Lo stress si manifesta attraverso una complessa rete di segnali fisiologici, la cui interpretazione non è sempre immediata. Oggi, grazie ai sensori indossabili e all’intelligenza artificiale, è possibile monitorare in modo continuo e non invasivo lo stato psicofisiologico della persona. Dall’analisi multimodale dei dati allo sviluppo di dispositivi innovativi, come sensori adesivi intelligenti, emergono nuove prospettive per comprendere il dialogo tra mente e corpo, con potenziali implicazioni per una medicina più preventiva e personalizzata.
Misurare lo stress: dai questionari tradizionali ai sensori indossabili
Lo stress è una condizione complessa e spesso difficile da valutare in modo oggettivo. Può manifestarsi in momenti imprevedibili, influenzando il sistema nervoso autonomo, l’equilibrio ormonale e numerosi parametri fisiologici. Nella pratica clinica tradizionale, tuttavia, la sua valutazione si basa prevalentemente su questionari soggettivi o su analisi puntuali di biomarcatori, strumenti che non sempre riescono a restituire una visione completa dello stato psicofisiologico del paziente.
Negli ultimi anni, l’ingegneria biomedica ha proposto soluzioni alternative basate sul monitoraggio continuo e non invasivo dei segnali biologici, grazie allo sviluppo di dispositivi indossabili sempre più avanzati. Queste tecnologie consentono di osservare in tempo reale variazioni fisiologiche associate agli stati emotivi e di attivazione psicofisiologica, aprendo nuove prospettive per il supporto alla prevenzione e alla gestione dei disturbi legati allo stress.
Wearable e stress: verso un monitoraggio multimodale
Più che un singolo segnale, lo stress è una risposta complessa che coinvolge contemporaneamente diversi sistemi dell’organismo. Per questo motivo, la ricerca adotta un approccio multimodale, basato sulla raccolta e sull’interpretazione integrata di molteplici segnali fisiologici.
In questo contesto, i dispositivi indossabili di nuova generazione consentono di acquisire contemporaneamente diversi segnali fisiologici. In alcuni prototipi sperimentali, in particolare quelli orientati al monitoraggio dello stress, vengono acquisiti simultaneamente segnali come elettrocardiogramma (ECG), risposta galvanica della pelle (GSR), temperatura cutanea e variazioni della frequenza cardiaca.
L’obiettivo è ottenere una valutazione più continua e oggettiva dello stato di attivazione psicofisiologica dell’individuo.
Alcuni prototipi sperimentali integrano inoltre la rilevazione di biomarcatori molecolari presenti nel sudore come il cortisolo, che è un ormone strettamente associato alla risposta dell’organismo allo stress. L’elaborazione combinata di questi dati mediante algoritmi di machine learning può contribuire a distinguere tra diverse tipologie di stress, come quello cognitivo, fisico o emotivo, migliorando progressivamente l’accuratezza delle valutazioni (Figura 1).
Credits: self-produced for IngegneriaBiomedica.org.
Un dispositivo indossabile per il riconoscimento delle emozioni
In questo scenario tecnologico si inserisce il sensore adesivo flessibile (wearable patch) sviluppato dal team guidato da Huanyu “Larry” Cheng1 della Pennsylvania State University (Figura 2). Poiché le espressioni facciali non sempre riflettono lo stato emotivo reale, il dispositivo integra la loro analisi con segnali fisiologici, consentendo una valutazione più accurata delle reazioni psicofisiologiche. Il dispositivo, di dimensioni comparabili a quelle di un comune cerotto medico, è realizzato con strati ultrasottili di metalli flessibili tra cui oro e platino, modellati in configurazioni ondulate che ne preservano la funzionalità anche in presenza di deformazioni meccaniche, garantendo al tempo stesso stabilità e affidabilità del segnale durante l’uso indossabile.
Monitoraggio multimodale dei parametri fisiologici
Il sistema è progettato per monitorare simultaneamente diversi parametri fisiologici associati agli stati emotivi, tra cui temperatura cutanea, frequenza cardiaca, livelli di ossigenazione del sangue, umidità della pelle e movimenti facciali legati alle espressioni.
Dal punto di vista tecnologico, queste misurazioni sono rese possibili dall’integrazione di sensori basati su diversi principi fisici. In particolare:
- la temperatura cutanea è rilevata tramite materiali in grado di modificare il flusso di corrente elettrica in risposta a variazioni termiche.
- l’umidità della pelle è monitorata mediante strutture costituite da nanotubi di carbonio2, ovvero minuscole strutture cilindriche formate da atomi di carbonio, capaci di assorbire il vapore acqueo e di modificare le proprietà elettriche del materiale in funzione dei livelli di umidità.
- I movimenti facciali sono invece acquisiti tramite sensori progettati per rilevare le deformazioni della pelle durante le espressioni, registrando variazioni meccaniche associate ai movimenti del volto.
I segnali così ottenuti vengono quindi utilizzati per individuare relazioni tra pattern fisiologici e stati emotivi dell’individuo.
Dall’acquisizione dei segnali all’interpretazione tramite IA
Dal punto di vista ingegneristico, un aspetto particolarmente rilevante è la progettazione indipendente dei sensori, che vengono disposti e realizzati in modo da operare separatamente, riducendo le interferenze tra le diverse misurazioni e migliorando l’affidabilità dei dati acquisiti.
Questa architettura multimodale consente di ottenere una rappresentazione più completa delle reazioni psicofisiologiche rispetto ai sistemi basati su un singolo segnale. I dati raccolti possono essere trasmessi in modalità wireless a dispositivi mobili o piattaforme cloud, dove vengono successivamente elaborati. La loro interpretazione avviene attraverso modelli di intelligenza artificiale, in grado di analizzare i segnali fisiologici e ricavare informazioni sullo stato emotivo.
Grazie alla trasmissione wireless dei dati, è possibile monitorare lo stato emotivo anche a distanza, favorendo l’integrazione con modelli di assistenza sanitaria basati sulla telemedicina.
Intelligenza artificiale e interpretazione dei segnali emotivi
La raccolta dei dati fisiologici rappresenta solo una fase del processo di monitoraggio. Il reale valore di queste tecnologie emerge quando le informazioni acquisite vengono interpretate attraverso algoritmi di intelligenza artificiale, in grado di trasformare segnali biologici complessi in indicatori utili per la valutazione dello stato emotivo.
Nel caso del dispositivo sviluppato alla PennState, è stato implementato un modello di apprendimento automatico addestrato a riconoscere pattern multimodali associati alle principali emozioni di base, integrando segnali fisiologici e informazioni derivate dai movimenti facciali. Con l’impiego di modelli di machine learning si ha la possibilità di gestire grandi quantità di dati multimodali e di individuare relazioni complesse difficilmente rilevabili attraverso metodi statistici tradizionali (Figura 3).
Addestramento e validazione del modello
Durante le fasi sperimentali, i ricercatori hanno inizialmente coinvolto otto partecipanti, invitati a eseguire sei espressioni emotive di base, ovvero felicità, sorpresa, paura, tristezza, rabbia e disgusto. Le espressioni sono state ripetute più volte mentre il dispositivo registrava i segnali fisiologici e i movimenti facciali associati. I dati raccolti sono stati utilizzati per addestrare il modello di intelligenza artificiale a correlare specifici pattern di movimento facciale e variazioni fisiologiche con i diversi stati emotivi.
Valutazione delle prestazioni del sistema
Per valutare le prestazioni del sistema, ulteriori partecipanti sono stati coinvolti in una fase di validazione: il modello ha raggiunto un’accuratezza del 96,28% nel riconoscimento delle espressioni emotive simulate.
In una fase successiva, il dispositivo è stato testato anche in condizioni più realistiche: i partecipanti sono stati esposti a videoclip progettati per suscitare diverse risposte emotive, mentre il dispositivo monitorava le loro risposte fisiologiche. Qui, il sistema ha dimostrato una buona capacità di identificare stati emotivi reali, con un’accuratezza dell’88,83%, evidenziando inoltre una coerenza tra le variazioni fisiologiche rilevate, come l’aumento della temperatura cutanea e della frequenza cardiaca, e le risposte emotive attese.
Applicazioni cliniche e monitoraggio remoto
Il monitoraggio continuo dello stato emotivo potrebbe avere implicazioni notevoli in diversi ambiti sanitari. Dispositivi di questo tipo potrebbero contribuire all’individuazione precoce di condizioni di sofferenza psicologica, al supporto del follow-up di pazienti con difficoltà comunicative e alla valutazione della progressione di alcune condizioni cliniche, tra cui quelle neurodegenerative. La possibilità di acquisire dati in tempo reale e trasmetterli a distanza favorisce anche lo sviluppo di modelli di assistenza sanitaria basati sulla telemedicina, con il potenziale di migliorare la continuità delle cure.
Applicazioni potenziali si estendono anche al di fuori del contesto strettamente clinico, per esempio nell’ambito sportivo e, più in generale, in contesti in cui il monitoraggio del carico psicofisiologico potrebbe contribuire all’ottimizzazione delle prestazioni e alla prevenzione di condizioni di rischio.
In alcuni studi sperimentali, questi dispositivi hanno mostrato prestazioni superiori rispetto ai comuni smartwatch commerciali, generalmente basati su un numero più limitato di parametri, soprattutto nella capacità di distinguere tra condizioni fisiologiche differenti.
Sfide tecnologiche e prospettive future
Nonostante i rapidi progressi tecnologici, molte di queste soluzioni sono ancora in fase di sviluppo e la loro adozione su larga scala richiede ulteriori avanzamenti. Tra le principali criticità si evidenziano la necessità di studi condotti su campioni più ampi e diversificati, la tutela dei dati personali e l’integrazione efficace con le infrastrutture sanitarie digitali.
L’evoluzione delle tecnologie di monitoraggio fisiologico e dei modelli di intelligenza artificiale potrebbe favorire la realizzazione di dispositivi sempre più autonomi e reattivi, in grado di fornire feedback tempestivi all’utente. In questo contesto, lo sviluppo di piattaforme più flessibili e adattabili potrà contribuire a rispondere a differenti esigenze cliniche e ambientali, rafforzando il ruolo di questi sistemi in una medicina sempre più preventiva e personalizzata. In un sistema sanitario sempre più digitale e interconnesso, i wearable intelligenti potrebbero assumere un ruolo centrale nella comprensione delle dinamiche tra mente e corpo. Un’integrazione sicura, sostenibile ed eticamente responsabile sarà essenziale per tradurre il progresso ingegneristico in un beneficio concreto per i pazienti e per la società.
Il sensore intelligente sviluppato alla Penn State rappresenta un esempio concreto di questa evoluzione, evidenziando il potenziale dell’integrazione tra sensori flessibili, analisi multimodale e intelligenza artificiale. Sebbene queste tecnologie non siano ancora pienamente mature, il loro impatto futuro appare significativo.
