Unausgeglichene funktionale Verbindung zwischen dem exekutiven Kontrollnetzwerk und dem Belohnungsnetzwerk erklärt das Online-Spiel, das Verhaltensweisen bei der Internet-Spielstörung sucht (2015)

Sci Rep. 2015; 5: 9197.
Veröffentlicht online 2015 Mar 17. doi: 10.1038 / srep09197

PMCID: PMC4361884

Guangheng Dong,^a,¹ Xiao Lin,¹ Yanbo Hu,² Chunming Xie,³ und Xiaoxia Du⁴

Autoreninformation ► Artikel Anmerkungen ► Urheber- und Lizenzinformationen ►

Abstrakt

Literaturen haben gezeigt, dass Probanden mit Internet-Gaming-Störung (IGD) eine eingeschränkte exekutive Kontrolle und eine erhöhte Belohnungsempfindlichkeit aufweisen als gesunde Kontrollpersonen. Es ist jedoch unbekannt, wie sich diese beiden Netzwerke gemeinsam auf den Bewertungsprozess auswirken und das Verhalten von IGD-Probanden bei der Suche nach Online-Spielen beeinflussen. 36 IGD- und XNUMX gesunde Kontrollen wurden im MRT-Scanner im Ruhezustand gescannt. Die funktionale Konnektivität (FC) wurde in Kontroll- bzw. Belohnungsnetzwerk-Seed-Regionen untersucht. Nucleus accumbens (NAcc) wurde als Knoten ausgewählt, um die Wechselwirkungen zwischen diesen beiden Netzwerken zu finden. IGD-Probanden zeigen im Vergleich zu den gesunden Kontrollen eine verringerte FC im Exekutivkontrollnetzwerk und eine erhöhte FC im Belohnungsnetzwerk. Bei der Untersuchung der Korrelationen zwischen dem NAcc- und dem Exekutivkontroll- / Belohnungsnetzwerk steht die Verbindung zwischen dem NAcc-Exekutivkontrollnetzwerk in einem negativen Zusammenhang mit der Verbindung zwischen dem NAcc-Belohnungsnetzwerk. Die Veränderungen (Abnahme / Zunahme) der Gehirnsynchronität von IGD-Patienten in Kontroll- / Belohnungsnetzwerken legen die ineffiziente / übermäßige Verarbeitung innerhalb der diesen Prozessen zugrunde liegenden neuronalen Schaltkreise nahe. Das umgekehrte Verhältnis zwischen Kontrollnetzwerk und Belohnungsnetzwerk bei IGD deutet darauf hin, dass Beeinträchtigungen der Exekutivkontrolle zu einer ineffizienten Hemmung des verstärkten Verlangens nach übermäßigem Online-Spiel führen. Dies könnte Licht in das mechanistische Verständnis von IGD bringen.

Im Gegensatz zu Drogenabhängigkeit oder Drogenmissbrauch hat die Internet Gaming Disorder (IGD) keine chemische oder substanzielle Aufnahme und führt, ähnlich wie andere Süchte, immer noch zu körperlicher Abhängigkeit¹^,2. Die Online-Erfahrung von Menschen kann ihre kognitiven Funktionen auf eine Weise verändern, die ihr Online-Spiel beeinflusst, was auch ohne Drogenkonsum geschieht¹^,3^,4. Die DSM-5, die Substanzkonsumstörungen und -abhängigkeiten berücksichtigt, führte zu Kriterien für eine Internet-Spielstörung, und diese Störung ist in dem Abschnitt der DSM-5 enthalten, der Störungen enthält, die zusätzliche Untersuchungen rechtfertigen⁵^,6. Auf der Ebene des neuralen Systems sind die genauen Mechanismen, die dem Versagen der kognitiven Kontrolle zugrunde liegen, jedoch nicht klar⁷.

Ein Hauptmerkmal von IGD ist der Verlust des Willens zur Kontrolle des Online-Spielverhaltens. Neuere Studien zur funktionellen Magnetresonanztomographie (fMRT) identifizierten zwei wichtige neuronale Aktivitätsmuster bei IGD: Erstens wurden reduzierte Response-Hemmungen bei den IGD-Probanden unter Verwendung von Go / No-Go nachgewiesen⁸, Aufgabenwechsel⁹^,10und die Stroop¹¹^,12^,13 Aufgaben im Vergleich zu gesunden Kontrollen (HC); Zweitens zeigten IGD-Patienten eine erhöhte Belohnungsempfindlichkeit als HC²^,14^,15 und zeigte eine kognitive Verzerrung gegenüber Informationen aus dem Internet⁹^,16^,17. Diese beiden Merkmale sind den Ergebnissen aus aktuellen neuroökonomischen Studien sehr ähnlich. Es gibt zwei unterschiedliche Netzwerke, die gemeinsam Entscheidungsprozesse beeinflussen¹⁸^,19: Das exekutive Kontrollnetzwerk (beinhaltet die seitlichen präfrontalen und parietalen Kortizes)¹⁹), die sich auf verspätete Belohnungen bezieht; Das ventrale Bewertungsnetzwerk (umfasst den orbitofrontalen Kortex, das ventrale Striatum und so weiter¹⁹^,20), vermittelt für sofortige Belohnungen.

Die Wechselwirkungen zwischen diesen beiden Netzwerken zeigen sich auch in drogenabhängigen Gruppen²⁰. Xies Studie zeigte eine unausgewogene funktionelle Verbindung zwischen Kontrollnetzwerk (verringerte Verbindungen) und Belohnungsnetzwerk (verbesserte Verbindungen) bei heroinabhängigen Probanden²¹, die das mechanistische Verständnis von Drogenabhängigkeit auf einer großen Systemebene beleuchten können. Die verstärkte Motivation, Drogen zu suchen, kombiniert mit der Unfähigkeit, drogenbedingte Verhaltensweisen zu hemmen, wird als Versagen der exekutiven Kontrolle angesehen²²^,23^,24. In Studien mit IGD haben Forscher ähnliche Merkmale in der exekutiven Kontrolle und der Belohnungsempfindlichkeit beobachtet (wie zuvor erwähnt). Wie diese beiden Netzwerke gemeinsam den Bewertungsprozess in IGD-Themen beeinflussen und ihr Online-Spiel suchendes Verhalten vorantreiben, ist jedoch unbekannt.

Kürzlich haben Studien die neuronalen Aktivitäten im menschlichen Gehirn im Ruhezustand untersucht (keine Reize, keine Aufgaben, nicht einschlafen), die fMRT als Ruhezustände bezeichnen. Sie fanden heraus, dass die neuralen Aktivitäten während des Ruhezustands über kortikale Regionen mit spezifischen funktionellen Eigenschaften korreliert sind, jedoch nicht zufällig²⁵^,26^,27. Es wird angenommen, dass diese zeitlichen Korrelationen die intrinsische funktionelle Konnektivität (FC) widerspiegeln und in verschiedenen Netzwerken nachgewiesen wurden²⁸^,29^,30. Es kann ein nützliches Werkzeug sein, um die potentiellen neuronalen Netzwerkunterschiede auf einer intrinsischeren Ebene zwischen den IGD- und HC-Gruppen im Ruhezustand zu untersuchen.

Das zeitliche Bindungsmodell legt nahe, dass die Synchronisation von Gehirnsignalen zwischen neuralen Systemen entscheidend für die Erleichterung der neuralen Kommunikation ist³¹. Literaturen haben auch bewiesen, dass der ruhende FC ein Prädiktor der Verhaltensleistung sein kann²⁶^,32. Wie oben erwähnt, zeigten die IGD-Probanden verminderte exekutive Kontrolle und erhöhte Belohnungsempfindlichkeit als die HC. Wir vermuten, dass IGD-Subjekte eine verbesserte Synchronie im Belohnungsnetzwerk und eine verminderte Synchronität im Kontrollnetzwerk als HC zeigen. Darüber hinaus vermuten wir, dass die zugrundeliegende Dualität der Kontroll- / Belohnungsnetzwerke, die die Bewertung beeinflussen, bei IGD beeinträchtigt war. Um diese Hypothesen zu testen, müssen wir zuerst die fMRI der Ruhezustände messen; Zweitens müssen wir einige Seeds auswählen, um verschiedene Netzwerke darzustellen und diese samenbasierten BOLD-Signale zu messen, um die Verbindungen zwischen diesen beiden Netzwerken herzustellen. Drittens müssen wir ihre Interaktionen messen, um herauszufinden, wie sie gemeinsam an Verhaltensweisen arbeiten.

Methoden

Teilnehmerauswahl

Das Experiment entspricht dem Ethikkodex der Weltärztekammer (Erklärung von Helsinki). Das Human Investigations Committee der Zhejiang Normal University hat diese Forschung genehmigt. Die Methoden wurden in Übereinstimmung mit den genehmigten Richtlinien durchgeführt. Die Teilnehmer waren Studenten und wurden durch Werbung rekrutiert. Die Teilnehmer waren rechtshändige Männer (35 IGA-Patienten, 36 gesunde Kontrollen (HC)). IGD- und HC-Gruppen unterschieden sich nicht signifikant im Alter (IGA-Mittelwert = 22.21, SD = 3.08 Jahre; HC-Mittelwert = 22.81, SD = 2.36 Jahre; t = 0.69, p = 0.49). Aufgrund der höheren IGD-Prävalenz bei Männern wurden nur Männer eingeschlossen als bei Frauen. Alle Teilnehmer gaben schriftliche Einverständniserklärung und strukturierte psychiatrische Interviews (MINI)³³ das von einem erfahrenen Psychiater durchgeführt, der ungefähr 15 Minuten benötigt. Alle Teilnehmer waren frei von psychiatrischen Störungen der Achse I, die in MINI aufgeführt sind. Wir haben die Depression mit dem Beck-Depressionsinventar weiter untersucht³⁴ und nur Teilnehmer, die weniger als 5 bewerteten, wurden eingeschlossen. Alle Teilnehmer wurden angewiesen, am Tag des Scannens keine missbräuchlichen Substanzen, einschließlich Koffeingetränke, zu verwenden. Keine Teilnehmer berichteten über den früheren Konsum illegaler Drogen (z. B. Kokain, Marihuana).

Die Internetabhängigkeitsstörung wurde basierend auf dem Online-Internetabhängigkeitstest (IAT) von Young ermittelt.³⁵ Punktzahlen von 50 oder höher. Youngs IAT besteht aus 20 Elementen aus verschiedenen Perspektiven der Online-Internetnutzung, einschließlich psychischer Abhängigkeit, Zwangsnutzung, Rückzug, Problemen in Schule oder Beruf, Schlaf, Familie oder Zeitmanagement³⁵. Das IAT hat sich als ein valides und zuverlässiges Instrument erwiesen, das zur Klassifizierung von IAD verwendet werden kann³⁶^,37. Für jedes Element wird eine abgestufte Antwort von 1 = "Selten" bis 5 = "Immer" oder "Nicht zutreffend" ausgewählt. Punkte über 50 weisen auf gelegentliche oder häufige Internetprobleme hin (www.netaddiction.com). Bei der Auswahl der IGD-Themen haben wir ein zusätzliches Kriterium für die von Young festgelegten IAT-Messwerte hinzugefügt: "Sie verbringen ___% Ihrer Online-Zeit mit Online-Spielen" (> 80%).

Scannen von Ruhezustandsdaten

Der Scan wurde im MRT-Zentrum der East-China Normal University durchgeführt. MRT-Daten wurden mit einem Siemens Trio 3T-Scanner (Siemens, Erlangen, Deutschland) erfasst. Der "Ruhezustand" wurde als keine spezifische kognitive Aufgabe während des fMRI-Scans in unserer Aufgabe definiert. Die Teilnehmer mussten still bleiben, die Augen schließen, wach bleiben und systematisch an nichts denken³⁸^,39. Um die Kopfbewegung zu minimieren, werden die Teilnehmer auf den Rücken gelegt, wobei der Kopf durch Gurt und Schaumstoffpolster fest fixiert ist. Die Funktionsbilder im Ruhezustand wurden unter Verwendung einer EPI-Sequenz (Echo-Planar-Imaging) aufgenommen. Die Scan-Parameter sind wie folgt: verschachtelt, Wiederholungszeit = 2000 ms, 33-Achsenschichten, Dicke = 3.0 mm, In-Ebene-Auflösung = 64 * 64, Echozeit = 30 ms, Flipwinkel = 90, Sichtfeld = 240 * 240 mm, 210-Volumes (7 min). Strukturelle Bilder wurden unter Verwendung einer T1-gewichteten 3D-verdorbenen gradientenaufgerufenen Sequenz gesammelt und für das gesamte Gehirn erfasst (176-Schnitte, Wiederholungszeit = 1700 ms, Echozeit TE = 2.26 ms, Schnittdicke = 1.0 mm, Sprung = 0 mm , Flipwinkel = 90 °, Sichtfeld = 240 * 240 mm, Auflösung in der Ebene = 256 * 256).

Datenvorverarbeitung

Die Ruhedaten wurden mit REST und DPARSF (http://restfmri.org)⁴⁰. Die Vorverarbeitung bestand aus dem Entfernen der ersten 10-Zeitpunkte (aufgrund des Signalgleichgewichts und um den Teilnehmern die Anpassung an das Abtastrauschen zu ermöglichen), physiologischer Korrektur, Scheibenzeitsteuerung, Volumenregistrierung und Kopfbewegungskorrektur. Eine mögliche Kontamination durch mehrere Störsignale, einschließlich des Signals der weißen Substanz, der Rückenmarksflüssigkeit, des globalen Signals und der sechs Bewegungsvektoren, wurde zurückgebildet. Die Zeitreihen von Bildern jedes Subjekts wurden unter Verwendung eines Ansatzes der kleinsten Quadrate und einer linearen Transformation mit sechs Parametern (starrer Körper) bewegungskorrigiert⁴¹. Das einzelne Strukturbild wurde nach Bewegungskorrektur unter Verwendung einer linearen Transformation gemeinsam mit dem mittleren Funktionsbild registriert. Die bewegungskorrigierten Funktionsvolumina wurden räumlich auf den MNI-Raum (Montreal Neurological Institute) normalisiert und unter Verwendung der während der einheitlichen Segmentierung geschätzten Normalisierungsparameter erneut auf isotrope 3-mm-Voxel abgetastet. Weitere Vorverarbeitung umfasst (1) Bandpassfilterung zwischen 0.01 und 0.08 Hz; (2) Um die funktionale Konnektivität zu bewerten, haben wir zuerst den Pearson-Korrelationskoeffizienten zwischen den Zeitverläufen der mittleren Signalintensität jedes ROI-Paares (Region of Interest) berechnet. Eine Fisher-R-zu-Z-Transformation wurde auf jede Korrelationskarte angewendet, um eine annähernd normale Verteilung der funktionalen Konnektivitätswerte zu erhalten und dementsprechend parametrische Statistiken anzuwenden.

ROI-Auswahl in Ruhe

Basierend auf veröffentlichten Literaturen wurden Samen als priori ausgewählt, anstatt Samenregionen von Aufgaben abzuleiten, um Verzerrungen zu vermeiden und die Generalisierbarkeit von Befunden zu erhöhen. Für das Kontrollnetzwerk wurden Seeds basierend auf einer kürzlich durchgeführten FC-Studie unter Verwendung von Daten von jungen 1000-Erwachsenen definiert⁴² Vorschlagen von frontal-parietalen Kontrollnetzwerk umfasst sechs Gehirnregionen. Sie befinden sich im frontalen und parietalen Bereich des Gehirns (finden Sie detaillierte Koordinaten von Figure 1). Wir verwendeten die symmetrischen Koordinaten, um die Samen aus der rechten Hemisphäre auszuwählen.

Die ROIs, die in der Forschung ausgewählt wurden.

Für das Belohnungsbewertungsnetzwerk haben zahlreiche Studien vorgeschlagen, dass der orbitofrontale Striatumkreis die Umwandlung verschiedener Arten von zukünftigen Belohnungen in eine Art interne Währung unterstützt¹⁸^,20^,21. Diese Schaltung umfasst ventrales Striatum, dorsales Striatum und orbitofrontalen Kreislauf. Darüber hinaus haben frühere Studien gezeigt, dass das Amygdala-Netzwerk die Schlüsselregion für die zugrunde liegende Belohnungsbewertung ist⁴³. Daher haben wir in dieser Studie auch Amygdala in das Belohnungsnetzwerk aufgenommen. Da das Striatum, die Amygdala, relativ kleine Gehirnregionen sind, haben wir die gesamte Region als Samen ausgewählt. Die Amygdala wurde aus dem subkortikalen Harvard-Oxford-Atlas extrahiert; das Striatum wurde unter Verwendung eines Oxford-Striatum-Atlas ausgewählt. Für die OFC wurden Samen basierend auf einer Meta-Analyse definiert⁴⁴^,45, was zwei verschiedene laterale OFC-funktionelle Unterregionen nahelegt, eine an motivationsunabhängigen Verstärkerdarstellungen beteiligte (-23, 30, -12 und 16, 29, -13) und eine andere bei der Bewertung von Bestrafern, die zu Verhaltensänderungen führen (-32 , 40, -11 und 33, 39, -11). Sehen Figure 1.

Die Verbindungen zwischen Seeds, die wir oben ausgewählt haben, können nur die Unterschiede auf Gruppenebene liefern und die inneren Verbindungen innerhalb des Kontrollnetzwerks und des Belohnungsnetzwerks separat anzeigen. Um die Interaktionen zwischen diesen beiden Netzwerken für einzelne Subjekte zu finden und wie sie das Verhalten gemeinsam beeinflussen, benötigen wir einen „Knoten“, der mit beiden Netzwerken verbunden ist. In dieser Studie haben wir die Nucleus Accumbens (NAcc) -Region als Verbindungsknoten oder "Seed" -Region ausgewählt, um eine Verbindung zwischen dem Kontroll- und dem Belohnungsnetzwerk herzustellen, da der NAcc eine wichtige Rolle bei der Sucht spielt⁴⁶, und erwiesen sich als wertvoller Verbindungsknoten in der Suchtforschung²¹. Die NAcc wurden auch aus dem subkortikalen Harvard-Oxford-Atlas extrahiert.

Funktionale Konnektivitätsberechnung

Für jede ROI wurde ein repräsentativer BOLD-Zeitverlauf erhalten, indem das Signal aller Voxel innerhalb der ROI gemittelt wurde. Literaturen in funktionalen Netzwerken haben sich als trennbare Komponenten der rechten und linken Hemisphäre erwiesen⁴⁷^,48^,49. Daher haben wir in dieser Studie zunächst den Mittelwert der FCs zwischen den linken und rechten Kontroll- / Belohnungs-Netzwerk-ROIs separat berechnet. Dann haben wir den Mittelwert dieser beiden FCs als den gesamten FC-Index genommen. Die Korrelation zwischen NAcc und Executive / Belohnung Netzwerk wurde wie folgt berechnet: Wir berechneten den Mittelwert der FCs zwischen NAcc und Kontrolle / Belohnung Netzwerk ROIs in der gleichen Hemisphäre. Dann haben wir den Mittelwert dieser hemisphärischen FCs als den gesamten FC-Index genommen.

Die Ergebnisse

FC Unterschied im Kontrollnetzwerk zwischen IGD und HC

Figure 2 zeigt den FC im Kontrollnetzwerk in IGD und HC. Der FC im Kontrollnetzwerk in HC ist signifikant höher als derjenige im IGD, sowohl im gesamten Gehirn als auch in den hemisphärischen Ebenen (HC ist marginal signifikant stärker als IGD im FC im linken Kontrollnetzwerk).

Zusammengesetzte FC-Indizes des Kontrollnetzwerkes in IGD- und HC-Gruppen in verschiedenen Vergleichen: das gesamte Gehirn (links), linke Hemisphäre (Mitte) und rechte Hemisphäre (rechts).

FC Unterschied im Belohnungsnetzwerk zwischen IGD und HC

Figure 3 zeigt den FC im Belohnungsnetzwerk in IGD und HC. Das FC-IGD-Belohnungsnetzwerk ist marginal signifikant höher als das HC im gesamten Gehirn (p = 0.060) und linke Hemisphäre (p = 0.061). Obwohl IGD in der rechten Hemisphäre einen höheren FC als HC aufweist, erreicht es keine statistische Signifikanz (p = 0.112).

Zusammengesetzte FC-Indizes des Belohnungsnetzwerkes in IGD- und HC-Gruppen in verschiedenen Vergleichen: das gesamte Gehirn (links), linke Hemisphäre (Mitte) und rechte Hemisphäre (rechts).

Interaktionen zwischen Kontrollnetzwerk und Belohnungsnetzwerk

Wir berechneten die Interaktionen zwischen Kontrollnetzwerk und Belohnungsnetzwerk auf der Ebene des gesamten Gehirns und der Hemisphäre. Die erste Reihe von Abbildung 4 zeigt die Beziehung zwischen Kontrollnetzwerk und Belohnungsnetzwerk im gesamten Gehirn in allen Fächern (links) und in Gruppen (rechts). Wir können feststellen, dass der FC im Kontrollnetzwerk in allen Gruppen von Subjekten negativ mit dem Belohnungsnetzwerk korreliert ist. Die Zahlen in der zweiten Reihe zeigen, dass das Kontrollnetzwerk umgekehrt mit dem Belohnungsnetzwerk in der linken Hemisphäre korreliert ist. Obwohl in der rechten Hemisphäre (dritte Reihe) negative Trends auftreten, erreichen diese Korrelationen keine statistische Signifikanz (dies könnte darauf zurückzuführen sein, dass alle ROIs des Kontrollnetzwerks in der linken Hemisphäre definiert wurden. Die ROIs in der rechten Hemisphäre wurden gemäß linke Hemisphäre symmetrisch). Die vierte Reihe zeigte die interhemisphärischen Interaktionen zwischen Kontrollnetzwerk und Belohnungsnetzwerk. Wir können auch die negative Korrelation zwischen Kontrollnetzwerk und Belohnungsnetzwerk finden. Take all, obwohl einige dieser Korrelationen keine statistische Signifikanz erreichen, können wir dennoch folgern, dass das Kontrollnetzwerk negativ mit dem Belohnungsnetzwerk verbunden ist.

Die Beziehung zwischen Kontrollnetzwerk und Belohnungsnetzwerkindizes in allen Fächern (links), IGD (Mitte) und HC-Gruppen (rechts).

Diskussion

Geringere Kontrolle der Netzwerk-Synchronität und höhere Belohnungs-Netzwerk-Synchronität bei IGD-Teilnehmern

In dieser Studie beobachteten wir eine verminderte Synchronität des exekutiven Kontrollnetzwerkes von IGD-Probanden im Vergleich zu HC. Das zeitliche Bindungsmodell legt nahe, dass die Synchronisation von Gehirnsignalen zwischen Hirnregionen entscheidend für die Erleichterung der neuralen Kommunikation ist³¹. Daher könnte die verringerte Synchronität im Kontrollnetzwerk darauf hinweisen, dass das langjährige Online-Spielen von IGD-Probanden ihr Exekutivkontrollsystem beeinträchtigte. Frühere Studien haben gezeigt, dass der FC in einem bestimmten Netzwerk ein Prädiktor für die relevante Verhaltensleistung sein kann³⁰^,50^,51. Aufgabenbasierte fMRT-Studien zeigten auch, dass IGD-Probanden reduzierte Response-Hemmungen zeigten als gesunde Kontrollpersonen⁸^,9^,11^,12. Solche Reaktionstendenzen scheinen durch Online-Spiel-bezogene Stimuli beeinflusst zu sein, wobei IGD eine schlechtere Leistung zeigt als Nicht-IGD-Subjekte⁹. Die offensichtlichen Defizite bei der Defibrillation und der kognitiven Kontrolle bei IGD können mit der ineffizienten Verarbeitung innerhalb der diesen Prozessen zugrunde liegenden neuralen Schaltung in Verbindung gebracht werden, wobei einige dieser neuronalen Messungen den IGD-Schweregrad betreffen¹².

Im Belohnungsnetzwerk ist der FC in IGD marginal signifikant höher als der in HC. Die stärkeren Verbindungen zwischen Belohnungsnetzwerk-Samen in IGD deuteten darauf hin, dass sie ein verbessertes Belohnungs-Verlangen zeigten, um als HC-Gruppe zu belohnen. Aufgabenbasierte fMRI-Studien haben gezeigt, dass die Belohnungssensitivität bei IGD-Probanden im Vergleich zu gesunden Kontrollen erhöht ist²^,9^,14^,15 in milden und extremen Situationen. Die erhöhte Belohnungsempfindlichkeit kann zu den erhöhten Wünschen nach einem Online-Spielspiel beitragen, da die IGD-Teilnehmer eine stärkere Belohnung erfahren können. Und das langfristige Online-Spielen kann dazu führen, dass die Spieler sich virtuellen Erfahrungen hingeben und diese Erfahrungen im wirklichen Leben wieder erleben⁵².

Ungleichgewichtige Korrelation zwischen Kontrollnetzwerk und Belohnungsnetzwerk

Um die Interaktionen zwischen dem Exekutivkontrollnetzwerk und dem Belohnungsnetzwerk weiter zu testen und herauszufinden, wie sie das endgültige Verhalten in einzelnen Subjekten gemeinsam beeinflussen, haben wir den NAcc als Verbindungsknoten oder als "Seed" -Region ausgewählt, um die Exekutivkontrolle und die Belohnung zu verbinden Netzwerke. Figure 4 zeigt, dass die Indizes des exekutiven Kontrollnetzwerkes und des Belohnungsnetzwerkes ein signifikantes inverses Verhältnis aufweisen, was darauf hindeutet, dass je stärker die Belohnungsnetzwerkkonnektivität ist, desto schwächer die Konnektivität des Kontrollnetzwerkes ist. Diese beiden Netzwerke interagieren in einem Pull-and-Push-Modus, bei dem eine starke Motivation zur Störung des exekutiven Kontrollkreises führt und die starke exekutive Kontrolle zur Hemmung der Motivationswünsche führt⁵³.

Frühere Studien haben gezeigt, dass das exekutive Kontrollsystem die kognitive und verhaltensmäßige Kontrolle über motivationale Triebe fördert und Individuen in die Lage versetzt, Wünsche und Belohnungsverhalten zu hemmen⁵⁴^,55^,56. Das umgekehrte Verhältnis zwischen dem exekutiven Kontrollnetzwerk und dem Belohnungsnetzwerk könnte viel zum Verständnis des süchtig machenden Mechanismus beitragen, der IGD zugrunde liegt: Erhöhte Belohnungsempfindungen während des Gewinnens oder der angenehmen Erfahrung können ihren Wunsch, online zu spielen, erhöhen. In der Zwischenzeit können Beeinträchtigungen der exekutiven Kontrolle dazu führen, dass solche Wünsche ineffizient gehemmt werden, was dazu führen kann, dass Triebe, Wünsche oder Verlangen dominieren und zu exzessivem Online-Spiel führen.

Die unausgewogene funktionale Verbindung zwischen dem Exekutivkontrollnetzwerk und dem Belohnungsnetzwerk kann auch Aufschluss über das Verständnis der Entscheidungsfindung der IGD geben. Studien zeigten, dass IGD-Probanden bei zukünftigen Entscheidungen weniger Erfahrungsergebnisse berücksichtigen⁵². Bei Entscheidungen zwischen der Teilnahme an unmittelbar belohnenden Erlebnissen (z. B. Online-Spielen) und langfristigen nachteiligen Folgen (z. B. Nutzung der Zeit, die für die Durchführung von Aktivitäten im Zusammenhang mit längerfristigem beruflichem Erfolg verbracht wurde), können Personen mit IGD als a "Kurzsichtigkeit für die Zukunft", wie es für Drogenabhängigkeit beschrieben wurde⁵⁷^,58^,59. Die starke Belohnungsnetz-Synchronie der unmittelbaren Belohnung könnte den Entscheidungsprozess überstürzen, um den Impuls zu hemmen, was vernünftig sein könnte, um den bewertungsbasierten Entscheidungsprozess zur unmittelbaren Belohnung zu erklären, was zu impulsiven Online-Spielverhalten führt. Darüber hinaus können belohnende Verhaltensweisen durch kurzfristige Online-Erfahrungen verstärkt werden, was zu einem Teufelskreis süchtig machenden Online-Spiels führt⁷.

Zusammenfassend zeigte diese Studie, dass die Veränderungen (Abnahme / Zunahme) der Synchronität der Hirnnetzwerke von IGD-Patienten auf eine ineffiziente / übermäßige Verarbeitung innerhalb der diesen Prozessen zugrunde liegenden neuronalen Schaltkreise hindeuten. Das umgekehrte Verhältnis zwischen dem Exekutivkontrollnetzwerk und dem Belohnungsnetzwerk deutet darauf hin, dass Beeinträchtigungen der Exekutivkontrolle zu einer ineffizienten Hemmung des verstärkten Verlangens nach übermäßigem Online-Spiel führen. Diese Ergebnisse könnten Aufschluss über das mechanistische Verständnis von IGD geben. Darüber hinaus legen die ähnlichen Merkmale zwischen IGD und Drogenabhängigkeit (z. B. Heroinabhängigkeit) nahe, dass IGD die ähnlichen neuronalen Grundlagen mit anderen Arten von Sucht teilen kann.

Einschränkungen

Hier sollten einige Einschränkungen angesprochen werden. Erstens haben wir in dieser Studie nur männliche Probanden ausgewählt, da nur wenige Frauen von Online-Spielen abhängig sind. Das Ungleichgewicht im Geschlecht könnte die endgültigen Schlussfolgerungen einschränken. Zweitens haben wir bei der Berechnung der Interaktionen zwischen Kontrollnetzwerken und Belohnungsnetzwerken den NAcc als Startwert ausgewählt, basierend auf der Funktionalität des NAcc und früheren Literaturen. Wir wissen nicht, ob es bessere Samen für diese Berechnung gibt. Drittens hat die vorliegende Studie nur gezeigt, dass die aktuellen Zustände bei IAD-Probanden vorhanden sind. Wir können keine kausalen Schlussfolgerungen zwischen diesen Faktoren ziehen. Viertens haben wir bei der Auswahl der ROIs der rechten Hemisphäre für das exekutive Kontrollnetzwerk die symmetrischen Koordinaten gemäß der linken Hemisphäre verwendet, was möglicherweise der Grund dafür ist, dass die Indizes in der rechten Hemisphäre niedriger sind als die in der linken Hemisphäre.

Autorenbeiträge

GD entwarf das Experiment und schrieb den ersten Entwurf des Manuskripts. XL und XD sammelten und analysierten die Daten, bereiteten die Zahlen vor. YH und CX diskutierten die Ergebnisse, berieten bei der Interpretation und trugen zum endgültigen Entwurf des Manuskripts bei. Alle Autoren haben zu dem endgültigen Manuskript beigetragen und es genehmigt.

Anerkennungen

Diese Forschung wurde von der National Natural Science Foundation in China (31371023) unterstützt. Der Geldgeber hatte keine weitere Rolle im Studiendesign; in der Sammlung, Analyse und Interpretation von Daten; beim Schreiben des Berichts; oder in der Entscheidung, das Papier zur Veröffentlichung einzureichen.

Bibliographie

Holden C. "Verhaltensabhängigkeiten": Existieren sie? Science 294, 980–982 (2001) .10.1126 / science.294.5544.980 [PubMed] [Kreuz Ref]
Dong G., Hu Y. und Lin X. Belohnungs- / Bestrafungsempfindlichkeiten bei Internetabhängigen: Implikationen für ihr Suchtverhalten. Prog Neuro-Psychopharm Biol Psychiat 46, 139–145 (2013). [PubMed]
Weinstein A. & Lejoyeux M. Internetabhängigkeit oder übermäßige Internetnutzung. Am J Drug Alcohol Ab 36, 277–283 (2010). [PubMed]
Dong G., Lu Q., Zhou H. und Zhao X. Vorläufer oder Folgeerscheinungen: Pathologische Störungen bei Menschen mit Internetabhängigkeitsstörung. PloS one 6, e14703 (2011). [PMC freier Artikel] [PubMed]
Petry NM & O'Brien CP Internet-Gaming-Störung und DSM-5. Addiction 108, 1186–1187 (2013). [PubMed]
American Psychiatric Association. Diagnostisches und statistisches Handbuch von psychischen Störungen (5th ed.) [145] (American Psychiatric Publishing, Washington DC, 2013).
Dong G. & Potenza MN Ein kognitiv-verhaltensbezogenes Modell für Internet-Gaming-Störungen: Theoretische Grundlagen und klinische Implikationen. J psychia res 58, 7–11 (2014). [PMC freier Artikel] [PubMed]
Dong G., Zhou H. und Zhao X. Impulshemmung bei Menschen mit Internetabhängigkeitsstörung: elektrophysiologische Beweise aus einer Go / NoGo-Studie. Neurosci lett 485, 138–142 (2010). [PubMed]
Zhou Z., Yuan G. und Yao J. Kognitive Vorurteile gegenüber Bildern im Zusammenhang mit Internetspielen und Führungsdefiziten bei Personen mit einer Internet-Spielsucht. PloS one 7, e48961 (2012). [PMC freier Artikel] [PubMed]
Dong G., Lin X., Zhou H. und Lu Q. Kognitive Flexibilität bei Internetabhängigen: fMRI-Evidenz aus schwer zu leicht und leicht zu schwer zu wechselnden Situationen. Addict Behav 39, 677–683 (2014). [PubMed]
Dong G., Zhou H. und Zhao X. Männliche Internetabhängige zeigen eine eingeschränkte Fähigkeit zur exekutiven Kontrolle: Beweise aus einer Stroop-Aufgabe mit Farbwörtern. Neurosci lett 499, 114–118 (2011). [PubMed]
Dong G., Shen Y., Huang J. und Du X. Beeinträchtigte Fehlerüberwachungsfunktion bei Menschen mit Internetabhängigkeitsstörung: eine ereignisbezogene FMRI-Studie. Eur Addict Res 19, 269–275 (2013). [PubMed]
Littel M. et al. Fehlerverarbeitung und Reaktionshemmung bei übermäßigen Computerspielern: eine ereignisbezogene Potenzialstudie. Sucht Biol 17, 934-947 (2012). [PubMed]
Dong G., Huang J. und Du X. Verbesserte Belohnungsempfindlichkeit und verringerte Verlustempfindlichkeit bei Internetabhängigen: eine fMRI-Studie während einer Vermutungsaufgabe. J Psychiatry Res 45, 1525–1529 (2011). [PubMed]
Dong G., DeVito E., Huang J. und Du X. Die Diffusionstensor-Bildgebung zeigt Anomalien des Thalamus und des hinteren cingulären Kortex bei Internet-Spielsüchtigen. J Psychiatry Res 46, 1212–1216 (2012). [PMC freier Artikel] [PubMed]
Ko CH et al. Gehirnaktivitäten mit Spiel Drang der Online-Spielsucht verbunden. J Psychiatrie Res 43, 739-747 (2009). [PubMed]
Ko CH et al. Die Gehirnaktivierungen sowohl für das Stichwort-induzierte Spielen drängen als auch das Verlangen nach Rauchen unter den Subjekten, die mit Internet-Spielsucht und Nikotinabhängigkeit komorbid sind. J Psychiatrie Res 47, 486-493 (2013). [PubMed]
Montague PR & Berns GS Neuronale Ökonomie und die biologischen Bewertungssubstrate. Neuron 36, 265–284 (2002). [PubMed]
McClure SM, Ericson KM, Laibson DI, Loewenstein G. und Cohen JD Zeitrabatt für primäre Belohnungen. J Neurosci 27, 5796–5804 (2007). [PubMed]
Monterosso J., Piray P. & Luo S. Neuroökonomie und das Studium der Sucht. Biol Psychiatry 72, 107–112 (2012). [PubMed]
Xie C. et al. Ungleiche funktionale Verbindung zwischen Bewertungsnetzwerken in abstinenten heroinabhängigen Subjekten. Mol Psychiatrie 19, 10-12 (2014). [PubMed]
Barros-Loscertales A. et al. Geringere Aktivierung im rechten frontoparietalen Netzwerk während einer Zähl-Stroop-Aufgabe in einer Kokain-abhängigen Gruppe. Psychiatrie res 194, 111-118 (2011). [PubMed]
Goldstein RZ & Volkow ND Drogenabhängigkeit und ihre zugrunde liegende neurobiologische Grundlage: Neuroimaging-Beweise für die Beteiligung des frontalen Kortex. The Am J Psychiatry 159, 1642–1652 (2002). [PMC freier Artikel] [PubMed]
Volkow ND et al. Die kognitive Kontrolle des Drogen-Cravings hemmt Gehirn-Belohnungsregionen bei Kokainkonsumenten. NeuroImage 49, 2536-2543 (2010). [PMC freier Artikel] [PubMed]
Fox MD & Raichle ME Spontane Schwankungen der Gehirnaktivität, die mit der funktionellen Magnetresonanztomographie beobachtet wurden. Nat rev. Neurosci 8, 700–711 (2007). [PubMed]
Zhu Q., Zhang JD, Luo YLL, Dilks DD und Liu J. Die neuronale Aktivität im Ruhezustand über gesichtsselektive kortikale Regionen hinweg ist verhaltensrelevant. J Neurosci 31, 10323–10330 (2011). [PubMed]
Greicius MD, Supekar K., Menon V. und Dougherty RF Die funktionale Konnektivität im Ruhezustand spiegelt die strukturelle Konnektivität im Netzwerk im Standardmodus wider. Cereb Cortex 19, 72–78 (2009). [PMC freier Artikel] [PubMed]
Honig CJ et al. Vorhersage der funktionalen Konnektivität des menschlichen Ruhezustands von der strukturellen Konnektivität. PNAS 106, 2035-2040 (2009). [PMC freier Artikel] [PubMed]
Vincent JL et al. Intrinsische funktionale Architektur im anästhesierten Affengehirn. Natur 447, 83-86 (2007). [PubMed]
Seeley WW et al. Dissoziable intrinsische Konnektivitätsnetzwerke für Salienzverarbeitung und exekutive Kontrolle. J Neurosci 27, 2349-2356 (2007). [PMC freier Artikel] [PubMed]
Engel AK, Fries P. und Singer W. Dynamische Vorhersagen: Schwingungen und Synchronität bei der Top-Down-Verarbeitung. Nat rev. Neurosci 2, 704–716 (2001). [PubMed]
Cox CL et al. Ihr ruhendes Gehirn kümmert sich um Ihr riskantes Verhalten. PloS ein 5, e12296 (2010). [PMC freier Artikel] [PubMed]
Lecrubier Y. et al. Das Mini International Neuropsychiatric Interview (MINI). Ein kurzes diagnostisch strukturiertes Interview: Zuverlässigkeit und Validität nach CIDI. Europäische Psychiatrie 12, 224-231 (1997).
Beck AT, Ward CH, Mendelson M., Mock J. und Erbaugh J. Ein Inventar zur Messung von Depressionen. Arch Gen Psychiatry 4, 561–571 (1961). [PubMed]
Young KS Internet Addiction Test (IAT)http://netaddiction.com/index.php?option=combfquiz&view=onepage&catid=46&Itemid=106> (2009). Datum des Zugriffs: 09/09/2009.
Widyanto L. & McMurran M. Die psychometrischen Eigenschaften des Internet-Suchttests. Cyberpsychol Behav 7, 443–450 (2004). [PubMed]
Widyanto L., Griffiths MD & Brunsden V. Ein psychometrischer Vergleich des Internet-Suchttests, der internetbezogenen Problemskala und der Selbstdiagnose. Cyberpsychol, Behav Soc Netw 14, 141–149 (2011). [PubMed]
Zang Y., Jiang T., Lu Y., He Y. und Tian L. Regionaler Homogenitätsansatz für die fMRI-Datenanalyse. Neuroimage 22, 394–400 (2004). [PubMed]
Du H. et al. Veränderung der regionalen Homogenität in motorischen Kortex bei Patienten mit Multisystematrophie. Neurosci Lett 502, 18-23 (2011). [PubMed]
Yan C.-G. & Zang Y.-F. DPARSF: Eine MATLAB-Toolbox für die Pipeline-Datenanalyse von fMRI im Ruhezustand. Front syst neurosci 4, 13, e3389 (2010). [PMC freier Artikel] [PubMed]
Friston KJ, Frith CD, Frackowiak RS und Turner R. Charakterisierung dynamischer Gehirnreaktionen mit fMRI: ein multivariater Ansatz. NeuroImage 2, 166–172 (1995). [PubMed]
Yeo BT et al. Die Organisation der menschlichen Großhirnrinde wird durch intrinsische funktionelle Konnektivität geschätzt. J Neurophysiol 106, 1125-1165 (2011). [PMC freier Artikel] [PubMed]
Waraczynski MA Das zentrale erweiterte Amygdala-Netzwerk als eine vorgeschlagene Schaltung zur Belohnung Bewertung. Neuroscobiobehav rev 30, 472-496 (2006). [PubMed]
Kringelbach ML & Rolls ET Die funktionelle Neuroanatomie des menschlichen orbitofrontalen Kortex: Evidenz aus Neuroimaging und Neuropsychologie. Prog Neurobiol 72, 341–372 (2004). [PubMed]
Wilcox CE, Teshiba TM, Merideth F., Ling J. und Mayer AR Verbesserte Cue-Reaktivität und frontostriatale funktionelle Konnektivität bei Kokainkonsumstörungen. Drug alco depeend 115, 137–144 (2011). [PMC freier Artikel] [PubMed]
Everitt BJ & Robbins TW Neuronale Systeme zur Verstärkung der Drogenabhängigkeit: von Handlungen über Gewohnheiten bis hin zu Zwang. Nat Neurosci 8, 1481–1489 (2005). [PubMed]
Shirer WR, Ryali S., Rykhlevskaia E., Menon V. und Greicius MD Dekodierung subjektgesteuerter kognitiver Zustände mit Konnektivitätsmustern des gesamten Gehirns. Cereb Cortex 22, 158–165 (2012). [PMC freier Artikel] [PubMed]
Damoiseaux JS et al. Konsistente Ruhezustandsnetzwerke über gesunde Probanden. PNAS 103, 13848-13853 (2006). [PMC freier Artikel] [PubMed]
Habas C. et al. Deutliche zerebelläre Beiträge zu intrinsischen Konnektivitätsnetzwerken. J Neurosci 29, 8586-8594 (2009). [PMC freier Artikel] [PubMed]
Spreng RN, Stevens WD, Chamberlain JP, Gilmore AW und Schacter DL Die Standardnetzwerkaktivität unterstützt in Verbindung mit dem frontoparietalen Kontrollnetzwerk die zielgerichtete Wahrnehmung. NeuroImage 53, 303–317 (2010). [PMC freier Artikel] [PubMed]
Krmpotins TD et al. Ruhezustandsaktivität im linken exekutiven Kontrollnetzwerk ist mit einem Verhaltensansatz verbunden und ist in der Substanzabhängigkeit erhöht. Drogen-Alkoh abhängig 129, 1-7 (2013). [PMC freier Artikel] [PubMed]
Dong G., Hu Y., Lin X. und Lu Q. Was macht Internet-Süchtige dazu, weiterhin online zu spielen, selbst wenn sie schwerwiegenden negativen Folgen ausgesetzt sind? Mögliche Erklärungen aus einer fMRI-Studie. Biol Psychol 94, 282–289 (2013). [PubMed]
Miller EK & Cohen JD Eine integrative Theorie der präfrontalen Kortexfunktion. Annu Rev Neurosci 24, 167–202 (2001). [PubMed]
Sofuoglu M., DeVito EE, Waters AJ und Carroll KM Kognitive Verbesserung zur Behandlung von Drogenabhängigkeit. Neuropharmacol 64, 452–463 (2013). [PMC freier Artikel] [PubMed]
Everitt BJ et al. Der orbitale präfrontale Kortex und Drogenabhängigkeit bei Labortieren und Menschen. Jährliche NY Acad Sci 1121, 576-597 (2007). [PubMed]
Goldstein RZ & Volkow ND Funktionsstörung des präfrontalen Kortex bei Sucht: Befunde der Bildgebung und klinische Implikationen. Nat rev. Neurosci 12, 652–669 (2011). [PMC freier Artikel] [PubMed]
Pawlikowski M. & Brand M. Übermäßiges Spielen im Internet und Entscheidungsfindung: Haben übermäßige World of Warcraft-Spieler Probleme bei der Entscheidungsfindung unter riskanten Bedingungen? Psychiatry res 188, 428–433 (2011). [PubMed]
Floros G. & Siomos K. Auswahlmuster in Bezug auf Videospielgenres und Internetsucht. Cyberpsycholo, Behav Social Network 15, 417–424 (2012). [PubMed]
Bechara A., Dolan S. und Hindes A. Entscheidungsfindung und Sucht (Teil II): Kurzsichtigkeit für die Zukunft oder Überempfindlichkeit gegen Belohnung? Neuropsychologia 40, 1690–1705 (2002). [PubMed]