La ciencia médica ha asumido durante mucho tiempo que, para comprender la salud y el comportamiento humano, es mejor estudiar a un gran grupo de personas. Sin embargo, una nueva investigación liderada por la Universidad de California, Berkeley, sugiere que este enfoque de big data puede estar muy alejado de la realidad. Esto se debe en gran parte a que las emociones, el comportamiento y la fisiología varían considerablemente de una persona a otra y de un momento a otro. Por lo tanto, promediar los datos recopilados de un gran grupo de personas en un momento dado solo ofrece una instantánea, y una instantánea borrosa, según los investigadores.
Los hallazgos, publicados esta semana en la revista Proceedings of the National Academy of Sciences, tienen implicaciones para todo, desde la minería de datos en las redes sociales hasta la personalización de terapias de salud, y podrían cambiar la forma en que los investigadores y los médicos analizan, diagnostican y tratan los trastornos mentales y físicos.
“Si quieres saber lo que sienten las personas o cómo se enferman, debes investigar a los individuos, no a los grupos”, dijo el autor principal del estudio, Aaron Fisher, profesor asistente de psicología en UC Berkeley. “Las enfermedades, los trastornos mentales, las emociones y los comportamientos se expresan dentro de las personas individuales, a lo largo del tiempo. Una instantánea de muchas personas en un momento dado no puede capturar estos fenómenos”.
Además, las consecuencias de seguir confiando en datos de grupo en las ciencias médicas, sociales y del comportamiento incluyen diagnósticos erróneos, prescripción de tratamientos incorrectos y perpetuación de teorías científicas y experimentos que no están adecuadamente calibrados a las diferencias entre individuos, según Fisher.
Sin embargo, hay una solución al alcance: “Las personas no deberían perder la fe en la ciencia médica o social”, dijo. “En cambio, deberían ver el potencial de realizar estudios científicos como parte de la atención de rutina. Así es como realmente podemos personalizar la medicina”. Además, señaló que “las tecnologías modernas nos permiten recopilar muchas observaciones por persona de manera relativamente fácil, y la informática moderna hace posible el análisis de estos datos de formas que no eran posibles en el pasado”.
Fisher y otros investigadores de la Universidad de Drexel en Filadelfia y la Universidad de Groningen en los Países Bajos utilizaron modelos estadísticos para comparar datos recopilados de cientos de personas, incluidas personas sanas y aquellas con trastornos que van desde la depresión y la ansiedad hasta el trastorno de estrés postraumático y el trastorno de pánico. En seis estudios separados, analizaron datos a través de encuestas en línea y en teléfonos inteligentes, así como pruebas de electrocardiograma para medir las frecuencias cardíacas. Los resultados mostraron consistentemente que lo que es cierto para el grupo no necesariamente es cierto para el individuo.
Por ejemplo, un análisis grupal de personas con depresión encontró que se preocupan mucho. Pero cuando se aplicó el mismo análisis a cada individuo en ese grupo, los investigadores descubrieron amplias variaciones que iban desde cero preocupaciones hasta angustias muy por encima del promedio del grupo. Además, al analizar la correlación entre el miedo y la evitación, una asociación común en la investigación grupal, encontraron que para muchas personas, el miedo no les causaba evitar ciertas actividades, ni viceversa.
En resumen, este estudio destaca la importancia de estudiar a los individuos en lugar de confiar únicamente en datos de grupos. Comprender las diferencias individuales en emociones, comportamientos y fisiología es fundamental para un diagnóstico y tratamiento más preciso de trastornos mentales y físicos. La personalización de la medicina y la atención médica es el camino hacia adelante, aprovechando las tecnologías modernas para recopilar y analizar datos de manera más efectiva.
