Diferenciar la angustia y el estrés de los pilotos a través de la fisiología multimodal: hacia una mayor integración...

Área de la Ciencia:

• La neurociencia
• Cardiología
• Ingeniería Aeroespacial
• Interacción hombre-ordenador

Sus antecedentes:

• Para garantizar la seguridad de los vuelos en las cabinas inteligentes, se requiere una evaluación precisa del estrés del piloto, diferenciando entre el estrés beneficioso y el estrés perjudicial.
• Los métodos de monitoreo de estrés existentes carecen de matices para distinguir estos estados en diversas tareas de vuelo.
• Las cabinas de la próxima generación necesitan sistemas adaptativos que respondan al verdadero estado cognitivo y emocional del piloto.

Objetivo del estudio:

• Desarrollar y validar un marco neurocárdico multimodal para distinguir entre eustress y distress en los pilotos durante el vuelo simulado.
• Identificar los biomarcadores fisiológicos a partir de los datos del fNIRS y del ECG que indican de manera fiable los diferentes tipos de estrés.
• Evaluar la eficacia de los modelos de aprendizaje automático entrenados en estos biomarcadores para la clasificación del estrés piloto.

Principales métodos:

• Datos fisiológicos multimodales recopilados (fNIRS y ECG) de 35 participantes durante misiones de vuelo simuladas diseñadas para inducir tanto estrés como angustia.
• Extrajo y analicé once características clave de los datos neuro-cardiacos que demostraron una diferenciación significativa entre los estados de estrés.
• Modelos de clasificación de aprendizaje automático entrenados y evaluados que utilizan las características identificadas para predecir los niveles de estrés del piloto.

Principales resultados:

• Se identificaron once características fisiológicas distintas como diferenciadores significativos entre el estrés y la angustia.
• El modelo de aprendizaje automático desarrollado logró una precisión general del 83,04% en la clasificación del estrés del piloto en diferentes tareas de vuelo.
• Dentro de tareas específicas, la precisión del modelo alcanzó hasta el 90,83%, lo que demuestra una alta precisión en condiciones controladas.

Conclusiones:

• El marco multimodal basado en el fNIRS-ECG proporciona un método sólido y preciso para clasificar los estados de estrés del piloto.
• Los biomarcadores objetivos derivados de este enfoque son cruciales para el desarrollo de sistemas adaptativos de cabina inteligente.
• Esta investigación contribuye significativamente a mejorar la seguridad de los vuelos y a optimizar la interacción hombre-máquina en la aviación.