Migliorare la classificazione dello stress cognitivo tramite fusione multimodale di EEG ed ECG: differenze di genere nella risposta fisiologica

Perché è importante misurare la tensione mentale quotidiana

La vita moderna tira costantemente la nostra attenzione, dalle scadenze serrate al multitasking sugli schermi. Eppure raramente vediamo cosa fanno queste pressioni all’interno del nostro corpo e del cervello in tempo reale. Questo studio esplora un modo per “ascoltare” contemporaneamente cervello e cuore per valutare quanto una persona sia sotto stress mentale e se tale risposta differisca tra uomini e donne. Strumenti del genere potrebbero in futuro aiutare scuole, luoghi di lavoro e persino veicoli ad adattarsi al carico mentale delle persone prima che si verifichino errori o esaurimento.

Ascoltare insieme cervello e cuore

Quando siamo sotto sforzo mentale, i ritmi cerebrali e l’attività cardiaca cambiano entrambi. I ricercatori hanno utilizzato due registrazioni mediche comuni: l’elettroencefalogramma (EEG), che traccia piccoli segnali elettrici del cervello, e l’elettrocardiogramma (ECG), che monitora i battiti cardiaci. Invece di inserire centinaia di misure grezze, si sono concentrati su tre indicatori compatti che hanno un chiaro significato fisiologico: il rapporto theta/alpha (TAR) basato sul cervello che riflette lo sforzo mentale, la semplice frequenza cardiaca (HR) e una misura dell’equilibrio della variabilità cardiaca chiamata LF/HF che cattura come il sistema nervoso si sposta sotto stress. Questi segnali sono stati raccolti da 66 studenti universitari sani mentre eseguivano esercizi di calcolo mentale via via più difficili progettati per scatenare in modo affidabile stress cognitivo da lieve a intenso.

Dai segnali grezzi a un sensore intelligente di stress

Il team non si è limitato a sperare che un segnale funzionasse; ha prima verificato statisticamente che le caratteristiche scelte differissero effettivamente tra riposo e stress. Usando test standard, hanno confermato che TAR, HR e LF/HF cambiavano in modo sistematico nelle cinque fasi del compito, dal riposo rilassato a occhi aperti fino ai calcoli più difficili. Hanno poi normalizzato i dati in modo che le misure cerebrali e cardiache fossero su scale comparabili e hanno usato l’analisi delle componenti principali per confermare che ogni caratteristica aggiungesse informazioni uniche invece di duplicare quanto già catturato da un’altra. Successivamente hanno costruito diversi modelli classici di apprendimento automatico — tra cui alberi decisionali, k-nearest neighbors, analisi discriminante lineare, naive Bayes, foreste casuali e macchine a vettori di supporto (SVM) — e li hanno addestrati a distinguere riposo da stress e a separare stress basso da stress alto, usando EEG da solo, ECG da solo o una fusione di entrambi.

Combinare i segnali migliora l’accuratezza

In quasi tutti i confronti, il modello fuso che utilizzava sia EEG sia ECG ha superato quelli basati su un singolo segnale. Il classificatore SVM è risultato l’approccio più efficace, distinguendo correttamente il riposo dai diversi livelli di stress con punte di accuratezza fino a circa il 94–95%. Un modello più semplice basato solo sul rapporto theta/alpha del cervello già andava abbastanza bene, ma l’aggiunta delle misure cardiache ha migliorato sostanzialmente le prestazioni, specialmente quando lo stress era sottile piuttosto che estremo. In termini tecnici, il modello combinato ha raggiunto maggiore accuratezza, precisione e punteggi F1, e una performance più equilibrata tra le classi, dimostrando che cervello e cuore forniscono vedute complementari dello stesso carico mentale sottostante.

Uomini e donne non rispondono esattamente allo stesso modo

Poiché il dataset pubblico etichettava accuratamente il sesso di ciascun partecipante, gli autori hanno potuto fare un passo ulteriore e chiedersi se i modelli di risposta cerebrale e cardiaca allo stress cognitivo differissero tra uomini e donne. Hanno rieseguito i modelli separatamente per ciascun gruppo e hanno scoperto che le donne tendevano a ottenere punteggi di classificazione più alti rispetto agli uomini in molte delle prove. In media, le partecipanti femminili mostravano segnali di sforzo cerebrale (TAR) leggermente più elevati e una frequenza cardiaca maggiore sotto carico, mentre gli uomini mostravano una lieve tendenza verso un rapporto LF/HF più alto. Sebbene le differenze non fossero enormi, erano abbastanza consistenti da risultare significative nei test statistici e sfruttabili dai modelli di apprendimento automatico. Questo suggerisce che un rilevatore di stress “taglia unica” potrebbe non essere del tutto equo o ottimale.

Cosa significa per i futuri sistemi intelligenti

Per un lettore non esperto, la conclusione è semplice: è possibile ottenere una lettura affidabile di quanto qualcuno sia mentalmente stressato combinando un piccolo numero di segnali ben scelti da cervello e cuore, e questi segnali non sono identici in uomini e donne. Questo lavoro mostra che alte prestazioni non richiedono complessi modelli profondi “black box” o centinaia di caratteristiche opache; un trio compatto e interpretabile — rapporto dei ritmi cerebrali, frequenza cardiaca ed equilibrio della variabilità cardiaca — alimentato in un classificatore standard può raggiungere un’accuratezza impressionante. A lungo termine, sistemi multimodali sensibili al genere potrebbero alimentare dispositivi indossabili, piattaforme di apprendimento o interfacce critiche per la sicurezza che percepiscono silenziosamente quando un utente è sovraccarico e adattano le richieste in tempo reale, contribuendo a ridurre errori, affaticamento e stress a lungo termine.

Citazione: 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

Parole chiave: stress cognitivo, EEG ed ECG, apprendimento automatico, differenze di genere, monitoraggio fisiologico