Saúde Desvendada

A capacidade de manter-se alerta é fundamental para o desempenho em diversas tarefas, desde as mais simples até as mais complexas. Métodos tradicionais de avaliação da atenção, no entanto, podem ser subjetivos, suscetíveis a interferências e complexos na coleta de dados. Uma pesquisa recente explora uma nova abordagem, utilizando a estimulação óptica combinada com aprendizado de máquina para uma avaliação mais rápida e objetiva do estado de alerta.

O estudo envolveu a aplicação de diferentes frequências de estimulação óptica, variando de 4 a 48 Hz, em participantes, induzindo o que se conhece como brainwave entrainment (BWE), ou sincronização de ondas cerebrais. Durante esse processo, a atividade cerebral foi monitorada por eletroencefalograma (EEG). A análise dos dados revelou que a intensidade do BWE, a potência das bandas beta e gama do EEG apresentaram diferenças significativas entre os diferentes estados de alerta. Esses resultados foram então utilizados como parâmetros de entrada em modelos de machine learning, incluindo support vector machine, Naive Bayes e regressão logística.

Os resultados demonstraram que o modelo Naive Bayes, em particular, apresentou excelente eficácia na classificação dos estados de alerta durante a estimulação óptica a 30 Hz. A metodologia proposta oferece uma alternativa promissora para a avaliação da atenção, caracterizada pela rapidez, quantificação precisa e facilidade de implementação. Este avanço pode ter implicações significativas em diversas áreas, como na avaliação da capacidade de atenção em motoristas, pilotos e outros profissionais que necessitam de altos níveis de concentração, contribuindo para a segurança e o desempenho otimizado em suas atividades.

Origem: Link