Aplicación de Redes Neuronales Artificiales para la Clasificación de Actividades de la Vida Diaria en Sujetos con Enfermedad de Párkinson / Classification of Daily Living Activities in subjects with Parkinson's Disease using Artificial Neural Networks

Resumen El presente trabajo es un seguimiento a la propuesta para la contribución con especialistas en la salud para enriquecer los sistemas de seguimiento y apoyo en pacientes con Enfermedad de Párkinson a través de la clasificación de actividades de la vida diaria (AVDs) utilizando Redes Neuronales Artificiales programadas en lenguaje Python. El método propuesto de aprendizaje supervisado permitió la clasificación de 6 AVDs mediante 22 señales procedentes de haber aplicado Análisis de Componentes Principales; conformando la base de datos utilizada para entrenar un Perceptrón Multicapa, logrando un acercamiento a la clasificación con el 93% de medida F1-score. El presente estudio demuestra la versatilidad de las RNA basadas en MLP combinadas con la técnica de PCA, pues incluso en una base de datos desbalanceada como la utilizada permite alcanzar excelentes valores en la medida F1-score. El uso de Inteligencia Artificial y otras herramientas aplicadas en este trabajo pueden eventualmente ayudar a especialistas a desempeñar una evaluación más certera en el monitoreo de la rehabilitación en pacientes con enfermedad de Párkinson mejorando los registros y así evitar subjetividad en la interpretación de los resultados del tratamiento.

Abstract This paper is a proposal to contribute with health specialists to enrich the follow-up and support systems in patients with Parkinson's by identifying and classifying Daily Living Activities (DLAs) using Artificial Neural Networks programmed in Python language. The proposed method of supervised learning allowed the classification of 6 DLAs through 22 signals obtained from the application of Principal Component Analysis, creating a database used to train a Multilayer Perceptron. This model achieved an approximation of classification with 93% of the F1-score. The present study demonstrates the versatility of ANNs based on MLP combined with the PCA technique since, even in an unbalanced database such as the one used, it allows excellent values to be achieved in the F1-score measure. The use of Artificial Intelligence and other tools applied in this work may eventually help specialists to perform a more accurate assessment in the monitoring of rehabilitation for patients with Parkinson's disease by improving records and thus avoiding subjectivity in the interpretation of treatment results.

Evaluación de la Calidad de los Agentes Conversacionales para la Creación de Instrumentos de Evaluación en Medición de Señales Bioeléctricas / Evaluation of the Quality of Conversational Agents for the Creation of Evaluation Instruments in Bioelectric Signals Measurement

Resumen El objetivo de esta investigación es evaluar la calidad de agentes conversacionales basados en Modelos de Lenguaje Grandes, para la evaluación de aplicación de conocimiento en Ingeniería Biomédica. Se desarrolló un instrumento de evaluación sobre seis temas de medición de señales bioeléctricas elaborado por un agente humano y los agentes conversacionales Chat-GPT y Bard. Se evaluó la calidad del instrumento en términos de nivel de pensamiento, validez, relevancia, claridad, dificultad y capacidad de discriminación, mediante índice kappa (k) del acuerdo de dos expertos y análisis Rasch de resultados de treinta y ocho estudiantes. Tras eliminar siete preguntas de los agentes conversacionales por problemas de validez y originalidad se integró un instrumento de seis preguntas. Las preguntas fueron válidas y relevantes, claras (>0.95, k=1.0), con dificultad baja a alta (0.61-0.87, k=0.83), índice de discriminación adecuado (0.11-0.47), a nivel de pensamiento de análisis (k=0.22). El promedio de los estudiantes fue de 7.24±2.40. Este es el primer análisis crítico de la calidad de los agentes conversacionales a un nivel de pensamiento superior al de comprensión. Los agentes conversacionales presentaron limitaciones en términos de validez, originalidad, dificultad y discriminación en comparación con el experto humano lo que resalta la necesidad aún de su supervisión.

Abstract This research aims to evaluate the quality of conversational agents based on Large Language Models for evaluating the application of knowledge in Biomedical Engineering. An evaluation instrument was developed on six topics for measuring bioelectrical signals prepared by a human agent and the conversational agents Chat-GPT and Bard. The quality of the instrument was evaluated in terms of level of thinking, validity, relevance, clarity, difficulty, and discrimination capacity, using the kappa (k) index of the agreement of two experts and Rasch analysis of results from thirty-eight students. After eliminating seven questions from the conversational agents due to validity and originality problems, a 6-question instrument was integrated. The questions were valid and relevant, clear (>0.95, k=1.0), with low to high difficulty (0.61-0.87, k=0.83), adequate discrimination index (0.11-0.47), at the analysis level of thinking (k =0.22). The average score of the students was 7.24±2.40. This is the first critical analysis of the quality of conversational agents at a level of thinking higher than comprehension. The conversational agents presented limitations in terms of validity, originality, difficulty, and discrimination compared to the human expert, which highlights the need for their supervision.