Separating Biological and Choice Effects in Randomized Trials: Completing Causal Inference with β-Identification

En el mundo de la investigación médica, el estándar de oro para demostrar que un tratamiento funciona es el ensayo controlado aleatorizado. En estos estudios, los pacientes son asignados al azar para recibir un nuevo tratamiento o uno estándar, como lanzar una moneda para decidir su camino. El objetivo es aislar el efecto biológico del medicamento o procedimiento en sí, eliminando otras variables para ver si el tratamiento realmente cambia el resultado. Durante décadas, este método ha sido la base de la medicina basada en la evidencia, guiando a los médicos sobre qué fármacos prescribir y qué cirugías realizar. Sin embargo, surge un problema persistente cuando las diferencias biológicas entre los tratamientos son pequeñas. En estos casos, los resultados de un ensayo pueden volverse difusos o inconcluyentes. Los pacientes a menudo no siguen el camino asignado; pueden pasar al otro tratamiento, o pueden rechazar el asignado por completo. Tradicionalmente, los investigadores han visto esta falta de adherencia como un defecto, una fuente de ruido que debilita la capacidad del estudio para encontrar una respuesta clara. Han tratado la elección del paciente de cambiar de tratamiento como un error que debe corregirse o ignorarse, creyendo que la verdadera historia reside únicamente en la biología del fármaco o el procedimiento.

Un nuevo marco propuesto por los investigadores Ogan Gurel y James Weinstein desafía esta visión largamente sostenida. Argumentan que, en muchas situaciones médicas modernas, la elección del paciente no es solo una distracción, sino una parte fundamental del resultado. Cuando la diferencia biológica entre dos tratamientos creíbles es pequeña, la decisión que toma un paciente —impulsada por sus valores personales, temores y preferencias— se convierte en una fuerza poderosa que moldea su salud tanto como el tratamiento mismo. Los investigadores sugieren que, al tratar la elección del paciente como un factor causal mensurable en lugar de un error estadístico, finalmente podemos dar sentido a los ensayos que anteriormente parecían fallidos. Este enfoque no descarta los métodos antiguos, sino que los expande, permitiendo a los científicos separar el efecto biológico de un tratamiento del efecto de la decisión del paciente de tomarlo. Al hacerlo, pueden explicar por qué algunos tratamientos funcionan bien en la práctica incluso cuando la biología sugiere que no deberían, y por qué algunos ensayos siguen siendo confusos hasta que reconocemos el poder de la agencia humana.

El núcleo de este nuevo pensamiento proviene de reexaminar un famoso estudio conocido como el Ensayo de Resultados de Pacientes con la Columna (Spine Patient Outcomes Research Trial, o SPORT). Este ensayo investigó los tratamientos para una condición dolorosa en la parte baja de la espalda llamada hernia de disco lumbar. El estudio fue diseñado con rigurosos estándares científicos, pero sus resultados fueron famosamente inconcluyentes. Los datos mostraron que la diferencia en los resultados entre los pacientes que tuvieron cirugía y aquellos que recibieron atención no quirúrgica era muy pequeña. Durante años, esto se interpretó como una señal de que la cirugía no ofrecía una ventaja biológica real sobre la atención no quirúrgica. Sin embargo, los investigadores señalan que el ensayo también estuvo marcado por altas tasas de "crossover" o cruce. Muchos pacientes asignados a la atención no quirúrgica terminaron eligiendo la cirugía, y algunos asignados a la cirugía optaron por la atención no quirúrgica en su lugar. En la visión tradicional, este cruce era un problema que desdibujaba las líneas entre los dos grupos, haciendo imposible determinar qué tratamiento era mejor. Los investigadores argumentan que esta visión perdió un punto crucial: el cruce no era solo ruido; era una señal.

Al aplicar su nuevo marco, los investigadores pudieron descomponer los resultados del ensayo SPORT en dos partes distintas. La primera parte, que llaman el efecto biológico, representa el impacto fisiológico puro del tratamiento en sí, asumiendo que un paciente sigue el plan perfectamente. La segunda parte, que denominan el efecto de la elección, captura el impacto de la decisión del paciente de tomar o cambiar de tratamiento. Cuando separaron estos dos componentes, surgió un panorama diferente. La diferencia biológica entre la cirugía y la atención no quirúrgica era pequeña, y se encontró que el efecto de la elección era clínicamente significativo. Los pacientes que eligieron su propio tratamiento, independientemente de lo que se les había asignado originalmente, tuvieron resultados moldeados conjuntamente por la biología y la elección. Esto sugiere que el éxito del tratamiento no se debió solo a la cirugía o a la fisioterapia, sino a la alineación entre el tratamiento y las propias preferencias del paciente. El acto de elegir un tratamiento que se sentía correcto para el paciente fue un factor causal en su recuperación, tan real como el mecanismo biológico de la cirugía.

Este conocimiento transforma la forma en que debemos interpretar los ensayos clínicos, especialmente en campos donde existen múltiples tratamientos y las diferencias biológicas entre ellos se están reduciendo. Los investigadores proponen una nueva forma de clasificar los ensayos basándose en el equilibrio entre estas dos fuerzas. En algunos casos, la diferencia biológica es tan grande que la elección del paciente importa muy poco; en estos escenarios, los métodos antiguos de análisis funcionan perfectamente bien. Pero en muchos otros casos, particularmente a medida que los pacientes envejecen y enfrentan problemas de salud complejos, las diferencias biológicas se reducen y la elección del paciente se convierte en el factor dominante. Los investigadores identifican cuatro regímenes distintos para estos ensayos. En un régimen, la biología es la clara ganadora y los médicos pueden recomendar el tratamiento superior con confianza. En otro, tanto la biología como la elección importan, lo que requiere un enfoque más matizado donde los médicos y los pacientes deciden juntos. En un tercero, ninguno de los factores es lo suficientemente fuerte como para dar una respuesta clara, y el ensayo simplemente nos dice que necesitamos más investigación. Finalmente, en el cuarto régimen, la diferencia biológica es insignificante, pero la elección del paciente impulsa el resultado. Aquí, lo más importante que puede hacer un médico no es prescribir un tratamiento específico, sino ayudar al paciente a tomar la elección que se ajuste a su vida y valores.

El artículo argumenta que el hecho de no reconocer este cuarto régimen ha llevado a que muchos ensayos sean etiquetados como fracasos cuando en realidad fueron exitosos de una manera diferente. Cuando un ensayo muestra que no hay un ganador biológico claro, pero los pacientes que eligen su propio camino lo hacen bien, la conclusión tradicional es que los tratamientos son iguales y el ensayo es inconcluyente. El nuevo marco sugiere que el ensayo en realidad nos está diciendo algo profundo: que el resultado depende del compromiso y la preferencia del paciente. Al ignorar el efecto de la elección, perdemos la capacidad de entender por qué un tratamiento funciona en el mundo real. Los investigadores demuestran que, al medir tanto el efecto biológico como el efecto de la elección en la misma escala, podemos ver el panorama completo. Esto nos permite distinguir entre un tratamiento que es biológicamente débil y un tratamiento que es biológicamente neutral pero altamente efectivo cuando los pacientes lo eligen voluntariamente.

Este cambio tiene implicaciones significativas en cómo se diseña la investigación médica y cómo toman decisiones los médicos. Los investigadores sugieren que los futuros ensayos deben diseñarse para preservar la capacidad de medir la elección del paciente, en lugar de intentar forzar a los pacientes a adherirse a un protocolo. Esto podría significar permitir que los pacientes realicen el cruce o cambien de tratamiento si así lo desean, y luego analizar los datos para ver cómo esas elecciones afectaron el resultado. También significa que el objetivo de un ensayo no es solo encontrar el "mejor" tratamiento en un vacío, sino comprender cómo funcionan diferentes tratamientos cuando los pacientes son libres de elegir. En el ámbito de la inteligencia artificial y las herramientas de apoyo a la decisión, esta distinción es crítica. Un sistema de IA que solo observa datos biológicos podría recomendar un tratamiento que es biológamente sólido pero que falla en la práctica porque no se alinea con las preferencias del paciente. Al incorporar el efecto de la elección, estas herramientas pueden diseñarse para delegar el juicio humano cuando la biología no es clara, ayudando a los médicos a facilitar la toma de decisiones compartidas en lugar de simplemente clasificar tratamientos.

Los investigadores enfatizan que este enfoque no reemplaza los estándares rigurosos de los ensayos aleatorizados, sino que los completa. Reconoce que, en un mundo de condiciones complejas y crónicas, el paciente no es un receptor pasivo de atención, sino un participante activo cuyas decisiones moldean el resultado. El marco proporciona una forma de cuantificar esta participación, convirtiendo lo que antes se consideraba un estorbo estadístico en una pieza vital de evidencia. Al hacerlo, ofrece un relato más honesto y completo de lo que sucede en un ensayo clínico. Explica por qué algunos tratamientos parecen funcionar mejor en el mundo real que en el entorno controlado de un estudio, y por qué algunos ensayos que parecen fracasos en el papel en realidad proporcionan una guía valiosa para médicos y pacientes. El objetivo final es ir más allá de un enfoque estrecho en la biología hacia una comprensión más amplia de la salud que incluya el elemento humano de la elección.

El estudio se basa en una descomposición matemática específica para separar estos efectos, pero el concepto es sencillo. Los investigadores toman la diferencia observada en los resultados entre los pacientes que recibieron un tratamiento y aquellos que recibieron otro, y restan la diferencia biológica que existiría si todos hubieran seguido su asignación perfectamente. Lo que queda es el efecto de la elección misma. Esta pieza restante no es ruido aleatorio; es una fuerza causal mensurable. Los investigadores muestran que en el ensayo SPORT, este efecto de la elección fue lo suficientemente grande como para ser clínicamente significativo, explicando por qué los resultados del ensayo fueron tan diferentes de lo que predeciría un análisis puramente biológico. Argumentan que este mismo patrón probablemente existe en muchas otras áreas de la medicina, desde la enfermedad cardíaca hasta el cáncer, donde los pacientes tienen que sopesar los beneficios de un tratamiento frente a sus cargas y riesgos.

Al hacer visible el efecto de la elección, los investigadores esperan cambiar la conversación en la investigación médica. En lugar de preguntar solo "¿Funciona este tratamiento?", también podemos preguntar "¿Para quién funciona y bajo qué condiciones de elección?". Este cambio permite un enfoque más personalizado de la medicina, donde el enfoque no está solo en el fármaco o la cirugía, sino en la asociación entre el médico y el paciente. Reconoce que el mejor tratamiento no es siempre aquel con el efecto biológico más fuerte, sino aquel al que el paciente es más propenso a adherirse y que se ajusta a su vida. Los investigadores concluyen que, a medida que la medicina se vuelve más compleja y las diferencias biológicas entre tratamientos se reducen, la capacidad de medir y comprender el poder de la elección será cada vez más importante. Es una forma de completar el cuadro de la inferencia causal, asegurando que la evidencia que recopilamos refleje la realidad completa de la salud humana y la toma de decisiones.