Clasificación del estrés basada en EEG usando características en el dominio del tiempo y técnicas de segmentación

Por qué el estrés en el cerebro importa en la vida cotidiana

El estrés moldea cómo sentimos, pensamos y trabajamos, pero normalmente se registra con encuestas que preguntan a las personas cómo se sienten. Estas herramientas son valiosas pero subjetivas y no pueden observar cómo el estrés sube y baja a lo largo del día. Este estudio explora si un pequeño conjunto de sensores de ondas cerebrales puede ofrecer una forma objetiva y rápida de distinguir quién está estresado y quién no, usando métodos lo bastante simples como para integrarse en futuras diademas u otros dispositivos portátiles.

Escuchar el estrés a través de las ondas cerebrales

Los investigadores recurrieron a la electroencefalografía, o EEG, que registra la actividad eléctrica del cerebro desde sensores colocados en el cuero cabelludo. Usaron un gran conjunto de datos público de voluntarios sanos cuyos niveles de estrés ya se habían evaluado con un cuestionario estándar. En lugar de depender de muchos sensores, se centraron en solo cuatro colocados sobre la frente y los laterales de la cabeza, regiones vinculadas a la emoción y el control del estrés. A cada persona se le registraron unos ocho minutos de actividad cerebral en reposo, proporcionando un tramo largo de datos en el que podrían esconderse patrones relacionados con el estrés.

Trocear señales largas en instantáneas cortas

Para dar sentido a estas largas grabaciones, el equipo dividió el EEG de cada persona en piezas cortas, o ventanas. Probaron dos estrategias simples. En el enfoque sin solapamiento, la señal de ocho minutos se cortó en fragmentos consecutivos de diez segundos que no compartían datos. En el enfoque con solapamiento, las ventanas se desplazaban a lo largo de la grabación con porciones compartidas, produciendo más instantáneas pero en parte repetidas. Comparar estas dos formas de trocear los datos ayudó al equipo a ver cuál ofrecía información más clara y útil sobre el estrés.

Convertir ondas crudas en números que el ordenador pueda leer

Una vez definidas las ventanas, cada fragmento de datos de las ondas cerebrales se redujo a un conjunto de características numéricas básicas que capturan su forma y variabilidad. Estas incluían ideas familiares como valor medio, dispersión y energía, así como qué tan bruscamente sube y baja la señal y cuán predecible es. A partir de 20 características por ventana, un método basado en información seleccionó las que aportaban las pistas más útiles sobre si la persona pertenecía al grupo estresado o no estresado. En muchos casos, las características extraídas de un único sensor frontal en el lado derecho de la cabeza destacaron como especialmente informativas.

Dejar que algoritmos sencillos separen a los estresados de los tranquilos

Con un conjunto compacto de características en mano, los autores probaron cinco métodos de aprendizaje automático comerciales para ver con qué precisión podían separar a los voluntarios estresados de los no estresados. Usaron un enfoque de prueba estándar en el que los datos se dividen repetidamente en porciones de entrenamiento y prueba para estimar el rendimiento de forma justa. A lo largo de estos ensayos, un método llamado k vecinos más cercanos, que clasifica cada ejemplo nuevo comparándolo con sus vecinos más próximos en los datos, rindió mejor. Usando ventanas sin solapamiento de los cuatro sensores, etiquetó correctamente el estado de estrés en aproximadamente 96 de cada 100 casos, superando a varios otros métodos populares que se usan a menudo en estudios de EEG.

Qué significa esto para el seguimiento del estrés en el futuro

Para los lectores, el mensaje clave es que la detección precisa del estrés puede no requerir aprendizaje profundo ni escáneres cerebrales voluminosos de muchos canales. Este trabajo demuestra que un número modesto de sensores, maneras simples de trocear las señales en segmentos cortos y resúmenes numéricos directos pueden proporcionar pistas sólidas sobre quién está estresado. Aunque se necesita más trabajo para probar tales sistemas en entornos cotidianos y en nuevos grupos de personas, el estudio sugiere que futuras diademas u otros dispositivos portátiles podrían monitorizar discretamente el estrés a través de la actividad cerebral y ayudar a las personas a detectarlo y gestionarlo antes.

Cita: Rauf, U., Zahid, A., Qadeer, A. et al. EEG-based stress classification using time-domain features and segmentation techniques. Sci Rep 16, 16568 (2026). https://doi.org/10.1038/s41598-026-50857-9

Palabras clave: detección de estrés por EEG, ondas cerebrales, aprendizaje automático, sensores portátiles, monitorización de la salud mental