Snížené funkční mozekové propojení u dospívajících s internetovou závislostí (2013)

Úvod

Závislost na internetu je stále více uznávána jak ve veřejné, tak vědecké komunitě po celém světě [1], i když se jedná o relativně nový stav a jeho psychopatologické vlastnosti a neurobiologické mechanismy zůstávají špatně pochopeny. Nedávné neuroimagingové studie uváděly významné změny ve funkci a struktuře mozku spojené se závislostí na internetu. Většina těchto studií využívala funkční magnetické rezonance (fMRI) prováděné během úkolů a měla implikované frontální a striatální oblasti a v menší míře parietální a insulační kůru [2]-[5]. Dále, za použití pozitronové emisní tomografie (PET), Kim et al. (2011) zjistil sníženou dostupnost dopaminového D2 receptoru u bilaterálních kaudátů a pravých putamenů [6]a Hou a kol. (2012) s použitím tomografie s jedinou fotonovou emisní výpočetní tomografií (SPECT) zjistila sníženou hladinu exprese striatálního dopaminového transportéru u dospělých se závislostí na internetu [7]. Tato zjištění odpovídají současným teoretickým modelům poruch závislosti, které zahrnují nejen závislost na návykových látkách, ale také závislost na chování (např. Patologické hazardní hry), které zdůrazňují patologii frontostriatálních obvodů [8], stejně jako ostrov [9], [10]. Strukturální MRI studie od Zhou et al. (2011) a Yuan a kol. (2011) společně navrhli abnormality šedé hmoty v mozkových oblastech včetně prefrontální kůry [11], [12]a studii zobrazování difuzního tenzoru Linem et al. (2012) hlásil rozšířené abnormality bílé hmoty u dospívajících se závislostí na internetu [13]. Nakonec Liu a kol. (2010) zjistil, že v závislosti na internetu došlo ke změně regionální homogenity [14], což je podle našich znalostí jediné zjištění fMRI v klidovém stavu v literatuře týkající se této poruchy [15]. Autoři zkoumali časovou homogenitu v signálu krev-kyslík-závislá na hladině (BOLD) každého voxelu s těmi jeho nejbližších sousedních voxelů 26 způsobem voxel-moudrý.

FMRI v klidovém stavu je relativně nová zobrazovací technika pro zkoumání meziregionálních korelací spontánní mozkové aktivity, zaznamenána jako někdo, který tiše leží ve skeneru, aniž by se musel zabývat konkrétním úkolem [16]. Tento přístup poskytuje robustní metodu pro mapování dobře definovaných funkčních systémů [17], [18]. Opatření v klidovém stavu jsou spolehlivá [19], [20], pod genetickou kontrolou [21]-[23], a myšlenka indexovat vnitřní vlastnost organizace mozku funkční [24], s výhradou určitých upozornění [25]. V kombinaci s grafickými teoretickými technikami poskytuje fMRI v klidovém stavu účinný prostředek pro zkoumání rozsáhlé organizace funkční dynamiky mozku a jejího narušení v psychopatologických podmínkách [26].

V této studii jsme použili údaje fMRI v klidovém stavu k mapování rozdílů ve funkční konektivitě mezi komplexní sadou odlišných kortikálních a subkortikálních mozkových oblastí 90 u zdravých jedinců a adolescentů s závislostí na internetu se zaměřením na jednotlivce, kteří se zapojují do nadměrného hraní online mezi navrhovanými subtypy. této poruchy [27]. Provedli jsme také analýzu topologických poruch sítě [28] pro posouzení, zda nějaké rozdíly mezi skupinami v síle připojení byly dále spojeny s globální rekonfigurací funkčních interakcí [26], jak bylo hlášeno u mnoha jiných psychiatrických poruch [29], [30].

Na základě předchozích strukturálních a funkčních zjištění neuroimagingu v závislosti na internetu [3], [4], [6], [7], [15], spolu se zavedenými teoretickými modely poruch návykových látek [8], [9], předpokládali jsme, že adolescenti se závislostí na internetu budou vykazovat změněné meziregionální propojení mezi frontálními a striatálními regiony, s možným dalším zapojením mozkové kůry a ostrovů.

Materiály a metody

Etické prohlášení

Tato studie byla schválena institucionální revizní komisí pro lidské subjekty na Soulské národní univerzitě. Všichni adolescenti a jejich rodiče před vstupem do studia poskytli písemný informovaný souhlas. Studie byla provedena v souladu s Helsinskou deklarací.

Účastníci

Dvanáct adolescentů s pravou rukou s internetovou závislostí a 11 s pravou rukou a pohlaví [31] této studie se účastnily zdravé kontroly. Diagnóza závislosti na internetu byla stanovena pomocí stupnice Young Internet Addiction Scale (YIAS), která se skládá z položek 20, z nichž každá vychází z Xertumovy bodové stupnice Likert, která vyhodnocuje míru problémů způsobených používáním internetu [32], a Kiddieho plán pro afektivní poruchy a schizofrenii-současná a celoživotní verze (K-SADS-PL), polostrukturovaný diagnostický rozhovorový nástroj s prokázanou platností a spolehlivostí, který nám umožnil vyloučit další psychiatrické poruchy [33], [34]. Účastníci s internetovou závislostí byli omezeni na ty, kteří hlásili, že zažili typické složky závislosti (tj. Tolerance, stažení, zaujetí hraním online her, opakované neúspěšné pokusy o omezení nebo zastavení online hraní, negativně ovlivnili náladu při pokusu o omezení online hraní a zanedbávání důležitých vztahů nebo aktivit kvůli online hrám) [35], [36]. Všichni účastníci se závislostí na internetu uvedli mezi navrhovanými podtypy této poruchy nadměrné hraní online. Stejné nástroje byly použity při náboru zdravých dospívajících. Byly také posouzeny demografické informační a zpravodajské kvocienty (IQ) všech účastníků (viz Tabulka 1).

Stáhnout: 

 

• PPT

  Powerpointový snímek

• PNG

  větší obrázek (21KB)

• TIFF

  původní obrázek (58KB)

Tabulka 1. Demografické a klinické charakteristiky účastníků.

dva: 10.1371 / journal.pone.0057831.t001

Sběr dat a zpracování obrazu

Snímky fMRI v klidovém stavu byly získány na skeneru 3T Siemens (Siemens Magnetom Trio Tim Syngo MR B17, Německo) s následujícími parametry: doba opakování (TR) 2700 ms; echo čas (TE) 30 ms; akviziční matice 64 × 64; zorné pole (FOV) 192 × 192 mm²; úhel překlopení 90 °; velikost voxelu 3.0 mm x 3.0 mm × 3.0 mm; plátky 40. Celková doba akvizice byla 6 min. 45 s. Použila se cívka hlavy a pohyb hlavy se minimalizoval vyplněním prázdného prostoru kolem hlavy materiálem houby a upevněním spodní čelisti páskou.

Předběžné zpracování snímků fMRI bylo provedeno pomocí asistenta zpracování dat pro fMRI v klidovém stavu (DPARSF) [37], která je založena na Statistickém parametrickém mapování (SPM8) a Nástroje pro analýzu dat klidového stavu fMRI (REST). První snímky 5 u každého subjektu byly vyřazeny a zbývající snímky 145 byly korigovány na časování řezů a znovu vyrovnány k prvnímu svazku, aby byly korigovány na pohybové artefakty. Všichni účastníci vykazovali méně než 0.5 mm posunutí a 0.5 ° rotace v jejich pohybových parametrech hlavy 6. Navíc se tyto dvě skupiny významně nelišily (p<0.05) ve čtyřech parametrech pohybu hlavy, které nedávno navrhli Van Dijk et al. [38]: tj. střední posunutí hlavy (závislost na internetu: 0.04 ± 0.01 mm, kontrola: 0.04 ± 0.01 mm), maximální posunutí hlavy (závislost na internetu: 0.18 ± 0.14 mm, kontrola: 0.17 ± 0.07 mm), počet mikroskopů (> 0.1 mm ) pohyby (ne více než 2 pro všechny účastníky, s výjimkou dvou jedinců ve skupině závislých na internetu s 5 a 6 mikro pohyby) a rotace hlavy (závislost na internetu: 0.04 ± 0.01 °, kontrola: 0.04 ± 0.00 °). Před prostorovou normalizací byla vytvořena mozková šablona odpovídající věku a pohlaví na základě dat ze studie NIH MRI o vývoji normálního mozku pomocí šablony-O-Matic [39]. Naše fMRI obrazy byly normalizovány pomocí této přizpůsobené šablony a vyhlazeny plnou šířkou poloviny maximálního gaussovského jádra 6 mm. Data byla poté odstraněna a nízkofrekvenční fluktuace (0.01 – 0.08 Hz) byly filtrovány, aby se detekovaly signály ze šedé hmoty a snížil se účinek šumu. Šest parametrů pohybu hlavy, signálů bílé hmoty a signálů mozkomíšního moku bylo regresováno z filtrovaného signálu BOLD. Nakonec byly zbytky této regrese extrahovány z mozkových oblastí 90 (uzly) na základě atlasu automatizovaného anatomického označování (AAL) [40]a byly vypočteny párové asociace, jejichž výsledkem byla matice konektivity 90 ku 90 na každého subjektu. Ke kvantifikaci každé párové asociace byl použit Pearsonův korelační koeficient (nulové zpoždění). Všimněte si, že globální signál nebyl zahrnut jako obtěžující kovariát, čímž byl zajištěn minimální podíl negativních korelací.

Analýza dat

Statistiky založené na síti (NBS) [41], [42] byl použit k identifikaci regionálních mozkových sítí vykazujících významný rozdíl mezi skupinami v meziregionální funkční konektivitě. Konkrétně byl proveden t-test pro testování rozdílu mezi skupinami v korelačním koeficientu v každém z jedinečných regionálních párů 90 × (90-1) / 2 = 4005. Propojené sítě, formálně známé jako komponenty grafu, byly poté identifikovány mezi spoji s t-statistikou překračující práh t = 3.0. P-hodnota korigovaná na chybu rodiny (FWE) byla vypočtena pro velikost každé výsledné složky pomocí permutačního testování (20000 permutace). Každá permutace zahrnovala náhodné zamíchání skupinových štítků a identifikaci velikosti největší propojená síť, čímž se získá empirická nulová distribuce maximálních velikostí komponent [43]. F-korigovaná hodnota p byla odhadnuta pro každou propojenou síť jako podíl permutací, které přinesly větší propojenou síť nebo stejnou velikost. Dvě alternativní hypotézy (závislost> kontroly a závislost <kontroly) byly hodnoceny nezávisle. Všechny tyto kroky byly provedeny pomocí softwarového balíčku NBS, který je volně distribuován jako součást Brain Connectivity Toolbox (http://www.brain-connectivity-toolbox.net/) nebo NITRC (http://www.nitrc.org/projects/nbs/). Posoudit reprodukovatelnost jakýchkoli významných nálezů k alternativním atlasům [44], výše uvedená analýza byla opakována odděleně s AAL atlasem nahrazeným dvěma alternativními atlasy pro rozdělení partexu na nepřekrývající se oblasti; jmenovitě strukturální atlas Montrealského neurologického institutu (MNI) (http://www.fmrib.ox.ac.uk/fsl/data/atlas-descriptions.html) a náhodná parcellace zahrnující 120 oblasti [45]. Atlas MNI je hrubá parcellace představující osm anatomických oblastí na mozkovou hemisféru, a tím usnadňuje charakterizaci mezibunkové konektivity.

Dále jsme testovali rozdíly mezi klíčovými skupinami v síti založené na grafech [28]; jmenovitě průměrný shlukový koeficient, charakteristická délka cesty a poměr malé světlosti. Interpretace těchto opatření z hlediska složitosti a organizace mozku lze nalézt v mnohem nedávné literatuře [26], [30], [46]-[49]. Matice připojení byly nejprve binarizovány s ohledem na sadu pevných hustot připojení v rozmezí od 10% do 30% [28]. Měření sítě byla vypočtena při každé hustotě pomocí příslušné funkce poskytované v Brain Connectivity Toolbox. Koeficient shlukování a délka charakteristické dráhy byly normalizovány s ohledem na soubor náhodných sítí 20 generovaných pomocí algoritmu opětovného zapojení Maslov-Sneppen [50]. Rozdíly mezi skupinami byly poté vyhodnoceny při každé hustotě pomocí dvoustranného t-testu.

Nakonec se shlukovací koeficient a délka cesty vypočítaly místně pro každou z oblastí 90. Dvoustranný t-test byl také použit k testování rozdílů mezi skupinami v těchto regionálně specifických opatřeních. Míra falešných objevů (FDR) [51] byl použit k opravě pro mnohonásobná srovnání napříč rodinou hustot sítí a regionů.

výsledky

Charakteristika účastníka

Všichni účastníci byli muži po pravici. Mezi oběma skupinami nebyl nalezen žádný významný rozdíl ve věku a IQ a skóre YIAS bylo ve skupině závislostí na internetu výrazně vyšší (Tabulka 1).

Skupinové rozdíly ve funkční konektivitě

NBS identifikovala jedinou síť, která vykazuje výrazně (p<0.05, korigováno FWE) snížilo konektivitu u dospívajících se závislostí na internetu ve srovnání s kontrolami. Tato ovlivněná síť zahrnovala 59 odkazů a zahrnovala 38 různých oblastí mozku (Obrázek 1). Síť byla široce replikována, když byl atlas AAL nahrazen dvěma alternativními atlasy pro rozdělení partexu na nepřekrývající se oblasti (viz viz Obrázek S1). Přes značné rozdíly v celkovém počtu regionů, které tyto atlasy obsahovaly (AAL: 90, MNI: 16, náhodně: 120), byla v celkové struktuře sítě patrná pozoruhodná konzistence. Velikost sítě se podle očekávání zvýšila s rozlišením atlas (tj. Celkový počet regionů), což vedlo ke složitější konfiguraci. Kortikální a subkortikální oblasti (a odpovídající laloky) však byly široce replikovány napříč třemi atlasy. Obrázky byly vizualizovány pomocí prohlížeče BrainNet (http://www.nitrc.org/projects/bnv/).

Stáhnout: 

• PPT

  Powerpointový snímek

• PNG

  větší obrázek (3.47MB)

• TIFF

  původní obrázek (3.16MB)

Obrázek 1. Síť snížené funkční mozkové konektivity u dospívajících s závislostí na internetu.

Červené tečky představují stereotaktické centroidy mozkových oblastí (uzlů) definovaných atlasem automatizovaného anatomického označování (AAL) a modré čáry představují nadprahové vazby (t = 3.0) zahrnující postiženou síť identifikovanou pomocí statistik založených na síti (NBS) (pAxiální pohled ilustruje zapojení interhemisférických spojení (tj. Spojení křížení mezi pravou a levou hemisférou). Sagitální pohled ilustruje zapojení čelních, časových a temenních laloků do postižené sítě.

dva: 10.1371 / journal.pone.0057831.g001

Po Fornito et al. [52], AAL regiony byly roztříděny do odpovídajících hlavních laloků (např. Frontální, temporální, parietální) a pro každou dvojici laloků byl kvantifikován podíl spojení spojujících tyto velké divize. Bylo zjištěno, že jsou ovlivněna fronto temporo-parietální spojení, ale týlní lalok nebyl zahrnut do postižené sítě. Většina spojení, která byla snížena ve skupině závislostí na internetu, zahrnovala propojení mezi subkortikálními regiony a frontálními (~ 24%) a parietálními (~ 27%) kortikami (Obrázek 2). Abychom lépe porozuměli, které subkortikální regiony mohou přispívat k tomuto zjištění, zkoumali jsme propojení mezi jednotlivými kortikálními laloky a každým subkortikálními regiony samostatně v síti NBS (Obrázek S2). Tato analýza odhalila, že subkortikální regiony zahrnovaly hippocampus, globus pallidus a putamen. Jádro amygdaly a caudátu nebylo zahrnuto do postižené sítě. Bilaterální putamen byl nejrozsáhlejším subkortikálním regionem, který vykazoval snížené spojení se všemi třemi hlavními mozkovými laloky. Tento vzor byl replikován pomocí atlasu MNI, ze kterého výsledná síť kromě putujících, parietálních a dočasných laloků zahrnovala pouze putamen a insula; jádro caudate a týlní lalok nebyly zahrnuty v postižené síti.

Stáhnout:  

 

• PPT

  Powerpointový snímek

• PNG

  větší obrázek (153KB)

• TIFF

  původní obrázek (508KB)

Obrázek 2. Podíl připojení ovlivněných závislostí na internetu spojující jednotlivé páry širokých mozkových divizí.

Počet odkazů zahrnujících každou dvojici divizí je normalizován celkovým počtem párových vazeb. Všimněte si, že hipokampus, globus pallidus a putamen byly přiřazeny do subkortikální kategorie a přední gingus čelní. Jádro amygdaly a caudátu nebylo zahrnuto do narušené sítě, a proto nebylo nutné přiřadit tyto oblasti k laloku. Putamen byl bilaterálně nejrozsáhleji zapojenou subkortikální oblastí, vykazující snížené spojení se všemi třemi hlavními mozkovými laloky.

dva: 10.1371 / journal.pone.0057831.g002

Ve skupině závislostí na internetu jsme neidentifikovali žádnou síť se zvýšenou konektivitou. Nebyla nalezena žádná významná korelace mezi funkční konektivitou v identifikované síti a skóre YIAS, ani ve skupině závislostí na internetu, ani v kontrolách.

Skupinové rozdíly v topologii sítě

Nebyl zaznamenán žádný rozdíl mezi skupinami v průměrném koeficientu shlukování, charakteristické délce cesty nebo poměru malé světlosti v žádné z vyšetřovaných hustot sítě (p<0.05, opraveno FDR) (Obrázek 3). Kromě toho žádný rozdíl mezi skupinami v odpovídajících místních (regionálně specifických) opatřeních nepřetrval korekci FDR pro vícenásobná srovnání. Použití méně přísné falešné pozitivní opravy p<(1/90) = 0.011 [53] aby bylo možné prozkoumat účinky na úrovni trendů, vyvolaly rozdíly mezi skupinami v místním shlukovacím koeficientu a délku místní cesty, která se objevuje převážně v týlních lalocích (Tabulky S1 a S2).

Stáhnout: 

 

• PPT

  Powerpointový snímek

• PNG

  větší obrázek (1.57MB)

• TIFF

  původní obrázek (1.87MB)

Obrázek 3. Parametry mozkové funkční konektivity u adolescentů s závislostí na internetu v malém světě.

dva: 10.1371 / journal.pone.0057831.g003

Diskuse

Důkaz snížené funkční mozkové konektivity byl nalezen u dospívajících s závislostí na internetu. V souladu se současnými modely zdůrazňujícími úlohu kortiko-subkortikální patologie ve závislosti [54], 24% spojení ve změněné síti rozlišující závislé jedince a zdravé kontroly zahrnovalo vazby mezi frontálními a subkortikálními regiony. Další 27% propojilo subkortikální a parietální oblasti, s omezenějším důkazem o zapojení ostrovů, opět v souladu s nedávnými důkazy o zapojení těchto regionů do závislosti. Naše analýza poskytuje přísný test kortiko-subkortikálních modelů závislosti, protože zahrnovala míry párové funkční konektivity mezi různými oblastmi 90 distribuovanými v mozku. Skutečnost, že kortiko-subkortikální systémy se objevily jako prominentní patologie pomocí této analýzy plně založené na údajích, poskytuje silnou podporu pro zapojení těchto systémů do závislosti na internetu. Naše zjištění navíc ukazují, že závislost na internetu sdílí neurobiologické vlastnosti společné s jinými návykovými poruchami a že zejména subkortikální regiony mohou představovat jádro patologie mozkové sítě. Důležitou poznámkou je názor Národního institutu pro zneužívání drog, že závislosti na chování mohou být relativně čistými modely závislosti, přičemž se bere v úvahu, že tyto podmínky nejsou kontaminovány účinky látek [55]. Zatímco studium mnoha jiných poruch závislosti je vždy zmateno sekundárními toxickými účinky zneužívání návykových látek, závislost na internetu je diagnostikována behaviorálně, a tak poskytuje cílenější model pro studium závislosti, který je bez dlouhodobých účinků drog.

V této studii byla NBS použita s velikostí sítě měřenou podle jejího rozsahu; to znamená celkový počet připojení tvořících síť. Toto měřítko velikosti není vhodné pro detekci fokálních efektů zahrnujících jednotlivá izolovaná připojení, která společně netvoří síť. Aby bylo možné testovat tyto fokální rozdíly mezi skupinami, provedla analýza NBS opakované testování rozdílů v hmotnosti složek, nikoli ve velikosti. Statistika hmotnosti poskytuje větší citlivost na fokální, intenzivní efekty než testování na rozdíly ve velikosti komponenty. Kromě toho jsme také prahově porovnali hrany pomocí FDR, která bude velmi citlivá na vysoce intenzivní fokální efekty. Žádné významné rozdíly mezi skupinami nebyly patrné ani u FDR, ani u hromadné statistiky, což naznačuje, že aberantní konektivita v závislosti na internetu zahrnuje distribuovanou síť zahrnující několik kortikálních a subkortikálních oblastí.

Vzhledem k tomu, že je známo, že vlastnosti mozkové sítě jsou citlivé na výběr šablony parcellace, zkoumali jsme několik alternativních schémat parcellace, abychom posoudili reprodukovatelnost jakýchkoli nálezů ke změnám v uzlových definicích. [45], [56], [57]. To nám umožnilo vyloučit možnost, že určité nálezy byly pouze kvůli statisticky příznivému umístění uzlů, ale nebyly reprodukovatelné s jinými známými parcelacemi.

INa rozdíl od snížené síly funkční konektivity topologické parametry neodhalily žádné významné skupinové rozdíly. I když jsme provedli další průzkumné analýzy založené na méně přísné kontrole nad chybou typu I, výsledky naznačily možný topologický rozdíl hlavně u týlního laloku, který nebyl v analýze NBS ovlivněn. Ačkoliv závislost na internetu byla spojena s rozšířeným a významným poklesem funkční konektivity v kortiko-subkortikálních obvodech, tento pokles nebyl spojen s globálním narušením topologie funkční mozkové sítě. Tato studie ukazuje, že při neexistenci změn základních topologických opatření mohou existovat rozsáhlé rozdíly ve funkční konektivitě. Může se zdát pozoruhodné, že rozdíly v síle připojení byly tak rozšířené, pokud neexistovaly žádné významné topologické rozdíly. Je však důležité poznamenat, že topologie a síla připojení jsou odlišné vlastnosti konektomu a abnormality u jedné nemusí znamenat abnormality u druhé. Podobné nálezy byly pozorovány u jiných poruch [52], [58]. Upozorňujeme však, že skupinové rozdíly v některých topologických vlastnostech směřovaly ke statistické významnosti. Analýza většího vzorku může poskytnout nezbytnou pravomoc prohlásit tyto účinky za významné. Naše výsledky naznačují, že topologické změny mohou být jemnější než ty, které byly pozorovány pro měření funkční konektivity.

Mezi spojeními 59 zahrnutými ve změněné síti byly 25 interhemisferická spojení a 34 byly intrahemispherické, což ukazuje na zapojení dálkových i krátkých vzdáleností v mozku. Vzhledem k tomu, že závislost na internetu je nově uznaným stavem duševního zdraví a jeho koncepce a diagnostická kritéria jsou stále nepolapitelná a neurčitá, možná by mohlo být překvapivé najít takovou rozsáhle zasaženou síť v mozku těchto subjektů. V poslední době Lin a kol. (2012) zkoumal integritu mozkové bílé hmoty u adolescentů se závislostí na internetu pomocí zobrazování pomocí difúzního tenzoru a zjistil rozšířený pokles frakční anizotropie (FA) v mozku bez oblasti vyššího FA ve skupině závislostí na internetu [13]. Tyto výsledky naznačují možný anatomický základ pro funkční poruchy pozorované v našem vzorku, hypotézu, kterou lze testovat pomocí kombinovaného fMRI a difúzně váženého zobrazování u stejných účastníků. [59].

Vzhledem k velkému počtu interhemisferických spojení nalezených ve změněné síti je účinná interhemisferická komunikace již dlouho považována za důležitou v mozkových funkcích [60]-[63]. Relativně málo neuroimagingových studií závislosti však řešilo funkční integraci mezi dvoustrannými hemisférami. Kelly a kol. (2011) pozoroval sníženou interhemispherickou funkční konektivitu u dospělých závislých na kokainu [64]. Ukázali primární zapojení fronto-parietální sítě s relativním šetřením časových oblastí, což je výsledek, který paralelně s našimi nálezy. Ačkoli autoři diskutovali tento nález hlavně jako odraz dlouhodobých účinků chronické expozice kokainu, uvedli také možnost, že snížená interhemispherická funkční konektivita může předcházet expozici kokainu jako zranitelnost poruch závislosti. Naše výsledky naznačují, že tyto interhemispherické změny odrážejí buď zranitelnost pro poruchy závislosti nebo neurální korelaci generického návykového chování, spíše než aby byly sekundární vzhledem k dlouhodobému užívání drog, vzhledem k tomu, že závislost v našem vzorku byla definována čistě behaviorálně. Tyto možnosti by mohly být vyhodnoceny testováním na fenotypové podobnosti mezi neovlivněnými příbuznými jedinců s poruchami závislosti na drogách nebo chování.

Je zajímavé, že podobný model snížené funkční konektivity v klidovém stavu mezi frontálními a parietálními regiony byl zaznamenán u jedinců závislých na kokainu i heroinu.s [64], [65]. V nedávné recenzi Sutherland et al. (2012) navrhl, že snížená konektivita ve fronta-parietálních obvodech by mohla být ústřední součástí narušené kognitivní kontrolní sítě populací závislých na drogách [54]. Naše zjištění v závislosti na internetu rovněž podporuje názor, že snížená funkční konektivita mezi frontálními a parietálními regiony může být společnou charakteristikou různých typů závislosti, což naznačuje přítomnost sdíleného fenotypu, který není sekundárním důsledkem užívání drog. Kromě toho nedávné zkoumání funkční mozkové konektivity mozku u schizofrenie ukázalo prominentní fronto-temporální spíše než fronto-parietální nebo fronto-striatální změny [52], v souladu s klasickými patofyziologickými modely poruchy [66]. Nejpozoruhodnějším zjištěním této studie je samozřejmě to, že závislost na internetu byla spojena zejména s patologií striatálních obvodů, což je systém běžně zapojený do jiných návykových poruch, což naznačuje společný neurobiologický fenotyp. Identifikace pozměněných striatálních obvodů, které se překrývají s obvody dobře zavedených návykových poruch, by mohla být užitečná pro testování, zda je závislý model vhodným teoretickým rámcem pro pochopení poruchy. [67], [68]. Otázkou však zůstává, zda relativně silná porucha fronto-parietální a fronto-striatální funkční konektivity může být do značné míry specifická pro poruchy závislosti. Pro stanovení specifičnosti jsou nutné budoucí studie, které přímo porovnávají různé poruchy.

Jedním z nejzajímavějších zjištění v současné studii bylo silné zapojení putamenů. Je známo, že tato mozková struktura moduluje několik neurotransmiterů, včetně dopaminu, a otupená striatální dopaminergní funkce byla silně zapojena jako jeden z klíčových biologických mechanismů poruch závislosti. [8]. Dopamin je klíčovým modulátorem putamenových funkcí a může hrát důležitou roli při poruchách funkční konektivity pozorovaných v této studii. To je v souladu s nedávnými důkazy, že dostupnost striatálních dopaminových transportérů a receptorů D2 je u lidí se závislostí na internetu změněna [6], [7] a že genetická a farmakologická modulace hladin dopaminu v mozku může mít výrazný dopad na vzorce funkční konektivity [69]-[71]. S přihlédnutím k těmto dřívějším zprávám a navrhovanému neurobiologickému mechanismu závislosti zahrnujícímu otupovanou striatální dopaminergní funkci [8], porozumění účinkům dopaminu na síti identifikované jako projevy změněné funkční konektivity v této studii bude představovat důležitý způsob vpřed v porozumění neurobiologických korelátů závislosti na internetu.

Zajímavé je také zjištění, že putamen byl nejrozsáhlejším subkortikálním regionem ve snížené funkční síti a šetřil jádro caudate. Obě struktury jsou součástí striata, které je zase součástí subkortikálních struktur. Putamen je typicky považován za oblast mozku spojenou s motorickou aktivitou a méně často se podílí na přidávání látek než kaudát. Mezi motorickými aktivitami se ukázalo, že dobře naučená sekvence opakujících se pohybů prstů je spojena s aktivací v putamenu [72]-[76]. Lidé trpící závislostí na internetu mohou po dlouhou dobu podstoupit mnohem vyšší frekvenci určitých chování, mezi něž patří opakovaná manipulace s myší a klávesnicí, a tyto zkušenosti mohou ovlivnit jejich mozek. Aberantní konektivita pramenící z putamenů tedy možná naznačuje specifickou charakteristiku závislosti na internetu. Protože jsme však u našich účastníků neměřili míru manipulace s prsty, implikace snížené než zvýšené funkční konektivity zahrnující putamen ve vztahu k manipulaci s myší / klávesnicí zůstává pro budoucí výzkum otevřená. Alternativně může zapojení putamenu do našich nálezů odrážet jeho roli v kognitivních procesech, které jsou sdíleny s kaudátem a které jsou narušeny ve závislosti, jako je zpracování odměn [77], [78].

Dalším bodem, který si zaslouží diskusi, je absence jakékoli zvýšené funkční konektivity ve skupině pro závislost na internetu. Přestože jsme ve skupině závislostí očekávali hlavně sníženou funkční konektivitu, nevyloučili jsme ani možnost pozorovat zvýšenou funkční konektivitu, zejména s ohledem na hypotézu, že adolescenti s internetovou závislostí by mohli projevit praktický efekt v důsledku nadměrných online aktivit [79]-[82]. Jedním z možných vysvětlení negativního nálezu by mohlo být to, že naší malé velikosti vzorku chyběla schopnost detekovat toto zvýšení funkční konektivity související s praxí. Dosud však není zcela prokázáno, zda se kognitivní výkon v určitých úkolech nebo závažnost určitých psychopatologií projevuje jako snížená nebo zvýšená funkční konektivita [83], [84]. Dalším hlediskem by mělo být, že účinek dlouhodobého nadměrného používání internetu může podle subpopulace odlišně ovlivnit mozek. Například, subpopulace zvaná profesionální online hráči se věnuje intenzivním internetovým aktivitám, tráví podobně dlouhé množství času praktikováním online her a pravděpodobně hraje v těchto hrách lepší výkon než lidé s internetovou závislostí, a přesto se zdá, že není závislý, o čemž svědčí výrazně nižší skóre YIAS [85]. Lze tedy předpokládat, že účinky praxe v internetových aktivitách se mohou zjevně projevovat odlišně v závislosti na jednotlivci.

Tato studie má některá důležitá omezení. Za prvé, velikost vzorku byla poměrně malá, což pravděpodobně omezovalo naši schopnost detekovat významné korelace mezi funkční konektivitou a skóre YIAS. Proto je třeba současné zjištění zopakovat ve větším vzorku účastníků s internetovou závislostí a kontrolami. Je však pozoruhodné, že naše velikost vzorku byla celkově srovnatelná s velikostí předchozích funkčních neuroimagingových studií závislosti na internetu. Náš vzorek byl jedinečný, protože většina dřívějších studií byla založena na dospělých [2]-[7]. Za druhé, diagnostická kritéria pro závislost na internetu nejsou dosud pevně stanovena, ačkoli naše zjištění poukazují na potenciální neurobiologický základ této domnělé poruchy. Zatřetí, ačkoliv jsme vyloučili komorbidní mentální poruchy pomocí K-SADS-PL, příznaky komorbidních duševních stavů na úrovni pod prahem mohly být stále přítomny. Začtvrté, sběr širší škály klinických informací, jako jsou spací návyky, mohl obohatit naše data a zlepšit náš příspěvek k literatuře. [86], [87]. Konečně průřezová studie omezuje interpretaci kauzálního vztahu mezi sníženou funkční konektivitou a rozvojem závislosti na internetu. Je třeba poznamenat, že pohyb hlavy se objevil jako důležité zmatek ve funkčním neuroimagingu [38], [88]. Pohyb hlavy byl v této studii komplexně vyhodnocen pomocí řady nedávno navrhovaných rotačních a posunovacích opatření [38]. Žádný významný rozdíl mezi skupinami nebyl nalezen pro žádné z uvažovaných opatření na pohyb hlavy.

IShrnutí, výsledky této studie naznačují, že adolescenti s internetovou závislostí projevují změnou funkční konektivity mozku při absenci hrubých narušení topologie sítě. Změněná síť ukázala rozsáhlé zapojení dálkových interhemisferických spojení i krátkých dolních mezhemispherických spojení v mozku. V této změněné síti mohou hrát důležitou roli subkortikální mozkové regiony, zejména putameny, které vykazují snížené spojení se všemi třemi hlavními mozkovými laloky.

Podpůrné informace

Obrázek_S1.tif

• 1 / 4

fíkpodíl

download

Síť snížené funkční mozkové konektivity u dospívajících s závislostí na internetu (pomocí různých atlasů).Červené tečky představují stereotaktické centroidy mozkových oblastí (uzlů) definovaných strukturálním atlasem Montreal Neurological Institute (MNI) a atlasem náhodného parcellace (B) a modré čáry představují nadprahové vazby (t = 2.1, respektive 3.0) obsahující postižené síť identifikovaná pomocí statistik založených na síti (NBS) (p<0.05, po jednotlivých složkách).

Obrázek S1.

Síť snížené funkční mozkové konektivity u dospívajících s závislostí na internetu (pomocí různých atlasů).Červené tečky představují stereotaktické centroidy mozkových oblastí (uzlů) definovaných strukturálním atlasem Montreal Neurological Institute (MNI) a atlasem náhodného parcellace (B) a modré čáry představují nadprahové vazby (t = 2.1, respektive 3.0) obsahující postižené síť identifikovaná pomocí statistik založených na síti (NBS) (p<0.05, po jednotlivých složkách).

(TIF)

Obrázek S2.

Podíl připojení ovlivněných závislostí na internetu spojující jednotlivé páry širokých mozkových divizí (podrobně popsaných pro subkortikální regiony).Počet odkazů zahrnujících každou dvojici divizí je normalizován celkovým počtem párových odkazů.

(TIF)

Tabulka S1.

Koeficient místního shlukování.Tato tabulka ukazuje výsledky na úrovni trendu s méně přísnou falešně pozitivní korekcí p<(1/90) = 0.011; žádný výsledek nepřežil standardní korekci rychlosti falešného objevu pro více srovnání.

(DOC)

Tabulka S2.

Místní délka cesty.Tato tabulka ukazuje výsledky na úrovni trendu s méně přísnou falešně pozitivní korekcí p<(1/90) = 0.011; žádný výsledek nepřežil standardní korekci rychlosti falešného objevu pro více srovnání.

(DOC)