flatlandpress_cc_by_sparks_env2

29 Augustus 2019

De ziekte van Parkinson woont niet in Flatland

Our methods of inquiry as scientists should not be determined by the ease with which we can communicate our work. Rather, our methods of inquiry should strive to directly tackle the immense complexity of our discipline while making it easier to collaborate, share, and develop our cumulative understanding | The Flatland Fallacy: Moving Beyond Low–Dimensional Thinking (Jolly & Cheng, 2018)

Weinig boeken hebben tijdens mijn studententijd meer indruk op me gemaakt dan het boek  ‘Flatland’ van Edwin Abbott, geschreven in 1884.  Flatlanders wonen in een land met maar twee dimensies. Op een dag valt er een bal uit de derde dimensie door Flatland heen. Voor een inwoner van Flatland ziet dat er ongeveer zo uit: Allereerst verschijnt er een punt en dan een steeds groter wordende cirkel waarna de cirkel met dezelfde snelheid weer kleiner wordt en verdwijnt.

cc_by_flatland_sparks

Een van de inwoners van flatland met de naam “A. Square”, beredeneert dat deze verschijnende en verdwijnende cirkels wel moeten betekenen dat de echte wereld complex en multidimensionaal is, maar wordt gevangen gezet omdat de rest van de inwoners niet bij machte is deze redenering te volgen.

De moraal van het verhaal is natuurlijk dat ook wij – driedimensionale wezens – beperkt zijn in onze cognitieve vermogens om de complexe werkelijkheid te begrijpen. En ook al kunnen we dat prima beredeneren – zeker als we op een mooie zomeravond het universum in turen, lijntjes tussen de sterren tekenen en ons afvragen of er elders ook leven zal zijn – toch geven we in de praktijk de voorkeur aan lineaire, makkelijk te vertellen verhalen die ons doen geloven dat wij de complexe realiteit wel begrijpen.

Zo is het ook met wetenschappelijk onderzoek naar de ziekte van Parkinson. Vrijwel elk artikel dat ik lees, zegt het: Parkinson is een complexe ziekte. Toch bevatten veel van diezelfde wetenschappelijke artikelen vervolgens dappere pogingen om net te doen alsof dat niet zo is en om deze complexiteit te reduceren tot – bij voorkeur – binaire vragen. Vragen die vervolgens met lineaire regressie geanalyseerd worden om zo een lineaire relatie tussen de onderzochte variabelen te plotten. Dat soort grafieken ziet er dan vaak zo uit:

Het onontkoombare gemiddelde

Gisteren las ik bijvoorbeeld het artikel met de binaire vraag: ‘Parkinson’s Disease in Women and Men: What’s the Difference?’ (Cerri, e.a. 2019) en zag ik dat de auteurs –  op basis van grafieken zoals bovenstaande – de gemiddelde mannelijke en vrouwelijke Parkinson patiënt hadden getekend.

Serieus?!

Hoe kunnen patiënten zich nou verdedigen tegen dit soort beeldvorming? In flatlandgrafieken gaat het individu – waarvoor wetenschappers volgens mij uiteindelijk aan het werk zijn – altijd verloren. En dat maakt dat mensen zoals bijvoorbeeld David Sangster er wel voor moeten blijven vechten dat zij die echt niet in dat gemiddelde beeld passen – in dit geval de jonge Parkinson patiënten ook serieus genomen worden. Alle inspanningen die zich richten op een nieuwe binaire categorie – in dit geval jong versus oud – zouden niet nodig zijn als we iedereen als een individu zouden behandelen. Of dat individu nou man, vrouw, jong, oud, klein, groot, dik, dun, hoogopgeleid, laagopgeleid of iets ertussenin is.

Omdat onderzoekers zelf natuurlijk ook wel weten dat het enkele feit dat je een man of vrouw bent niet allesbepalend is (behalve dan bij de vraag wie van de twee zwanger is), eindigt flatlandonderzoek dan ook steevast met de conclusie dat er meer van dit soort onderzoek nodig is om zeker te weten dat de conclusies kloppen.

Maar is dat wel zo? Moeten we dat wel willen, nog meer onderzoek doen op deze manier? Gaan we er dan komen? Want ook al vertellen onze hersenen ons meestal iets anders. De ziekte van Parkinson woont niet in Flatland.

Ik haal hier graag de woorden aan van Allen Newel die al in 1973! voorzag dat we er niet gaan komen door steeds weer onderzoek te doen waarin slechts een aantal variabelen wordt bekeken. In dit geval heeft Newel het over psychologisch onderzoek, maar naar mijn mening geldt dit citaat ook voor dit type Parkinson onderzoek.

The proper tactic is to frame a general question, hopefully binary, that can be attacked experimentally. Having settled that bits-worth, one can proceed to the next. The policy appears optimal – one never risks much, there is feedback from nature at every step, and progress is inevitable. Unfortunately, the questions never seem to be really answered, the strategy does not seem to work…… I am worried that our efforts, even the excellent ones I see occurring here, will not add up…..  Maybe we should cooperate in working on larger experimental wholes than we now do | Newell, 1973

Larger experimental wholes… Wat een vooruitziende blik voor iemand van het pre-digitale tijdperk!

Aan Flatland ontsnappen

Naarstig op zoek naar een ontsnappingsmogelijkheid vond ik het artikel The Flatland Fallacy: Moving Beyond Low–Dimensional Thinking (Jolly & Chang, 2018). Wat een feest der herkenning! De auteurs geven aan dat we Flatland voorbij moeten maar ook kunnen streven, maar dan moeten we wel open durven staan voor onze eigen cognitieve beperkingen.

De uitweg ziet er ongeveer als volgt uit:

  • Sta stil  
    Reflecteer op de huidige onderzoekspraktijk en wees eerlijk. Gaan we er echt zo komen met de manier waarop we nu wetenschappelijk onderzoek doen? En waar gaan we dan komen? Sta ervoor open dat het beter kan en moet ook als je nog niet weet hóe je die verbeteringen dan precies in gang zou moeten zetten en ook als er praktische bezwaren en heuse gevestigde onderzoeksculturen in de weg staan.
  • Ga met je tijd mee
    • Pas onderzoek, onderzoeksmethoden en manieren om data te analyseren aan de huidige tijd – of liever nog aan de komende tijd!  – aan.
    • Maak gebruik van computermodellen en machine learning. Computers kunnen nou eenmaal wel in meerdere dimensies redeneren en wij – tot mijn grote spijt – niet.

Models serve as tools to both reason and communicate about high–dimensional spaces. Models allow researchers to consider what dimensions of a problem are most relevant and predict outcomes based on complex sets of interactions. Moreover, models can be shared between researchers, permitting the collective development of a cumulative science whereby weak or redundant theories are pruned and robust, predictive theories are retained | The Flatland Fallacy: Moving Beyond Low–Dimensional Thinking (Jolly & Cheng, 2018)

    • Verzamel zoveel mogelijk, interoperabele, data. En stel ze vervolgens ook aan anderen beschikbaar. Alleen op die manier kunnen we de potentie van machine learning ten volle benutten (Wise e.a., 2019).
    • Verzamel ook data waarvan je niet weet of zelfs niet verwacht dat ze zinvolle informatie bevat. Het gaat niet alleen om grote hoeveelheden data maar ook om een grote data diversiteit. Laat de data vervolgens voor zichzelf spreken.
    • Train de toekomstige generatie onderzoekers op het ‘uitbouwbaar’ maken van wetenschap. Breid hun training uit met vaardigheden zoals het genereren van voorspellende modellen, machine learning, data visualisatie en open science.
  • Leer onderzoek anders waarderen
    Koester een cultuur waarin het ontwikkelen, testen, delen en doorontwikkelen van modellen centraal staat. Laat onderzoeksoutput peer reviewen op ‘uitbouwbaarheid’. Kunnen andere onderzoekers/computers het – in de slotalinea van een wetenschappelijk artikel aanbevolen vervolgonderzoek – ook makkelijk uitvoeren?
escaperoom_cc_by_sparks

Door te erkennen dat wij als mens gevoelig zijn voor de zwaartekracht van Flatland, kunnen we boven onszelf uitstijgen en de wetenschap een stuk verder brengen dan nu het geval is. Want hoe mooi we de verhalen die wij elkaar vertellen zelf ook vinden:

De waarheid trekt zich van onze bewijzen niets aan | Unknown

Sparks

Bronnen

Cerri, S., Mus, L., Blandini, F. (2019). Parkinson’s Disease in Women and Men: What’s the Difference? Journal of Parkinson’s Disease, vol. 9, no. 3, pp. 501-515. https://doi.org/10.3233/JPD-191683

Jolly, E., Chang, L.J. (2018). The Flatland Fallacy: Moving Beyond Low–Dimensional Thinking. https://doi.org/10.1111/tops.12404 

Newel, A. (1973). You can ’t play 20 questions with nature and win: projective comments on the papers of this symposium. W. G. Chase (ed.) Visual Information Processing, New York: Academic Press. https://pdfs.semanticscholar.org/85a0/96908670cd83cacfdede9e11f2df2dc41c9b.pdf 

Wise, et al. (2019). Implementation and relevance of FAIR data principles in biopharmaceutical R&D. Drug Discovery Today, 24, pp. 933-938. https://doi.org/10.1016/j.drudis.2019.01.008

Leave a Comment

Deze website gebruikt Akismet om spam te verminderen. Bekijk hoe je reactie-gegevens worden verwerkt.