Avaliação da carga cognitiva por meio de fotopletismografia e respostas de bioimpedância durante tarefas de aritmética mental

Por que a carga de trabalho do seu cérebro importa

Seja pilotando um avião, monitorando pacientes ou estudando para um exame, há momentos em que o cérebro transita silenciosamente de focado para sobrecarregado. Poder medir esse aumento de esforço mental em tempo real poderia ajudar a prevenir erros, esgotamento e acidentes. Este estudo explora uma nova maneira não invasiva de rastrear “o quão duro seu cérebro está trabalhando” usando pequenos sensores no pescoço e na testa, evitando capacetes cerebrais volumosos ou equipamentos hospitalares complexos.

Ouvindo o batimento cardíaco do pensamento

Em vez de registrar ondas cerebrais, os pesquisadores aproveitaram a estreita parceria entre cérebro e coração. Quando enfrentamos uma tarefa exigente, o sistema nervoso muda de marcha: o coração bate de forma diferente, os vasos sanguíneos se contraem ou relaxam e o fluxo sanguíneo para regiões cerebrais-chave se altera. A equipe usou duas técnicas simples para detectar essas mudanças. Um sensor ótico no pescoço (fotopletismografia, ou PPG) acompanhou quanto sangue pulsava por uma artéria importante que alimenta o cérebro. Ao mesmo tempo, um conjunto de minieletrodos na testa (pleximetria por impedância, ou IPG) detectou sutis variações no volume sanguíneo local na parte frontal do cérebro, onde lidamos com planejamento, números e decisões. Juntos, esses sinais ofereceram uma janela tanto para o suprimento sanguíneo global quanto para o local durante o esforço mental.

Pressionando a mente com números

Para sobrecarregar o cérebro de forma controlada, quinze voluntários saudáveis, de 20 a 35 anos, resolveram séries de problemas de aritmética mental no computador. As tarefas foram organizadas em quatro estágios: uma linha de base relaxada, seguida por adições simples de um dígito, depois adições de dois dígitos e, por fim, somas mais difíceis de três dígitos que exigiam mais memória e transporte. Cada ensaio curto começava com instruções na tela, seguia com cinco problemas e terminava com um breve descanso enquanto a tela mostrava uma cruz de fixação. Ao longo de todo o experimento, os sensores do pescoço e da testa transmitiam dados, enquanto o computador registrava a rapidez e a precisão das respostas. Como esperado, problemas mais difíceis levaram a respostas mais lentas e mais erros, especialmente no nível mais difícil, confirmando que as tarefas realmente aumentavam a carga mental.

Decodificando padrões ocultos nos sinais sanguíneos

As formas de onda brutas dos dois sensores foram fatiadas em pequenas janelas de tempo e limpas com filtros digitais para remover desvios lentos e ruído de alta frequência. De cada janela, os pesquisadores extraíram dezenas de descritores simples: valores máximos e mínimos, médias, quanto o sinal variava e como sua energia se distribuía por diferentes frequências. Também mediram o tempo entre batimentos cardíacos e o retardo entre o pulso no pescoço e o pulso na testa, uma quantidade conhecida como tempo de trânsito do pulso. Essas características numéricas foram então alimentadas em três algoritmos de aprendizado de máquina prontos para uso — Árvores de Decisão, Random Forest e XGBoost — para verificar se um computador poderia aprender a distinguir diferentes níveis de carga mental apenas a partir dos padrões cardiovasculares.

Quão bem um computador pode ler sua tensão mental?

Quando cada pessoa teve seu próprio modelo personalizado, o sistema foi extraordinariamente preciso. Para a tarefa simples de distinguir “relaxado” de “fazendo conta”, os três algoritmos atingiram 100% de acurácia. Mesmo para o problema mais difícil de quatro classes — relaxar, conta fácil, média e difícil — o melhor método, Random Forest, identificou corretamente o nível em 96% das vezes. No entanto, o desempenho caiu quando o sistema tentou generalizar de um grupo de pessoas para outro, com a acurácia caindo para cerca de dois terços. Isso sugere que os indivíduos diferem fortemente em suas respostas basais do coração e do fluxo sanguíneo, e que dispositivos do mundo real podem precisar de uma curta calibração pessoal para funcionar de forma confiável para cada usuário.

O que os sinais mais reveladores nos dizem

Ao examinar quais características os algoritmos mais usaram, os pesquisadores descobriram que as medidas de IPG na testa carregavam grande parte da informação útil. Em particular, a média e os valores extremos do sinal frontal consistentemente apareceram entre os mais importantes, à frente das características de PPG no pescoço e da medida combinada de tempo. Isso está de acordo com a compreensão atual do acoplamento sangue–cérebro: quando realizamos trabalho mental difícil, a parte frontal do cérebro pede mais combustível e o volume sanguíneo local muda em conformidade. O sensor no pescoço ainda acrescentou valor ao refletir a excitação cardiovascular geral, mas as leituras localizadas na testa forneceram as pistas mais nítidas sobre a demanda mental momento a momento.

De sensores de laboratório a locais de trabalho mais inteligentes e seguros

Para um leitor leigo, a mensagem principal é que o esforço mental deixa uma impressão digital distinta na forma como o sangue flui para e dentro do cérebro, e que essa impressão pode ser capturada com pequenos sensores vestíveis em vez de equipamentos complexos de imagem cerebral. O estudo mostra que combinar um sensor ótico no pescoço com eletrodos simples na testa permite que algoritmos rastreiem múltiplos níveis de carga cognitiva com uma precisão comparável a muitos sistemas baseados em EEG, pelo menos quando ajustados para um indivíduo. Com refinamento e melhor conforto, essa tecnologia poderia um dia ajudar cabines de aeronaves, carros, salas de aula e centros de controle a ajustar tarefas e alertas automaticamente, aliviando a pressão antes que o operador humano se torne perigosamente sobrecarregado.

Citação: 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

Palavras-chave: carga cognitiva, aritmética mental, sensores vestíveis, interação cérebro–coração, aprendizado de máquina