Salta al contenuto principale
Articolo
100%
HD

Respirare è automatico, ma il modo in cui lo fai racconta molto del tuo stato d'animo. Un nuovo studio pubblicato su *Technologies* ha addestrato un'intelligenza artificiale a distinguere tra stress, calma e meditazione analizzando solo il respiro. Il risultato? Un'accuratezza del 92,33% sul dataset WESAD, un punto di riferimento per la ricerca sui segnali fisiologici indossabili.

I ricercatori hanno estratto 16 parametri dal segnale respiratorio: ritmo, profondità e caratteristiche non lineari. Non si sono limitati a "dare in pasto" i dati a una scatola nera. Hanno usato un modello "ensemble" (una squadra di algoritmi che votano insieme) e, soprattutto, lo hanno reso spiegabile grazie a SHAP, uno strumento che mostra *perché* l'IA prende una certa decisione.

Cosa è emerso? La frequenza respiratoria, il rapporto tra tempo di ispirazione ed espirazione e la variabilità dell'espirazione sono i campanelli d'allarme principali. Questi parametri rispecchiano l'attività del sistema nervoso autonomo: quando sei stressato, il simpatico (l'acceleratore) prevale sul parasimpatico (il freno).

C'è una sorpresa: sotto stress la profondità del respiro *aumenta*, contrariamente a quanto ci si aspetterebbe (solitamente si pensa a respiri corti e affannosi). Questo paradosso apre nuove strade di ricerca. L'obiettivo finale? Smartwatch e wearable capaci di monitorare la salute mentale in tempo reale, avvisandoti prima che il carico diventi troppo pesante. Una bussola digitale per navigare le giornate più intense.

Bonus
100%
HD

Lo studio propone un framework "Physiologically Explainable Ensemble" per la classificazione a tre stati (normale, stress, meditazione) basato esclusivamente su segnali respiratori (chest belt). La feature engineering ha prodotto 16 attributi: 4 ritmici (es. frequenza respiratoria, rapporto I/E), 6 di profondità (es. volume corrente, variabilità inspiratoria/espiratoria) e 6 non lineari (entropia di campione, DFA, indice di respirazione rapida e superficiale - RSBI).

L'analisi statistica (MANOVA, boxplot, heatmap di correlazione) ha confermato differenze significative tra gruppi per la maggior parte delle feature. L'architettura di stacking combina tre base-learner (Random Forest, XGBoost, LightGBM) con una regressione logistica come meta-learner. La validazione Leave-One-Subject-Out (LOSO) garantisce la generalizzazione inter-soggetto, evitando data leakage.

L'interpretabilità SHAP (TreeSHAP) ha identificato la frequenza respiratoria (RR), il rapporto tempo inspiratorio/tempo totale (Ti/Ttot) e il coefficiente di variazione del tempo espiratorio (CV_Te) come feature globali più importanti. L'analisi di dipendenza SHAP ha mostrato relazioni non lineari complesse. Il finding controintuitivo sull'aumento della profondità respiratoria (Volume Corrente, Inspiratory Volume) durante lo stress rispetto allo stato basale contraddice il paradigma classico del "rapid shallow breathing"; gli autori ipotizzano un meccanismo compensatorio o una risposta specifica allo stressor cognitivo (es. Stroop test) vs fisico, richiedendo ulteriori indagini fisiologiche. Questo approccio multimodale e trasparente è promettente per il digital phenotyping psichiatrico.

Chiedi all'AI

Approfondisci la notizia a colpo d'occhio con 3 spiegazioni sintetiche
👶 Spiegazione Semplice (ELI5)

Immagina di ascoltare il ritmo del tuo respiro come se fosse la musica di una canzone: se la melodia diventa piu' veloce o piu' profonda, l'IA sente che sei stressato, anche se non lo dici tu.

Fonti

Autori:
Chenxi YangSiyu WeiJianqing LiChengyu Liu
Data Pubblicazione:
Articolo Originale www.mdpi.com
Verifica editoriale completata il 21/08/2026 Studio Originale / Fonte Primaria
Consulta le nostre Linee Guida Editoriali & Etica AI
Licenza Creative Commons CC BY-NC-SA 4.0

Continua a esplorare

Scopri l'intero archivio di pillole scientifiche o torna alla home

Riconnessione al server... Aggiornamento della sessione in corso
Connessione interrotta Impossibile stabilire il collegamento
Sessione aggiornata Ricarica per visualizzare i contenuti