DIAGNÓSTICO CLÍNICO

 

PODCAST

(Literatura digital)

Por Qué una Prueba Médica con 99% de Acierto Puede Estar Equivocada

Introducción: La Complejidad Oculta del Diagnóstico

Para la mayoría de nosotros, una visita al médico sigue un guion familiar: se describen los síntomas, el doctor ausculta, hace preguntas, pide análisis. A veces, como en la viñeta que acompaña este artículo, el paciente puede llegar a sentir que los procedimientos son arbitrarios y pensar: "presiento que todo esto no sirve". Sin embargo, detrás de esa aparente rutina se esconde un proceso de razonamiento complejo y, a menudo, contraintuitivo.

Revelaremos por qué la medicina moderna es tanto una disciplina de escepticismo y estadística como de estetoscopios, y por qué las primeras impresiones, incluso las respaldadas por datos que parecen sólidos, pueden ser profundamente engañosas.

1. El Principio Fundamental: Un Buen Médico Es un Escéptico Metódico

La diferencia clave entre un profesional de la salud y un curandero o "manosanta" no reside en las herramientas, sino en la filosofía. El filósofo de la ciencia Mario Bunge lo denominó "escepticismo metodológico".

Esto no significa que el médico desconfíe del paciente. Significa que debe cuestionar y someter a prueba científica toda la información que recibe, desde los síntomas relatados hasta los resultados de un análisis o la efectividad de un tratamiento. Su deber es evitar conclusiones fáciles pero incorrectas. Mientras que el curandero se basa en la fe y el dogma, el médico se apoya en el método científico, un sistema diseñado para dudar, verificar y validar. Esta postura se rige por la máxima de lo que Bunge llamó "Praxiología científica":

“Conocer antes que actuar”

2. La Paradoja de la Precisión: Cuando una Prueba del 99% de Acierto Falla el 99% de las Veces

Imaginemos un escenario que parece sacado de una película de espías, pero que ilustra un principio matemático vital en medicina.

Supongamos que en una ciudad hay 1 millón de personas inocentes y 100 terroristas. Se instala una cámara de reconocimiento facial que es extraordinariamente precisa: tiene un 99% de acierto, lo que implica una tasa de error de solo el 1%. Si la cámara hace sonar una alarma, ¿cuál es la probabilidad de que la persona señalada sea realmente un terrorista?

La intuición nos grita que la probabilidad es del 99%. La realidad es asombrosa: la probabilidad es de apenas un 0.9%.

¿Cómo es posible? La clave está en el abrumador número de falsos positivos.

• Verdaderos Positivos: La cámara identificará correctamente al 99% de los 100 terroristas. Es decir, 99 aciertos.

• Falsos Positivos: La cámara se equivocará con el 1% del millón de personas inocentes. Es decir, generará 10,000 falsas alarmas.

Cuando suena una alarma, hay 99 terroristas reales y 10,000 inocentes señalados por error. La probabilidad de que esa persona sea un terrorista es 99 / (99 + 10,000), lo que equivale a un 0.9%. Este es un ejemplo clásico de por qué los médicos deben recurrir al razonamiento matemático, como el formulado por el Reverendo Thomas Bayes hace más de 200 años, para no dejarse engañar por resultados que parecen evidentes.

3. El Dilema de la Enfermedad Rara: Por Qué un Positivo No Siempre Es un Diagnóstico

Veamos un ejemplo más cercano a la consulta médica.

Una prueba de laboratorio se utiliza para detectar una enfermedad rara que afecta solo a 1 de cada 1,000 personas. La prueba tiene una tasa de falsos positivos del 5% (es decir, el 5% de las personas sanas darán positivo incorrectamente). Se elige a una persona al azar de la población y su resultado es positivo. ¿Qué probabilidad tiene de estar realmente enferma?

De nuevo, la intuición falla. El resultado, basado en los datos, es que la probabilidad de que el paciente tenga la enfermedad es de solo un 1.88%.

Para entender por qué, imaginemos un grupo de 1,000 personas representativas de la población:

• Enfermos y Sanos: Según la prevalencia, en este grupo habrá 1 persona enferma y 999 personas sanas.

• Verdaderos Positivos: La prueba detectará correctamente al enfermo (asumiendo una alta sensibilidad, el cálculo exacto nos da 0.95 casos).

• Falsos Positivos: La prueba dará un positivo erróneo en el 5% de las 999 personas sanas. Esto genera casi 50 falsas alarmas (49.5).

Cuando el laboratorio informa de un positivo, hay aproximadamente 50 falsas alarmas por cada acierto real. Por eso la probabilidad de estar enfermo es tan baja (0.95 / (0.95 + 49.5) ≈ 1.88%).

Los dos ejemplos anteriores ilustran un sesgo cognitivo conocido como la falacia de la tasa base. Nuestra mente se aferra a la precisión de la prueba (99% o 95%) e ignora el dato más importante: la bajísima probabilidad inicial (la "tasa base" o prevalencia) de que la condición exista.

4. La Realidad del ECG: Una Herramienta Poderosa, pero No Infalible

Pero, ¿qué ocurre cuando la enfermedad no es rara? Consideremos el uso de un electrocardiograma (ECG) para diagnosticar la Hipertrofia Ventricular Izquierda (HVI) en pacientes con Hipertensión Arterial (HTA). Aquí, la tasa base cambia por completo.

Las estadísticas clave son las siguientes:

• Prevalencia de HVI en pacientes con HTA: 30%. Es una condición común en este grupo, no una rareza.

• Especificidad del ECG: 95% (identifica correctamente al 95% de los pacientes sanos).

• Sensibilidad del ECG: 43% (identifica correctamente solo al 43% de los pacientes que sí tienen HVI).

A primera vista, la baja sensibilidad (43%) es preocupante. Significa que el ECG no detecta la HVI en más de la mitad de los pacientes que realmente la padecen. Esto lo convierte en una herramienta de cribado (screening) bastante deficiente.

Sin embargo, aquí es donde el razonamiento se vuelve crucial. A pesar de su baja sensibilidad, si un paciente con HTA obtiene un resultado positivo en el ECG, el Valor Predictivo Positivo (VPPP) es del 79%. Esto significa que hay una probabilidad del 79% de que realmente tenga la enfermedad.

Esta es la lección sofisticada: una prueba no es simplemente "buena" o "mala". El ECG para HVI es deficiente para descartar la enfermedad (pasa por alto muchos casos), pero es una señal muy fiable cuando da positivo. Un buen diagnóstico depende de entender estos matices y no tratar ningún resultado como una verdad absoluta.

Conclusión: Pensar, No Solo Creer

El proceso del diagnóstico médico es una empresa profundamente científica y lógica que exige cuestionar suposiciones y comprender el verdadero significado de los datos. No se trata de creer, sino de analizar. Esta mentalidad, que el médico aplica a través del "Cientificismo", es también la base de su responsabilidad social y su "Rendición de cuenta"  ante el paciente: cada conclusión debe estar respaldada por un razonamiento basado en el método científico.

FACULTAD DE MEDICINA UNNE 2016