Una biblioteca de investigación sobre el Parkinson, leída a escala de máquina

Cómo se trata la información

Aquí nada se lee primero a mano. Cada semana, un proceso automatizado consulta PubMed, Europe PMC y ClinicalTrials.gov, con búsquedas escritas deliberadamente para hacer aflorar la evidencia que va en contra de la opinión dominante: un corpus reunido solo con resultados que confirman es un corpus que confirmará cualquier cosa. Lo que vuelve atraviesa después cuatro etapas antes de poder sustentar una sola frase de este sitio.

1. Clasificación

   Cada registro se sitúa en una jerarquía de evidencia de nueve niveles — guía de práctica clínica, síntesis, ensayo aleatorizado, otro ensayo, estudio observacional, revisión narrativa, informe primario, preprint, registro de ensayo — a partir de los tipos de publicación que los propios indexadores de MEDLINE le asignaron. El nivel se lee de una etiqueta, no se infiere de un título, de modo que un artículo no puede ascender por la seguridad con que está escrito su resumen.

2. Extracción del texto completo

   Para el corpus principal el proceso va más allá del resumen: los métodos, los resultados y las limitaciones se extraen de la colección de acceso abierto de Europe PMC y de los PDF que Unpaywall encuentra legalmente gratuitos. Un resumen le dice que un ensayo fue positivo. Los métodos le dicen que fue abierto y con veinticuatro participantes.

3. Indexación y recuperación

   Cada registro se convierte en un documento estructurado y se carga en un cuaderno de Gemini/NotebookLM, donde se vectoriza e indexa para la recuperación semántica. Las preguntas se responden mediante síntesis aumentada por recuperación sobre ese índice y nada más: al modelo no se le pregunta qué sabe, se le pregunta qué dicen estos documentos, y cada respuesta vuelve con los pasajes en los que se apoyó.

4. Reverificación continua

   Un barrido mensual reexamina los registros que la biblioteca ya guarda, empezando por las confirmaciones más antiguas, y corrige aquellos cuyo historial posterior a la publicación ha cambiado: retractaciones, erratas, expresiones de preocupación. 79 registros han sido marcados de esta manera y ya no cuentan como evidencia aquí.

La base de datos

Detrás de la biblioteca hay un registro con una fila por documento, indexado por el identificador que el documento realmente tiene: un DOI para un preprint, un PMID para un artículo indexado, un número NCT para un ensayo registrado. Cada fila lleva dos huellas: una del título y el resumen, que detecta un texto revisado, y otra de los enlaces de retractación, errata y comentario, que detecta un artículo cuya consideración ha cambiado sin que cambiara nada de su contenido.

Ese registro es lo que hace idempotente al proceso. Las mismas búsquedas, ejecutadas cada semana, devuelven en su mayor parte los mismos miles de registros, y el registro es lo que hace que la quincuagésima ejecución añada solo lo nuevo en vez de una quincuagésima copia de todo. Además está particionado por finalidad en lugar de amontonado en un único índice:

• Core3925guías, síntesis y ensayos — el corpus desde el que publica este sitio
• Field45.964todo lo demás revisado por pares, conservado por amplitud
• Watchpreprints y ensayos registrados, en flujo continuo — ninguno de los dos constituye todavía evidencia de ningún grado

Un sistema de recuperación que no sepa distinguir un preprint de un ensayo aleatorizado citará el preprint, así que la separación se impone en el almacenamiento en lugar de dejarse a que el modelo la respete al consultar. A qué partición pertenece un documento se decide una sola vez, al verlo por primera vez, y no se vuelve a derivar nunca: de lo contrario, un artículo reindexado aguas arriba migraría entre cuadernos y dejaría una copia de sí mismo en el antiguo.

Las cifras anteriores se leen del propio registro al generarse el sitio, mediante una función que puede decir cuántos documentos se guardan y nunca cuáles. Son mediciones, no propaganda.

Los metaestudios

Los ensayos aislados se contradicen entre sí; eso es lo que hacen los ensayos aislados. Los documentos que más pesan son los que ya han resuelto la contradicción: las revisiones sistemáticas y los metaanálisis, que agrupan los ensayos y cuantifican el resultado conjunto, y las guías de práctica clínica construidas sobre ellos.

La biblioteca guarda actualmente 2130 metaanálisis y revisiones sistemáticas y 26 guías clínicas, junto a 1381 ensayos controlados aleatorizados. Están en lo alto de la jerarquía y se recuperan primero, de modo que una explicación publicada aquí se construye a partir de las síntesis y solo acude a un ensayo individual allí donde ninguna síntesis cubre la pregunta. Cuando un metaanálisis y un ensayo que acapara titulares se contradicen, lo que se redacta es el metaanálisis — y la contradicción se redacta con él.