Hola, ¿está Dística? (1): repite y vencerás

Sí amigos, mi particular obsesión con el #festivaldelhumor escala de nivel para constituir el título de un post de manera más que forzada. En fin, es marca de la casa, qué se le va a hacer. Empezamos el año pegando fuerte.

Quería hablaros del hecho de que los que trabajamos en un campo enmarcado en el ámbito de las ciencias de la vida tenemos ciertas carencias formativas - a mi modo de ver - en otras disciplinas imprescindibles como las matemáticas o la física. Con el ejemplo concreto de la estadística aplicada a la biología, pensaba derivar hasta las raíces del problema (si es que lo hay) y de sus posibles soluciones, pero se me adelantó el preclaro Banchsinger con un magnífico post que os recomiendo leer antes de seguir. Cuando volváis, veremos qué puedo añadir yo al respecto.

 Sí, ya sé que está muy vista la viñetita, pero es que es MUY buena.

¿Ya? Bien, pues veamos. Como últimamente está de moda esto de hablar de ciencia, o como nos gusta decir "divulgar" (oig, cómo se nos llena la boca con esto, tengo que escribir un post al respecto), voy a centrarme en intentar explicar porqué es tan importante la estadística, seas biólogo, ingeniero o economista. Como no soy la la persona más ducha en esta disciplina (siemrpe se me ha dado fatal, aunque creo que entiendo para qué sirve), si alguien entre el público piensa que digo alguna burrada por favor, que me corrija en los comentarios.

La ciencia no funciona con opiniones, intuiciones ni con afirmaciones categóricas. Se hace una pregunta, se plantea una posible respuesta, se hace un diseño experimental que permita llegar a dicha respuesta, se recogen datos, se interpretan y se intenta responder. Todas estas actividades entran dentro de lo que conocemos como método científico. Dentro de un conjunto de datos lo bastante grande, se podrá hallar tendencias, agrupaciones, correlaciones. Pero ojito, no vale con decir "ah, mira, parece que estos puntos se ajustan a una recta". No, hay que tirar mano de las matemáticas y comprobar si dichos datos se ajustan a una correlación lineal, o no. Decidir qué grupos de datos son significativos y cuáles no, intentan distinguir el azar de la tendencia. Todo esto deben decírnoslo los análisis estadísticos, no nuestra intuición.


Hasta aquí, una visión idealizada de la ciencia y su metodología. Que el método científico es la mejor herramienta de que disponemos a fecha de hoy para entender el mundo en que vivimos, es algo que poca gente pondrá en duda. Pero el problema es que los que manejan dicho método siguen siendo humanos, con todo lo que ello implica: la subjetividad y el sesgo producidos por nuestra propia personalidad, por nuestros deseos y convicciones, son imposibles de evitar por completo. Porque toda aseveración científica ha de provenir de la confirmación o rechazo de una hipótesis de partida, y esta decisión de confirmación o rechazo sólo puede tomarse mediante un correcto análisis estadístico.En el trabajo cotidiano todo esto se hace más patente, pues a menudo se pierde la perspectiva global del asunto, y lo único que uno quiere es confirmar o no las hipótesis de trabajo que maneja, Y claro, algunas hipótesis son más jugosas que otras.

Yendo al terreno concreto de la biología molecular, he de reconocer que nuestro trabajo diario se aleja de este marco matemático y objetivo. A menudo realizamos experimentos de poco volumen de datos, en los que se trata de responder preguntas muy puntuales (que no putuales, auqnue a veces también): ¿se fosforila esta proteína? ¿se mueren las células al tratarlas con determinado potingue? ¿vivirán menos estos ratones mutantes? Hacemos un experimento inicial, "de prueba", y según su resultado empezamos a asumir una respuesta a la pregunta. Somos conscientes de que habrá que repetir el experimento varias veces, para poder estar seguros: pero ya tenemos una idea preconcebida de lo que queremos que salga. Es fácil que obtengamos resultados contradictorios en unas cuantas repeticiones, y puede que descartemos como "mal hechos" experimentos que no mostraban lo que esperábamos en un prinicipio. Afortundamente, pocos son lo bastante necios para conformarse con estas pistas endebles que no tienen un refuerzo estadístico: pero también pocos se preocuparán de cuantificar numéricamente las repeticiones y someterlas a análisis estadísticos pertinentes. Y esto pasa porque en la mayoría de ocasiones no tenemos la formación pertinente, no sólo para realizar los análisis estadísticos nosotros mismos  (esto es una tontería, nuestro trabajo consiste en colabroar constantemente y buscar ayuda experta en materias que se nos escapen; por no hablar de los ordenadores, esos grandes compañeros), sino especialmente porque mucha gente no es consciente de la importancia de apoyarse en datos estadísticamente significativos.

Creo que en este campo concreto la formación matemática de los biólogos moleculares es bastante escasa, y aunque conseguimos con el tiempo hacernos más o menos con unas cuantas nociones estadísticas de uso más cotidiano, sigue escapándosenos el auténtico poder e importancia de esta disciplina. Nuestra formación está muy enfocada a memorizar grandes cantidades de información, y aunque se nos ofrecen herramientas para entender los fundamentos físicos y matemáticos de la mayoría de aparatos que utilizamos, no se nos entrena de manera gradual y constante en el uso habitual y constante de las ecuaciones y fórmulas para improvisar soluciones a posibles problemas que podemos encontrarnos. Del mismo modo, las nociones más básicas de las materias que sustentan la biología (química, física) se estudian al principio de las carreras y a menudo se pierden en el olvido cuando sólo hacemos que repetir protocolos y basarnos en recetas diarias. ¿Qué pasa cuando de pronto algo sale mal, no está escrito previamente o hay que modificar protocolos? Pues que o tienes a mano a un compañero más hábil en esas materias (de nuevo la necesidad de equipos multidisciplinares), o a tirar de San Google (¡Oh Wikipedia, Musa entre las Musas!).¿Es esto culpa de la formación universitaria? ¿somos los biólogos/bioquímicos más vaguetes que el resto? ¿sólo me pasa a mí y estoy quedando en evidencia, o es algo generalizado? Me gustaría encontrar respuesta a estas preguntas, si sois tan amables en echar unos comentarios. 

Mientras tanto, y como lección para los jóvenes científicos - de nuestra rama en especial- que lean estas líneas, recordad que el buen jefe nunca os dirá al ver el resultado de un prometedor western blot: "Sí, tiene muy buena pinta" sino que dirá "Sí, tiene muy buena pinta. REPÍTELO".

En la próxima entrega, en vez de meter caña a los del gremio lo que haremos será analizar la importancia de la estadística como método de análisis de nuestra vida cotidiana, que es en realidad de lo que quería hablar cuando me ha salido la vena autocrítica y llorona. No me lo tengan en cuenta.