Simulación Computacional

¿Alguien se imagina que un piloto de aviación pueda empezar a conducir un avión sin haber probado antes cómo va a responder la aeronave ante una tormenta, una pista de aterrizaje en malas condiciones o la aparición de un fallo electrónico? Desde hace más de un siglo se realizan simulaciones computacionales para que los pilotos puedan comprobar cómo sería el vuelo en cada una de esas circunstancias y tomar en cada caso las medidas oportunas.

Pero, ¿a qué nos referimos cuando hablamos de una simulación computacional? Nos referimos a ejecutar un programa en un ordenador, o varios ordenadores, para saber cómo va a comportarse el sistema que estamos representado en ese programa. En el ejemplo anterior, ese sistema sería el del funcionamiento del avión y se modelaría matemáticamente a través de un conjunto de ecuaciones que relacionarían cómo va a ser el vuelo en función de las características del avión y de otras variables relacionadas con las condiciones de vuelo.

Si bien en el campo aeronáutico el uso de la simulación computacional está muy extendido, existen otros campos en los que ha costado más que la simulación entrara a formar parte de sus investigaciones. En el campo de la biomedicina, por ejemplo, la simulación ha empezado a tomar un papel más relevante en las últimas décadas. Aun así, existen todavía muchos ejemplos en los que la simulación computacional no está suficientemente explotada aun cuando podría ser de gran ayuda. Un ejemplo de ello es el diseño y la evaluación de fármacos.

Actualmente los efectos de nuevos compuestos farmacológicos se analizan en muchas ocasiones a través de experimentación in vitro o in vivo en animales y, en las últimas fases de evaluación, en ensayos clínicos en humanos. En este proceso se invierte gran cantidad de tiempo y de dinero probando muchos posibles candidatos a fármacos, de los cuales al final sólo un 1% consigue llegar al mercado y no siempre con las garantías de seguridad necesarias.

Para hacernos una idea, cada medicina que es aprobada para su uso comercial supone a la industria farmacéutica un coste aproximado de 1000 millones de euros y tarda alrededor de 13 años en pasar todos los controles. En este caso, el uso de técnicas de simulación computacional, combinadas con métodos experimentales y clínicos, podría ser de gran ayuda, pues permitiría optimizar la identificación de aquellos compuestos con un perfil más adecuado y ello contribuiría a reducir el tiempo y coste asociados.

Un área donde lo anterior cobra especial relevancia es la que se refiere al corazón. Los controles para determinar la eficacia o toxicidad de un fármaco deben ser particularmente rigurosos, pues un efecto inesperado podría suponer la muerte del paciente en un tiempo relativamente corto. En la actualidad se trabaja en el desarrollo de modelos que permitan simular en un ordenador el funcionamiento del corazón. Estos trabajos necesitan aglutinar los conocimientos de médicos, ingenieros, matemáticos y biólogos, entre otros, para reproducir fenómenos observados experimentalmente en el laboratorio o en pacientes tratados en la clínica.

Al emular la situación real de una forma controlada en el ordenador, es posible dar respuesta a cuáles podrían ser las causas de, por ejemplo, ciertas enfermedades cardíacas. Incluso, yendo un paso más allá, la simulación computacional podría ayudar a predecir determinados comportamientos (p. ej., referidos a la evolución de la enfermedad que se ha simulado o también al efecto de un fármaco transcurrido un tiempo tras su administración).

Existen también investigaciones computacionales que podrían ser de gran ayuda para incrementar la esperanza y calidad de vida de la población. Algunos de estos estudios proponen evaluar en el laboratorio determinadas características de células y tejidos cardíacos de un conjunto de personas para posteriormente reproducir éstas mediante modelado y simulación computacional. Con ello, se quieren extraer patrones de envejecimiento que faciliten la identificación de personas con alto riesgo de sufrir eventos cardíacos adversos.

A pesar de las innumerables aportaciones que ofrece la simulación computacional, hay que ser muy cauto acerca de su uso. Una simulación siempre arrojará un resultado, pero para que de éste pueda extraerse una conclusión certera es necesario conocer muy bien tanto el modelo como los métodos numéricos empleados en la simulación e interpretar adecuadamente los resultados obtenidos.

En este sentido, debe tenerse presente que los resultados se ajustarán tanto más a la realidad cuanto más realista sea el modelo utilizado. Para ello se requiere que los modelos se desarrollen basándose en datos experimentales y/o clínicos y posteriormente se validen mediante nuevos conjuntos de datos. Sin embargo, no siempre añadir complejidad al modelo ayudará a que éste ofrezca una representación más fiel de la realidad. Parafraseando al físico Albert Einstein: “Todo debería hacerse tan simple como sea posible, pero no más simple que eso”.

No obstante, teniendo en cuenta que un modelo no va a poder nunca representar toda la realidad, sí que es cierto que puede ayudar a entenderla y a guiar el desarrollo de nuevas ideas que luego podrán confirmarse empíricamente. Gracias a los avances en la capacidad de cálculo de los ordenadores y al mejor uso de ellos para que trabajen en paralelo en la resolución de un problema, es posible hoy en día abordar estudios que requieren una carga computacional intensiva para, por ejemplo, representar la variabilidad existente en fenómenos biológicos o reproducir múltiples escenarios de incendio en un edificio.

Además, mediante la simulación también es posible arrojar luz sobre problemas que son muy costosos o peligrosos de llevar a cabo en el laboratorio, estudiar comportamientos a largo plazo y, en el caso del funcionamiento de nuestros órganos, ayudar a reducir la experimentación que hoy en día se realiza con animales. En definitiva, la simulación puede ayudarnos a invertir mejor nuestro tiempo y nuestro dinero y a mejorar el conocimiento científico a todos los niveles.