Beyin ve EKG çokmodlu füzyonu ile bilişsel stres sınıflandırmasını geliştirme: fizyolojik yanıtta cinsiyet farklılıkları

Günlük zihinsel yükü ölçmenin önemi

Modern yaşam dikkatimizi sürekli çekiştirir; sıkı teslim tarihleri ve ekranlarda çoklu görev gibi etkenler buna dahil. Yine de bu baskının vücudumuzda ve beynimizde gerçek zamanlı olarak ne yaptığını nadiren görürüz. Bu çalışma, bir kişinin ne kadar zihinsel stres altında olduğunu söylemek için aynı anda hem beyni hem de kalbi “dinlemenin” bir yolunu araştırıyor ve bu yanıtın erkekler ve kadınlar arasında farklılaşıp farklılaşmadığını inceliyor. Bu tür araçlar, hata veya tükenmişlik ortaya çıkmadan önce okulların, işyerlerinin ve hatta otomobillerin insanların değişen zihinsel yüküne uyum sağlamasına yardımcı olabilir.

Beyni ve kalbi birlikte dinlemek

Zihinsel yük altındayken hem beyin ritimleri hem de kalp aktivitesi değişir. Araştırmacılar iki yaygın tıbbi kaydı kullandı: beyinden gelen küçük elektrik sinyallerini izleyen elektroensefalogram (EEG) ve kalp atışlarını izleyen elektrokardiyogram (EKG). Yüzlerce ham ölçümü girmek yerine, açık fizyolojik anlamı olan üç özete odaklandılar: zihinsel çabayı yansıtan beyin temelli theta/alpha oranı (TAR), basit kalp hızı (HR) ve stres altındaki sinir sistemi değişimini yakalayan LF/HF adlı kalp değişkenliği dengesi. Bu sinyaller, giderek zorlaşan zihinsel aritmetik görevleri gerçekleştirirken 66 sağlıklı üniversite öğrencisinden toplandı; bu görevler hafiften güçlüye kadar bilişsel stresi güvenilir şekilde tetikleyecek biçimde tasarlandı.

Ham sinyallerden akıllı bir stres algılayıcısına

Ekip herhangi bir sinyalin işe yarayacağını ummakla yetinmedi; öncelikle seçtikleri özelliklerin dinlenme ve stres durumları arasında gerçekten farklılaşıp farklılaşmadığını istatistiksel olarak kontrol ettiler. Standart testleri kullanarak TAR, HR ve LF/HF'nin görevdeki beş aşama boyunca—rahat gözleri açık dinlenmeden en zor hesaplamalara kadar—sistematik olarak değiştiğini doğruladılar. Ardından beyin ve kalp ölçümlerinin karşılaştırılabilir ölçeklerde olması için verileri normalize ettiler ve her özelliğin başka birinin tekrarı değil, benzersiz bilgi kattığını doğrulamak için ana bileşen analizi uyguladılar. Sonra karar ağaçları, k-en yakın komşu, lineer diskriminant analizi, Naive Bayes, rastgele ormanlar ve destek vektör makineleri (SVM) dahil olmak üzere birkaç klasik makine öğrenimi modeli kurup eğittiler; modelleri EEG tek başına, EKG tek başına veya her ikisinin füzyonunu kullanarak dinlenme ile stres arasında ve düşük ile yüksek stres arasında ayırt edecek şekilde eğittiler.

Sinyalleri birleştirmek doğruluğu artırıyor

Hemen her karşılaştırmada, hem EEG hem de EKG kullanan füze edilmiş model, tek bir sinyale dayanan modellerden daha iyi performans gösterdi. SVM sınıflandırıcısı en güçlü yaklaşım olarak öne çıktı ve dinlenme ile farklı stres seviyelerini yaklaşık %94–95'e varan zirve doğruluklarla doğru şekilde ayırt etti. Sadece theta/alpha oranına dayanan daha basit bir beyin modeli zaten makul düzeyde başarılıydı, ancak kalp ölçümlerinin eklenmesi, özellikle stres incecik olduğunda performansı önemli ölçüde iyileştirdi. Teknik olarak, birleşik model daha yüksek doğruluk, precision ve F1 skorları elde etti ve sınıflar arasında daha dengeli bir performans gösterdi; bu da beyin ve kalbin aynı temel zihinsel yük hakkında tamamlayıcı bakış açıları sağladığını gösteriyor.

Erkekler ve kadınlar tam olarak aynı tepkiyi vermiyor

Kamusal veri kümesi her katılımcının cinsiyetini dikkatle etiketlediği için yazarlar bir adım daha ileri gidip bilişsel strese karşı beyin ve kalp yanıt desenlerinin erkekler ve kadınlar arasında farklılaşıp farklılaşmadığını sordular. Modellerini her grup için ayrı çalıştırdılar ve kadınların birçok görevde erkeklere göre daha yüksek sınıflandırma skorları elde etme eğiliminde olduğunu buldular. Ortalama olarak, kadın katılımcılar yük altında biraz daha yüksek beyin çaba sinyalleri (TAR) ve daha yüksek kalp hızı gösterirken, erkekler LF/HF dengesinde hafif bir yükselme eğilimi sergiledi. Farklar büyük olmasa da istatistiksel testlerin işaretlediği ve makine öğrenimi modellerinin bunlardan yararlandığı kadar belirgindi. Bu, tek beden herkese uyar tarzı bir stres algılayıcısının tamamen adil veya optimal olmayabileceğini düşündürüyor.

Geleceğin akıllı sistemleri için ne anlama geliyor

Bir genel okuyucu için sonuç basit: beyin ve kalpten iyi seçilmiş birkaç sinyalin birleştirilmesiyle bir kişinin ne kadar zihinsel stres altında olduğu güvenilir şekilde okunabilir ve bu sinyaller erkekler ile kadınlar arasında aynı değildir. Bu çalışma, yüksek performansın karmaşık “kara kutu” derin öğrenme veya yüzlerce opak özellik gerektirmediğini gösteriyor; yorumlanabilir, kompakt bir üçlü—beyin ritmi oranı, kalp hızı ve kalp değişkenliği dengesi—standart bir sınıflandırıcıya verildiğinde etkileyici doğruluklara ulaşabiliyor. Uzun vadede, cinsiyete duyarlı, çokmodlu sistemler giyilebilir cihazları, öğrenme platformlarını veya kullanıcı aşırı yüklendiğinde talebi gerçek zamanlı olarak ayarlayan güvenlik açısından kritik arayüzleri güçlendirerek hataları, yorgunluğu ve uzun süreli stresi azaltmaya yardımcı olabilir.

Atıf: 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

Anahtar kelimeler: bilişsel stres, EEG ve EKG, makine öğrenimi, cinsiyet farklılıkları, fizyolojik izleme