutuamente excluyentes salud y enfermedad A, ya que
puede haber varias situaciones o estados posibles. En estos casos, se puede aplicar la llamada
regla de Bayes generalizada, pero esto nos llevara a explicaciones ms detalladas que el lector
podr encontrar en otras referencias (20). Tambin conviene hacer notar que los tests
cuantitativos, tanto si se dicotomizan como si no, pueden ser tratados de manera esencialmente
anloga, aunque aparezcan en estos casos algunas peculiaridades, que no describiremos aqu.

Pero, volviendo a nuestras simplificaciones, en el caso ms elemental, cuando se consideran
slo dos posibilidades enfermedad A o la salud, por un lado, y una prueba con slo dos
resultados posibles (positivo o negativo), por otro, los razonamientos del mdico son
susceptibles de tratamiento numrico. No se me entienda mal, porque aqu esta el ncleo de la
cuestin. El mdico no usa nmeros de manera explcita, porque su cerebro no funciona as.
Pero dar ms importancia al resultado de la prueba cuanto ms fiable sea sta. Y esta
fiabilidad es perfectamente cuantificable, matemticamente, mediante las ratios definidas
como sensibilidad y especificidad. Ratios que el mdico no conoce con exactitud pero que, por
su experiencia, intuye y maneja, aunque no se d cuenta. Si, con la ayuda de programas de
ayuda diagnstica, cada vez ms perfeccionados, se pueden concretar estos clculos y
proporcionar al mdico un criterio cuantitativo de probabilidad, esto debe considerarse como
una ventaja. Y para ello hace falta que el concepto mismo de probabilidad, y sus mecanismos
de computacin, dejen de ser ignorados o temidos por los profesionales. Todas estas pginas
pretenden servir a este nico fin.

Tngase presente que, en realidad, en el proceso diagnstico el progreso de la evidencia es
gradual y continuo y la consideracin de las pruebas complementarias como una etapa que
separa dos niveles distintos y separables de certidumbre es slo de ndole operativa. Se subraya
as el hecho de una obvia diferencia entre la palpacin, por ejemplo, del hgado, que la hace el
propio clnico, y la solicitud de un CT, que inicia una operacin independiente . Pero, desde el
punto de vista de la lgica implicada, el desarrollo es continuo y sin soluciones de continuidad.
La probabilidad previa, antes de la palpacin, se convierte en probabilidad posterior tras
conocerse el resultado de esta exploracin. Esta probabilidad posterior es la nueva probabilidad
previa a la hora de solicitar el CT, que dar lugar a una nueva probabilidad posterior segn sea
el resultado de esta prueba. Y as sucesivamente para cada uno de los datos que van
contribuyendo al esclarecimiento de la condicin del paciente.

He de explicar todava por qu he dedicado tanto tiempo a las consideraciones heursticas o a
la historia de la matemtica y slo un espacio reducido a ejemplos concretos de la utilidad de
esta ciencia en la medicina prctica. La razn es clara: he pretendido eludir las reas ms duras
del tema y ofrecer una perspectiva general del mismo, que tiene una gran extensin,
inabarcable en un artculo como ste. Pero el uso de la matemtica en nuestra profesin mdica
es amplsimo. La estadstica, que no es ms que una aplicacin de la matemtica, es
absolutamente necesaria para la redaccin de cualquier trabajo cientfico, para su comprensin
y crtica y hasta para la cotidiana prctica clnica. El captulo importante del anlisis en la toma
de decisiones est lleno de consideraciones numricas. El estudio de las llamadas curvas ROC
(receiver operating charasteristic), para decidir los valores de corte ptimos en las pruebas
cuantitativas, tambin. El anlisis de las series temporales, modelos predictivos, algoritmos
31
diagnsticos, etc., de nuevo supone la ayuda de la matemtica. Algunos de estos temas estn
tratados en la referencia ya citada (20).

Los matemticos estn construyendo modelos tridimensionales del corazn, imitando las fibras
musculares con cientos de curvas cerradas sobre las que actan fuerzas elsticas simuladas,
capaces de contraer el msculo y originar un flujo de sangre, que puede ser estudiado con
ecuaciones tpicas de la dinmica de fluidos. Las imgenes que cualquiera de nosotros puede
ya observar de tomografa axial computerizada (TAC), de resonancia nuclear magntica
(RNM) o tomografa por emisin de positrones (PET, de las iniciales en ingls), representan el
resultado de miles de mediciones separadas, que son combinadas de manera matemtica. El
anlisis de sistemas jerrquicos complejos es otra rea importante de investigacin mdica con
implicaciones numricas. La construccin de modelos matemticos es extraordinariamente til
en los estudios de fisioneurologa, donde la teora de redes y la sntesis de informacin son
herramientas fundamentales.

En esta nueva especialidad que es la biologa matemtica, los cientficos estn reemplazando
los experimentos clnicos y de laboratorio con modelos matemticos que pueden imitar los
lentos acontecimientos naturales de manera instantnea, ahorrando esfuerzo y, sobre todo,
tiempo. Los modelos matemticos, con las naturales asunciones, se aproximan a la dinmica de
la infeccin de las clulas T por el VIH, con algoritmos algo similares a los de dinmica de
poblaciones y con las necesarias ecuaciones diferenciales, aunque de mucha mayor
complejidad. Para modelar estos procesos se emplea la llamada optimal control theory,
estrechamente emparentada con la estadstica matemtica.

Resumiendo, en algunos casos se tratara de que los computadores piensen de la misma
manera que las molculas actan. Se toman descripciones matemticas de los tomos y
fuerzas y se escriben programas, mimticos de los sistemas moleculares, en el ordenador. La
idea es que el aparato pueda disear y analizar sistemas moleculares, en vez de tener que
recurrir a la realizacin de las reacciones qumicas correspondientes en el laboratorio.

En definitiva, disear algoritmos y reglas matemticas que traduzcan las conductas de tomos
y molculas. Hacen falta muchos algoritmos para describir estructuras complejas, como las
protenas, y potentsimos ordenadores en consecuencia. Los investigadores parecen describir
los sistemas moleculares en tres niveles. El primero considera las fuerzas electrostticas que
rodean las molculas grandes y los algoritmos utilizados usan ecuaciones de distribuciones
estadsticas, como la de Poisson-Boltzmann. El segundo nivel, de dinmica molecular, emplea
tcnicas matemticas que describen las fuerzas entre los tomos y los algoritmos oportunos se
basan en las ecuaciones newtonianas o hamiltonianas. El tercer nivel, el de la mecnica
cuntica, considera las fuerzas y partculas dentro del tomo y utiliza, lgicamente, las
matemticas de la mecnica cuntica, en particular la ecuacin de Schrdinger. Con estas
tcnicas se trata de disear molculas artificiales que cumplan la misma funcin que la
superxido dismutasa (SOD), por poner un ejemplo, liberando eficazmente al organismo de los
superxidos nocivos, que se producen en ciertos episodios patolgicos.

Estos temas ltimamente reseados exceden mi capacidad para desarrollarlos y tampoco sera
ste el lugar apropiado para hacerlo. Nunca pens en explicar estas poderossimas tcnicas
matemticas, sino en presentarlas, hacerlas notar, darlas a conocer para los que quiz no han
tenido la ocasin de meditar sobre estos temas. Todo ha sido una serie de consideraciones
sobre la importancia, la utilidad real de la matemtica en nuestra ciencia mdica. Se podran
32
poner muchos ms ejemplos: el estudio de curvas y reas en muchas pruebas funcionales, el de
los modelos tridimensionales para cidos nucleicos, el diseo de nuevos frmacos, la cintica
de los mismos, la angiografa con sustraccin digital, el anlisis fractal de la trabcula sea,
estudios de gradientes, el anion gap, el rea corporal, el ndice de masa corporal, la modelacin
biolgica, el reconocimiento de patrones (pattern recognition), etc. Prcticamente, en todas las
especialidades son necesarias, hoy da, las matemticas. Afortunadamente el mdico no tiene
por qu conocer cada uno de estos campos en profundidad. Pero s tiene la necesidad de
convivir con estas tecnologas y estar abierto al uso progresivamente ms cotidiano de los
nmeros en nuestra profesin.

La importancia de la matemtica para las ciencias en general es tan decisiva que motiv una
proclamacin del presidente de los Estados Unidos, ya en 1986, urgiendo que se recuerde a los
americanos la trascendencia de la misma, de la que tomo lo siguiente: Despite the increasing
importance of mathematics to the progress of our economy and society, enrollment in
mathematics programs has been declining at all levels of the American educational system. Yet
the application of mathematics is indispensable in such diverse fields as medicine, computer
sciences, space exploration, the skilled trades, business, defense, and government. To help
encourage the study and utilization of mathematics, it is appropriate that all Americans be
reminded of the importance of this basic branch of science to our daily lives (el subrayado es
mo).

He tratado, de manera forzosamente superficial, de ofrecer una visin global del papel que las
matemticas han jugado y seguirn jugando, no slo en las ciencias llamadas exactas, sino en
las que tienen un carcter hbrido como la nuestra, la medicina. Desde las realidades en las que
el uso del clculo est ms que justificado, como en los tratamientos estadsticos, hasta las
aparentemente ms alejadas de los datos puramente numricos, como es el caso del proceso
lgico por el que se llega a conocer la naturaleza del mal que aqueja a un enfermo. En todos
estos mbitos, alejados entre s, la matemtica puede representar una valiosa ayuda. Para todo
ello hay que hacer, casi siempre, unas pocas asunciones, que se corroboran generalmente en la
prctica, y que son las necesarias para poder entrar en el universo perfecto de la matemtica.
Este no es un precio caro para muchos, y desde luego no para el que escribe estas pginas, que
piensa, con F. Nietzsche, que sin sus ficciones lgicas, sin medir la realidad en un mundo
ficticio, absoluto e inmutable, sin la falsificacin perpetua del universo por el nmero, el
hombre no podra seguir viviendo. Tambin el matemtico y filsofo Alfred N. Whitehead
(1861-1947) escribi que en su avance hacia la perfeccin una ciencia se torna
esencialmente matemtica.

La matemtica es, pues, una poderossima herramienta, que nunca deberamos desdear.
Einstein dej escrito que el principio creativo reside en las matemticas. En cierto sentido,
por lo tanto, encuentro posible que, como soaban los antiguos, el pensamiento puro pueda
asir la realidad. Yo ni me atrevera a juzgar este aserto. Pero s creo que la matemtica
constituye una excelente gimnasia mental siempre y est situada dentro del crculo ms
humano del hombre. No slo la empleamos, sino que desde los tiempos ms antiguos, en
prcticamente todas las culturas, han existido juegos y pasatiempos, de base matemtica, lo
que representa una prueba de hasta qu punto el comportamiento espontneo del hombre est
enmarcado en conceptos y operaciones numricas y, en definitiva, dentro del reino de la
matemtica. Lo nico que hay que tener presente, para no caer en lo irrazonable, es que esta
ciencia existe para interpretar la realidad, no para suplantarla.

33


UN EJERCICIO PRCTICO


Si se ha entendido correctamente lo dicho anteriormente sobre el teorema de Bayes, no debera
haber problemas a la hora de resolver o enjuiciar la situacin que propondremos ahora.
Imaginemos un paciente al que no hemos explorado y del que slo conocemos su sexo y edad.
Con estos datos y teniendo en cuenta que la prevalencia de un determinado tipo de cncer en
individuos de sus caractersticas es 0.01, la probabilidad, en principio, de que el paciente tenga
ese tipo de cncer es, obviamente, del 1%. Sin ms estudios o exploraciones, se le somete a
una prueba diagnstica (prueba A) que es positiva en todos los afectados por el cncer, pero
tambin en un 20% de los sanos (falsos positivos) y el resultado de la misma es positivo. El
lector que haya llegado hasta aqu sabe perfectamente cules son la sensibilidad y especificidad
de la prueba A, porque tiene todos los datos para calcularlas (en cierta manera, se las he dado
ya calculadas). Y repasando las frmulas pertinentes de este artculo podra calcular la
probabilidad, posterior a la prueba la probabilidad condicionada a la positividad de la
prueba, de que el paciente presente el tipo de cncer al que nos estamos refiriendo.

Olvidando por el momento tales clculos, cmo podra interpretar un mdico, de manera
inmediata y directa, el resultado positivo de la prueba A? Podra pensar que, por dicho
resultado positivo, y teniendo en cuenta el porcentaje de falsos positivos, el paciente tiene
ahora una probabilidad de tener cncer del 80% y una del 20% de no tenerlo? Parece claro que
no, intuitivamente parece que no, que la probabilidad correcta es mucho menor. Pero, cul es
entonces la probabilidad real?

Haciendo las operaciones descritas ms arriba, y que no repetiremos paso a paso ahora, la
probabilidad real es 0.05, muy aproximadamente; o sea, un 5%. Y lo que me importa sealar
de todo esto es lo siguiente:

1) Dicha probabilidad, en las condiciones expuestas, no es el fruto de ninguna hiptesis que
haya de ser contrastada, sino que es el resultado de operaciones matemticas absolutamente
correctas y justificadas. Si los datos iniciales son exactos, la probabilidad tambin lo es.

2) Normalmente, el mdico no puede expresar numricamente esa probabilidad porque no va
haciendo clculos continuamente, ni en la realidad la situacin diagnstica es tan simple, ni
conoce con precisin la sensibilidad y especificidad de la prueba A, en trminos numricos.

Pero, entonces, qu valor da al resultado de la prueba, cmo lo interpreta. Pensamos que, por
pura intuicin, no piensa que, tras la prueba, el paciente tenga un 80 % de probabilidad de
padecer cncer. Hay algo que le lleva a rechazar esta probabilidad excesiva. Pero, repetimos,
qu piensa ahora de la condicin del paciente? Al contestar esta pregunta, tenemos resumido
todo lo que es importante en este enfoque bayesiano que nos ha ocupado: el mdico, de manera
no numrica, y aunque no se d cuenta, valora el resultado de la prueba en funcin de la idea,
aproximada, que tenga de su sensibilidad y especificidad (y tambin, claro, de la que tenga
de la prevalencia de la enfermedad). Y no puede ser de otra manera. Aunque ni sepa qu cosa
es la sensibilidad o la especificidad de una prueba diagnstica. Cmo nadie puede sustraerse a
la ley de la gravedad, aunque no sepa qu cosa sea la gravedad. Un nio de diez meses est tan
sujeto a la ley de la gravedad como un profesor de fsica.
34

Y esas sensibilidad y especificidad (y tambin la prevalencia de la enfermedad) no las conoce
el mdico que ve al paciente, ni tampoco, en general, el mdico que realiza la prueba. Porque
vara, aparte de con la edad y el sexo, con las condiciones sociales del paciente, con el tiempo
de comienzo de los sntomas que llevaron a consultar al mdico, con el lmite que se escoja, en
los resultados cuantitativos, para considerar positiva la prueba y con muchas ms cosas. Son
tantas las variables, que sera imposible llevar todos estas probabilidades en la cabeza. Pero, el
mdico, insisto una vez ms, para interpretar el resultado de una prueba se gua por la idea
inconcreta que tenga de las mismas.

Qu se puede hacer entonces? Se puede, y se debe, hacer llegar a los responsables de las
decisiones diagnsticas, a los clnicos, una idea, lo ms aproximada posible, del valor de las
pruebas (aunque sea en trminos vagos: si son muy sensibles, si son poco sensibles, si son muy
especficas, etc.). Proporcionar, siempre que se pueda, los valores de referencia, para los
distintos grupos etarios y sexo. Desarrollar sistemas informticos, con las capacidades
numricas que les son propias, de ayuda al diagnstico, algoritmos que ayuden en la
interpretacin de situaciones concretas. En fin, tratar de sacar todo el provecho posible de las
pruebas diagnsticas, imperfectas, que tenemos en la actualidad y tratar de conseguir nuevas
pruebas, cada vez ms fiables. Afortunadamente, el mdico maneja mucha informacin til,
con un grado de redundancia innegable, gracias al cual es capaz de reducir notablemente su
grado de incertidumbre a la hora de decidir el diagnstico de su paciente.
















35






Referencias bibliogrficas


1. Sillero J. Enfermedad renal crnica: conceptos actuales. Seminario Mdico 2003;55(1):
109-111.
2. Siz A, Muoz A. Asma infantil: consideraciones de inters. Seminario Mdico 2003;
55(1): 41-94.
3. Redondo FL, Bermdez P, Cocco C, Colella F, Graziani MS, Fiehn W et al. Evaluation of
Cobas Integra 800 under simulated routine conditions in six laboratories. Clin Chem Lab
Med 2003;41(3):365-81.
4. Redondo lvaro FL. El error en las pruebas de diagnstico clnico. Madrid: Daz de
Santos, 2002.
5. Butterworths B. The mathematical brain. London: Macmillan, 1999.
6. Editorial. Looking Back on the Millenium in Medicine. N Engl J Med 2000; 342:42-9.
7. Goles E, Schulz O, Markus M. Prime number selection of cycles in a predator-prey model.
Complexity 2001;6(4):33-8.
8. Johnson G. NYT 25/3/2001: Week in Review.
9. Chaitin GJ. The limits of Mathematics. Springer-Verlag, 1997.
10. Chaitin GJ. Conversations with a Mathematician. Springer-Verlag, 2001.
11. The Math Forum. http://mathforum.org/mam/02/essay2.html (conexin Julio 2003).
12. Koch R. Die aerztliche Diagnose. Wiesbaden, 1920. Citado en Lan Entralgo P. El
diagnstico mdico. Madrid: Salvat, 1982.
13. Barrows HS, Tamblyn RM. Problem-based learning: An approach to medical education.
New York: Springer. 1980.
14. Schon DA. The reflective practitioner. New York: Basic Books,1983.
15. Cutler P. Problem solving in clinical medicine: From data to diagnosis. Baltimore, Md.:
Williams and Wilkins, 1985.
16. Fraser RE. Clinical method: A general practice approach. London: Butterworths, 1988.
17. Hurst JW. Medicine for the practicing physician. London: Butterworths, 1988.
18. Murphy EA. The logic of medicine. Baltimore, Md.: Johns Hopkins University Press, 1976.
19. Hunter D. The diseases of occupations. London: The English University Press Ltd., 1975.
20. Redondo lvaro FL. La lgica en la interpretacin de las pruebas diagnsticas. Madrid:
Ed. Garsi, 1989.










36







Tabla 1

Caractersticas bsicas de un test




Enfermos con test positivo
Sensibilidad (S) =
Total de enfermos explorados con el test



Enfermos con test negativo
Insensibilidad (I) =
Total de enfermos explorados con el test



Sanos con test positivo
No especificidad (NE) =
Total de sanos explorados con el test



Sanos con test negativo
Especificidad (E) =
Total de sanos explorados con el test














37








Tabla 2

Definicin de categoras




Estado real de los sujetos






Resultado del test

Sanos

Enfermos



Positivo Falsos positivos Verdaderos positivos
FP VP


Negativo Verdaderos negativos Falsos negativos
VN FN



















38









Tabla 3

Otra manera de conceptuar la sensibilidad (S), la
especificidad (E), la insensibilidad (I) y la No especificidad (NE)







VP FN
S = , I =
VP + FN VP + FN


VN FP
E = , NE =
VN + FP VN + FP





















39







Figura 1





Fig. 1.- Resultados de una prueba diagnstica con sensibilidad 0.8 y especificidad
0.9, aplicada a una muestra con prevalencia de enfermedad 0.2.









El presente trabajo forma parte de un trabajo de Francisco L. Redondo que con el mismo
nombre public Seminario Mdico, ao 2003, vol. 55, nm. 2, pgs. 21-56, una revista del
Instituto de Estudios Giennenses (Jan).