Elogio de la incertidumbre: la duda como motor del progreso científico 

En el último año, marcado por la pandemia, la ciencia ha saltado a los titulares de los medios de comunicación y se ha visto expuesta como nunca antes. A la vez que veíamos avanzar en tiempo real nuestro conocimiento sobre el virus, también se han puesto de manifiesto los entresijos y las limitaciones del sistema científico. En muchos casos, la sociedad los ha interpretado como debilidades, lo que ha generado confusión y desconfianza.

La sociedad, acostumbrada a un discurso político tajante y sin fisuras, pide certezas. La ciencia, en cambio, es pura incertidumbre. Esa es su mayor virtud. Este contraste entre lo que se reclama y la realidad viene, en gran parte, del desconocimiento de cómo funciona el método científico. Repasemos algunos de sus pilares.

En el origen de todo está la duda

La ciencia empieza siempre con una pregunta: cuál es el origen del virus, qué método tiene mayor sensibilidad para detectarlo, o qué eficacia tiene una nueva vacuna para prevenir la enfermedad.

Para responder a cada una de ellas los científicos diseñan un experimento específico con las técnicas que tienen a su alcance, obtienen una serie de resultados y los interpretan. Con suerte, los experimentos pueden responder a la pregunta inicial, aunque con más frecuencia lo que ocurre es que entonces surge otra pregunta y son necesarios más. A partir de la interpretación del conjunto de evidencias acumuladas daremos la mejor respuesta que podamos a la pregunta inicial.

Podemos visualizar este proceso imaginando que la naturaleza es una noche muy oscura. Cada vez que hacemos un experimento y obtenemos nuevos datos, se enciende una bombilla que ilumina un rinconcito de esa noche con su respuesta a nuestra pregunta. Sin embargo, la bombilla también dejará en semipenumbra otras zonas de la noche y nos hará preguntarnos qué hay allí. Tendremos una nueva duda, una nueva pregunta, y realizaremos más experimentos para encender más bombillas.

Así, poco a poco, iremos iluminando nuestro conocimiento de la naturaleza.

Este proceso continuado de experimentos en serie que van proporcionando cada vez más información lo hemos visto a lo largo del 2020 con el SARS-CoV-2.

Para responder a la pregunta “¿cuál es el origen del virus?” los científicos leyeron la secuencia de uno de los cuatro genes del virus, el gen S, que codifica para la proteína de la espícula, que es la que permite al virus entrar en las células humanas. Compararon esta secuencia con la de otros virus conocidos y realizaron estudios estadísticos parar determinar su grado de parentesco y, así, establecer una especie de árbol genealógico de su evolución.

Dada su gran similitud con virus de murciélago y que los pequeños cambios en la secuencia son compatibles con mutaciones naturales aleatorias, la interpretación más razonable es que el virus deriva de otros virus de murciélago. Sin embargo, aún existen algunas dudas y es posible que algún día sepamos con mayor precisión su origen. Es decir, todas las evidencias apuntan a un origen natural. Y, por el contrario, no hay ninguna evidencia de un origen artificial, que necesariamente implicaría un “corta-y-pega” de distintas secuencias que dejaría un rastro fácilmente identificable.

Por tanto, a la pregunta “¿ha sido el SARS-Cov-2 creado artificialmente en un laboratorio” la respuesta corta es “no”; aunque la respuesta más correcta es “con las evidencias que tenemos hoy, es muy improbable que tenga un origen artificial”.

La sociedad demanda respuestas breves, contundentes, sin margen de duda. Sin embargo, los científicos somos conscientes de que pueden llegar nuevas evidencias obtenidas con otros métodos que nos hagan replantearnos la respuesta.

Las limitaciones de los métodos de medida

Los científicos también somos conscientes de las limitaciones que existen en cualquier proceso experimental, empezando por las de los métodos de análisis utilizados.

Por ejemplo, para pesar ingredientes en la cocina utilizamos unas balanzas especiales que pesan en gramos. No se nos ocurriría pesar la levadura que necesitamos para hacer un bizcocho en la báscula de baño porque esta no detecta cantidades tan pequeñas.

Del mismo modo, los métodos que se utilizan para detectar la infección por SARS-CoV-2 también tienen un límite de detección. Por ejemplo, los métodos basados en la detección de genes del virus, como el método de la PCR, tienen mucha más resolución que los basados en la detección de proteínas del virus, como los métodos de detección de antígenos.

Esto es porque la PCR amplifica miles de veces la señal procedente del virus, permitiéndonos detectar cantidades muy pequeñas. Por el contrario, los test de antígenos no amplifican la señal, por lo que hace falta que la persona tenga una carga viral mucho más alta para dar positivo en este test. Es decir, los test de antígeno pueden dar lugar a “falsos negativos”: gente que sí está contagiada, pero tiene niveles del virus muy bajos y es probablemente asintomática, aunque sí pueda ser contagiosa.

Además del límite de detección de cada técnica, otra fuente de error son las propias personas que participan en el proceso científico: desde la enfermera que toma la muestra, hasta el técnico del laboratorio que realiza la PCR, o el médico o investigador que diseña el experimento y compila los resultados.

Cada parte del proceso, por muy controlado que esté, es susceptible de error, como cualquier otra actividad humana.

El problema del diseño experimental

La última limitación es debida a que la mayor parte de los experimentos se hacen tomando muestras en grupos pequeños, cuyos resultados se extrapolan después al resto de la población.

Pongamos, por ejemplo, que se quiere medir la intención de voto de cara a unas elecciones generales: sería imposible preguntarle a cada uno de los 47 millones de españoles a quién piensan votar, por el tiempo y el coste que supondría. En lugar de eso, lo que se hace es un muestreo aleatorio en un grupo más pequeño, a partir del que se estima la intención de voto de toda la población.

¿Dónde está la dificultad? En la palabra “aleatorio”. Es decir, una muestra con sesgo o no aleatoria no permitiría una buena estimación del resultado de las elecciones.

Este tipo de problemas de sesgo debido a un mal muestreo también podrían afectar a las vacunas, porque se testan en grupos pequeños de personas para predecir el efecto que tendrán en la población general.

Precisamente, para evitar este efecto, las vacunas se testan progresivamente en fases de los ensayos clínicos: en la fase 1, las vacunas se prueban en unas pocas decenas de voluntarios para determinar si son seguras y si parecen tener efecto.

Con solo unas pocas decenas de voluntarios no se puede afirmar si tienen efecto o no. Para ello hace falta un estudio de fase 2, donde ya se recurre a varios cientos de voluntarios. Más adelante, en la fase 3, se emplean miles de ellos.

Es en esta fase donde ya puede realizarse un buen muestreo y tener en cuenta el efecto de la vacuna en los distintos grupos de edad, y en función de otras variables como el género y la diversidad racial. Los datos que se han publicado de los ensayos en fase 3 de las vacunas de Pfizer y de Moderna, ensayadas en más de 40 000 y 30 000 personas, respectivamente, revelan un muestreo bastante amplio que permite esperar que las eficacias observadas en los ensayos clínicos se cumplan también en la campaña de vacunación masiva.

Del mismo modo, el hecho de que durante estos ensayos clínicos se haya observado que las vacunas producen un bajísimo porcentaje de reacciones secundarias adversas (y en su mayor parte, muy leves, como dolor de cabeza o cansancio), hace concluir que las vacunas son seguras. En cualquier caso, no está de más evidenciar que, aunque sea un porcentaje muy pequeño, al aplicarlo a los millones de personas que se van a vacunar, resultará en un número notable de personas con reacciones adversas leves e incluso es posible que aparezca algún caso de reacción grave.

La incertidumbre es una parte intrínseca de la ciencia y hay que abrazarla para poder seguir avanzando, porque solo entendiendo lo limitado de nuestro conocimiento actual podemos hacer la siguiente pregunta. Son las bombillas que encendemos las que iluminan el siguiente paso del camino. “Amo las limitaciones porque son la causa de la inspiración”, como dice la cita atribuida a la filósofa estadounidense Susan Sontag. No se fíen del científico que no duda, del que tiene certezas no basadas en evidencias o del que no cambia de opinión cuando se obtienen nuevos datos.

Amanda Sierra recibe fondos del Ministerio de Ciencia e Innovacion, del Gobierno Vasco, y de la Fundación Tatiana Pérez de Guzmán el Bueno. Amanda Sierra es miembro de la Sociedad Española de Neurociencia.

The Conversation. Rigor académico, oficio periodístico