Förbättrad klassificering av kognitiv stress via multimodal EEG- och ECG-fusion: könsskillnader i fysiologisk respons

Varför mätning av vardaglig mental anspänning är viktig

Det moderna livet drar ständigt i vår uppmärksamhet, från snäva deadlines till multitasking framför skärmar. Ändå ser vi sällan vad denna press gör inne i våra kroppar och hjärnor i realtid. Denna studie undersöker ett sätt att ”lyssna” på både hjärnan och hjärtat samtidigt för att avgöra hur mentalt stressad en person är, och om den responsen skiljer sig mellan män och kvinnor. Sådana verktyg skulle slutligen kunna hjälpa skolor, arbetsplatser och till och med bilar att anpassa sig efter människors skiftande mentala belastning innan fel eller utbrändhet inträffar.

Att lyssna på hjärnan och hjärtat tillsammans

När vi är under mental ansträngning förändras både våra hjärnvågor och hjärtaktivitet. Forskarna använde två vanliga medicinska inspelningar: elektroencefalogram (EEG), som följer små elektriska signaler från hjärnan, och elektrokardiogram (ECG), som övervakar hjärtslag. Istället för att mata in hundratals råa mätvärden fokuserade de på bara tre kompakt indikatorer som har tydlig fysiologisk betydelse: en hjärnbaserad theta/alpha-kvot (TAR) som speglar mental ansträngning, enkel hjärtfrekvens (HR) och ett balansmått för hjärtfrekvensvariabilitet kallat LF/HF som fångar hur nervsystemet skiftar under stress. Dessa signaler samlades från 66 friska universitetsstudenter medan de utförde successivt svårare huvudräkningsuppgifter utformade för att på ett tillförlitligt sätt utlösa mild till stark kognitiv stress.

Från råa signaler till en smart stressdetektor

Teamet hoppades inte blint att någon signal skulle fungera; de kontrollerade först statistiskt att deras valda egenskaper faktiskt skilde sig mellan vila och stress. Med standardtester bekräftade de att TAR, HR och LF/HF förändrades systematiskt över uppgiftens fem stadier, från avslappnad vila med öppna ögon till de svåraste beräkningarna. De normaliserade sedan datan så att hjärn- och hjärtmått låg på jämförbara skalor, och använde principal component analysis för att bekräfta att varje feature tillförde unik information istället för att duplicera vad en annan redan fångade. Därefter byggde de flera klassiska maskininlärningsmodeller—inklusive beslutsträd, k-närmaste grannar, linjär diskriminantanalys, naive Bayes, slumpmässiga skogar och support vector machines (SVM)—och tränade dem att skilja vila från stress samt att separera låg från hög stress, med antingen EEG ensam, ECG ensam eller en fusion av båda.

Att kombinera signaler ökar noggrannheten

I nästan alla jämförelser presterade den fusionerade modellen som använde både EEG och ECG bättre än de som förlitade sig på en enda signal. SVM-klassificeraren framstod som den starkaste metoden och särskilde korrekt vila från olika stressnivåer med toppnoggrannheter upp till cirka 94–95%. En enklare hjärnmodell baserad enbart på theta/alpha-kvoten fungerade redan hyfsat, men att lägga till hjärtmått förbättrade prestandan avsevärt, särskilt när stressen var subtil snarare än extrem. I tekniska termer uppnådde den kombinerade modellen högre noggrannhet, precision och F1-poäng samt mer balanserad prestanda över klasser, vilket visar att hjärna och hjärta ger komplementära perspektiv på samma underliggande mentala belastning.

Män och kvinnor svarar inte exakt likadant

Eftersom den offentliga datamängden noggrant etiketterade varje deltagares kön kunde författarna ta ytterligare ett steg och undersöka om mönstren i hjärn- och hjärtsvar på kognitiv stress skiljer sig mellan män och kvinnor. De körde om sina modeller separat för varje grupp och fann att kvinnor tenderade att uppnå högre klassificeringspoäng än män för många av uppgifterna. I genomsnitt visade kvinnliga deltagare något högre signaler för hjärnarbete (TAR) och högre hjärtfrekvens under belastning, medan män uppvisade en svag tendens mot högre LF/HF-balanser. Även om skillnaderna inte var stora var de tillräckligt tydliga för att statistiska tester skulle markera dem och för maskininlärningsmodellerna att utnyttja dem. Det antyder att en universal stressdetektor kanske inte är helt rättvis eller optimal.

Vad detta innebär för framtida smarta system

För en lekmannaläsare är slutsatsen enkel: du kan få en tillförlitlig avläsning av hur mentalt stressad någon är genom att kombinera ett litet antal väl valda signaler från hjärnan och hjärtat, och dessa signaler är inte identiska hos män och kvinnor. Denna studie visar att hög prestanda inte kräver komplex ”black box” deep learning eller hundratals ogenomskinliga features; en kompakt, tolkbar trio—hjärnvågsförhållande, hjärtfrekvens och balans i hjärtfrekvensvariabilitet—matad in i en standardklassificerare kan nå imponerande noggrannhet. På sikt skulle sådana könsmedvetna, multimodala system kunna driva bärbara enheter, lärplattformar eller säkerhetskritiska gränssnitt som diskret känner av när en användare är överbelastad och anpassar kraven i realtid, vilket hjälper till att minska misstag, trötthet och långsiktig stress.

Citering: 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

Nyckelord: kognitiv stress, EEG och ECG, maskininlärning, könsskillnader, fysiologisk övervakning