| : Με ποιον τρόπο κερδίζουμε τα στοιχεία, με ποιον τρόπο μετράμε το αποτέλεσμα και με ποιον τρόπο μετράμε τα αποτελεσματικά είναι αυτά τα στοιχεία πως ακριβώς καθορίζονται. Από την άλλη πλευρά πάντα συμβαίνουν όταν σχεδιάζονται μια τέτοια μεγαλύτερη κατά πόσο αυτά τα στοιχεία, τα οποία αν είχαμε τη δυνατότητα να έχουμε έναν άπειρο αριθμό παρατηρήσεων και έναν άπειρο αριθμό στοιχείων, κατά πόσον θα μπορούσαμε με αυτές τις προϋποθέσεις να απαντήσουμε τα ερωτήματα τα οποία θέτουμε. Και μετά η θεωρία, η σκέψη της πιθανότητας, το ότι κατά πόσον αυτό η ομοιότητα μεταξύ του αποτελέσματος της μεγέτης μας και μιας τέτοιου άπειρου αριθμού παρατηρήσεων, κατά πόσον αυτό είναι παρόμοιο ή όχι και πώς θα το καθορίζουμε. Και από τη μετά, σαν θέταρτο βήμα, όχι η επαγωγή, κατά πόσον μπορούμε με τα στοιχεία αυτά που έχουμε, να συμπεράσουμε και να κάνουμε προγνώσεις για το πώς θα ήταν το αποτέλεσμα και στο μέλλον. Με αυτή τη μεθοδογία της στατιστικής ανάλυσης και της κλινικής μελέτης, τα τελευταία 15-20 χρόνια έχουμε μια σειρά από θάρματα, όπως βλέπετε εδώ, τα οποία μας βοηθούν. Κανένα από αυτά δεν είναι απόλυτα αποτελεσματικό, αλλά μας βοηθούν να περιπλιάσουμε την τροπία αυτής της ασθένειας και να έχουμε πολύ καλά αποτελέσματα. Βλέπετε εδώ το ρυθμό με τον οποίο αναγνωρίζονται νέα θάρματα. Όταν αναλύνουμε όλες αυτές οι θεραπείες, στηρίζονται σε κλινικές μελέτες, διπλές τελειές, με σύγχρονη μεθοδογία και τις καθορίζουμε με ορισμένα θρητήρια ποιότητας, τα οποία αναφέρονται εδώ και με τα οποία μπορούμε να πούμε όσο μπορούμε να στηριχτούμε στα αποτελέσματά τους. Από τη μια πλευρά τη μεθολογία, από την άλλη πλευρά κατά πόσον έχει εξ αρχής προκαθοριστεί το μέθοδος και στατιστικής αναλύσης, όχι μόνο του τρόπου που κερδίζουμε τα στοιχεία, που μαζεύουμε τα στοιχεία, αλλά και η στατιστική αναλύση κατά πόσον έχει γίνει συστηματικά και εξ αρχής. Βλέπουμε ότι όλες αυτές οι θεραπείες που ανέφερα στηρίζονται σε κλάσεως ένα του εινικές μελέτες, οι οποίες οπωσδήποτε δεν μπορεί κανείς να είναι ανταποκρίνονται σε αυτό που θεωρείται βέβαιο και το οποίο είναι με αναγνωρισμένους κανόνες, μαζί με γνωρισμένα άλλα σκάνδαρτα, που αναφέρονται εδώ. Παρ' όλα αυτά, παρ' όλα που έχουν γίνει συστηματικές και πλήρες μελέτες και υπάρχουν μια σειρά από φάρματα, τα οποία με την πάρα το χρόνο είναι και όλο και πιο δραστικά και πιο αποτελεσματικά, παρ' όλα αυτά υπάρχουν ορισμένα προβλήματα όταν θέλουμε να τα χρησιμοποιήσουμε στην καθημερινή πραπτική ή όταν θέλουμε να πάρουμε απόφαση για το πώς θα τα χρησιμοποιήσουμε στη θεραπεία. Όπως βλέπετε, αν δούμε τα αποτελέσματα, παραδείγματι σαν τον αριθμό των νόσων, της αυθένειας κατά τη διάρκεια του χρόνου, της εξέλιξης των φαρμάκων, βλέπουμε ότι στην αρχή είχαμε μια μείωση πάνω κατά 30%, εδώ μεταξύ με καινούργια φάρμακων η ροστεδρομή για τις 100% μείωση των νόσων. Από την άλλη προγράμμα, αν δούμε όμως πραγματικά τις μελέτες αυτές, θα δούμε ότι με το ίδιο φάρμακο, εδώ είναι τα πρώτα φάρμακα που είχαν μπει στην θεραπεία της χρήσης καταπλάκας και βλέπετε ότι με την ίδια ουσία και με την ίδια δροσολογία, κατά τη διάρκεια του χρόνου σε διάφορες μελέτες, έχουν διαφορετικό αποτέλεσμα. Ούτε καλύτερα, δηλαδή ενώ δεν άλλαξε τίποτα στο φάρμακο, στις μελέτες αυτές βλέπουμε μια μείωση από σχεδόν μία ώση ένα χρόνο σε μία ώση κάθε τρία χρόνο. Και το ίδιο ισχύει και κάτι με παρασκευήση, παρασκευάσματα πάλι της ιντετερόνης, βλέπουμε στην παρότα του χρόνου αυτήν την διαφορά. Όπως είπαμε, καλά, οι μελέτες αυτές δεν μας δίνουν στοιχεία ότι είναι λατωματικές, ότι κάτι συναντά. Αν με μία εποπτική μελέτη θα δούμε ότι πράγματι, όμως, η επιλογή των ασθενών, παρόλο που τα κλητήρια ήταν πολύ παρόμοια, είναι διαφορετική. Ήδη υπάρχει μία μείωση του αριθμού των ώσεων πριν από την εισαγωγή στην πληνική μελέτη. Και από την άλλη πλευρά, κατά την ιδεά και της πληνικής μελέτης, αυτή η εξέλιξη που σας είχα δείξει και στο διάγραμμα, ότι για την ηλικαπερόνη γενικά, ότι ο αρεθμός των όσων υπό μία αλφατεραπεία μειώνεται με την παρότα του χρόνου. Δηλαδή κάτι εξωτερικό από την περιγραφή των ασθενών είναι διαφορετικό, το οποίο με την standard μεθοδολογία που χρησιμοποιούμε δεν μας βοηθά να το καταλάβουμε, μόνο με το διάλογο ανάμεσα στον ερφοδολόγος, το στατιστικό και την πληνική παρατήρηση, την πληνική κατανόηση της ασθένειας και της κατάστασης, μπορούμε να δούμε μία πάρηση. Εδώ πάλι δύο μελέτες με το ίδιο φάρματο, που δείχνουν κατά πόσο περιορίζεται με τη διάρκεια μέσα σε ένα διάστημα δύο χρόνων, το αρεθμός των ασθενών, που θα παρουσιάσω μία επιδίνωση. Και βλέπετε εδώ ότι με τη μία μελέτη, κάθε μία από αυτές σχεδόν χίλια άτομα, δηλαδή μεγάλες μελέτες, με αρκετή δύναμη για να ρίξουν από το τελετμό, και βλέπετε ότι στη μία μελέτη υπάρχει μία υπεροχή, το φάρματο, έχουμε δει δύο παρόμοιες οτωσολογίες, εδώ το εικονικό φάρματο, η οποία είναι στα θεωρία και στατιστικά σημαντική. Όταν δούμε την άλλη παράλληλη μελέτη, θα δούμε ότι δεν υπάρχει στατιστική διαφορά, να δούμε όμως ποιο σχεκεμένε τα στοιχεία, θα δούμε ότι βασικά το αποτέλεσμα αυτό οφείλεται σε μία καλύτερη εξέλιξη της ασθένειας στο εικονικό φάρματο. Δηλαδή ότι παρόλο που τα κριτήρια εισαγωγής και του ειδική μελέτη ήταν τα ίδια, θεωρητικά στην πραγματικότητα δεν είναι και γι' αυτό παρουσιάζεται αυτή η διαφοροποίηση στο αποτέλεσμα. Με περιπέροχο αναλύση μπορείτε να δείτε κατά πόσον αυτό σημαίνει ότι το πρώτο αποτέλεσμα δεν ισχύει το δεύτερο αποτέλεσμα, μια συνθετική ανάλυση και ανάλυση του παραγώνα που παίζουν ρόλο σε αυτό, μας οδηγεί μετά σε μια γενική θεώρηση ότι πράγματι το αποτέλεσμα είναι μεν θετικό, αλλά είναι λιγότερο θετικό από αυτό το οποίο δουλέπουμε στην αριστερή πλευρά. Μια άλλη επίσης παρατήρηση με το ίδιο φάρματο, ότι εδώ μάλλον και τελείως ταυτόσυμο, είναι την εξέλιξη της αναμπειρίας που είναι πιο βραδής με το φάρματο, με την ιτατερώνη και πιο τασχία με το υπολικό φάρματο. Εδώ το ίδιο φάρματο, μόνο που γίνεται η μελέτη στη Βόρεια Αμερική και λίγο αργότερα βλέπετε ότι σε οι δύο ομάδες έχουν επιτρέπει ότι είναι και τροπή, ώστε ακόμα και καλύτερη από την τροπή, από την εξέλιξη που είδαμε σε αυτή τη μελέτη που είχε γίνει στην Ευρώπη και λίγο πιο πριν. Μια πιο βαθιά ανάλυση μπορεί να μας οδηγήσει να μας δείξει ότι και πάλι ορισμένα κριτήρια, ορισμένα χαρακτηριστικά των ασθενών, οι οποίοι είχαν συμπεριβηθεί σε αυτές τις μελέτες, τελικά αποφασίζουν και επηρεάζουν το αποτέλεσμα σαν το γνωστικοί παράγοντες της αντίγραφης στην τραπεζική, π.χ. μας δείχνει ποιους από τους εθνικούς μπορούμε να ωφελήσουμε μία τέτοια θεραπεία. Άρα και εκεί χρειάζεται πάλι σε ένα δεύτερο βαθμό η συνεργασία με των γιατρών, εδώ των ειδικών εργολόγων και του μαθηματικού του ιδικούς και της στατιστικής. Ένα άλλο παράδειγμα που μας δείχνει ίσως κάπως αφλοϊκά ή απλά πόσο χρειάζεται να καταλάβουμε και το περιεχόμενο των μελετών είναι κάτι πώς θα μετρήσουμε ένα αποτέλεσμα. Θα μετρήσουμε με τη λεγόμενη hazard ratio, δηλαδή τη σχετική πιθανότητα μιας σχετικής νίωσης της πιθανότητας να παρουσιαστεί κάτι, ένα νέο σύντωμα ή μια κλίνωση. Αυτό είναι κάτι το οποίο μας βοηθάει όταν ο αριθμός των γεγονότων είναι σχετικά μικρός και γιατί τότε μια μικρή διαφορά, δύο-τρία γεγονότα σαν ποσοστό, σαν σχέση, συνήθως εμφανίζεται πιο σημαντικό, πιο εντυπωσιακό. Από την άλλη πλευρά, κάτι το οποίο χρησιμοποιείται πολύ και στην σύγκριση διαφόρων θεραπτειών, διαφόρων κλινικών μελετών, είναι ο αριθμός που χρειάζεται για να επιτύχουμε ένα ορισμό αναποτελτικό. Παραδείγματος χάρη, τη μίωση κατά μία όση ή τη μίωση κατά έναν ασθενείο, ο οποίος δεν θα έχει επιδίνωση της αναπήριας. Εδώ έχουμε το αντίθετο θέμα, γιατί όσο πιο συχνά παρουσιάζεται στη συλλυπτική ομάδα ένα αποτέλεσμα, τόσο πιο μικρό φαίνεται ο αριθμός που χρειάζεται για να επιτύχουμε μια διαφοροποίηση, μια μίωση ή να αποφύγουμε ένα οδυσμένο γεγονός. Δηλαδή, για να καταλάβουμε μία θεράπια, θα πρέπει να χρησιμοποιήσουμε και τις δύο μεθόδους, οι οποίες μας δίνουν κάπως με τους ίδιους αριθμούς, κατά βάση, μας δίνουν μια πιο συνολική εικόνα και συνολική κατανόηση αυτού που γίνεται. Εδώ το βλέπετε που παλούσαμε, με την ίδια συσθετική βράση, δηλαδή την ίδια άνθα τρέησιο, αναλόγως αν έχουμε πολλά. Περιστατικά θα πούμε ότι χρειάζονται μόνο δέκα, να χρησιμοποιήσουμε τη θεραπία μόνο σε δέκα, για να μειώσουμε την παρουσίαση ενός αποτελέσματος, ενώ σε αυτή την ομάδα που έχει μικρό αριθμό θα χρειαστούμε 40, για να έχουμε ακριβώς το ίδιο απόλυτο αποτέλεσμα. Όλα αυτά και το γεγονός ότι σε αυτές τις πληνικές μελέτες πάντοτε γίνεται μια πολύ πιο αυτηρή επιλογή των ασθενών, οι οποίοι παίρνουν μέρος, οι οποίοι δεν είναι αντιπροσωπευτικοί για την πραγματικά χαρακτηριστικά της ασθένειας μέσω σε έναν συγκεκριμένο πληθυκμό ιστορικό καθημερινή πράξη, χρειάζονται επιπλέον αναλύσεις, οι οποίες επιπλέον μας δίνουν και κυρίως χρόνιες ασθένειες, μας δίνουν δυνατότητες που σε διπλές-διπλές μελέτες δεν έχουμε χρόνικα, συνήθως τέτοιες διπλές-διπλές μελέτες δεν μπορούν να γίνουν για μεγαλύτερα χρονικά διαστήματα από 2 ή 3 χρόνια. Και αυτό τη συνδέουμε με αναλύσεις οι οποίες από τη μεθοδολογία δεν είναι τόσο πλήρεις, δεν είναι τόσο καλές, αλλά μας δίνουν επιπλέον στοιχεία. Και αυτός είναι οι επεκτάσεις των διπλών-τυφλών μελετών, μετά αφού δεν είναι πλέον πλήρεις-διπλές, μετά μακροπρόθερους επεκτάσεις, οι μελέτες-οκογραφές, τους οποίες παρακολουθούμε ασθενείς, οι οποίοι υπάρχουν σε μια οδηγμένη κλινική ή σε μια ομάδα κλινικών και επίσης καταγραφές ασθενών οι οποίοι παίρνουν μια θεραπεία ή παρακολουθούνται πάλι σε διάφορα ιατρίας ή κλινικές. Αυτή είναι η ιδιότητα των στοιχείων, η ιδιότητα και η πληρότητα των στοιχείων, η οποία τα απορίζει κατά πώς τέτοιες μελέτες μπορούν να μας βοηθήσουν. Θέλω να δώσω ένα παράδειγμα. Συμβάλλω μια περίπτωση που μας δίνει στοιχεία και για την απόφραση για την ασθενία, όχι αυτή που αναδέθηκα παραδειγματικά. Είναι μια μελέτη στην οποία έρχεται με συγκρίνει την ιντερτερωνη και εικονικό φάρμακο σε περιπτώσεις ακριβώς όπως αυτή που περιέγραψα, δηλαδή πώς αυτή μπορεί να μας βοηθήσει σε αυτή τη στιγμή, πλειάζεται και μπορεί να έχει ένα φαρθετικό αποτέλεσμα. Και μετά από δύο χρόνια που ήταν διπλήτη του για αυτή η μελέτη, υγείαν έχει παρουσιαστεί ένα δεύτερο επεισόδιο και οι ασθενείς είχαν τη δυνατότητα να μεταβούν από το εικονικό φάρμακο στον πραγματικό, χωρίς όμως να έχουν πληροφορηθεί με ποιο είχαν αρχίσει, δηλαδή σε ποιο είχαν κυχαιοποιημένα, είχαν πάρει θεραπείας όταν ξεκίνησαν την μελέτη αυτή. Παρακολουθήσαμε το μεταξύ ως το 2010, το μεταξύ το 2015 χρόνο και τι βλέπουμε με αυτή την παρακολουθήση που έγινε όταν μετά από δύο χρόνια όλοι είχαν την αγαπία με την πνευρώνη. Βλέπουμε ότι πράγματι ο ρυθμός αυτόν των ασθενών που παρουσιάζουν επιρρήνωση είναι μειωμένος. Κάναμε την ανάλυση μετά από τρία χρόνια, αυτό ήταν στρατιστικά σημαντικό, μετά από πέντε χρόνια η διαφορά είναι μόνο πλέον αριθμητική, πέντε είναι πλέον στρατιστική. Δηλαδή καθώς ό,τι είναι με το διάστημα στο οποίο παρακολουθούμε έχουμε και μια πιο καλή και πιο πλήρη ανάλυση, μια πιο πλήρη κατανόηση του πραγματικό αποτελεύματος και των επιτώσεών του. Αυτό που βλέπουμε μετά από πέντε χρόνια είναι ότι παραμένει ένα πλεονέκτημα για αυτούς που είχαν ξεκινήσει περίπου ένανιση χρόνο και νωρίς με τη θεραπεία, ως προς τη μετατροπή σε πραγματικά ολακλή σφήριξη, δηλαδή αν θα παρουσιαστική δεύτερο γεγονός αυτή την ασθένεια. Κάτι το οποίο όμως μια τέτοια μακροπόθεση, μια ανάλυση, ίσως μας δείχνει ότι φαίνεται ότι μια πρώη ή μια γρήγορη θεραπεία μπορεί να μας δώσει και να αλλάξει και κάτι στη δυολογία της ασθένειας που δεν μπορούμε να το εξηγήσουμε διαφορετικά. Εδώ βλέπουμε τον αριθμό των όσεων αναχρόνων που παρουσιάσετε και βλέπετε ότι από τον δεύτερο χρόνο, από τον τρίτο χρόνο και μετά, οι ασθενείς έχουν την ίδια θεραπεία και βλέπετε ο αριθμός όσεων είναι περίπου ο ίδιος. Από τον δέκαρτο χρόνο και στον ενδέκατο βλέπουμε πάντα ότι αυτοί που ξεκίνησαν κάπως τελικά εξακολουθούν αναχρόνων να έχουν μια μεγαλύτερα ρυθμό όση. Αυτό μας δείχνει ότι με μια τέτοια θεραπεία έχουμε ένα αποτέλεσμα στη δυολογία της ασθένειας, το οποίο έχει τόσο σκιαρότερα που ακόμη δεν ξέρουμε τα καλά οδηγούς. Λοιπόν, στη δική μας περίπτωση, με βάση τέτοια στοιχεία θα συστήσουμε στην ασθενεία αυτή να κάνει μια προφυλακτική θεραπεία, η οποία θα την κοστατεύσει και θα μειώσει την πιθανότητα νέων υποτροπών. Μια άλλη μελέτη στην οποία συγκρίθηκε η θεραπεία για τα ματροκόθεσμα τους αποτελέσματα, που όπως είπαμε σε δικές μελέτες δεν μπορούμε να δούμε πάνω από 2-3 χρόνια. Πάλι μας δείχνει ότι αυτοί οι οποίοι έχουν μια θεραπεία έχουν μεγαλύτερη σταθερότητα, όμως εκείνοι που δεν είχαν θεραπεία δεν έχουν αυτή τη σταθερότητα. Τώρα αυτό είναι μες στατιστικά σημαντικό, αλλά είναι πραγματικά αποτελεσμένο. Είναι πραγματική διαφορά, πώς ξέρουμε κατά πόσον είχαν, είναι ίσως μεγαλύτερα χρόνια, το οποίο είναι το έκκλημα της θεραπείας αυτής, επειδή είχαμε ούτως ή άλλως πριν, ότι εκείνοι που δεν έχουν θεραπεία δεν την χρειάζονταν τόσο και είχαν άλλα χροντίες, δηλαδή διαθέων στα πρώτα τους χαρακτηριστικά πριν ξεκινήσουν, πριν παρθεί αυτή η απόφαση και αυτό τυρεάζεται από τέρες. Πραγματικά, εφόσον δεν έχουμε τυχεωποιήσει την συγκρισή, δηλαδή δεν έχουμε πάρει τυχαία αυτές τις αποφάσεις, αλλά με ορισμένους λόγους, δεν μπορούμε να τα αποκρίσουμε. Και αν έχει γίνει τυχεωποίηση κανονικά, εφόσον έχουμε αριθμό ασθενών, θα έχουμε τα ίδια χαρακτηριστικά. Εάν δεν κάνουμε τυχεωποίηση, θα έχουμε πολλές φορές μια ομάδα που αποτελεί και είναι περισσότερη με θετικό, από όταν έχουμε θετικές προοπτικές, πιο θετικές προοπτικές μια ομάδα από την άλλη. Αλλά θα υπάρχει και ένα μέρος, στο οποίο αυτά τα δύο σύνορα έχουν κοινά μέλη. Ενώ υπάρχουν, βέβαια, άλλες που η σύγκριση δεν γίνεται καθόλου, επειδή είναι διαφέρον και λίγο. Ξέροντας ορισμένα κριτήρια απογνωστικά, μπορούμε να αποφασίσουμε και με στατιστικές μεθόδους, αυτό που λέγεται προπέντσι δισκό, μπορούμε να δώσουμε έναν ορισμένο αριθμό της πιθανότητας που αλλάζει με ορισμένα χαρακτηριστικά και ανάλογα με αυτό να διαλέξουμε μέσα σε μια μεγάλη ομάδα όλους αυτούς που έχουν μια αρκετή ομοιότητα. Δηλαδή από μια μεγάλη ομάδα που υποστεί δύο διαφορετικές θεραπείες, μπορούμε να διαλέξουμε στα ζευγάρια αυτούς που μοιάζουν περισσότερο με βάση αυτούς τους υπολογισμούς και με αυτόν τον τρόπο να κάνουμε μια εκ των υστέρων τυχαιοποιήσειων, ισχυρών τυχαιοποιήσεων. Αυτό ισχύει βέβαια όταν ξέρουμε τους λόγους για να έχουμε καλά προγνωστικά στοιχεία. Όταν τα προγνωστικά στοιχεία δεν είναι καλά όσο και καλή να είναι η μαθηματική, τη στατιστική αυτοί μεθόδους δεν θα μας αποφέρει το αποτέλεσμα. Αυτά δεν θα αντικαταστήσει την τυχαιοποιήσει, γιατί παραόδες που δεν έχουμε πάρει υπόψη μας παίρνουν από μη ένα σημαντικό ρόλο. Και αυτό κυρίως της σύνδεσης καταπλάπας που δεν έχουμε πολύ καλά προγνωστικά κριτήρια, είναι πέσει οπωσδήποτε ρόλος. Αλλά αυτά μας οδηγεί καλύτερα σε μια σύγκριση, η οποία κυρίως όταν επιβεβαιώνεται και σε περισσότερες μελέτες μπορεί να μας οδηγήσει σε συμπεράδικα. Για παράδειγμα, μιας πρόσφατης ανάλυσης που είχαμε κοιτάξει επί τρία χρόνια μια ομάδα που είχε ένα χάρματο, την Φυγολυμώλη και μια άλλη η οποία είχε τον Ακαλύσου Ματσα, δεύτερο χάρματο, και βλέπουμε ότι υπάρχει μια διαφορά στην πιθανότητα όσων. Από την άλλη το χάρματο όμως όχι συγκριματική διαφορά ως προς την εξέλιξη της αναπηρίας, η οποία φαίνεται ότι είναι παρόμοια και στις δειόματες αυτές. Νομίζω ότι αυτά τα παραδείγματα ενδεικνύουν ότι δεν αρκεί να έχουμε μια σωστή, συστηματική, στατιστική μεθοδολογία, αλλά πάντα βιάζεται ο διάλογος, ο οποίος στηρίζεται στις παρατηρήσεις, στην ανάλυση, ο διάλογος με το υπηρικό νευρολόγος και την περίπτωση γιατρό, ο οποίος θα δώσει τα χαρακτηριστικά, τις ευθένειες που θα φέρει τα αποτελέσματα που κερδίζουμε με μαθηματικές μεθόδους, θα τα φέρει στο πλαίσιο που χρειάζονται και θα μπορέσει με αυτόν τον τρόπο στα επόμενα βήματα, στις επόμενες μελέτες να υλοφορήσει καλύτερα τις αποφάσεις που θα πάρουν. Στην δική μας περίπτωση, όπως ανέφερα, η σημερινή γνώση μας υποστηρίζει οπωσδήποτε μια θεραπεία. Το θέμα είναι, βέβαια, ποια από τις πολλές θεραπείες που υπάρχουν αυτή τη στιγμή θα καθορίσουμε, δηλαδή κατά πόσον συγκεκριτικά, ποια τα θετική θα απολυθήσουμε. Θα πάρουμε μία πολύ δραστική, που πάντοτε έχει κάπως περισσότερες παρανέργειες, φυσικά, ή θα μπορέσουμε με μία πιο συντηρητική μέθοδο να επιτύχουμε καλύτερα αποτελέσματα μακροπρόφωμα. Αυτό είναι κάτι το οποίο τρέπος μελέτες και πιο πολύπλοκες αναλύσεις και πιο πολύπλοκες στατιστικές, που χρησιμοποιούν μοντέλια και στασταίνειες, μπορούν στα επόμενα χρόνια, όπως ελπίζουμε, να μας βοηθήσουν να αποφασίσουμε με καλύτερο και πιο ευεργεστατωμένο τρόπο. Αυτά, όπως είναι βέβαιος για τους μαθηματικούς, σχετικά απλά προβλήματα, τα οποία όμως μας απασχολούν στη καθημερινή μας πρακτική και στη καθημερινή μας συζήτηση ή συνεργασία με μαθηματικούς, με στατιστικούς, είναι ένα μέρος, είναι αυτό που καθορίζει την πρακτική μας. Αλλά νομίζω ότι μία τέτοια ομιδία δεν θα ήταν κλειρίζαν, θέλω να φερθώ και στα θέματα τα οποία εξελίσσονται αυτή τη στιγμή και αναφέρει και τα ίδικα στις υποσχονήσεις και νομίζω θα είναι ίσως μετάβασης, ο στρογγυλός θα παίζει και θα απολυθήσει, είναι το θέμα πώς από την πλευρά τη διανοητική και της εξέλιξης της εθνηστήμης, της ιεθνικής εθνηστήμης, μπορούν να μας βοηθήσουν τα μαθηματικά. Τα μαθηματικά πάντα, όπως αναφέρει και και ήδη, ανταποκριθήθηκαν και εξελίσθηκαν σαν αντίδρασης, σαν απάντηση σε δεύτερες ανάγκες της ανθρωπότητας. Οι πρώτοι μαθηματικοί ασχολήθηκαν με θέματα της μέτρησης που χρειαζόταν στο εμπόρο, στην ανταλλαγή φοραγμάτων ζώων, στη μέτρηση αποστάσεων, στη μέτρηση επιφανιών σε χωράφια. Και από κει ξεκίνησαν και με την απλωτήνηση, με τη δημιουργία των αριθμών, μπορέσαν να δώσουν ορισμένους κανόνες με τους οποίους μετά μπορούσαν να γίνουν και περισσότερες και πιο αποτελεσματικές αναλύσεις, να μετρήσει στην αρχή, σαν ένα πρώτο βήμα, για αυτό δεν είναι και πιθαία ότι οι πρώτοι μαθηματικοί είχαν μια ιδιαίτερη ενασχόληση με τη γεωμετρία. Ένα άλλο μεγάλο βήμα προς ταυρός υπήρξε με την αλληλοσύνδεση, με την αλληλεπίδραση, με τη φυσική, με όμορφα τον Κέπτρα Λουάι Νιούτων, στους νόμους της βαρύτητας, ως την ανάλυση της πυρηνικής φυσικής, ήτανε ένα μεγάλο βήμα πάλι, στο οποίο η αλληλεπίδραση μεταξύ πραγματικών προβλημάτων από τη μια πλευρά και των μαθηματικών, ο οποίος οδήγησε σε μια μεγάλη πρόοδο και των μαθηματικών και σε αυτή την περίπτωση της φυσικής. Αυτό το οποίο αντιμετωπίζουμε τώρα είναι τα μαθηματικά των βιολογικών συστημάτων. Και όπως βλέπουμε σε πολύ ασχή ρυθμό, η αντιμετώπιση της πληθώρας των τεράστιων αριθμών από πληροφορίες, αυτό που ονομάζουμε Big Data, αυτό μας ζητάει μια πιο βαθιά ανάλυση μαθηματική, δεν αρχί να απλώς συσχετίζουμε αυτές αυτές τους τεράστιους αριθμούς των πληροφορίες, αλλά χρειάζεται να χρησιμοποιήσουμε τη μαθηματική γνώση και την εξέλιξη της μαθηματικής θεωρίας, ώστε να μπορέσουμε να τα στοιχειοποιήσουμε και να τα φέρουμε σε μια σχέση πιο συστηματική. Υπήρχε η θεωρία και η αντίληψη ότι με τον αριθμό των πληροφοριών που έχουμε μπορούμε να αντικαταστήσουμε τη θεωρία με την πραγματικότητα, επειδή την έχουμε τόσο κλήρος, παρουσιάζουμε τόσο κλήρος, ότι δεν χρειάζεται, δεν χρειάζεται τόσο η θεωρία. Αυτό έχει δείξει ότι στην πραγματικότητα είναι το αντίθετο μεταχωράση. Με τα πολλά στοιχεία που μαζεύουμε έχουμε περισσότερα προβλήματα στην κατανόηση αυτών που βλέπουμε και ένα παράδειγμα είναι το θέμα των μεγάλων ελεπτών με πολλά στοιχεία τα οποία οδηγούν με την όσον πιο δυνατή είναι από τη θεωρά της κατηστικής μια ανάλυση με την επανάληψη των πολλά στοιχείας που μαζεύουμε μπορούμε να τη δημιουργήσουμε μόνο, δεν μπορούμε να καταλάβουμε λίγο την τυχαιότητα κατά πόσον αυτό το οποίο παρουσιάζεται είναι πραγματικά τυχαίο ή σημαντικό. Χρειάζεται δηλαδή και έχουν ήδη εξελιχθεί ορισμένες θεωρίες, που μας βοηθούν να αυτοποιούμε ξανά τις πολλές παρατηρήσεις και με αυτόν τον τρόπο να τις κάνουμε πιο προσυπές και να κάνουμε τα επόμενα βήματα στην εξέλιξη. Ένα παράδειγμα για αυτό, ήδη εδώ και 60 χρόνια, μαθηματικά μοντέλα τα οποία μας δείχνουν την λειτουργία κυκάρων, από την εξισόρση σκότους και οι άξιλοι με διάφορες προεκτάσεις που έχουν γίνει και με τα τελευταία χρόνια με το Blue Brain Project, που τα φέρνουμε αυτά σε μια συστηματική σχέση και δεν έχουμε μόνο κύτταρα, ατομικά, αλλά σε σχετισμό, σε σχέση μεταξύ τους και όπως υποθέτουν ξέρετε αυτό το Blue Brain Project, το οποίο χρηματοδοτήθηκε η χρηματοδοτήτα από την Ελληνικακή Κοινότητα με περίπου έναν δισεκατομμύριο ευρώ, στο οποίο με μαθηματικές μεθόδους και computational science προσπαθούμε να χρησιμοποιήσουμε κύτταρα και πολλές από τις συνάψεις μεταξύ αυτών με το σκοπό να καταλάβουμε καλύτερα πώς λειτουργεί η intelligence και πώς μπορούμε να καταλάβουμε καλύτερα το συμβιλητό με τη βοήθεια αυτών των μοντέλων, των εποχωρημένων μαθηματικών μοντέλων. Ελπίζω με αυτά που σας είπα σήμερα να σας έδωσα μια εντύπωση για τη χρήση των μαθηματικών στην γιατρική έρευνα, κυρίως την εξέλιξη νέων θεραπτειών από την άλλη πλευρά, πώς περιμένουμε με την εξέλιξη της σχέσης μεταξύ των μαθηματικών και της γιατρικής να καταλάβουμε πολλά βασικά θενόμενα στην λειτουργία του σώματος, το θυμώνο των ασθενειών, αλλά και στη φυσιολογική λειτουργία του σώματος και ιδιαίτερα του εγκυφάλου μία από τις μεγάλες προκλήσεις της εποχής μας και στην οποία επίσης θα βοηθήσουμε να ανταποκριθούμε. Ευχαριστώ για την πρόσβαση. |
