Ученые СГУ показали, как собрать 'часы' для мониторинга умственной усталости, описали принципы работы и результаты тестов для практики.
Исследователи Саратовского государственного университета имени Н. Г. Чернышевского предложили новый подход к оценке утомления людей, занимающихся интеллектуальным трудом. По словам авторов, их метод даёт более объективную картину по сравнению с существующими и может быть реализован в виде портативных девайсов, похожих на умные часы. Описание результатов опубликовано в The European Physical Journal Special Topics.
"В процессе интеллектуальной деятельности человек проходит три основные стадии: врабатывание, эффективная работа и дистресс, в котором, в результате умственного утомления, эффективность работы снова снижается и человеку требуется отдых для возобновления эффективной работы. Если дистресс затягивается по времени или становится регулярным, то начинается умственное переутомление и выгорание", — рассказал один из авторов работы, заведующий кафедрой Института физики Саратовского государственного университета (СГУ) имени Н. Г. Чернышевского Анатолий Караваев.
На практике наблюдение за состоянием сотрудников чаще всего ведёт специалист: сейчас основными инструментами являются психологические тесты и анкеты самоотчёта. В СГУ отметили, что такие методы носят значительную долю субъективности и затрудняют самостоятельный контроль за уровнем утомления.
Авторы предлагают комбинированный подход: вместо опоры на один показатель использовать набор физиологических и поведенческих маркеров, собираемых в реальном времени. В число таких маркеров входят характеристики моргания (частота, длительность), параметры зрачка (реакция и размер), вариабельность сердечного ритма (HRV), кожно‑галваническая реакция (EDA), параметры движений головы и глаз, а в расширенных вариантах — записи мозговой активности (ЭЭГ) или электроокулографии (ЭОГ). Сопоставление этих сигналов позволяет формировать интегральный индекс умственной усталости.
Технически реализация в формате "умных часов" предполагает использование уже доступных на рынке сенсоров: фотоплетизмографии (PPG) для ЧСС/HRV, датчиков дыхания и движения (акселерометры, гироскопы), тонких электрохимических или ёмкостных сенсоров для EDA, а также оптических камер или датчиков для отслеживания взгляда и моргания. Для включения ЭЭГ/ЭОГ могут использоваться тонкие контактные электроды в комбинированных гарнитурах или накладках, интегрируемых с часами.
Обработка данных выполняется с помощью алгоритмов фильтрации артефактов и методов машинного обучения: модели обучаются распознавать переходы между стадиями работы (врабатывание — эффективная работа — дистресс) на основе мультимодальных признаков. Важный элемент — персонализация: в ходе краткой калибровки система подстраивается под индивидуальные особенности пользователя, что повышает надёжность сигналов и уменьшает число ложных срабатываний.
По словам исследователей, такие устройства могут выдавать понятные пользователю уведомления (рекомендация сделать микроперерыв на 5–10 минут, сменить деятельность, выполнить дыхательное упражнение) и вести накопительную статистику для руководителя или специалиста по кадрам при согласии сотрудника. Применение возможно в офисах, образовательных учреждениях, сферах транспорта и производства, где состояние оператора критично для безопасности.
Исследователи также подчёркивают ограничения и требования к дальнейшей работе: необходимость больших клинически и функционально релевантных выборок для валидации моделей, борьба с шумами и артефактами при бытовом применении, обязательная защита персональных данных и обеспечение прозрачности алгоритмов. Авторы отмечают, что такие системы не заменяют медицинскую диагностику и требуют регуляторной оценки при использовании в условиях, связанных с риском для здоровья или безопасности.
