הערכת עומס קוגניטיבי בניתוח בעזרת רובוט באמצעות תכונות זמן ותדירות מאפוקי EEG עם רגרסיית יער אקראי

מדוע מאמץ מנטלי בניתוח רובוטי חשוב

ניתוח בסיוע רובוט מבטיח חתכים קטנים יותר, החלמה מהירה יותר וידיים יציבות יותר. אבל מאחורי הרובוט יושב נוזל אנושי שהמוח שלו עלול להעמיס מעומס של תמונות מורכבות, בקרות והחלטות בעלות סיכון גבוה. המחקר שואל שאלה פשוטה עם השלכות גדולות: האם אפשר לקרוא בזמן אמת את אותות המוח של המנתח כדי להעריך עד כמה הוא עייף מנטלית, ואז להשתמש במידע הזה כדי לשמור עליו ערני ועל המטופלים בטוחים?

להאזין למוח בזמן ניתוח רובוטי

במקום להסתמך על רשימות בדיקה או תחושות בטן, החוקרים פנו לאלקטרואנצפלוגרמיה, או EEG, טכניקה שמודדת אותות חשמליים זעירים על הקרקפת. הם השתמשו במערך נתונים ציבורי של 25 אנשים שביצעו משימות ניתוח בסיוע רובוט בזמן שעטו כובע עם 128 אלקטרודות. חיישנים אלה קולטים קצבים מאזורים מוחיים שונים: קדימה (תכנון וקבלת החלטות), צידי (שמיעה וזיכרון), עליון (מישוש ומודעות מרחבית) ואחורי (ראייה). המטרה הייתה להמיר את הקווים הגולמיים והרועשים האלה להערכה רציפה של "עומס קוגניטיבי" — כמה קשה המוח עובד ברגעים שונים.

ניקוי ועיבוי האותות מהמוח

EEG גולמי מתנהג יותר כמו רשת חשמל עירונית מאשר קריאת מוח ברורה: הוא מלא הפרעות מהמצמוץ, מתיחות שרירים וקווי חשמל. הצוות ניקָה תחילה את הנתונים על ידי סינון תדרים לא רצויים ושימוש בשיטת ניתוח מתמטי שנקראת ניתוח רכיבים בלתי תלויים כדי להסיר ארטיפקטים של עין ושריר. כדי להפוך את המערכת למהירה מספיק לשימוש כמעט בזמן אמת, הם הקטינו את קצב הדגימה מ-500 ל-128 מדידות לשנייה. השוואות קפדניות של מפות מוח וספקטרוגרמות לפני ואחר צעד זה הראו שהדפוסים המרכזיים נשמרו, כך שהאותות נשארו שימושיים מבחינה מדעית תוך הפחתת עלות העיבוד.

להפוך גלים למספרים משמעותיים

בהמשך, החוקרים חתכו את ה-EEG הרציף" לאפוקים" של שנייה אחת ותיארו כל קטע קטן באמצעות סטטיסטיקות פשוטות ותוכן תדר. תכונות מבוססות זמן, כגון גודל ממוצע של האות, שונות, אסימטריה ומספר הפעמים שהגל חצה את האפס, תפסו את הצורה והאנרגיה הכללית של פעילות המוח. תכונות מבוססות תדירות התמקדו בכמה כוח נמצא ברצועות קלאסיות כמו ת'יטה (קשור למאמץ וזיכרון עבודה), אלפא (מנוחה ודיכוי), ביתא (ריכוז פעיל) וגאמה (עיבוד מורכב). יחד, המספרים הללו יוצרים טביעת אצבע דחוסה של מצב המוח בכל שנייה, מוכנה ללמידה על ידי מחשב.

ללמד יער של עצי החלטה לקרוא עומס

כדי לקשר את טביעות האצבע של ה-EEG לעומס הקוגניטיבי, הצוות השתמש בשיטת למידת מכונה שנקראת רגרסיית יער אקראי. במקום נוסחה בודדת ומורכבת, גישה זו בונה הרבה עצי החלטה פשוטים שכל אחד נותן חיזוי, ואז משלב אותם לתשובה "אנצמבל" אמינה יותר. המודל למד לחזות עד כמה כל אזור מוחי הופעל, תוך טיפול בהפעלת האזור כמייצג של המאמץ המנטלי. באזורים קדמיים, טמפורליים, פאריאטליים ואוקסיפיטליים, המודל תאם את ההפעלות האמיתיות באופן יוצא דופן, עם ציוני דיוק (R²) מעל 0.93 ותוצאות חזקות במיוחד באזור הטמפורלי, שעוזר לשלב קול, זיכרון ותפיסה במהלך משימות תובעניות.

מה המודל מגלה על המוח הפועל

על ידי בחינת אילו תכונות היער האקראי הסתמך עליהן הכי הרבה, המחקר גם האיר אור על איך אותות המוח משקפים מאמץ מנטלי. מדדים של אנרגיית אות ונקודות התפרצות (שיעור ריבועי ממוצע וקורטוזיס), יחד עם כוח ברצועות תדר נבחרות, היו אינפורמטיביים במיוחד. אזורים שונים הדגישו תכונות שונות: למשל, פעילות ביתא וגאמה מהירה באזורים פאריאטליים ואוקסיפיטליים התאמה עם עיבוד חזותי ומרחבי כבד, בעוד דפוסים באותות קדמיים שיקפו עומס קבלת החלטות. חתימות ספציפיות לאזור אלו מרמזות שלשיטה עשויה להיות התאמה עתידית לכובעי EEG קלילים יותר שממוקדים רק באזורים המידעיים ביותר.

ממחקר במעבדה לחדרי ניתוח בטוחים יותר

ללא-מומחים, המסקנה ברורה: המחקר מצייר מתכון מעשי להפיכת חיישני קרקפת ואלגוריתמים חכמים ל"מד עומס מנטלי" רציף למנתחים. בעוד העבודה הנוכחית משתמשת בנתונים מאוחסנים מקבוצה מוגבלת של משתתפים, היא מראה שעם ניקוי זהיר ועיצוב תכונות נכון, מודל למידת מכונה יחסית פשוט יכול לעקוב אחרי עומס קוגניטיבי בדיוק גבוה ובעלות חישובית נמוכה. בעתיד, מערכות כאלה עשויות לעזור לקונסולות רובוטיות לפשט אוטומטית תצוגות, להתאים קצב עבודה או לסמן רגעי עומס, לתמוך במוחות המנתחים באותה מהימנות שהרובוטים כבר תומכים בידיהם.

ציטוט: Atheef G A, M., Powar, O.S. Estimating cognitive workload in robot assisted surgery using time and frequency features from EEG epochs with random forest regression. Sci Rep 16, 7624 (2026). https://doi.org/10.1038/s41598-026-35986-5

מילות מפתח: עומס קוגניטיבי, ניתוח בסיוע רובוט, ניטור EEG, למידת מכונה, ממשק מוח-מחשב