מסגרת למידת עומק מולטימודלית מבוססת קשב המשלבת EEG ו-ECG לגילוי לחץ משודרג

מדוע חשוב למדוד לחץ באופן אובייקטיבי

הלחץ מעצב את האופן שבו אנו חושבים, מרגישים ושומרים על בריאותנו, אך רובנו מבחינים בו רק כאשר הוא מתחיל לגרום לבעיות. המחקר הזה מציג שיטה חדשה למעקב בזמן אמת אחרי לחץ באמצעות אותות מהמוח ומהלב ביחד, במקום לשאול אנשים כיצד הם מרגישים או להסתמך על אות יחיד. המטרה היא להפוך עומס בלתי נראה למידע ברור ואמין שיום אחד יכול לתמוך בטיפול רפואי, ברווחת מקום העבודה ובכלים אישיים לניהול בריאות הנפש.

מגבלות של פשוט לשאול אנשים כיצד הם מרגישים

כיום מודדים לחץ לעיתים קרובות באמצעות שאלונים שבהם אנשים נדרשים לזכור עד כמה היו מתוחים בימים או בשבועות האחרונים. דיווחים עצמיים אלו עלולים להיות מוטים על ידי זיכרון, תרבות או הרצון להיראות "בסדר", והם אינם יכולים ללכוד שינויים מהירים בגוף ברגע לחץ. במקביל, מכשירי לבישה אוספים כיום נתונים ביולוגיים מפורטים, וכך מאפשרים קריאת אותות לחץ ישירות מהגוף. האתגר הוא לפרש את זרמי הנתונים העשירים הללו באופן המשקף הן את הנפש והן את הגוף, במקום להתייחס ללחץ כמספר יחיד.

מה חושפים גלי המוח והפעימות

החוקרים מתמקדים בשני סוגי אותות. EEG (אלקטרואנצפלוגרם) עוקב אחר גלי מוח ויכול להצביע על שינויים הקשורים לריכוז, דאגה ומתח רגשי. ECG (אלקטרוקרדיוגרם) מקליט פעימות לב ומספק מדדים של שונות קצב לב, מדד עדין לאופן שבו הלב מגיב בדרגות גמישות לדרישות. במצבי לחץ קצבי המוח משתנים ושונות קצב הלב בדרך כלל יורדת, אך לא תמיד באותו אופן לכל אדם או לכל מצב. על ידי שילוב שתי הזוויות הללו, המחקר שואף לצייר תמונה עשירה יותר של האופן שבו לחץ מתבטא במערכת העצבים — מהמחשבות והרגשות ועד הלב.

מערכת חכמה הממזגת אותות מוח ולב

הצוות תכנן מסגרת למידת עומק המתייחסת ל-EEG ול-ECG כשתי תעלות משלימות. קודם כל מנקים ומעבדים בקפידה את האותות הגולמיים. פעילות מוחית מסוננת, נחתכת לחלונות זמן קצרים ומומרת לתמונות הממחישות כיצד ההספק בסרטי גלים שונים משתנה לאורך זמן. נתוני הלב עוברים צינור עיבוד משלהם, הכולל גם את המקצב הגולמי של הפעימות וגם מדדי שונות קלאסיים. שלוש רשתות חזקות לזיהוי תמונה, שאומנו במקור על מאגרי תמונות גדולים, מותאמות להוצאת תבניות מהאותות שהומרו. שכבת מיזוג מבוססת קשב לומדת כיצד לשקלל את התרומות מהמוח ומהלב, ואפילו מכל רשת בנפרד, בהתאם למה שמספק מידע רב ביותר ברגע נתון.

בדיקת המערכת על סוגי לחץ שונים

כדי לבדוק עד כמה הגישה עובדת, המחברים אימנו ובדקו אותה על שני מערכי נתונים ציבוריים עצמאיים. האחד, בשם WESAD, כולל הקלטות מוח ולב מתנדבים שעברו מטלות ניטרליות, מטלות חברתיות מתוחות ופעילויות משעשעות. השני, בשם CASE, מוסיף נבדקים נוספים ותערובת של אתגרים מנטליים וסצינות רגשיות, ומציע מבחן קשה יותר לשימוש כללי. בשני המאגרים המערכת המשולבת של EEG ו-ECG הצליחה להבחין בין מצבים ניטרליים, לחוצים וחיוביים בדיוק של כ-95.7 אחוזים. ביצועים אלה עלו על גרסאות שהתבססו אך ורק על נתוני מוח, אך ורק על נתוני לב או על שיטות מיזוג פשוטות, והם נשמרו באופן סביר גם כאשר אומנו על מאגר אחד ונבדקו על השני.

מהתוצאות במעבדה לתמיכה בלחץ היומיומי

מעבר לדיוק הגבוה, המודל בנוי עם מחשבה על שימוש מעשי. הוא יכול לפעול במהירות מספקת למעקב כמעט בזמן אמת וניתן לפשטו עבור התקנים בעלי כוח מחשוב מוגבל. משקלי הקשב גם מספקים חלון לתכונות החשובות ביותר, ומדגישים דפוסים הקשורים ללחץ כמו עלייה בפעילות המוח הפונטלית והפחתת שונות קצב הלב. במילים פשוטות, המחקר מראה כי הקשבה גם למוח וגם ללב, ומתן מערכת חכמה שמחליטה כיצד למזג את הקולות הללו, מספקת קריאת לחץ נאמנה יותר. בעוד שיש צורך בעבודה נוספת כדי להביא זאת למרפאות, מקומות עבודה ומכשירים לצרכן, זהו צעד ממשי לעבר כלים אובייקטיביים ולא חודרניים שיסייעו לאנשים להבין ולנהל את העומס המנטלי שלהם.

ציטוט: Kumar, R., Krishnan, S.B., Yadav, R.K. et al. An attention-based multimodal deep learning framework integrating EEG and ECG for enhanced stress detection. Sci Rep 16, 15188 (2026). https://doi.org/10.1038/s41598-026-44499-0

מילות מפתח: גילוי לחץ, EEG, ECG, למידת עומק מולטימודלית, אותות פיזיולוגיים