(Los acentos fueron
obviados por cuestiones tecnicas)
Un teorema de
Pitagoras de hace 2.500 años halla un uso actual en analisis medicos.
Dos milenios y medio despues de ver la luz por obra de uno de los
matematicos mas famosos de todos los tiempos, el griego Pitagoras,
el teorema que lleva su nombre ha demostrado ser muy eficaz para
identificar el punto a partir del cual la salud de un paciente
empieza a mejorar, a la hora de realizar analisis mas o menos
automatizados de valores de parametros de salud, segun se ha
descubierto en una reciente investigacion. Los autores del estudio
creen que este teorema podria incluso ser la forma mas efectiva de
realizar esa clase de analisis de datos.
Robert Froud, de la Universidad de Warwick en el Reino Unido, y
Gary Abel, de la de Cambridge en el mismo pais, han hecho este
descubrimiento a raiz de su trabajo con curvas ROC (por las siglas
en ingles de Receiver Operating Characteristic, o Caracteristica
Operativa del Receptor). Estas curvas, usadas en un sistema de
analisis conocido como Teoria de Deteccion de Señales, se
desarrollaron inicialmente durante la Segunda Guerra Mundial, para
realizar un tipo de analisis de señales que ayudaba a los
operadores humanos a decidir si una irregularidad en la pantalla
era un objetivo enemigo o barcos o aviones de las fuerzas aliadas.
En los años 80, las curvas fueron adoptadas por epidemiologos para
que les ayudaran a decidir en que momento una persona esta
comenzando a recuperarse de una enfermedad.
Froud y Abel se percataron de que el teorema de Pitagoras es
perfecto para esa labor, llevaron a cabo varios experimentos
utilizando datos reales y, por lo que han comprobado, hay una gran
diferencia entre usarlo o no . Ayuda a identificar el momento a
partir del cual un paciente empieza a mejorar con mas fiabilidad y
precision que otros metodos utilizados habitualmente.
El teorema de Pitagoras es muy
eficaz ayudando a identificar el momento a partir del cual la
salud de un paciente empieza a mejorar, a la hora de realizar
analisis mas o menos automatizados de valores de parametros de
salud. (Imagen: Amazings/NCYT/JMC)
La investigacion se ha presentado publicamente en la revista
academica Plos One, con el siguiente titulo: “Using ROC Curves to
Choose Minimally Important Change Thresholds when Sensitivity and
Specificity Are Valued Equally: The Forgotten Lesson of
Pythagoras. Theoretical Considerations and an Example Application
of Change in Health Status”.
Leido en NCyT
No hay comentarios.:
Publicar un comentario