Medicina Natural

Medicina Alternativa Personalizada. Consultorio


Deja un comentario

Medicina alternativa de precisión para poner tu propio consultorio

La medicina alternativa de precisión es la tecnología que hemos desarrollado para que ahora tú pongas en marcha tu propio consultorio, o para que transformes el que ya tienes en uno nuevo, empleando el mismo modelo de servicio de la Fundación MicroMédix.
No se trata de una franquicia, sino de una transferencia de tecnología que te permitirá conocer todo el teje y maneje de una medicina alternativa muy particular, en la que tuvimos que combinar las técnicas de la inteligencia artificial con las de la medicina ortomolecular y la fitoterapia, para ofrecer tratamientos más limpios (libres de efectos secundarios) y totalmente personalizados.

El modelo de servicio

No necesitas ser naturópata o haber estudiado una carrera en nutrición para echar a andar tu consultorio, porque todo el conocimiento que vas a requerir para manejarlo, lo vas a adquirir a través de la capacitación técnica y la información que nosotros te vamos a proporcionar. Ese conocimiento y el que contienen los archivos que te estaremos entregando como parte de esa transferencia de tecnología, es lo que va a marcar la diferencia entre saber cómo (know how) hacer las cosas para que un tratamiento funcione, y desempeñarse como lo están haciendo los demás consultorios de medicina alternativa.

Para asegurarnos de que tus tratamientos se personalicen y funcionen bien, el conjunto de servicios, archivos de texto y hojas de datos (Excel) que te vamos a entregar comprende lo siguiente:

  1. Asesoría durante la etapa inicial de operaciones (opcional: 12 horas no incluidas en la duración total del entrenamiento*)
  2. Asesoría para la instalación de la herramienta de minería de datos a emplear en el consultorio
  3. Programa de capacitación intensiva, con los siguientes módulos:
    3.1 Elaboración de Microdosis de Medicamentos Alopáticos (1 hora)
    3.2 Microdosis de Plantas Medicinales (3 horas)
    3.3 Autocuración con Medicina Ortomolecular (16 horas)
    3.4 La extracción de conocimiento y el LBD (4 horas)
    3.5 Informática Biomédica Aplicada (4 horas)
    3.6 Extracción de texto con Arrowsmith (text mining) -4 horas-
    3.7 Aspectos clave de la minería de datos (data mining) -4 horas-
    3.8 El proceso KDD y el estándard CRISP-DM (4 horas)
    3.9 Minería de datos clínicos como apoyo en el diagnóstico médico (4 horas)
    3.10 Medicina alternativa de precisión para tratar el cáncer (4 horas)
    3.11 Cómo aplicar la psiquiatría de precisión en tu consultorio (4 horas)
  4. Entregables:
    4.1 Presentaciones en formato Power-Point de los cursos de medicina ortomolecular, informática biomédica y minería de datos (incisos 3.3 al 3.11). Puedes pulsar en la imagen de la izquierda para descargar sin ningún costo, una demo interactiva de la primera sesión.
    4.2 Archivo de casos de éxito para la generación automática de recetas personalizadas con psiquiatría de precisión (8 horas)
    4.3 Archivo de casos de éxito para la generación automática de recetas personalizadas con medicina alternativa de precisión, para el cáncer de páncreas (8 horas)
    4.4 Manual para suprimir los efectos secundarios de los medicamentos alopáticos
    4.5 Guía completa para la elaboración de microdosis de plantas medicinales (incluye dosificación de tinturas)
    4.6 Recetario de nutrientes ortomoleculares (ver cursos)
    4.7 Texto de medicina ortomolecular (676 páginas)
    4.8 Receta inteligente para prevenir y revertir los efectos de la osteoporosis (descargable)
    4.9 Receta inteligente para la autocuración del acné (descargable)
    4.10 Recetas genéricas para el tratamiento de las enfermedades que aparecen en nuestro recetario (descarga sobre demanda)
    4.11 Archivo del logotipo de los consultorios MicroMédix
    4.12 Tarjetas de presentación en formato electrónico, con los datos de contacto del propietario (ver muestra en autoempleo)
    4.13 Etiquetas para los frascos de microdosis en Publisher Pro®

*Para un total de 68 horas estimadas de entrenamiento, el costo total de la transferencia de tecnología lo determinas tú, de acuerdo con tu presupuesto y los descuentos especificados en nuestra sección de membresías.  Así por ejemplo, con dos membresías de 12 horas puedes iniciar con los primeros cuatro módulos del programa (incisos 3.1 a 3.4), obteniendo un descuento del 35%.


Por qué unirse a la cadena de consultorios MicroMédix

Integrarte a la cadena de consultorios MicroMédix te permitirá desarrollar nuevas habilidades y encontrar en el autoempleo, un proyecto de vida más próspero. El que otras personas hagan lo mismo que tú con la misma imagen y eficiencia, es un concepto que ha funcionado muy bien en el mundo empresarial y no tiene por qué no ser así en el ámbito de la salud. A diferencia de las franquicias, el modelo de servicio que aquí te estamos proponiendo no implica el pago indefinido de regalías por el derecho de utilizar una imagen y una marca de prestigio nacional o internacional (puedes estar en cualquier país y poner tu consultorio sin estar obligado a nada).

El escenario: el protagonista (tú), la competencia y otros actores

Los psiquiatras todavía tienen trabajo porque sus pacientes no conocen una mejor alternativa que los medicamentos cargados de efectos secundarios (un psiquiatra ya ni siquiera escucha los problemas de sus pacientes). Pero con las tecnologías que estamos usando actualmente, todo parece indicar que estos singulares personajes podrían quedarse sin clientes, por la sencilla razón de que sus recetas son genéricas y cada vez son menos los pacientes que toleran sus efectos secundarios. Y a pesar de las grandes sumas de dinero que los laboratorios farmacéuticos destinan a sus campañas mercadotécnicas, los consumidores de hoy están decantándose por tratamientos más limpios.

Lo que ha detenido el avance de la medicina alternativa, aparte de la insistente campaña de nuestros detractores en contra de todo lo natural, es que la mayoría de los investigadores en ciencias biomédicas, conocen muy poco o casi nada de inteligencia artificial. Pero los científicos de datos y los ingenieros en informática biomédica que ya estamos trabajando en las aplicaciones interdisciplinarias de la minería de datos y de texto, hemos explotado el aprendizaje de máquina para mejorar nuestros diagnósticos y personalizar nuestros tratamientos, con una precisión que los psiquiatras no podrán igualar jamás con su “Manual Diagnóstico y Estadístico de los Trastornos Mentales (DSM)”, razón de más para que tu nuevo consultorio sea todo un éxito.

Y ya que has encontrado un medio para autoemplearte y ganarte la vida desempeñándote como técnico en informática biomédica, conviene que sepas que tu consultorio funcionaría de una manera muy parecida a como lo hace una franquicia, empleando los métodos que ya hemos comprobado funcionan a la perfección.
Pero para replicar las características de cada consultorio como si éste fuera una franquicia, es indispensable apoyarse en una medicina alternativa de precisión que simplifique al máximo y normalice los procedimientos (no los tratamientos) en cada una de las unidades de consulta.

Asimismo, la normalización de los procedimientos requiere de una estrategia para organizarse y ponerse de acuerdo con la imagen que se ha de proyectar. Esa estrategia fue la que adoptaron algunos pequeños comerciantes cuando se dieron cuenta que no crecían mientras operaban con lo que emanaba de su libre albedrío. Nombres como “La Tuerca de Oro”, “El Rincón de los Sabores” o “La Farmacia de la Esquina”, difícilmente tenían éxito si cada propietario actuaba por separado y abría su “changarro” como Dios le había dado a entender.

Pero con un nombre más apropiado, una imagen más atractiva y un grupo de pequeños emprendedores organizados a través de un convenio de uso de marca, su situación mejoró radicalmente. Y si no pregúntale a los dueños de las FarmaPronto qué fue lo que hicieron para transformar sus modestos e impopulares establecimientos, en una reconocida cadena de farmacias mexicanas. Algo similar ocurrió con las tiendas Oxxo y algo muy parecido sucederá también con tu consultorio Micromédix (sin duda, el antiguo propietario de la  “Farmacia de la Esquina”, puede ser que haya abierto ya otras tres FarmaPronto).

Casos de estudio que ilustran cómo se confeccionan las recetas en el consultorio

En el ensayo que publiqué con fecha 19 de septiembre de 2018 y que lleva por título “Psiquiatría de precisión: aprendizaje automático para personalizar tu tratamiento“, prometí complementar lo que escribí ahí con al menos un caso real que mostrara cómo estamos personalizando actualmente nuestras recetas.
En el presente ensayo la idea es dejar bien claro que la herramienta de minería de datos debe usarse como apoyo en la confección final de una receta, pues puede ser que aunque existieran casos de éxito muy parecidos a los del paciente en turno, todavía quedara por ahí algún síntoma que pudiera no ceder con el tratamiento sugerido por la máquina. Esto viene a colación para desmentir a los escépticos que pensaron que un consultorio concebido de esta manera, propiciaría una confianza ciega en la recomendación de una máquina.

Hecha esta aclaración, quisiera insistir en que lo que estamos ofreciendo no son franquicias. Además de la exención del pago de regalías, nuestro modelo de servicio no estandariza los tratamientos, sino los procedimientos, y hay que ser muy cuidadosos al interpretar los conceptos. Cada consultorio estará empleando efectivamente el mismo procedimiento (la medicina alternativa de precisión); pero generando un producto diferente (una receta personalizada). Como yo lo veo, eso no es un franquicia ni un sistema de producción en serie, sino más bien una plataforma para la confección rápida de productos diferenciados.

Emilio y sus acúfenos: complementando la inteligencia de la máquina con capital humano capacitado

Un aspecto clave del aprendizaje de máquina es el que se refiere al dominio del campo de estudio, que es en esencia el conocimiento que posee el capital humano sobre un tema (pulsa sobre el mapa mental adjunto y localiza la leyenda “comprender los datos”). Para interpretar correctamente el significado de los grupos de casos desplegados por la computadora, el consejero a cargo del consultorio tendrá que comprender bien los principios de la medicina ortomolecular, tanto para homologar las recetas como para optimizar los tratamientos (la  homologación de recetas la explico con detalle en “Medicina alternativa de precisión: inteligencia artificial para curar hasta un cáncer“).

En el caso de Emilio por ejemplo, una vez que obtuve los datos de los suplementos y las dosis terapéuticas (ortomoleculares) de su receta, tuve que optimizarla con melatonina, cisteína y Coenzima Q10, porque los acúfenos era un síntoma que estaba presente únicamente en cuatro instancias del archivo de casos de éxito; pero que según el algoritmo de aprendizaje empleado (ver curso), no eran suficientemente similares a los de Emilio (los métodos para encontrar la similitud entre pacientes los especifiqué en “Psiquiatría de precisión: aprendizaje automático para personalizar tu tratamiento“).

La receta que generó la máquina después de experimentar con los datos de Emilio y no con Emilio (que es como lo haría un psiquiatra), aparece en la captura de pantalla adjunta (pulsa sobre la misma para agrandarla). Es curioso como la máquina ha recomendado aquí una receta que combina niacina con niacinamida. No teniendo un consultorio con un laboratorio virtual como el que aquí estoy presentando, a mí la verdad nunca se me hubiera ocurrido recomendar un tratamiento con ambos nutrientes, porque no es algo muy común entre los referentes de la medicina ortomolecular. Sin embargo, no hay manual o texto de medicina alternativa que diga que eso no se pueda hacer.

Y es aquí donde se produce la gran sinergia entre la inteligencia artificial de una máquina y el capital humano. De hecho, esa mezcla ha estado dando excelentes resultados, porque evita los efectos secundarios de ambos tipos de vitamina B3. ¿No te parece increíble lo que uno puede descubrir con la instrumentación apropiada? Observa también las similitudes que encontró la máquina entre los síntomas de Emilio y los casos que ésta agrupó en el cluster#9 (puedes pulsar sobre la imagen que sigue para ver los detalles).

Aunque la edad no es exactamente la misma en ambos vectores de atributos, tanto  el sexo, el diagnóstico, la escucha de voces, la angustia, la ansiedad, la depresión, los miedos y la confusión, son todos ellos atributos que coincidieron en ambas listas (S=síntoma presente). Hay otros síntomas más en donde hubo coincidencias negativas (N=síntoma ausente) y solo cinco en los que ambos vectores difirieron. ¿Y cómo supimos que la máquina clasificó a Emilio como miembro del grupo #9?
Ella nos los hizo saber mediante una visualización de datos (véase el inciso 4.5 del curso “Solución de Problemas Multidisciplinarios con Minería de Datos“.

El caso de Julia: la importancia de prevenir trastornos de personalidad en la adolescencia

Los síntomas de Julia no han mejorado como quisiéramos, debido a que sigue presentando comportamientos hasta cierto punto anormales, según nos informó su señor padre durante nuestra última consulta.
La primera vez que di a conocer este caso fue cuando publiqué el ensayo “Identificando el fenotipo de la esquizofrenia: un paso más hacia la curación“.
Si nos has estado siguiendo desde entonces, es posible que te hayas dado cuenta que Gustavo, el padre de Julia, es con quien he estado haciendo equipo para poder resolver este caso que a ambos nos mantiene preocupados.

Y aunque ella por el momento solo manifiesta fobias, irritabilidad, cierto aislamiento social y algunos malestares propios de un síndrome premenstrual, nuestra preocupación radica en que existen antecedentes de trastorno bipolar y depresión en dos parientes cercanos a la familia.
Y atención aquí querido lector: si tienes familiares que hayan padecido o estén padeciendo de algún trastorno psicogénico, es importante que le des la debida importancia a aquello de que “más vale prevenir que lamentar“. Hablo en serio. En el caso de Julia por ejemplo, además de haber probado las teorías de Pfeiffer y de Walsh, hoy estamos aplicando la psiquiatría de precisión para encontrar un tratamiento que tome en consideración su edad, su género, sus antecedentes genéticos y los síntomas que presentó en su última consulta.

Y mientras ajustaba los parámetros de mi herramienta para encontrar un grupo de mujeres con una edad similar a la suya, un hecho llamó mi atención al estar experimentando con este dato: noté que las mujeres mayores con problemas de depresión y otros trastornos psiquiátricos, tienden a presentar grandes deficiencias de vitamina D3. Hay una paciente en nuestro archivo de casos de éxito que llegó a consumir hasta 300,000 UI de vitamina D3, aunque usted no lo crea.
No estoy insinuando que Julia deba tomar esa cantidad de vitamina D3; pero sí  las 2,000 UI que sugirió nuestra herramienta durante el análisis (pulsa sobre la captura de pantalla adjunta para agrandarla).

Por qué una cadena de consultorios de medicina alternativa

Porque no habiendo un gobierno capaz de generar fuentes de trabajo, uno debe crearlas y generar oportunidades a través del autoempleo.
Porque nos hacía falta una herramienta de precisión que pudiera estimar cuánto iba a durar el tratamiento de cada paciente.
Porque era necesario que alguien como tú y como yo pusiera un alto a la farmacodependencia que la misma industria farmacéutica ha propiciado en nuestras familias y en nuestra sociedad. ¿O es que vas a permitir que tus hijos sean medicados con Ritalin, nada más porque un señor de bata blanca con aires de CuasiDios así lo dispuso?

El Trastorno de Déficit de Atención por Hiperactividad (TDAH) como pretexto para medicar a los niños

Desde la perspectiva de unos padres como los de Julia, creo que no hay mejor alternativa que la psiquiatría de precisión. Y aunque ella fue diagnosticada por nuestro programa como una paciente con TDHA (por parecerse más a los pacientes con este tipo de trastorno), afortunadamente no ha sido medicada por ningún psiquiatra. Viviendo en España sin embargo, podría quedar vulnerable al sistema tradicional de salud mental.
Estando en contubernio con ese sistema y en caso de ratificar un TDAH, un psiquiatra no vacilaría en recetar Ritalin a esta señorita de escasos 13 años. Y eso es precisamente lo que pretendemos evitar con la psiquiatría de precisión.

El  metilfenidato (Ritalin) es un fármaco que la Administración de Control de Drogas de los Estados Unidos ha clasificado como narcótico de Clase II, al igual que la cocaína, la morfina y las anfetaminas.
Está indicado para mejorar la concentración de algunos niños que a juicio de algunos mercenarios de bata blanca, son más inquietos de “lo normal”.
Conviene que los padres que tengan un hijo o una hija que haya sido etiquetado(a) por algún psiquiatra como “pacientito” con TDAH, conozcan la “paradoja del Ritalin” y lo que apuntó Richard Malter en un artículo que publicó en su página web y que después de traducido al español dice así:

“El uso prolongado de fármacos estimulantes normalmente da como resultado la pérdida del magnesio y el zinc que se encuentran almacenados en células y tejidos, de tal manera que se induce una deficiencia crónica de magnesio en los niños que toman este tipo de estimulantes”.

A diferencia de los llamados efectos secundarios (involuntarios), el conjunto de síntomas que un niño puede experimentar al suspender abruptamente el Ritalin, es un efecto calculado (intencional) o iatrogenia que consiste en un síndrome de abstinencia. La buena noticia es que esa reacción puede ser contrarrestada con sal de mar (sodio) y una ingesta de magnesio y zinc.
Un suplemento quelatado como el que aparece a su derecha, no solo le ayudaría a superar una iatrogenia causada por fármacos estimulantes, sino que sería lo más adecuado para producir el efecto calmante que un niño inquieto podría necesitar, en caso de presentar hiperactividad por exceso de azúcares y comida chatarra repleta de colorantes y saborizantes artificiales.
La iatrogenia calculada debería estar penada; pero a nosotros solo nos corresponde poner al descubierto las prácticas deshonestas de un sistema de salud que no funciona.

En el caso del metilfenidato la iatrogenia se hace todavía más evidente cuando uno termina de analizar el total de síntomas causados por una deficiencia nutricional de zinc. Y es aquí donde cualquiera se indigna ante lo inaudito: la falta de zinc deteriora, entre otras cosas, la capacidad de concentración. Y uno se pregunta: ¿Pues que no es para eso que los psiquiatras recomiendan el Ritalin? En eso radica la paradoja del Ritalin y el gran secreto de la mayoría de los efectos calculados: el metilfenidato está diseñado para imitar las propiedades del zinc, con la diferencia de que este último no produce farmacodependencia.

Por algo algunos expertos recomiendan potenciar el metilfenidato con zinc. Y muchos padres me preguntan: ¿Y por qué entonces los laboratorios no producen zinc, en lugar de drogas?
La verdad es que los minerales, las vitaminas, los ácidos grasos esenciales y los aminoácidos no se pueden patentar, y lo que no se puede patentar no deja dinero. Esos son los fines de la industria farmacéutica, esos son sus medios y ese es el modelo maquiavélico que los príncipes de la salud han estado usando por años para enriquecerse. Para ellos, ese fin justifica los medios, cualesquiera que sean éstos.

Conclusiones

Como nosotros no comulgamos con ese modelo, tuvimos que crear otro que mejorara de verdad la calidad de vida de nuestros pacientes, con tratamientos más inteligentes y libres de iatrogenias y efectos secundarios.
De manera que si usted ya tiene una tienda naturista o desea echar a andar un consultorio como el que aquí he descrito, ya tiene suficientes elementos de juicio para decidir lo que puede hacer con toda esa instrumentación que tendrá a su disposición, una vez que su capital humano conozca los secretos de una tecnología que está ofreciendo mejores soluciones a las enfermedades crónicas, que lo que hasta ahora le hemos visto a la alopatía.

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


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


Anuncios


Deja un comentario

Psiquiatría de precisión: aprendizaje automático para personalizar tu tratamiento

No importa qué tan avanzadas estén las ciencias biológicas y de la salud, todavía no hay quien pueda explicar con precisión cómo funciona el cerebro y lo que pasa por la mente de una persona aquejada de un trastorno de personalidad. Existen por supuesto hipótesis que desde hace muchos años han intentado descubrir las causas de la esquizofrenia y otros trastornos psicogénicos; pero aun para los científicos más prominentes, sigue siendo un misterio el por qué ciertas personas se comportan de una manera tan peculiar. Y no se prevé que esa falta de conocimiento pueda ser superada en los próximos años.

Es por eso que algunos científicos de datos en varios lugares del mundo, están proponiendo alternativas para abordar el problema de la salud mental. Tanto ellos como el que suscribe, estamos dejando a un lado las viejas formas de pensar y los descubrimientos farmacéuticos más recientes, para dar paso a una estrategia que en lugar de enfocarse en el paciente promedio, determina con precisión, cuál de las opciones de tratamiento existentes le funcionará mejor a un paciente en particular [1]. En eso consiste la psiquiatría de precisión: una medicina especializada en trastornos mentales, que hace posible el descubrimiento acelerado de tratamientos, con dosis terapéuticas de medicamentos y nutrientes específicos para cada persona.

Una medicina basada en evidencias

La idea de buscar sistemáticamente “pacientes como el mío” en un registro histórico de casos durante la práctica clínica, data desde la década de los 70´s [2]. Con el paso de los años, esa tendencia que a la postre se transformó en costumbre, se ha convertido hoy en una medicina basada en evidencias.
Como resultado de lo anterior, la psiquiatría de precisión viene a ser un tipo de medicina basada en evidencias, porque cada caso de éxito constituye una prueba más de que cierta combinación de sustancias, beneficia a un grupo de pacientes en particular. Es por ello que en otro de mis ensayos apuntaba yo que no hay planta medicinal, fármaco o nutriente que merezca el título de “curalotodo”.
En vista de que una olanzapina, una lurasidona, una risperidona o un haloperidol solo le sienta bien a unos cuantos, la psiquiatría de precisión va a requerir de una herramienta que le ayude a identificar quiénes con esos cuantos. Y lo mismo sucede en el caso de las plantas medicinales y los suplementos en general. Un tratamiento complementario compuesto por ejemplo de un antipsicótico, un anticonvulsivo, un par de vitaminas, uno que otro mineral y un extracto de planta medicinal, podría beneficiar a un paciente diagnosticado con esquizofrenia crónica; pero resultar contraproducente para quien esté experimentando su primer brote y nunca haya tomado psicotrópicos (los fármacos que acostumbran recetar los psiquiatras).

Análisis de similitud entre pacientes (patient similarity analytics)

En este orden de ideas, parece muy atinado concentrarse en comparar casos de pacientes que fueron tratados con éxito en el pasado, con el de cualquier otra persona que esté necesitando ayuda. Es aquí donde uno debe encontrar similitudes entre las características de esa persona, los casos que uno ha resuelto y los que han llevado a buen puerto otros profesionales de la salud en el pasado. Entre mayor sea el número de casos de éxito registrados, mejor será el tratamiento que le estaremos proponiendo a nuestro próximo paciente. Como cualquier otro profesional de la salud, uno debe estar siempre cuestionándose: ¿cuál de todos esos casos de éxito se parece más al que estoy atendiendo en este momento?

Es muy probable que uno no encuentre un caso idéntico al del paciente en turno, lo cual confirma una vez más la validez del principio de la individualidad bioquímica. Estamos hablando de cientos de pacientes, cada uno con decenas de atributos que la máquina debe aprender para encontrar similitudes entre ellos, y entre éstos y los del nuevo paciente. Sin embargo, el  aprendizaje automático es tal que al terminar el proceso, la computadora nos estará recomendando dosis apropiadas de ciertos nutrientes, basándose en las correlaciones y las tendencias detectadas a través de dicho aprendizaje, de acuerdo con los atributos de los casos de éxito seleccionados por ella.

Tendencias y correlaciones: lo importante está en lo que sucede, y no en por qué sucede

De acuerdo con lo dicho hasta aquí, todo indica que la mayoría de los neurocientíficos están más interesados en descubrir las causas de los trastornos mentales, que en el alivio de las personas. Creen que una vez que descubran el por qué de los síntomas, estarán en posibilidad de producir y comercializar esa píldora que aliviará a todas las personas con problemas psicogénicos. Seguramente ese no fue el caso de Louis Pasteur, cuando en 1885 salvó a un niño de contraer la rabia. Él sí que descubrió la causa de esa terrible enfermedad: una infección producida por un virus del género Lyssavirus que ataca al sistema nervioso central.

Y aun sabiendo que en promedio, solo una de cada siete personas mordidas por un perro rabioso contrae la enfermedad [3], existe evidencia al menos en ese porcentaje (14.3%) de que uno corre peligro estando en circunstancias similares. En este caso y en otros muchos en donde el método científico ha podido explicar las causas de la enfermedad (su etiología), no tengo nada que objetar a cerca de sus bondades. Pero insisto, ¿se puede decir lo mismo de lo que ocasiona una esquizofrenia, una psicosis, un ataque de pánico, un trastorno bipolar, un autismo o un alzheimer? Como padre de familia que soy, le pregunto: ¿que es lo que realmente le importa a usted en este instante: lo que pueda estar haciendo un científico en su torre de marfil para explicar el por qué de la enfermedad de su hijo o hija, o lo que realmente lo (la) puede aliviar?

Hay fenómenos físicos cuyas causas son ampliamente conocidas, ya sea porque se han llegado a comprobar experimentalmente, o bien porque están fundamentadas en ecuaciones de alto rigor científico. Tal es el caso de la ley de la gravitación universal. Pero descubrir una ley universal que explique por qué una persona está escuchando voces o está viendo enanitos verdes, parece más que una labor titánica. Y aunque conozco bien las diferentes hipótesis que intentan explicar el por qué de los fenómenos psíquicos, creo que la tasa de éxitos podría aumentar más, aplicando las técnicas del aprendizaje automático a los datos clínicos de los pacientes, que poniendo a prueba esas hipótesis una y otra vez.

De manera que mientras no exista una ley que explique a carta cabal el comportamiento humano, y mientras la psiquiatría convencional no ofrezca algo mucho más convincente que la hipótesis de que la mente se trastorna a causa de una desigualdad en los mensajeros químicos que hay en nuestro cerebro (neurotransmisores), no debemos consentir que las nuevas generaciones continúen haciendo el papel de conejillos de indias, probando un fármaco tras otro hasta que su psiquiatra exclame: “¡éste es el bueno!” (véase también: ¿Fármacos de por vida? Evitando ese efecto que de secundario no tiene nada” y “Maquiavelo y el príncipe de la salud“).

¿No es mejor experimentar con datos, que con ratones y seres humanos?

A pesar de que varias de las hipótesis sobre la esquizofrenia y otros trastornos de la personalidad, nos han ayudado a los investigadores de la Fundación MicroMédix a conseguir una cantidad muy respetable de casos de éxito (definitivamente más que lo que se consigue con la psiquiatría convencional), no resulta muy edificante probar una teoría con un paciente, para confirmar después que la causa de su patología obedece a otros postulados.
En algunos casos hemos apelado a la teoría dopaminérgica y glutamatérgica (la del desequilibrio bioquímico) para ayudar a un paciente a mejorar sus síntomas. En otros hemos recurrido a la teoría del adrenocromo para la biogénesis de la esquizofrenia propuesta por Hoffer y Osmond; a la hipótesis de la respuesta inflamatoria; a la del nivel de metilación de Pfeiffer y Walsh; así como a la que defiende la medicina funcional, en relación a que una permeabilidad intestinal puede ser la culpable de muchos trastornos mentales. En todos esos casos, hemos seleccionado y administrado a nuestros pacientes, los nutrientes que los partidarios de esas teorías recomiendan.

Pero una cosa es administrar nutrientes en dosis ortomoleculares de suplementos como el GABA, la glicina y el inositol, y otra muy diferente es estar experimentando con dosis considerables de antidepresivos, ansiolíticos y antipsicóticos cuyos mecanismos de acción se desconocen. ¿O es que no ha leído usted las fichas técnicas de los medicamentos que le receta su psiquiatra? Y qué me dice de sus impredecibles efectos secundarios y su potencial para ocasionarle enfermedades que en principio no tenía (cormobilidad)?
Aun empleando vitaminas, minerales, ácidos grasos esenciales y aminoácidos como la cisteína, el triptófano y la teanina, es evidente que los experimentos ya no deben seguirse haciendo ni con ratas de laboratorio ni con seres humanos.

Si hemos de experimentar, hagámoslo con datos. Con los datos de los seres humanos. Los datos dicen la verdad, y hay que dejar que hablen por sí mismos, buscando correlaciones y tendencias entre ellos, a fin de descubrir qué es lo que más va a beneficiar al paciente, sin preguntarse por qué lo beneficiará.
Con el laboratorio virtual que a continuación describo, estaremos experimentando únicamente con datos y las veces que sea necesario, hasta obtener una receta que concuerde mejor con tu cuadro clínico o el de tu familiar, tal y como se estableció en los apartados anteriores.

No hay que perder de vista que una psiquiatría de precisión está indicada siempre que la etiologia (las causas) del trastorno no se pueda determinar, o cuando se tengan dudas sobre la misma. Y si hubiera una forma de identificar lo que origina un trastorno, como sería la intolerancia al gluten, el hipotiroidismo, la deficiencia de ciertas vitaminas del complejo B, la deficiencia de vitamina D3, la hiponatremia (deficiencia de sodio), la polidipsia (intoxicación por exceso de líquidos), etc., entonces ya contaríamos con al menos dos evidencias para recomendar un tratamiento más preciso, que aquél que se basa en una sola suposición, hipótesis o teoría.

El laboratorio virtual: descubriendo el tratamiento que solo a ti te puede beneficiar

Nuestro laboratorio virtual permite combinar de manera simulada vitaminas con minerales, ácidos grasos esenciales, aminoácidos y extractos o microdosis de plantas medicinales, con el fin de encontrar el tratamiento que más te va a beneficiar a ti, y solo a ti. En las imágenes adjuntas estoy mostrando los primeros 25 casos que componen nuestra base de datos biomédicos. Al momento de estar escribiendo estas líneas, cada caso de éxito o registro en la hoja de cálculo contiene un total de 87 campos, que corresponden a los atributos que caracterizan al cuadro clínico de cada paciente, empezando por la edad, el sexo, el diagnóstico de su psiquiatra, si experimentó o no alucinaciones visuales y auditivas (escucha de voces); si tuvo o no antecedentes genéticos; si padeció angustia, ansiedad, ataques de pánico y así sucesivamente hasta terminar con la duración de su tratamiento (en meses). En la hoja de Excel de la izquierda aparece la parte final de los registros de los pacientes que mostré en la imagen de la derecha. Sus campos contienen las dosis de los nutrientes que cada paciente tomó para que su caso se convirtiera en uno de éxito.

En la imagen adjunta estoy mostrando un ejemplo de cómo nuestra herramienta de minería de datos (WEKA), divide en grupos a todos los casos de éxito, para que una vez que ingresemos los datos de uno de nuestros pacientes, encuentre las similitudes entre ellos.
Si tú o uno de tus familiares necesita ayuda para corregir cualquier anomalía en su comportamiento, no permitas que las cosas se salgan de control. Concerta una cita para que en la correspondiente consulta nos proporciones la edad, el sexo, los síntomas, las pruebas de laboratorio, los nombres de los medicamentos que tú o tu ser querido están tomando, así como los demás atributos relacionados con la historia clínica de uno de los dos. Solo así la máquina podrá encontrar los registros que más coinciden con el tuyo o el de tu familiar, según lo expliqué en los apartados anteriores. Nuestro trabajo consistirá en realizar varios experimentos, variando en cada uno de ellos, los parámetros que sabemos optimizarán el aprendizaje de la máquina que se encargará de tu caso.
Nota que las tendencias que descubra la máquina influirán en el tratamiento. Así por ejemplo, a las  mujeres con edades cercanas a los 25 años, que tendían a reportar ideas delirantes y a escuchar voces antes de comenzar su tratamiento, se les prescribió alrededor de 2,600 mg de niacina, 1000 mg de niacinamida, 150 mg de piridoxina (vitamina B6), no tuvieron que tomar inositol pero sí los demás suplementos que se indican en la columna correspondiente al cluster (grupo) #1 (recuerda que para ver los detalles, debes pulsar sobre las imágenes).

Observa también que en el párrafo anterior he hecho alusión a lo que la mayoría de las mujeres del cluster #1 tomaron para que su caso se convirtiera en uno de éxito. Y digo la mayoría porque me estoy refiriendo a las tendencias de ese grupo en particular. Al conjunto de valores mostrados en cada una de las columnas de la imagen anterior se le llama centroide, el cual no es más que una lista (formalmente un vector) de valores que mide las tendencias de cada uno de los grupos. Continuando con el ejemplo del cluster #1, el hecho de que mujeres de alrededor de 25 años hayan tomado las cantidades de los suplementos indicados, no significa que absolutamente todas lo hayan hecho, precisamente por tratarse de una medida de tendencia central.

La tendencia central de una variable categórica, como podría ser el síntoma de la ansiedad o el nombre de un antipsicótico, la podemos medir con la moda. La tendencia central de una variable numérica, como la dosis de cualquiera de los suplementos recetados a las mujeres del cluster #1, la medimos de diferentes maneras: con la distancia euclidiana, la de Manhattan, la de Hamming, o con el  coeficiente de similitud de Jaccard, por mencionar las más importantes. Y es que cuando hablamos de encontrar similitudes, no podemos simplemente obtener la media arirtmética para conocer la proximidad entre los valores de un atributo de un registro y los de un grupo previamente clasificado por un método de segmentación (clustering).

Las distancias calculadas con cualquiera de los métodos mencionados es el mejor medio que tenemos en la actualidad para estimar la proximidad (similitud) entre dos casos.
Una ventaja más de aplicar la técnica del aprendizaje de máquina no supervisado al conjunto de casos almacenados en nuestra base de datos, es la de poder descubrir un tratamiento para un conjunto de síntomas (síndrome) cuyo diagnóstico es incierto o desconocido. A quién le importa el nombre que haya usado un psiquiatra para etiquetar a un paciente, si de todas maneras ese diagnóstico fue sacado de un volumen de texto tan inútil como lo es el “Manual Diagnóstico y Estadístico de los Trastornos Mentales (DSM)”. ¿Sabía usted querido lector, que ese manual no contiene absolutamente nada de estadística? … Si desea una discusión más amplia sobre este tema, le recomiendo leer: “El sistema tradicional de salud mental en entredicho“, también de mi autoría.

Pero bueno, independientemente del diagnóstico, lo importante es que una vez dividido nuestro conjunto de datos en varios grupos de casos muy similares, ya podremos agregar el caso de un paciente con un síndrome idiopático (de causa desconocida), para obtener un tratamiento que ayude a mejorar su sintomatología . El mejor ejemplo que se me ocurre en este momento para ilustrar cómo abordamos este tipo de problemas, es el caso de Emilio, un paciente que acudió a este consultorio porque estaba escuchando voces. Con la receta que en ese entonces le propuse, pudimos acallarlas en aproximadamente cinco meses, no sin haber sufrido algunos tropiezos.

Un tratamiento específico para Emilio

Poco después de ese éxito parcial, Emilio me solicitó otra consulta debido a que en esta otra ocasión lo que escuchaba eran zumbidos en los oídos (acúfenos). A él le interesa mucho estar al tanto de todo lo relacionado con la medicina alternativa, y me grada mucho saber que se ha convertido en un gran guerrero biomédico, porque continuamente está buscando remedios naturales que le puedan beneficiar, así como investigando las posibles causas de sus dolencias. Tratando de explicarnos el por qué de los acúfenos y un poco también el por qué de lo poco que habíamos avanzado en su tratamiento, encontré que una posible causa de este nuevo síntoma era un efecto secundario producido por cualquiera de los dos medicamentos que le había prescrito su psiquiatra: la sertralina y/o la trazodona. En mi opinión, la combinación indiscriminada de pisocotrópicos (el consabido cocktel) con alimentos chatarra, estimulantes y drogas ilegales, también aumenta el riesgo de desarrollar tinnitus, que es el nombre con el que se designa a los acúfenos en los países de habla inglesa.

En ese momento yo no contaba con el laboratorio virtual que ahora tengo, y tampoco me hubiera gustado decirle algo así como “y ahora que ya conocemos la causa probable de tus acúfenos, que hacemos?
Menciono esta anécdota porque ilustra un poco lo que uno puede conseguir, una vez que conoce la causa de un síntoma como los acúfenos, es decir, nada.
Pero con un laboratorio dotado de inteligencia artificial, el panorama luce completamente diferente, pues la computadora de la Fundación MicroMédix solo está esperando que la alimente con más casos de éxito de pacientes que alguna vez padecieron acúfenos.

Solo así podremos hallar las correlaciones entre ese síntoma y los suplementos que tienen el potencial para aliviarlo, dependiendo ello de las tendencias que la máquina y un servidor podamos detectar.
A reserva de que Emilio me proporcione los datos que necesito para que las correlaciones y las tendencias nos muestren el camino hacia el éxito, en mi próxima publicación estaré presentando los resultados de este proyecto, ya sea para dar a conocer los nutrientes que conformaron la receta que perfeccionamos para Emilio, o en todo caso la de algún otro paciente que haya tenido a bien comprender, el mensaje que a lo lo largo de este ensayo he querido transmitir y que en una sola frase me gustaría resumir:

“No es posible resolver los problemas de hoy con las soluciones de ayer”… Roger Van Oech
© Sergio López González. Fundación MicroMédix. 19 de septiembre de 2018


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


REFERENCIAS

[1] Bzdok, D., Meyer-Lindenberg, A., 2018. Machine learning for precision psychiatry: Opportunities and challenges. Biological Psychiatry: CNNI, in press.
[2] Gallego et al. Bringing cohort studies to the bedside: framework for a ‘green button’ to support clinical decision-making. Journal of Comparative Effectiveness Research. (2015) 4(3), 191–197
[3] Viktor Mayer-Schönberger & Kenneth Cukier. Big Data: A Revolution That Will Transform How We Live, Work, and Think. First Mariner Books, 2014
[4] Perna & Nemeroff. Personalized Medicine in Psychiatry: Back to the Future. Personalized medicine in psychiatry 1–2 (2017) 1
[5] Jiang F, Jiang Y, Zhi H, et al. Artificial intelligence in healthcare: past, present and future. Stroke and Vascular
Neurology 2017;0: e000101. doi:10.1136/svn-2017-000101
[6] Awwalu et al., Artificial Intelligence in Personalized Medicine. Application of AI Algorithms in Solving Personalized
Medicine Problems. International Journal of Computer Theory and Engineering, Vol. 7, No. 6, December 2015
[7] J.Archenaa et al. Health Recommender System using Big data analytics. Journal of Management Science and Business Intelligence 2017 2(2) 17-23. doi: 10.5281/zenodo. 10.5281/zenodo.835606
[8] Panahiazar et al. Using EHRs for Heart Failure Therapy Recommendation Using Multidimensional Patient Similarity Analytics. Stud Health Technol Inform. 2015 ; 210: 369–373.
[9] Bertalan Mesko (2017) The role of artificial intelligence in precision medicine, Expert Review of Precision Medicine and Drug Development, 2:5, 239-241, DOI:10.1080/23808993.2017.1380516


 


Deja un comentario

Hipotiroidismo: el fenotipo de la esquizofrenia ignorado por la psiquiatría

A una persona que nunca ha oído hablar de la medicia ortomolecular, o que ha sido engañada por el sistema tradicional de salud mental, nunca se le ocurriría que una disfunción de la glándula tiroides pudiera ser la causa de ese conjunto de síntomas que mantiene alejados de la realidad, a un 10% de los pacientes con esquizofrenia. Ningún psiquiatra aceptaría tratar con yodo, selenio, tirosina y/o fenilalanina, a un paciente que según su “Manual Diagnóstico y Estadístico de los Trastornos Mentales (DSM)”, es un “enfermo mental”.

Sin embargo, una vez confirmado un diagnóstico de hipotiroidismo con síntomas psicóticos evidentes, dicho tratamiento a base de nutrientes administrados en dosis terapéuticas (ortomoleculares), constituye una muy buena solución para algo que la psiquiatría habría preferido tratar con antispsióticos, ansiolíticos y/o antidepresivos sintéticos.

Hipotiroidismo y psicosis: lo que la psiquiatría prefiere obviar y que todo paciente debe saber 

Si eres psiquiatra mejor ni sigas leyendo, porque lo que voy a develar aquí podría no agradarte, y tal vez termines tomándote uno de esos estabilizadores de ánimo que tú muy bien sabes “no produce efectos secundarios“. Ahora que si eres un paciente diagnosticado con esquizofrenia por un señor de bata blanca como el que acabo de correr de este que es tú sitio, creo que estás en el lugar indicado para resolver tu problema con medicina alternativa. Por favor no me mal interpretes, lo que voy a exponer aquí no aplica para todo paciente con deficiencia tiroidea, pero sí a ese 10% de pacientes que mencioné con anterioridad.

Aun cuando Carl Pfeiffer [1] no identificó al hipotiroidismo como una de las principales causas de la esquizofrenia, sí dejó muy claro cómo una deficiencia tiroidea puede explicar una parte muy peculiar de su etiología. De hecho, La psicosis clásica causada por una deficiencia tiroidea se conoce como locura mixedematosa [2].  Hoy en día, basta con realizar una simple búsqueda en Google con las palabras clave psychosis due to hypothyroidism para darle la debida importancia a lo que Pfeiffer y otros grandes referentes de la medicina ortomolecular nos legaron. Al momento de estar escribiendo estas líneas, esa búsqueda arrojó 532,000 vínculos.

A pesar de los esfuerzos que todos esos hombres de ciencia han hecho por naturalizar la medicina, la corriente médica controlada por la industria farmacéutica, nos ha estado vendiendo por años, la idea de que la mejor medicina es la que se fabrica en el laboratorio. En el caso particular del hipotiroidismo, su producto estrella viene a ser la levotiroxina. La L-tiroxina o T4 sintética, que es también como se le conoce a esta forma sintetizada de hormona tiroidea, es la que usan los señores de bata blanca como reemplazo hormonal en pacientes con problemas de tiroides.
Y es así como la medicina alopática pretende mejorar la calidad de vida de los pacientes afectados de la glándula tiroides: reemplazando la hormona natural conocida como tetrayodotironina, por una T4 fabricada en el laboratorio. Pero sucede que la tetrayodotironina está compuesta de yodo y tirosina, un mineral y un aminoácido que la glándula tiroides utiliza para sintetizar esa hormona, y si estás dispuesto a complementar tu alimentación con este par de nutrientes para que sea tu organismo y no un laboratorio la que se encargue de sintetizarla, estarás en el camino correcto hacia la curación. Dime una cosa: ¿preferirías ir con un psiquiatra para que te recete un coctel de olanzapina enriquecido con Gabapentin (para evitar las convulsiones que te podría producir la olanzapina) y clonazepam (para calmar la ansiedad que ese mismo antipsicótico te va a ocasionar)?… ¿De verdad lo harías? Porque si es así, creo que a ti sí te conviene seguir leyendo. Pemíteme explicarte cómo funciona el sistema de salud que comanda la industria farmacéutica.

Medicina alternativa para el tratamiento natural de la psicosis causada por hipotiroidismo

En el mejor de los casos, los departamentos de mercadotecnia de esta industria, organizan convenciones, congresos, seminarios y eventos parecidos para montar un escenario que les permite exhibir al máximo, la crema y nata de la comunidad científica médica. Se trata de que los médicos escuchen lo que tiene que decir una autoridad reconocida a nivel mundial, a cerca de los últimos avances de su especialidad, o dicho de una manera más coloquial, sobre el último grito en materia de salud.

Todo está en invitar a varias eminencias, para que a cambio de una generosa retribución económica, hablen sobre las bondades de un fármaco que al laboratorio en cuestión le ha costado millones de dólares sacar al mercado, y que ahora debe promoverse para obtener el ansiado retorno de inversión.
La T4 entonces ha sido promocionada de esa manera para convencer tanto a la comunidad médica como al público en general, de que no hay mejor tratamiento para el hipotiroidismo que el reemplazo de esa hormona.

Con el tiempo, esos mercaderes de salud llegaron a convencer a sus soldados de bata blanca, de que la mejor forma de tratar el hipotiroidismo es administrando levotiroxina. A este respecto, Rouzier escribió:
“Frecuentemente nos enseñan que la administración del compuesto sintético T4 es mucho más eficaz que la anticuada y difícil de regular, Armour thyroid®. La FDA recientemente multó a Knoll Pharmaceuticals con $90 millones por manipular los resultados de los estudios para convencer a los médicos de la superioridad del Synthroid (T4), mientras que hay datos recientes que indican lo contrario. Sin embargo, aún existen prejuicios contra la combinación de T3 y T4, que es el régimen que nosotros estimamos supera a los demás. Analizamos a los pacientes que tomaban Synthroid para evaluar qué tan adecuada era la conversión de T4 a T3. Nuestros datos revelan que la conversión de T4 a T3 en pacientes tratados con T4 sintética es inadecuada. Dichos datos respaldan el uso de una combinación de T4 y T3 (Armour thyroid®), tal como lo recomendó recientemente un artículo en el New England Journal of Medicine. Lo apropiado es medir y monitorear la T3 libre, que es la hormona activa primaria” [2] (las negritas son mías) .

Abram Hoffer y otros especialistas encontraron que la administración de tiroides disecada es una mejor opción que la T4 sintética, debido a que es así como se pueden combinar los efectos de todas las hormonas tiroideas, no solo los de la T4. Productos como Armour thyroid® (derecha), que son una combinación de T4, T3 y T2 elaborada con tiroides porcina seca, funcionan mucho mejor que la levotiroxina. No obstante, Hoffer señaló que para que el tratamiento sea efectivo, las dosis deben ser suficientemente grandes (ortomoleculares), entendiéndose por dosis suficientemente grandes aquellas que el paciente puede tolerar, justo antes de que las pulsaciones por minuto alcancen las 110/120 ppm (ob. cit., pág. 206). Y dado que esto obligaría al paciente a estar monitoreando continuamente este signo vital, lo que recomendamos los especialistas de la Fundación MicroMédix es dejar que el cuerpo produzca la cantidad de hormonas que necesita, administrando en vez de tiroides disecada, nutrientes ortomoleculares como el yodo, la tirosina, el selenio, el zinc, la niacina, la vitamina B12 y antioxidantes como el ácido alfalipoico y las vitaminas C y E.

Suplementos clave para la síntesis de todas las hormonas tiroideas

Yodo

El yodo es un oligoelemento cuya deficiencia se corrige fácilmente tomándolo como suplemento. El bocio (izquierda) es una inflamación de la glándula tiroides que se desarrolla cuando esta glándula no dispone de suficiente yodo para fabricar hormonas. En un intento por tratar de atrapar más yodo, las células de esta glándula aumentan de tamaño, ocasionando que el cuello se hinche. Sin una apropiada suplementación, el paciente desarrollará hipotiroidismo, con síntomas que varían de persona a persona, siendo los más comunes la fatiga, el cabello seco, la lentitud, el aumento de peso y la sensación de frío en el cuerpo. En estas condiciones, el hipotiroidismo podría se más difícil de tratar únicamente con yodo, pudiendo ser necesaria la administración de tiroides disecada.

Además de estabilizar nuestro peso corporal y controlar nuestros niveles de colesterol, el yodo estimula la producción de hormonas tiroideas (como la T3 y la T4), que a su vez regulan la conversión de grasa en energía. Estas hormonas también son necesarias para formar nuestros huesos, así como para mantener nuestra piel, uñas, cabello y dientes en óptimas condiciones. El yodo también se usa como antibiótico para combatir eficientemente todo tipo de infecciones y como tratamiento natural del cáncer de próstata, de mama y de útero. Con una deficiencia de este mineral, uno podría sufrir de estreñimiento, obesidad, debilidad y como ya lo señalé, hasta de psicosis.
Otras enfermedades menos comunes pero que podrían presentarse también por deficiencia de yodo, son el cretinismo en los recién nacidos, que trae consigo un retraso en el crecimiento y un proceso inflamatorio; la enfermedad fibroquística de mama; el endurecimiento de las arterias y el retraso mental. El yodo se elimina rápidamente por lo que resulta difícil intoxicarse con este mineral, y lo más que puede pasar con un exceso del mismo, es un brote de acné o la aparición de erupciones en la piel. Para evitar cualquier problema, te recomendamos complementar tu dieta con un suplemento de yodo de alta calidad como el que aparece a tu derecha: yodo lugol al 5%.

Tirosina

La tirosina es un aminoácido no esencial, y se le llama así no porque no sea esencial en la alimentación, sino porque el cuerpo es capaz de sintetizarla a partir de otras sustancias, como la fenilalanina. Se aisló por primera vez de la caseína en 1849 y es rica en insulina y papaína. Es un precursor de los neurotransmisores norepinefrina, epinefrina y dopamina y por lo tanto, de la levodopa. Se utiliza para producir tiroxina, cuya función consiste en controlar el crecimiento, el metabolismo, la piel y la salud mental. Espero quede claro entonces que la tirosina y la tiroxina son dos cosas bien diferentes.

La tirosina o L-tirosina (derecha) participa en la síntesis de muchos productos bioquímicos importantes, incluidas las hormonas tiroideas, los pigmentos biológicos de la melanina y las catecolaminas. La acción de este suplemento en las funciones cerebrales es clara por su relación con la dopamina y la norepinefrina. También es útil para suprimir el apetito y reducir la grasa corporal (obesidad y sobrepeso), la producción de pigmentos para la piel y el cabello, así como para garantizar un funcionamiento adecuado de la tiroides y de las glándulas pituitaria y suprarrenales. Se usa para reducir el estrés y ayuda a prevenir y tratar la narcolepsia, la fatiga, la ansiedad, la depresión, las alergias, los dolores de cabeza y el síndrome de abstinencia por medicación. Por ser un elemento esencial para conservar la piel, el cabello y los pigmentos oculares en óptimas condiciones, su carencia podría dar lugar a un síndrome conocido como albinismo oculocutáneo, que se caracteriza por la incapacidad de formar pigmentos de melanina (véase también lo que comenté a cerca de las canas prematuras en el ensayo intitulado “La informática biomédica en el diagnóstico y la prevención de la esquizofrenia y otros trastornos de la personalidad“.

Siendo precursor de tiroxina, es de esperar que su deficiencia provoque hipotiroidismo, incluidos el agrandamiento de la glándula tiroides (bocio) y el retraso grave tanto del crecimiento como del desarrollo del sistema nervioso central. Una deficiencia de tirosina también puede producir baja presión arterial, baja temperatura corporal (incluyendo manos y pies fríos) y síndrome de piernas inquietas. Prescrita junto con el triptófano se ha empleado con cierto éxito para tratar el abuso de la cocaína. En resumen, los síntomas que delatan una deficiencia de tirosina son:

– baja temperatura corporal y baja presión arterial
– Apatía
– Edemas
– Fatiga/debilidad
– Cambios en el estado de ánimo
– Dolor en las articulaciones
– Síntomas gripales
– Aumento de peso
– Voz ronca
– Cabello seco y alteraciones en la pigmentación de la piel

Selenio

Dos de las principales características terapéuticas de este mineral son su propiedad antienvejecimiento y su capacidad para expulsar del cuerpo radicales libres y metales pesados como el mercurio, el plomo y el cadmio. Es útil para combatir infecciones, ya que estimula una mayor respuesta de los anticuerpos a las infecciones, promueve más energía en el cuerpo y si bien ayuda a aliviar los síntomas de la menopausia en las mujeres, también ayuda al varón a producir espermatozoides sanos. De acuerdo con el Dr. Sanil Rege, la T3 es la hormona activa, y la conversión de T4 a T3 requiere selenio [4].

Cómo descartar/confirmar un hipotiroidismo: análisis clínicos y sintomatología

En lo que concierne a los análisis clínicos, los procedimientos generalmente aceptados para diagnosticar un hipotiroidismo, establecen que son los niveles de la hormona estimulante de la tiroides, mejor conocida como TSH (por sus siglas en inglés), los que determinan, cuándo un paciente ha desarrollado hipotiroidismo. Esto significa que la posibilidad de una deficiencia tiroidea se descarta cuando en un análisis clínico, el nivel de la TSH aparece normal. Se habla de hipertiroidismo cuando las pruebas de laboratorio muestran niveles muy bajos de TSH y niveles muy altos de T4 y T3. En el hipotiroidismo, la TSH es muy alta y los otros valores son bajos (en las imágenes adjuntas se puede ver un ejemplo de un perfil tiroideo que dio positivo para hipotiroidismo. Pulse sobre las mismas para ver los detalles).

Hipotiroidismo con valores de TSH y T4 normales

Pero existen casos de hipotiroidismo en los que  la T4 se encuentra en cantidades suficientes. Esta es una condición que se conoce como síndrome de enfermedad eutiroidea, o síndrome de T3 baja. La TSH aparece normal (o posiblemente un poco baja); pero los niveles de T3 son bajos. Hasta cierto punto, esto representa una actividad normal de la glándula tiroides con una formación periférica reducida de T3 a partir de T4, y es una condición que se llega a presentar en algunas personas mayores. La conversión a T3 disminuye con el envejecimiento y con el estrés severo ocasionado por quemaduras, restricción de calorías, exposición a productos químicos y/o metales tóxicos, alcoholismo, oxidación excesiva, enfermedad hepática o renal, exceso de ejercicio y falta de sueño.

Rouzier [5] examinó a 671 pacientes con problemas de tiroides. Un total de 262 pacientes tenían niveles muy bajos de T3, y el resto los tenía algo bajos. Todos ellos tenían temperaturas corporales menores a los 36.1 ° C. La adición de tiroides que contenía tanto la hormona T4 como la T3 corrigió su temperatura corporal a 36.6 ° C, lo que redundó en una mejoría. Después de encontrar una buena correlación entre la temperatura corporal y los niveles de T3, Rouzier concluyó que la TSH sola no debía usarse como único criterio para determinar la deficiencia tiroidea.

Por su parte, el Dr. Broda Barnes [6],[7] descubrió que la prueba más simple de todas era la temperatura corporal, y que cuando los pacientes tenían bajas temperaturas basales, respondían bien al tratamiento con tiroides disecada. Uno de los trabajos de Langer [8] resume lo alta que es la incidencia de hipotiroidismo, el cual puede ser fácilmente diagnosticado a través de los síntomas clínicos, incluida la temperatura basal corporal y la respuesta a las preparaciones de tiroides disecadas.

El libro de Shames & Shames [9] es una excelente referencia para esclarecer el por qué uno no debe guiarse exclusivamente por los valores de la TSH, sino considerar también el monitoreo de los niveles de la T3. De acuerdo con estos autores, cualquier valor de la TSH superior a 3 debería generar sospechas. Ellos, al igual que Barnes y Langer, recomiendan la valoración del cuadro clínico, siendo la temperatura basal corporal el signo de mayor importancia a vigilar.

Cuadro clínico a considerar para realizar el diagnóstico

Las preguntas a responder para valorar a un paciente que sospechamos ha desarrollado hipotiroidismo, son las siguientes:

1. ¿Debilidad (cansancio/fatiga) crónica? (S/N)
2. ¿Estreñimiento? (S/N)
3. ¿Dolor en las articulaciones? (S/N)
4. ¿Bocio? (S/N)
5. ¿Grasa en exceso (obesidad o sobrepeso)? (S/N)
6. ¿Intolerancia al frío? (S/N)
7. ¿Cambios en la piel y/o el cabello (color, desprendimiento, canas prematuras, resequedad, etc.)? (S/N)
8. ¿Baja temperatura basal corporal (la que se toma inmediatamente al despertar, con un termómetro colocado debajo de la lengua)? (S/N)

El criterio a seguir aquí para sospechar de un hipotirodismo, es contabilizar las respuestas afirmativas a esas ocho preguntas. Entre mayor sea el porcentaje de preguntas afirmativas, mayores serán las probabilidades de que el paciente haya desarrollado hipotiroidismo.

Un par de consejos finales que te ahorrarán muchos sinsabores

Si estás experimentando alucinaciones (auditivas y/o visuales), obsesiones, delirios paranoicos, miedo, desconfianza, resentimiento, depresión, cambios de humor y pensamientos suicidas; antes de consultar a un psiquiatra, primero verifica si también tienes fatiga crónica, sobrepeso; si sientes muy frías tus manos y tus pies; si se te cae el pelo o se te ha decolorado y si tu temperatura corporal por las mañanas es baja. Si la mayoría de este segundo conjunto de síntomas coincide con lo que a ti te está molestando, entonces tal vez te convenga ordenar un examen de tiroides para confirmar un hipotiroidismo.

Si tuvieras dudas sobre tus análisis, contáctanos para que te ayudemos a interpretarlos, porque cualquiera que haya sido el resultado, ten la seguridad de que tu problema se puede corregir con un tratamiento alternativo como el que aquí he descrito, o personalizado con toda precisión, de acuerdo con tus síntomas e historial clínico.

Asimismo, es muy importante que sepas que el éxito de cualquier tratamiento alternativo, solo se puede conseguir si las dosis de los nutrientes son ortomoleculares, de lo contrario, sí que se cumpliría lo que te han dicho los psiquiatras a propósito de que la medicina natural no sirve para nada. Para que la receta que especifiqué sea efectiva, debe administrarse en dosis suficientemente grandes de nutrientes, esto es, las que son realmente terapéuticas, no las que un médico alópata te recomendaría para convencerte de una manera muy mezquina, que lo que yo he dicho aquí es mentira y que lo único que funciona para la psicosis, es un coctel de antipsicóticos cargado de efectos secundarios.

“No hay hombre de nación alguna que, habiendo tomado a la naturaleza por guía, no pueda llegar a la verdad.”… Cicerón
© Sergio López González. Fundación MicroMédix. 23 de julio de 2018


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


REFERENCIAS

[1] Carl C. Pfeiffer, Richard Mailloux and Linda Forsythe. The Schizophrenias: ours to conquer. Bio-Communications Press, 1970.
[2] Abram Hoffer. Thyroid and Schizophrenia. Journal of Orthomolecular Medicine Vol. 16, No. 4, 2001.
[3] Does the Thyroid Gland Play a Role in Depression, Anxiety and Psychosis? – Is the TSH enough to diagnose thyroid dysfunction? https://psychscene.com/thyroid-gland-psychiatry/
[4] 15 Little Known Things About Your Thyroid That Can Affect Your Mental Health. https://psychscene.com/thyroid-gland-psychiatry-2/
[5] Rouzier N: Optimal thyroid hormone replacement therapy. 2825 Tahquitz Canyon Way, B200, Palm Springs, CA 92262.
[6] Barnes BO, Barnes CW: Heart Attack Rareness in Thyroid-Treated Patients, Springfield Ill, CC Thomas, 1972.
[7] Barnes BO, Galton L: Hypothyroidism. The Unsuspected Illness. Thomas Y. Crowell Co, New York, 1976.
[8] Langer SE, Scheer JF: Solved: The Riddle of Illness. Keats Publishing, Inc. New Canaan, CT, 1984.
[9] Shames RL, KH Shames: Thyroid Power. Harper Collins, New York, 2001.


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.


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 psiquiatría de precisión, 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, apelando a la psiquiatría de precisión.

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