Predykcyjne modelowanie równowagi u osób starszych oparte na funkcjonalnym i strukturalnym konektomie

Dlaczego zachowanie równowagi ma znaczenie

Z wiekiem samo utrzymanie się w pozycji stojącej na nierównej powierzchni może stać się poważnym wyzwaniem. Utrata równowagi prowadzi do upadków, złamań i utraty niezależności. W tym badaniu postawiono pozornie proste pytanie: czy na podstawie okablowania mózgu i wzorców jego aktywności w spoczynku można przewidzieć, jak dobrze osoba starsza utrzyma równowagę na niestabilnej desce? Łącząc zaawansowane badania mózgu z analizą napędzaną danymi, badacze zaczęli mapować ukryte sieci, które pomagają seniorom pozostać na nogach.

Wgląd w starzejący się mózg

Zespół zrekrutował 54 zdrowe osoby w wieku od 64 do 82 lat. Każdy uczestnik przeszedł szczegółowe badania MRI przy bardzo wysokim polu magnetycznym, co pozwoliło naukowcom uchwycić dwa rodzaje informacji. Po pierwsze, zmierzono fizyczne okablowanie mózgu: pęczki włókien nerwowych łączących różne obszary, znane jako połączenia strukturalne. Po drugie, zarejestrowano spontaniczną aktywność podczas odpoczynku, ujawniając, które regiony mają tendencję do współaktywacji, czyli połączenia funkcjonalne. Korzystając ze standardowego atlasu dzielącego mózg na 268 obszarów, przekształcili te skany w duże mapy połączeń, czyli „konektomy”, dla każdej osoby.

Badanie równowagi na chybotliwej powierzchni

Aby zmierzyć równowagę, uczestnicy stali na desce bujającej się umieszczonej na platformie tensometrycznej, rozstawiając stopy i trzymając ręce na biodrach, skupiając wzrok na ustalonym punkcie na ścianie. Zaokrąglona podstawa deski celowo uczyniła powierzchnię niestabilną. Z platformy tensometrycznej badacze obliczyli, jak bardzo środek nacisku każdego uczestnika wędrował w trakcie 20‑sekundowych prób. To pozwoliło wyznaczyć pole bujania: mniejsze pole oznaczało większą stabilność, większe pole — większe chwianie się. Najniższe pole bujania z dwóch prób przyjęto jako wynik równowagi danej osoby.

Nauczanie komputerów rozumienia sieci mózgowych

Dysponując sieciami mózgowymi i wynikami równowagi, badacze zastosowali podejście uczenia maszynowego zwane predykcyjnym modelowaniem oparte na konektomie. W istocie pozwolili komputerowi przeszukać wszystkie możliwe połączenia, by odnaleźć wzorce powiązane z lepszą lub gorszą równowagą, przy czym za każdym razem wyłączano jedną osobę z treningu, by przetestować trafność predykcji. Zbudowano odrębne modele z sieci funkcjonalnych i strukturalnych, skupiając się na połączeniach, w których mocniejsze lub słabsze więzi były wiarygodnie związane z polem bujania. Tylko te krawędzie, które konsekwentnie pomagały w predykcji w przebiegach krzyżowej walidacji, utrzymano w końcowej „konsensusowej” sieci dla każdego typu skanu.

Obwody mózgowe stojące za stabilnymi krokami

Oba typy map mózgu okazały się informatywne. Konkretne zestawy połączeń w danych funkcjonalnych w stanie spoczynku przewidywały, kto będzie bardziej lub mniej chwiał się, a równoległy — choć nie identyczny — zestaw połączeń strukturalnych robił to samo. W obu przypadkach najważniejsze więzi łączyły obszary ruchowe mózgu oraz struktury głębokie, takie jak jądra podstawy i wzgórze, a także sieci w płatach czołowych i ciemieniowych zaangażowane w uwagę i kontrolę. Co warte uwagi, połączenia strukturalne łączące obszary ruchowe i czołowe z regionami wzrokowymi były silnymi predyktorami równowagi, podczas gdy ich funkcjonalne odpowiedniki w spoczynku wnosiły niewiele. W drugiej sesji testowej, przeprowadzonej po trzech miesiącach, sieci strukturalne dawały bardziej stabilne prognozy niż funkcjonalne. Kluczowe jest to, że gdy te same modele próbowano wykorzystać do przewidzenia siły nóg w oddzielnym zadaniu, zawiodły — co sugeruje, że te wzorce mózgowe odnoszą się specyficznie do równowagi, a nie do ogólnej sprawności fizycznej.

Co to oznacza w codziennym życiu

Mówiąc prosto, praca ta pokazuje, że to, jak dobrze osoby starsze utrzymują się w pionie na poruszającej się powierzchni, można przewidzieć, analizując architekturę i cichą aktywność ich sieci mózgowych. Najbardziej informatywne cechy to nie pojedyncze „centra równowagi”, lecz skoordynowane szlaki łączące obszary ruchowe, głębokie węzły przekaźnikowe, czołowe obszary kontrolne i systemy wzrokowe. Szczególnie okablowanie strukturalne wydaje się oferować stabilny odcisk palca zdolności do utrzymania równowagi w czasie. Choć wstępne i oparte na umiarkowanej liczbie uczestników, te odkrycia wskazują na przyszłość, w której miary oparte na mózgu mogłyby pomóc zidentyfikować seniorów o wysokim ryzyku upadku i ukierunkować programy treningowe lub rehabilitacyjne wzmacniające konkretne obwody mózgowe potrzebne, by utrzymać ich bezpiecznie na nogach.

Cytowanie: 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

Słowa kluczowe: równowaga, starzenie się, sieci mózgowe, MRI, upadki