Az eddigiek során többnyire csak egy ingermodalitásra fókuszáltunk, amikor a figyelemről beszéltünk; és csak érintőlegesen jelent meg (az előző, 10. fejezetben), hogy mi van akkor, ha nem csak egy modalitásra kell figyelnünk. Az egy modalitás legtöbbször a vizuális csatornán bejövő információ feldolgozása volt, de több fejezetben kitértünk az auditoros információk feldolgozására is, valamint a két modalitás feldolgozásáért felelős folyamatok hasonlóságaira és különbségeire. Volt szó arról is, hogy konfliktusos helyzetben, például amikor zavaró ingereket kell figyelmen kívül hagyni, vagy több feladatra kell egyszerre odafigyelni, miként történik a feldolgozás, mit priorizál a figyelmi rendszer. Arról azonban még nem volt szó, hogy miként működik rendszerként és kerül feldolgozásra a több csatornán egyszerre bekerülő információ. Ebben a fejezetben a modalitások közötti (crossmodal) figyelmi feldolgozásról lesz szó, és azt járjuk körül, hogy a más-más modalitásból (pl. látás, hallás, tapintás) jövő információ miként integrálódik a figyelmi feldolgozás során. Önmagában véve csak a szűrés, a gátlás vagy a csatornák közötti váltogatás nem ad megfelelő alapot a modalitások közötti interakciók és integráció leírására. Amikor hallgatunk valamilyen zenét, és közben olvassuk a dalszöveget, vagy amikor látunk és a kezünkben fogunk egy tárgyat, nem szűrjük ki az egyik csatornán ékező információt. A világ megismeréséhez tartozik az az integrációs képesség, hogy különböző típusú tartalmakat össze tudunk egyeztetni, amelyek összessége nemhogy rontja, de egyenesen segíti a feldolgozást. A különböző szenzoros forrásokból származó információk integrálása fontos adaptív funkciót töltött be az evolúciós során (amely funkcióját a mai napig megőrizte), mivel a különféle szenzoros modalitásokból származó bemeneten alapuló kiegészítő információk integrációja tisztább képet ad szenzoros környezetünkről (Brown–Strand, 2019). Például, ha nagy a zaj, nehezebben értjük meg a beszédet, de ha látjuk a beszélő arcát, az javítja megértési képességünket. Az idegrendszeri hátteret tekintve a perceptuális feldolgozás során mind a vizuális, mind az auditoros és még a taktilis ingerek is átkapcsolnak a saját kérgi feldolgozásért felelős terület felé igyekezve. A mindennapokban bármilyen helyzettel vagy tárggyal találkozunk, annak általában nemcsak vizuális, de auditoros, taktilis (tapintás) és olfaktoros (szaglás) tulajdonságai is vannak. Ezt megerősítik olyan friss kutatási eredmények, amelyek a virtuális valóságban vizsgálták, hogy a taktilis és auditoros ingerek miként segítik a vizuális feldolgozást (Marucci et al., 2021). Az eredmények szerint a magas terhelési szintű (ld. 9. fejezet) feladathelyzetben jelentősen javult a teljesítmény a multiszenzoros információ hatására, míg könnyű feladat esetén nem okozott javulást a csupán vizuálishoz képest. Ennek hátterében az állhat, hogy a multiszenzoros ingerlés csökkentette a terhelés szintjét – amit hárommodális helyzetben szubjektív-kérdőíves beszámolók is megerősítettek.