La neuroergonomie

La neuroergonomie est l’application des neurosciences à l’ergonomie. Les études ergonomiques traditionnelles s’appuient principalement sur des explications psychologiques pour aborder les facteurs humains tels que le rendement au travail, la sécurité opérationnelle et les risques liés au milieu de travail (p. ex., les traumatismes liés au stress répétitif). La neuroergonomie, en revanche, s’intéresse aux substrats biologiques des préoccupations ergonomiques, en mettant l’accent sur le rôle du système nerveux humain.

Vue d’ensemble

La neuroergonomie a deux grands objectifs : utiliser les connaissances existantes/émergentes sur la performance humaine et les fonctions cérébrales pour concevoir des systèmes permettant un fonctionnement plus sûr et plus efficace, et faire progresser cette compréhension de la relation entre la fonction cérébrale et la performance dans des tâches du monde réel.

Pour atteindre ces objectifs, la neuroergonomie combine deux disciplines : les neurosciences, l’étude des fonctions cérébrales, et les facteurs humains, l’étude de la façon de faire correspondre la technologie aux capacités et aux limites des gens afin qu’ils puissent travailler efficacement et en sécurité. L’objectif de la fusion de ces deux domaines est d’utiliser les découvertes surprenantes du cerveau humain et du fonctionnement physiologique pour éclairer la conception des technologies au travail et à la maison, et pour fournir de nouvelles méthodes d’entraînement qui améliorent le rendement, augmentent les capacités et optimisent l’adaptation entre les personnes et la technologie.

La recherche dans le domaine de la neuroergonomie s’est développée ces dernières années avec l’émergence de techniques non invasives de surveillance du fonctionnement du cerveau humain qui peuvent être utilisées pour étudier divers aspects du comportement humain par rapport à la technologie et au travail, notamment la charge de travail mental, l’attention visuelle, la mémoire de travail, le contrôle moteur, l’interaction homme-automation et l’automatisation adaptée. Par conséquent, ce domaine interdisciplinaire s’intéresse à l’étude des fondements neuronaux de la perception, de la cognition et de la performance humaines par rapport aux systèmes et aux technologies du monde réel, par exemple dans l’utilisation d’ordinateurs et de diverses autres machines à la maison ou au travail, et dans la conduite de véhicules comme les avions, les voitures, les trains et les navires.

Certaines études ont montré que l’utilisation de la stimulation magnétique transcrânienne (SMT) et de la stimulation transcrânienne à courant continu (STCC) était prometteuse pour améliorer les habiletés cognitives pendant les tâches. Bien qu’initialement utilisée pour traiter divers troubles neurologiques tels que la maladie de Parkinson ou la démence, la SMT s’étend de plus en plus. Dans la SMT, l’électricité passe à travers une bobine magnétique qui est positionnée près du cuir chevelu de la personne. Les résultats d’études montrent que la stimulation cérébrale non invasive conduit à 20 minutes supplémentaires de vigilance soutenue.

Neuroimagerie et charge de travail mental

Une composante majeure des études neuroergonomiques a été la neuroimagerie. Il y a deux façons d’utiliser les méthodes de neuroimagerie. La première façon est de montrer les processus métaboliques cérébraux associés à l’activité neuronale à l’aide d’une IRM fonctionnelle (IRMf) et d’une échographie Doppler transcrânienne (DTC). Une IRMf permet aux chercheurs de localiser l’activité neuronale dans le cerveau. L’un des principaux avantages de l’IRMf est qu’il s’agit d’une méthode d’imagerie non invasive. Avant l’invention de l’IRMf, des méthodes comme la tomographie par émission de positrons nécessitaient l’injection d’un traceur radioactif. La deuxième façon d’utiliser la neuroimagerie est d’identifier le moment du traitement neuronal à l’aide de l’électroencéphalographie (EEG) et des potentiels liés aux événements (ERP).

L’IRMf permet de quantifier la charge de travail mental par une augmentation du débit sanguin cérébral dans les régions du cortex préfrontal (CPF). De nombreuses études IRMf montrent qu’il y a une augmentation de l’activation du PFC pendant une tâche de mémoire de travail. Il est tout aussi important que de mesurer la charge de travail mental, d’évaluer la vigilance ou l’attention de l’opérateur. L’utilisation du TCD pour surveiller la vitesse du flux sanguin dans les artères intercrâniennes a montré qu’une diminution du flux sanguin était associée à une diminution de la vigilance et à une diminution des ressources cognitives.

Automatisation adaptative

L’automatisation adaptative, un concept neuroergonomique novateur, fait référence à un système homme-machine qui utilise une évaluation en temps réel de la charge de travail de l’opérateur pour apporter les changements nécessaires à l’amélioration des performances. Pour que l’automatisation adaptative fonctionne, le système doit utiliser un classificateur d’état opérateur précis pour l’évaluation en temps réel. Les classificateurs d’état opérateur tels que l’analyse discriminante et les réseaux de neurones artificiels montrent une précision de 70% à 85% en temps réel. Une partie importante de la mise en œuvre adéquate de l’automatisation adaptative consiste à déterminer l’ampleur de la charge de travail nécessaire pour qu’une intervention soit nécessaire. La mise en œuvre de l’automatisation neuroergonomique adaptative nécessiterait la mise au point de capteurs non intrusifs et même de techniques pour suivre les mouvements oculaires. La recherche actuelle sur l’évaluation de l’état mental d’une personne comprend l’utilisation de l’électromyographie faciale pour détecter la confusion.

Les expériences montrent qu’une équipe humain-robot contrôle mieux les véhicules aériens et terrestres qu’un humain ou un robot (c.-à-d. le système de reconnaissance automatique des cibles). Comparativement à l’automatisation 100% humaine et statique, les participants ont fait preuve d’une confiance et d’une confiance en soi plus élevées, ainsi que d’une charge de travail perçue plus faible, lorsqu’ils utilisaient l’automatisation adaptative.

Dans l’automatisation adaptative, le plus grand défi est d’amener la machine à raisonner avec précision la façon de réagir aux changements et de revenir à des performances optimales. La machine doit pouvoir déterminer dans quelle mesure elle doit effectuer les modifications. C’est aussi une conséquence de la complexité du système et de facteurs tels que : la facilité avec laquelle le paramètre détecté peut être quantifié, le nombre de paramètres dans le système de la machine qui peuvent être modifiés et la qualité avec laquelle ces différents paramètres machine peuvent être coordonnés.

Interfaces d’ordinateur pour le cerveau

Un domaine de recherche en développement appelé interfaces cerveau-ordinateur (ICO) s’efforce d’utiliser différents types de signaux cérébraux pour faire fonctionner des dispositifs externes, sans aucune intervention motrice de la personne. Les ICO sont prometteurs pour les patients dont les capacités motrices sont limitées, comme ceux atteints de sclérose latérale amyotrophique. Lorsque l’utilisateur s’engage dans une activité mentale spécifique, il génère un potentiel électrique cérébral unique qui est traité et relayé dans un signal pour le dispositif externe. Les ICO utilisant les signaux des EEG et des ERP ont été utilisés pour faire fonctionner des synthétiseurs vocaux et déplacer des bras robotiques. La recherche sur les ICO a débuté dans les années 1970 à l’Université de Californie à Los Angeles, et se concentre actuellement sur les applications neuroprothétiques. Il est possible d’améliorer considérablement les ICO en intégrant un contrôle de haut niveau, le contexte, l’environnement ainsi que la réalité virtuelle dans leur conception.

Applications en réadaptation post-AVC

Depuis 2011, on s’efforce d’utiliser un robot de réadaptation relié à une interface cerveau-ordinateur non invasive pour promouvoir la plasticité cérébrale et l’apprentissage moteur après un AVC. La moitié des survivants de l’AVC présentent une paralysie ou une faiblesse unilatérale, et environ 30 à 60 % d’entre eux ne retrouvent pas leur fonction. Le traitement typique, après l’AVC, consiste en une thérapie de mouvement induite par contrainte et en une thérapie robotique, qui visent à restaurer l’activité motrice en forçant le mouvement des membres faibles. Le traitement actif actuel ne peut pas être utilisé par les patients qui souffrent d’une perte totale de contrôle ou d’une paralysie et qui n’ont aucune capacité motrice résiduelle avec laquelle travailler.

En se concentrant sur ces patients mal desservis, on a créé un ICO qui utilise les signaux électriques du cerveau détectés par un EEG pour contrôler un robot de rééducation des membres supérieurs. L’utilisateur est invité à imaginer l’activité motrice pendant que l’EEG capte les signaux cérébraux associés. Le ICO utilise un algorithme de transformation linéaire pour convertir les caractéristiques spectrales de l’EEG en commandes pour le robot. Une expérience réalisée sur 24 sujets a testé un groupe non-ICO, qui utilisait des rythmes sensorimoteurs pour contrôler le robot, contre le groupe ICO, qui utilisait le système ICO-robot. Les résultats de l’analyse de plasticité cérébrale ont montré une diminution de l’activité des ondes bêta chez les sujets du groupe ICO, qui est associée à un changement dans le mouvement. Les résultats ont également montré que le groupe ICO a obtenu de meilleurs résultats que le groupe non ICO dans toutes les mesures de l’apprentissage moteur.

Réalité virtuelle

La réalité virtuelle pourrait permettre de tester comment les opérateurs humains travailleraient dans des environnements dangereux sans les mettre en danger. Par exemple, elle permettrait de vérifier comment la fatigue ou une nouvelle technologie affecterait un conducteur ou un pilote dans son environnement spécifique, sans risque de blessure. Le fait de pouvoir évaluer les effets de certaines nouvelles technologies en milieu de travail en réalité virtuelle, avant leur mise en œuvre dans la vie réelle, pourrait sauver de l’argent et des vies. Il est difficile d’amener la technologie de la réalité virtuelle au point où elle peut imiter avec précision la vie réelle, mais son potentiel est immense.

Formation en soins de santé

Les programmes de formation en soins de santé ont adopté la simulation en réalité virtuelle (SRV) comme outil de formation pour les étudiants en sciences infirmières. Cet outil de simulation tridimensionnelle sur ordinateur permet aux étudiantes en sciences infirmières de mettre en pratique diverses compétences infirmières de façon répétée dans un environnement sans risque. Un programme de sciences infirmières d’une grande université d’État du Midwest a accepté d’utiliser un module VRS pour enseigner l’insertion d’un cathéter intraveineux (IV) et d’effectuer une évaluation de l’efficacité du programme. La VRS se compose d’un programme informatique et d’un bras haptique, qui ont travaillé ensemble pour simuler la sensation de l’accès vasculaire. Sur l’écran de l’ordinateur, l’utilisateur devra sélectionner l’équipement pour la procédure dans l’ordre correct. L’utilisateur palpe ensuite les veines du bras haptique et insère virtuellement le cathéter IV. Le programme fournit une rétroaction immédiate en avisant l’utilisateur lorsqu’il manque une étape et doit redémarrer la procédure.

Les résultats de l’évaluation ont montré que la VRS était un  » excellent outil d’apprentissage  » pour accroître les connaissances de l’élève sur la procédure. Les huit membres du corps professoral infirmier qui ont participé à l’étude étaient tous d’accord sur ce point et recommanderaient aux étudiants de travailler avec la VRS avant d’effectuer l’insertion du cathéter IV sur de vrais patients.

Cet outil permet aux éducateurs d’exposer les étudiants à une vaste gamme d’états de santé et d’expériences vécues par les patients et les infirmières. L’avantage central du programme de SRV est la disponibilité d’une variété de scénarios de cas, qui permettent aux étudiants d’accroître leur sensibilisation aux différences dans les réponses des patients à l’insertion de cathéters IV. Du point de vue de l’étudiant, la simulation en réalité virtuelle aide à combler l’écart entre la théorie et la pratique infirmières.

Applications pour les handicaps neurocognitifs

Les évaluations neuroergonomiques ont un potentiel énorme pour évaluer la performance psychomotrice d’une personne ayant une déficience neurocognitive ou à la suite d’un AVC ou d’une chirurgie. Elles permettraient de mettre au point une méthode normalisée pour mesurer le changement de la fonction neurocognitive au cours de la réadaptation pour une déficience neurocognitive. Sur le plan de la réadaptation, cela permettrait d’axer les efforts sur des objectifs. Ces tests pourraient être utilisés pour mesurer le changement à la suite de procédures opérationnelles comme la neurochirurgie, l’endartériectomie carotidienne et le pontage aortocoronarien.

Applications pour la sécurité au volant

L’un des principaux domaines d’application de la neuroergonomie est la sécurité au volant, en particulier pour les conducteurs âgés souffrant de troubles cognitifs. La conduite automobile exige l’intégration de multiples processus cognitifs, qui peuvent être étudiés séparément si les bons types d’outils sont utilisés. Les types d’outils utilisés pour évaluer la cognition pendant la conduite comprennent les simulateurs de conduite, les véhicules instrumentés et les simulateurs de tâches partielles.

Le Crossmodal Research Laboratory d’Oxford travaille à l’élaboration d’un système de signaux d’avertissement pour attirer l’attention d’un conducteur distrait, dans le but de rendre la conduite plus sûre pour tous. La recherche a montré que l’utilisation d’icônes auditives, comme un klaxon de voiture, est un meilleur signal d’avertissement qu’un son pur. De plus, les repères auditifs spatiaux sont plus efficaces pour réorienter l’attention du conducteur que les repères auditifs non spatialisés. Les signaux qui intègrent plusieurs sens, comme un signal audiotactile, attirent mieux l’attention que les signaux unisensoriels. D’autres ont évalué différents types de notifications embarquées (icônes auditives, commandes vocales, etc.) conçues pour la gestion des tâches dans des camions autonomes en fonction de leur pertinence par rapport aux mécanismes neuronaux séparables ; il s’agit d’une méthode efficace pour clarifier des conclusions souvent contradictoires tirées des seuls résultats comportementaux.