“No estamos listos para la incertidumbre”
La investigadora mexicana Atocha Aliseda, matemática y doctora en Filosofía, explica por qué la medicina y la epidemiología no pueden responder a nuestra necesidad de certezas
México - 25 ABR 2020 - 16:01 ART
En algún momento de febrero, Atocha Aliseda Llera pasó de leer una tesis basada en casos históricos de epidemias a leer noticias internacionales sobre el nuevo coronavirus. La OMS no había declarado la pandemia aún, pero ella entendió pronto que el virus afectaba las vías respiratorias y pensó en su madre, que padece una enfermedad pulmonar avanzada.
“Por un lado, personalmente, estoy muy preocupada. Pero por otro lado me parece fascinante que por fin entendamos que estamos en un mundo incierto y que eso no quiere decir que la ciencia no sirva”, dirá después la investigadora, que trabaja en el Instituto de Investigaciones Filosóficas de la UNAM y coordina un seminario de doctorado sobre Epistemología de Ciencias de la Salud. Aliseda Llera es licenciada en Matemáticas y se doctoró en Filosofía y Sistemas Simbólicos en la Universidad de Stanford con una tesis en el campo de la Lógica, que ocupa un lugar central en su trabajo académico. Durante años se dedicó a elaborar modelos lógicos y computacionales de la abducción (o explicación); que es, de modo muy general, “el proceso de razonamiento mediante el cual se construyen explicaciones para observaciones sorprendentes, esto es, para hechos novedosos o anómalos”. Este tipo de razonamiento es parte esencial en la elaboración de diagnósticos en la medicina, por ejemplo, una disciplina que no tiene leyes generales como tiene la física. Los médicos, ha explicado Aliseda Llera, al igual que los detectives, plantean una explicación posible para un hecho a partir de indicios (los síntomas), y desde ahí buscan información para corroborar su hipótesis.
Hace más de una década, y por invitación de una historiadora de la medicina interesada en sus modelos, Aliseda Llera empezó a asistir a discusiones de casos clínicos en el Instituto Nacional de Neurología y Neurocirugía de México para estudiar lo que se llama razonamiento clínico: la forma en que los profesionales de la salud razonan, en qué tipo de conocimiento basan sus decisiones, cómo surgen sus ideas. Este martes por la tarde, la investigadora —que ha realizado estancias en universidades de Holanda y España y ha recibido premios por sus investigaciones en humanidades y en lógica— se hizo un espacio entre sus clases en línea y, durante una hora, respondió por Zoom a preguntas sobre el razonamiento clínico y sobre algunos aspectos de nuestra relación con la medicina que han quedado expuestos bajo la luz estridente de la pandemia. Lo que sigue es una versión condensada y editada de sus respuestas.
Pregunta. ¿Cuáles son, a grandes rasgos, los elementos en los que se basan los profesionales de la salud para tomar decisiones?
Respuesta. Mi aproximación a los profesionales de la salud ha sido sobre todo en lo que se llaman las sesiones clínicas. En todos los hospitales, y más en profundidad en los de investigación (como el Instituto Nacional de Neurología y Neurocirugía o el de Nutrición), se hacen sesiones semanales por especialidad en las que discuten desde los residentes hasta los jefes. Ahí discuten casos difíciles, y es un espacio donde discuten casos reales, pero sobre todo se utiliza para los residentes más jóvenes como un espacio de apreciación y de enseñanza. Entonces, la pregunta que con la que yo empecé, y por eso estoy haciendo todo este contexto, era en realidad cómo se enseña el razonamiento clínico. ¿Cómo es que un médico de pronto ya sabe integrar la información tanto de la fisiología como de sus experiencias anteriores? Mi pregunta principal era esa. Y, viniendo de matemáticas, creo que tenemos una situación similar: cuando el profesor te enseña a demostrar, no hay reglas. Uno aprende a demostrar demostrando. Entonces, una de mis preguntas iniciales era: ¿Cómo es que estos médicos residentes jovencitos se convierten en expertos? Y, más en particular, ¿cómo es que se enseña cuando no hay reglas?
Aunque hay cursos de razonamiento clínico y hay libros sobre razonamiento clínico, en realidad lo que hacen, visto desde la computación, es el llamado razonamiento por casos: así como al que está aprendiendo matemáticas lo expones a demostraciones, demostraciones, demostraciones, pues a los médicos en formación se les expone a casos. Uno de los tipos de razonamiento que se utilizan es comparar la situación actual que están viendo con una anterior. O sea, el médico todo el tiempo está haciendo analogías. Esa es una. Otra: ¿Cuándo es que el médico generaliza? ¿Cuando ya vio a dos pacientes parecidos? ¿A tres? ¿A cuántos? Ahí estamos viendo de manifiesto el muy teórico pero muy discutido problema de la inducción en Filosofía: cuántos cuervos negros necesito para decir que todos los cuervos son negros.
Lo que a mí también me interesaba era ver hasta dónde los médicos en formación o los médicos en general están conscientes de que un diagnóstico es una hipótesis diagnóstica. Sin embargo, los médicos y los pacientes nos ponemos muy nerviosos con esto de que el estatus epistémico de un diagnóstico sea el de una hipótesis. Cómo voy a salir yo de un consultorio donde me digan: pues tal vez tienes covid-19 o tal vez tienes EPOC o lo que pasa es que estás cruda, etcétera, etcétera. Creo que al médico le cuesta mucho aprender que el estatus epistémico de sus diagnósticos son hipótesis, o que esto puede cambiar.
P. En estos días se habla mucho de modelos, de estadísticas, de pruebas, como si estas curvas y estos gráficos fueran una réplica de la realidad y de lo que va a suceder. ¿Qué rango de verdad tienen estos modelos desde la filosofía de la ciencia? ¿Hasta dónde son conocimiento científico y hasta dónde son algo del orden de la intuición basado en un porcentaje mínimo de información?
R. Aquí quisiera separar mi respuesta en dos. En primer lugar, creo que es muy interesante ver, como usted dice, que lo que queremos son certezas, que nos expliquen. Y cuando nos ponen una gráfica pensamos que eso está representando una partecita de la realidad. Y los modelos, para empezar, son reconstrucciones abstractas, son constructos mentales en los que efectivamente estamos tratando de representar algo, pero estamos tratando de representar solo algunos aspectos de la realidad. Y lo que estamos tratando de ver o de analizar son los escenarios de lo que podría pasar de acuerdo a las variables que hay. Por ejemplo, si yo asumo que la tasa de crecimiento del contagio es tal, ¿cuántos contagiados tengo en tal tiempo? Los modelos nos ayudan muchísimo a eso y ahora hay matemáticos que se están metiendo en esto. Sin embargo, a la hora de hacer un modelo tenemos algunas certezas —yo puedo decir que el tamaño de la población que voy a analizar es tal—, pero ¿cuántos están infectados? Pues no lo sé. Entonces ahí es donde empezamos a ver que hay ciertos presupuestos que no se explican o que no se alcanzan a ver.
Creo que estos tiempos o esta crisis han sido fascinantes porque hay mucha gente, incluyéndome a mí, que queremos entender muchas cosas que no entendíamos antes, porque la disciplina —déjame llamarle así por no llamarle ciencia— de la epidemiología es estadística. Sí. Sin embargo, no sabemos estadística, ni siquiera los que nos preciamos de ser gente educada. Incluso los médicos, porque la otra parte es decir: “Bueno, los médicos van a tomar decisiones, ahora hablamos de la medicina basada en evidencia”. Cuando decimos evidencia, para empezar, está mal dicho en español, porque en la evidence based medicine, “evidencia” en realidad quiere decir “prueba”. Y la medicina basada en pruebas es en pruebas estadísticas. Y a los médicos a veces les cuesta trabajo porque, aunque se habla ahora del paradigma de la medicina basada en evidencia, seguimos en el modelo que propuso Claude Bernard [biólogo teórico, médico y fisiólogo francés que fundó la medicina experimental en el siglo XIX], donde el conocimiento era sobre todo fisiopatológico. Los médicos se la pasan estudiando eso. Solo son los epidemiólogos, que ya es una especialidad, los que se dedican a ver qué quiere decir tal cosa en la gráfica, etcétera.
Entonces, ahora que estamos hablando de los modelos, creo que hay que hablar de dos niveles. El primer nivel, que está en la percepción de las personas comunes y corrientes, que no sabemos estadística. Creo que eso ha quedado clarísimo. H. G. Wells [escritor británico, autor de La guerra de los mundos] decía en el siglo XX que el razonamiento estadístico iba a ser tan necesario como saber leer y escribir. Y la realidad es que ya estamos en el siglo XXI y la educación estadística no ha llegado. La exposición a los modelos matemáticos para la gente común ya es una cosa (hay que entender que es un modelo, que hay presupuestos, etcétera), pero ahora vayámonos a los expertos, y aquí yo coincido totalmente con un epidemiólogo emérito de la Universidad de Stanford, que dice: en estos momentos los modelos no nos sirven. No tenemos suficientes datos ni suficiente información para poder hacer nuestros modelos. Hoy en la mañana estaba escuchando la BBC y lo que decían es que no vamos a saber cuántos se han infectado por covid-19 hasta que no tengamos datos como cuál fue el exceso de muertes. Una manera de calcular tentativamente cuántos pudieron haber muerto por covid-19 es comparar cuántos murieron hace un año con los que llevamos ahora. Pero a eso no lo vamos a saber hasta que no se registren todos esos datos. Y eso en un país como Inglaterra, que está bastante organizado. Aquí en México no creo que nos enteremos nunca. Entonces, para cerrar lo de los modelos: no estamos listos para esta época. Y no solo porque no sepamos estadística, sino porque no estamos listos para la incertidumbre. O para que los propios investigadores o los propios políticos que utilizan estos datos digan: “La verdad, no tenemos idea”. El primer ministro holandés hizo una declaración muy simpática, probablemente la única simpática que hizo, y es que se estaban tomando el cien por ciento de las decisiones con el cinco por ciento de la información.
P. ¿Y cuál sería el otro nivel?
R. Paso al otro nivel. Con la lógica, que es a lo que yo empecé dedicándome como matemática, tenemos la certidumbre. Es como perfecta, porque ahí tienes un mundo que se comporta regularmente: asumes que las cosas son verdaderas y de ahí deduces lo que puedes. Con la probabilidad, lo que estamos midiendo es el riesgo: conocemos cuáles son nuestras incógnitas y lo que tenemos que hacer es calcular bien. Pero en el terreno de la incertidumbre, que es en el que estamos, no sabes ni siquiera cuáles son tus escenarios posibles. Creo que eso es algo que los científicos no aceptan. He tenido discusiones con amigos matemáticos que me dicen: “Es que los modelos son así”. Yo les digo claro, pero tú tienes que ir ajustando un modelo con la realidad y solamente vas a saber si es bueno cuando le vas cuchareando, pues le mueves los números arriba, abajo, etcétera, y entonces ya puedes publicar tu artículo y explicárselo a un auditorio. Esto a mí me parece fascinante. Por un lado, como te decía, personalmente estoy muy preocupada, pero por otro lado me parece fascinante que por fin entendamos que estamos en un mundo incierto y que eso no quiere decir que la ciencia no sirva. La propia ciencia es incierta.
P. Han salido varios artículos o materiales previos de gente que, antes de esto, ya advertía que la próxima amenaza era una pandemia, desde el video de Bill Gates hasta divulgadores o científicos. Para mí es una sorpresa que la ciencia médica pueda analizar un escenario global y decir: ojo aquí.
R. De alguna forma, a este pronóstico yo lo comparo un poco con los pronósticos de los temblores. Sabes que hay zonas donde va a temblar, incluso físicamente puedes ver cosas como la falla de San Andrés. Pero cuándo va a pasar y qué tan fuerte puede ser, no tienes idea. Entonces en un sentido... supongo que como político, si no te toca a ti, pues buena suerte, ¿no? Yo sí creo que esto se vino como una bola de nieve y a todo el mundo nos ha agarrado, alguien decía esta expresión, con los dedos en la puerta.
Mire, yo estoy discutiendo ahora, porque bueno… ahora estamos todos en esto, justamente de los escenarios posibles, imposibles. Hablaba con un amigo filósofo que cree que, como humanos, no podemos pensar que hay imposibles, pues los escenarios que se nos ocurren son combinaciones de los anteriores, etcétera. Y una de las cuestiones que estábamos discutiendo es si esta pandemia se podía esperar o no. A nivel personal no lo esperaba nadie. Pero a nivel político y a nivel de estados, hay estados como Corea del Sur que no solamente sabían que venía, sino que se estaban preparando. El caso de éxito de Corea del Sur creo que tiene que ver con dos cosas: su capacidad de control sobre la población —esto es algo importante, que también tiene China—, pero sobre todo que ellos ya estaban de alguna forma preparados con sus laboratorios, etcétera. El otro punto es este: ¿Cómo mides el éxito entre países?
Es algo que yo he pensado también. Pero, al menos viéndolo a través de la parte metodológica y de modelos, te diría que nuestra información entre los países es casi inconmensurable, en el sentido de que no podemos ni siquiera comparar. ¿Por qué? Para empezar, y aunque parezca algo muy tonto y muy simple, están registrando la información de maneras distintas: en Italia están anotando si los que murieron por covid también tenían alguna alguna otra condición crónica; en España están poniendo los confirmados por covid con una prueba y los confirmados clínicamente. Algunos médicos dicen que es clarísimo cuando alguien tiene esto, porque es una especie de inflamación a lo bestia que afecta sobre todo a los pulmones. Entonces, bueno, si yo estoy registrando de formas muy distintas no voy a poder saber por qué unos sí tienen éxito y por qué otros no. O por qué las políticas que sí funcionaron en algunos países, en otros no.
Yo creo que todo esto sí se va a ir aclarando, pero me parece casi increíble que en un mundo que parecía tan conectado y tan… de pronto esto nos rebasó. Y estoy hablando solo de la parte de cómo capturar la información...
Antes de terminar la conversación, aunque Aliseda Llera se dedique a la Filosofía de la ciencia y no a la Historia, parece inevitable preguntarle por momentos en la evolución de la medicina en los que una situación excepcional o un descubrimiento hayan cambiado presupuestos fundamentales o hayan hecho dar un salto a la disciplina. La investigadora entonces hablará de descubrimientos espectaculares como los rayos x o la anestesia, y, por supuesto, del caso de Ignaz Semmelweis: el médico húngaro que, en 1846, cuando era jefe de residentes en la Clínica de Maternidad del Hospital General de Viena, se propuso investigar por qué tantas mujeres que iban a dar a luz enfermaban y morían de lo que entonces se llamaba fiebre puerperal o fiebre de las parturientas. Después de hacer un “estudio sistemático, que ahora podríamos llamar estadístico”, Semmelweis encontró que en la sala de partos que era supervisada por los estudiantes de Medicina, las mujeres enfermaban y morían por esta infección mucho más que en otra sala idéntica, que era atendida por matronas. Su hipótesis fue que los estudiantes, que acudían a examinar a las parturientas después de hacer prácticas de anatomía con cadáveres, transportaban esa infección en sus manos. Entonces propuso como solución lavarse las manos. Semmelweis fue el pionero de la antisepsia sanitaria antes de que se hablara de los gérmenes y de su transmisión, pero su mérito fue observar de manera sistemática y recopilar datos estadísticos. Por un momento, escuchar a la investigadora mexicana hablar del descubrimiento de un médico húngaro que se ha convertido en una de las pocas certezas en medio de la pandemia —hay que lavarse las manos—, sirve para recordar las palabras de un poeta alemán, Friedrich Hölderlin: “Allí donde crece el peligro, crece también la salvación”
