26

Ao de la Promocin de la Industria Responsable y del Compromiso

Climtico
ASOCIACIN
UNIVERSIDAD PRIVADA SAN JUAN BAUTISTA
FACULTAD DE CIENCIAS DE LA SALUD
ESCUELA PROFESIONAL DE MEDICINA HUMANA
MONOGRAFA:
APORTES DE LA MATEMTICA EN LA MEDICINA
PROFESORA:
MOQUILLAZA URIBE, MARITZA ESTEFANIA
CURSO:
MATEMTICA BSICA
ALUMNO:
SERNA BRAVO ANDRES
ESCUELA ACADMICO-PROFESIONAL:
MEDICINA HUMANA
CICLO:
CICLO I
SEMESTRE:
2014-II
TURNO:
MAANA
ICA PER
DICIEMBRE DE 2014

26

DEDICATORIA
A MI FAMILIA. A MI ESPOSA,
COMPRENSION

MI HIJO POR TODO SU APOYO Y

,POR SER EL PILAR DE MI ESFUERZO

, LA LUZ Y LA

ESPERANZA GRACIAS MIS AMORES POR SER LA FUENTE DE MI INSPIRACION

26

OBJETIVOS

Difundir entre los responsables de la industria la utilidad de las

modernas herramientas matemticas

Conocer cules son los aportes de la matemtica a las ciencias medicas
y su aplicacin en el manejo de la salud.

26

INTRODUCCIN
:
El mundo orgnico es tan matemtico como el mundo inorgnico, la base
matemtica de los seres vivos, sin embargo, es ms sutil, ms flexible y esta
profundamente oculta.
Si bien dicho texto est bien considerado en muchos crculos, nunca lo ha
estado en la corriente principal de la biologa, esto debido a que las historias
matemticas no encajaban cuando se contrastaba con la evidencia directa de
los laboratorios. Sin embargo, es posible mencionar diversas situaciones en
este mbito. Por ejemplo, para las criaturas vivas, el punto de partida es la
clula: una minscula mota de protoplasma contenida dentro de una delgada
membrana, pero de una estructura especializada y compleja. Una clula puede
dividirse en dos, formando cada mitad una nueva clula completa capaz de
reproducirse de nuevo y as indefinidamente. Las clulas se multiplican
dividindose Suena a matemtica? La forma de una clula antes, durante y
despus de la reproduccin es matemtica: un crculo, un corte transversal, en
el crculo aparece una cintura que se estrecha, se estrangula en una figura en
forma de ocho y se rompe para crear dos crculos.
Otro ejemplo, es la naturaleza matemtica del reino vegetal. La notable
geometra y numerologa de las plantas, la disposicin de sus hojas a lo largo
del tallo, las figuras espirales formadas en las semillas y el nmero de ptalos.
Mencionemos tambin, en nuestro organismo, la molcula de hemoglobina,
que recoge el oxgeno de los pulmones, lo lleva al torrente sanguneo y lo libera
donde es necesario.

26

ANTECEDENTES DE LA INVESTIGACIN
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 Pitgoras 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

26

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.
Las relaciones entre las ciencias sociales y las matemticas, de una parte, y
entre las ciencias de la vida y las matemticas, de otra, no han posedo en la
historia el vigor de las que han existido y existen entre matemtica y ciencias
fsicas. Dejando a un lado las ciencias sociales, que no son objeto de nuestro
inters aqu, es justo decir que ni la biologa ha necesitado de las matemticas
del modo que la fsica lo ha hecho, ni la resolucin de problemas biolgicos ha
venido siendo un motor decisivo para el desarrollo de la matemtica. Sin
embargo es muy posible que la situacin est cambiando o haya cambiado; la
matemtica actual, aunque el gran pblico no sea consciente de ello, permea
casi todas las actividades humanas y se nutre de ellas; las ciencias
biomdicas, y ms especficamente, la medicina, no podan ser excepciones.

26

MARCO TERICO: APORTES DE LA MATEMTICA EN LA MEDICINA

CAPITULO I
LA MATEMTICA, Y LA MEDICINA
La matemtica tiene gran aplicacin en estudios de los procesos dinmicos
biolgicos y abarcan todas las reas de la biologa. Desde esta perspectiva,
lneas de investigacin prometedoras se realizan en campos tan diversos como
la respuesta inmune, las interacciones genticas en el desarrollo temprano, la
regulacin metablica, la quimiotaxis, las pautas epidmicas, las dinmicas de
poblaciones y ecosistemas, las redes catalticas, los ritmos fisiolgicos, la
actividad cerebral, las correlaciones existentes en las bases nucleotdicas del
ADN; entre muchos otros retos de la matemtica.
Los modelos matemticos son una de las herramientas que se utilizan para el
estudio de problemas relacionados con la medicina como la: biologa, fisiologa,
bioqumica, farmacocintica; sus objetivos primordiales son de demostracin,
enumeracin, representacin, explicacin y prediccin de fenmenos en dichas
reas. De hecho los estudiantes de estas ciencias deben poseer las siguientes
competencias: razonamiento, operatividad, modelizacin y representacin,
medicin, trabajo con patrones y funciones, uso de la tecnologa; todas
provenientes de la matemtica.
Muchos de estos modelos son los avances ms notables de los ltimos
tiempos de la aplicacin de la matemtica computacional en la medicina.
Muchas veces no se es consciente que en la prctica diaria existe una cantidad
de teora matemtica que est involucrada en los modernos aparatos de
diagnstico, en el diseo de ciruga ocular, por ejemplo.
Las ecuaciones diferenciales han sido clave en el estudio de crecimiento y
decrecimiento poblacionales; tiene mucha cabida aqu el concepto de nicho
ecolgico de la biologa; esto es un conjunto de condiciones ambientales y

26

biticas que necesita una poblacin para sobrevivir. Si se sigue ilustrando cmo
la matemtica interviene en estos problemas de la biologa, se tendra que
recurrir a las bifurcaciones, y dems resultados de la ciencia lenguaje del
universo.
Actualmente existen ciencias llamadas bioestadstica y biomatemtica; esta
ltima es un rea interdisciplinaria que necesita a su vez de la: zoologa,
matemtica, fsica y qumica; entre otras.
Actualmente Nancy Kopell ha sido una gran estudiosa de la biomatemtica;
Camas, Fernndez y Nez (2007) tienen un artculo muy interesante dedicado
a sus estudios, tambin existe all una resea importante sobre la matemtica y
la neurociencia; se recomienda revisar dicho texto.

26

CAPITULO II
PROBABILIDAD PREVIA
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.
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 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

26

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.

26

CAPITULO III
CARACTERSTICAS DIAGNSTICAS (Sensibilidad y especificidad de un
test).
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 mismas, 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).
Sensibilidad (S) = Enfermos con test positivo / Enfermos estudiados con el test

26

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

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.

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
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,

26

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.
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.

26

PROBABILIDAD CONDICIONAL Y TEOREMA DE BAYES.

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)
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:

26

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

.CAPITULO IV
USO DE LA ESTADSTICA EN ESTUDIOS CLNICOS Y EPIDEMIOLGICOS
El nexo entre las ciencias de la vida y la estadstica no es por cierto nuevo.
Los padres fundadores de la estadstica, Karl Pearson (18571936) y Ronald
Fisher (18901962), ambos licenciados en matemticas por Cambridge,
estuvieron en todo momento motivados por aplicaciones biolgicas; el primero
por su inters en la teora de la evolucin; por sus convicciones eugensicas el
segundo. Es significativo que la revista que Pearson fund lleve por ttulo
Biometrika, y que Fisher comenzase su carrera en un centro de estudios
agronmicos y la concluyese de catedrtico de gentica en su alma mter. Esta
relacin de la estadstica y las ciencias de la vida se echa de ver incluso en
parte de la terminologa: en estadstica se habla de tratamientos, de
contagios, etc. aun en casos en que se analice un problema de fabricacin
industrial o se lleve a cabo un estudio sociolgico.

26

CAPITULO V
PROBABILIDAD

TRAS

LAS

PRUEBAS

COMPLEMENTARIAS

(Valor

predictivo de un test).
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 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.
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

26

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|+) = P(D) * S / 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 confianza que estn enfermos. Por

26

ello, esta probabilidad posterior recibe tambin el nombre de valor predictivo

del resultado positivo del test, VP (+). O sea, tambin:
VP(+) = P(D) * S / p(D) * S + [1-p(D)] * NE
Observando esta frmula, algunas propiedades diagnsticas de los tests
pueden ser explicitadas:
1. Si S = NE:
VP( +) = p(D) * S / p(D) *S + [1-p(D)] *S = p (D) * S / S = p(D)
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. 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:
p(noD|) = VP() = (1-p(D)) * E / (1 - p(D)) * E + p(D) * I

26

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 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|) = p(D) * I / 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

26

determinado hallazgo clnico o resultado de una prueba diagnstica,

equivalente, con estas restricciones, al de valor predictivo.

CAPITULO VI
BIOINFORMTICA
Antes de comentar el mbito de esta nueva especialidad, ser conveniente
hacer algunas observaciones sobre las relaciones entre las matemticas y
los ordenadores y entre las matemticas y la informtica, observaciones a
las que hemos de retornar.
Los ordenadores digitales o, con terminologa tomada del ingls, menos
extendida pero ms precisa, las computadoras digitales nacieron en los
aos que siguen a la Segunda Guerra Mundial y fueron inicialmente
concebidas con el nico propsito de efectuar clculos matemticos no
sofisticados pero s demasiado prolijos o tediosos para ser realizados
manualmente. Las matemticas no slo dieron la motivacin para la
construccin de estas mquinas: algunas de las ideas esenciales en su
funcionamiento, por ejemplo la idea de programa, se deben a
matemticos como J. von Neumann (19031957) o el ya citado A. Turing
(19121954). Estas consideraciones no son contradictorias con el
reconocimiento de otros hechos igualmente ciertos: los ordenadores slo
fueron posibles gracias a la existencia de vlvulas termoinicas de vaco
(las lmparas de las viejas radios y televisores), y su espectacular
desarrollo posterior ha venido de la mano de innovaciones tecnolgicas
como el transistor primero y el chip despus. La opinin pblica, incluso

26

la opinin pblica con cierta cultura cientfica, no suele estar al tanto de esta
importancia

de

las

matemticas

para

la

informtica.

Es

ms,

frecuentemente se oye afirmar que uno u otro avance han sido posibles
gracias a un nuevo programa informtico, cuando lo correcto sera decir
gracias a un nuevo algoritmo matemtico cuya aplicacin precisa de un
ordenador por el volumen de clculo requerido.
Regresando a la bioinformtica, se nos ofrece en ella un campo que ilustra
algunas de las consideraciones precedentes. Es cierto que los avances en
esta nueva especialidad hubiesen sido imposibles sin potentes ordenadores
de gran velocidad, pero no lo es menos que en ella hallamos, casi
exclusivamente, algoritmos matemticos; unos creados a la vista del
problema a resolver, otros que ya existan y eran empleados en otro tipo de
aplicaciones.
La bioinformtica comprende muy diversas subreas. En primer lugar dir
algo acerca de la que probablemente sea ms conocida: la secuenciacin
de genoma, en especial la secuenciacin del genoma humano. Cuando, en
1977, Frederick Sanger (1918) identific la secuencia del ADN del
bacterifago Phi X 174, que posee 11 genes en 5386 bases, pudo manejar
la informacin suministrada por los anlisis bioqumicos de forma manual.
Esta identificacin le vali el Premio Nobel de Qumica en
1980, segundo que reciba, pues haba merecido otro en 1958 por su
secuenciacin tres aos antes de los aminocidos de la insulina. Sin
embargo las tcnicas manuales son ya totalmente insuficientes incluso para
el genoma de una bacteria. La bioqumica (tcnica shotgun) slo
suministra las secuencias parciales correspondientes a miles de pequeos
fragmentos de ADN que hay que ensamblar analizando coincidencias
entre los diversos fragmentos. Nos hallamos as ante un problema de
anlisis combinatorio de inconcebible complejidad cuya solucin precisa de
modo simultneo de gran volumen de clculo (el Proyecto Genoma Humano
ocup varios meses a 2000 ordenadores) y de eficientes algoritmos
matemticos. Las tcnicas utilizadas en estos ltimos son mltiples, y van

26

desde la optimizacin (parte de las matemticas que halla los valores de las
variables para los que toma una funcin su mayor o menor valor) a la
probabilidad. De particular utilidad es la llamada programacin dinmica
(que nada tiene que ver con la programacin de ordenadores) introducida a
principios de los aos cincuenta del siglo pasado por el matemtico Richard
Bellman

(19201984)

para

resolver

problemas,

que

aparecen

frecuentemente en ingeniera, donde un proceso de toma de decisin puede

fragmentarse en una sucesin de decisiones parciales. La programacin
dinmica, ahora ubicua en bioinformtica, haba sido ya muy empleada en
economa, siendo de relevancia especial las contribuciones de R. Merton
(1944), Premio Nobel de Economa en 1997. De otro lado, los algoritmos
desarrollados en conexin con la secuenciacin de genoma se estn
aplicando a otras tareas; igual que se estudian porciones de ADN, pueden
ser investigados fragmentos de oraciones de los lenguajes humanos o
series temporales de variables macroeconmicas.
Otra empresa que se viene acometiendo desde hace aos, ms all de la
secuenciacin del genoma, es la de desarrollar algoritmos que identifiquen
fragmentos de cadenas, generalmente fragmentos de cadenas de ADN, que
posean funcionalidad biolgica, como la codificacin de protenas. Es uno
de los campos (el diseo de aviones o automviles es otro) donde la
experimentacin en el ordenador est sustituyendo o ha sustituido ya, en
todo en o en parte, a las pruebas de laboratorio.
La bioinformtica permite as mismo seguir la evolucin de los organismos
de una especie a travs de la evolucin del correspondiente ADN, predecir
la secuencia de aminocidos en una protena (su estructura primaria) a
partir de la secuencia del gen que la codifica, etc. Las aplicaciones de todas
estas tcnicas son muy variadas, y para concluir este apartado mencionar
como ancdota que uno de estos estudios ha permitido concluir que la
poblacin de olmos en Espaa tiene su origen casi exclusivo en ejemplares
trados a Cdiz por los romanos para que por ellos trepasen las vides.

26

CAPITULO VII
IMGENES
hay matemticas detrs de todas y cada una de las imgenes digitales que
van llenando nuestra vida, sea en la fotografa digital, en la televisin digital,
en los discos verstiles digitales (DVDes), etc. Estas tcnicas no existiran
sin avances puramente fsicos (chips, cristales lquidos, nuevos materiales,
miniaturizacin, etc), pero tampoco sin la multitud de algoritmos
matemticos imprescindibles para codificar las seales, almacenarlas,
transmitirlas, comprimirlas, manipularlas, etc.
Pero no es a estas ideas a las que deseo referirme en este apartado, sino al
conjunto de tcnicas, algunas muy recientes, que permiten de manera no
invasiva obtener imgenes del interior del cuerpo humano. Es claro que,
adems del inters que poseen en la enseanza de la medicina, estas
tcnicas han supuesto un avance sencillamente espectacular en la
capacidad de diagnstico clnico.
Una vez ms, en cada una de tales tcnicas se conjugan los
descubrimientos e invenciones de la fsica que permiten obtener las

26

imgenes (y que, por lo dems, son variados: ultrasonidos, rayos X,

resonancia magntica nuclear, emisin de positrones, etc) con algoritmos
matemticos.
Para fijar ideas, considerar tan solo el caso de la tomografa
computerizada.
Es bien sabido que esta tcnica se origin en los ltimos aos sesenta y
primeros setenta y vali a sus creadores, el britnico Sir Godfrey Newbold
Hounsfield y el estadounidense Allan McLeod Cormack, el Premio Nobel de
Medicina de 1979. El segundo trabajaba en la Universidad Tufts y el primero
lo haca para un laboratorio de investigacin de una empresa privada: el de
la marca discogrfica EMI (al parecer creado mediante los abundantes
recursos de los que esta casa dispona a raz de haber publicado parte de la
obra de los Beatles). El paciente recibe sucesivamente haces paralelos de
rayos X en diversas direcciones (180 direcciones distintas en el primer
prototipo). Para cada direccin y cada rayo del haz se registra la atenuacin
sufrida por la radiacin, que depende del tipo de tejido o estructura
encontradoshasta aqu el problema fsico y, a continuacin, hay que
reconstruir el interior del paciente partiendo de este conjunto de
proyecciones, una tarea matemtica que, en el prototipo, requera dos horas
y media de clculo a un gran ordenador. Como tantas otras veces, las
matemticas necesarias para inferir la estructura interior de un objeto a
partir de proyecciones se haban desarrollado con mucha anterioridad y en
contexto

muy

diferente.

Esencialmente

se

basan

en

la

llamada

transformada de Radon, introducida por el austriaco Johann Radon (1887

1956) en sus estudios sobre la llamada geometra integral, un campo que,
por cierto, tiene a uno de sus fundadores en el gerundense Lluis Santal
(19112001), quien desarroll su trabajo en el exilio argentino.

26

CAPITULO VIII
DINMICA MOLECULAR
La formulacin por Newton de su mecnica, con su pasmosa capacidad de
explicacin y prediccin de todo tipo de fenmenos, conmocion los
espritus de la poca y contribuy decisivamente a la fe ilustrada en la
inteligibilidad por la mente humana de una naturaleza gobernada por leyes
fsicas, cerrando el paso a visiones del cosmos basadas en intervenciones
supernaturales o mgicas. Dentro de tal ambiente intelectual, el marqus de
Laplace (17491827) escribi unas palabras famosas: una inteligencia que
pudiese abarcar todas las fuerzas que animan a la naturaleza y las
respectivas situaciones de los entes que la componen una inteligencia
suficientemente vasta para someter estos datos a anlisis abarcara en la
misma frmula los movimientos de los mayores cuerpos y los de los tomos
ms ligeros; para ella nada sera incierto y el futuro, como el presente,
estaran ante su vista (Essai surles probabilits, 1795).
La dinmica molecular es, tal vez, un intento de llevar a la prctica, siquiera
sea de manera muy parcial, el sueo de Laplace. Se trata de determinar

26

qu har en el futuro una molcula mediante la resolucin de las

correspondientes ecuaciones del movimiento, conocidas la posicin y
velocidad en un instante de tiempo inicial de los tomos que la constituyen.
En las aplicaciones que ahora mismo nos interesan, la molcula ser una
protena con millares y millares de tomos y deseamos saber cmo la
misma se va a plegar en el espacio, impelida por las leyes de la fsica, con
vistas a determinar exactamente cmo evolucionar en el futuro su forma
para as poder desempear su funcin biolgica. Si la protena es parte de
un frmaco, su accin va a depender precisamente de las configuraciones
espaciales que pueda adoptar para interactuar con protenas que tomen
parte en el metabolismo del paciente o pertenecientes a algn patgeno.
Por tanto la dinmica molecular, que posee mltiples aplicaciones en fsica,
qumica y ciencia de los materiales, est muy vinculada al diseo racional
de frmacos. Aunque ste parti en principio de tcnicas de cristalografa de
rayos X y espectroscopia de resonancia magntica nuclear para hallar la
configuracin tridimensional de las molculas, las simulaciones de dinmica
molecular estn tomando importancia creciente.
La dinmica molecular supone un gran reto por muchas razones. Ante todo
debido a la complejidad de establecer el modelo. Aunque sera deseable
emplear ecuaciones cunticas para estudiar los tomos, por el momento
hay que limitarse casi exclusivamente a la mecnica newtoniana y modelar
los tomos por partculas clsicas.
El nmero de partculas/tomos cuya evolucin hay que seguir es a veces
astronmico y, lo que es peor, cada tomo interacciona con todos los
restantes por las fuerzas electrostticas y de van der Waals (18371923),
de modo que el nmero de las fuerzas a considerar es el cuadrado del
nmero de los tomos. Para hacernos idea del tipo de cifras a las que
estamos aludiendo mencionar que se han llevado a cabo simulaciones, en
un periodo de 50 nanosegundos, de virus completos que constan de un
milln de tomos; si una de tales simulaciones se hubiese llevado a cabo en
un

ordenador

ininterrumpido.

domstico

hubiera

requerido

35

aos

de

clculo

26

Mas las dificultades no vienen slo del tamao del problema. El fenmeno
que se estudia abarca escalas de tiempo sumamente disparejas una
situacin anloga a la del crecimiento de un adolescente, que acontece en
un lapso de algunos aos y est determinado por digestiones cada una de
las cuales dura horas o minutos.
En la dinmica molecular, los plegamientos que deseamos observar pueden
tardar milisegundos o incluso segundos y a ellos contribuyen vibraciones de
tomos que tienen periodos del orden de los femtosegundos. Una tercera
fuente de escollos son las interacciones de la protena con el medio,
generalmente acuoso, con el que intercambia constantemente energa a
travs de colisiones para mantenerse en equilibrio trmico. Estas
interacciones dan lugar a trminos estocsticos en las ecuaciones.

Simulacin numrica en odontologa y ortodoncia

En este trabajo se resume de manera sucinta la aplicacin de la modelizacin
matemtica y la simulacin numrica al mejor conocimiento de ciertos
fenmenos mecnicos en odontologa y en ortodoncia. Para ello hacemos un
breve compendio de la investigacin realizada por los autores desde el ao
1997, en colaboracin con un grupo de matemticos y ortodontistas de la
Universidad de Santiago de Compostela. El objetivo fundamental de la
investigacin financiada durante 3 aos por la Xunta de Galicia) es la
modelizacin matemtica y la simulacin numrica, de diferentes procesos
mecnicos en la mandbula humana y del comportamiento de algunos
dispositivos utilizados en su cirugia y ortodoncia (implantes dentales, mini
placas de titanio, \brackets"). Despus de la descripcin anatmica de la
mandibula, hacemos especial nfasis en las dificultades solventadas para

26

realizar un buen modelo geomtrico con elementos nitos tetradricos tanto de

la mandibula como de las piezas dentales. Construdo el modelo se describe
la simulacin en ordenador de diferentes problemas de inters para los
especialistas mdicos: tensiones en una mordida con el primer molar derecho y
con un implante dental de titanio, localizacin de fracturas mandibulares
despus de un impacto, reduccin de fracturas de mandibula con mini placas
de titanio y comparacin del comportamiento de dos modelos de brackets"
ortodoncicos de acero. La formulacin matemtica de los problemas se basa
en las ecuaciones en derivadas parciales qutraducen el comportamiento
elstico del hueso y de los
dispositivos, con distintas condiciones de contacto. Estos problemas se
aproximan por el mtodo de los elementos nitos (variable espacial) y el
esquema de Newmark (variable temporal) y se resuelven en ordenador con
programas de clculo elaborados por el propio equipo investigador.
La modelizacin y simulacin numrica del cuerpo humano es un rea de
investigacin relativamente reciente que est experimentando un enorme auge
en los ltimos aos. Su principal objetivo es conseguir un mejor conocimiento
del comportamiento mecnico y fisiolgico del cuerpo humano y disear
herramientas para su correcta simulacin numrica en ordenador con vistas a
poder hacer predicciones y tomar decisiones. Hoy en dia los modelos
biomecnicas y fisiolgicos del cuerpo humano juegan un papel prominente en
la prevencin, diagnostico y terapia de muchas enfermedades. La introduccin
generalizada de tales modelos en la actividad mdica contribuir decisivamente
al desarrollo de una medicina ms preventiva y ms individualizada.
La investigacin en este campo abarca prcticamente todas las partes y
funciones del cuerpo humano: simulacin numrica del corazn y del sistema
circulatorio, del hgado, del ojo, del cerebro, crecimiento de tumores, formacin
de huesos, ... Especial relevancia tiene toda la investigacin
relacionada con la ciruga guiada por imagen a distancia y con las
consecuencias de los accidentes por impacto (accidentes de transito) en
diferentes partes del cuerpo (cabeza, rodillas, mandbulas,...).

26

El trabajo que presentamos en estas paginas est relacionado con la

simulacin de diversos procesos mecnicos que ocurren en la mandibula
humana, considerada como una estructura sea, y tambin en las distintas
piezas dentales y/o dispositivos utilizados en su cirugia y ortodoncia (\brackets",
implantes dentales, mini placas de titanio,...). Comenzamos haciendo especial
nfasis en las dificultades solventadas para realizar un buen modelo
geomtrico con elementos nitos tetradricos tanto de la mandbula como de
las piezas dentales. La simulacin numrica en la mecnica de la mandbula
comienza a principios de los aos 90 ([17, 18, 23]) y el nmero de trabajos no
ha parado de crecer hasta hoy. Adems de
las publicaciones medicas especializadas, es interesante observar el nmero
de presentaciones y publicaciones relacionadas con la simulacin en
ortodoncia y odontologa que aparecen en congresos de ingeniera
biomdica y biomecnica. Sealamos como ejemplo la referencia [19]. Los
mtodos y resultados de nuestra investigacin y otras similares son de
indudable inters por s mismas pero tambin como paso importante hacia
modelos ms precisos que, en consonancia con las necesidades medicas
actuales, permitan la simulacin del movimiento dentario y del proceso de
formacin de hueso. Estos aspectos no han sido tratados en nuestro trabajo,
entre otras razones, porque los modelos matemticos de estos fenmenos
estn todava en fase de formulacin y validacin.
Modelo geomtrico de la mandbula
Tanto para su representacin geomtrica como para los clculos previstos es
imprescindible contar con una buena representacin de la geometra de la
mandbula. El mtodo ms utilizado consiste en descomponer la mandbula
(en general, la pieza o dominio que se quiere representar) en subdominios
\pequeos" llamados elementos nitos. Los elementos nitos ms usados son
tetraedros y hexaedros. El conjunto de los elementos nitos se llama una malla
o mallado. Debido a la complicada geometra de la mandbula, la generacin
de un \buen" mallado de elementos nitos tetradricos no es una tarea sencilla.
Un \buen" mallado no slo debe representar de forma precisa la geometra de
la mandbula sino que debe tener \buenas" propiedades para que los clculos

26

numricos posteriores sean ables. Para ello es imprescindible que los

tetraedros no sean degenerados o sea que sus caras sean tringulos \lo ms
equilteros posible". En los trabajos pioneros de simulacin en mandbulas
(hace 15 aos), los mallados se generaban \manualmente" y, en algunos
casos, con el apoyo de imgenes de radiografia y/o de escner. Pocos aos
ms tarde, diferentes tcnicas de iluminacin con lser han permitido digitalizar
la superficie de la mandibula generando una nube de puntos y sus
correspondientes

coordenadas.

Utilizando

algoritmos

de

geometria

computacional se genera una malla de tringulos que representa dicha

superficie con enorme precisin. En la etapa inicial de nuestro proyecto, el
mallado superficial fue obtenido de una digitalizacin

CONCLUSIONES
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 diagnsticos, etc., de nuevo supone la ayuda de la
matemtica.

26

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.
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.

26

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.
BIBLIOGRAFA
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.

26

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).

ANEXOS
Tabla 1
Caractersticas bsicas de un test

26

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
Tabla 2
Definicin de categoras
Resultado del test
Positivo
Negativo

Estado real de los sujetos

Sanos
Enfermos
Falsos positivos
Verdaderos positivos
FP
Verdaderos negativos

VP
Falsos negativos

VN

FN