Améliorer la classification du stress cognitif par fusion multimodale EEG et ECG : différences de réponse physiologique selon le sexe

Pourquoi mesurer la charge mentale du quotidien est important

La vie moderne sollicite en permanence notre attention, des délais serrés au multitâche sur écran. Pourtant, nous voyons rarement ce que cette pression provoque à l’intérieur de notre corps et de notre cerveau en temps réel. Cette étude explore une méthode pour « écouter » à la fois le cerveau et le cœur afin d’estimer le niveau de stress mental d’une personne, et pour déterminer si cette réponse diffère entre hommes et femmes. De tels outils pourraient, à terme, aider les écoles, les lieux de travail et même les véhicules à s’adapter à la charge mentale variable des personnes avant qu’il n’y ait des erreurs ou un épuisement.

Écouter ensemble le cerveau et le cœur

Lorsque nous sommes soumis à une charge mentale, les rythmes cérébraux et l’activité cardiaque se modifient. Les chercheurs ont utilisé deux enregistrements médicaux courants : l’électroencéphalogramme (EEG), qui suit de faibles signaux électriques du cerveau, et l’électrocardiogramme (ECG), qui surveille les battements du cœur. Plutôt que d’entrer des centaines de mesures brutes, ils se sont concentrés sur trois indicateurs compacts ayant un sens physiologique clair : un ratio cortical theta/alpha (TAR) reflétant l’effort mental, la fréquence cardiaque simple (HR), et une mesure d’équilibre de la variabilité cardiaque appelée LF/HF qui capture les ajustements du système nerveux sous stress. Ces signaux ont été collectés chez 66 étudiants en bonne santé pendant qu’ils réalisaient des tâches d’arithmétique mentale de difficulté croissante conçues pour déclencher de manière fiable un stress cognitif allant de léger à important.

Des signaux bruts à un détecteur de stress intelligent

L’équipe n’a pas simplement espéré qu’un signal suffirait ; elle a d’abord vérifié statistiquement que les caractéristiques choisies différaient réellement entre repos et stress. À l’aide de tests standards, ils ont confirmé que le TAR, la HR et le LF/HF évoluaient de manière systématique à travers les cinq étapes de la tâche, du repos yeux ouverts détendu aux calculs les plus difficiles. Ils ont ensuite normalisé les données pour que les mesures cérébrales et cardiaques soient sur des échelles comparables, et ont utilisé l’analyse en composantes principales pour s’assurer que chaque caractéristique apportait une information unique plutôt que de dupliquer une autre. Ensuite, ils ont construit plusieurs modèles classiques d’apprentissage automatique — y compris arbres de décision, k-plus proches voisins, analyse discriminante linéaire, Bayes naïf, forêts aléatoires et machines à vecteurs de support (SVM) — et les ont entraînés à distinguer repos et stress, ainsi qu’à séparer faible et fort stress, en utilisant soit l’EEG seul, l’ECG seul, ou une fusion des deux.

La combinaison des signaux augmente la précision

Dans presque toutes les comparaisons, le modèle fusionné utilisant à la fois l’EEG et l’ECG a surpassé ceux reposant sur un signal unique. Le classificateur SVM s’est révélé l’approche la plus performante, distinguant correctement le repos des différents niveaux de stress avec des pics de précision atteignant environ 94–95 %. Un modèle plus simple basé uniquement sur le ratio theta/alpha se comportait déjà raisonnablement bien, mais l’ajout de mesures cardiaques améliorait sensiblement la performance, surtout lorsque le stress était subtil plutôt qu’extrême. En termes techniques, le modèle combiné obtenait une précision, une précision positive (precision) et des scores F1 plus élevés, ainsi qu’une performance plus équilibrée entre les classes, montrant que le cerveau et le cœur fournissent des perspectives complémentaires sur la même charge mentale sous-jacente.

Hommes et femmes ne répondent pas exactement de la même manière

Parce que le jeu de données public étiquetait soigneusement le sexe de chaque participant, les auteurs ont pu aller plus loin et se demander si les schémas de réponse cérébrale et cardiaque au stress cognitif différaient entre hommes et femmes. Ils ont relancé leurs modèles séparément pour chaque groupe et ont constaté que les femmes obtenaient souvent de meilleurs scores de classification que les hommes pour de nombreuses tâches. En moyenne, les participantes présentaient des signaux d’effort cérébral (TAR) légèrement plus élevés et une fréquence cardiaque plus élevée sous charge, tandis que les hommes montraient une petite tendance vers un rapport LF/HF plus élevé. Bien que les différences ne soient pas énormes, elles étaient suffisamment marquées pour être signalées par des tests statistiques et pour être exploitées par les modèles d’apprentissage automatique. Cela suggère qu’un détecteur de stress unique pour tous ne serait peut-être pas complètement équitable ou optimal.

Ce que cela implique pour les futurs systèmes intelligents

Pour un lecteur non spécialisé, la conclusion est simple : il est possible d’obtenir une lecture fiable du niveau de stress mental d’une personne en combinant un petit nombre de signaux bien choisis du cerveau et du cœur, et ces signaux ne sont pas identiques chez les hommes et les femmes. Ce travail montre qu’une performance élevée ne nécessite pas des réseaux profonds « boîte noire » complexes ni des centaines de caractéristiques opaques ; un trio compact et interprétable — ratio de rythme cérébral, fréquence cardiaque et équilibre de la variabilité cardiaque — alimenté dans un classificateur standard peut atteindre une précision impressionnante. À long terme, de tels systèmes multimodaux tenant compte du sexe pourraient alimenter des dispositifs portables, des plateformes d’apprentissage ou des interfaces critiques pour la sécurité qui détectent discrètement lorsqu’un utilisateur est surchargé et ajustent les exigences en temps réel, contribuant à réduire les erreurs, la fatigue et le stress chronique.

Citation: Salam, A., Alam, F., Shah, D. et al. Improving cognitive stress classification via multimodal EEG and ECG fusion: gender differences in physiological response. Sci Rep 16, 7304 (2026). https://doi.org/10.1038/s41598-026-38356-3

Mots-clés: stress cognitif, EEG et ECG, apprentissage automatique, différences entre sexes, surveillance physiologique