基于功能和结构连通组的老年人平衡预测建模

保持稳健为何重要

随着年龄增长，单是在不平的表面上直立都可能成为一个严峻的挑战。平衡丧失会导致跌倒、骨折以及失去独立性。本研究提出了一个看似简单的问题：我们能否通过观察静息状态下大脑的连接结构和活动模式，预测一位老年人在不稳定木板上保持平衡的能力？研究人员结合先进的脑部成像与数据驱动分析，开始绘制那些帮助老年人站稳脚跟的隐秘网络。

窥见衰老中的大脑

研究团队招募了54名年龄在64至82岁之间的健康成人。每位参与者都进行了超高磁场的详细MRI扫描，使科学家能够捕捉两类信息。首先，他们测量了大脑的物理连线：连接不同区域的神经纤维束，即结构连接。其次，他们记录了参与者安静休息时的自发活动，揭示了哪些区域倾向于同时激活，即功能连接。研究者使用一个将大脑划分为268个区域的标准图谱，把这些扫描数据转化为每个人的大型连接图或“连通组”。

在摇晃的地面上测试平衡

为测量平衡，参与者双脚分开站在放在力板上的摇晃板上，双手叉腰，目视墙上一固定点。摇晃板圆形的底座使表面故意不稳定。研究者通过力板计算每位参与者在20秒试验中重心压力的漂移量，由此得出摆动面积：面积越小表示平衡越稳，面积越大表示越摇晃。每人两次尝试中最低的摆动面积被视为该人的平衡得分。

教计算机解读大脑网络

有了大脑网络和平衡得分后，研究人员使用了一种称为基于连通组的预测建模的机器学习方法。本质上，他们让计算机在所有可能的连接中搜索与平衡好坏相关的模式，同时采用一人留出法来测试预测精度。他们分别从功能和结构网络建立模型，关注那些关联更强或更弱连接与摆动面积可靠相关的边。只有在交叉验证运行中持续有助于预测的连接边，才被保留下来形成每种扫描类型的最终“共识”网络。

支撑稳步前行的大脑回路

两类脑图都被证明有信息量。静息态功能数据中一组特定连接可以预测谁会更或更少地摇晃，与之平行但并不相同的一组结构连接也能做到这一点。在两种情况下，最重要的连接都将大脑的运动区域与基底节、丘脑等深层结构相连，并连接参与注意与控制的额叶和顶叶网络。有趣的是，桥接运动与额叶区域与视觉区域之间的结构连接是平衡的强预测因子，而其静息态的功能对应物贡献甚微。在三个月后的第二次测试中，结构网络提供的预测比功能网络更稳定。关键是，当将相同模型用于预测另一项任务中的腿部力量时，它们失败了——这表明这些大脑模式是特定于平衡的，而非一般的身体能力。

这对日常生活意味着什么

通俗地说，这项工作表明，通过观察老年人大脑网络的结构与静息活动，就可以预测他们在移动表面上保持直立的能力。最具信息性的并不是单一的“平衡中心”，而是连接运动区域、深层中继核、额叶控制区和视觉系统的协调通路。尤其是结构连线，似乎为随时间稳定的平衡能力提供了指纹式的标志。尽管仍属初步研究且参与者数量有限，这些发现指向了一个未来：基于大脑的测量或可帮助识别高跌倒风险的老年人，并指导针对性训练或康复项目，强化那些维持其安全行走所需的特定脑回路。

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

关键词: 平衡, 衰老, 大脑网络, MRI, 跌倒