Mejorando la Supervivencia en Cáncer de Mama

El Instituto Nacional para el Cáncer (National Cancer Institute) publica una noticia sobre como ha estado mejorando la supervivencia de las mujeres que en ese país padecen un cáncer invasivo de mama. Según la mencionada institución, un estudio conducido por Mitchell H. Gail y William F. Anderson muestra que las tasas de supervivencia, después del diagnóstico, han mejorado para todas las mujeres afectadas por la enfermedad local y regionalmente (área alrededor del tumor).

Las mujeres diagnosticadas antes de los 70 años han experimentado menor tasa de mortalidad a corto plazo (menos de 5 años), incluso en casos de metástasis. Y las tasas de supervivencia después de los primeros 5 años han mejorado también, entre las personas con enfermedad local y regional, en todas las edades.

Un indicador que también ha mejorado es la realización del diagnóstico con tamaños de tumor más pequeños lo que ha sido determinante en la mejora de la supervivencia sobre todo en las mujeres de más de 70 años.

En la noticia se argumenta que los cambios en el estatus sobre recepción de estrógeno (ER status) no han influido determinantemente en la mejora. Este último indicador es un examen que determina si las células pueden recibir, de las hormonas, señales que estimulen su crecimiento.

En general, se concluye que lo que ha mejorado el pronóstico es la evolución de los procedimientos para el diagnóstico. Es importante la responsabilidad individual y de las institucioes para llevar adelante buenas prácticas que favorezcan un diagnóstico temprano.

Enseñándole a las Máquinas a Entendernos

La revista Technology Review del MIT trae un artículo de Tom Simonite con el título Teaching Machines to Understand Us, sobre el tema de una tendencia en la Inteligencia Artificial. El artículo es bastante extenso y no se pretende aquí cubrir todos los detalles que Simonite explora.

Aunque la idea de la Inteligencia Artificial es algo antigua ya y tiene orígenes en los años 50 del siglo pasado, el artículo comienza recordando como en el año 1995 el investigador francés Yann LeCun tenía la idea de que imitar ciertas características del cerebro era la mejor forma de hacer máquinas inteligentes. LeCun, trabajando con Bell Labs, logró hacer software que simulaba, de forma aproximada, neuronas para leer texto manuscrito después de revisar un número de ejemplos. Este tipo de software se pudo aplicar a la lectura automatizada de cheques y planillas bancarias escritas a mano y se pensaba que era el comienzo de un desarrollo que lograría tener muchas otras aplicaciones limitadas hasta el momento a los humanos.

Simonite escribe sobre como el campo, que ahora se ha venido llamando Aprendizaje Profundo (Deep Learning), está ahora muy activo en un competencia dura entre compañías como Google, Facebook, IBM y Microsoft. LeCun trabaja ahora para Facebook en el Grupo de Investigación en Inteligencia Artificial (FAIR) después de haber estado mucho tiempo en New York University. 

Se argumenta que con el Aprendizaje Profundo se ha logrado tener sistemas para reconocimiento de imágenes y rostros casi tan exactamente como lo haría un humano. La meta actual de LeCun es producir software con capacidades de lenguaje y de sentido común suficientes para sostener una conversación. Esto mejoraría enormemente la accesibilidad y la interacción general con las máquinas.

Dado que el trabajo de LeCun se está haciendo en Facebook, podríamos esperar que esta red social sea pionera en este tipo de interacción mediante una conversación natural.

Algo de Geometría

La geometría hiperbólica se diferencia de la geometría euclidiana en que en la primera no se sostiene el postulado de paralelismo. Este postulado se puede expresar con una axioma equivalente que dice que  en un plano, dada una recta y un punto fuera de ella, cuando mucho se puede trazar una sola recta paralela a la primera que pase por el punto (Axioma de Playfair). En geometría hiperbólica se dice que existen al menos dos rectas paralelas para el caso mencionado.
La geometría de plano hiperbólico es la geometría de superficies tipo silla de montar (que es un paraboloide hiperbólico) con curvatura gaussiana negativa constante.

El propósito de esta publicación no es entrar en demasiado detalle matemático, sino referirme a un artículo publicado en Scientific American titulado Everything Looks Better in the Hyperbolic Plane (Todo Luce en el Plano Hiperbólico), donde Evelyn Lambe cita el trabajo de Malin Christersson. Christersson mantiene un portal sobre Matemática Digital con herramientas para Geometría No-Euclidiana y en particular sobre Teselación Hiperbólica. Teselación es algo como acoplar baldosas para rellenar el plano. Para hacer teselación en el plano euclidiano se pueden usar triángulos, cuadrados o hexágonos, y también muchas formas irregulares. Para ver ejemplos, pueden buscar en Google el término teselaciones de Penrose, o hacer clic en el enlace. En el plano hiperbólico las opciones son mayores.

Utilicé la herramienta de Malin Christersson usando una imagen del científico español Santiago Ramón y Cajal (1852-1934) (quien hizo aportes muy importantes a las neurociencias) para generar la teselación hiperbólica que aquí se muestra.

Confiabilidad en Detección de Cáncer de Mama

La sección iWonder del portal de la BBC contiene un artículo titulado "Why isn't cancer breast screening totally reliable?". Que en castellano sería algo como ¿Por qué la detección del cancer de mama no es totalmente confiable? Se refiere a que en el proceso de detección puede haber errores.
Como justificación al establecimiento de un programa nacional de detección de cáncer de mama se argumenta que más de 11.500 mujeres mueren de este mal cada año en el Reino Unido.
Por esto, el Servicio Nacional de Salud (NHS por sus siglas en inglés) invita a todas las mujeres entre los 50 y 70 años de edad a que se hagan el examen de mama periódicamente. Se busca captar señales tempranas de cáncer de mama, antes de que se extienda demasiado para poder tratarlo exitosamente.
El NHS estima que alrededor de 1.300 muertes por cáncer de mama se evitan cada año como resultado de la revisión. Sin embargo, el proceso no es totalmente confiable. En algunos casos hay falsas alarmas. En otros hay un sobrediagnóstico, donde a una mujer se le llega a aplicar tratamiento desagradable para un cáncer inofensivo. Y un pequeño número de cánceres pasa inadvertido y no se detecta.
El artículo cuenta con un apoyo gráfico interactivo para explicar porque ocurren las falsas alarmas, los sobrediagnósticos y los casos donde no se detecta.
Las falsas alarmas pueden ocurrir cuando se consiguen células cancerosas en los ductos, donde circula la leche materna. Estas células no son peligrosas en esos ductos pero podrían extenderse y entonces si lo serían. Estadísticamente, solo un porcentaje de los casos donde hay células cancerosas en los ductos terminan extendiéndose y causando daño pero el médico no puede saberlo y dará tratamiento a todos los casos.
Se requiere inversión de capital en investigación para mejorar los métodos de diagnóstico y pronóstico en cáncer de mama y así aumentar la confiabilidad en la detección.
Es un tema muy interesante en todas las poblaciones, pero en países con menos recursos, y también con menos cultura de prevención, se observa que la detección tiende a ser tardía lo que empeora los resultados. Además de investigación se requiere educación.

Midiendo Productividad en las Ciencias

La investigación científica es una actividad humana que requiere inversión de capital y por lo tanto también necesita definir productos cuantificables para poder evaluar el rendimiento y determinar si se justifica el uso de los recursos y en que medida.

En el campo de la investigación biomédica, que se ocupa de desarrollar nuevas moléculas o drogas para tratar enfermedades y extender la esperanza de vida, o mejorar su calidad, existe preocupación por los resultados. Así lo muestra una investigación, referida en Science magazine, del microbiólogo Arturo Casadevall y el médico estudiante de Ph.D. Anthony Bowen del Albert Einsten College of Medicine, donde concluyen que, en los Estados Unidos, el incremento en los fondos para la investigación ha aumentado efectivamente el número de publicaciones, y por lo tanto la base de conocimiento, pero el número de nuevas entidades moleculares aprobadas por la FDA ha permanecido relativamente constante. Igualmente el crecimiento en la esperanza de vida ha sido modesto.

Llama la atención el interés mostrado en evaluar la productividad científica desde diversos ángulos. Esto ocurre también en otros campos de la ciencia e impone retos a los investigadores adicionales a los ya exigentes desafíos del descubrimiento científico.

Jóvenes Innovadores

La revista MIT Technology Review hace un reconocimiento a 35 innovadores que tienen menos de 35 años y que trabajan en diversos campos de la ciencia y la tecnología.

Aquí puede leerse la lista completa de los Innovadores de Menos de 35, 2015.

Aunque todos han hecho aportes valiosos, en esta publicación mencionaré algunos solamente.

Polina Anikeeva, de 32 años, trabaja con nano-optoelectrónica y usa técnicas de fabricación de fibra para crear sensores neuronales con múltiples funciones. Esto con la idea de interactuar con el sistema nervioso, sin cables (wireless) y de manera no invasiva. Otro problema que aborda es el establecimiento de correlaciones entre patrones específicos de actividad neuronal y comportamientos. Mediante este trabajo se puede intentar generar estimulación artificial para la rehabilitación de lesionados.

Canan Dagdeviren, de 30 años, ha trabajado en el desarrollo de parches para la piel que integran sensores muy pequeños y baterías en una goma que se estira y que puede detectar variaciones en la densidad de la piel en el seguimiento del cáncer.

Duygu Kayaman, de 26 años, sufrió pérdida total de la vista a las dos años y medio de nacida. Su aporte es una aplicación para teléfonos móviles que se llama en idioma turco Hayal Ortagim (Mi Socio Ideal) y que ofrece tecnología que convierte texto en voz. El servicio incluye noticias, libros, cursos, lecciones de ajedrez, de guitarra, etc.

Es realmente importante que existan diversas y efectivas formas de estímulo a la investigación y a la innovación. Si se promueve la competitividad y la calidad en el trabajo en ciencia y tecnología pueden verse realizadas muchas aspiraciones de la humanidad.   

Mercado Laboral del Científico

En el portal noticiasdelaciencia.com se aborda el problema del mercado laboral de los científicos que terminan un doctorado y posiblemente investigaciones posdoctorales. Este problema es la inexistencia de una oferta abundante de plazas o puestos permanentes para la estabilidad laboral. El problema con los trabajos predoctorales o posdoctorales es que los salarios son austeros. El resultado es la migración hacia trabajos que no están cerca de la formación científica, en una gran proporción, o hacia investigación en la industria. La estadísticas citadas muestran un aumento en el número de investigadores posdoctorales pero un estancamiento en el número de puestos fijos.

El problema ha sido detectado pero no parece fácil encontrar una solución. Por un lado aumentar el número de puestos fijos requeriría más presupuesto. Alternativamente, pagar más a los investigadores posdoctorales reduciendo el número, para mantener el gasto, cerraría el paso a los doctores en un nivel más bajo y limitaría el número de proyectos a abordar.

Como problema social se sugiere la reflexión sobre si estimular el seguimiento de carreras científicas puede ser contraproducente o si la sociedad debe reconocer el valor de la ciencia e invertir más recortando en otros sectores.

Hawking de cumpleaños

Stephen Hawking cumplió 70 años el pasado 7 de agosto. Hawking padece una enfermedad conocida como esclerósis lateral amiotrófica ELA, la enfermedad de Lou Gehrig quien fue un famoso jugador de béisbol con los Yankees de Nueva York que se retiró debido a los padecimientos de la misma enfermedad. Este mal le fue diagnosticado cuando tenía 21 años y es una interrogante común el cómo ha sobrevivido y producido tanto este científico. Es conocido que vive bajo cuidado permanente y habla a través de un sistema computarizado que él controla con su quijada.

Hawking es conocido por sus investigaciones en el campo de los agujeros negros y la gravedad cuántica. El científico ha trabajado por 30 años como catedrático en la Universidad de Cambridge y es actualmente director de Centro de Cosmología Teórica.

En el artículo publicado por Scientific American se divulga una entrevista realizada al Dr. Leo McCluskey, profesor asociado de neurolgía y director del Centro para la ELA de la Universidad de Pennsylvania. McCluskey explica como la ELA es una enfermedad neurodegenerativa que afecta la neuronas motoras superiores ubicadas en el lóbulo frontal del cerebro, las neuronas motoras inferiores de la médula espinal, o ambos grupos.

El lector seguramente conocerá de la película del año 2013, The Theory of Everything (La Teoría del Todo) que muestra algunos aspectos interesantes de la vida de Stephen Hawking.  

A Modo de Introducción

Me gusta revisar revistas sobre ciencia y tecnología y escribir algunos comentarios sobre algunos de estos artículos que me parecen interesantes. He pensado en experimentar publicando estas notas en este espacio. Quizá sea de utilidad o de interés para algún público leer estas notas y seguir investigando en la materia. La manera de saberlo es intentándolo.