La medicina de los números

En los últimos años la informática se ha convertido, como en tantos otros ámbitos de la vida cotidiana, en una herramienta fundamental para la medicina. Buena prueba de ello es la investigación que, en estos momentos, desarrollan desde el grupo de investigación Visión Robótica, integrado en el Instituto Universitario de Investigación Informática, y que, fundamentada en la teoría matemática de la información, ofrece la posibilidad de seleccionar aquellos genes que ponen de manifiesto la predisposición hacia ciertas enfermedades de tipo genético, e incluso su detección.
De esta forma, descubrir el nivel de participación que tienen ciertos genes en la predisposición hacia ciertas enfermedades, especialmente el cáncer, o incluso en su aparición es el objetivo principal en estos momentos de los investigadores del grupo Francisco Escolano y Boyán Bonev, con la colaboración de Pablo Suau. Para ello, utilizan la teoría matemática de la información que, basándose en probabilidades, permite cuantificar los datos disponibles y relevantes, en este caso de los genes.
La investigación arrancó hace ahora unos dos años, cuando, como recuerda el director, Francisco Escolano, "trabajando con el reconocimiento de imágenes se nos planteó el problema de ver qué características las hacía más distinguibles entre sí, por ejemplo, en aplicaciones para ciegos. A partir de ahí nos encontramos con un problema que hay en bioinformática, que es la selección de genes en la tecnología de microarrays, que representan la expresión de los genes". En este sentido, apunta que "se utilizan los microarrays, que son matrices o tablas donde cada una de las filas representa la información genética de determinado paciente y cada columna alude a un gen concreto, con el fin de ver su nivel de expresión. Sin embargo, de los miles de genes que se conocen, sólo algunos son significativos para determinado experimento y esta teoría permite descartar aquellos que no proporcionan información relevante". Asimismo, también indica que, "a veces se dispone tan sólo de entre 40 y 60 células para estudiar las expresiones genéticas en un conjunto de enfermedades. Dependiendo de la enfermedad, algunos genes se expresan en mayor o en menor medida. La cuestión es conocer qué relación existe entre la expresión o no de ciertos genes y la aparición de determinados tipos de cáncer". Así, la aplicación de la teoría de la información a los microarrays a través de un ordenador permite obtener esta información. Por el momento, los investigadores se han centrado en cánceres de distintos tipos, como el de colon, el de mama, el renal, el de ovarios, el de piel o la leucemia.
El director del grupo precisa que, "por un lado, resulta muy caro secuenciar genes y, por eso, se suelen tener pocas muestras. Por otro, con pocas muestras se pueden tener muchas dimensiones o variables, del orden de entre 6000 y 20000 en algunos experimentos, y esta teoría permite estimar qué genes estarían implicados en una enfermedad". ¿El resultado? Según los experimentos desarrollados por los investigadores de la UA, la teoría de la información permite reducir el número de variables significativas hasta obtener entre 30 y 40 variables que dan la información necesaria sobre la enfermedad y, además, "de forma más fiable que otras fórmulas conocidas hasta el momento, ya que las tasas de predicción son más altas, y se calculan en un menor tiempo", concretan. Y es que, como señala Francisco Escolano y Boyán Bonev, "el principal problema es la complejidad de las combinaciones y, sin esta teoría, ni siquiera el ordenador más potente que podamos encontrar hoy en día podría calcular todas las variables, ya que las combinaciones son finitas, pero muy elevadas".
No obstante, reconocen que, "a partir de ahí, ya son los médicos o los bioquímicos los que tienen que estudiar los resultados. Nosotros sólo ponemos a su disposición la metodología o la técnica".
Por otro lado, los investigadores también colaboran en la actualidad, junto a un centro de investigación italiano, en la aplicación de la teoría de la información al reconocimiento y clasificación de objetos tridimensionales, como, por ejemplo, estatuas. El objetivo es extraer características relevantes a partir de la estructura. De esta forma, la información que se obtiene permite el procesamiento informático y la organización de grandes bases de datos de estructuras tridimensionales. "Analizar estructuras también ha planteado muchos problemas hasta ahora y esta metodología permite seleccionar las características estructurales que pueden ser relevantes para estudiarlas y conocer un poco más acerca de ellas", relatan.
A juicio del director del grupo, "esta técnica pone de manifiesto que la combinación de las matemáticas y los ordenadores, que deriva en lo que conocemos como computación, permite obtener conclusiones prácticas y muy útiles en distintos campos, en este caso en el de la medicina y en el del arte". Asimismo, Francisco Escolano apunta que, "pese a lo que tradicionalmente entiende la gente, computación no es sólo hacer un software, sino también procesar información en un tiempo razonable". De hecho, Boyán Bonev añade que "cada vez tenemos más información que crece a un ritmo mucho mayor que la capacidad de procesamiento de los ordenadores y, con tener máquinas no es suficiente, ya que es necesario saber cómo se puede procesar esa información".