Usar Google para investigar el cáncer
Noticias relacionadas
En Medciencia ya hemos comentado alguna vez el gran poder que tiene el estudio de redes sociales para la ciencia, por ejemplo, sirven para predecir epidemias. En este artículo nos centraremos en otro tipo de redes: las que realiza Google para clasificar sus búsquedas en el navegador y su uso en la lucha contra el cáncer.
Cada vez que buscas una palabra en Google, la lista de resultados aparece ordenada del más importante al menos. El problema es cómo definir la importancia de cada página web, por ejemplo, si decidiéramos clasificarlas por el número de visitas totales, las páginas web más nuevas (que no son necesariamente las peores) estarían estancadas en las últimas posiciones.
Para evitarlo, Google define la importancia como cuánto de enlazada esté una web con otras. Cada vez que enlazamos una web (como hacemos aquí siempre en las fuentes del final del artículo) indicamos que el contenido de esta web nos ha sido útil e importante.Por lo tanto, una web que esta muy mencionada en otras webs será más importante que otras. De esta manera Google tiene formulas matemáticas que trabajan con estos enlaces, el número de visitas y algún parámetro más, ordenando así los resultados de la búsqueda.
Al clasificar las páginas webs por sus enlaces se forma un dibujo de red, y en esta red existen unas pocas páginas muy enlazadas como Wikipedia (llamadas hubs por los matemáticos) y una multitud de páginas web pequeñas con uno o dos enlaces. A medida que nos alejamos de los hubs las páginas van perdiendo enlaces e importancia de manera progresiva.
![shortmarks-editar](https://s1.elespanol.com/2015/01/22/actualidad/actualidad_5259657_128293606_1081x107.jpg)
shortmarks-editar
El matemático Paul Newton de la Universidad del Sur de California está trabajando con especialistas en cáncer en el estudio de la metástasis. Un tumor es un grupo de células que se multiplican de manera desproporcionada y descontrolada. Si el tumor crece lo suficiente las células cancerosas pueden desprenderse y viajar a través del torrente sanguíneo hasta pegarse a otro tejido y crecer formando un nuevo tumor, a este proceso se le llama metástasis.
Dependiendo de donde se haya producido el tumor inicial (pulmón, hígado, cerebro…) las células tumorales que se desprendan no serán capaces de colonizar todos los tejidos de igual manera, habrá órganos que sean más sensibles a que el nuevo tumor crezca que otros. Para comprobar esta teoría, Paul Newton ha utilizado los algoritmos de búsqueda de Google pero considerando como página web principal el tumor inicial y como páginas web enlazadas los tumores metastásicos.
Para hacerlo, Newton ha usado los datos de autopsias de pacientes con cáncer entre 1920 y 1940, que murieron antes de que existiera la quimioterapia. De esta manera la medicación no interfiere con el comportamiento del tumor, y más importante aún, posteriormente se puede comparar con cómo se comporta el tumor con cada tipo de quimioterapia.
Usando estos cálculos, los investigadores pueden conocer que tejidos son más afectados por la metástasis en cada tipo de cáncer y también predecir cuanto tiempo necesita el tumor para conquistar cada tejido. Por ejemplo, las células tumorales de un cáncer de pulmón colonizan más fácilmente los ganglios linfáticos, la glándula suprarrenal y el hígado; pero colonizan mucho peor en el útero y en la vejiga, haciendo que normalmente el paciente muera sin tener estas zonas afectadas.
El problema es que los resultados proceden de autopsias, y por tanto los tumores ya se han producido y no hay referencias de cuando ha sido detectado cada uno. Para saber que zona ha sido afectada antes y cual después se tiene en cuenta el tamaño del tumor y el número de tumores en el tejido.
Actualmente, se está usando este mismo método con bases de datos más modernas para entender mucho mejor cómo actúa el cáncer y cómo afecta exactamente la quimioterapia a su comportamiento. Seguro que cuando Google creó este método, no pensó en estas nuevas e interesantes aplicaciones.
Fuente | LiveScience
Imagen | Mi+d