“Podem saber quins presos tenen un risc més alt de reincidir”

BarcelonaAmb les matemàtiques es pot predir el futur. Les grans bases de dades i l’estadística s’erigeixen com una eina fiable per descobrir si una persona té un risc més alt de patir una malaltia o per quantificar les probabilitats d’un pres de reincidir quan hagi sortit de la presó. Una possibilitat que Rosario Delgado (Vallcebre, 1964) va explicar ahir a la conferència Catàstrofes, malalties i delictes: predicció de riscos amb les matemàtiques al CosmoCaixa, durant el Congrés Internacional de Museus de Matemàtiques, que s’ha celebrat a Barcelona aquesta setmana.

És possible predir el futur amb les matemàtiques?

Si amb “predir el futur” parlem de, per exemple, saber quines són les probabilitats d’una persona de patir una malaltia, és possible. Ara bé, no tenim una bola de vidre i a aquestes prediccions només hi podem arribar amb les informacions de què disposem en el present. Les xarxes bayesianes són una metodologia que ens permet conèixer quina relació probabilística mantenen diferents variables en relació a una fenomen, com podria ser la manifestació d’una malaltia. Si es tenen en compte les característiques que n’afavoreixen l’aparició, així com les de les persones que la pateixen, es poden perfilar les variables que afavoreixen que hi hagi més o menys risc de contraure la malaltia.

És a dir, ajuda a distingir les persones que tenen més risc d’emmalaltir de les que no.

Exacte. I encara que hi ha moltes eines matemàtiques per abordar la prevenció de riscos, les xarxes bayesianes intenten construir un model a través d’un programa informàtic que aprèn les dades de manera automàtica. Això significa que, a partir d’una base de dades que inclou variables com ara l’edat, el sexe, el nivell socioecònomic o els antecedents familiars i si han desenvolupat o no la malaltia, el model quantifica les probabilitats que un individu té de patir una malaltia mitjançant una sèrie d’algoritmes. Així, ajuda a classificar les persones en funció del seu risc, per tal que els experts prenguin la millor decisió.

I sempre encerta?

Per sort no existeix cap model matemàtic que encerti al 100%, ja que plantejaria un futur inquietant: no sabem qui i amb quines intencions es podrien fer servir els resultats. Per tant, aquest model no ens diu si una persona està destinada a emmalaltir o, en el cas de la població reclusa, a tornar a delinquir quan surten al carrer. Ara bé, amb la informació que tenim, que poden ser evidències relacionades amb l’historial penitenciari o el perfil socioeconòmic dels que sí que reincideixen, podem saber quins presos tenen un risc més alt de reincidir. Que ho faci o no, però, depèn de moltes altres variables.

Variables que no es poden contemplar en el model.

En la gran majoria de les situacions que afecten les persones hi ha incertesa. Només disposem d’informació fins al present, així que les coses que es puguin viure en un futur i que podrien afavorir la reincidència s’escapen de l’estadística.

Així les matemàtiques ens serveixen per perfilar, però no per avançar-nos, per exemple, a la comissió d’un delicte.

Serveixen per saber amb quines persones s’han de fer més esforços, com ara intentar ajudar-los a inserir-se en el món laboral o a tenir una xarxa social més àmplia, i evitar que recaiguin. És una qüestió d’eficiència. En salut, com que els recursos públics són limitats, ens serveix per saber a qui dirigir una prova de diagnòstic més cara.

A Catalunya aquest model de predicció no ha aterrat com als Estats Units. Per què?

Allà tenen una gran tradició a l’hora de treballar amb dades i han generat bases de dades grans i ben estructurades. A més, fan molta inversió en investigació. Aquí, però, hi ha gent que pot arribar a dir, sense cap pudor, que de matemàtiques no hi entén. I qui no ho entén soc jo. Ningú diu amb orgull que no sap llegir. La gent no percep la utilitat de les matemàtiques.

Però són a tot arreu, i amb la tecnologia això es veu molt clar.

Però no s’ha fet una bona tasca de divulgació. Les matemàtiques tenen un component de dificultat i abstracció que fa que a tots ens costi una mica entendre-les o que la gent en no vegi la utilitat. Per això calen esforços en la didàctica, perquè aquesta mena de rebuig no neixi ja a les escoles.