Ocena obciążenia poznawczego za pomocą fotopletyzmografii i odpowiedzi bioimpedancyjnych podczas zadań z rachunków umysłowych

Dlaczego obciążenie pracy mózgu ma znaczenie

Czy pilotujesz samolot, monitorujesz pacjentów, czy uczysz się do egzaminu — zdarzają się chwile, gdy mózg cicho przechodzi od skupienia do przeciążenia. Możliwość mierzenia rosnącego napięcia umysłowego w czasie rzeczywistym mogłaby pomóc zapobiegać błędom, wypaleniu i wypadkom. W tym badaniu badacze opisują nowy, nieinwazyjny sposób śledzenia „jak ciężko pracuje mózg” z użyciem niewielkich czujników na szyi i czole, eliminując potrzebę ciężkich czepków EEG czy skomplikowanego sprzętu szpitalnego.

Słuchając bicia serca myślenia

Zamiast rejestrować fale mózgowe, zespół wykorzystał ściśle powiązaną współpracę mózgu i serca. Gdy podejmujemy wymagające zadanie, układ nerwowy zmienia ustawienia: serce bije inaczej, naczynia krwionośne kurczą się lub rozluźniają, a przepływ krwi do kluczowych obszarów mózgu się zmienia. Zastosowano dwie proste techniki do wykrywania tych zmian. Czujnik oparty na świetle umieszczony na szyi (fotopletyzmografia, PPG) śledził puls krwi w dużej tętnicy odżywiającej mózg. Równocześnie niewielkie elektrody na czole (pletyzmografia impedancyjna, IPG) wykrywały subtelne przesunięcia lokalnej objętości krwi w przedniej części mózgu, gdzie zachodzi planowanie, praca z liczbami i podejmowanie decyzji. Razem sygnały te dawały wgląd zarówno w globalne, jak i lokalne zaopatrzenie krwi podczas wysiłku umysłowego.

Obciążanie umysłu liczbami

Aby kontrolowanie obciążyć mózg, piętnaścioro zdrowych ochotników w wieku 20–35 lat rozwiązywało serie zadań rachunkowych na komputerze. Zadania ułożono w cztery etapy: relaksacyjna linia bazowa, następnie proste dodawanie jednocyfrowe, potem dodawanie dwucyfrowe, a na koniec trudniejsze sumy trzycyfrowe wymagające większej pamięci i przenoszenia. Każda krótka próba zaczynała się instrukcjami na ekranie, trwała przez pięć zadań i kończyła się krótką przerwą ze znakiem krzyżyka na ekranie. Przez cały czas czujniki na szyi i czole przesyłały dane, a komputer rejestrował szybkość i poprawność odpowiedzi. Jak można się spodziewać, trudniejsze zadania powodowały wolniejsze odpowiedzi i więcej błędów, zwłaszcza na najtrudniejszym poziomie, co potwierdziło, że zadania rzeczywiście zwiększały obciążenie poznawcze.

Odkodowywanie ukrytych wzorców w sygnałach krwi

Surowe przebiegi z obu czujników dzielono na krótkie okna czasowe i oczyszczano filtrami cyfrowymi, aby usunąć powolne dryfy i szumy o wysokiej częstotliwości. Z każdego okna badacze wyodrębnili dziesiątki prostych cech: wartości maksymalne i minimalne, średnie, miary zmienności oraz rozkład energii w różnych częstotliwościach. Mierzono też odstępy między uderzeniami serca i opóźnienie między pulsacją na szyi a pulsacją na czole, wielkość znaną jako czas przejścia fali tętna (pulse transit time). Te numeryczne cechy wprowadzono do trzech gotowych algorytmów uczenia maszynowego — drzew decyzyjnych, lasu losowego (Random Forest) i XGBoost — by sprawdzić, czy komputer potrafi rozróżnić różne poziomy obciążenia umysłowego na podstawie wzorców układu sercowo-naczyniowego.

Jak dobrze komputer potrafi odczytać twoje napięcie umysłowe?

Gdy dla każdej osoby tworzono spersonalizowany model, system osiągał niezwykłą dokładność. W prostym zadaniu rozróżniania „relaksu” od „liczenia” wszystkie trzy algorytmy osiągnęły 100-procentową skuteczność. Nawet w trudniejszym zadaniu czteroklasowym — relaks, łatwe, średnie i trudne — najlepsza metoda, Random Forest, poprawnie rozpoznawała poziom w 96 procentach przypadków. Jednak wyniki spadały, gdy system próbował uogólnić modele między różnymi osobami — dokładność malała do około dwóch trzecich. Sugeruje to, że jednostki znacznie różnią się w swoich bazowych reakcjach serca i przepływu krwi, i że urządzenia użytkowe mogą wymagać krótkiej, indywidualnej kalibracji, by działać niezawodnie dla każdego użytkownika.

Co mówią najbardziej pouczające sygnały

Analizując, na których cechach algorytmy opierały się najbardziej, badacze stwierdzili, że pomiary IPG z czoła zawierały znaczną część użytecznej informacji. W szczególności średnie i wartości skrajne sygnału z czoła konsekwentnie zajmowały najwyższe miejsca pod względem ważności, przed cechami PPG z szyi i zintegrowanymi miarami czasowymi. Zgodne jest to z obecnym rozumieniem sprzężenia krew–mózg: gdy wykonujemy trudną pracę umysłową, przednia część mózgu domaga się więcej paliwa, a lokalna objętość krwi zmienia się odpowiednio. Czujnik na szyi wciąż wnosił wartość, odzwierciedlając ogólne pobudzenie układu krążenia, lecz lokalne odczyty z czoła dawały najostrzejsze wskazówki o chwilowym zapotrzebowaniu poznawczym.

Od czujników laboratoryjnych do inteligentniejszych, bezpieczniejszych miejsc pracy

Dla czytelnika nietechnicznego kluczowy wniosek jest taki, że wysiłek umysłowy pozostawia odcisk w sposobie, w jaki krew płynie do i w obrębie mózgu, i że odcisk ten można uchwycić za pomocą małych, noszonych czujników zamiast skomplikowanego sprzętu do skanowania mózgu. Badanie pokazuje, że połączenie czujnika świetlnego na szyi z prostymi elektrodami na czole pozwala algorytmom śledzić wiele poziomów obciążenia poznawczego z dokładnością porównywalną do wielu systemów opartych na EEG, przynajmniej po dostrojeniu do konkretnej osoby. Przy dalszym ulepszeniu i poprawie komfortu taka technologia mogłaby pewnego dnia pomóc w kokpitach samolotów, samochodach, klasach i centrach sterowania automatycznie dostosowywać zadania i alerty, zmniejszając nacisk, zanim operator ludzki stanie się niebezpiecznie przeciążony.

Cytowanie: Huynh, D.N., Tran, T.N., Tran, K.T. et al. Assessment of cognitive load through photoplethysmography and bioimpedance responses during mental arithmetic tasks. Sci Rep 16, 7367 (2026). https://doi.org/10.1038/s41598-026-38782-3

Słowa kluczowe: obciążenie poznawcze, rachunki umysłowe, czujniki noszone, interakcja mózg–serce, uczenie maszynowe