Decisiones · IA y longevidad
En nuestra búsqueda, mi hijo Alek y yo conocimos a más de cien expertos en longevidad en 39 países y estados, y casi en todas partes, tarde o temprano, la conversación acababa en la inteligencia artificial. En Shanghái recorrimos un laboratorio donde robots e IA trabajan codo con codo para buscar nuevos medicamentos. En Los Ángeles, Peter Diamandis nos dijo que el mayor impacto en la longevidad vendrá de la IA. Y una y otra vez, los científicos que la usan cada día nos dijeron, con la misma claridad, lo que todavía no puede hacer. Esta página trata de cómo la IA está cambiando el descubrimiento de fármacos, la ciencia de las proteínas, las pruebas de imagen, los análisis y los relojes del envejecimiento, lo que podría significar para tus propios datos de salud y para los médicos de IA, y sus límites honestos (los datos, los errores, la privacidad y de quién son tus datos), con las palabras de los expertos que nos lo enseñaron, con gratitud.
Por Marek Piotrowski · Actualizado 2026-10-30
En resumen
La IA le está dando a la ciencia de la longevidad algo que nunca tuvo: el poder de leer más datos de los que ninguna persona podría leer jamás. Ya está ayudando a los científicos a encontrar más rápido nuevos candidatos a fármacos, a predecir la forma de las proteínas, a detectar cánceres en las pruebas de imagen y a leer nuestra edad en los análisis, y algún día podría convertir tus datos de salud dispersos en una sola sugerencia clara que marque una diferencia real.
Es una herramienta, y una herramienta solo es tan buena como los datos de los que aprende y las personas que la usan. Bien usada, puede darnos más años sanos y alegres, y dar a las personas que nos cuidan más tiempo para nosotros. [1][2][3]
La longevidad, tal como la entendemos: más años sanos y alegres. Lo que queremos decir →
Tu cuerpo es un sistema enorme y muy activo, y la ciencia ya puede medir de él más de lo que ninguna persona podría leer jamás. La inteligencia artificial, o IA, es un programa informático que aprende patrones a partir de enormes cantidades de datos y luego los usa para hacer predicciones. Por eso tantos de los científicos que conocimos estaban entusiasmados con ella.
En Los Ángeles, Peter Diamandis, una de las primeras personas que me inspiraron sobre la longevidad, a través de sus pódcasts, lo dijo con tanta fuerza como cualquiera en nuestra búsqueda:
«Sin duda, el mayor impacto en la longevidad vendrá de la IA. Sin ninguna duda, ¿verdad? Y por eso estoy mirando constantemente esa intersección donde la IA nos ayuda a entender a nivel molecular lo que pasa dentro de una célula y a hacer billones de experimentos, cuando antes solo podíamos hacer cientos. Como estos sistemas pueden funcionar in silico, pueden funcionar en una especie de sistemas imaginarios y encontrar información nueva.»
Dicho de forma sencilla: La IA puede probar ideas dentro de un ordenador, muy deprisa, antes de que nadie toque un tubo de ensayo. Así los científicos pueden probar muchas más ideas que nunca y quedarse solo con las mejores para el laboratorio.
En el Buck Institute de California, un lugar tranquilo y precioso con pequeños ciervos al otro lado de las ventanas, Eric Verdin nos contó cómo ya está cambiando sus propios laboratorios:
«Lo verás en la mayoría de los laboratorios, también aquí: la robótica está entrando en la ecuación. Tenemos un microscopio robótico que nos permite hacer el trabajo de muchos científicos, y eso se está extendiendo por todas partes. Uno de los mayores avances sería que la IA también acelere nuestra forma de pensar. En cierto modo, la IA es básicamente robótica para el cerebro. Nos permite aprender de verdad a encontrar patrones donde no podemos ver con nuestros propios ojos.»
Dicho de forma sencilla: Los robots hacen el trabajo de laboratorio de muchas manos. La IA hace el trabajo de pensar de muchos ojos: encuentra en los datos patrones que nunca veríamos por nuestra cuenta.
Crear un medicamento nuevo lleva muchos años. Los científicos tienen que encontrar la diana correcta (a menudo una proteína del cuerpo que se comporta mal), luego diseñar una molécula que la corrija, probarla en el laboratorio y solo entonces probarla en personas. La IA ayuda sobre todo en los primeros pasos.
En diciembre de 2023, Alek y yo visitamos en Shanghái un laboratorio del que hablaba todo el sector: los robots hacen los experimentos y la IA decide qué probar a continuación. Zhihu Qu, un ingeniero que trabajaba en sus robots cuando lo visitamos, nos lo enseñó:
«Supongamos que llevamos un fármaco hasta el PCC: se supone que eso lleva casi tres años, pero nosotros lo terminamos en 18 meses. […] Creo que, en ciertas fases, la IA puede acelerar muchísimo, quizá varias veces con el tiempo. […] Pero solo para el descubrimiento inicial. Para la otra parte, tenemos que ir paso a paso. Será como el ensayo clínico. Eso no lo podemos acelerar.»
Dicho de forma sencilla: Un «PCC» es un candidato preclínico: la molécula que los científicos eligen para seguir adelante hacia las pruebas. La IA y los robots pueden hacer mucho más rápida esa búsqueda inicial. Pero probar un medicamento de forma segura en personas sigue llevando el tiempo que lleva.
Unos investigadores analizaron medicamentos encontrados con IA que habían llegado a ensayos en personas. En la primera fase, que comprueba sobre todo la seguridad, tuvo éxito el 80–90 %, más que la tasa habitual. En la segunda fase, que empieza a comprobar si un fármaco funciona, tuvo éxito alrededor del 40 %, más o menos igual que los fármacos encontrados a la antigua. Las cifras de esa segunda fase aún son pequeñas.
Según: Un análisis de las carteras de las empresas · todavía es pronto [2]La IA no solo diseña moléculas. También lee. En Londres, Avi Roy, biogerontólogo, nos explicó por qué los científicos necesitan esa ayuda:
«La llegada del aprendizaje automático y la computación tratando de resolver estos problemas complejos es, sin duda, el camino a seguir. Si tú y yo entramos hoy en PubMed, y son más o menos las dos en el Reino Unido, y miramos solo los artículos que se han subido a PubMed desde la medianoche de anoche, catorce horas, no seríamos capaces de revisar toda esa literatura biomédica en catorce horas. Así que imagina lo que pasará a final de mes, a final de año. ¿Cómo se supone que vas a sacar todo ese valor de todos esos artículos y saber qué es reproducible y qué no lo es? Necesitamos ayuda. Necesitamos ayuda, sin duda.»
Dicho de forma sencilla: Cada día sale tanta investigación nueva que nadie puede leerla toda. La IA puede ayudar a los científicos a encontrar en ella lo que importa, y lo que de verdad se sostiene.
Al recorrer ese laboratorio de Shanghái, me quedé asombrado. Laboratorios como este pueden cambiar la forma de investigar. Creo que la principal fortaleza que la gente ve en Insilico es que descubrirá el nuevo fármaco que lo cambie todo. Pero imagina que hubiera laboratorios así en cada hospital del mundo, o al menos en cada gran ciudad, y que estuvieran conectados entre sí y pudieran aprender unos de otros. Eso sería un cambio enorme.
Unos días después, todavía en Shanghái, Evelyne Bischof, médica de oncología y longevidad cuya clínica ya envía muestras a ese laboratorio, nos contó cómo trabaja con él:
«Para el trabajo clínico, sí. […] Ahora mismo todavía es, por supuesto, en forma de ensayos aprobados por un comité de ética, ¿verdad? Pero si sigue a esta velocidad, muy, muy pronto podremos llegar de verdad al punto de tener un […] minilaboratorio robótico con IA en nuestro hospital. […] Se acabó el transporte de muestras. […] Vienes, te hago la biopsia, la paso por los robots, hacen su trabajo […] estará terminado en un día. […] Y mañana puedo decirte cuál es el fármaco que tienes que usar.»
Dicho de forma sencilla: Hoy la muestra de un paciente viaja a un laboratorio y vuelve. Evelyne sueña con un pequeño laboratorio robótico dentro del hospital, para que al día siguiente el médico sepa qué medicamento le va bien a esa persona concreta.
Luego le pregunté por la idea en la que no había dejado de pensar desde nuestra visita: laboratorios como este en universidades de todo el mundo, conectados por una sola base de datos, comparando sus resultados. Ella respondió:
«Es el poder de los datos que tienes justo aquí, ¿verdad? Así que si hacemos esto en cada hospital del mundo, o incluso en unos pocos hospitales de todo el mundo, y estamos conectados en una nube, y se suben todos los resultados, eso nos da billones de datos. Entonces, si tengo un paciente muy raro, pero lo paso por el sistema y lo identifico en algún lugar de la nube, aun así puedo ayudar a ese paciente, ¿verdad? Así que […] será, no digo que podría ser, será una herramienta muy poderosa, y también para la longevidad, ¿verdad?»
Dicho de forma sencilla: Un hospital solo ve a unos pocos pacientes con una enfermedad rara. Miles de laboratorios conectados los ven a todos, y juntos pueden ayudar a cada uno.
Para mí, ese es el futuro: un tratamiento hecho para un paciente, a partir de lo que laboratorios de todo el mundo han aprendido juntos. Es algo en lo que todos los países deberían invertir, y en lo que deberíamos trabajar juntos.
Las proteínas son las diminutas máquinas que hacen la mayor parte del trabajo en tus células. Lo que hace una proteína depende de su forma, y durante décadas averiguar la forma de una sola proteína podía costar a los científicos meses o años de laboratorio.
En 2021, un programa llamado AlphaFold demostró que podía predecir la forma 3D de una proteína a partir de sus piezas básicas, en la mayoría de los casos casi con la misma precisión que los experimentos de laboratorio. Su base de datos gratuita abarca hoy más de 214 millones de secuencias de proteínas. En 2024, Demis Hassabis y John Jumper compartieron por ello el Premio Nobel de Química, junto con David Baker, que diseña con ordenadores proteínas completamente nuevas.
Según: Un estudio histórico, una base de datos pública y el Premio Nobel de 2024 [1][4][5]En el primerísimo congreso de nuestra búsqueda, en Dublín, Aubrey de Grey, el hombre del que tanta gente en este campo dice que fue el primero en inspirarla, nos contó lo grande que es esto:
«Todo el mundo habla, claro, de AlphaFold, ese programa maravilloso capaz de averiguar la estructura tridimensional de las proteínas partiendo solo de su secuencia de aminoácidos. Eso ya ha tenido un impacto comparable al que vimos hace veintitantos años, cuando secuenciamos por primera vez el genoma humano. No necesariamente hace posibles experimentos que antes no lo eran, pero hace que muchos experimentos sean mucho más fáciles y rápidos de diseñar y de llevar a cabo. Y vamos a ver más de eso. El siguiente paso natural en ese campo concreto es poder diseñar proteínas desde cero.»
Dicho de forma sencilla: Conocer la forma de una proteína es como conocer la forma de una cerradura: se vuelve mucho más fácil diseñar una llave (un medicamento) que encaje. El siguiente paso es diseñar proteínas nuevas que hagan el trabajo que elijamos.
En Washington, Larry Callahan, que trabajó veinte años como científico en la Administración de Alimentos y Medicamentos de EE. UU. (FDA), estuvo de acuerdo en que estos programas son muy buenos, y nos recordó que una forma es solo el principio:
«Ahora hay algunos buenos programas de IA que te dan la estructura de las proteínas y que son muy buenos: AlphaFold y las versiones que han venido después de AlphaFold. Así que ahora sabes cómo están estructuradas las dianas. […] Pero hay muchísimas cosas. No se trata solo de ir contra una diana. Un fármaco tiene que entrar en el cuerpo. Para entrar en el cuerpo, a veces tiene que pasar por un transportador. Tiene que superar todas las enzimas metabólicas.»
Dicho de forma sencilla: Encontrar la cerradura no es toda la historia. Un medicamento también tiene que viajar por tu cuerpo, llegar adonde se necesita y no convertirse en algo dañino por el camino. Por eso las pruebas en personas siguen importando.
La IA también está aprendiendo a leer lo que leen los médicos: mamografías, resonancias magnéticas, electrocardiogramas y análisis de sangre. Nunca se cansa, y puede notar patrones demasiado pequeños para el ojo.
En Suecia, a 80.033 mujeres se les asignó al azar o bien la lectura habitual de su mamografía por dos médicos, o bien una lectura en la que la IA ordenaba las imágenes y señalaba las zonas sospechosas. Con IA, los médicos detectaron un 20 % más de cánceres, sin más falsas alarmas, y leyeron un 44 % menos de imágenes.
Según: Un gran ensayo aleatorizado en personas [3]Una IA entrenada con los electrocardiogramas (ECG) de 499.727 pacientes aprendió a estimar cuántos años tiene una persona. Cuando el corazón parecía más de 7 años mayor de lo que la persona era en realidad, esa persona tenía con más frecuencia problemas de corazón como tensión alta, arterias coronarias estrechas o un latido más débil.
Según: Un gran estudio en pacientes [6]Los relojes del envejecimiento, las pruebas que estiman tu edad biológica, se construyen igual: un ordenador aprende de los datos de muchas personas. (Escribimos una página entera sobre ellos: No existe una sola edad biológica.) En Boston, Mahdi Moqri, que construye estos biomarcadores en Harvard, nos explicó por qué la IA importa tanto aquí:
«Quizá la mejor noticia para el campo de los biomarcadores y de los biomarcadores del envejecimiento es que ahora tenemos muchísimos datos, y estas nuevas megacohortes y biobancos nacionales están produciendo enormes cantidades de multiómica, y cada una de esas ómicas son miles de mediciones de cada extracción de sangre. Y no podemos procesarlos con métodos antiguos ni con métodos estadísticos. La IA está aquí para salvarnos con todos esos datos. […] Los datos están ahí, la solución está ahí. Solo necesitamos mejores herramientas para escarbar en esos datos. Y la IA promete ayudarnos con eso.»
Dicho de forma sencilla: Un solo análisis de sangre puede dar hoy miles de números. La IA es la herramienta que puede ordenarlos y descubrir lo que dicen sobre cómo envejece cada uno de nosotros.
Palabras que vale la pena conocer
De nuestro glosario. Toca una carta para darle la vuelta: detrás está la ciencia y las personas que nos la explicaron.
Cuántos años tiene tu cuerpo, y no cuántos cumpleaños has celebrado.
Edad biológica
Dos personas nacidas el mismo año pueden llevarse años por dentro. La edad biológica se estima a partir de marcadores en sangre, de cómo se enciende y se apaga tu ADN, y de pruebas de fuerza y forma física. A diferencia de tu cumpleaños, puede moverse — en las dos direcciones. Leer más →
Lo que puedes medir hoy para ver lo rápido que envejeces, mucho antes de que algo duela.
Biomarcadores del envejecimiento
Nivel 04 · El Puente de la Prevención«El envejecimiento no es una sola cosa, nunca va a ser sencillo y siempre van a ser cosas distintas en personas distintas.»
Nikolina Lauc · Londres, julio de 2024
La prevención es la reina: mantenerte bien, en lugar de esperar a que te traten.
Prevención
El cribado, la genómica, la imagen y los biomarcadores detectan un problema cuando todavía es pequeño y barato de tratar, y la decisión sigue siendo tuya. La mayoría de los sistemas sanitarios siguen hechos para atender la enfermedad y actúan cuando algo se rompe; la longevidad los lleva a cuidar la salud. Leer más →
Nivel 04 · El Puente de la Prevención
Casi todos los científicos que trabajan con IA nos dijeron dos cosas en la misma frase: es poderosa, y no es magia. Max Unfried, el amigo que nos abrió las puertas de Singapur en nuestra búsqueda y que usa la IA para estudiar los lípidos (las grasas del cuerpo) y el envejecimiento, lo expresó mejor que nadie:
«La IA puede entender el lenguaje, la IA puede entender imágenes y la IA puede entender, en cierta medida, las reglas básicas de la química. Así que creo que en ese sentido es bastante poderosa, en esas tareas muy concretas, por así decirlo. Al mismo tiempo, cuando se trata de lanzar la IA a todo, soy menos optimista. Y la IA se está usando como palabra de moda, ¿verdad? Y al mismo tiempo, creo que las IA que tenemos ahora, las IA potentes que han sido muy útiles, por ejemplo para dar sentido a las redes sociales, necesitan muchísimos datos. Y mi opinión personal es que para muchas cosas relacionadas con el envejecimiento todavía no tenemos esa cantidad de datos. Así que sí, puedes lanzarle la IA y te devolverá algo. Pero con datos insuficientes, probablemente no sea correcto o incluso sea erróneo. Y creo que ahí tenemos que tener un poco de cuidado, ¿verdad? Los buenos modelos de IA son geniales, pero necesitamos muchísimos datos realmente buenos y de alta calidad para sacarles el máximo partido.»
Dicho de forma sencilla: La IA es muy buena en tareas concretas de las que ha visto muchos ejemplos. Dale muy pocos datos, o datos malos, y aun así te dará una respuesta, pero esa respuesta puede ser errónea.
Brian Kennedy, a quien sentimos como de la familia desde nuestro primerísimo día en Dublín, le habló a Alek de otro problema. (Uno de los estudiantes de doctorado a los que se refería era Max.)
«Ahora usamos mucho más la IA. Es un poco de locos, porque tengo estudiantes de doctorado que saben mucho más que yo sobre ella. […] La IA de verdad nos permite ir a lugares nuevos y analizar grandes volúmenes de datos, para obtener nuevas ideas. […] La IA nos permite analizar todas esas vías juntas, y te escupe una respuesta, pero a veces eso puede ser frustrante, porque no sabes por qué esa respuesta es cierta. Simplemente esa es la respuesta, pero no es tan satisfactorio si quieres entender el mecanismo de lo que está pasando. Así que ahora hay un movimiento hacia una IA con sentido. Todavía no estoy seguro de lo que significa, pero espero que tenga éxito, porque creo que no solo necesitamos las respuestas, sino que necesitamos entender por qué esas son las respuestas. Y por eso tenemos que mezclar un poco la IA con la ciencia tradicional de laboratorio húmedo.»
Dicho de forma sencilla: A veces la IA da una respuesta sin poder explicar por qué. Los científicos quieren las dos cosas, la respuesta y la razón, así que comprueban las ideas de la IA con experimentos reales.
Un programa que usaban sistemas sanitarios de EE. UU. para decidir quién debía recibir atención extra juzgaba lo enfermas que estaban las personas según cuánto se había gastado en su salud. En los pacientes negros con las mismas necesidades se había gastado menos dinero, así que el programa subestimaba lo enfermos que estaban. Corregirlo habría aumentado la proporción de pacientes negros elegidos para recibir ayuda extra del 17,7 % al 46,5 %.
Según: Un estudio de un programa muy utilizado [7]Guido Kroemer, uno de los autores de los Hallmarks of Aging, usa la IA cada día en su laboratorio. En Singapur nos dejó una frase que vale la pena recordar:
«En el laboratorio usamos la inteligencia artificial para muchas preguntas: acoplamos moléculas que han sido modeladas en el espacio tridimensional por inteligencia artificial. Hacemos cálculos de modelado molecular. Generamos grandes conjuntos de datos que, en parte, se someten a un análisis bioinformático vinculado a la IA. Hacemos análisis de imagen: tomamos fotos o vídeos de células que se comportan de una u otra forma in vitro, y luego aprovechamos esa información usando herramientas de IA. Así que es una inteligencia artificial […] o al menos se llama inteligencia artificial, pero es solo una herramienta que necesita inteligencia real para volverse útil.»
Dicho de forma sencilla: La IA es una herramienta, como un microscopio. Solo se vuelve útil en manos de personas que saben qué preguntar y cómo comprobar la respuesta.
Me encantaría una plataforma que ayude a la gente a entender sus propios datos médicos. No solo los grandes resultados de una clínica, sino también los datos del día a día, porque sin ayuda la gente se vuelve loca con ellos. Muchos tenemos análisis de sangre, pruebas de imagen y notas de distintos médicos, dispersos a lo largo de los años, y ahora números de nuestros relojes y anillos a cada minuto, y entendemos muy poco de todo ello.
No necesito una pantalla en mi wearable que me diga minuto a minuto lo que está pasando: estás corriendo, Marek. Ya sé que estoy corriendo. Quiero que mi wearable envíe sus datos a un programa, mi propia IA personal, que aprenda los patrones de todos mis wearables y de todos mis datos médicos y me dé indicaciones concretas. A final de mes, me dice lo que hice y me recomienda un cambio que marcaría una diferencia real. Eso es lo importante.
Después viene la pregunta de a quién pertenece todo esto. En Dublín, en los primeros días de nuestra búsqueda, Tina Woods, activista de la longevidad y un auténtico chute de energía, habló de ello con nosotros:
«Está todo este espacio de, digamos, biomarcadores digitales y de captura pasiva de datos, porque, claro, tenemos relojes. Tenemos todos estos sensores […] Y, por supuesto, hay que lidiar con la preocupación de la gente por la privacidad y todo eso. […] Me fascinan, por ejemplo, las carteras de datos personales. Cómo, con un clic, una persona puede decidir con quién comparte sus datos. […] Necesitamos leyes y normas que apoyen nuestra capacidad de compartir datos a gran escala. Así que me fascinan de verdad ideas como la donación de datos, la filantropía de datos, donde el público en general puede formar parte de un proyecto de investigación científica a gran escala que impulsará a las empresas a crecer, porque tendremos más acceso a los datos.»
Dicho de forma sencilla: Tu reloj, tus análisis y tus pruebas crean datos sobre ti. Deberías ser tú quien decida quién los ve y, si quieres, puedes dárselos a la ciencia para ayudar a todos.
Unos investigadores demostraron que el 99,98 % de los estadounidenses podía volver a identificarse correctamente en un conjunto de datos que contenía 15 datos corrientes sobre ellos, como la edad, el género y el estado civil, incluso después de quitar sus nombres.
Según: Un estudio de modelización [8]Los asistentes de IA que responden preguntas de salud también están aquí. Pueden explicar el resultado de un análisis con palabras sencillas, y eso es maravilloso. Pero pueden sonar muy seguros y aun así equivocarse, y lo que escribes en ellos puede quedar guardado. Estas son buenas preguntas que conviene hacerse antes de confiar en cualquiera de ellos:
La alegría de todo esto es el tiempo. Si las máquinas se encargan de leer, ordenar y hacer el papeleo, las personas que nos cuidan recuperan sus manos y su corazón. En Shanghái le dije a Evelyne Bischof, médica de oncología y longevidad, que esperaba que algún día la IA le permitiera trabajar cuatro horas al día. Se rio, y luego dijo esto:
«De verdad espero que la IA nos traiga soluciones que puedan quitarnos gran parte de la carga, desde el papeleo hasta la administración, cosas que simplemente llevan tiempo. Si pudiéramos quitarnos eso y yo pudiera pasar de la alta tecnología al alto contacto humano, pasar más tiempo con el paciente y ajustar, y luego también pasar más tiempo conmigo y con mi longevidad, sería genial.»
Dicho de forma sencilla: El sueño no es un médico robot. Es una médica con más tiempo para ti, y para su propia vida larga y sana.
Y hay alegría en lo que la IA abre a los jóvenes. Cuando Alek le preguntó a Andrea Maier por la IA en Dublín, ella le dio un consejo profesional que le vendría bien a cualquier adolescente:
«Creo que en la medicina de la longevidad estamos en la fase en que primero tenemos que procesar los datos nosotros mismos, porque tenemos que asegurarnos de que tienen sentido, de que los datos son buenos y de que tienen sentido fisiológicamente. Pero luego tenemos que escribir de verdad los algoritmos correctos para hacerme la vida un poco más fácil al procesar los datos, y la inteligencia artificial tiene ahí un papel muy, muy grande. Así que si quieres una carrera, yo diría: o estudias medicina, te dedicas a la medicina de la salud y la longevidad y te haces médico de salud y longevidad. Y si eres muy listo, haz las dos cosas. Estudia también inteligencia artificial, combínalo, y el futuro es tuyo.»
Dicho de forma sencilla: Médicos que entienden los datos, y expertos en datos que entienden el cuerpo: ahí es donde se está construyendo el futuro de la medicina de la longevidad.
Paseando junto al océano en Santa Mónica con Peter Diamandis, le conté cómo lo veo yo:
«Yo suelo decir que hay dos cosas que son las más importantes, y la IA es solo una herramienta. La primera es la longevidad, para que podamos vivir más tiempo, esta vida tan bonita, y sentir estas emociones. Pero la segunda es el liderazgo consciente: que todo lo que hagamos, toda la tecnología que podamos crear, la usemos para el bien de la humanidad y no para el mal. Y esa es, en realidad, la tarea más difícil.»
Antes de cambiar nada
Esta página comparte lo que dicen la investigación y los expertos que conocimos. No es consejo médico y no recomienda ningún medicamento, suplemento ni tratamiento. No sabe nada de ti. Antes de empezar, dejar o cambiar algo —sobre todo si estás embarazada, tienes una enfermedad o tomas alguna medicación—, habla con tu médico. En una emergencia, llama al 112 o al número de emergencias local.
Cada cifra de esta página, según el número entre corchetes. Las citas vienen de las entrevistas grabadas por Live Beyond, hechas en inglés; aquí están traducidas y limpias solo de muletillas. No es consejo médico. Habla con tu médico antes de cambiar nada.