La propuesta de Redes Causales Complejas está basada en un realismo (Borsboom et al., 2003) y en un materialismo no-reduccionista (Borsboom et al., 2019), a la vez que retoma la idea de que cualquier ontología que se proponga sobre los trastornos mentales no debe apoyarse en ningún tipo de esencialismo (Kendler et al., 2011).
En esta ocasión me gustaría explicar los conceptos claves que aparecen en este párrafo:
“Un rasgo importante de un sistema dinámico es que se caracteriza por estados atractores, en los que una red determinada alcanza el equilibrio y una mayor estabilidad. Cuando una red se encuentra en ese estado estable, las perturbaciones tienden a perturbar el equilibrio sólo temporalmente, ya que la red tiende a volver rápidamente al estado atractor una vez que el sistema del estado fue perturbado. Sin embargo, algunas perturbaciones pueden hacer que la red supere un umbral crítico y pase a un nuevo estado estable. Esto puede ocurrir cuando un factor estresante importante desestabiliza una red saludable y lleva a la persona a una red de depresión” (Hofmann et al., 2016, pág. 5, énfasis propio).
Contextualicemos históricamente: Atractores
A principios del siglo XIX, una superficie curvada en dos dimensiones se estudiaba con el método cartesiano. Esto implicaba incrustar una superficie en un espacio tridimensional con su propio conjunto de ejes fijos y estáticos, para después utilizar esos ejes en cada punto de la superficie. En otras palabras, se volvió imperativo que una superficie, para ser estudiada, cumpla con normas o axiomas, viéndose entonces deformada por los ejes cartesianos formulado de manera a priori. Estos ejes cartesianos generalizados en cualquier superficie lo vamos a llamar como “espacio global de incrustación”.
Sin embargo, Friedrich Gauss notó que el cálculo y su enfoque en puntos infinitesimales en la superficie permitían el estudio de ésta sin ninguna referencia al espacio global de incrustación, lo que implica analizar una superficie sin necesitar de los famosos ejes cartesianos que, hasta cierto punto, limitaban el estudio geométrico. (¿Otro error de Descartes? joke)
Mientras que Gauss se limitó al caso de las superficies bidimensionales, Bernhard Riemann expandió la propuesta de su maestro con un problema aún más ambicioso: superficies o espacios de cualquier número de dimensiones, o como expresan los matemáticos: espacios de n-dimensiones. Es este concepto de espacios de n-dimensiones a lo que se refiere originalmente la idea de “variedad”, ya que los espacios de n-dimensiones corresponden a la deformación que puede tener una superficie debido a sus propias características locales. En palabras de Morris Klein, historiador de las matemáticas: “la geometría del espacio ofrecido por Riemann no fue solo una extensión de la geometría diferencial de Gauss, sino una manera novedosa de enfocar el estudio del espacio” (citado en DeLanda, 2024, pág. 23).
En definitiva, el concepto de “variedad” transmite dos ideas fundamentales. La primera es que la variabilidad de una superficie es intrínseca a sus condiciones, y la segunda corresponde a que la deformación de una superficie no se debe a dimensiones trascendentales o latentes, de modo que el número variable de dimensiones que tenga una superficie es siempre inmanente.
Retomando a la teoría de sistemas dinámicos, “n-dimensiones” se usa para representar las propiedades del sistema, mientras que “variedad” es conceptualizado como el espacio de estados posibles (phase space) que un sistema puede tener. El estudio del comportamiento dinámico de un objeto o sistema contempla el número de formas significativas que potencialmente dicho sistema puede cambiar, esto último se conoce también como “grados de libertad” (degree of freedom) (Stewart, 1997).
El espacio de estados posibles representa todos los estados que potencialmente tiene un sistema. El cambio de estado (phase transition) se da a través del tiempo y es representado como una curva o trayectoria. Cada trayectoria es histórica, ya que muestra los diversos cambios que experimentó un sistema a lo largo del tiempo, lo que permite estudiar el comportamiento analizando la secuencia de momentos en el que determinado sistema sufrió un cambio en su forma. Es decir, permite modelar procesos morfogenéticos.
El estudio de las trayectorias históricas en un espacio de estados posibles revela los comportamientos recurrentes o típicos, véase, patrones habituales que, a pesar de ciertos cambios en las condiciones iniciales, ocurren de manera similar. El pionero en el estudio topológico del espacio de posibilidades, también del siglo XIX, fue el gran matemático Henri Poincaré. Poincaré estaba interesado en el estudio de las características recurrentes de cualquier superficie o modelo con dos grados de libertad. Descubrió que los puntos que componen una variedad (el espacio de estados posibles) pueden ser divididos en dos clases: mientras que la mayoría de puntos son puntos ordinarios, algunos pocos son especiales o singulares, teniendo una gran influencia en el comportamiento sobre las trayectorias de un sistema.
Estos puntos especiales reciben el nombre de singularidades, y su característica interesante es que afectan lo que ocurre dentro del espacio de estados posibles, ya que atraen determinadas trayectorias. Es por esta razón que las singularidades también son denominadas como atractores. Esto implica que, sin importar donde se coloque un sistema en el espacio de posibles estados, la evolución de un sistema se verá atraído por el atractor, lo que conlleva a que termine en un mismo estado final. Es importante destacar que cada atractor tiene una esfera de influencia, lo que se conoce también como cuenca de atracción (basin of attraction). Esta característica determina qué tan difícil es para el sistema pasar de su estado actual a otro estado, o sea, hacer una transición de fase.
Últimos apuntes sobre los atractores
DeLanda explica los tres tipos de atractores:
“Un espacio de estados estructurado por un atractor de punto, por ejemplo, se puede bifurcar en otro con dos atractores de punto, o un atractor puntual puede bifurcarse en uno periódico, perdiendo así algo de su simetría original. (…) Hay una secuencia que comienza con un atractor puntual que al alcanzar un valor crítico de [propiedades intensivas] se vuelve inestable y se bifurca en un atractor periódico. Esta singularidad cíclica, a su vez, se vuelve inestable llegando a otro valor crítico y se transforma en un atractor caótico” (pág. 34, 2024).
En otras palabras, cuando existe una tendencia hacia un estado estacionario y fijo, se trata de un atractor de punto; cuando hay una tendencia a repetir cíclicamente una secuencia no lineal de eventos, es decir, un bucle, se trata de un atractor periódico. Los atractores caóticos, en cambio, no se limitan a un comportamiento fijo o cíclico; describen trayectorias complejas e impredecibles dentro de un espacio de estados, pero que aun así están confinadas dentro de una estructura subyacente. Las tendencias representan las posibilidades de que un estado tome una forma particular, indicando cuáles formas son más probables que otras. Dado que el espacio de posibilidades incluye diferentes variables (dimensiones o grados de libertad), las tendencias permiten pensar en los posibles cambios significativos que un sistema puede experimentar. El hecho de que una misma singularidad (puntual o cíclica) pueda estructurar el espacio de posibilidades de un sistema de diversas maneras demuestra el papel explicativo de las singularidades en contraste con el de las causas (DeLanda, 2015). El diagrama de espacios de posibilidades está asociada con los procesos morfogenéticos de un sistema, la transición de estados observada en la secuencia de uniforme-periódico-caótico ocurre a través de rupturas simétricas por umbrales críticos de intensidad.
Por otro lado, DeLanda (2015) explica que:
“El hecho de que detrás de estos mecanismos hay una misma tendencia a minimizar una cualidad (o de repetir los mismos estados posibles una y otra vez) muestra que las singularidades son ellas mismas mecanismos-independientes. Para explicar el comportamiento creativo de cualquier sistema material necesitamos ambos: una descripción del mecanismo que explica cómo el sistema fue producido, y una descripción de la estructura del espacio de posibilidades que cuenta con sus estados estables [singulares], así como también sus transiciones de cambio cualitativo a cuantitativo” (pág. 4).
Volvamos a Hofmann: Bueno, ¿y entonces qué?
Cuando Hofmann et al. (2016) hablan sobre el equilibrio y estabilidad de un sistema que tiende a volver al estado anterior a pesar de las perturbaciones, se refieren a que un sistema influenciado por un atractor con una cuenca de gran atracción, impide que el sistema adapte otra forma. Las singularidades que determinan el espacio de estados posibles de un sistema son estudiadas en sistemas físicos a partir de sus tendencias a largo plazo inherentes o intrínsecas al sistema (DeLanda, 2024). En otras palabras, significa que el equilibrio y estabilidad de un sistema no son intrínsecos, sino son el resultado de una trayectoria histórica que fue moldeando al sistema hasta que alcanzó un estado en el que no le permite con facilidad variar su comportamiento. Cuando un sistema presenta las características antes mencionadas, se dice el sistema es resiliente al cambio. En contraste, cuando un sistema está en un atractor cuya cuenca no es de gran influencia, esto indica que ante perturbaciones externas es fácil que el sistema pase a otro atractor con una cuenca de atracción diferente; esto último se conoce como vulnerabilidad. En resumen, cuando un sistema es difícil de cambiar por una cuenca de gran atracción es resiliente, mientras que el sistema se considera vulnerable cuando el cambio de un estado a otro es fácil.
El pasaje del estado de un sistema a otro estado se conoce como transición de fase (phase transition), esto ocurre cuando un sistema al verse perturbado significativamente llega a un umbral crítico de intensidad (critical threshold), es decir, un punto medio entre un estado y otro, conocido también como punto de inflexión (tipping point). Una vez que se supera el punto de inflexión, el sistema experimenta un cambio cualitativo, este fenómeno se denomina matemáticamente como “bifurcación” o “romper simetría”. Por lo tanto, como indican Hofmann et al. (2016), desestabilizar el sistema en su estado actual permite que pase a otro estado, su ejemplo ilustrativo: el cambio de un estado saludable a un estado depresivo. Más adelante, en otra ocasión, exploraremos la definición que ofrece Denny Borsboom sobre la salud mental basada en estos principios de la teoría de la catástrofe.
En conclusión
La propuesta de Redes Causales Complejas incluye varias teorías que abordan la complejidad, como la teoría de grafos, la teoría del caos y la teoría de las catástrofes. En mi opinión, el enfoque en redes para entender la psicopatología es el que ha sido más explorado tanto conceptual como metodológicamente. En contraste, el uso teórico y conceptual de los atractores en su sentido literal parece haber sido menos explorado debido a las dificultades y la confusión que implica comprometerse con su existencia. No obstante, los atractores pueden ofrecer usos interesantes en la práctica y el desarrollo teórico que de a poco está construyéndose en psicología. Por ejemplo, los puntos de inflexión (tippig points) pueden ser utilizados como indicadores de que el sistema está a punto de experimentar un cambio cualitativo, lo que permite nuevas formas de predicción de sistemas dinámicos, a pesar del caos que los caracteriza. Estos indicadores de la transición de fase (phase transition) es lo que se conoce teóricamente como Early-warning Signals, que podríamos brutamente traducir como señales anticipadas de alerta (para más información véase Scheffer, 2009).
En palabras de Svitak y Hofmann (2024):
Aunque los modelos de procesos dinámicos aún no son habituales en psicoterapia, en la vida cotidiana nos encontramos muy a menudo con modelos de procesos: Son la base de las previsiones meteorológicas. Con ayuda de estos modelos, los meteorólogos pueden utilizar los datos para detectar un huracán que se aproxima. Sin embargo, la interacción de la velocidad del viento, la presión atmosférica y los movimientos del viento que visualiza el modelo no indica una enfermedad meteorológica subyacente llamada ”huracán”, sino que representa el sistema multidimensional y complejo que describimos como huracán. Una visión de los trastornos mentales basada en procesos sigue una idea similar, analizando las interacciones entre procesos psicológicos multidimensionales para explicar la aparición y el mantenimiento de patrones de procesos que hacen sufrir a un individuo. El objetivo es llegar a ”visualizar” los trastornos mentales de forma similar a partir de modelos generados por datos, de modo que se pueda inferir que, por ejemplo, se está gestando un ”tornado emocional” (pág. 27).
Integrar una perspectiva de sistemas dinámicos e intensidades puede ser un desafío en sí por el esfuerzo teórico y práctico que implica. Sin embargo, considero que apostar por esta integración es una manera de expandir la investigación actual de los fenómenos psicológicos, teniendo en cuenta su carácter caótico, inesperado, pero a la vez determinado. Aún queda mucho por recorrer, pero al menos hemos dado los primeros pasos.
📚 Referencias:
- Borsboom D., Mellenbergh G. J., van Heerden J. (2003). The theoretical status of latent variables. Psychological Review, 110(2), 203–219. https://doi.org/10.1037/0033-295X.110.2.203
- Borsboom D, Cramer AOJ, Kalis A. (2019) Brain disorders? Not really: Why network structures block reductionism in psychopathology research. Behavioral and Brain Sciences 42, e2: 1–63. doi:10.1017/S0140525X17002266
- DeLanda, M. (2015), The New Materiality. Archit. Design, 85: 16-21. https://doi.org/10.1002/ad.1948
- DeLanda, M. (2024). Ciencia intensiva y filosofía virtual. (P. Veas Orellana, S. Constanzo, G. Donoso, A. Maza, & C. S. Ubilla, Trads.) Buenos Aires: Tinta Limón Ediciones / Editorial Hiperstisión.
- Hofmann, S. G., Curtiss, J., & McNally, R. J. (2016). A Complex Network Perspective on Clinical Science. Perspectives on psychological science: a journal of the Association for Psychological Science, 11(5), 597–605. https://doi.org/10.1177/1745691616639283
- Kendler, K.S., Zachar, P., and Craver, C. (2011). What kinds of things are mental disorders? Psychological Medicine, 41, 1143– 1150.
- Scheffer, M., Bascompte, J., Brock, W. A., Brovkin, V., Carpenter, S. R., Dakos, V., Held, H., van Nes, E. H., Rietkerk, M., & Sugihara, G. (2009). Early-warning signals for critical transitions. Nature, 461(7260), 53–59. https://doi.org/10.1038/nature08227
- Stewart, I. (2002). Does God play dice: The New Mathematics of Chaos. Wiley-Blackwell.
- Svitak M. & Hofmann S. G. (2024) Process-Based Approach to CBT: Understanding and Changing the Dynamics of Psychological Problems.