Modelli predittivi della stabilità basati sul connettoma funzionale e strutturale negli anziani

Perché restare stabili è importante

Con l’avanzare dell’età, stare semplicemente in piedi su una superficie irregolare può diventare una sfida seria. La perdita di equilibrio porta a cadute, fratture e perdita di autonomia. Questo studio pone una domanda apparentemente semplice: possiamo guardare il cablaggio e i modelli di attività del cervello a riposo e prevedere quanto bene un anziano manterrà l’equilibrio su una tavola instabile? Combinando scansioni cerebrali avanzate con analisi guidate dai dati, i ricercatori cominciano a mappare le reti nascoste che aiutano gli anziani a restare in piedi.

Guardare all’interno del cervello che invecchia

Il gruppo ha reclutato 54 adulti sani tra i 64 e gli 82 anni. A ciascuno sono state effettuate scansioni MRI dettagliate con un campo magnetico ultra‑alto, che hanno permesso agli scienziati di catturare due tipi di informazione. Primo, hanno misurato il cablaggio fisico del cervello: fasci di fibre nervose che connettono diverse regioni, noti come connessioni strutturali. Secondo, hanno registrato l’attività spontanea mentre i partecipanti riposavano in tranquillità, rivelando quali regioni tendono ad attivarsi insieme, note come connessioni funzionali. Usando un atlante standard che divide il cervello in 268 aree, hanno trasformato queste scansioni in grandi mappe di connessione, o “connettomi”, per ogni individuo.

Testare l’equilibrio su terreno instabile

Per misurare l’equilibrio, i partecipanti si sono posizionati su una tavola oscillante posta su una pedana di forza, piedi divaricati e mani sui fianchi, concentrandosi su un punto fisso sul muro. La base arrotondata della tavola rendeva la superficie deliberatamente instabile. Dalla pedana di forza, i ricercatori hanno calcolato quanto il centro di pressione di ciascuna persona si spostasse durante prove di 20 secondi. Questo ha prodotto un’area di oscillazione: un’area più piccola indicava un equilibrio più stabile, mentre un’area più ampia indicava maggior sbandamento. Il valore minore di area di oscillazione tra i due tentativi è stato preso come punteggio di equilibrio di ciascun partecipante.

Insegnare ai computer a leggere le reti cerebrali

Con a disposizione i connettomi cerebrali e i punteggi di equilibrio, i ricercatori hanno usato un approccio di machine learning chiamato modellizzazione predittiva basata sul connettoma. In sostanza, hanno lasciato che il computer cercasse tra tutte le possibili connessioni per trovare pattern che si correlassero con un equilibrio migliore o peggiore, tenendo fuori una persona alla volta per testare l’accuratezza della previsione. Hanno costruito modelli separati da reti funzionali e strutturali, concentrandosi su connessioni in cui legami più forti o più deboli erano ripetutamente associati all’area di oscillazione. Solo quegli archi che contribuivano costantemente alla previsione attraverso le ripetute validazioni incrociate sono stati mantenuti in una rete “di consenso” finale per ciascun tipo di scansione.

I circuiti cerebrali dietro passi più stabili

Entrambi i tipi di mappe cerebrali si sono rivelati informativi. Set specifici di connessioni nei dati funzionali a riposo hanno predetto chi oscillava di più o di meno, e un insieme parallelo—ma non identico—di connessioni strutturali ha fatto lo stesso. In entrambi i casi, i legami più importanti connettevano le regioni motorie del cervello e strutture profonde come i gangli della base e il talamo, oltre a reti nei lobi frontale e parietale implicate nell’attenzione e nel controllo. Interessante notare che le connessioni strutturali che collegavano aree motorie e frontali con regioni visive sono state forti predittori dell’equilibrio, mentre i corrispondenti aspetti funzionali a riposo hanno contribuito poco. In una seconda sessione di test tre mesi dopo, le reti strutturali hanno fornito predizioni più stabili rispetto a quelle funzionali. Crucialmente, quando gli stessi modelli sono stati usati per prevedere la forza delle gambe in un compito separato, hanno fallito—suggerendo che questi pattern cerebrali sono specifici per l’equilibrio e non per una capacità fisica generale.

Cosa significa per la vita quotidiana

In termini semplici, questo lavoro mostra che quanto bene gli anziani restano in piedi su una superficie in movimento può essere previsto osservando l’architettura e l’attività silenziosa delle loro reti cerebrali. Le caratteristiche più informative non sono singoli “centri dell’equilibrio”, ma percorsi coordinati che collegano regioni motorie, nodi di ricetrasmissione profondi, aree frontali di controllo e sistemi visivi. In particolare, il cablaggio strutturale sembra offrire un’impronta stabile della capacità di equilibrio nel tempo. Pur essendo ancora preliminari e basati su un numero modesto di partecipanti, questi risultati indicano un futuro in cui misure basate sul cervello potrebbero aiutare a identificare gli anziani ad alto rischio di caduta e indirizzare programmi di allenamento o riabilitazione che rinforzino i circuiti cerebrali specifici necessari per mantenerli in sicurezza in piedi.

Citazione: 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

Parole chiave: equilibrio, invecchiamento, reti cerebrali, risonanza magnetica, cadute