Medicina Natural

Medicina Alternativa Personalizada. Consultorio


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, 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.

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

 

Anuncios


2 comentarios

Medicina alternativa de precisión: inteligencia artificial para curar hasta un cáncer

En principio, la mayoría de las enfermedades son curables, porque aunque es cierto que algunas de ellas son las causantes de un gran número de fallecimientos, existen muchos pacientes que han podido superar esas mismas afecciones, haciendo algo diferente de lo que se les aconsejó a aquellos que fallecieron. El hecho de que nosotros hayamos podido extraer de la literatura biomédica, casos de éxito de varios tipos de cáncer, implica que hay alternativas muy viables para curarse.
La medicina alternativa de precisión es el resultado de combinar las técnicas de la inteligencia artifical, con la medicina ortomolecular y la fitoterapia, y es la sinergia de esa combinación lo que aprovecharemos en este estudio, para demostrar que un caso de adenocarcinoma pancreático tiene solución.

El papel de la medicina de precisión en el tratamiento del cáncer pancreático

Cuando a un médico se le presenta un caso nuevo, intuitivamente recurre a su experiencia para recordar casos de éxito que se parezcan al que está intentando solucionar. Y al igual que cualquier otro especialista, si no ha tenido una experienica similar, o la tuvo pero no recuerda exactamente los detalles, tenderá a consultar a otros colegas para que le aconsejen cómo tratar a ese paciente que de momento está acaparando su atención. Podría incluso suceder que varios médicos fueran a inspeccionar el archivo clínico de su hospital, con el objeto de saber qué hizo cierto experto en el pasado, para resolver un problema parecido.

Y aunque ese escenario evoca un poco la manera en la que el Dr. House abordaría un caso difícil de resolver, lo que voy a exponer aquí en relación a un estudio de cáncer pancreático, lejos de parecerse a un cápítulo de esa serie de televisión o a una novela de ciencia ficción, es prueba fiel de lo mucho que ha avanzado la tecnología de la inteligencia artificial. Una de las técnicas de esta nueva disciplina, concretamente el aprendizaje no supervisado, es la que hace posible que una máquina “recuerde” y encuentre dentro de un “mar de datos” históricos, no solo una experiencia de éxito, sino varios casos que justificarán y respaldarán la recomendación que dicha máquina le entregará al médico y/o naturópata a cargo.

Y es que la medicina de precisión, conocida también como medicina personalizada, puede ser practicada como medicina integrativa o complementaria, de ahí que en el párrafo anterior haya yo escrito médico y/o naturópata. Como veremos muy pronto, una computadora va a recomendar un tratamiento específico para una persona en particular, basándose en un historial de casos de éxito previamente almacenados en una base de datos biomédicos (la de la Fundación MicroMédix). Y si los casos de éxito registrados en esa base de datos contienen atributos propios de la medicina alopática, esos datos aparecerán en nuestros análisis sin ninguna modificación. De la misma manera en la que respetaremos esos hechos por estar reflejando una realidad, celebraremos también el que una máquina recomiende un tratamiento alternativo o incluso complementario. Y esto último también constituye una realidad, porque como podrá constatar el lector en nuestras referencias, muchos protagonistas de esos casos de éxito prefirieron renunciar a las quimioterapias y las terapias de radiaciones, debido a la gravedad de sus efectos secundarios.

Caso de estudio: un adenocarcinoma pancreático metastásico

Pero a quien le toca en esta ocasión decir sí o no a las quimioterapias y radiaciones, es a una damita de 67 años, con un diagnóstico que de acuerdo con su patólogo consistió de un adenocarcinoma pancreático metastásico (izquierda), cuyo tratamiento por un tiempo requirió de gemcitabina y que en próximas fechas comprenderá dos fármacos muy socorridos en las quimioterapias, el Onivyde (irinotecán) y el Fluorouracil (fluoropirimidinas).
La hija de la protagonista de este caso de estudio, a quien llamaré Toni de aquí en delante, nos hizo favor de responder el cuestionario que empleamos para recabar los datos clínicos de nuestros pacientes, cuando éstos o alguno de sus familiares nos encomienda un estudio como el que aquí estoy desarrollando. Es en ese cuestionario en donde nos especificó los síntomas que estaban aquejando a su mamá: dolor abdominal, convulsiones y desmayos ocasionales; anorexia (peso extremadamente bajo por inapetencia), gastritis, náuseas ocasionales (sin vómito), indigestión y depresión (aunque este último me lo reportó posteriormente a través de un correo electrónico). Con todos esos datos y los que pude inferir a partir de las pruebas de laboratorio que me hizo llegar más tarde esta amable señorita, fue como pude completar los campos especificados en la hoja de cálculo que aparece a su derecha (pulse sobre la misma para agrandarla).

Cabe señalar que el registro (instancia) asociado al caso de nuestra paciente Marita, que es el nombre que estaré empleando para referirme en lo sucesivo a la mamá de Toni, no aparece en la imagen anterior por razones de espacio. En vez de analizarlo por partes, he preferido dedicarle un apartado posterior, con la intención de contrastar su contenido con el conjunto de atributos que conformarán lo que en el ámbito del aprendizaje de máquina (machine learning) se conoce como centroide. Más adelante “explicaré con manzanitas” lo que significa eso y la importancia que reviste para la medicina de precisión, al momento de especificar un tratamiento personalizado. Por el momento quisiera analizar los demás campos de la hoja de Excel para mostar las tendencias que un ser humano como usted y como yo, podría detectar a la hora de analizar un registro histórico de datos clínicos. Veamos

En la imagen a la derecha se observa una marcada tendencia de los médicos naturópatas a recetar muérdago como fitoterapia (veáse la columna del atributo fitoterapia_1). Existe también cierta inclinación de parte de los profesionales de la salud tanto para recomendar una fitoterapia basada en cúrcuma, como para recetar gemcitabina (Gemzar) como quimioterapia. Sin embargo, yo no me atrevería a afirmar que esas tres tendencias son las únicas, o que son las que estarán rigiendo la forma que adoptará el tratamiento que estamos buscando personalizar, pues existen muchos otros datos que no se alcanzan a ver en la imagen. Algo similar ocurre con los suplementos (izquierda). Cada caso consta de una hilera de campos en donde se guardan los atributos de cada paciente, como son las dosis que estuvo tomando de betacaroteno, de vitamina C (oral), de ácido ascórbico (o ascorbato de sodio) por la vía intravenosa (IV), de vitamina D3, de omega 3 y de coenzima Q10  (pulse sobre la imagen de la izquierda para ver los detalles). Nótese por ejemplo cómo la vitamina C IV es muy solicitada en diferentes tipos de cáncer, no solo en el de páncreas.

Descubriendo el tratamiento idóneo para Marita

Hay un tratamiento idóneo para cada quien, porque lo que pueda hacerle bien a Marita, tal vez no sea lo más indicado para usted. De acuerdo con lo que estoy mostrando en la imagen adjunta y en la que sigue, para que la receta que le vamos a proponer a ella le funcionara a usted, tendría que presentar leucopenia (conteo bajo de leucocitos -pulse en la imagen adjunta-),  un marcardor tumoral CA 19-9 cercano a los 1,807 UI/ml, unos síntomas parecidos a los de ella (ver apartado anterior), estar bajo los efectos de una quimioterapia a base de irinotecán y fluoropirimidinas, en fin, lo que quiero decir es que su caso tendría que ser muy similar al de Marita (véase la imagen que sigue).

Al igual que los casos que mostré en el apartado anterior, el registro de Marita contiene los mismos campos; pero con valores de atributos muy particulares y muy probablemente diferentes a los de otros pacientes, coincidentes tal vez en algunos casos, con los de algunos pacientes en condiciones similares de salud. El punto es que cualquier registro de un paciente, incluyendo el de Marita, lo podemos representar por un conjunto de valores de atributos separados por comas.

Así, el caso de Marita quedaría representado por el siguiente conjunto de valores: 7, 67, F, adenocarcinoma pancreático, S, CA 19-9, N, N, S, N, N, S, S, S, S, N, N, gastritis, diabetes, ninguna, normales, N, N, fluorouracil, irinotecan, folfirinox, Kalanchoe, ninguna, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?; en donde 7 es un código que identifica el caso, 67 es la edad de Marita, F indica un paciente del sexo femenino, luego viene el diagnóstico médico (no mío), S delata la confirmación de una metástasis, CA 19-9 está implicando que ese marcador ha alcanzado un nivel superior al normal, la N que sigue nos dice que no se ha detectado ictericia, etc. (pulse sobre la captura de pantalla de la derecha y auméntela para ver el valor y el significado de los demás atributos).

A esa lista de valores ordenados y separados por comas, los ingenieros acostumbramos llamarle vector, y es un concepto que resulta muy útil para entender otra palabra clave igual de importante en el contexto del aprendizaje automático: el centroide.
Estadísticamente hablando, un centroide se puede definir como un vector de atributos que refleja la tendencia central de cada uno de ellos. Y ¿qué cosa es una tendencia central?

¿Recuerda lo que platicábamos párrafos atrás a propósito del muérdago? Bien, ese es un ejemplo de tendencia central. De hecho, la tendencia central del atributo fitoterapia_1 se mide con la moda de ese atributo, y su valor es muérdago, pues estamos tratando con una variable nominal. Pero lo más difícil y a la vez interesante de este caso, es que no conocemos de antemano los nombres ni las dosis de los suplementos de nuestra paciente (lo cual se ha representado en el registro de Marita con signos de interrogación). Hasta donde yo sé, los únicos suplementos que Toni le ha estado dando a Marita son escozul y Kalanchoe.

Nuestra misión consistirá entonces en confeccionar una receta acorde con los datos que tenemos, pues lo que nos está faltando para convertir este caso de estudio en uno de éxito, son precisamente las dosis de los suplementos que contendrá dicha receta.

Dividir para triunfar: la técnica del clustering (segmentación)

Dado que esto no es un curso de minería de datos, y como seguramente a Toni y a usted no les interesa mucho conocer el teje y maneje de esa tecnología, lo que voy a hacer aquí es “explicar con manzanitas”, la técnica que hace posible la confección de un tratamiento personalizado: el aprendizaje de máquina no supervisado.

En la jerga de la inteligencia artificial al aprendizaje no supervisado se le conoce como clustering, y es una técnica que consiste en clasificar un conjunto de casos con atributos muy similares dentro de un determinado grupo; pero muy diferentes en relación a los atributos de los casos clasificados en otros grupos.
Tratándose de casos de cáncer por ejemplo, habrá instancias muy similares de cáncer de próstata que se diferenciarán muy bien de las de cáncer de mama, porque sería imposible que una mujer padeciera de cáncer de próstata, y muy raro que un hombre desarrollara un cáncer de mama. Como veremos, uno de los parámetros que más va a ayudar a descubrir un tratamiento, es el número de grupos.

A continuación explico el procedimiento que seguí para descubrir dos tratamientos personalizados, uno complementario que agrega varios suplementos a la quimioterapia, y otro en donde se recomienda la administración exclusiva de sustancias naturales en forma de suplementos.

Tratamiento complementario (quimioterapia combinada con suplementación)

Con una herramienta de minería de datos como WEKA, pude aplicar un algoritmo de clustering denominado K-Means, para segmentar los casos de éxito que mostré con anterioridad en la hoja de cálculo de Excel.
Uno de mis experimentos consistió en dividir el total de casos en cinco clusters (grupos), tal y como lo estoy mostrando en las capturas de pantalla adjuntas. Obsérvese cómo la máquina encontró tendencias de manera automática. Entre otras cosas, aprendió que en la base de datos hay pacientes de unos 60 años con cáncer de próstata no extendido (cluster 0), mujeres de alrededor de 60 años con carcinoma renal extendido (cluster 1), así como tres grupos de adenocarcinoma pancreático: uno de mujeres en una edad cercana a los 75, sin metástasis (cluster 2); otro de mujeres de alrededor de 58 años, con metástasis (cluster 3); y uno más de mujeres que rondan los 65, también experimentando metástasis (cluster 4).
Ahora le pregunto, ¿en cuál de los grupos cree usted que clasificó WEKA, el caso de nuestra querida Marita? Si no lo intuye, échele de nuevo una mirada a su registro y compárelo con los datos que aparecen en la parte del informe que aparece a su derecha (recuerde pulsar sobre las imágenes para agrandarlas).
Por si no lo advirtió, lo que hizo esta singular herramienta de apoyo fue clasificar el caso de Marita en el grupo 4, como no podría ser de otra manera, pues el centroide asociado al grupo 4 contiene atributos muy similares a los que están caracterizando el caso de nuestra paciente.

Nótese cómo he hecho énfasis en que ambos vectores son muy similares, lo cual de ninguna manera significa que el tratamiento implícito en ese cluster no sea idóneo. La inteligencia de las máquinas es tal, que no precisa que dos cosas sean idénticas para saber que hay ahí una intensa correlación. El concepto de correlación está desbancando a lo que pregona el método científico, en relación a esa idea de que algo no puede ser verdad, solo porque se desconoce su causa [9]. La realidad que revela un conjunto de datos está ahí, independientemente de cómo se hayan dado las cosas. Basta con que exista una cantidad suficiente de casos de éxito (no necesariamente un big data), y que cierto grupo de éstos mantenga una intensa correlación con un caso por resolver, para que ese caso pueda convertirse también en uno de éxito. Y si usted quisiera conocer algunos de los casos de éxito que respaldan lo que aquí estoy planteando, lo invito a consultar las referencias que para ese efecto he puesto a su disposición (por razones obvias de espacio y confidencialidad, no espere ver una relación de todos los casos de éxito que hay actualmente en nuestra base de datos).

Y ahora… ¡la cereza del pastel!
En la imagen adjunta estoy mostrado esa parte del reporte que por falta de espacio y una mejor claridad de exposición, no quise representar en una sola captura de pantalla. Esta tercera parte de los datos que WEKA desplegó, después de explorar en dirección descendente el resto de los atributos de los cinco centroides (del 0 al 4), contiene la fitoterapia (muérdago) y las dosis de los suplementos sugeridas por ese “pedazo de inteligencia artificial”. En un principio, esas dosis no eran más que signos de interrogación (?) en el “vector de Marita”, y se han convertido ahora en los datos que necesitamos homologar, para obtener al fin, un tratamiento complementario personalizado.

Tratamiento alternativo (sin quimioterapia)

Como señalaba yo en un apartado anterior, algunos pacientes deciden “tirar la toalla” y decirle no a las quimioterapias y las radiaciones. Pensando que Marita podría estar en ese caso, llevé a cabo una serie de experimentos adicionales para poder descubrir un tratamiento puramente alternativo. El resultado de este esfuerzo lo puede ver pulsando con su ratón en la imagen adjunta. Esta vez dividí el total de casos en tres grupos, para permitirle al software clasificar el caso de Marita. Como podrá usted advertir, el tratamiento ahora comprende las dosis indicadas por el centroide correspondiente al cluster #1 (el segundo de derecha a izquierda).

Otra razón de peso para pensar en un tratamiento como el propuesto en el cluster #1, sería que aún después de haber homologado los datos (ver el siguiente apartado), el muérdago no se pudiera conseguir en nuestro país (Toni y Marita viven en México), o que su precio fuera demasiado alto por tratarse de un producto de importación. En el siguiente apartado explico en qué consiste la homologación de los datos y otras opciones que se podrían contemplar para regionalizar la administración de los suplementos implicados en ambos tratamientos.

Homologando los datos

Los datos, tal y como los ha entregado el software WEKA, tienen que ser revisados y adaptados al entorno en el que habrán de aplicarse. Así por ejemplo, en el caso del tratamiento alternativo, puede ser que convenga más la forma natural de la cisteína, en vez de la N-acetilcisteína (NAC). Además, a sabiendas de que el propósito de la L-cisteína es promover la producción de glutatión, yo me decantaría finalmente por recetar dos o tres porciones diarias de proteína de soya o de suero de leche aislada (derecha), debido a la riqueza de nutrientes que contiene este complejo de aminoácidos. Hay dos de ellos en particular que junto con la cisteína, optimizan la producción de glutatión: la glicina y el ácido glutámico.
Análogamente, hay algunos suplementos que aparecen en ambos tratamientos que podrían excluirse, dadas las dosis tan pequeñas que se han recomendado. Si analizamos detenidamente los centroides en cuestión, podríamos extraer las siguientes conclusiones:

1) Podemos prescindir de la cisteína en el tratamiento complementario (35.3 mg), más no en el alternativo (334.5 mg).
2) El beta glucano-1,3 no es necesario en ninguno de los dos tratamientos, porque sus dosis no son de ninguna manera terapéuticas (nadie se va a curar un cáncer con 0.06 o 0.1 mg de ese suplemento).
3) El betacaroteno podría omitirse en el enfoque complementario más no en el alternativo (estamos hablando de casi 16,000 UI en esta segunda opción).
4) La vitamina C por la vía oral conviene incluirla en ambos tratamientos (6 gramos diarios para los dos).

5) La vitamina C intravenosa es muy importante en cualquiera de las dos opciones, porque existe una tendencia muy marcada de prescripción, en un gran número de casos de éxito. Existe un protocolo muy detallado para su administración, cuyas especificaciones se establecen a través de un vínculo que encontará usted en nuestra receta personalizada para el cáncer de páncreas (si lo desea puede descargarla en el apartado que sigue).
6) La vitamina D3 deberá considerarse muy seriamente en ambas versiones, ya que además de que sus dosis son terapéuticas, el caso demanda combatir una aguda depresión, por lo que será necesario aumentar unas cinco o seis veces más la dosis establecida para esta vitamina, dependiendo ello de la opción seleccionada por nuestra paciente.
7) Una situación muy similar a la de la vitamina D3 ocurre con los ácidos grasos omega 3, con motivo de la depresión reportada.

8) La administración de Coenzima Q10 solo se considera en el caso del tratamiento alternativo, ya que en el complementario la dosis indicada de 10.6 mg no aporta un beneficio sustancial.
9) La melatonina en ambos casos es importante pero se debe homologar en conformidad con las dosis disponibles en el mercado, que son de 5 y 6 mg. De acuerdo con esto, se recomiendan 6 y 12 mg para el tratamiento alternativo y complementario, respectivamente.
10) En cuanto a la duración de cada tratamiento, se han pronosticado 17 meses para el alternativo y 22 para el complementario.

En lo concerniente al muérdago, por favor no vaya usted a tomar tés de esta hierba así como así, ya que estamos hablando de una planta con un nivel de toxicidad considerablemente alto. Lo que procede aquí es conseguir presentaciones de grado farmacéutico que ya han sido aprobadas por las autorizadas sanitarias y cuyas dosis han sido establecidas por los mismos fabricantes. Esas presentaciones generalmente consisten de una solución inyectable y administrable ya sea por vía intravenosa, intramuscular o subcutánea, en  cualquiera de las marcas comerciales especificadas en la receta que en breve estaré presentando.
Otra alternativa que podría resultar muy prometedora porque suprime la toxicidad de muchas plantas, es la administración de microdosis. Varios miembros de mi familia ya nos hemos aliviado con microdosis de plantas medicinales incluso más tóxicas que el muérdago. A uno de mis hijos lo estuve tratando hace algunos años con microdosis de belladona, y yo en lo personal estuve aplicándome por mucho tiempo microdosis de digital y chicalote, que son ejemplos de dos plantas que no tienen por qué ser peligrosas si se administran apropiadamente: 3 gotas de microdosis sobre la lengua cada 5 minutos por media hora, luego cada hora diariamente hasta superar el cuadro agudo, y posteriormente ese mismo número de gotas 4 veces al día.

La Receta personalizada y homologada

 

La cantidad y el tipo de suplementos que contendrá la receta en su versión final, dependerá del tratamiento elegido por el paciente (alternativo o complementario). Recuerde que si usted no responde al nombre de Marita, el tratamiento que se obtuvo a lo largo de este estudio, puede ser que no le funcione a usted, a menos que su “vector de atributos” sea idéntico al de ella. Si está padeciendo una enfermedad “incurable” y está dispuesto(a) a convertirse en un(a) guerrero(a) biomédico(a) para salir bien librado(a) de esta lamentable situación, le recomiendo consulte nuestra sección Un Estudio para tu Caso, en donde le explicamos qué necesita usted hacer para contar con un tratamiento como el de Marita, o sea, justo a la medida de su “vector de atributos”, ese conjunto de rasgos que hacen de usted un ser humano extraordinario e irrepetible, que solo está esperando una oportunidad para demostrarle al mundo, que no hay enfermedades incurables, sino personas a quienes se les dijo que no se podían curar, y se lo creyeron.

© Sergio López González. Fundación MicroMédix. 7 de septiembre de 2018


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


REFERENCIAS

[1] Min-Seok Seo1 et al. High-Dose Vitamin C Promotes Regression of Multiple Pulmonary Metastases Originating from Hepatocellular Carcinoma. Yonsei Medical Journal. 2015 Sep;56(5):1449-1452.
[2] Cannon, et al. The Incidental Use of High-Dose Vitamin D3 in Pancreatic Cancer. Case Reports in Pancreatic Cancer 2016, 2.1
[3] Mark Fontes. Improved Prognosis and Quality of Life in a 66-year-old Female Patient with Metastatic Pancreatic Adenocarcinoma Treated with Gemcitabine, and Adjunctive Orthomolecular and Botanical Interventions. Journal of Orthomolecular Medicine Vol 30, No 2, 2015
[4] Riordan et al. High-dose intravenous vitamin C in the treatment of a patient with renal cell carcinoma of the kidney. J Orthomol Med, 1998; 13: 72-73.
[5] González et al. High dose intravenous vitamin c and metastatic pancreatic cancer: Two cases. Integrative Cancer Science and Therapeutics, 2016. Volume 3(6): 1-2
[6] Bonucci et al. Integrated Cancer Treatment in the Course of Metastatic Pancreatic Cancer: Complete Resolution in 2 Cases. Integrative Cancer Therapies. 2018, Vol. 17(3) 994–999
[7] Complete remission and long-term survival of a patient with melanoma metastases treated with high-dose fever-inducing Viscum album extract: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5704862/pdf/medi-96-e8731.pdf
[8] Disappearance of an advanced adenomatous colon polyp after intratumoural injection with Viscum album (European mistletoe) extract: a case report; https://www.ncbi.nlm.nih.gov/pubmed/25532007
[9] Viktor Mayer-Schönberger & Kenneth Cukier. Big Data: A Revolution That Will Transform How We Live, Work, and Think. First Mariner Books, 2014
[10] Spreen Alan. Tomorrow´s Cancer Cures Today. 25 secret therapies from around the world. Health Sciencies Institute. Baltimore, Maryland. 2009