Marcos Matabuena, investigador gallego en Harvard: «Bill Gates acaba de predecir que en diez años los médicos tendrán un rol bastante diferente al actual»

Marcos Matabuena ha pasado de las páginas de deportes a las de sociedad. En su pasado, competía en pruebas de medio fondo y obstáculos como atestiguan algunas crónicas que permanecen tras una búsqueda online. Llegó a obtener buenos resultados en los campeonatos gallegos. Una lesión cortó aquello y le llevó a interesarse por las visiones más académicas de la actividad física. Primero, a través de la fisiología del esfuerzo; después, a través de la matemática aplicada a la competición. De los números hizo carrera. De ahí, a un máster de estadística. Después, un doctorado es de Computer Science —ciencia computacional— y un posdoctorado es en el Departamento de Biostadística de la Universidad de Harvard. Nacido en 1993, ahora forma parte de la disciplina que parece destinada a revolucionar la práctica médica. Desde ayer, da a conocer los resultados de sus investigaciones en el Foro Mundial sobre las Tendencias de la Diabetes que se celebra hasta el sábado en Santiago de Compostela

—¿Qué hace en Harvard?

—Nuestro objetivo principal es desarrollar algoritmos matemáticos para el campo de la salud digital. Actualmente, con los nuevos sensores médicos, somos capaces de recoger información en tiempo continuo. Buscamos aprovechar esta información extra que nos permiten las mejoras tecnológicas para desarrollar métodos específicos de análisis de datos. Nos centramos en datos en tiempo continuo en enfermedades como la diabetes o la esclerosis lateral amiotrófica, por ejemplo. En ELA, tenemos datos de actividad física de 300 pacientes durante dos años de forma continua, que es algo muy complejo porque es una enfermedad rara con una incidencia de entre uno y cinco pacientes por cada 100.000. Y tenemos datos de 300 o 400 pacientes durante dos años obtenidos de forma continua a través de los datos del móvil.

—¿Con un móvil normal?

—Sí. En un móvil normal, registramos la actividad física, y somos capaces de predecir el tiempo de vida de esos pacientes con una precisión que supera en un 20 % a los métodos tradicionales, que se basan en test de valoración funcional pulmonar o encuestas que se hacen a los pacientes con distintas escalas de valoración funcional. Es decir, usando datos en continuo de los patrones de movimiento en los pacientes, de cómo mueve las manos, tenemos la habilidad de predecir la evolución un 20% mejor. Obviamente, no es lo mismo que un sensor que únicamente mida la actividad física. Pero exploramos cómo detectar cambios de estados de ánimo de pacientes o situaciones de demencia en gente mayor en estadios tempranos.

—¿Cómo se detectan cambios en el estado de ánimo?

—A partir de la medición continua de variables fisiológicas, como la variedad de frecuencia cardíaca o los patrones de movimiento, se puede crear una escala del estado de ánimo del paciente. Partimos del reconocimiento del habla, o en base a los cambios de su patrón funcional. Estas mediciones no son tanto para realizar una valoración del paciente, sino más bien para detectar cambios a lo largo del tiempo. Todos tenemos determinado nivel de actividad física y cualquier cambio de patrones de movimiento puede servir para detectar ciertos cambios en el estado de enfermedades neurodegenerativas o de enfermedades mentales. Es el registro longitudinal de esta información la que permite detectar evoluciones de los estadíos de los pacientes.

 —Entiendo que aquí se van a plantear debates éticos. Al final, se trata de adentrarse en la salud de las personas a través de  sus dispositivos móviles.

—De hecho, en los últimos diez años se ha desarrollado un área de estadística llamada el «área de la privacidad». Los fundamentos teóricos fueron desarrollados por una tesis de un investigador llamado John Duchi, que ahora es profesor en Stanford. Obviamente todos los métodos estadísticos y el Machine Learning, Data Science o como quieras llamarlo, van a tener que implementarse junto a métodos estadísticos de privacidad.

—¿Pero la idea es tan solo monitorizar, a través del móvil, a pacientes o también a la población general para prevenir patologías?, ¿tenemos suficiente capacidad para manejar el nivel de datos de las poblaciones de países enteros?

—Ahora mismo, por ejemplo, en España hay un estudio de la salud, el IMPaCT, que involucra a más de 200.000 pacientes. En Estados Unidos hay un estudio que se llama All of Us, que involucra a diez millones de pacientes. En Israel tienen el estudio más avanzado de la actualidad sobre gente sana, sin enfermedades. Al final, esto depende del acceso tecnológico de la población a estos dispositivos. Hay que diferenciar entre lo que es la transferencia clínica y la investigación pura, porque estos estudios que acabo de mencionarte están orientados a obtener nuevos conocimientos clínicos con la monitorización de miles de pacientes. Pero una vez que se obtengan los modelos predictivos, estos se trasladan a la población. Y esa población va a tener que usar estos dispositivos. La pregunta que me hace es pertinente, porque las compañías de medicina de sensores médicos ya están casi en el límite tecnológico en la capacidad de monitorización de muchas enfermedades. Los dispositivos pueden llegar a ser un poco más pequeños, pero no va a haber diferencias sustanciales. El salto tecnológico de las empresas médicas es explotar los datos de los pacientes para hacer medicina. El gran salto tecnológico pasará a ser desarrollar dispositivos de medición equipados con algoritmos matemáticos para optimizar las decisiones clínicas.

—Habitualmente pensamos en un algoritmo como una entelequia, quizás los relacionamos mucho con las redes sociales y no tanto como un concepto matemático. ¿Para qué nos vale un algoritmo en salud? Póngame algún ejemplo.

—El uso intensivo de algoritmos predictivos basados en técnicas matemáticas, estadísticas, es fundamental, porque queremos optimizar la toma de decisiones clínicas basándonos en la evidencia del propio individuo, en el historial de registros del propio individuo. Tradicionalmente, la medicina se ha enfocado en lo que es beneficioso para el sujeto medio de la población de estudio. Pero ahora queremos hacerlo a nivel personalizado, individual, y por eso queremos usar algoritmos, usando las caracterizaciones fenotípicas que registramos con los sensores para optimizar las decisiones clínicas a nivel de individuo. 

—En España o en cualquier país, si tienes una infección, te dan un amoxicilina de 500. Peses lo que peses, midas lo que midas. ¿Es apuntar demasiado alto pensar en un algoritmo que en una consulta a atención primaria te pueda detallar tu dosis antibiótica?, ¿o se va a quedar en conseguir predecir la evolución de un tumor, por ejemplo?

—Aquí hay tres patas. La primera es la medicina preventiva, la segunda es la toma de decisiones en la prescripción de tratamientos y la última es la gestión de enfermedades crónicas. Si yo soy una persona sana, uso estas tecnologías en medicina preventiva para ralentizar la aparición de diabetes con hábitos de vida saludables, actividad física y dieta. Si ya soy una persona con diabetes, puedo disponer de datos para determinar cuál será mi tratamiento óptimo desde un punto de vista farmacológico o no farmacológico. Y después está el tema de gestión de enfermedades crónicas. Se puede usar en cualquiera de estas tres direcciones y, aunque parezca un poco descabellado, seguramente el coste de efectividad vaya a ser mucho mayor en medicina preventiva que, por ejemplo, en oncología, donde de lo que se trata es de maximizar la supervivencia de los pacientes en muchos tumores.

¿Por qué a un perro le calculan la dosis de antibiótico respecto a su peso y a mí no?

LOIS BALADO

—¿Por qué quiso dedicarse a la investigación? Porque siendo matemático y sabiendo lo que entiendo que sabe, es un sector donde hay importantes salarios en grandes corporaciones.

—En primer lugar, creo que una actividad en la industria no es incompatible con una labor investigadora. De hecho, está mejor pagado un puesto de bioestadístico o de experto en inteligencia artificial en medicina que el de un ingeniero de software en empresas como Meta. Me he acabado dedicando a un área donde hay pocos matemáticos. En Estados Unidos hay más, porque hay departamentos de bioestadística, cosa que en Europa es extraño. Pero soy una persona relativamente joven y me estoy formando. No creo que sea incompatible pensar en una carrera en la industria con estar unos años dedicado a la investigación, contribuyendo a mejorar la sociedad y adquiriendo nuevos conocimientos en un campo emergente. Yo recomiendo a la gente que haga doctorados y que se forme más, porque ahora las cosas van mucho más rápido. Seguramente, en estos dos próximos años, las cosas vayan a cambiar más rápido que los últimos veinte debido a la irrupción de la inteligencia artificial. Pero es que a mí me gusta muchísimo la investigación. Yo, en el pasado fui deportista semiprofesional...

—Disculpe, ¿semiprofesional de qué?

—Corriendo. Gané medallas en campeonatos gallegos y me gustaba mucho el entrenamiento deportivo. Pero tuve una lesión muy importante y me dediqué a leer muchos libros sobre fisiología deportiva. Además, siempre me han gustado mucho esos vínculos entre las matemáticas y el deporte. Recuerdo que cuando hice la selectividad, era un adicto al deporte. Le decía a mi profesora que el futuro del entrenamiento deportivo eran las matemáticas. Me decía que eso era imposible, que el deporte nunca serían matemáticas. Tres meses después de llegar a Harvard, estaba dando una charla como invitado en la principal conferencia del mundo de estadística y del deporte, donde están equipos de la NBA. En Estados Unidos, la analítica de datos en el deporte es un campo que ofrece oportunidades, de hecho, he recibido ofertas laborales en cuestiones de biomecánica o de análisis de deportes de equipo. 

—Ha hecho referencias a alguna empresa tecnológica, ¿qué tienen que ver con la salud?

—Meta y este tipo de empresas están contratando a personas orientadas en la salud digital. De hecho, conozco a gente a la que han ofrecido salarios astronómicos. 

—Llama la atención, porque a veces pensamos en Meta como sinónimo de Facebook, WhatsApp y no sabemos mucho más.  

—Piensa en Europa, donde la economía va a cambiar hacia la llamada silver economy. Actualmente, la edad media en Europa es diez años mayor que en Estados Unidos. Va a nacer una nueva economía relacionada con la gestión de gente mayor. Estas compañías, capaces de obtener datos personales sobre nosotros, como de la voz, de nuestras preferencias en redes sociales o datos de actividad física, van a dar un salto considerable al campo de la salud, al igual que Google, que está contratando a expertos en inteligencia artificial en medicina. Es un salto natural porque tenemos que maximizar la calidad y la esperanza de vida de esta población. Hay un gran nicho de mercado.

—Siempre se ha hablado del doctor Google, pero nadie pensó que fuese de manera tan literal.

—Bill Gates dijo hace unos días que en diez años los maestros y los médicos iban a tener un rol bastante diferente al actual. De hecho, hoy en día con herramientas de inteligencia artificial generativa, tenemos la habilidad de aprender más rápido; de acelerar la práctica científica. Este año, los Nobel premiaron el descubrimiento de nuevas estructuras químicas gracias al uso de inteligencia artificial. La forma de educar a la gente va a cambiar sustancialmente. Ahora vivimos en un mundo digital. Puede asustar, pero el mundo en el que vivimos es diferente al que había hace veinte años. Mi método de análisis de datos de la glucosa parecía muy abstracto hace dos o tres años. Una persona de Harvard llego a decirme que, aunque pudiese ser una muy buena idea, podrían pasar veinte años hasta que lo usasen los clínicos, que son plazos habituales en ciencia básica. Ahora mismo, tengo constancia de que tres o cuatro empresas farmacéuticas están usando en sus ensayos clínicos de diabetes y en otras enfermedades mis métodos de análisis de datos. Han pasado dos o tres años. Todo va mucho más rápido y se está democratizando el acceso, con estas tecnologías de salud digital, a optimizar la salud de forma más individualizada e, incluso en el campo de la educación, a un acceso más igualitario. Esto, obviamente, tiene grandes riesgos y hay que garantizar que no haya brechas por nivel socioeconómico o cualquier otra cosa. 

—¿Qué opinan los médicos sobre la interrupción de algoritmos matemáticos en su actividad?

—En gran parte del sector hay un cierto miedo. Y también lo tengo yo, que me dedico a desarrollar algoritmos. Pero es natural, siempre que ha habido una gran revolución, como pasó con la revolución industrial, hubo un sector que estaba en contra y otro a favor. No sabemos si aquí será así, pero siempre han acabado suponiendo una mejora, al menos en la calidad y en la esperanza de vida. Esto está por ver, porque el futuro está sin construir, pero ya hay médicos como Eric Topol que hace más de diez años avisó de que la medicina iba a ser completamente digital. Él veía esto como una oportunidad para que la medicina se centren más en el aspecto humano. Hoy en día sabemos que los médicos pueden tener una alta carga asistencial, que tienen un tiempo contado para cada paciente, pero si disponen de herramientas que les ayuden a mejorar los diagnósticos y los tratamientos, pueden tener más tiempo para comunicarse con los pacientes. Y hay mucha evidencia que esta comunicación y este trato humano tiene poder curativo. Las palabras curan, esto ya lo decían los griegos hace más de 3.000 años. 

---

---

---