高齢者のバランスを予測する機能的・構造的コネクトームベースのモデル化

なぜ安定していることが重要か

年を重ねると、不安定な地面でただまっすぐ立っていることさえ大きな課題になり得ます。バランスの喪失は転倒や骨折、独立性の喪失につながります。本研究は一見単純な問いを投げかけました：安静時の脳の配線や活動パターンを見ただけで、高齢者が不安定な板の上でどれだけ安定して立てるかを予測できるでしょうか？高度な脳スキャンとデータ駆動型の解析を組み合わせることで、研究者たちは高齢者が踏みとどまるのを助ける隠れたネットワークの地図を描き始めました。

老化する脳の内部を覗く

研究チームは64歳から82歳の健康な成人54名を募集しました。各参加者は超高磁場で詳細なMRI検査を受け、研究者は2種類の情報を捉えました。まず脳の物理的な配線、すなわち異なる領域を結ぶ神経線維の束である構造的結合を測定しました。次に、参加者が静かに休んでいる間の自発的な活動を記録し、どの領域が一緒に発火する傾向があるかという機能的結合を明らかにしました。脳を268の領域に分ける標準的なアトラスを用い、これらのスキャンを各個人の大規模な接続地図、いわゆる“コネクトーム”に変換しました。

揺れる地面でのバランス試験

バランスを測るために、参加者はフォースプレートの上に置かれたワブルボード（不安定な板）に足を開いて両手を腰に当てて立ち、壁の固定点を見つめてもらいました。板の丸い底面が意図的に不安定さを生んでいます。フォースプレートから、研究者は各人の圧力中心が20秒間の試行中にどれだけ動いたかを計算しました。これによりスウェイ面積が得られます：面積が小さいほど安定したバランスを示し、面積が大きいほど揺れが大きいことを示します。2回の試行のうち最も低いスウェイ面積を各人のバランススコアとしました。

脳ネットワークを読むようにコンピュータを教育する

脳のネットワークとバランススコアが揃ったところで、研究者たちはコネクトームベースの予測モデリングという機械学習手法を用いました。本質的には、コンピュータに全ての可能な接続を探索させ、より良いあるいはより悪いバランスと対応するパターンを見つけさせ、1人ずつ除外して予測精度を検証します。機能的ネットワークと構造的ネットワークから別々のモデルを構築し、スウェイ面積と確実に結びつく強いまたは弱い接続に注目しました。交差検証の繰り返しで一貫して予測に寄与したエッジのみを、各スキャンタイプの最終的な“コンセンサス”ネットワークに残しました。

安定した歩行を支える脳回路

どちらのタイプの脳地図も有益であることがわかりました。安静時の機能データの特定の接続群は、誰がより多くあるいはより少なく揺れるかを予測し、対応するが同一ではない構造的接続のセットも同様に予測しました。いずれの場合でも、最も重要な結びつきは運動領域と基底核や視床のような深部構造、そして注意や制御に関わる前頭葉および頭頂葉のネットワークを結びつけるものでした。興味深いことに、運動領域と前頭領域を視覚領域と橋渡しする構造的接続はバランスの強い予測因子であったのに対し、その機能的対応物は安静時にはほとんど寄与しませんでした。3か月後の第2回の検査セッションでは、構造的ネットワークの予測のほうが機能的ネットワークよりも安定していました。重要なことに、同じモデルに別の課題で脚の筋力を予測させたところ、予測は失敗しました—これはこれらの脳パターンが一般的な身体能力ではなくバランスに特異的であることを示唆しています。

日常生活にとっての意義

平たく言えば、この研究は高齢者が動く面でどれだけよく直立していられるかが、脳ネットワークの構造と安静時の活動を観察することで予測できることを示しています。最も情報量の多い特徴は単一の“バランス中枢”ではなく、運動領域、深部の中継ハブ、前頭部の制御領域、視覚系を結ぶ協調的な経路です。特に構造的配線は、時間を超えてバランス能力の安定した指紋を提供するように見えます。参加者数が限られる予備的な結果ではあるものの、これらの知見は脳に基づく指標が転倒リスクの高い高齢者を特定し、必要な脳回路を強化するトレーニングやリハビリテーションを導く将来の可能性を示唆します。

引用: 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

キーワード: バランス, 加齢, 脳ネットワーク, MRI, 転倒