Modelización predictiva basada en conectomas funcionales y estructurales del equilibrio en adultos mayores

Por qué mantener el equilibrio importa

A medida que envejecemos, mantener la verticalidad sobre una superficie inestable puede convertirse en un reto serio. La pérdida de equilibrio conduce a caídas, fracturas y pérdida de independencia. Este estudio planteó una pregunta aparentemente simple: ¿podemos, observando el cableado y los patrones de actividad del cerebro en reposo, predecir qué tan bien un adulto mayor mantendrá el equilibrio sobre una tabla inestable? Al combinar exploraciones cerebrales avanzadas con un análisis guiado por datos, los investigadores comienzan a cartografiar las redes ocultas que ayudan a las personas mayores a mantenerse en pie.

Mirando dentro del cerebro envejecido

El equipo reclutó a 54 adultos sanos de entre 64 y 82 años. A cada persona se le realizaron exploraciones por RMN detalladas a un campo magnético ultraalto, lo que permitió a los científicos capturar dos tipos de información. Primero, midieron el cableado físico del cerebro: haces de fibras nerviosas que conectan distintas regiones, conocidos como conexiones estructurales. Segundo, registraron la actividad espontánea mientras los participantes descansaban en silencio, lo que reveló qué regiones tienden a activarse de forma conjunta, conocidas como conexiones funcionales. Usando un atlas estándar que divide el cerebro en 268 áreas, convirtieron estas exploraciones en grandes mapas de conexiones, o “conectomas”, para cada persona.

Probar el equilibrio en terreno inestable

Para medir el equilibrio, los participantes se pusieron de pie sobre una tabla inestable colocada sobre una plataforma de fuerza, con los pies separados y las manos en las caderas, mientras fijaban un punto en la pared. La base redondeada de la tabla hacía la superficie deliberadamente inestable. Desde la plataforma de fuerza, los investigadores calcularon cuánto se desplazaba el centro de presión de cada persona durante ensayos de 20 segundos. Esto produjo un área de oscilación: un área más pequeña significaba mayor estabilidad, mientras que un área mayor indicaba más bamboleo. Se tomó como puntuación de equilibrio de cada persona el área de oscilación más baja entre dos intentos.

Enseñar a las máquinas a leer redes cerebrales

Armados con los conectomas y las puntuaciones de equilibrio, los investigadores emplearon un enfoque de aprendizaje automático llamado modelización predictiva basada en conectomas. En esencia, permitieron que el ordenador buscara entre todas las conexiones posibles para encontrar patrones que se correlacionaran con mejor o peor equilibrio, reservando una persona a la vez para probar la precisión de la predicción. Construyeron modelos separados a partir de redes funcionales y estructurales, centrándose en conexiones cuyos enlaces más fuertes o más débiles estaban de forma fiable asociados al área de oscilación. Solo aquellas aristas que ayudaron de manera consistente en la predicción a lo largo de las validaciones cruzadas se conservaron en una red “de consenso” final para cada tipo de exploración.

Los circuitos cerebrales detrás de pasos firmes

Ambos tipos de mapas cerebrales resultaron informativos. Conjuntos específicos de conexiones en los datos funcionales en reposo predijeron quién se balancearía más o menos, y un conjunto paralelo—aunque no idéntico—de conexiones estructurales hizo lo mismo. En ambos casos, los enlaces más importantes conectaban las regiones motoras del cerebro con estructuras profundas como los ganglios basales y el tálamo, así como redes en los lóbulos frontal y parietal implicadas en la atención y el control. De forma interesante, las conexiones estructurales que unían áreas motoras y frontales con regiones visuales fueron fuertes predictores del equilibrio, mientras que sus contrapartes funcionales en reposo contribuyeron poco. En una segunda sesión de pruebas tres meses después, las redes estructurales ofrecieron predicciones más estables que las funcionales. De forma crucial, cuando se pidió a los mismos modelos que predijeran la fuerza de las piernas en una tarea distinta, fracasaron—lo que sugiere que estos patrones cerebrales son específicos del equilibrio y no de la capacidad física general.

Qué significa esto para la vida cotidiana

En términos sencillos, este trabajo muestra que qué tan bien los adultos mayores permanecen erguidos sobre una superficie en movimiento puede preverse observando la arquitectura y la actividad silenciosa de sus redes cerebrales. Las características más informativas no son “centros de equilibrio” aislados, sino vías coordinadas que vinculan regiones motoras, núcleos profundos de relevo, áreas de control frontal y sistemas visuales. El cableado estructural, en particular, parece ofrecer una huella estable de la capacidad de equilibrio a lo largo del tiempo. Aunque aún preliminares y basadas en un número modesto de participantes, estos hallazgos apuntan a un futuro en el que las medidas basadas en el cerebro podrían ayudar a identificar a personas mayores con alto riesgo de caídas y orientar programas de entrenamiento o rehabilitación que fortalezcan los circuitos cerebrales específicos necesarios para mantenerlos con seguridad en pie.

Cita: Liu, X., Scherrer, S., Egger, S. et al. Functional and structural connectome-based predictive modelling of balance in elderly adults. Sci Rep 16, 13954 (2026). https://doi.org/10.1038/s41598-026-43724-0

Palabras clave: equilibrio, envejecimiento, redes cerebrales, RMN, caídas