Resumen

El objetivo de la presente investigación fue evaluar si una configuración de electroencefalografía (EEG) móvil puede utilizarse para realizar un seguimiento de la carga de trabajo mental, la cual es un aspecto importante del rendimiento del aprendizaje y la motivación y, por lo tanto, puede representar una valiosa fuente de información en la evaluación de los enfoques de entrenamiento cognitivo.

Veinticinco sujetos sanos realizaron una prueba N-back de tres niveles utilizando una configuración totalmente móvil que incluía la presentación de la tarea en una tableta y la recopilación de datos de EEG con un dispositivo de EEG móvil auto-montado en dos puntos de tiempo de evaluación. Se eligió un enfoque de análisis doble que incluía un análisis de varianza estándar y una red neuronal artificial para distinguir los niveles de carga cognitiva. Nuestros hallazgos indican que la configuración es viable para detectar cambios en la carga cognitiva, como lo reflejan las alteraciones en los lóbulos en diferentes bandas de frecuencia. En particular, observamos una disminución de la alfa occipital y un aumento de la theta frontal, parietal y occipital con el aumento de la carga cognitiva. Los niveles más distintos de carga cognitiva se pudieron discriminar mediante los modelos de aprendizaje automático integrados con una precisión del 86%.

Conclusiones

En la presente investigación, probamos una configuración completamente móvil para tareas de entrenamiento cognitivo combinada con el registro de EEG para detectar la carga cognitiva. La configuración se basó en un dispositivo de EEG móvil combinado con una tableta para mostrar la tarea cognitiva con el fin de permitir un montaje fácil y la realización de auto-pruebas. El análisis de los datos de comportamiento confirmó las diferencias en el rendimiento de la tarea según la dificultad de la misma. Además, encontramos una disminución de la potencia de la banda de frecuencia alfa occipital y un aumento de la potencia de la banda de frecuencia theta frontal ante la mayor dificultad de la tarea, lo que confirma nuestra hipótesis principal. Adicionalmente, la clasificación automática del esfuerzo cognitivo reveló que el enfoque de aprendizaje automático discrimina entre los niveles más distintos de carga cognitiva con una precisión del 86%. Nuestros hallazgos sugieren la viabilidad de la configuración totalmente móvil para detectar distintos niveles de carga cognitiva, tal como se refleja en los cambios de potencia de banda. Además, la usabilidad calificada subjetivamente es adecuada con una sesión de entrenamiento inicial en persona para el montaje de los electrodos. Se necesitan investigaciones futuras para evaluar los resultados en muestras más diversas que incluyan un rango de edad más amplio y grupos de pacientes.

Lea el artículo completo aquí