Modèle boîte-blanche pour l'évaluation du stress aigu à partir de mesures physiologiques

Les corrélats physiologiques du stress aigu sont connus et mesurables à travers le rythme cardiaque, la conductance de la peau ou l’activité respiratoire. Récemment, l’essor des capteurs physiologiques portables a donné une perspective concrète à la détection d’épisodes de stress dans la vie quotidienne. Mais les corrélats du stress ne lui sont pas spécifiques : ils sont sensibles à de nombreux facteurs confondants, comme l’activité mentale. De plus, la mesure physiologique en vie réelle est sujette à de nombreux artéfacts et les modèles actuellement proposés manquent d’une stratégie de gestion efficace de la qualité des mesures. Enfin, la littérature a tendance à promouvoir des modèles de type boîte-noire, dont la décision ne peut être interprétée dans un but thérapeutique. Pour répondre à ces problématiques, nous proposons un algorithme de type boîte-blanche susceptible de détecter le stress dans la vie quotidienne. Nous avons d’abord sélectionné des caractéristiques physiologiques sensibles au stress et peu sensibles à l’activité mentale. Ces caractéristiques ont été fusionnées dans modèle robuste aux artéfacts et qui adopte une structure modulaire, afin de s'adapter en temps réel à la qualité des mesures. L’idée derrière ce modèle est de pouvoir se séparer sans nouvel apprentissage des caractéristiques momentanément indisponibles ou trop bruitées. La majorité des corrélats connus du stress ont répondu de manière similaire en situation de stress et d’activité mentale non-stressante. Quatre caractéristiques montrant une réponse différenciée ont été incluses dans notre détecteur de stress. Celui-ci a montré des performances comparables à l’état de l’art et à d’autres modèles (75% de bien classés), bien qu’inférieures à un réseau de neurones (81%). En présence de bruit dans ces données, les performances de notre détecteur sont restées majoritairement stables (±1%) et supérieures aux autres modèles (+3% à +11% par rapport au réseau de neurones).