שיפור סיווג לחץ קוגניטיבי באמצעות מיזוג רב-מודאלי של EEG ו-ECG: הבדלים מגדריים בתגובה הפיזיולוגית

מדוע מדידת העומס המנטלי היומיומית חשובה

החיים המודרניים מושכים את תשומת לבנו ללא הפסקה — מדד-זמנים צפופים ועד ריבוי משימות על מסכים. ובכל זאת לעתים נדירות אנו רואים מה הלחץ הזה עושה בתוך גופנו ומוחנו בזמן אמת. המאמר חוקר דרך "להקשיב" גם למוח וגם ללב בו-זמנית כדי להעריך עד כמה אדם נמצא במתח מנטלי, והאם תגובה זו שונה בין גברים לנשים. כלים כאלה עשויים בסופו של דבר לסייע לבתי ספר, מקומות עבודה ואפילו כלי רכב להסתגל לעומס המנטלי המשתנה של אנשים לפני שיעברו טעויות או התמוטטות.

להקשיב למוח וללב יחד

כשאנחנו תחת עומס מנטלי, גם קצבי המוח וגם פעילות הלב משתנים. החוקרים השתמשו בשני הקלטות רפואיות נפוצות: אלקטרואנצפלוגרם (EEG), שעוקב אחרי אותות חשמליים זעירים מהמוח, ואלקטרוקרדיוגרם (ECG), שמנטר דפיקות לב. במקום להזין מאות מדידות גולמיות, הם התרכזו בשלושה אינדיקטורים קומפקטיים עם משמעות פיזיולוגית ברורה: יחס תטה/אלפא (TAR) מבוסס מוח המשקף מאמץ מנטלי, דופק פשוט (HR), ומדד איזון של שונות הלב שנקרא LF/HF שמייצג כיצד מערכת העצבים משתנה תחת לחץ. האותות נאספו מ-66 סטודנטים בריאים שאבחנו ביצוע של תרגילי חשבון מנטליים שהקשים בהדרגה במטרה לעורר במידה מהימנה מתח קוגניטיבי קל עד חזק.

מהאותות הגולמיות לגלאי לחצים חכם

הקבוצה לא הסתמכה רק על תקווה שמידע כלשהו יעבוד; הם בדקו סטטיסטית שהמאפיינים שבחרו אכן שונים בין מנוחה ללחץ. באמצעות מבחנים סטנדרטיים הם אישרו ש־TAR, HR ו־LF/HF השתנו בצורה שיטתית לאורך חמשת שלבי המשימה — ממנוחה רגועה עם עיניים פתוחות ועד החישובים הקשים ביותר. לאחר מכן נורמליזו הנתונים כך שמדדי מוח ולב יהיו בקנה-מידה דומה, והשתמשו בניתוח רכיבים עיקריים כדי לוודא שכל תכונה מוסיפה מידע ייחודי ולא שחוזרת על מה שאחרת כבר לוכדת. בשלב הבא הם בנו מספר מודלים קלאסיים של למידת מכונה — כולל עצי החלטה, k-הקרובים ביותר, ניתוח דיסקרימיננטי ליניארי, בייס נאיבי, יער אקראי ותמיכות וקטוריות (SVM) — ואימנו אותם להבחין בין מנוחה ללחץ, וגם להפריד בין לחץ נמוך לגבוה, כשהם משתמשים ב־EEG בלבד, ב־ECG בלבד או במיזוג של שניהם.

שילוב האותות משפר דיוק

בעבר כמעט כל השוואה, המודל הממוזג שהשתמש גם ב־EEG וגם ב־ECG עלה על אלה שהתבססו על אות יחיד. הממיין SVM התברר כגישת החזקה ביותר, והבחין נכון בין מנוחה לרמות הלחץ השונות עם דיוקים שיא עד כ־94–95%. מודל פשוט יותר המבוסס רק על יחס תטה/אלפא כבר נתן תוצאות סבירות, אך הוספת מדדי הלב שיפרה משמעותית את הביצועים, במיוחד כאשר הלחץ היה עדין ולא קיצוני. במונחים טכניים, המודל המשולב השיג דיוק, דיוק חיובי (precision) וציון F1 גבוהה יותר וביצועים מאוזנים יותר בין המחלקות, מה שמצביע על כך שהמוח והלב מספקים תצפיות משלימות על אותו עומס מנטלי בסיסי.

גברים ונשים אינם מגיבים בדיוק אותו הדבר

מכיוון שמסד הנתונים הציבורי תייג בקפידה את המין של כל משתתף, המחברים יכלו לבדוק האם דפוסי התגובה של מוח ולב ללחץ קוגניטיבי שונים בין גברים לנשים. הם הריצו מחדש את המודלים בנפרד לכל קבוצה ומצאו שנשים נטו להשיג ציוני סיווג גבוהים יותר מאשר גברים ברבות מהמשימות. בממוצע, המשתתפות הציגו מעט אותות מאמץ מוחי גבוהים יותר (TAR) ודופק לב גבוה יותר תחת עומס, בעוד שגברים הראו נטייה קטנה לשוויון LF/HF גבוה יותר. למרות שההבדלים לא היו עצומים, הם היו חזקים דיים כדי להידגם מבחינה סטטיסטית ולהיות מנוצלים על ידי מודלי למידת המכונה. זה מרמז שמערכת גילוי לחץ אחידה אחת עלולה לא להיות הוגנת או מיטבית לחלוטין לכל המשתמשים.

מה משמעות הדבר עבור מערכות חכמות בעתיד

לקריאה עממית, המסקנה פשוטה: ניתן לקבל קריאת אמינות של רמת הלחץ המנטלי של אדם על ידי שילוב כמות קטנה של אותות נבחרים היטב מהמוח ומהלב, והאותות הללו אינם זהים אצל גברים ונשים. עבודה זו מדגימה שביצועים גבוהים אינם מצריכים למידת עומק "קופסה שחורה" מורכבת או מאות תכונות בלתי שקופות; שלישייה קומפקטית ומפורשת — יחס קצב מוחי, דופק ולמדד שונות לב — המוזנת לממיין סטנדרטי יכולה להגיע לדיוק מרשים. בטווח הארוך, מערכות רב-מודאליות המודעות למגדר כאלה עשויות להפעיל מכשירים לבישים, פלטפורמות למידה או ממשקי בטיחות שירגישו בשקט כאשר המשתמש עומס ויתאימו דרישות בזמן אמת, מה שיסייע להפחית שגיאות, עייפות ולחץ כרוני.

ציטוט: 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

מילות מפתח: לחץ קוגניטיבי, EEG ו-ECG, למידת מכונה, הבדלים מגדריים, ניטור פיזיולוגי