Medicina Natural

Consultorio de Medicina Alternativa con Recetas


Deja un comentario

¿Qué le dijo un triglicérido a una molécula de colesterol?…”no eres tú, soy yo”

El ejército farmacéutico y sus soldados de bata blanca nos han estado vendiendo por años, la idea de que el colesterol es el principal culpable de las cardiopatías, es decir, de los problemas de corazón que se llegan a experimentar por consumir de manera excesiva alimentos cargados de grasas animales y vegetales. Y es que los fármacos fabricados a base de estatinas, como el Lipitor, el Zocor, el Crestor y otras por el estilo, les han dejado a Pfizer, a AstraZenaca y a otros muchos laboratorios farmacéuticos, carretonadas de dinero contante y sonante.

¿Que le dijo un triglicérido a una molécula de colesterol?

Independientemente de si esas estatinas realmente hacen que el colesterol baje, en la presente publicación le voy a mostrar cómo eso de que el colesterol contribuye a desarrollar una cardiopatía es totalmente falso. Como veremos más adelante, las principales causas de una cardiopatía son la resistencia a la insulina, la inflamación y el estrés crónico [1]Si las moléculas hablaran, un triglicérido le diría a una molécula de colesterol:

“No te sientas mal, tú no has sido la culpable de que el individuo que habitamos haya desarrollado esta cardiopatía. He sido yo, junto con nuestra amiga la insulina, la inflamación causada por los radicales libres y las constantes preocupaciones que nuestro anfitrión manifiesta, los que le hemos complicado su existencia“. Tanto en el libro de Bowden y Sinatra (ob. cit.) como en el trabajo de investigación que publiqué a cerca de los factores que más contribuyen en el desarrollo de una cardiopatía, se pueden hallar argumentos suficientes para rebatir esa teoría que sostiene que el colesterol, es el principal causante de las enfermedades del corazón.

Hace una década que Chris Anderson señaló en un controvertido artículo [2], que el método científico podría caer en desuso, debido a los extraordinarios resultados que estaba produciendo el análisis de las correlaciones de datos masivos (Big Data). Por aquel entonces, la técnica del análisis de datos (data analytics) ya se estaba empleando para plantear hipótesis que hasta ese momento habían emanado de las creencias o suposiciones del científico a cargo de la investigación. La hipótesis así generada debía confirmarse o rechazarse a través de una serie de experimentos minuciosamente controlados. Con el surgimiento de la minería de datos y las tecnologías de procesamiento de datos masivos, los científicos ahora son capaces de derivar hipótesis, a partir de lo que revelan las tendencias de los datos y sus correlaciones.

Los datos sí hablan, y además dicen la verdad

Cuando uno selecciona los atributos que más contribuyen al desarollo de una cardiopatia (veáse Cardiopatías: en las cosas del corazón no basta con una segunda opinión), se encuentra con que la variable a predecir (cardiopatía=falso/verdadero) tiene muy poco que ver con las variables predictoras glucosa y colesterol, y mucho que ver con la frecuencia cardíaca (frec_cardíaca), la angina inducida por el ejercicio (angina_iej) y el dolor o angina de pecho (dolor_dp). Y cuando digo poco o mucho que ver, me estoy refiriendo a lo débil o intensa que puede llegar a ser una correlación estadística entre cada una de esas variables y la cardiopatía o variable de salida (pulse sobre la imagen adjunta para agrandarla).

Los datos hablan por sí mismos y no hay que salir corriendo a la farmacia a comprar 10 cajas de Lipitor, después de que un excelentísimo señor de bata blanca nos ha comunicado que nuestro colesterol está por las nubes y que es imprescindible bajar sus niveles. No sé si me estoy explicando. La correlación es una medida de lo mal o bien que una variable afecta a otra, sobre todo cuando los datos de cada una de ellas no han sido inventados, como suele suceder en los ensayos clínicos aleatorizados tipo doble ciego. El repositorio de datos de los centros médicos de la Universidad de California con sede en Irvin, fue recolectado y puesto a disposición de los ingenieros en informática biomédica y los científicos de datos, para que construyéramos un modelo de diagnóstico como el que presenté en la publicación cuyo vínculo proporcioné en un párrafo anterior. Esos datos reflejan la realidad de un total de 573 casos registrados, mismos que después de haber sido alimentados a una herramienta de minería de datos como WEKA, fueron analizados y correlacionados para su diagnóstico y selección, respectivamente.

Se dice que una variable afecta de manera significativa a otra, cuando su coeficiente de correlación es igual o muy cercano a la unidad. Un coeficiente de correlación entre dos variables nulo o cercano a cero, indica que ninguna de las dos afecta a la otra. De acuerdo con el análisis de correlaciones entregado por nuestra herramienta de trabajo, cuyas capturas de pantalla he mostrando en la secuencia de imágenes adjuntas, es claro que el colesterol no influye significativamente ni en la frecuencia cardíaca, ni en la angina de pecho, ni sobre la que es inducida por el ejercicio (pulse sobre cada una de las imágenes para agrandarlas). Nótese cómo se aplicaron tres criterios de correlación para ponderar la relevancia de cada variable predictora respecto a la de salida.

Realidad, causalidad y casualidad

Como hemos visto, los datos no mienten, y pueden llegar a ser más confiables que las hipótesis que podrían regirse por el sentir de un científico en particular, o los intereses de un laboratorio que pretende convencer a los médicos y al público en general, de las bondades de su última patente farmacéutica. En la época en la que los datos eran escasos o eran demasiados pero difíciles de procesar por no contar con herramientas apropiadas, los investigadores se esforzaban por explicar a toda costa, las causas de un fenómeno. La causalidad era más importante que cualquier otra cosa. Si no se conocían las causas de un síntoma o de una enfermedad, no se podía establecer una hipótesis y mucho menos una teoría sobre lo que estaba ocurriendo.

Como dato curioso, existen descubrimientos que fueron realizados por casualidad y que por lo mismo, no surgieron obedeciendo al principio de la causalidad que tanto promueven los partidarios del método científico. Hay muchos ejemplos de ellos: la penicilina, la radioactividad, los rayos X, el velcro, el teflón, la dinamita, el viagra, el marcapasos, la vulcanización del caucho y el plástico, son solo algunos de esos hallazgos que se produjeron por accidente. ¿Y cree usted que en algún momento, el científico en cuestión se propuso investigar las verdaderas causas de su descubrimiento? Pregúntele a un médico si sabe por qué el viagra produce ese singular efecto en los varones y comprenderá mejor lo que quiero decir. Los millones de dólares que le ha redituado este descubrimiento a Pfizerjustifican de sobra el saber exclusivamente qué es lo que produce, sin necesidad de preguntarse cómo lo hace.

Ahora imagine por un momento que cuenta usted con una herramienta que calcula correlaciones significativas que no implican una mera casualidad, sino que más bien indican una realidad reflejada por las variables que mejor representan el comportamiento de la variable a diagnosticar. Eso es precisamente de lo que se encarga una herramienta de minería de datos como la que usé para concluir que el colesterol no constituye un buen predictor de cardiopatías.

El Proxy: una realidad sin causalidad

Schönberger & Cukier [3] han denominado proxy al conjunto de variables que representan el comportamiento de la variable que se diagnostica. En el caso que nos ocupa, el proxy está constituido básicamente por la frecuencia cardíaca, la angina de pecho y la angina inducida por el ejercicio.  Esto significa que una variación en cualquiera de estas variables predictoras, afecta sensiblemente a la variable a predecir, esto es, a la presencia/ausencia de una cardiopatía.

Ambos autores piensan que una correlación puede ser todo lo que uno necesita para descubrir lo que está pasando entre dos o más variables, aun cuando la misma cifra no revele por qué está pasando. Un proxy es entonces un conjunto de variables predictoras que reflejan fielmente el comportamiento de la variable a predecir, por estar mejor correlacionadas con ésta. Aunque en su obra ellos no mencionan absolutamente nada a cerca del colesterol, lo que yo estoy poniendo aquí al descubierto en relación al fraude farmacéutico de las estatinas, tiene mucho que ver con el hecho de que existe una correlación muy pobre entre el colesterol y las cardiopatías (0.1 para ser exactos).

El precio de bajar el colesterol: los efectos secundarios de las estatinas

Hasta donde alcanzo a vislumbrar, esto constituye una medicina basada en evidencias, porque así lo demostró el análisis de datos de los pacientes de Cleveland y Statlog. Y si los datos también hablaran, le dirían a los médicos: el colesterol no es el principal causante de los problemas de corazón, así que por favor ya no sigas prescribiendo estatinas, porque vas a acabar con la memoria y otras capacidades cognitivas de tus pacientes”. Los efectos secundarios que más deberían preocupar a los pacientes de los médicos que acostumbran recetar estatinas, son el deterioro de la memoria y la capacidad cognitiva.

Un estudio realizado por la Universidad del Estado de Iowa en el 2009 (ob. cit., pág. 144), demostró que el cerebro depende del colesterol para funcionar de manera óptima. “Hay una relación directa entre el colesterol y la liberación de neurotransmisores… El colesterol cambia la forma de las proteínas para estimular el pensamiento y la memoria… afecta lo listo que eres y tu capacidad para recordar las cosas“, señaló en su informe Yeon-Kyun Shin, biofísico y profesor del departamento de bioquímica, biofísica y biología molecular de la universidad de Iowa.
De manera que bajar el colesterol con estatinas puede resultar hasta contraproducente, porque además de provocar dichos efectos secundarios, no ofrece un beneficio sustancial en la prevención de infartos.
Lo que realmente importa entonces es encontrar las verdaderas causas de las cardiopatías. Para ello, conviene dejar de preocuparse por el colesterol total y el “colesterol malo” (también llamado de baja densidad o LDL), para enfocarse más en los triglicéridos y el colesterol de lipoproteínas de alta densidad (HDL), mejor conocido como “colesterol bueno”.

Los verdaderos culpables de las cardiopatías

Por supuesto que habremos de explorar también los posibles factores de riesgo que se asocian a una cardiopatía, tomando en cuenta los hallazgos anteriormente mencionados. Pero como no es posible descubrir las causas de una cardiopatía a través de correlaciones, me interesó conocer la opinión de Bowden y Sinatra a este respecto.
Aunque ambos autores reconocen al azúcar como uno de los principales causantes de las cardiopatías, si miramos más detenidamente las capturas de pantalla mostradas en las imágenes precedentes, podríamos inferir que la glucosa tampoco está muy correlacionada con las cardiopatías, al menos no directamente. Apostaría doble contra sencillo a que si en el repositorio de Irvin se hubieran registrado los niveles de los triglicéridos y/o de insulina de cada uno de los casos atendidos, encontraríamos una fuerte correlación entre cada una de ellas y la variable de salida, esto es, la existencia/ausencia de una cardiopatía.

Pero entonces ¿por qué Boden & Sinatra afirman que el azúcar sí es un factor que aumenta el riesgo de desarrollar una cardiopatía?
En mi opinión, lo hace pero de manera indirecta: el consumo excesivo de azúcar y de carbohidratos afecta a la cantidad de insulina que segrega el páncreas, lo que a su vez produce un aumento de los triglicéridos en la sangre. Ellos lo han expresado de manera muy sucinta: “las dietas que son más bajas en azúcar y carbohidratos procesados reducen la inflamación, el azúcar en la sangre (glucosa), la insulina, la resistencia insulínica y los triglicéridos” (op. cit., pág. 86. Los paréntesis son míos).

De acuerdo con lo anterior, es muy probable que las variables que conforman el proxy estén intensamente y directamente correlacionadas con la insulina o la insulinorresistencia, los triglicéridos y los marcadores de inflamación activa, como el fibrinógeno o la proteína C reactiva, o cualesquier otro que refleje la actividad de las citoquinas. Las citoquinas o citocinas, son moléculas que se encargan de reclutar células para las áreas de inflamación, y cualquier examen de laboratorio que refleje una actividad de esta índole, indicará el grado de inflamación sistémica (aquella que no está focalizada, sino que se ha extendido hacia muchas otras partes del cuerpo).

Por su parte, el estrés crónico viene a ser también una variable que debería repercutir directamente sobre las que componen el proxy, y bastaría con conocer los valores de estas últimas para predecir con un 79% de confianza [4], que el paciente va a presentar o no una cardiopatía, porque resultaría muy complicado medir su nivel de estrés. Es extremadamente difícil cuantificar el nivel de adrenalina y cortisol que está uno segregando a diario, o cada vez que se preocupa por algo o alguien; así que el proxy resulta de mucha utilidad cuando se está pretendiendo identificar lo que está afectando a la variable de salida. Sin embargo, no hay que olvidar que la verdadera causa de una cardiopatía no puede ser determinada a través de una correlación.

Lo mejor que puede hacer usted para prevenir una cardiopatía

En resumen, la insulinorresistencia, la inflamación y el estrés van a influir en el proxy, en la misma proporción en la que éste repercute en el surgimiento de una cardiopatía. Y si usted quisiera hacer algo para mejorar las condiciones de “su proxy”, o sea de su frecuencia cardíaca, de una posible angina de pecho y/o de una probable angina inducida por el ejercicio, lo mejor que podría hacer a partir de este momento, es dejar de consumir azúcares para reducir los triglicéridos y aumentar el colesterol bueno con una adecuada suplementación, ya que ambos determinan el nivel de insulinorresistencia.

El cociente que resulta de dividir la cantidad de triglicéridos entre el nivel de colesterol tipo HDL, es un indicador de que tan insulinorresistente es un paciente. Un cociente con un valor mayor o igual a 3 debería preocupar a cualquiera, porque ese resultado estaría confirmando una insulinorresistencia y un deterioro de las variables del proxy. A modo de ejemplo, en la imagen adjunta (pulse sobre la misma para agrandarla), muestro los resultados de la química sanguínea de un hombre de 59 años que a pesar de tener un nivel alto de LDL, no presenta insulinorresistencia, ya que su nivel de triglicéridos es igual a 80 mg/dL y su HDL es de 45 mg/dL (el cociente aquí es de 1.77).

Conclusiones

1) Para prevenir cualquier cardiopatía, incluyendo un infarto, no es tan importante el valor que tengan los triglicéridos y el colesterol por sí mismos, sino la relación (cociente) que existe entre los primeros y el denominado “colesterol bueno”.
2) Para los efectos del inciso anterior, no hace falta reducir las grasas animales y vegetales, sino disminuir el azúcar, el estrés crónico y la inflamación. Los primeros dos factores de riesgo dependen de usted. Lo que no depende de usted es la inflamación, y dado que ya sabemos que ésta sí es una de las principales causas de los problemas cardíacos, le recomendamos que en caso de haber sido dianosticado(a) con una cardiopatía, reduzca la inflamación con antioxidantes en dosis terapéuticas apropiadas (ortomoleculares).

Un comentario final

Si desconoce el tipo de suplementos que debe tomar para reducir aún más los triglicéridos, o no sabe cómo aumentar el colesterol bueno o cómo determinar las dosis diarias de sus antioxidantes y cada cuándo tomarlos, puede contactarnos para que le confeccionemos una receta que concuerde mejor con su individualidad bioquímica.

“La mejor forma de representar una realidad, no es buscando los datos que justifiquen la existencia de una hipótesis, sino elaborando una teoría a partir de lo que tengan que declarar los datos”
© Sergio López González. Fundación MicroMédix. 31 de mayo de 2018.


¿No encontraste aquí lo que buscabas? En el índice temático hay más artículos que te pueden interesar


REFERENCIAS

[1]  Jonny Bowden y Stephen Sinatra. La verdad sobre el colesterol. Descubre los falsos mitos acerca del colesterol. Un programa efectivo sin medicamentos para rebajarlo.  Urano. 2103
[2] Chris Anderson. The End of Theory: The Data Deluge Makes the Scientific Method Obsolete. Wired, June 2008.
[3] Viktor Mayer-Schönberger & Kenneth Cukier. Big Data: A Revolution That Will Transform How We Live, Work, and Think. First Mariner Books, 2014
[4] López G. Sergio. Cardiopatías: en las cosas del corazón no basta con una segunda opinión. Fundación Micromédix, 27 de enero de 2018.

Anuncios


Deja un comentario

Minería de datos clínicos como apoyo en el diagnóstico médico: herramientas y cursos

¿Cómo se puede contar con la opinión consensuada de un centenar de especialistas, sin incurrir en un gasto excesivo? Con un software de minería de datos (data mining) gratuito y la capacitación apropiada para comprender bien su operación.
El aprendizaje de máquina está rebasando las expectativas de los médicos y naturópatas que continuamente se actualizan para mejorar sus diagnósticos, e independientemente de si el problema ha de solucionarse con medicina alternativa o alopática, hoy en día ya no basta con la opinión de un solo profesional de la salud para pronosticar si un paciente va a sobrevivir o no a una enfermedad.

Aun cuando un experto haya diagnosticado a un paciente como incurable, no está de más conocer la opinión de un mayor número de colegas. De hecho, hay muchos médicos que estarían encantados de contar con el consenso de otros especialistas del ramo, para corroborar si lo que han dictaminado es realmente irrefutable. Los seres humanos a veces nos equivocamos (falsos positivos/negativos), y eso puede contribuir a que un paciente se rinda a consecuencia del efecto nocebo que un pronóstico médico pesimista suele producir.

El propósito de la minería de datos 

Durante el presente trabajo explicaré cómo es que una rama de la informática biomédica conocida como minería de datos, pone a disposición de un profesional de la salud, la opinión consensuada de cientos de médicos, basándose en los casos atendidos anteriormente por expertos que ni siquiera conoce. ¿Que cómo lo hace? Esa es precisamente la pregunta que a lo largo de este artículo pretendo responder.
Para determinar la condición de un paciente, el especialista tendrá que plantearle unas cuantas preguntas que una herramienta de diagnóstico es capaz de formular automáticamente, basándose en un registro histórico acumulado de cientos de casos.

Por favor no me mal interprete, lo que estoy proponiendo aquí no es remplazar la función del médico con un software de diagnóstico, sino apoyarlo en la toma de decisiones. El software de minería de datos es un recurso más al que se puede recurrir a la hora de emitir un dictamen. Lo más interesante de esta otra herramienta, es que captura y procesa las variables (atributos) recogidas por el resto del instrumental médico, para analizar su influencia en el estado de salud del paciente. La presión arterial, los signos vitales, los síntomas y demás rasgos de un paciente pueden ser registrados y posteriormente analizados simultánea y expeditamente por un programa de minería de datos, a fin de generar un diagnóstico más completo y confiable.

En referencia a la hepatitis por ejemplo, preguntas como ¿está presentando ascitis el paciente?, ¿padece de arañas vasculares? y ¿a cuánto asciende su tiempo de protrombina (rapidez de coagulación sanguínea)?, pueden resultar cruciales al momento de emitir un diagnóstico. Así por ejemplo, cabe la posibilidad de que aun cuando el tiempo de protrombina sea mayor a 43 segundos, el paciente todavía pueda sanar si no presenta ascitis ni arañas vasculares (pulse sobre la imagen adjunta para ver las reglas de decisión que generó la herramienta de software WEKA, una vez que encontré el modelo óptimo de diagnóstico).

Mediante ese mismo modelo, se puede obtener un pronóstico de la esperanza de vida de una mujer que ha llegado a la sala de emergencias experimentando fatiga y arañas vasculares, con un hígado sin endurecimiento; pero con un nivel de albúmina por debajo de los 3.8 g/dl y uno de fosfatasa alcalina inferior a los 147 U/L. ¿Y habría necesidad de internar a otra mujer habiéndole detectado un hígado endurecido, un nivel de albúmina por encima de los 2.8 g/dl y una bilirrubina inferior a los 1.42 mg/dl?
De acuerdo con la tercera regla de decisión del modelo de minería de datos que presenté en la imagen inmediata anterior, la respuesta es no, porque esa última condición ha sido pronosticada por el modelo en cuestión como curable.

Si usted es un(a) hepatólogo(a) con experiencia, es muy probable que algunas de las reglas de decisión anteriormente expuestas le resulten familiares, y tal vez otras le parezcan simplistas o incluso cuestionables. Y lo comprendo, porque quiero suponer que está acostumbrado a efectuar dictámenes más estrictos; pero permítame aclarar que el modelo propuesto, además de ser probabilístico, es perfectible, ya que el número de casos en los que están basadas las reglas anteriores es de 155, que para ser exactos corresponden a 123 casos curables y 32 incurables  (véase la captura de pantalla adjunta). Al pulsar sobre el histograma, notará que la barra roja está representando los casos incurables.

En el campo de la minería de datos, al igual que en la medicina, a medida que aumenta el número de casos atendidos, también lo hace la experiencia acumulada, y con ella, la certidumbre de los diagnósticos. Las máquinas aprenden de manera muy similar a como lo hacen los seres humanos y como alguna vez lo hicieron aquellos programas de computación a los que no hace mucho tiempo se les llamó sistemas expertos, es decir, a través de una base de conocimientos. De manera que usted mismo puede ir optimizando su propio modelo, siempre que vaya integrando más casos a esa base de conocimientos: ese conjunto de casos que ya resolvió en el pasado y que seguirá diagnosticando cada día mejor, conforme pasen los años. El punto aquí es que la máquina y usted aprendan, tanto si aciertan en sus diagnósticos como si no, porque ¿sabe usted cuántas variables predictoras es capaz de manejar simultáneamente un software de minería de datos para diagnosticar un padecimiento? Cientos de ellas.

En el artículo que publiqué bajo el título “La informática biomédica en el diagnóstico y la prevención de la esquizofrenia y otros trastornos de la personalidad“, propuse un modelo con 72 variables predictoras que a la postre optimicé empleando únicamente 35 atributos, mediante una selección apropiada de los mismos. A la izquierda muestro los histogramas de las 15 variables que componen el modelo que les propuse construir a mis participantes, en uno de los cursos que imparto: “Informática Biomédica para el Descubrimiento de Nuevas Terapias y el Diagnóstico de Enfermedades“. Más adelante explico por qué esas 15 variables resultaron ser las más relevantes en el caso de la hepatitis.
Sin una herramienta de minería de datos a la mano, es probable que a un ser humano se le dificulte manejar al mismo tiempo, 15 variables para emitir diagnósticos confiables de hepatitis, o 35 variables en el caso del modelo de diagnóstico para la esquizofrenia. Entiéndase aquí por confiable no tanto la opinión de uno o dos expertos en la materia, sino la precisión que se consigue utilizando un conjunto de datos de prueba, que permiten confrontar los diagnósticos realizados por un algoritmo estadístico-matemático, con lo que opinaron un gran número de expertos en el pasado. Técnicamente hablando, al resultado de esa comparación se le conoce como matriz de confusión (derecha), que no es más que una tabla en donde el analista de datos clínicos puede distinguir los llamados falsos positivos/negativos, de los verdaderos positivos/negativos.

Tendría usted que desarrollar uno de los talleres del curso que mencioné con anterioridad, para aquilatar debidamente el hecho de que un ser humano no es capaz de manejar simultáneamente, ya no digamos 35, sino al menos 15 variables, como para discernir bien entre un falso diagnóstico y otro probablemente correcto. Para una discusión más profunda sobre lo que implicaría por ejemplo, dar de alta a un paciente cuando en realidad sí está presentando una cardiopatía (falso negativo), véase: “Cardiopatías: en las cosas del corazón no basta con una segunda opinión“, también de mi autoría.

Aclarando los conceptos clave de la minería de datos

A reserva de que con el curso de minería de datos usted consiga dominar esa jerga técnica que describe mejor cómo aprende una máquina, considero conveniente explicar sin tanto tecnicismo, algunos conceptos básicos que le ayudarán a comprender el teje y el maneje de esta fascinante área del conocimiento (si desea usted conocer más detalles sobre los temas que se tratan a lo largo del curso, puede pulsar sobre el mapa mental de la derecha para agrandarlo).
Recuerde que si este esfuerzo no bastara para dejar claro los conceptos clave de la minería de datos, para mí siempre será un placer responder cualquier pregunta que quisiera usted plantear a modo de comentario, al final de esta entrega.

Es importante conocer por ejemplo la diferencia que existe entre un modelo y su algoritmo. Un modelo es el efecto que resulta de aplicar un algoritmo a un conjunto de atributos en particular.
El algoritmo por su parte, es una serie de instruciones escritas en algún lenguaje de programación, que al ser aplicadas a ese conjunto de atributos, provocan un cambio en el diagnóstico o variable de salida. A esta variable también se le llama clase, precisamente porque su finalidad es clasificar cada uno de los casos registrados en el pasado.

Los atributos constituyen las variables de entrada al modelo y reciben también el nombre de variables predictoras, porque afectan el comportamiento que tendrá la variable de salida en el futuro, es decir, cuando se trate de diagnosticar casos de pacientes cuyo diagnóstico se desconoce. En la tabla que aparece en la imagen adjunta (pulse sobre la captura de pantalla de la hoja de Excel para agrandarla), cada renglón de la tabla representa un caso de un paciente afectado de hepatitis, cuyo diagnóstico fue determinado en el pasado con dos posibles valores: curable e incurable. Ambos valores están representando a la clase asignada a cada caso en particular.

Así por ejemplo, de los 155 casos de hepatitis que obtuve del repositorio de datos de la Universidad de California con sede en Irvin (solo se muestran los primeros 25), el caso asociado al séptimo renglón de la tabla, que corresponde a una mujer de 51 años que reportó no haber consumido esteroides ni antivirales, y cuyos síntomas estaban caracterizados por la presencia (denotada como en la celda/casilla correspondiente) de fatiga, anorexia, hígado agrandado, bazo palpable y arañas vasculares, fue desahuciada por el médico que la atendió, a pesar de que en ese momento no contaba con los datos de los atributos bilirrubina, fosfatasa alcalina, SGOT (AST o aspartato aminotransferasa), albúmina y tiempo de protrombina (hecho denotado como “?” en la casilla).

El preprocesamiento de los datos y su repercusión en la precisión del modelo

Tan solo con convertir apropiadamente algunas de las variables numéricas a categóricas, sustituir los campos vacíos de estas últimas con el valor de su moda, y remplazar los valores faltantes de las variables numéricas con el promedio de su correspondiente atributo, ya estaríamos aumentando la precisión de un modelo que podríamos usar como referencia, para irlo optimizando sucesivamente (análisis comparativo o benchmarking).
Dentro de las estrategias de aprendizaje supervisado, existen varios algoritmos con los que se puede comenzar a trabajar. En la imagen de la derecha enumero varios de ellos.
Puesto que ya en una publicación anterior utilicé como referencia el algoritmo ZeroR, en esta ocasión recurriré al árbol de decisión J48 como primera aproximación. Este método de aprendizaje selecciona automáticamente los atributos que a “su juicio” son los más relevantes, entendiendo por relevantes aquellos atributos que más afectan al diagnóstico, o que están más correlacionados con éste. La correlación de un atributo con la variable de salida, nos permite ubicarlo dentro de una lista jerárquica, para saber qué tanto puede influir en los diagnósticos. Nótese como las ramas del árbol de decisión mostrado a su izquierda (pulse sobre la imagen para agrandarla), terminan en un nodo al que se le llama “hoja”, en donde se puede conocer el resultado del proceso de clasificación a lo largo del camino (rama) que conduce a ese nodo terminal (curable/incurable, dependiendo ello de los valores de los atributos).

Optimizando el modelo con los atributos de mayor relevancia

En una primera aproximación, mis participantes suelen obtener con el árbol J48 una precisión del 80.64%. No obstante, este cifra no parece muy prometedora si de lo que se trata es pronosticar la posibilidad de sobrevivir a una hepatitis. Conociendo las precisiones que otros investigadores han obtenido en cuanto a diagnósticos de hepatitis se refiere, nuestro trabajo dejaría mucho que desear si no hiciéramos un esfuerzo por mejorar sus respectivas propuestas.

Karthikeyan y Thangaraju [1] por ejemplo, desarrollaron un modelo basado en J48 que exhibió una precisión del 83%, la cual demostraron se puede conseguir también con un árbol de clasificación tipo Random Forest, y una red neuronal multicapa (perceptrón). No quedando conformes con eso, en una etapa posterior encontraron un par de modelos basados en redes bayesianas con un 84% de precisión.
Por su parte, Nilgün y Özgür [2] lograron conseguir una precisión en sus diagnósticos del 84.5%, con las reglas de decisión PART comentadas en un párrafo anterior.

Para no quedarnos atrás, a continuación describiré cómo en el curso de “Solución de Problemas Multidisciplinarios con Minería de Datos“, los participantes construyeron un modelo con una precisión mayor a la que consiguieron los referentes que cité con anterioridad. La diferencia radicó en una mejor selección de los atributos.

Hay varios métodos para determinar cuáles son los atributos más relevantes. En la imagen de la izquierda muestro la lista de las variables consideradas en el modelo inicial, así como las que seleccionamos en el curso, a partir de una jerarquización de las mismas basada en los promedios de sus correlaciones con la variable diagnóstico (listadas en orden descendente). Como se advierte en esa misma captura de pantalla (pulse sobre la misma para agrandarla), los atributos que terminamos descartando fueron los que aparecen resaltados en amarillo: esteroides, anorexia, hígado agrandado y SGOT. Los demás fueron los que escogimos como los más relevantes.
El procedimiento que se sigue para descartar o conservar los diferentes atributos forma parte de lo que se conoce como calibración del modelo, y constituye todo un apartado dentro del temario del curso “Solución de Problemas Multidisciplinarios con Minería de Datos“. Para los efectos de este trabajo, lo importante no es tanto saber cómo se seleccionaron los atributos, sino qué variables resultaron ser las más relevantes, y cómo afecta dicha selección la precisión de los diagnósticos. En la imagen de la derecha presento un cuadro resumen de los modelos evaluados a lo largo del taller, con sus correspondientes coeficientes estadísticos. Si desea saber para qué sirven estos parámetros, le recomiendo consultar: Cardiopatías: en las cosas del corazón no basta con una segunda opinión; ahí expliqué con mayor detenimiento algunas de sus propiedades.

El análisis de los datos: una alternativa para optimizar el modelo

De acuerdo con la tabla anterior, el modelo que resultó de aplicar las reglas de decisión PART a los 15 atributos previamente seleccionados, fue sin lugar a dudas el mejor, por habernos entregado en el menor tiempo posible, una precisión del 88.38%, con un coefficiente de Kappa mayor a todos los demás y una tasa de error mínima.

Aun cuando hay autores que afirman haber encontrado precisiones mayores a las que aquí estamos reportando [3]-[4], para los propósitos del taller que mis participantes estaban cursando, dicha cifra fue más que suficiente, pues superó en 3.8 puntos porcentuales, los resultados conseguidos por esos otros dos referentes anteriormente mencionados (análisis comparativo). Y aunque la jerarquización de correlaciones promediadas es un método más formal que el análisis de los datos, ésta otra técnica se podría aplicar también para seleccionar los atributos que más influyen en el diagnóstico.

El análisis de datos no requiere de operaciones matemáticas laboriosas pero sí de cierta habilidad para interpretar histogramas y detectar correlaciones entre atributos. Dos atributos están correlacionados cuando uno depende del otro, y uno de los dos se puede descartar en caso de confirmarse una correlación entre ellos.

La independencia entre dos atributos se puede comprobar matemáticamente con el teorema de Bayes. No obstante, una correlación de atributos se puede inferir también a partir de su diagrama de dispersión. Habrá situaciones sin embargo en las que no se podrá descartar un atributo, por estar correlacionado tanto con otro atributo como con la variable de salida. Tal es el caso de la albúmina, la ascitis y el diagnóstico de la hepatitis.  Sabiendo que un nivel anormalmente bajo de albúmina constituye un rasgo de daño hepático grave, y que una cantidad insuficiente de albúmina podría estar implicando una ascitis, se intuye que debe haber una correlación entre las variables de entrada ascitis y albúmina. Pero de acuerdo con los promedios jerarquizados de las correlaciones entre cada una de estas variables y el diagnóstico, todo indica que no podríamos descartar ninguna de ellas, porque ya vimos que ambas ejercen un gran impacto en la variable de salida.
De acuerdo con el histograma mostrado a la izquierda, los pacientes con menos posibilidades de sobrevivir (área en color rojo) suelen ser los que presentan el nivel de albúmina mas bajo. Análogamente, observe en la captura de pantalla de la derecha, cómo la ascitis impacta de manera muy marcada en la esperanza de vida: el porcentaje de los casos incurables (en rojo), es mucho mayor en los casos de ascitis que en aquellos en los que no se detectó acumulación de líquido en el abdomen.

En contraste con los dos atributos anteriores, mediante un análisis de los histogramas asociados a las variables esteroides, anorexia, hígado agrandado y SGOT, puede uno fácilmente darse cuenta del poco impacto que ejercen éstas en el diagnóstico.

A modo de ejemplo, obsérvese la variación del atributo esteroides en la captura de pantalla de la imagen adjunta. El histograma revela que el porcentaje de pacientes que sobrevivieron y que no consumían esteroides fue del 73% aproximadamente, mientras que el porcentaje de los que sobrevivieron y que sí consumían esteroides fue del  87%. Como yo lo veo, no hay una gran diferencia entre consumir o no esteroides, si de lo que se trata es pronosticar lo que sucederá después de haber contraído una hepatitis, cualesquiera que sea su tipo (A,B,C,D,E, F o G). Considero que esa diferencia de tan solo el 14%, es suficiente para contemplar la posibilidad de descartar este atributo de nuestra lista de variables relevantes.

Pero entonces… ¿Qué diagnóstico le entregaría usted al paciente que acaba de llegar a su consultorio?

Prueba de validación y confiabilidad del modelo

Una vez habiendo evaluado al menos 3 modelos y seleccionado uno de ellos como el óptimo, lo que resta es ingresar los datos de uno o más pacientes a nuestra herramienta de diagnóstico. En la imagen de la derecha estoy mostrando lo que el software WEKA me entregó al sustituir la opción de prueba conocida en el argot de la minería de datos como validación cruzada (indicada en la imagen de la derecha como Cross-validation), por la opción suministro de datos de validación (Supplied test set). Este conjunto de datos constituye el archivo de pacientes a diagnosticar, o mejor dicho, representa los valores de los atributos de unos pacientes cuyos datos no están en ningún repositorio de California, sino en el archivo clínico del hospital o de la institución en donde el médico o naturópata trabaja.
Supóngase que los casos a diagnosticar corresponden a seis pacientes, con los síntomas y datos de validación que aparecen en la hoja de datos de la izquierda. Note que el campo correspondiente a la variable de salida diagnóstico, contiene un signo de interrogación, el cual se ha ingresado así deliberadamente, porque al momento de ingresar los datos, el diagnóstico aún es una incógnita.
En el momento que le decimos a WEKA “arráncate”, pulsando sobre el botón etiquetado como Start, este software aplica el algoritmo PART a los 15 atributos de los que consta cada uno de los 155 casos almacenados en la memoria de la máquina, con la diferencia de que esta vez ya no emplea una validación cruzada. En lugar de tomar la décima parte de los datos de entrenamiento como datos de prueba (de ahí que Folds=10), sustituye a éstos con los datos de nuestros pacientes para realizar sus diagnósticos. Esos datos son los que aparecen en la imagen de la izquierda.

¿Cuál sería entonces el diagnóstico del paciente con lo datos de la instancia (caso) #1? (véanse de nuevo las últimas dos imágenes). La respuesta se traduciría como una esperanza de vida del 96.7%, puesto que fue diagnosticado como curable. ¿Y que me dice de la esperanza de vida del paciente con los datos de la instancia #6 ? Ahora el panorama es desolador, porque basándonos en las cifras que ha entregado la herramienta de diagnóstico, inferimos que  la esperanza de vida para este paciente es del 14.3%, dado que fue diagnosticado como incurable. ¿Pero qué tan confiables son estos diagnósticos?

Hemos visto que la bondad de un modelo depende del algoritmo y de los atributos seleccionados. Pero tenemos que ser muy cuidadosos a la hora de interpretar los resultados, porque las evaluaciones de los cuatro modelos anteriormente analizados, fueron realizadas empleando una validación cruzada. Si fuéramos más estrictos, tendríamos que hacer una segunda evaluación, usando los mismos datos de entrenamiento del repositorio de Irvin; pero con un conjunto de datos de prueba mucho mayor que el archivo de 6 pacientes que usaron mis participantes en el taller, en donde no debería faltar el valor de la clase. En estas condiciones, el modelo seguiría siendo el mismo pero aprendería más de sus errores, como resultado de la comparación de los valores diagnosticados con los reales.

Como cabría esperar, bajo este nuevo esquema el modelo arrojaría una precisión ciertamente menor; pero más confiable (realista) que la que obtuvimos aquí con la validación cruzada.

Conclusiones

1) La confiabilidad de un modelo crecerá conforme aumente el número de casos, tanto de los que se usan para entrenarlo, como los que sirven para probarlo. Entre más grande sean el volumen y la calidad de los datos, más confiables serán los diagnósticos.
2) La precisión de un modelo depende tanto del algoritmo como de los atributos seleccionados.
3) Además de la precisión y el tiempo de ejecución, la evaluación de un modelo debe considerar también ciertos parámetros estadísticos, como son el coeficiente de Kappa, la raíz del error cuadrático medio y la matriz de confusión, por mencionar los más importantes.

4) Una herramienta de minería de datos fácil de usar y gratuita, así como una buena capacitación, aumentan la competitividad de un profesional de la salud, pues no es lo mismo confiar en la experiencia de un solo experto, que considerar el consenso de un gran número de especialistas.
5) El descubrimiento de tendencias y patrones en un gran volumen de datos de buena calidad, contribuye más a minimizar los diagnósticos falsos positivos/negativos y a maximizar los pronósticos verdaderos positivos/negativos, que cuando se opta exclusivamente por la auscultación, la vigilancia de signos vitales, los exámenes de laboratorio y el seguimiento de la evolución de síntomas y rasgos del paciente.

Tanto en la medicina como en los demás campos del saber, los datos pueden reflejar una realidad que no es posible descubrir a través de la lectura o del estudio de una que otra hipótesis científica, sino por medio de la interpretación apropiada de una tendencia, un patrón, o de esa pista que nos ayudará a comprender mejor los misterios de la naturaleza, y que nos ampliará aún más la visión que tenemos del mundo que nos rodea. Hay algo en los datos que no está en los libros y que es menester descubrir: el conocimiento.

“No hay inversión más rentable que la del conocimiento” … Benjamin Franklin
© Sergio López González. Fundación MicroMédix. 16 de abril de 2018


¿No encontraste aquí lo que buscabas? En el índice temático hay más artículos que te pueden interesar


REFERENCIAS

[1] Karthikeyan & Thangaraju. Analysis of Classification Algorithms Applied to Hepatitis Patients. International Journal of Computer Applications (0975 – 8887), Volume 62– No.15, January 2013.
[2] Nilgün & Özgür. Evaluation of risk of death in hepatitis by rule induction algorithms. Scientific Research and Essays Vol. 5(20), pp. 3059-3062, 18 October, 2010.
[3] Fadl Mutaher Ba-Alwi, Houzifa M. Hintaya. Comparative Study For Analysis The Prognostic In Hepatitis Data: Data Mining Approach. International Journal of Scientific & Engineering Research, Volume 4, Issue 8, August-2013.
[4] Pushpalatha & Pandya. Data model comparison for Hepatitis diagnosis. International Journal of Emerging Research in Management & Technology. ISSN: 2278-9359 (Volume-3, Issue-7).


8 comentarios

Psiquiatría alternativa: controlando los síntomas del trastorno sin ocasionar efectos secundarios

La psiquiatría es una estrategia que ha empleado la industria farmacéutica por años, para controlar los síntomas de varios trastornos de la personalidad. Su intención es propiciar la farmacodependencia, a través del uso indiscriminado de drogas psicotrópicas.
Dando por sentado que los trastornos mentales son incurables, esa industria alecciona a los médicos para que difundan la idea de que los medicamentos se deben tomar a perpetuidad. El problema es que los médicos llegan a comulgar con esa idea, o bien son sobornados por los magnates farmacéuticos, para que la adopten como estandarte en el ejercicio de su profesión.

Nuestra experiencia

Para erradicar las causas de las enfermedades y demostrar que existen mejores prácticas que las que propone el sistema tradicional de salud mental, nuestros proyectos de investigación se han enfocado más en la curación, que en el control de los síntomas. Si embargo, hemos notado que si los familiares de nuestros pacientes no pueden controlar apropiadamente sus síntomas, la tasa de éxitos tiende a disminuir significativamente. No es fácil manejar a un paciente afectado de esquizofrenia, y mucho menos cuando sus familiares no se ponen de acuerdo.
Hay por ejemplo parejas, en las que uno de sus miembros prefiere ver a su hijo medicado y aislado, que soportar la angustia de verlo riendo a solas, gateando, o explotando en ira contra todo y contra todos.
También hay madres guerreras solteras que después de haber intentado varias estrategias, se han visto en la necesidad de “tirar la toalla” a medio camino, por no poder soportar el estrés que una lucha de esta naturaleza genera. Ha habido padres guerreros que han llegado al extremo de confinar a sus hijos en uno de esos calabozos disfrazados de hospitales psiquiátricos, simplemente porque no han podido manejar los síntomas de ese ser humano que hace más de una década vio nacer, y del que ahora solo se perciben unos cuantos rasgos de lo que solía ser.

Un escenario con estas características debe ser transformado para que el camino hacia la recuperación total, sea más llevadero. Y la mejor forma de conducir tanto al paciente como a sus familiares por un camino menos doloroso, es controlando los malestares del trastorno con el mínimo de efectos secundarios. Hay también varias condiciones que se deben dar para que un tratamiento sea exitoso.

Los detalles de cómo propiciar que se den esas condiciones los puede encontrar en Por qué unos pacientes se alivian y otros no: las diez claves de un tratamiento exitoso“, también de mi autoría.
Pero aparte de las oportunidades que uno mismo debe crear para aumentar la probabilidad de éxito de un tratamiento, existen varias alternativas a las que podemos recurrir para manejar los síntomas de una psicosis, un trastorno bipolar, un trastorno obsesivo-compulsivo y otros trastornos por el estilo. La rama de la fitomedicina que se encarga de tratar y aliviar los síntomas de índole psiquiátrico, es una de ellas.

Primera alternativa: la “fitopsiquiatría”

A finales del siglo pasado, la difusión de los avances de esa parte de la fitomedicina a la que yo llamaría “fitopsiquiatría”, por especializarse en trastornos de la personalidad, había estado limitada a los acervos bibliográficos convencionales, como eran las bibliotecas, las microfichas, las bases de datos y los bancos mundiales de información (DIALOG y ORBIT en aquel entonces).

Esos grandes repositorios se accedían a través de una línea telefónica conectada a un modem de acoplamiento acústico (derecha), que fungía como medio de comunicación entre la base de datos biomédicos y la terminal de impresión que uno empleaba para conocer los resultados de sus búsquedas. Esos eran los accesos remotos que los investigadores de aquel entonces usábamos para mantenernos al tanto de los avances científicos. De un modo u otro, esos sistemas tan precarios de interconexión, eventualmente evolucionarían y se integrarían a una red de múltiples interconexiones popularmente conocida como Internet.

Todos esos medios proporcionaban información explícita. Si no estaba escrito, era muy difícil concebir una nueva idea a partir de lo que en esos medios se podía leer, sobre todo porque la mente humana no es capaz de comparar muchos artículos a la vez, con el fin de identificar relaciones entre términos que a criterio del investigador, son palabras claves. Con las herramientas de hoy, el investigador está en posibilidad de extraer conclusiones a partir de los patrones y tendencias que las máquinas descubren en los datos.

Antes del surgimiento de las redes sociales de Salud 2.0 y del advenimiento de los sistemas expertos, la minería de datos y la minería de texto biomédico, uno no podía inferir conocimiento nuevo valiéndose de esos antiguos medios de información, y los métodos para llevar a cabo un descubrimiento, no eran lo suficientemente eficaces. Los trabajos de investigación tardaban semanas, meses, o incluso años en materializarse. Basta conocer lo que los padres de Lorenzo Odone hicieron por él, para darse una idea de lo que significaron todos esos años de esfuerzo y dedicación (izquierda).

La extracción (minería) de texto es una de las tecnologías de la información que más aplicaciones ha encontrado en el campo de la biomedicina, y nos ha permitido descubrir ese conocimiento que no ha sido escrito explícitamente en cientos de miles de artículos técnicos.
Hoy existen herramientas de software con las que se pueden descubrir terapias alternativas mucho más inteligentes que las que podría recomendarle cualquiera de los psiquiatras que ha consultado, o que podría llegar a consultar en los años que le quedan por vivir.

Arrowsmith por ejemplo, es el software de mineria de texto biomédico que me ayudó a encontrar una alternativa natural para la clozapina. En otra parte de esta misma página publiqué los resultados del estudio relacionado con ese hallazgo: “Microdosis de Akuamma: nueva medicina alternativa para tratar la esquizofrenia y otros trastornos mentales“, en donde documenté con lujo de detalle, cómo es que la alstonina, uno de los alcaloides de esa planta africana, puede emular las propiedades antipsicóticas de la clozapina. Los psiquiatras les dicen a sus pacientes que este antipsicótico es el que menos efectos secundarios ocasiona y sin embargo, es el último fármaco al que recurren… Por algo será.

Resulta que ese algo es la agranulocitosis, una enfermedad que deprime de manera alarmante el sistema inmume del paciente. Y por si eso fuera poco, cuando un psiquiatra prescribe clozapina, suele acompañar su receta con un antiepiléptico, porque sabe perfectamente que dicho antipsicótico también puede ocasionar convulsiones. Desde luego que esto último no se lo dice ni al paciente ni a sus familiares, pues en ese momento es el amo de la situación: un CuasiDios en potencia que no permite ser cuestionado sobre los efectos secundarios de todo lo que ha recomendado tomar en esa receta que parece haber sido escrita en piedra.

Y eso es tan solo un ejemplo del estado de la situación. Si quiere usted darse una idea más clara de lo que frecuentemente tienen que enfrentar muchos padres de hijos con trastornos de personalidad, lo invito a que conozca el modus operandi de ese modelo de negocio creado por la industria farmacéutica.
La buena noticia es que ahora la medicina alternativa va más allá de los remedios de la abuela, y ha dejado de evocar esa imagen que antiguamente se asociaba a las prácticas del médico brujo, del chamán, o de aquel exorcista al que había que pagarle para que liberara al enfermo de sus demonios internos.

La fitopsiquiatría, por llamarle de alguna manera, está surgiendo como un campo de estudio de carácter interdisciplinario, en el que los principios de la fitomedicina, la minería de texto biomédico y la neuropsicofarmacología (no la psiquiatría), se conjugan para suprimir los efectos secundarios de aquellas drogas que supuestamente benefician al paciente; pero que él se rehúsa a tomar por así convenir a sus intereses.

Y le he llamado fitopsiquiatría precisamente porque su objetivo primordial es controlar los síntomas, y nada más. En este contexto, hay que entender que el paciente no está obligado a tomar medicamentos que afecten su estado de ánimo de una manera diferente e inconsistente, porque si bien esos fármacos podrían estar controlando sus delirios y/o alucinaciones (en el mejor de los casos), es muy probable que lo estén deprimiendo, que estén propiciando su aislamiento social, alterando el movimiento de algunas de sus extremidades (efectos extrapiramidales), ocasionando ansiedad, agresividad, falta de concentración, etc.

Y si alguien insiste en la medicación o el confinamiento involuntarios, será más bien por ignorancia, o porque le conviene defender los intereses del sistema tradicional de salud mental. Los soldados de bata blanca obtienen muchos beneficios mientras están en contubernio con el ejército farmacéutico. Cuando no lo están, pierden su licencia y son vetados por el mismo sistema que los vio crecer (pulse en el vínculo inmediato anterior para ver cómo se las gastan los príncipes de la salud).

Para ilustrar cómo ha evolucionado la fitopsiquiatría, en la imagen adjunta muestro cómo encontré un sustituto herbal para el Lurasidone (Latuda), extrayendo datos biomédicos de Medline con la herramienta de minería de texto Arrowsmith. Ingresando la palabra clave “Lurasidone” como descriptor de la primera literatura a explorar, y como segundo descriptor la palabra clave “herb“, obtuve la lista de téminos B que vinculan implícitamente a ambas literaturas, según lo establece el modelo ABC de Swanson.
Seleccionando el vocablo antipsychotic de la lista de términos B, encontré el primer candidato para sustituir al Lurasidone, la Synedrella nodiflora.

Cuando inspeccioné los artículos vinculados por el término d2 receptor, me encontré con un término un tanto extraño que después averigüé se trataba de un alcaloide muy característico de algunas plantas medicinales chinas, como la Stephania intermedia y la Corydalis ambigua (yanhusuo). Se trataba de la stepholidine, una sustancia activa con un gran potencial para el control de los síntomas positivos de la esquizofrenia. Y fue así como esa palabra clave, al combinarla con schizophrenia en una búsqueda muy sencilla en Medline, me llevó a conocer lo que a ese respecto habían escrito Mo J. y otros colegas suyos [1], [2].

Entre otros hallazgos, estos notables investigadores chinos descubrieron que el perfil farmacológico de la “estefolidina” era único en su género, en el sentido de que no solo puede usarse para controlar los síntomas positivos y negativos de la esquizofrenia, sino también para tratar la adicción a las drogas y la enfermedad de Parkinson. Casi nada.
El caso es que valiéndome de un par de herramientas de minería de texto, en menos de tres días ya había yo identificado y analizado tres antispsicóticos naturales que administrados en dosis correctas, tenían el potencial para controlar los síntomas de la esquizofrenia, sin ocasionar efectos secundarios.
Con las facilidades que brinda la tecnología recién descrita, usted o su familiar ya no tienen por qué estar soportando los efectos secundarios de su medicamento.

A fin de cuentas, siempre existirá una planta medicinal con las mismas propiedades terapéuticas del fármaco que le prescribió su psiquiatra, pues como usted seguramente ya lo sabe, la mayoría de las sustancias que componen los medicamentos, son extraídas por los laboratorios farmacéuticos de los alcaloides que la misma naturaleza está proveyendo en una o más plantas medicinales.

Así que si usted ya decidió acabar con todos esos malestares, nos puede contactar para que le ayudemos a encontrar el sustituto natural del medicamento que está tomando.
¿Y a qué otras alternativas podríamos recurir para controlar los malestares de una esquizofrenia, un trastorno bipolar, un trastorno obsesivo-compulsivo (TOC), la ansiedad, el mal de Parkinson, el autismo, el síndrome de abstinencia, la depresión y el Alzheimer?
A continuación describo otras cuatro técnicas que combinadas con la fitopsiquiatría, funcionarían muy bien: la psiquiatría ortomolecular, la técnica de las microdosis, la terapia ocupacional y la asistida por animales.

La psiquiatría ortomolecular: antioxidantes naturales para proteger la barrera hemato-encefálica

Linus Pauling definió a la psiquiatría ortomolecular como “la consecución y la preservación de una buena salud mental, a través del aprovisionamiento de un entorno molecular ideal para la mente, especialmente de las concentraciones óptimas de sustancias que normalmente se encuentran en el cuerpo humano, como las vitaminas” [3].

En el número de abril de la revista Science del año de 1968, este gran referente de la medicina ortomolecular escribió: “una anormalidad fisiológica como la disminución de la permeabilidad de la barrera hematoencefálica para la sustancia vital, o un aumento en la tasa del metabolismo de esa sustancia en el cerebro, puede conducir a una deficiencia cerebral y a una enfermedad mental ” [4].
Así como la permeabilidad intestinal afecta el comportamiento de un paciente, un aumento en la permeabilidad de la barrera hematoencefálica ocasionada por bajos niveles de folato y vitaminas B6 y B12, puede hacer que una persona experimente un deterioro cognitivo [5] .
Por su parte, H. Yorulmaz y otros investigadores han confirmado que la vitamina E protege la barrera hematoencefálica, lo que significa que el cerebro se encuentra menos expuesto a la influencia de nanopartículas extrañas que logran llegar hasta esa parte del cuerpo, a través del torrente sanguíneo [6].
En general, procuraremos proteger al cerebro de los agentes patógenos y los radicales libres, echando mano de los antioxidantes más potentes que encontremos, como serían el glutatión, el ácido alfalipoico, el resveratrol y algunos extractos de plantas medicinales, como los del arándano azul y la semilla de uva.

La técnica de las microdosis aplicada a los psicotrópicos de una sola sustancia activa

Si de lo que se trata es suprimir los efectos secundarios de los fármacos que está tomando (psicotrópicos), qué mejor que elaborar una microdosis a partir del medicamento alopático. La única condición que debe cumplir el medicamento objeto de la microdosis, es que no contenga otros compuestos, aparte de la sustancia activa que controla el síntoma en cuestión.

Usted mismo puede preparar la microdosis del fármaco que está tomando, siguiendo las indicaciones que su consejero de salud le dará a lo largo del “Taller de Elaboración de Microdosis de Medicamentos Alopáticos“. En una sola sesión a través de Skype, usted aprenderá a preparar bases hidroalcóholicas de medicamentos alopáticos, con sus correspondientes microdosis. El objetivo del taller es eliminar los efectos secundarios que le están produciendo los fármacos que está tomando. La sesión incluye una práctica de laboratorio en la que usted aprende todo el proceso, desde la selección del fármaco, hasta la fabricación de su propio frasco de microdosis. Si decide tomar el taller, solicite por favor al personal de nuestro Centro de Atención, la lista de materiales que necesitará para llevar a cabo su práctica.

Terapia ocupacional y/o motivacional

Una persona que se encuentra constantemente enfrascada en sus problemas psicológicos y/o fisiológicos, no puede responder óptimamente a ningún tratamiento. Por mucho que esté afectado de sus facultades mentales, siempre existe la posibilidad de que el enfermo encuentre una motivación, un distractor, o alguna actividad que le produzca cierta satisfacción, por pequeña que ésta sea.

La experiencia de implicarse en una actividad y extasiarse con ella, la ha plasmado magistralmente Mihaly Csikszentmihalyi (izquierda) en un obra que intituló “Fluir (Flow). Una psicología de la felicidad” [7].
Ahí, este profesor y decano del departamento de psicología de la universidad de Chicago, describe cómo algunas personas son capaces de abstraerse en una actividad, al grado de perder la noción del tiempo y de lo que sucede a su alrededor. Dejándose llevar por la pasión que uno encuentra al desarrollar un trabajo manual o una obra que exije cierto nivel de creatividad, se puede recobrar el ánimo y ver las cosas desde una perspectiva diferente.
En principio, cualquier actividad puede inducir esa sensación de embelesamiento en lo que se hace; pero parece ser que el establecimiento de expectativas en cuanto a lo que se obtiene por lo que se hace, es una condición que impide alcanzar ese estado tan anhelado.

No se trata de que el paciente se esfuerce hasta la médula por obtener un premio. La actividad a desempeñar debe seleccionarse de tal manera que propicie el desarrollo del sentido de pertenencia, no de competencia.
Antes de la aparición de los videojuegos, los niños jugaban por el placer de jugar, sin competir. Los niños de hoy (y algunos no tan niños) encuentran esa sensación de ensimismamiento en un videojuego, acumulando puntos para demostrarse así mismos y a sus contrincantes que no son unos perdedores. Ese es su reto, y es la competencia lo que le da sentido a su actividad.

Ahora bien, el desarrollo del sentido de competencia puede ser que le funcione de maravilla al empresario que está buscando aumentar la productividad de sus empleados; pero en el terreno de las terapias ocupacionales resulta contraproducente, porque promueve la respuesta al estrés.
El mejor ejemplo que puedo traer a colación para explicar esta paradoja, es aquella frase que mi padre soltó mientras celebrábamos el doceavo cumpleaños de uno de mis hijos. Al contemplar cómo algunos de los pequeños invitados perseguían con sus ojos, diferentes puntos de la pantalla de su videojuego, exclamó sin disimulo: “esos niños creen que se están divirtiendo; pero no es cierto”.

La razón por la que las personas se llegan a sentir realizadas, no consiste por lo regular en la compensación que reciben por la labor que desempeñan, sino por el placer que sienten mientras lo hacen. Esas personas no celebran el resultado de su trabajo, sino más bien disfrutan del proceso que hace posible dicho resultado. Y no dudo que usted sepa de alguien que le apasione tanto su trabajo, que le haya dicho que lo haría de todas maneras, aún cuando no se le pagara por ello.
Tengo varios casos de pacientes que me dejan muy claro, cómo es que aquellos que sí pueden dejar de reflexionar sobre su condición, mejoran más rápidamente que los que están constantemente pensando en sus síntomas, preocupándose por los efectos secundarios de sus medicamentos y dándole vueltas a ese problema que no han podido resolver.

Hay quienes tienen la idea de que solo se sienten bien depués de tomar un determinado medicamento (como por ejemplo, un ansiolítico), y no conciben que pueda existir un nutriente (suplemento) que pueda producirles el mismo efecto. El poder de la mente mal empleado (efecto nocebo), así como una actitud negativa ante la adversidad y el dolor, impiden una rápida recuperación de la salud, pues es el paciente mismo quien está propiciando ese círculo vicioso.
En contraste con ese estilo de pensamiento, hay pacientes que logran fluir con su actividad, entretenerse o mantenerse ocupados el tiempo suficiente como para olvidar que algo no está funcionando bien en su cerebro, lo cual mejora su respuesta a la relajación.
Tocar un instrumento musical, jugar al fútbol, dibujar, pintar un cuadro, practicar la natación, la gimnasia y la caminata; escribir, leer, jugar al ajedrez, ejercitar la mente con mandalas, jugar al dominó y desarrollar cualquier manualidad, son todas ellas actividades que pueden producir fluidez, lucidez y modificar positivamente la bioquímica del cerebro.

Terapia asistida por animales

Alejandro de Austria fue un caso que nos permitió comprobar, cómo la terapia basada en mascotas puede mejorar los síntomas de un joven aquejado de queratocono.
El queratocono es una afección que se manifiesta de una manera muy similar a la esquizofrenia, y que hasta el día de hoy hemos estado tratando con los suplementos que recomendé en “Queratocono: una alternativa holística para su alivio“. Ahí también relaté cómo los síntomas de nuestro amigo Alejandro, mejoraron notablemente cuando conoció a “Yamba”, un perro que lo estuvo acompañando durante su estancia en algún lugar de los Ángeles California.

En esa publicación, también hice mención de casos de niños autistas que han logrado sentirse mucho mejor tan solo por haber estado en contacto con una mascota. Y es que los animales no cuestionan, no presionan, no juzgan, solo están ahí para intercambiar mensajes que no son verbales; pero que hacen que una persona, especialmente un joven, se sienta identificado y posiblemente cobijado. Creo que la terapia con mascotas funciona porque fomenta también el sentido de pertenencia. Cuando usted pone un niño al lado de un perro, un gato o un hámster, al pequeño no le pasa por la cabeza que hay que competir con él.

La mascota no es un referente que sirva para establecer comparaciones. De alguna manera, el niño se siente aceptado por la mascota, y viceversa.
Searles y Levison llegaron a la conclusión de que un paciente esquizofrénico había mejorado gracias a un perro que vivía con él. De acuerdo con ellos, la relación entre humanos y perros en general, puede hacer que un paciente psicótico vuelva a la realidad. Por su parte, Barker y Dawson reportaron que los pacientes psiquiátricos crónicos que estuvieron con perros durante el tratamiento, estaban menos deprimidos que los miembros en el grupo de control (los que no estuvieron con perros)  [8].

Otros estudios han señalado la importancia que representa este tipo de terapia para los pacientes ancianos con esquizofrenia. A un grupo de pacientes con este perfil se les solicitó que cuidaran durante cuatro semanas, a varios perros y gatos. El resultado del ensayo fue un aumento de la movilidad, los contactos interpersonales y la comunicación; así como un mejor desempeño de las actividades diarias, incluida la higiene y el cuidado personales [9].
Con la intención de tratar la anhedonia, se sometió a prueba la hipótesis de que la integración de animales a la terapia de pacientes esquizofrénicos, mejoraría sus síntomas.  Se formaron dos grupos para realizar la prueba, uno en donde se incluyó un perro, y otro de control (sin perro). El grupo que trabajó con el perro mejoró significativamente su tono hedonista en comparación con el grupo de control. Además, se observó un mejor uso del tiempo libre y una mayor motivación. De acuerdo con Miller e Ingram, una terapia de esta naturaleza puede contribuir mucho a la rehabilitación psicosocial y a mejorar la calidad de vida de los pacientes con esquizofrenia crónica [10].

La soledad es más fácil de soportar en compañía de una mascota, y la terapia asistida por animales se está convirtiendo en un método común de tratamiento para la rehabilitación de muchos pacientes con problemas mentales. Hay mucha literatura sobre este tema y algunos estudios demuestran que la interacción paciente-animal-terapeuta mejora la comunicación, aumenta la autoconfianza, reduce los síntomas de la enfermedad y mejora la calidad de vida del paciente. El perro, el gato, el caballo y los pájaros son los animales que más se usan.

Esta alternativa puede ser empleada para tratar pacientes psiquiátricos aquejados de depresión, esquizofrenia, fobias y problemas de adicción. También se aplica en enfermedades cardiovasculares, demencia, enfermedad de Alzheimer, parálisis cerebral infantil, artritis reumatoide, SIDA, autismo y otros trastornos de la personalidad.
En definitiva, los síntomas de muchas enfermedades pueden mejorar al incluir animales en el proceso terapéutico [11], y si usted todavía no ha comprobado los beneficios de una alternativa como ésta, es probable que eso se deba a que ha subestimado lo que una mascota es capaz de lograr con su encanto.

La psiquiatría alternativa: la sinergia de los cursos de acción anteriores

La mejor alternativa es combinar las técnicas anteriormente descritas, a fin de que el paciente pueda aprovechar al máximo, los beneficios de la sinergia producida por dichos procedimientos. La suma de los efectos de cada una de las alternativas analizadas actuando por separado, no es igual al efecto resultante de su combinación.

 “El todo es mayor que la suma de sus partes”… Aristóteles
© Sergio López González. Fundación MicroMédix. 13 de marzo de 2018


¿No encontraste aquí lo que buscabas? En el índice temático hay más artículos que te pueden interesar


REFERENCIAS

[1] Mo J, Guo Y, Yang YS, Shen JS, Jin GZ, Zhen X. Recent developments in studies of l-stepholidine and its analogs: chemistry, pharmacology and clinical implications. Curr Med Chem. 2007;14(28):2996-3002.
[2] Ping-Chung Leung. Healthy Aging. Annals of Traditional Chinese Medicine, Vol. 4. World Scientific Pub Co Inc. 2010.
[3] Linus, Pauling, Ph.D. On the Orthomolecular Environment of the Mind: Orthomolecular Theory:
http://weeksmd.com/2008/03/linus-pauling-on-orthomolecular-psychiatry/
[4] Pauling L. Orthomolecular psychiatry. Varying the concentrations of substances normally present in the human body may control mental disease. Science. 1968 Apr 19;160(3825):265-71.
[5] Lehmann M1, Regland B, Blennow K, Gottfries CG. Vitamin B12-B6-folate treatment improves blood-brain barrier function in patients with hyperhomocysteinaemia and mild cognitive impairment. Dement Geriatr Cogn Disord. 2003;16(3):145-50
[6] H. Yorulmaz, F. Burcu Seker, B. Oztas. Effect of Vitamin E on Blood-Brain Barrier Permeability in Aged Rats with PTZ-Induced Convulsions. Neurophysiology. March 2011, Volume 42, Issue 5, pp 349–35
[7] Csikszentmihalyi M. Fluir (Flow). Una psicología de la felicidad. Editorial Kairós. 2008.
[8] Barker BS & Dawson SK: The Effects of Animal Assisted Therapy on Anxiety Ratings of Hospitalized Psychiatric Patients. Psychiatry Serv 1998; 49:797-801.
[9] Bara Y, Savorai O, Mavashev S & Beni A: Animal assisted therapy for elderly schizophrenic patients: a one-year controlled trial. Am J Geriatr Psychiatry 2001; 9:439-42.
[10] Miller J & Ingram L: Preoperative nursing and animal-assisted therapy. AORN J 2000; 72:477-83.
[11] Dimitrijević I. Animal-Assisted Therapy – A New Trend In The Treatment Of Children And Addults. Psychiatria Danubina, 2009; Vol. 21, No. 2, pp 236–241.


Deja un comentario

Diabetes: cómo revertir la resistencia a la insulina y sus complicaciones

Los comerciantes de la salud han propiciado que la diabetes se convierta en uno de los negocios más lucrativos del planeta. El que anda pregonando por ahí que la diabetes no es curable, es porque le conviene que así sea, o porque desconoce los principios de la fitomedicina y la medicina ortomolecular.
Hay tres grupos de profesionales de la salud. El primero es el que está dedicado en cuerpo y alma a promover los productos farmacéuticos que usa el segundo grupo para controlar los síntomas de una enfermedad. El segundo está integrado por los aleccionados soldados de bata blanca. Son los que andan diciendo que las enfermedades no tienen cura, porque eso fue lo que les dijeron los del primer grupo.

Afortunadamente están también quienes procuran erradicar la enfermedad, buscando y combatiendo la etiología (las causas) del problema. Es a éste tercer grupo al que pertenecemos los que laboramos en la Fundación MicroMédix.

Los príncipes de la salud y el negocio de la farmacodependencia

En el contexto de este trabajo de investigación, los del primer grupo están liderados por los príncipes de la salud (los magnates farmacéuticos), que son los que obtienen grandes dividendos por la venta de insulina exógena, de anti-hiperglucémicos (como la metformina), anti-hipertensivos, anti-trombóticos, anti-agregantes plaquetarios y bueno, la lista es larga y hasta podríamos incluir los anti-vitamínicos. Sí, leyó usted bien querido lector, hay fármacos que agotan deliberadamente ciertas vitaminas y otros nutrientes en su organismo, con toda la intención de producir en usted una farmacodependencia (son efectos calculados, no secundarios).

La dependencia a la metformina por ejemplo, la genera el fabricante agotando el ácido fólico y la vitamina B12 que hay en su sangre. Nótese que he dicho dependencia, no adicción (véase la diferencia en ¿Fármacos de por vida? Evitando ese efecto que de secundario no tiene nada” y “Adicción y dependencia: cómo zafarse del círculo vicioso con vitaminas y otros suplementos). Pero la prueba más fehaciente que tengo en este momento para demostrar que lo que acabo de aseverar es verdad, toda la verdad y nada más que la verdad, es poniendo a su consideración el caso de Estelita.

Nuestro caso de estudio: Síndrome metabólico con diabetes aguda y anemia ferropénica

Se trata de una encantadora mujer de 87 años, con un cuadro agudo de diabetes, hígado graso, cálculos biliares, principios de cataratas y anemia por deficiencia de hierro. A este problema le acompañan la hipertensión y otras complicaciones de circulación sanguínea, entre las que destacan una macro y una microangiopatía diabéticas (no propiamente una neuropatía), que son manifestaciones extremas de un complejo de síntomas que los médicos acostumbran llamar síndrome metabólico.
El trabajo de investigación que presento a continuación, es el resultado del encargo que la familia de Estelita me encomendó realizar, como parte de una entrega más de “Un estudio para tu Caso“.

Al siguiente día de haber iniciado la investigación, recibí un correo electrónico del hijo de Estelita, en donde me comunicaba que su mamá había amanecido muy extraña, como fuera de sí.
Poco antes de que concluyera mi lectura, alcancé a leer: “esto no lo veo bien, anda como delirando“.

Como a los dos días me llegó un mensaje muy similar, en donde René nuevamente me decía que no quería comer y que estaba divagando, a pesar de que sus hermanos y él ya habían conseguido que su mamá tomara los suplementos que más adelante estaré proponiendo como pilares del tratamiento.
Poco después me enteré de que Estelita ya había pasado por tres transfusiones de sangre, cuyo objetivo seguramente era superar una condición urgente de anemia ferropénica (déficit severo de hierro en sangre). Y es que sus niveles de hierro sérico y de hemoglobina eran de  20.8 mg/dl y 8.3 g/dl respectivamente, según se aprecia en las imágenes adjuntas (pulse sobre las mismas para agrandarlas). Ambos valores revelaban una situación sumamente crítica como para que ese segundo grupo de “profesionales” de la salud, se afanara en combatir el problema desde su raíz. Porque si bien dos o tres transfusiones de sangre pueden subsanarlo, si no se encuentra el origen del mismo, esa situación podría llegar a ser recurrente, y una disminución de hemoglobina por debajo de los 7 g/dl, podría llegar a ser peligrosa [1].

Buscando la etiología de la anemia en cuestión, llegué a una conclusión que me hizo recordar una vez más, aquella memorable frase que Albert Einstein pareció haber creado exprofesamente para ese segundo grupo de “profesionales” de la salud: “Si buscas resultados distintos, no hagas siempre lo mismo“.
El punto es que siempre hay alternativas. Si los aleccionados de bata blanca dicen que una enfermedad es incurable, será porque siguen haciendo lo mismo, una y otra vez. Para resolver los problemas creados por las viejas formas de pensar, decía el mismo Einstein, se requieren nuevas formas de pensar.
Y un recurso que sin duda propicia el surgimiento de nuevas formas de pensar es Arrowsmith, una herramienta de minería de texto que los doctores Swanson y Smalheiser de la universidad de Chicago, desarrollaron para facilitar el descubrimiento de nuevos patrones y correlaciones entre términos biomédicos.

Gracias a este software pude identificar el origen de la anemia que mantiene postrada en cama a Estelita: el bisoprolol fumarato (Concor). Este engendro de proyecto farmacéutico, es un anti-hipertensivo que agota de manera alarmante, las reservas de hierro en el organismo, y es uno de los principales causantes de las anemias de los pacientes diabéticos. ¿Pruebas? En seguida se las proporciono.

En la página de la Información Personalizada de la Salud, ehealthme.com, puede usted consultar lo que ha reportado al respecto, la Administración de Alimentos y Medicamentos de los Estados Unidos (FDA, por sus siglas en inglés).
El resumen que encabeza la revisión que eHealthMe ha llevado a cabo, una vez traducido al epañol, dice así: La anemia por deficiencia de hierro la encuentra uno en las personas que toman bisoprolol fumarato, especialmente en las mujeres que rebasan los 60 años, que toman también aspirina y tienen diabetes. Esta revisión analiza qué personas tienen anemia por deficiencia de hierro atribuible al fumarato de bisoprolol. Ha sido creada por eHealthMe basándose en los informes de 16,856 personas que han reportado a la FDA, efectos secundarios al tomar fumarato de bisoprolol, y se actualiza periódicamente”.

A su izquierda muestro una captura de pantalla de una sección del cuestionario que nos hicieron favor de responder René y sus hermanos, en donde aparecen los medicamentos que su mamá estaba tomando, al momento de ordenar su estudio.
Como seguramente ya habrá adivinado, el bisoprolol fumarato encabeza la lista de fármacos prescritos por los aleccionados soldados de bata blanca. Este medicamento lo ha estado tomando Estelita por 5 años. Sobra decir que estamos ante un caso de anemia iatrogénica (que ha sido causada por un fármaco o es consecuencia de una intervención médica equivocada) .

Hipertensión: cómo manejar el síndrome metabólico sin disminuir más los niveles de hemoglobina

De conformidad con este hallazgo, es imprescindible ir reduciendo gradualmente las dosis de este fármaco, a fin de ir erradicando la anemia de Estelita. Si embargo, va a ser igual de importante administrar un suplemento que desempeñe las funciones de ese anti-hipertensivo sintético; pero que no agote el hierro ni ningún otro nutriente esencial. Hay varios alcaloides que pueden cumplir con este cometido. El que voy a proponer aquí, por poseer también propiedades hipoglucémicas y fungir como un agente especializado en hígado graso, es el clorhidrato de berberina. Esta fitomedicina ejerce un efecto positivo en los lípidos de la sangre, la glucosa, la función hepática, la insulinorresistencia y el hígado graso en pacientes no alcohólicos (pulse sobre las imágenes adjuntas para ver los detalles). La nube de palabras que aparece a su izquierda me permitió identificar correlaciones entre el hígado graso, la resistencia a la insulina y las propiedades de la berberina. Este es un ejemplo no solo de cómo uno puede pensar diferente, sino de toda una corriente de pensamiento: la informática biomédica.

Una anemia por deficiencia de hierro puede conducir al déficit de atención (TDAH) y al deterioro de las funciones cognitivas [2]. Asimismo, se ha confirmado que existe una correlación negativa entre los niveles de hemoglobina y el rendimiento intelectual (cuando la primera baja, la segunda también lo hace). La hemoglobina es una proteína rica en hierro que transporta oxígeno por todo el cuerpo, y un nivel bajo de la misma, impide la oxigenación apropiada del cerebro. La ralentización mental y la confusión suelen ser el resultado de una anemia que no se atendió durante mucho tiempo [3], de ahí que a Estelita le esté costando trabajo reconocer a sus seres queridos y esté experimentando confusión mental, más que ideas delirantes.

A este respecto, hay un par de consejos que quisera darles a todos los miembros de esta entrañable familia. El más importante de ellos es complementar los alimentos de su mamá con hierro, vitamina C y extracto de Corydalis. La vitamina C administrada en dosis ortomoleculares, además de bajar la glucosa, mejorará la absorción del hierro [2]. El extracto de Corydalis mejorará la circulación sanguínea, la confusión mental y la memoria. Estudios recientes sobre las propiedades de una de las sustancias activas de la Corydalis, que podríamos traducir al español como “estefolidina”, han revelado que emula las características de algunos antipsicóticos atípicos (puede pulsar sobre la imagen si desea saber más sobre este alcaloide).

El otro consejo es que hagan caso omiso de lo que un excelentísimo señor de bata blanca les está recomendando, en una de sus más recientes y aberrantes recetas.
Este singular personaje, pretende medicar a esta adorable abuelita con quetiapina y citalopram, a sabiendas de que una parte importante del síndrome metabólico de todo consumidor de antipsicóticos, es justamente la hiperglucemia (exceso de azúcar en la sangre). Ya nada más faltaba eso: que además de propiciar su anemia con Concor, este médico empeorara la diabetes de Estelita con quetiapina [4]. ¡En el nombre de Dios!, ¿No es absurda esa manera de proceder? Prescribir insulina y quetiapina al mismo tiempo, hace que el paciente dependa más de la insulina, empujándolo cada día más hacia la insulinorresistencia.
Es increíble cómo es que eso de dárselas de CuasiDios, llegue al extremo de provocar que un señor de bata blanca no solo pierda el piso, sino también el sentido común.

Cómo y con qué revertir la insulinorresistencia 

La administración de insulina exógena, que es la que usted compra en la farmacia para inyectársela, es otro ejemplo que ilustra muy bien el modelo de negocio farmacéutico. ¿O de verdad cree usted que esos príncipes de la salud están auténticamente interesados en su salud, o la de su ser querido?
La resistencia a la insulina es un fenómeno que se produce por las variaciones bruscas de azúcar en nuestra sangre (glucosa), y los detalles de cómo y por qué se produce, los puede encontrar en un artículo que hace casi tres años publiqué bajo el título “Receta para adelgazar: azúcar no, suplementos sí“.

Si usted ya leyó esa publicación, seguramente ya habrá comprendido cómo es que uno comienza a dejar de responder a la insulina endógena (la que produce el páncreas). En lo que me voy a concentrar en esta entrega, es en analizar los nutrientes y las plantas medicinales que ayudarán a revertir la verdadera causa de la diabetes: la resistencia a la insulina o insulinorresistencia.
Revertir la insulinorresistencia es el primer paso que debería dar cualquiera que se precie de ser un profesional de la salud, con miras a acabar con la diabetes y sus complicaciones.

Y lo primero que vamos a hacer aquí para llevar a cabo esa titánica tarea es, además de controlar los síntomas, administrar magnesio, cardo mariano (silimarina), ácido alfalipoico, polinicotinato de cromo, vitamina C, canela y extracto estandarizado de Gymnema sylvestre. Desde luego, no estarán de más unas cuantas microdosis de fenogreco, eucalipto y neem, en caso de que la glucosa no baje lo suficientemente rápido con los nutrientes recién mencionados (los resaltados en negritas).

La Gymnema silvestre y su ácido gimnémico

El páncreas trabaja como un válvula que controla la cantidad de insulina que necesita el cuerpo, en función del tipo y la cantidad de azúcares y carbohidratos que consumimos, no en función del volumen de ventas de los laboratorios que fabrican la insulina “humana”. Ese mecanismo automático de cierre y apertura que realiza el páncreas, es lo que nos hace más sensibles a la insulina. Si no existe un control natural del suministro de insulina, como el que propicia el ácido gimnémico al regenerar las células beta del páncreas, uno se ve obligado a reducir “manualmente” la glucosa en nuestra sangre, administrando insulina exógena. Y eso es exactamente lo que los príncipes de la salud quieren que hagan los millones de clientes potenciales que consumen azúcar como si se fuera a acabar: comprar la insulina que sus aleccionados soldados de bata blanca están recetando desde sus múltiples puntos de venta; ¡oh, perdón!, quise decir consultorios en vez de mútiples puntos de venta. En fin, así es como funciona esto.

Nuestra misión pues es revertir esa insulinodependencia que los magnates farmacéuticos han creado tanto en Estelita como en otros tantos millones de víctimas que han caído en esta trampa farmacéutica (y que seguirán cayendo si usted se los permite). Y vaya que la tenemos difícil, porque créame, el mecanismo que nos hace depender del alcohol, de la mariguana o incluso de la cocaína, no difiere mucho del que nos esclaviza a la insulina. Si desea más informacion al respecto, sírvase consultar “¿Fármacos de por vida? Evitando ese efecto que de secundario no tiene nada“, también de mi autoría.

Magnesio

Para que el magnesio pueda ser transportado a las células que más lo necesitan, es necesario que el páncreas segregue una cantidad de insulina apropiada. Existe entonces una fuerte relación entre la acción del magnesio y la insulina. Una deficiencia de magnesio en las células por ejemplo, fortalece la resistencia a la insulina [5], [6], de manera que habrá que complementar los alimentos con cloruro, gluconato, quelato o carbonato de magnesio.
Las bajas concentraciones séricas e intracelulares de magnesio dan como resultado una resistencia a la insulina, una alteración de la tolerancia a la glucosa, así como una disminución de la secreción de insulina. Sin magnesio, nuestro páncreas no secretará suficiente insulina, o la insulina que segregue no será lo suficientemente eficiente como para controlar el azúcar en la sangre [7], [8], [9].

Cardo mariano (silimarina)

Esta planta interviene de manera muy positiva en casos de litiasis (cálculos biliares y renales), y además de normalizar los niveles de azúcar en la sangre, ha demostrado ser un potente hepatoprotector. Lo he seleccionado por los beneficios que aporta a los pacientes con hígado graso, y por su gran capacidad para proteger el hígado y el riñón de los daños causados por varios medicamentos, entre los que destacan los analgésicos, los antibióticos y los antiinflamatorios.
La silimarina también reduce los niveles de colesterol y por lo tanto, la insulinorresistencia.

Ácido alfalipoico

Al igual que la silimarina, éste ácido consigue mejorar la sensibilidad a la insulina, lo que significa que con pocas cantidades de la misma, los niveles de glucosa bajarán sin experimentar cambios súbitos. Siendo un poderoso antioxidante, nos estará ayudando a combatir las complicaciones de la diabetes, como podrían ser las secuelas del pie diabético (izquierda).
Junto con la vitamina C, estará contribuyendo a prevenir infecciones o a potenciar los efectos de los antibióticos en caso de una infección en progreso.
Se ha comprobado que el ácido alfalipoico reduce los niveles de azúcar en la sangre entre un 10 y un 30%, lo cual se atribuye a que aumenta la capacidad del cuerpo para quemar glucosa y tranformarla en energía. De acuerdo con las fuentes consultadas, ha demostrado ser un buen auxiliar en el tratamiento del dolor localizado en los centros nerviosos, así como en el entumecimiento que generalmente acompaña a la diabetes [10].

Polinicotinato de cromo

Este nutriente no es picolinato de cromo, sino una combinación de cromo y niacina (una forma de vitamina B3). Su misión es activar las enzimas involucradas en el metabolismo de la glucosa y la síntesis de proteínas.
Debido a que el cromo es el mineral que está más implicado en la producción de insulina, es importante que éste no le falte a Estelita, si lo que queremos es mantener el equilibrio de su glucosa. Además, esta combinación cromo-niacina permite que el organismo absorba 300 veces más el cromo que cuando se administra por separado, y 150 veces más que cuando se toma como picolinato o cloruro de cromo.

Canela

Richard A. Anderson y otros investigadores realizaron un ensayo clínico con grupos de individuos diabéticos, empleando  1, 3 y 6 gramos de canela al día.  Al grupo de control se les administró un placebo por la vía oral. Al terminar el estudio observaron que las personas que consumieron canela experimentaron una reducción de los niveles de glucosa en ayunas, que varió entre un 18 y un 29%; una disminución de un 7 a un 27% en los niveles de colesterol, y una reducción de un 23 a un 30% en los niveles de triglicéridos. La conclusión a la que llegaron los autores del estudio, fue que los grupos que consumieron mayores cantidades de canela, resultaron ser los más beneficiados [11].

Extracto de Corydalis yanhusuo para el alivio del dolor, las angiopatías y la prevención de complicaciones cardiovasculares

Los científicos han podido aislar varios alcaloides del tubérculo de esta planta, incluyendo la corydalina, la tetrahidropalmatina (THP), la dl-tetrahidropalmatina (dl-THP), la protopina, la tetrahidrocoptisina, la tetrahidrocolumbamina y la corybulbina. De todos los 20 alcaloides que contiene, se considera que el THP es el más potente. En varias pruebas de laboratorio, se ha demostrado que exhibe una gran cantidad de acciones farmacológicas sobre el sistema nervioso central, incluidos los efectos sedantes y analgésicos. Se ha encontrado por ejemplo una acción tranquilizante en ratones.

Los científicos han sugerido que dl-THP causa sedación debido al bloqueo que ejerce sobre algunos sitios receptores del cerebro (como los de la dopamina por ejemplo) [12].
Además de sus efectos en el sistema nervioso central, varios estudios de laboratorio han demostrado que los alcaloides del corydalis también actúan sobre el sistema cardiovascular.

Se ha demostrado por ejemplo que el dl-THP disminuye la adherencia de las plaquetas y protege contra el accidente cerebrovascular. Otros estudios en animales han demostrado que también reduce la presión arterial y la frecuencia cardíaca [13].
En lo que concierne al sistema circulatorio, se ha descubierto que ejerce una acción antiarrítmica en el corazón. En un ensayo clínico tipo doble ciego con pacientes que padecían ciertos tipos de arritmias, se encontró que las personas que tomaron entre 300 y 600 mg de dl-THP al día, mejoraron más que las que tomaron placebo.
Otros ensayos clínicos con dl-THP en humanos han revelado que las personas que toman entre 100 y 200 mg de dl-THP antes de dormir, consiguen conciliar el sueño muy fácilmente.
Se ha informado que la menstruación dolorosa, el dolor abdominal post-parto y el dolor de cabeza remiten con THP [14]. Asimismo, algunos investigadores chinos reportaron que 75 mg de THP al día pueden ser efectivos para reducir el dolor de origen nervioso en el 78% de los casos [15].

Cuándo y en qué proporción reducir las dosis de los medicamentos alopáticos

Vigilar los cambios en la presión arterial y la glucosa es vital, debido a que nuestra paciente está bajo un régimen de medicina complementaria. Hay que ser muy cuidadosos al administrar suplementos mientras un paciente está siendo medicado, sobre todo cuando se está tratando de controlar una hipertensión, una hiperglucemia y varios problemas de circulación.

En el caso concreto de Estelita por ejemplo, al momento de estar escribiendo estas líneas, los medicamentos cuyas dosis necesitamos reducir son:
1) El Concor y el Aprovasc (anti-hipertensivos)
2) Humulin N (insulina)
3) El Plavix (antitrombótico y antiagregante plaquetario)
Hemos dicho ya que la quetiapina (TYM ASF) y el citalopram (Remicital) no deberían ser administrados por las razones anteriormente expuestas. La responsabilidad de su uso es de quien los prescribe y de quien los administra.
En cuanto al antibiótico que actualmente está tomando esta admirable “madre guerrera”, quiero pensar que el médico a cargo del protocolo alopático, ha detectado un proceso infeccioso, a juzgar por el conteo de leucocitos reportados en la biometría hemática que nos proporcionó René (derecha). Es por ello que recomendamos que Estelita lo tome tal y como se lo ha indicado su médico. Aquí es donde la vitamina C entrará en acción, potenciando los efectos del Fosfocil (régimen complementario).
Una vez comenzado el protocolo alternativo (ortomolecular), habrá que seguir registrando las lecturas de la presión arterial y la glucosa, a fin de detectar los cambios que nos indicarán, cuándo disminuir o aumentar la dosis del medicamento en cuestión.

Presión arterial

Como la acción farmacológica de los nutrientes es más lenta que la de los medicamentos alopáticos, aunque ambos protocolos se estén aplicando al mismo tiempo, es necesario esperar unos cuatro o cinco días, antes de comenzar a disminuir tanto el Concor como el Aprovasc.
Una reducción significativa de la presión arterial, indicará que es momento de comenzar a disminuir la dosis del Concor, en una cantidad proporcional a la variación observada.
Dicha disminución puede ocurrir de un momento a otro porque al igual que el Concor y el Aprovasc, tanto el clorhidrato de berberina como el Corydalis poseen propiedades anti-hipertensivas.

 

Como en este caso la dosis diaria prescrita para el Concor es de 1/4 de tableta de 5 mg, y como esa cantidad ya no es poible reducirla más (porque 1/8 se pulverizaría al partirlo), entonces se deberá proceder a administrar esos 1.25 mg de Concor, cada tercer día (un día sí y un día no).
Conforme los suplementos vayan ejerciendo su acción terapéutica, y en la medida en que la presión arterial alcance valores más estables, René y sus hermanos podrán prescindir del Concor y comenzar a disminuir la dosis del Aprovasc.
En caso de que en alguna de las fases del proceso de retirada de uno o ambos fármacos, la presión arterial no bajara de acuerdo a lo planeado (manteniéndola lo más próxima a los 120/80 mmHg), ésta se podrá controlar ya sea regresando a la dosis inmediata anterior del medicamento objeto de reducción, o bien administrando pasifora en forma de suplemento o en microdosis, según se indica en la Receta Mejorada para la Diabetes (pulse sobre la imagen para descargarla).

Glucosa

Par disminuir la glucosa se procederá de manera similar a como se describió para el caso de la hipertensión, con la diferencia de que ahora la dosis a reducir es la del Humulin N (insulina humana).
El nivel de glucosa comenzará a bajar cuando las plantas medicinales y los nutrientes empiecen a surtir efecto sobre el páncreas y el hígado, que son los órganos que han sido subestimados por esa parte nada empática, perdón, quise decir alopática de la medicina complementaria que aquí se ha descrito.

A reserva de que el nivel de glucosa comience a bajar con la misma rapidez pero de manera más estable que como lo hace con la insulina sintética, las dosis del Humulin podrán irse reduciendo a razón de un 10% cada semana, o según lo determinen las lecturas diarias de los niveles de glucosa.

Previniendo complicaciones por el abuso de agentes adelgazadores de la sangre

Los fármacos anti-coagulantes, anti-trombóticos, antiagregantes plaquetarios y vasodilatadores, cuando se toman en cantidades o en dosis inapropiadas, o en combinación con otros agentes adelgazadores de la sangre, pueden producir un efecto contraproducente sobre el sistema circulatorio. Así como no deseamos que un paciente sufra un infarto o una trombosis por estar propenso a la formación de coágulos, tampoco querríamos que un paciente con diabetes, tenga una sangre demasiado delgada como para exponerlo a una o varias hemorragias internas.
Puesto que una manera de conocer el “espesor de la sangre” de un paciente, es a través del examen de coagulación (derecha) y de la biometría hemática, que son dos pruebas de laboratorio que nos dan los valores del tiempo parcial de tromboplastina, el tiempo de protombina y el conteo de plaquetas, recomiendo que al menos al principio de este tratamiento, se realicen ambas pruebas cada dos semanas, con el propósito de vigilar las variaciones de dichos indicadores. Al igual que la presión y la glucosa, los resultados de estas pruebas nos dirán cuándo es oportuno disminuir el Plavix. Durante la segunda semana del régimen de medicina complementaria (la combinación de los protocolos alopático y ortomolecular), se recomienda disminuir la dosis del Plavix, en un 25% (1/4 de tableta).

Conclusión y recomendaciones finales

Como hemos visto a lo largo de este estudio, la medicina alternativa a base de nutrientes complementa a un protocolo de medicina alópata, de ahí que a dicho régimen se le conozca como medicina complementaria. Ambas partes del tratamiento tienen tanto ventajas como desventajas, y lo que hemos hecho aquí es rescatar lo mejor de cada una de ellas para revertir la diabetes que está minando la salud de Estelita.
No me gusta asumir que todo el mundo sabe que un paciente con diabetes no debe consumir azúcar en ninguna de sus presentaciones, ya que como todo en la vida, lo que para algunos resulta obvio, para otros no lo es tanto.

Para evitar confusiones en relación a lo que debe o no comer y beber una persona con diabetes, me gustaría que le echara un vistazo a lo que publiqué a mediados del año 2016, a propósito de lo que una dieta puede hacer no solo por una persona que ha desarrollado diabetes, sino por cualquiera que quiera vivir contento por mucho tiempo. El artículo lleva por título “La dieta como tratamiento: más allá del sobrepeso y la obesidad“. Pero como ahí no va a encontrar usted un suplemento que sustituya a esas bebidas especiales para diabéticos (derecha), permítame recomendarle algo mucho mejor que eso: una proteína de suero de leche aislada (o de soya) que le permitirá a su cuerpo producir el glutatión que le está haciendo falta.
Con casi 100 gramos diarios de ese nutriente en polvo, diluido en medio vaso de agua purificada o de jugo de fruta natural (ver receta), usted podrá ver una marcada diferencia entre lo que se consigue con dosis insignificantes de ese multivitamínico lleno de chorrocientos nutrientes (el truco mercadotécnico por excelencia), y lo que usted o su ser querido podrán lograr con dosis terapéuticas de este auténtico complejo de aminoácidos (izquierda).

Nunca andes por el camino trazado, pues te conducirá únicamente hacia donde los otros fueron” … Graham Bell
© Sergio López González. Fundación MicroMédix. 18 de febrero de 2018


¿No encontraste aquí lo que buscabas? En el índice temático hay más artículos que te pueden interesar


REFERENCIAS

[1] http://www.segundomedico.com/transfusion-sangre-falta-hierro/
[2] Abram hoffer & Jonathan Prousky.
[3] Nabin Sapkota. Symptoms & Diagnosis: http://symptomsdiagnosisbook.com/anemia-symptoms/
[4] Nanasawa et al. Development of diabetes mellitus associated with quetiapine. A case series. Medicine (Baltimore)v.96(3); 2017 Jan.
[5] Paolisso G et al. Magnesium and glucose homeostasis. Diabetologia 33:511–514, 1990[Medline]
[6] Nadler JL et al. Magnesium deficiency produces insulin resistance and increased thromboxane synthesis. Hypertension 21:1024–1029, 1993
[7] Ma J. et al. Associations of serum and dietary magnesium with cardiovascular disease, hypertension, diabetes, insulin, and carotid wall thickness: the ARIC study. J Clin Epidemiol 48:927–940, 1985
[8] Rosolova H. et al. Insulin-mediated glucose disposal is decreased in normal subjects with relatively low plasma magnesium concentrations. Metabolism 49:418–420, 2000 [Medline]
[9] Resnick LM et al. Hypertension and peripheral insulin resistance: possible mediating role of intracellular free magnesium. Am J Hypertens 3:373–379, 1990[Medline]
[10] Jorge Pablo de la Iglesia. El milagro de la nutrición ortomolecular. Editorial Kier. 2011.
[11] Jack Challem. Feed Your Genes Right. Eat to Turn Off Disease-Causing Genes and Slow Down Aging. John Wiley & Sons, Inc. 2005
[12] Zhu YP. Chinese Materia Media: Chemistry, Pharmacology, and Applications. Australia: Harwood Academic Publishers, 1998, 445-8.
[13] Lin MT, Chueh FY, Hsieh MT, et al. Antihypertensive effects of dl-tetrahydropalmatine: an active principle isolated from corydalis. Clin Exper Pharm Physiol 1996;23:738-42.
[14] Zhu YP. Chinese Materia Media: Chemistry, Pharmacology, and Applications. Australia: Harwood Academic Publishers, 1998, 445-8.
[15] Lin DZ, Fang YS. Modern Study and Application of Materia Medica. Hong Kong: China Ocean Press, 1990, 323-5.


Deja un comentario

Cardiopatías: en las cosas del corazón no basta con una segunda opinión

¿Podría usted confiar en la opinión de un solo médico cuando éste le ha diagnosticado una cardiopatía que podría terminar en un infarto?
¿Y en verdad cree que una segunda opinión sería suficiente para confirmar o descartar ese primer diagnóstico? … ¿Que le parecería contar con cientos de opiniones por el precio de una sola consulta?
A finales del siglo pasado, nadie hubiera creído que las máquinas pudieran aprender, a partir de centenas de diagnósticos.

Sin embargo, hoy en día ya no es ningún misterio, cómo un ingeniero en informática biomédica descubre el conocimiento implícito en esa inmensa mina de datos.
Pero permítame contarle cómo fue que eso que otrora nos pareció un sueño, pasó a ser parte de nuestra realidad.

Antecedentes y herramienta de diagnóstico

De acuerdo con D. Senthil Kumar y sus colaboradores, el diagnóstico convencional es subjetivo, porque depende del juicio de un solo médico, el que lo emite. En este contexto, estos investigadores sostienen que: “el aprendizaje de máquina puede emplearse para extraer reglas de diagnóstico a partir de las descripciones de los pacientes que fueron tratados con éxito en el pasado, y para ayudar a los especialistas a hacer que el proceso de diagnóstico sea más objetivo y confiable” [1].
En el artículo que intitulé “La informática biomédica en el diagnóstico y la prevención de la esquizofrenia y otros trastornos de la personalidad“, expliqué cómo las máquinas van adquiriendo experiencia conforme van acumulando registros de casos, que son analizados por un algoritmo dotado de inteligencia artificial.
En esa ocasión presenté los casos de esquizofrenia y de otros trastornos de la personalidad que la Fundación Micromédix ha atendido, y analicé cómo los diagnósticos de esos pacientes los utilizaba la herramienta de minería de datos (WEKA), para identificar el fenotipo de los nuevos pacientes.

Propósito del análisis de los datos y su aprovisionamiento

En esta entrega voy a describir cómo este mismo programa puede ser empleado para diagnosticar una cardiopatía (una afección en el corazón), con el propósito de prevenir un infarto. Aparte de la enfermedad a diagnosticar, otra diferencia más que vamos a encontrar en esta entrega, es que los casos a analizar provienen del repositorio de datos de la Universidad de California, con sede en Irvine.

En el mismo repositorio (izquierda) hay registros de pacientes que fueron atendidos en hospitales de Cleveland, EUA (303 casos), Suiza (123 casos) y Hungría (294 casos), así como la base de datos Statlog (270 casos), con valores de la variable a predecir ligeramente diferentes; pero con los mismos atributos (variables predictoras).
Ya otros investigadores como Sundaraman, Kakade, Chaurasia y otros [2] [3], han usado los datos del hospital de Cleveland para demostrar cómo algunas herramientas son capaces de diagnosticar una cardiopatía, con una precisión hasta del 83.5% en condiciones de validación cruzada, haciendo uso de los algoritmos Naive Bayes y CART.

A continuación voy a demostrar cómo se puede aumentar la precisión de este modelo de diagnóstico, fusionando los datos de Cleveland y Statlog, y permitiendo que otro algoritmo aprenda a clasificar los casos, usando esta nueva base de datos.

Descripción de los datos y su preprocesamiento

Como se aprecia en la captura de pantalla de la derecha (pulse sobre la misma para ver los detalles), hay un total de 573 casos registrados (303 de Cleveland más las 270 instancias en Statlog). Existen asimismo 13 variables predictoras y la que el sistema intenta predecir: cardiopatía. Cuando el paciente está sano, esta variable debe ser necesariamente cero. Un valor de uno está representando a los pacientes que tienen alguna cardiopatía. Note también que en la base de datos resultante, 259 pacientes fueron diagnosticados con alguna afección (barra de color rojo), sin especificar exactamente cuál.
En la hoja de Excel que aparece a su izquierda estoy mostrando los primeros 23 registros (pulse sobre la misma para agrandarla). Para unir los datos de Cleveland y Statlog, se modificaron los valores que la variable cardiopatía tenía en el repositorio de Cleveland. En éste, a esta variable se le permitía asumir los valores 0, 1, 2, 3 y 4, que correspondían a un estado de salud (cero) y cuatro posibles tipos de afecciones. En contraste con ello, en Statlog esta misma variable era dicotómica (la que puede tomar únicamente los valores 0 y 1). Para lograr que ambos conjuntos fueran compatibles, los valores 2, 3 y 4 se modificaron a 1 en el repositorio de Cleveland.

Análisis de atributos y su relevancia en el diagnóstico de las cardiopatías

A continuación presento cada uno de los atributos que determinan cuándo un paciente está teniendo problemas de corazón. Las variables se analizan en el orden de importancia que cada una de ellas tiene, a la hora de diagnosticar una cardiopatía. Así, el síntoma que aparece al principio de la siguiente lista, es el que repercute más en el diagnóstico. En la imagen adjunta (pulse para agrandarla) muestro una adaptación al español de la gráfica que aparece en la página 216 de la obra de Chaurasia y otros (op. citada), en donde el colesterol se destaca por ser la variable que menos importancia tiene en este tipo de dolencias, un hecho que Bowden y Sinatra dieron a conocer desde el 2013, en uno de sus más notables trabajos [4].

I.  Dolor o angina de pecho (dolor_dp)

Hay pacientes que manifiestan los síntomas típicos de una cardiopatía, como son la angina de pecho y la fatiga. Ambos malestares suelen presentarse cuando el corazón no está recibiendo suficiente oxígeno. No obstante, tanto Kumar y otros (op. citada, pág. 148), como el análisis que se desprende de la captura de pantalla que aparece a su izquierda (pulse sobre la misma), coinciden en que casi el 50% de los pacientes no manifiestan síntomas, hasta que son sorprendidos por un ataque al corazón (véase a continuación el significado de los valores que esta variable puede asumir). Después de todo, es a través de un electrocardiograma que el médico se da cuenta que existe un problema.

El significado de cada uno de los valores que esta variable puede asumir es como sigue:
1: Angina típica (bien definida):
(a) una molestia en la región torácica subesternal de cualidades y duración características, que es
(b) provocada por el esfuerzo o el estrés emocional y
(c) que se alivia con el descanso o con nitroglicerina.
2: Angina atípica (probable). Cumple con dos de las características anteriores.
3: Dolor de pecho de origen no cardíaco. Cumple con una o ninguna de las características de la angina típica.
4: Paciente sin síntomas.

Para una mejor interpretación de la imagen anterior, puede usted pulsar sobre ésta para ver cómo están distribuidos los pacientes, en función de los valores que esta variable puede asumir en esta base de datos:
Son 43 los pacientes con síntomas de angina típica.
El número de pacientes detectados con angina atípica asciende a 92.
Los que manifestaron un dolor en el pecho que no tiene relación con un problema de corazón (debido tal vez a un reflujo o a una úlcera por ejemplo) son 165.
El 47.6 % (273/573 x 100%) de los pacientes no manifestaron síntomas. A pesar de ello, la mayoría de ellos dieron positivo a una cardiopatía: alrededor de 200 pacientes representados por la sección roja de la barra mostrada en la extrema derecha de la gráfica.

II. La pendiente del segmento ST en condiciones de máximo ejercicio (pend_seg_st)

Una vez que su cardiólogo le explique con lujo de detalle el significado de este atributo, usted  no tendrá problemas para proporcionarnos los valores que a esta variable le corresponden en el electrocardiograma que ese señor de bata blanca le practicó.
Si el informe de su electrocardiograma no especifica cuál ha sido la inclinación del segmento ST de la gráfica que le han entregado, entonces tal vez le interese pulsar sobre la imagen que aparece a su izquierda para darse una idea del significado que tienen los valores de este atributo:
1: Implica que la pendiente en este segmento de la gráfica es ascendente.
2: Representa un segmento ST completamente horizontal.
3: Significa que la pendiente en este segmento de la gráfica es descendente (pulse también en la imagen que aparece a su derecha).
Recuerde que si usted pagó por un análisis de este tipo, está en todo su derecho de solicitar los valores tanto de esta variable, como de los demás atributos que caracterizan a todo electrocardiograma.

Conviene apuntar que el riesgo de sufrir una cardiopatía es mayor cuando el segmento ST en el electrocardiograma no tiene ninguna pendiente (depresión horizontal), que cuando esa misma pendiente es positiva (depresión ascendente). Asimismo, para los pacientes cuyo electrocardiograma ha registrado una pendiente negativa (depresión descendente), el riesgo de sufrir una cardiopatía es ligeramente mayor al 50% (pulse sobre la imagen adjunta para agrandarla).
Observe también en este mismo diagrama de barras, cómo para cada uno de los valores 1, 2 y 3 de esta variable, el número de pacientes es de 272, 262 y 39, respectivamente.

III. Angina de pecho provocada por el ejercicio (angina_iej)

Si después de un tiempo de estar haciendo ejercicio, usted siente dolor en el pecho, es probable que necesite un diagnóstico como el que más adelante estaré proponiendo. Si esto le ha ocurrido más de una vez, contáctenos para estar más seguros de lo que está ocurriendo, ya sea para descartar una posible afección cardíaca (cadiopatía=0), o bien para confirmarla (cardiopatía=1). Lo mejor que uno puede hacer en caso de existir un problema es no alarmarse, pues de sobra sabemos que el estrés es uno de los principales enemigos del corazón, sin restar desde luego la debida importancia a la hipertensión y la glucosa (azúcar en sangre).

Es importante mantener la calma, pues me complace comunicarle que un infarto se puede prevenir con un tratamiento basado en una dieta apropiada y una receta de suplementos específica para las cardiopatías (puede descargarla más adelante). Es lo más sensato que puede hacer para evitar que las cosas se compliquen.
Cualquiera que vaya a ser su diagnóstico, el valor para este variable será nulo si usted nunca ha experimentado dolor en el pecho con el ejercicio (angina_iej=0). Como cabría esperar, el valor de angina_iej será igual a uno si usted ha estado sintiendo dolor. Como se infiere de la imagen adjunta, las personas que experimentan angina de pecho con el ejercicio, muy frecuentemente dan positivo a una cardiopatía.

IV. Resultados del electrocardiograma en condición de reposo (res_electro)

Los posibles resultados de un electrocardiograma estando en reposo pueden ser tres:
Si la prueba salió normal, entonces res_electro=0. Si se detectó una anomalía en la sección de la onda T- segmento ST, entonces res_electro=1. Cuando con el criterio de Romhilt-Estes, el electrocardiograma revelara una franca o una probable hipertrofia en el ventrículo izquierdo, entonces res_electro=2.
De acuerdo con la gráfica adjunta, las anomalías de un electro pocas veces se encuentran en la onda ST-T. Por lo regular, o sale normal, o bien con algún tipo de hipertrofia ventricular.

V. Presión sanguínea en reposo (presión)

Si usted se toma la presión y anota el valor que su dispositivo registró como el mayor, estará obteniendo los milímetros de mercurio de su presión sistólica, que sería el valor que nosotros le asignaríamos a esta variable para realizar su diagnóstico. A fin de cuentas, este dato lo emplea nuestro sistema para valorar si es usted hipertenso, una condición que contribuye a aumentar el riesgo de infarto.

VI. Sexo
Los hombres suelen ser más propensos a las cardiopatías que las mujeres. Si el género de un paciente es masculino, sexo=1; si es femenino, entonces sexo=0.
VII. Edad
Este atributo es un valor numérico que varía entre los 29 y los 77 años. Note que el rango de edades en el que los pacientes son más propensos a desarrollar una cardiopatía está entre los 55 y los 62 años, según se infiere del diagrama de barras adjunto (pulse sobre la imagen para ver los detalles).

VIII. Frecuencia cardíaca máxima ( frec_card_máx)

Es el número máximo de pulsaciones (latidos) por minuto que puede alcanzar el corazón de una persona, al realizar un ejercicio físico que no compromete su salud. Existen varias fórmulas para calcular su valor teórico. La más simple consiste en restar la edad a 220 (226 en caso de ser mujer). La fórmula de Tanaka es un poco más precisa: frec_card_máx= 208.75 – 0.73*edad. Para alguien de 60 años por ejemplo, la frecuencia cardíaca máxima teórica debería ser de 164.95 lpm. Miller por su parte la calcula como frec_card_máx = 217 – 0.85*edad. De acuerdo con la gráfica adjunta, en la práctica, los pacientes que no llegan a registrar en un pulsímetro los 145.8 latidos/minuto, están más en riesgo de desarrollar una cardiopatia, que aquellos que logran superar esa cifra.

IX. Glucosa (medida en ayunas)
De acuerdo con las gráficas que aparecen en la imagen adjunta, el azúcar en la sangre no es una variable que repercuta significativamente en el diagnóstico de una cardiopatía.
Tanto los pacientes cuya glucosa en ayunas fue mayor o igual a los 120 mg/dl (glucosa=1 ), como los que registraron una glucosa con un valor inferior a esa misma cifra (glucosa=0), corren el mismo riesgo de desarrollar una cardiopatía (50%).
Esto no significa que consumir azúcar sea una buena idea, sino que hacerlo es tanto como jugar a los volados con el corazón.

X. Colesterol

Como dije anteriormente, el colesterol tiene una importancia aún menor en el resultado del diagnóstico, que la que podría llegar a tener la glucosa. De hecho, la precisión del modelo seleccionado no se vio afectada cuando decidí eliminar de la lista, la variable colesterol. El modelo dio los mismos resultados con y sin colesterol, cosa que no ocurrió con la glucosa. A continuación describo el criterio que adopté para seleccionar el método que a la postre me entregaría diagnósticos más precisos.

Selección del método idóneo para diagnosticar una cardiopatía

La minería de datos clínicos es una rama de la informática biomédica que nos permite predecir con bastante exactitud, el resultado de un análisis sintomático. Originalmente fueron 13 atributos los que utilicé para comenzar a evaluar tres algoritmos de clasificación (diagnóstico): el perceptrón multicapa y los árboles de clasificación LMT y Random Forest (véase ta tabla comparativa en la imagen adjunta).
Para evaluar la bondad de un algoritmo de predicción, además de la precisión, hay otros indicadores que nos ayudan a confirmar cuándo un método de diagnóstico es mejor que otro. El estadístico de Kappa y la raíz del error cuadrático medio son dos parámetros que cumplen con ese cometido.

Como el objetivo de la presenta entrega no es impartir un curso de minería de datos clínicos o de estadística, por el momento bastará con saber para qué nos sirven esas dos cifras estadísticas y por qué en esta ocasión he incluido otro indicador que en la figura anterior aparece como falsos negativos.
En general, se dice que un algoritmo es mejor que otro si su estadístico de Kappa es mayor que el de cualquier otro. Análogamente, un algoritmo producirá mejores diagnósticos si la raíz del error cuadrático medio que ha generado, es menor que la de cualquier otro.

Ahora bien, en las cosas del corazón, uno debería reducir al máximo el número de diagnósticos que la herramienta de minería de datos clasifica como falsos positivos, que sería el caso de diagnosticar a un paciente sano cuando en realidad está enfermo. Esta situación equivale a decir que alguien no está enfermo cuando en realidad sí lo está, en cuyo caso hablamos de un falso negativo. Todo es cuestión de terminología e interpretación. ¿Y cómo saber cuándo estamos ante una situación como ésta? Pues poniendo a prueba nuestro algoritmo mediante una validación cruzada, tal y como lo explico en el apartado que sigue (pulse también sobre la captura de pantalla adjunta).

Aprendizaje de máquina: sabiduría colectiva a su máxima expresión

En una prueba de validación cruzada, la herramienta de software (WEKA) divide a los datos en diez partes iguales y comienza a aplicar el algoritmo al 90% de ellos, a fin de calcular el valor de la variable que va a diagnosticar (en nuestro caso, cardiopatía). El 10% restante lo utiliza como datos de prueba para estimar qué tanto se está equivocando.
Una vez que se entrena con ese 90%, calcula el valor de cardiopatía para cada caso registrado en los datos de prueba, y lo compara con la opinión que un cardiólogo emitió en el pasado en relación con ese caso.
Tanto si ambos valores coinciden como si no, el software aprende de dicha comparación y memoriza el resultado.

Este procedimiento se repite 10 veces, tomando cada vez como datos de prueba, otro 10% de los datos y un 90% también diferente al que se usó en la prueba anterior como datos de entrenamiento. En cada una de las diez pasadas que realiza el software, el algoritmo cuenta con 515 opiniones (0.90 x 573) de expertos para determinar si un paciente ha desarrollado o no una cardiopatía.

Y es así como el algoritmo que se está evaluando termina construyendo una matriz de confusión (izquierda), en donde uno puede conocer esos falsos negativos de los que hablaba yo en un párrafo anterior. A pesar de todo ese despliegue de inteligencia, las tres pruebas de validación cruzada aplicadas a las 13 variables, y luego a las 9 que quedaron después de eliminar el colesterol, podrían no reflejar la realidad de otro entorno, con pacientes de otras regiones o de epigenéticas distintas. Dado que aquí no estamos manejando un volumen de datos muy grande (Big Data), es evidente que la precisión del modelo disminuirá cuando usemos datos de prueba diferentes a los del conjunto Cleveland-Statlog.

Esta característica es inherente a todo modelo de clasificación (diagnóstico) y se conoce como sobreajuste: una especie de “entrenamiento localizado” que se debe manejar sustituyendo los datos de prueba con datos exógenos, es decir, con datos ajenos a los utilizados en la validación cruzada.

Un modelo 79% confiable

El modelo con 9 variables y el método de Random Forest es el que terminé seleccionando para diagnosticar a mis pacientes, por haber arrojado los mejores indicadores estadísticos. De hecho, su precisión ha resultado ser mayor que la de algunos otros modelos que lo han precedido.
Sundaraman y Kakade de la Northwestern University por ejemplo, obtuvieron una precisión del 70.73% empleando el método de Naive Bayes y los datos de prueba (exógenos) de los hospitales de Suiza [2].

Ellos obtuvieron una precisión del 83.5% con ese mismo algoritmo en condiciones de validación cruzada, resultado que contrasta con ese 97.2% que se obtuvo aquí con el método de Random Forest, bajo el mismo criterio de validación (véase más atrás la imagen intitulada “Selección del modelo con validación cruzada”).
Pero veamos cómo fue que el modelo de Random Forest con 9 variables (izquierda)pudo superar al de Sundaraman y Kakade con 13 variables, una vez que se le aplicó la “prueba de fuego” con los datos exógenos.
Esos datos de prueba los extraje también del repositorio de Irvine y corresponden a casos que fueron atendidos en los hospitales de Suiza y Hungría. De acuerdo con los resultados de dicha prueba (ver ambas imágenes adjuntas), es evidente que el modelo con Random Forest superó al de Naive Bayes en 7.84 puntos porcentuales. Como sea, ambos modelos pueden ser usados en cualquier hospital del mundo como auxiliares en la toma de decisiones clínicas, o por cualquier médico que necesite la opinión consensuada de muchos otros colegas.

La ventaja del modelo que aquí se propone, además de una mayor precisión, es que el paciente solo tiene que proporcionar 9 datos, en lugar de los 13 que requiere el modelo de la Northwestern University.

¿Dio usted positivo a una cardiopatía?

 

Si le han diagnosticado una cardiopatía o está en riesgo de sufrir un infarto, puede solicitar la opinión de unos cuantos cientos de especialistas por el precio de una consulta, descargando la receta que aparece a su izquierda.
Ahí encontrará las dosis terapéuticas (ortomoleculares) y el modo de administración de los nutrientes que desde hace mucho tiempo hemos estado recomendando en estos casos.
La descarga incluye una hora de consulta junto con un diagnóstico como el que se ha descrito a lo largo del presente trabajo.
La consulta se lleva cabo por Skype o vía telefónica y en ella podrá usted aclarar cualquier duda que pudiera tener en relación al tratamiento descrito en la guía terapéutica (pulse sobre la imagen para descargarla).

Conclusiones

Más que una inteligencia colectiva, un modelo como el que acabo de presentar posee una inteligencia artificial capaz de desplegar una sabiduría colectiva.
Por mucho que un egresado de Harvard se haya quemado las pestañas estudiando los misteriosos secretos que guarda el corazón, difícilmente podrá competir con la experiencia acumulada y la precisión con la que realiza los diagnósticos una herramienta de minería de datos clínicos.
Hoy en día, esta tecnología nos permite contar no solo con una segunda opinión, sino con la de centenares de expertos.

© Sergio López González. Fundación MicroMédix. 26 de enero de 2018


¿No encontraste aquí lo que buscabas? En el índice temático hay más artículos que te pueden interesar


RERERENCIAS

[1] D.Senthil Kumar et al. Decision Support System for Medical Diagnosis Using Data Mining. IJCSI International Journal of Computer Science Issues, Vol. 8, Issue 3, No. 1, May 2011
[2] Sundaraman & Kakade. Clinical Decision Support For Heart Disease Using Predictive Models
Northwestern University. Big data Analytics Conference 2015
[3] Vikas Chaurasia et al. Early Prediction of Heart Diseases Using Data Mining Techniques. Carib. j. SciTech, 2013, Vol.1, 208-217.
[4] Jonny Bowden y Stephen Sinatra. La verdad sobre el colesterol. Descubre los falsos mitos acerca del colesterol. Un programa efectivo sin medicamentos para rebajarlo.  Urano. 2103


2 comentarios

Trastorno obsesivo-compulsivo (TOC): medicina alternativa para un carácter impulsivo

El trabajo de investigación que estaré pormenorizando en las siguientes líneas, corresponde al caso de estudio que en esta ocasión nos han encomendado los padres de una jovencita chilena de apenas 16 años.
Con un historial clínico repleto de efectos secundarios, la deficiencia de control de impulsos que esta señorita presenta como parte de su trastorno obsesivo-compulsivo, tal vez es el producto de la evolución de un comportamiento hasta cierto punto natural en la niñez, que supongo se hubiera podido resolver a temprana edad, con unos cuantos nutrientes en dosis terapéuticas (ortomoleculares).

Pero gracias a la consabida e infortunada intervención del sistema de salud mental tradicional, la protagonista de la presente entrega, a quien llamaré Irene para no revelar su verdadera identidad, visita siquiatras y psicólogos desde los 5 años, según nos manifestaron sus padres en uno de los cuestionarios que la Fundación MicroMédix emplea para recabar la información del servicio que lleva por nombre “Un Estudio para tu Caso“.

El análisis de datos

Como especialista en informática biomédica e identificación de fenotipos, al principio de esta investigación y mientras analizaba los datos de muchos otros pacientes con mi programa de diagnóstico, no podía entender por qué esta pequeña estaba manifestando síntomas que en su mayor parte correspondían a un perfil histapénico (hipermetilado). De acuerdo con la captura de pantalla que aparece a su derecha,  de un total de 100 casos registrados en nuestra base de datos, había 44 pacientes que habían manifestado un comportamiento obsesivo-compulsivo, de los cuales, 26 habían sido diagnosticados como histadélicos y 13 como histapénicos (pulse sobre la imagen para ver los detalles).

Al extrapolar esas cifras, aunque no podía descartar la posibilidad de que Irene fuera histapénica, el hecho de que los pacientes histadélicos con trastorno obsesivo-compulsivo fueran el doble que los histapénicos con ese mismo trastorno, me indicaba que algo podría andar mal con el diagnóstico inicial de Irene.
Los hallazgos de William Walsh [1] sugieren también que el fenotipo de Irene corresponde a una histadelia, dado que en su base de datos, el 94 % de los pacientes con trastorno obsesivo-compulsivo son histadélicos (pulse sobre la imagen de la izquierda).
Más tarde me enteré que el padre de Irene había complementado su tratamiento psiquiátrico con triptófano. Hasta donde yo sé, él no tenía idea de cuál podría ser el fenotipo de su hija, como para asegurarse de que administrar triptófano, era una buena idea. En el cuestionario en donde habíamos recabado la información para el desarrollo de este caso de estudio, este experimentado e inteligente guerrero biomédico escribió: “El 4 de enero 2018 comenzó con L-Tryptophan 1500 mg/dia y su estado de ánimo ha mejorado bastante” (pulse sobre la imagen de la derecha para ver los detalles de la medicación y la administración de otros suplementos).

De acuerdo con los principios de ortomoleculridad de R.A.S Hemat [2], las teorías de Carl Pfeiffer [3] y las hipótesis sobre los grados de metilación de Walsh (op. cit.), el fenotipo de Irene tendría que ser histadélico como para que su descontrol de impulsos mejorara con triptófano, uno de los más eficientes precursores naturales de serotonina. De hecho, esos tres expertos coinciden en que una de las características más distintivas del trastorno obsesivo-compulsivo, es justamente un nivel muy bajo de serotonina en los cerebros de los pacientes.

¿Síntomas o efectos secundarios?

Si usted consulta lo que en otra parte de este sitio escribí bajo el título de “Identificando el fenotipo de esquizofrenia: un paso más hacia la curación“, y le echa una mirada a las preguntas que los padres de Irene contestaron afirmativamente en el cuestionario que aparece a su derecha, advertirá que el porcentaje de dichas respuestas constituye el 64.3% del total de preguntas (las resaltadas en amarillo).
El critero de Walsh para la valoración de un perfil, establece que el fenotipo que caracteriza a un paciente, es el que corresponde a un porcentaje de respuestas afirmativas que oscila entre un 30% y un 50 % como mínimo.
Pero en el contexto de la psiquiatría ortomolecular, lo que a veces aparenta ser confuso e incluso hasta contradictorio, se vuelve evidente cuando uno analiza la medicación del paciente junto con sus respectivos efectos secundarios. Para dejar de insinuar lo que quiero demostrar, basta comparar los efectos secundarios del aripiprazol (izquierda), con las respuestas que he marcado con flechas rojas en la imagen de la derecha. ¿Que le sugieren ambas imágenes? (pulse sobre las mismas  para agrandarlas). Observe la correspondencia biunívoca entre cuatro de los síntomas de Irene y los efectos secundarios del aripiprazol (Abilify):

“Sufre de ansiedad severa” vs. “ataques de pánico”.
“Insomnio” vs. “dificultad para conciliar el sueño o quedarse dormido”
“Se ha hecho daño a sí mismo” vs. “pensamientos de suicidio o daño a ti mismo”
“Enfurece con frecuenia” vs. “manía (sintiéndose frenético o anormalmente excitado)”

¿Y qué podemos decir del efecto secundario que aparece en el sitio de saludlimpia.com como “actuando sin pensar“, en relación al problema del control de impulsos?… ¿No le parece absurdo querido lector,  lo que el psiquiatra de esta pequeña le ha recetado, toda vez que el Abilify tiene el potencial suficiente para provocar el síntoma que se supone debe suprimir (la deficiencia del control de impulsos)? Es muy posible que algunos de los síntomas de Irene sean el reflejo de los efectos secundarios del coctel de psicotrópicos.

Nadie puede concentrarse con un coctel de psicotrópicos en su cerebro

En una conversación telefónica que sostuve con el papá de Irene, poco después de que él y su señora esposa hubieran solicitado mi apoyo, me comentó que no comprendía por qué su hija ya no se concentraba como solía hacerlo durante cierta etapa de su experiencia escolar. Tratando de conseguir la empatía que el momento exigía y sin poder ocultar del todo mi agitada incredulidad, le contesté: – pero Ricardo, ¿cómo podría alguien que está bajo los efectos concomitantes de la clozapina y el aripiprazol, concentrarse en algo? – ¡No puede!, rematé.

Si usted se está haciendo cargo de la salud de un familiar, no deje de leer las fichas técnicas de los medicamentos que el psiquiatra le está prescribiendo, porque pudiera ser que las cosas no fueran como ese excelentísimo señor de bata blanca se las platicó. Para ilustrar mejor lo que quiero decir, a continuación describo los efectos secundarios de los medicamentos que componen el coctel de Irene: esas drogas que muy probablemente han generado una farmacodependencia que ni los mismos psiquiatras podrán vencer, llegado el momento de un síndrome de abstinencia (el que invariablemente se presenta cuando el paciente intenta reducir las dosis de uno o más estupefacientes):

1.-Aripiprazol, 2.5 mg/dia: el antipsicótico recién comentado, cuyos efectos, lejos de ayudar, empeoran el control de los impulsos. El cuento de nunca acabar, como resultado del descarado negocio del ejército farmacéutico y sus soldados de bata blanca.
2.- Trihexyphenidyl hydrochloride (izquierda), 1 mg/dia: agente antiparkinsoniano para tratar los síntomas extrapiramidales de los antipsicóticos. De no ser por éste, los antipsicóticos inmovilizarían algunas de las extremidades de Irene, tal y como les sucede a los pacientes con mal de Parkinson.
3.- Belara: anticonceptivo para la regulación del ciclo menstrual.

4.- Levotiroxina, 62,5 mcg/dia: para tratar el hipotiroidismo; una condición causada de manera iatrogénica, según lo reportaron los padres de la chica. Produce alteraciones en los ciclos menstruales, insomnio y depresión (pulse en la imagen adjunta).
5.- Clozapina, 150 mg/dia: antipsicótico para tratar los síntomas positivos de la esquizofrenia (alucinaciones auditivas en pacientes que no han respondido a la mayoría de los demás antipsicóticos). Puede provocar convulsiones.
6.- Lamotrigina, 50 mg/dia: anticonvulsivo para prevenir los ataques epilépticos que podría ocasionar la clozapina.

7.- Lorazepam: para tratar la ansiedad que ocasionan todos los antipsicóticos. Todas las benzodiazepinas crean dependencia, al agotar la cantidad de melatonina que hay en el cerebro.

El principal problema aquí es entonces el coctel de psicotrópicos, pues lo que está ocasionado esta impredecible y caótica sinergia, es nada menos y nada más que el enmascaramiento de los síntomas originales de la enfermedad. Ya en otras partes de este mismo portal he discutido ampliamente cómo las industrias farmacéutica y alimentaria están envenenando a nuestros jóvenes (y a algunos adultos también), y cómo los psiquiatras en contubernio con ellas, están haciendo su agosto con las recetas que promueven la farmacodependencia. Un análisis minucioso de este problema lo puede encontrar en “Maquiavelo y el príncipe de la salud” y “¿Fármacos de por vida? Evitando ese efecto que de secundario no tiene nada“, también de mi autoría.

El trastorno obsesivo-compulsivo y su diagnóstico: histadelia

Fue así como los efectos secundarios ocasionados por el coctel de fármacos pudieron “engañar” a mi programa de minería de datos; pero no a mí. Al ingresar las respuestas de los padres de Irene, tal y como las mostré anteriormente, el software WEKA diagnosticó histapenia, porque no tenía manera de saber qué tipo de fármacos estaba tomando ella (pulse sobre la imagen adjunta). Sin embargo, yo sí estuve al tanto de la situación, y después de años de trabajar con máquinas y de atender pacientes, he aprendido a no caer en la trampa farmacéutica. Mi consejo es que usted no debería creer a pie juntillas, todo lo que le dicen los psiquiatras. Como haya sido, el ánimo de Irene mejoró con el triptófano, y eso vino a constituir la pista que estaba yo buscando.

Hay otra manera poco ortodoxa para discernir entre una histapenia y una histadelia, cuando uno no está completamente seguro del diagnóstico. Consiste en administrar ácido fólco al paciente en una dosis ortomolecular, con el propósito de detectar su respuesta. Esto en realidad no difiere mucho de la prueba que hizo nuestro querido amigo, el papá de la protagonista de esta entrega. De hecho es más segura que la del triptófano, ya que lo que esta alternativa busca es únicamente determinar el nivel de metilación del paciente, en lugar de preguntar por el nivel de serotonina. El resultado de esta otra prueba se mide también en términos del estado de ánimo. Si después de unos cuantos días el enfermo se siente mejor, eso significará que su fenotipo corresponde a una histapenia. Si llegara a sentirse deprimido, eso estará implicando un perfil histadélico (op. cit., pág. 213).

En este orden de ideas, si el paciente se pone contento a los pocos días de estar consumiendo triptófano (a Irene le tomó 5 días responder), y se deprime después de tomar ácido fólico, se puede asumir que es histadélico. Obsérvese que no tendría sentido administrar ambos suplementos simultáneamente, porque en el mejor de los casos, sus efectos contrarios anularían la respuesta esperada. Esa es otra de las razones por las cuales algunos pacientes se estancan en un tratamiento.

Hay que evitar tomar suplementos que actúan en direcciones opuestas (véase también: “Aminoácidos: las combinaciones deben ser terapéuticas, no contraproducentes“).
En el caso de los histapénicos la situación no es tan sencilla, porque uno no debería administrar triptófano, sin haber administrado antes ácido fólico. Una cosa es arriesgarse a caer en una depresión, y otra muy diferente es aventurarse a sufrir un síndrome serotoninérgico, por un exceso de serotonina en el cerebro (histapenia). De manera que es mejor realizar primero la prueba del folato (que es el otro nombre que se le da al ácido fólico) y luego la del triptófano, una vez que se tenga la seguridad de que se es histadélico por haberse deprimido anteriormente con folato.

Más pruebas: el conteo de basófilos y el nivel de histamina en sangre

Puede suceder también que aún haciendo estas pruebas (insisto, no simultáneamente), el resultado no sea del todo contundente, y habrá que recurir entonces a los exámenes de sangre que en una publicación anterior recomendé. No obstante, debo reconocer que en muchos países, es prácticamente imposible hallar un laboratorio que practique un examen de histamina en sangre. Regularmente los realizan en plasma, que para nuestros propósitos viene a ser un gasto inútil. Es por ello que últimamente he venido recomendando una prueba de homocisteína en sangre (no en plasma), en donde en un mismo reporte, el laboratorio entrega el nivel de básofilos, ya sea en valores absolutos (preferiblemente), y/o en por ciento.

En la imagen adjunta se puede ver que el conteo de basófilos los ha entregado el laboratorio únicamente en por ciento, por lo que procedí a calcular sus correspondientes valores absolutos, multiplicando el conteo de basófilos en por ciento, por el valor absoluto de los leucocitos (glóbulos blancos cuyas unidades siempre vendrán dadas en valor absoluto), y  dividiendo el resultado de esa cantidad entre 100. Para ilustrar  el procedimiento descrito, a continuación proporciono las operaciones que tuve que realizar para obtener el conteo de basófilos en valores absolutos correspondiente a los últimos 5 exámenes de Irene (no contiene la prueba de homocisteína en sangre y en la imagen solo muestro los valores del último mes):

01-may-17: (0.2×11.73×1000)/100= 23 cels/mm3
04-ago-17: (0.2×12.93×1000)/100= 26 cels/mm3
29-sep-17: (0.5 x 7.84 x1000)/100= 39 cels/mm3
31-oct-17:  (1.2 x 7.4 x 1000) /100 = 89 cels/mm3
14-dic-17:  (1.3 x 6.8 x 1000) /100= 88 cels/mm3

Como suele suceder en cualquier caso de histadelia (histamina alta), los valores de los basófilos fueron aumentando mes con mes, hasta alcanzar las 88/89 células/microlitro. Como comenté en una publicación anterior, la hipometilación o histadelia se distingue, entre otras cosas, por un conteo de básófilos mayor a las 50 células por microlitro (mm3).

El problema del control de impulsos: causas y tratamiento

Un “trastorno obsesivo-compulsivo-impulsivo” no es precisamente el diagnóstico que un psiquiatra le daría a un paciente que además de presentar obsesiones y compulsiones, tuviera problemas para controlar sus impulsos. Los psiquiatras llaman a un síndrome de estas características trastorno-compulsivo con descontrol de impulsos, entendiendo aquí por impulso el acto sin reflexión que comete una persona en un situación no necesariamente apremiante. Comer o beber por impulso por ejemplo, es un acto que se desarolla de una manera muy sutil, que no responde a un acto desesperado.
Cualquier caso en donde una persona tiene problemas para controlar sus impulsos, está íntimamente relacionado con el comportamiento violento y las adicciones.

Robert Nash lo ha dejado muy claro en un trabajo excepcional al que intituló “The Serotonin Connection”, en el que sostiene que los niveles bajos de serotonina están asociados a un control deficiente de los impulsos, y que muy probablemente esto se traduce en una autoagresión y una actitud hostil hacia los demás.
En un párrafo posterior afirma que“el trastorno obsesivo compulsivo puede contribuir a conductas adictivas debido al control deficiente de los impulsos. Los niveles bajos de serotonina en estado estacionario pueden reducirse aún más por el alcohol y las sustancias adictivas, así como por la disminución del colesterol “ [4].

Recomendaciones finales

Parecería un lugar común aconsejar que en un caso como el que aquí he descrito, uno deba poner especial atención a los adolescentes que aún no han probado sustancias adictivas, porque como enfaticé en los párrafos anteriores, una vez probada una droga, ya sea ilegal o en su elegante presentación como psicotrópico, la adicción puede llegar a representar un infierno para quien la padece.

Las drogas psicotrópicas causan dependencia, aunque los psiquiatras no lo quieran admitir, y una persona que tiene problemas para controlar sus impulsos se convierte en presa fácil de los comerciantes de la salud.
En la receta que presento más adelante, observará que hay suplementos que no solo están indicados en los casos de histadelia, sino que contribuirán también a regular los ciclos menstruales de la paciente, tal y como se aprecia en la imagen de la derecha (pulse para agrandarla). Note la importancia de prescribir la tríada Zinc-magnesio-vitamina B6 en este caso particular, a propósito de lo que significó el aumento de serotonina con motivo de la administración de tripófano.

En el caso de Irene, además de administrar los suplementos especificados en la receta, cuyas características generales describo en el apartado que sigue, recomiendo observar una dieta libre de sustancias adictivas, tales como el chocolate y al azúcar en general, las pastas, las galletas, los pasteles, el pan en todas sus presentaciones y todos los alimentos que contienen gluten. Los lácteos, el café, los tés que contienen cafeína, los refrescos (gaseosas) de cola, las bebidas envasadas repletas de colorantes y saborizantes artificiales, la comida chatarra y los productos procesados en general, deberán ser excluídos de su dieta. Todos esos “alimentos” contienen sustancias que suelen producir ansiedad y fomentar conductas hostiles (véase también: “Vitaminas y minerales para prevenir los ataques de pánico” y “Agresividad, ira, bullying y mal humor: síntomas de una inteligencia emocional y nutrición deficientes“, también de mi autoría).

Un tratamiento holístico con vitaminas, minerales, aminoácidos y omega 3

 

A modo de conclusión, la receta (guía terapéutica para el TOC) que en este caso recomendé, ha sido concebida para corregir la histadelia, con aminoácidos precursores de serotonina y GABA; así como con vitaminas y minerales que además de contrarrestar la hipometilación detectada, ayudarán a Irene a superar el hipotiroidismo y el síndrome premenstrual. Las dosis ortomoleculares de los ácidos grasos omega 3 (no omega 6 ni omega 9), contribuirán a bajar los niveles de histamina y basófilos.
Al descargar la receta (izquierda), observará que contiene algunos suplementos que aparte de no estar contraindicados, mejoran el grado de metilación, regulan los ciclos menstruales y equilibran los niveles de las hormonas T3, T4 y TSH de la glándula tiroides.

© Sergio López González. Fundación MicroMédix. 18 de enero de 2018


¿No encontraste aquí lo que buscabas? En el índice temático hay más artículos que te pueden interesar


REFERENCIAS

[1] William J. Walsh. Nutrient Power. Heal your biochemistry and heal your brain. Skyhorse Publishing, 2012.
[2] R.A.S Hemat. Principles of Orthomolecularism. Urotext. 2004
[3] Carl C. Pfeiffer, Richard Mailloux and Linda Forsythe. The Schizophrenias: ours to conquer. Bio-Communications Press, 1970.
[4] Robert A. Nash, M.D.The Serotonin Connection. Journal of Orthomolecular Medicine Vol. 11, No. 1, 1996


9 comentarios

La informática biomédica en el diagnóstico y la prevención de la esquizofrenia y otros trastornos de la personalidad

En esta entrega explico cómo es que las técnicas de la informática biomédica, consiguen que una máquina aprenda a diagnosticar y prevenir trastornos de la personalidad, apoyándose en la experiencia de los médicos. Un doctor en medicina aprende más de los casos que atiende y resuelve durante el ejercicio de su profesión, que de lo que sus maestros le enseñaron en la universidad. Emite sus diagnósticos basándose en sus casos de éxito, así como en los datos que le muestran los instrumentos que utiliza y en lo que develan las pruebas de laboratorio que recomienda efectuar, pero sobre todo, en los síntomas que le reportan sus pacientes.

La mayoría de los trastornos mentales suelen estar caracterizados por cierto número de síntomas y/o rasgos de personalidad, y parte de este trabajo ha consistido en asociar una variable a cada uno de esos rasgos. Los médicos acostumbran llamar síndrome a un complejo de síntomas, y lo que los especialistas en informática biomédica hemos logrado a lo largo de la presente investigación, ha sido clasificar cada variable (síntoma/rasgo) en su respectivo síndrome. No obstante, para estar en total consonancia con lo que los expertos en medicina ortomolecular establecen en relación a los grados de metilación [1], hemos preferido llamar fenotipo a cada síndrome. En este orden de ideas, vale decir que los fenotipos no son tipos de esquizofrenia, sino síndromes que trastornan de diferentes maneras, la conducta de un ser humano.

¿Pueden las máquinas aprender de la experiencia médica?

Al plantearles preguntas que se pueden contestar con un “sí” o con un “no”, el médico descubre ciertos patrones y una que otra relación entre los diferentes síntomas de sus pacientes. Cuando usted acude a la consulta, seguramente tendrá que responder a una serie de cuestionamientos del tipo: ¿le duele la cabeza?, ¿le zumban los oídos?, ¿se marea cuando se levanta de la cama?, ¿le arde al orinar?, ¿practica ejercicio?, ¿fuma?, ¿toma bebidas alcoholicas?, etc.
Una máquina puede aprovechar la experiencia de cientos de médicos para aprender también de los casos que ellos han resuelto en el pasado. Hoy, en plena era del conocimiento, uno puede ser testigo de cómo una computadora aprende a diagnosticar pacientes, a partir de miles de casos almacenados en un archivo clínico. Mientras mayor sea el número de registros en esa base de datos, mayor será la experiencia acumulada, más precisos serán los nuevos diagnósticos y menor el riesgo de desarrollar una enfermedad.
Al igual que el médico, el ingeniero en informática biomédica también dispone de herramientas, pruebas de laboratorio y cuestionarios para conseguir que sus pacientes restablezcan su salud, o mejor aún, para prevenirlos de una determinada enfermedad. Ya lo dice el adagio, “más vale prevenir que lamentar”.

Y aunque ese refrán contiene mucho de verdad, no parece haber permeado mucho en nuestra sociedad.
A juzgar por la cantidad de casos de esquizofrenia que hemos estado atendiendo de un tiempo para acá, la idea de que “eso es algo que a mi o a mi familia no nos puede pasar“, es la que hoy por hoy ha estado predominando y produciendo muchos sinsabores alrededor del mundo.  Como veremos a continuación, confiar en que esa aseveración es cierta es tanto como echar una moneda al aire y esperar ganar el volado. Si esa idea ha cruzado por su mente aunque sea una sola vez, y toca la casualidad de que es usted padre o madre de un adolescente, creo que lo mejor que puede hacer en este momento es seguir leyendo.

El diagnóstico preventivo: la clave para no enfermarse o evitar las recaídas 

En la imagen adjunta muestro una fracción del archivo de pacientes con trastornos de personalidad de la Fundación MicroMédix (pulse sobre la misma para agrandarla). Los 72 síntomas los consideramos nuestras variables de entrada, y la hoja de Excel que ahí aparece es de lo que se alimenta la herramienta que usamos para analizar los datos. La variable de salida es el fenotipo y  sus valores pueden ser cinco: histapenia, histadelia, piroluria, normal y otro. Los criterios para la asignación de dichos valores los establecimos de acuerdo con las especificaciones de los doctores Walsh, Stuckey y Lambert, para los grados de metilación y el extrés oxidativo de sus pacientes [1], [2] (véase también “Identificando el fenotipo de esquizofrenia: un paso más hacia la curación“).

Como cabría esperar, cada paciente presenta síntomas acorde con su individualidad bioquímica, y por lo tanto, con su epigenética. Así por ejemplo, el registro asociado al paciente con expediente No. 9 indica que éste ha sido diagnosticado con histapenia porque escucha voces, no sufre de ansiedad ni ataques de pánico, no es hiperactivo, manifiesta un interés excesivo en los asuntos religiosos (muy_devoto), no presenta síndrome de piernas inquietas, no reporta paranoia, tiene problemas de insomnio, padece acúfenos, y así continuaríamos interpretando los demás campos de este registro en particular, hasta llegar al atributo No. 72 del archivo. Es por esta razón que a los pacientes o a sus familiares les pedimos que contesten únicamente sí (S) o no (N), a las preguntas del cuestionario que hemos puesto aquí a su alcance para conocer sus síntomas.

Algunos de nuestros lectores, en especial los padres de hijos aquejados de algún trastorno de personalidad, ya se han dado cuenta de la importancia que tiene el responder al cuestionario con el tipo de preguntas que cité con anterioridad (S/N), pues desde que comenzamos a identificar los fenotipos de esquizofrenia por ejemplo, sus hijos han comenzado a responder mejor al tratamiento, como resultado del conocimiento adquirido al aplicar la técnica de la minería de datos a sus síntomas. Ya en otra parte de esta misma página web escribí: “el conocimiento que no se tiene, debe descubrirse“.

Al igual que la extracción de texto (text mining), la minería de datos (data mining) nos permite descubrir ese conocimiento que aparentemente no existe en un conjunto de datos como los de la hoja de cálculo que mostré con anterioridad.
Más adelante demostraré, cómo la aplicación de algunos algoritmos de la minería de datos a los síntomas de un paciente, nos está permitiendo diagnosticar su fenotipo, evitar que enferme, o prevenirlo de una recaída. Cada vez que predecimos el fenotipo que podría desarrollar un paciente, estamos mejorando la calidad de vida de una familia, pues solo así es posible administrar a tiempo, los nutrientes que la medicina ortomolecular recomienda justo para ese fenotipo. Es imperativo prevenir recaídas o evitar que un problema se complique, hasta el punto de tener que recurrir al confinamiento y la medicación psiquiátrica.

Un ejemplo sencillo de aprendizaje basado en casos 

El aprendizaje automático o de máquina emplea un algoritmo para clasificar, diagnosticar o predecir el resultado de una observación (caso) que se ve influenciado por el comportamiento de una o más variables predictoras (de entrada). Para entender mejor el concepto, explicaré su principio de funcionamiento con un ejemplo muy sencillo.
Durante algún tiempo, mi hermana solía preparar bacalao para agasajar a toda la familia en la cena del 24 de diciembre. En ciertas ocasiones el bacalao era todo un éxito, y en otras, en opinión de mi señor padre, no tanto.

Digamos que las variables de entrada eran solo tres (la verdad es que eran muchas más; pero como soy un lego en materia culinaria y en estos momentos no cuento con la asesoría de mi querida hermana, voy a simplificar las cosas): lugar en donde era adquirido el bacalao, tiempo de recalentado y tiempo de remojado previo.
Cuando el bacalao se compraba en “La Europea”, el éxito casi siempre estaba asegurado, excepto aquella vez que mi hermana lo recalentó por más tiempo del que era necesario, y se agrió.

Las veces que salía “sacatudo”, duro o salado (fracaso), era porque no se había puesto a remojar el tiempo suficiente. En fin, eran variables que influían sensiblemente en la variable a predecir: la opinión de mi papá sobre la calidad del bacalao en la cena de navidad.
Lo interesante de este ejemplo es analizar si Maricarmen descubrió un método para preparar el bacalao, basándose en lo que había ocurrido en las navidades anteriores. Y más interesante aún sería el poder predecir cuál será el resultado de esta navidad, tomando en cuenta que uno de mis sobrinos planea comprar el bacalao en el Mercado de San Juan y que va a darnos la sorpresa justo el 24 de diciembre.

Dado que Mari Carmen va a recibir el bacalao con tan poco tiempo de anticipación, lo más seguro es que no pueda dejarlo remojar lo suficiente. Estando así las cosas, ¿cuál podría ser la opinión de mi papá, sabiendo que el bacalao solo va a poderse remojar durante 6 horas?
Si pulsa usted sobre la imagen anterior para agrandarla, va a advertir que no existe un caso resgitrado en la base de datos, para el que la variable de entrada Lugar de compra sea igual a “Mercado de San Juan” y la variable Tiempo de remojado sea de 6 horas; en otras palabras, no existe un antecedente de lo que podría pasar, dadas estas condiciones. Sin embargo, la minería de datos podría ayudarnos a predecir si el bacalao va a ser un éxito o no esta navidad, con cierto nivel de precisión (probabilidad). ¿O podría usted intuitivamente darme un pronóstico con algún nivel de certidumbre?

La regla del ZeroR

Hay un método muy rudimentario que podríamos aplicar al ejemplo anterior. Consiste en analizar cuál es el resultado que más ocurrencias ha registrado y predecir de acuerdo con éste. En estadística, al valor que se repite con más frecuencia en un conjunto de datos se le llama moda. En la matriz de datos del ejemplo anterior, observamos que en la mayoría de los casos el bacalao ha sido un éxito. El éxito sería la moda en este caso, y espero quede claro que así ha sido en el  71.42% de las veces (100 x número de éxitos/total de observaciones = 100 x 5/7 %). Así, nuestro pronóstico sería que aunque el bacalao se quede remojando 6 horas, el resultado va a ser un éxito, con una margen de error del 28.58%.

En los ámbitos de la minería de datos y la estadística, al método que acabamos de emplear aquí para responder a la interrogante planteada al final del apartado anterior, se le conoce como regla del ZeroRy aunque simple en su naturaleza, nos sirvió mucho al momento de evaluar el método que seleccionamos para diagnosticar a nuestros pacientes. A continuación analizo las características de los métodos y herramientas que estuvimos evaluando en la Fundación MicroMédix, antes de seleccionar el algoritmo que a la postre nos proporcionó el mayor nivel de certidumbre, con miras a diagnosticar y prevenir trastornos de personalidad.

Métodos y herramientas para diagnosticar y prevenir la esquizofrenia y otros trastornos de la personalidad

Analicemos ahora el caso de un modelo para diagnosticar a un paciente, cuya madre nos ha escrito en busca de ayuda, pues su hijo padece de queratocono (por favor pulse en el vínculo que sigue si desea conocer los detalles de este trastorno y del caso completo de “Alejandro de Austria”). Para ello, les pedimos nos hicieran favor de responder el cuestionario de 72 preguntas, que estarán representando las variables de entrada de nuestro modelo de diagnóstico/prevención de fenotipo, tal y como lo describí en la sección “El diagnóstico preventivo: la clave para no enfermarse o evitar las recaídas”.

Cada variable (síntoma implícito en cada pregunta) únicamente puede asumir los valores S y N, dependiendo si la respuesta de esta admirable madre guerrera ha sido un sí o un no, respectivamente. Como se ve, ahora nuestro reto consiste en manejar 72 variables dicotómicas (S/N) y una variabe categórica de salida (las variables categóricas son aquellas que solo pueden adquirir valores que se pueden enumerar, y que por lo tanto no son continuas).
Antes de cargar los datos del paciente a nuestra base de datos, es necesario abrir primero este archivo con el software de minería de datos, y una vez seleccionado el modelo de diagnóstico, ingresar los síntomas que el paciente ha reportado, en un archivo de prueba (test). Nótese que no podemos (ni debemos) integrar los síntomas de un paciente a la base de datos, antes de ejecutar el algoritmo de diagnóstico, porque desconocemos su fenotipo. Esta es justamente la variable que pretendemos determinar con el software de minería de datos, y es por eso que a ésta se le llama variable de salida.

WEKA (Waikato Environment for Knowledge Analysis) es el software de minería de datos (derecha) que hemos estado usando desde hace años, con el fin de perfeccionar nuestras recetas, y fue desarrollado por la universidad de Waikato, Nueva Zelanda, en la modalidad de distribución gratuita (open source). Si pulsa usted sobre la captura de pantalla de la derecha, notará que WEKA  a empleado un diagrama de barras para representar el número de casos registrados para cada fenotipo. Hay 8 pacientes etiquetados con el fenotipo otro, 40 con histapenia (en rojo), 30 con histadelia (azul celeste), 2 normales (gris) y 20  diagnosticados con piroluria (en rosa).
Ahora que ya conoce usted el método del ZeroR, supongo que no tendrá problemas para emitir un diagnóstico aunque sea burdo del fenotipo de “Alejandro de Austria”. Aplicando el método que anteriormente expliqué “con manzanitas”… ¡ah perdón!, ¿fue con bacalao no es cierto? Bueno, acorde con la regla del ZeroR, un pronóstico no muy bueno sería el de histapenia, con un 40% de confianza (pulse sobre la imagen de la izquierda para ver lo que WEKA despliega al aplicar este método).

Dijimos que este valor corresponde a la moda de la variable fenotipo (en el sentido estadístico del término, no porque esté de moda hacerlo así), y aunque impreciso, nos servirá como referencia para evaluar el método que usaremos para emitir diagnósticos más serios y predicciones más certeras. Porque imagínese nada más, querido lector, cómo confiar en un diagnóstico cuyo margen de error es del 60%. Note y anote los valores del coeficiente Kappa de Cohen y el de la raíz del error cuadrático medio porque son factores que nos indican qué tanto nos estamos equivocando en los diagnósticos.

Como por el momento no se trata de impartir un curso de informática biomédica o de estadística, sino únicamente saber para qué nos van a servir ambos parámetros, baste decir que entre más cerca esté de la unidad el coeficiente de Kappa, más preciso será el modelo seleccionado, y que entre más pequeña sea la raíz del error cuadrático medio, menos errores estaremos cometiendo y mejor será el modelo objeto de análisis.
Un criterio de seleción basado en la regla del ZeroR es completamente inadmisible, aunque en honor a la verdad, sé de algunos psiquiatras con criterios de diagnóstico peores, pues en lo único que se basan es en su “Manual Diagnóstico y Estadístico de los Trastornos Mentales (DSM)”, o a veces ni siquiera en eso. Estimado lector, permítame informarle que ese manual no contiene absolutamente nada de estadística. Si hay algo estadístico y dotado de inteligencia que sí nos puede ayudar a diagnosticar con bastante precisión a nuestros pacientes, son sin duda alguna los árboles de decisión, las redes bayesianas y las redes neuronales artificiales.

Árboles de decisión y selección de atributos

Si un modelo con 3 variables de entrada y una de salida ocasiona cierta incertidumbre a la hora de pronosticar cómo va a estar el bacalao esta navidad, imagínese lo que implica uno con 72 variables de entrada que pretende diagnosticar o predecir el fenotipo de un paciente. Las cosas pueden complicarse sobremanera. Y aunque la máquina sea la que se va encargar de ejecutar los algoritmos, el reducir el número de variables de entrada no solo simpifica los cálculos y el análisis de los datos, sino que podría aumentar el nivel de precisión del modelo. En seguida le explico qué fue lo que hice para reducir el modelo inicial de 72 variables de entrada, a uno de 35 atributos, aumentando al mismo tiempo el nivel de precisión de los diagnósticos y las predicciones.

Después de haber abierto con WEKA el archivo de pacientes, pulsé en la pestaña Classify para acceder a la función de clasificación de instancias (casos), y luego seleccioné el algoritmo J48, dentro de la categoría correspondiente a los árboles de decisión. Al dar clic en el botón de arranque (Start), lo que obtuve fue un coeficiente de Kappa de 0.605, una raíz del error cuadrático medio de 0.3174 y un nivel de precisión del 72%. (pulse usted sobre la imagen que aparece a su izquierda para ver los detalles). Esta precisión, si bien ha resultado muy superior a la que nos ofrece la regla del ZeroR, no es precisamente lo que una madre guerrera estaría esperando para optimizar la receta de su hijo.

Pero entonces, ¿para qué seleccionar un método que se está equivocando el 28% de las veces?
Mi intención al seleccionar el método del árbol de decisión J48, además de comparar su precisión con la del ZeroR, era analizar los síntomas que seleccionaría este algoritmo.

Los árboles de decisión nos ahorran el trabajo de seleccionar los atributos más relevantes, de entre todos los datos del conjunto (en este caso los síntomas del paciente). Y lo que llama más la atención es que lo hacen de manera automática. Uno no tiene que ir a la pestaña Select attributes de WEKA para seleccionar un evaluador de atributos y luego probar con más de una estrategia de búsqueda, a fin de intentar aumentar la precisión del modelo. Se requiere conocer bien el tema para obtener un buen resultado, haciéndolo explícitamente.
Tratando de ahorrarme el trabajo de ahondar en el tema (lo cual, como veremos más adelante terminé haciéndolo de todas maneras), quise saber lo que harían WEKA y el árbol J48 al pedirles que me mostraran el diagrama que “tenían en mente”.

La inteligencia de estas herramientas es tal, que nos permiten ver cosas que no podríamos descubrir por nosotros mismos. ¿O sabe usted de algún psiquiatra que le pueda decir cuál de todos los síntomas de la esquizorenia influye más en sus diagnósticos? Quiero pensar que se inclinaría por la escucha de voces, las alucinaciones visuales, las obsesiones o las compulsiones.

Pero lo que importa aquí no es lo que tenga que opinar un psiquiatra al respecto, sino lo que WEKA y el J48 puedan develar en el proceso. Estos dos aliados nos están diciendo que hay un 72% de probabilidades de que los problemas psicogénicos de la población de pacientes de nuestra base de datos, podrían estar relacionados con el hecho de tener canas prematuras (fíjese en el nodo raíz del árbol que aparecerá en su pantalla, después de pulsar sobre la imagen adjunta). Ya lo estoy oyendo decir: ¡con el encanecimiento prematuro! Sí querido lector, leyó usted bien. Y tiene mucho más sentido cuando uno va y busca en Google, las causas más importantes del encanecimiento prematuro.

Si usted indaga lo suficiente sobre esta cuestión, lo que va encontrar en la mayoría de los sitios web, es que las canas prematuras son un claro indicio de deficiencia de vitaminas, minerales y sobre todo de melanina. Hay muchas evidencias de que las canas aparecen antes de lo normal, cuando uno está sujeto a un estrés constante. Los editores de la revista Scientific American lo han dejado muy claro: el estrés provoca que nuestro cabello se tiña de gris, y en casos extremos, de blanco.

En este mismo diagrama de árbol se puede ver cómo éste método dignostica a un paciente, a partir de las decisiones que va tomando a lo largo de las ramas que conducen a las hojas etiquetadas como histapenia, histadelia, piroluria y otro. Las hojas del árbol son los nodos terminales. Para ejemplifiar como funciona este método de extracción de datos (data mining), siga la rama que marqué con rojo, en el siguiente orden:

1. El algoritmo comprueba que el paciente ha contestado que NO a la pregunta ¿tiene canas prematuras (variable de mayor relevancia según este método)?, por lo que decide ir a verificar la respuesta al nodo etiquetado como obsesivo-compulsivo (siguiente variable de importancia de acuerdo con este método).
2. Ahí comprueba que NO es obsesivo-compulsivo y continúa con la pregunta 3:
3. ¿Rasgos faciales delicados? Como la respuesta aquí es afirmativa, va en busca del nodo mal_genio.
4. Puesto que en este último nodo la respuesta es , J48 concluye que se trata de una piroluria (en la hoja de esta “rama roja” del árbol).

A pesar de toda esa inteligencia, una precisión del 72 % no garantiza el éxito de un tratamiento, por lo que es imprescindible buscar un modelo que nos ofrezca al menos un 90% de confianza.
Pensando que los atributos que había seleccionado el árbol J48 me servirían como entrada para otro método de árbol, o bien para una red bayesiana, probé con los árboles LMT y Random Forest, así como con un par de algoritmos bayesianos. Aún así, los resultados todavía dejaban mucho que desear.
Así las cosas, había que seleccionar los atributos más significativos de manera explícita, con los medios que ofrece WEKA.
Una vez que supe cuál sería una buena estrategia para la selección de atributos, decidí probar con el evaluador por omisión (CfsSubsetEval) y el método de búsqueda Best First. El resultado de esta fase del proyecto aparece en la captura de pantalla que se muestra a la izquierda. Como se ve, esta vez son 35 los atributos que de acuerdo con este último hallazgo, debería yo emplear de aquí en adelante como variables de entrada en mis evaluaciones.   En la imagen de la derecha se puede apreciar cómo se distribuye la variable escucha_voces en función del fenotipo, después de haberla seleccionado en la interfaz de pre-procesamiento. De todos los pacientes, hay 53 que no escuchan voces y 47 que sí lo hacen. Se observa también que los pacientes que han sido diagnosticados con histapenia, son los que más escuchan voces (área en rojo).

Pero más que estar buscando un método que mejore los diagnósticos, lo que más nos importa en la Fundación MicroMédix, es evaluar qué tanto un adolescente podría estar en riesgo de desarrollar un problema psicogénico, caracterizado por cualquiera de los fenotipos que aquí hemos estado analizando. Nos interesa por ejemplo encontrar un modelo de diagnóstico que nos permita responder a preguntas del tipo: ¿qué tan probable es que un muchacho se empiece a aislar de sus amigos y familiares, habiendo sido diagnosticado con histadelia? Una posibilidad es recurrir a los métodos dotados de inteligencia artificial, entre los que destacan las redes bayesianas. A continuación exploramos esa posibilidad.

El método de red bayesiana que hizo posible aumentar la precisión hasta en un 92%

Provisto de un conjunto de atributos optimizado, me di a la tarea de probar varios métodos, tanto de árboles de decisión como de redes bayesianas. Fue así como obtuve los mejores resultados.

A lo largo de este proceso de búsqueda, advertí que efectivamente los atributos que habia seleccionado de manera explícita, habían producido un aumento en las precisiones tanto en uno de los tres árboles de clasificación, como en los dos métodos bayesianos que elegí. Excepto para los casos de los árboles de decisión J48 y LMT, los demás métodos superaron a sus antecesores. En el caso del Random Forest la precisión llegó a ser del 90%. En la tabla adjunta muestro el resumen de las pruebas que tuve que realizar para finalmente adoptar como modelo de diagnóstico el de Bayes Net, no solo por haberme entregado la mejor precisión (del 92%), sino los mejores coeficientes estadísticos.

¿Recuerda lo que le comenté sobre los parámetros Kappa de Cohen y de la raíz del error cuadrático medio? Bueno, pues fue así como supe cuál era el mejor de los seis métodos analizados. El modelo a emplear terminó siendo el método de Bayes Net aplicado a las 35 variables que de acuerdo con WEKA, resultaron ser las más relevantes.

Con este modelo ya podemos responder a ese tipo de preguntas que nos permiten evaluar el riesgo que tiene una persona de enfermar. Con la inteligencia artificial de un método como el de Bayes Net, podemos determinar qué probabilidades tiene un paciente de padecer un síntoma, dado su fenotipo. En la imagen adjunta por ejemplo (pulse para agrandarla), se pueden conocer las probabilidades que tendría un adolescente de escuchar voces, de experimentar delirios, de no recordar sus sueños y de aislarse de sus familiares y amigos, dependiendo todo ello de su fenotipo. Así, de haber sido diagnosticado con histapenia, dichas probabilidades serían del 74.4%, 59.8%, 30.5% y 54.9%, respectivamente.

Uno de los principales objetivos al desarrollar un sistema de esta naturaleza, es evitar que los síntomas asociados a cualquiera de los fenotipos mencionados, hagan su triunfal aparición. Sin embargo, no hay que perder de vista que estamos ante un modelo probabilístico, y hay que ser my cautelosos a la hora de interpretar los resultados. Note por ejemplo que en la tabla de distribución de probabilidades de la figura anterior, se establece que la probabilidad de que un paciente normal escuche voces no es nula, lo cual no significa que esté en riesgo, sino simplemente que el modelo no es determinístico y que existe por lo tanto, un margen de error del 8%. No está nada mal.

Diagnosticando a un paciente con queratocono: ¿un fenotipo que podría clasificarse como “otro”?

Regresando al caso de “Alejandro de Austria”, es menester aplicar todo el conocimiento adquirido hasta aquí, para determinar con una precisión del 92%, el fenotipo de nuestro querido amigo.
El objetivo es tener una idea más clara de cuál puede ser este fenotipo, a fin de perfeccionar su receta.
En la captura de pantalla adjunta, estoy mostrando el diagnóstico que WEKA me entregó, al ingresar las respuestas que la mamá de este chico anotó en el cuestionario para identificar su fenotipo. En el conjunto de datos de prueba (test set), incluí a otros seis pacientes que estaban esperando su diagnóstico (pulse sobre la imagen para ver los detalles).

De acuerdo con lo que hasta hora sabemos sobre Alejandro, mi expectativa era que el resultado fuera fenotipo=”otro”; pero lo que el programa de minería de datos me entregó con una certidumbre del 99.2% fue “histapenia”, según se ve en el informe de la imagen anterior (inst# 7). A reserva de lo que revelen las pruebas de laboratorio a realizar en este caso, le estaremos enviando a este madre guerrera, una receta que tome en cuenta tanto el diagnóstico aquí obtenido, como los resultados de dichos análisis.

Obsérvese que en esa misma imagen hay dos pacientes que el modelo diagnosticó con histadelia. En el caso número 3 sin embargo (inst# 3), el programa no parace estar muy seguro de ese diagnóstico y por ende, nosotros tampoco. La certidumbre en este caso ha sido del 47.1%. Al revisar el registro de los datos de este paciente caí en la cuenta de que había dejado muchas preguntas sin contestar, y de alguna manera Bayes Net no se quiso comprometer. Asimismo, quise ponerlo a prueba ingresando un registro de un paciente que ya estaba dado de alta en la base de datos. Si Bayes Net hablara (poco le falta) me hubiera dicho: “a este señor ya lo conozco, es el que se subió a la rama roja de tu árbol J48, y te garantizo (100%) que es pirolúrico”. Nada más faltó que después de haberle borrado la variable que contenía la edad de los pacientes, me dijera que no se tratataba de un adolescente, sino de un “baby boomer”.

Conclusiones

La esquizofrenia, el trastorno bipolar, el autismo, la ansiedad, la depresión, los ataques de pánico y demás trastornos de la personalidad, son enfermedades multivariables, pues son demasiados síntomas los que entran en  juego a la hora de diagnosticar y prescribir. No es fácil determinar cuánto va a durar un tratamiento, ni qué tan bien va a responder un paciente a los suplementos que la medicina ortomolecular recomienda en cada caso. Pero los avances que todos los días tienen lugar en el campo de la informática biomédica y la biomedicina, nos están permitiendo concretar un mayor número de casos de éxito.

De todas la variables implicadas en el proceso, hay algunas que usted o su ser querido pueden controlar. Me estoy refiriendo a las del tipo epigenético. Aún contando con la herramienta más poderosa de la minería de datos, si no cuento con su apoyo, de poco nos va a servir tanto modelo matemático y tanta labor científica dedicados al restablecimiento de su salud. Yo no tengo control sobre la cantidad de cigarros que fuma, el alcohol que ingiere, sus adicciones, sus hábitos alimenticios, la cantidad de azúcar que consume y de su estilo de vida en general. Usted sí que posee el control de todas esas variables epigenéticas.

Recuerde que para conseguir el éxito de un tratamiento, es indispensable hacer equipo, porque para ser honestos, los únicos que terminan siendo los protagonistas de los casos de éxito son ustedes, los familares y los pacientes mismos, no los terapeutas ni los expertos en minería de datos.

Un par de comentarios finales 

Si usted es psiquiatra y tiene un método de diagnóstico que supere al Bayes Net, por favor déjeme un comentario. Me muero por conocerlo (al método, no al psiquiatra).
Ahora que si usted es un paciente o un familiar de un chico o una chica aquejados de un trastorno de personalidad, entonces sí que me muero por responder a sus comentarios y ofrecerle todo mi apoyo hasta ver la luz al final del túnel, pues mi pasión consiste en hacer todo lo que esté a mi alcance para que su calidad de vida vuelva a ser la misma que prevalecía cuando su hijo(a) era lo que solía ser.

© Sergio López González. Fundación MicroMédix. 8 de diciembre de 2017


¿No encontraste aquí lo que buscabas? En el índice temático hay más artículos que te pueden interesar.


REFERENCIAS

[1] William J. Walsh. Nutrient Power. Heal your biochemistry and heal your brain. Skyhorse Publishing, 2012.
[2] Richard Stuckey,William Walsh & Brett Lambert. The Effectiveness of Targeted Nutrient Therapy in Treatment of Mental Illness. A pilot study. ACNEM Journal Vol 29 No 3 – November 2010.
[3] R.A.S Hemat. Principles of Orthomolecularism. Urotext. 2004
[4] Ian H. Witten, Eibe Frank & Mark A. Hall. Data Mining. Practical Machine Learning, tools and Techniques, third edition, Elsevier. 2011.
[5] Daniel T. Larose. Discovering Knowledge in Data. An introduction to data mining. John Wiley & Sons.2005
[6] David Nettleton. Análisis de Datos Comerciales. Díaz de Santos. 2003