心拍数応答の観点からの認知疲労のバイオマーカーに基づいた機械学習モデル

認知疲労は、高い認知的要求から生じる疲労感と認知機能障害を特徴とする心理的状態です。このペーパーでは、認知疲労の評価に関する最近の研究の進捗状況を調べ、将来の研究に関する情報に基づいた推奨事項を提供します。伝統的に、認知疲労は自己報告を通じて内省的に評価されるか、行動パフォーマンスの低下から客観的に推測されます。しかし、最近では、研究者は、この現象を理解し測定するために、認知疲労の生物学的基盤を探求しようとしました。特に、交感神経と副交感神経の神経活動の不均衡が認知疲労の生理学的相関であると思われることを示す証拠があります。この不均衡は、認知疲労の推定バイオマーカーとしても提案されているさまざまな心拍数の変動性インデックスを通じてインデックス化されています。さらに、従来の推論方法とは対照的に、認知疲労を評価するためにデータ駆動型のアプローチを使用することには研究の関心が高まっています。大量の生理学的データを収集する機能を備えたウェアラブルの遍在は、この分野でのデータ駆動型研究の成長における主要なファシリテーターのようです。予備的な調査結果は、このような大きなデータセットを使用して、さまざまな機械学習アプローチを通じて認知疲労を正確に予測できることを示しています。全体として、バイオマーカー研究から得られたドメイン固有の知識を機械学習アプローチと組み合わせる可能性をさらに調査して、認知疲労のより堅牢な予測モデルを構築する必要があります。

Cognitive fatigue is a psychological state characterised by feelings of tiredness and impaired cognitive functioning arising from high cognitive demands. This paper examines the recent research progress on the assessment of cognitive fatigue and provides informed recommendations for future research. Traditionally, cognitive fatigue is introspectively assessed through self-report or objectively inferred from a decline in behavioural performance. However, more recently, researchers have attempted to explore the biological underpinnings of cognitive fatigue to understand and measure this phenomenon. In particular, there is evidence indicating that the imbalance between sympathetic and parasympathetic nervous activity appears to be a physiological correlate of cognitive fatigue. This imbalance has been indexed through various heart rate variability indices that have also been proposed as putative biomarkers of cognitive fatigue. Moreover, in contrast to traditional inferential methods, there is also a growing research interest in using data-driven approaches to assessing cognitive fatigue. The ubiquity of wearables with the capability to collect large amounts of physiological data appears to be a major facilitator in the growth of data-driven research in this area. Preliminary findings indicate that such large datasets can be used to accurately predict cognitive fatigue through various machine learning approaches. Overall, the potential of combining domain-specific knowledge gained from biomarker research with machine learning approaches should be further explored to build more robust predictive models of cognitive fatigue.