Comentarios: Al igual que los estudios anteriores, los escáneres cerebrales revelaron cambios estructurales similares a la adicción en aquellos con adicción a Internet. Las anomalías en la materia blanca y gris también se encuentran en las personas con adicción a las drogas.
Antecedentes
El trastorno de adicción a Internet (DIA) se está convirtiendo en un problema de salud mental grave en todo el mundo. Los estudios anteriores con respecto a la DIA se centraron principalmente en los exámenes psicológicos asociados. Sin embargo, hay pocos estudios sobre la estructura del cerebro y la función de la IAD. En este estudio, utilizamos imágenes de tensor de difusión (DTI) para investigar la integridad de la materia blanca en adolescentes con DAI.
Metodología / Conclusiones principales
Diecisiete sujetos con DAI y dieciséis controles sanos sin DAI participaron en este estudio. El análisis de la anisotropía fraccionada (FA) a nivel de voxel de todo el cerebro se realizó mediante estadísticas espaciales basadas en tractos (TBSS) para localizar regiones anormales de materia blanca entre grupos. TBSS demostró que la IAD tenía una FA significativamente más baja que los controles en todo el cerebro, incluida la sustancia blanca orbito-frontal, el cuerpo calloso, el cíngulo, el fascículo fronto-occipital inferior y la radiación corona, cápsulas internas y externas, mientras que no exhibía áreas de FA más alta. Se utilizó el análisis de volumen de interés (VOI) para detectar cambios en los índices de difusividad en las regiones que mostraban anomalías de FA. En la mayoría de los VOI, las reducciones de FA fueron causadas por un aumento en la difusividad radial, mientras que no hubo cambios en la difusividad axial. Se realizó un análisis de correlación para evaluar la relación entre AF y medidas de comportamiento dentro del grupo de DAI. Se encontraron correlaciones significativamente negativas entre los valores de FA en la rodilla izquierda del cuerpo calloso y el Screen for Child Anxiety Related Emotional Disorders, y entre los valores de FA en la cápsula externa izquierda y la escala de adicción a Internet de Young.
Conclusiones
Nuestros hallazgos sugieren que la DIA demostró reducciones generalizadas de FA en las principales vías de la materia blanca y que dicha estructura anormal de la materia blanca puede estar relacionada con algunas deficiencias de comportamiento. Además, la integridad de la materia blanca puede servir como un nuevo objetivo potencial de tratamiento y la FA puede ser un biomarcador calificado para comprender los mecanismos neuronales subyacentes de la lesión o para evaluar la efectividad de intervenciones tempranas específicas en la DIA.
Cita: Lin F, Zhou Y, Du Y, Qin L, Zhao Z, et al. (2012) Integridad anormal de la materia blanca en adolescentes con trastorno de adicción a Internet: un estudio de estadísticas espaciales basadas en zonas. PLoS ONE 7 (1): e30253. doi: 10.1371 / journal.pone.0030253
Editor: Martin Gerbert Frasch, Université de Montréal, Canadá
Recibido: 4 de octubre de 2011; Aprobado: 15 de diciembre de 2011; Publicado: 11 de enero de 2012
Copyright: © 2012 Lin et al. Este es un artículo de acceso abierto distribuido bajo los términos de la Licencia de atribución Creative Commons, que permite el uso, distribución y reproducción sin restricciones en cualquier medio, siempre que se acredite el autor y la fuente originales.
Financiamiento: Este trabajo fue parcialmente financiado por la Fundación de Ciencias Naturales de China (Nos. 30800252 y 20921004), el Programa Nacional de Investigación Básica de China (Programa 973) Beca No. 2011CB707802, y el Programa de Innovación del Conocimiento de la Academia de Ciencias de China, y Excelente Doctorado Programa de tesis de la Academia de Ciencias de China. Los patrocinadores no participaron en el diseño del estudio, la recopilación y el análisis de datos, la decisión de publicar o la preparación del manuscrito.
Conflictos de intereses: los autores han declarado que no existen conflictos de intereses.
* E-mail: [email protected] (JX); [email protected] (HL)
# Estos autores contribuyeron igualmente a este trabajo.
El trastorno de adicción a Internet (IAD), también llamado uso problemático o patológico de Internet, se caracteriza por la incapacidad de un individuo para controlar su uso de Internet, lo que eventualmente puede resultar en una angustia marcada y deficiencias funcionales de la vida en general, como el rendimiento académico, social. interacción, interés ocupacional y problemas de comportamiento [ 1 ]. La descripción de la DIA se basa en la definición de dependencia de sustancias o juego patológico, que comparte propiedades de dependencia de sustancias como la preocupación, la modificación del estado de ánimo, la tolerancia, la abstinencia, la angustia y las discapacidades funcionales. [ 2 ], [ 3 ]. Con el creciente número de usuarios de Internet, el problema de la IAD actualmente ha atraído una atención considerable por parte de psiquiatras, educadores y el público; Por lo tanto, IAD se está convirtiendo en un problema de salud mental grave en todo el mundo. [ 4 ], [ 5 ], [ 6 ].
Los estudios actuales sobre la DIA se han centrado en los resúmenes de casos, componentes del comportamiento, consecuencias negativas en la vida diaria, junto con el diagnóstico clínico, la epidemiología, los factores psicosociales asociados, el manejo de los síntomas, la comorbilidad psiquiátrica y el resultado del tratamiento [ 7 ], [ 8 ], [ 9 ], [ 10 ], [ 11 ]. Estos estudios se basan principalmente en cuestionarios psicológicos autoinformados e informaron sistemáticamente que el uso excesivo de Internet puede ejercer efectos potenciales sobre los problemas psicológicos y los deterioros cognitivos de las personas.
Hasta la fecha, solo se han realizado pocos estudios de neuroimagen para investigar los cambios estructurales y funcionales del cerebro asociados con la IAD. Un estudio previo de morfometría basada en voxel (VBM, por sus siglas en inglés) informó una disminución en la densidad de la materia gris en la corteza cingulada anterior izquierda, la corteza cingulada posterior, la ínsula y el giro lingual de adolescentes con DIA [ 12 ]. Yuan y sus colegas descubrieron que los sujetos con DAI tenían múltiples cambios estructurales en el cerebro, y tales cambios se correlacionaron significativamente con la duración de la adicción a Internet [ 13 ]. Un estudio de imágenes de resonancia magnética funcional (fMRI) en estado de reposo demostró que los estudiantes universitarios de IAD han aumentado la homogeneidad regional en varias regiones del cerebro, como el cerebelo, el tronco cerebral, el lóbulo límbico, el lóbulo frontal y el lóbulo apical. [ 14 ]. Dos estudios de RMF relacionados con tareas de individuos con adicción a los juegos en línea indicaron que la activación inducida por señales en respuesta a los estímulos de los videojuegos de Internet es similar a la observada durante la presentación de señales en personas con dependencia de sustancias o juegos patológicos [ 15 ], [ 16 ]. Dong et al. [ 17 ]informaron que los estudiantes de IAD tenían una activación más baja en la etapa de detección de conflictos, y mostraron menos eficiencia en el procesamiento de la información y un menor control de los impulsos que los controles normales al registrar potenciales cerebrales relacionados con eventos durante una tarea de Ir / No ir. Además, un estudio de tomografía por emisión de positrones (PET) encontró que el uso excesivo de juegos en Internet comparte mecanismos psicológicos y neuronales con otros tipos de trastornos de control de impulsos y adicción a sustancias / no relacionadas con sustancias [ 18 ]. En conjunto, estos hallazgos indican que los sujetos con DIA están asociados con cambios estructurales y funcionales en regiones del cerebro que involucran el procesamiento emocional, la atención ejecutiva, la toma de decisiones y el control cognitivo.
Nuestra hipótesis es que los sujetos con DAI también se asocian con alteraciones de las fibras de materia blanca que conectan estas regiones y dichos cambios pueden detectarse mediante imágenes de tensor de difusión (DTI), una técnica de IRM no invasiva capaz de proporcionar una medida cuantitativa del daño de la sustancia blanca [ 19 ]. DTI es sensible a las características de difusión del agua y se ha desarrollado como una herramienta para investigar las propiedades locales de la materia blanca del cerebro. [ 20 ]. Se pueden derivar cuatro parámetros de difusión cuantitativa de uso frecuente a partir de los datos de DTI: 1) anisotropía fraccional (FA), que refleja la direccionalidad de la difusión del agua y la coherencia de los tractos de fibra de materia blanca; 2) difusividad media (MD), que cuantifica la magnitud global de la difusión de agua; 3) difusividad axial (Da) que mide la magnitud de la difusividad a lo largo de la dirección de difusión principal; y 4) difusividad radial (Dr) que refleja la magnitud de la difusividad perpendicular a la dirección principal de difusión [ 21 ],[ 22 ]. Estas medidas están relacionadas con la organización microestructural de la materia blanca y se utilizan para inferir características estructurales del entorno tisular local.
En este estudio, utilizamos DTI para investigar la integridad de la materia blanca en adolescentes con IAD. Se utilizó un método de análisis de estadísticas espaciales basadas en el observador (TBSS) para analizar los datos de DTI. Este método conserva las fortalezas del análisis basado en voxel al tiempo que aborda algunos de sus inconvenientes, como alinear imágenes de múltiples sujetos y la arbitrariedad de la elección de suavizado espacial [ 23 ]. Los objetivos del estudio son 1) investigar las diferencias en la distribución topográfica de la integridad de la sustancia blanca entre adolescentes con DAI y controles sanos sin DAI, sin hacer suposiciones a priori sobre la ubicación de posibles anomalías, y 2) determinar si hubo alguna relación entre la integridad de la sustancia blanca y las medidas neurofisiológicas en sujetos con DAI.
Materias
Se reclutaron dieciocho adolescentes con DAI del Departamento de Psiquiatría Infantil y Adolescente del Centro de Salud Mental de Shanghai, todos los cuales cumplieron con el cuestionario de diagnóstico de Young modificado para los criterios de adicción a Internet de Beard y Wolf [ 2 ]. Dieciocho años, sexo y años de educación emparejados sujetos normales sin DIA se seleccionaron como controles. Todas las asignaturas fueron diestras según lo evaluado por un cuestionario de acuerdo con el inventario de entrega de Edimburgo [ 24 ]. Los datos de IRM estructurales de estos sujetos se utilizaron en nuestro estudio VBM anterior [ 12 ]. Para este estudio, los datos de imágenes de dos controles y un sujeto IAD tuvieron que ser descartados debido a grandes artefactos de movimiento. Como resultado, se incluyeron un total de dieciséis controles (rango de edad: 15 – 24) y diecisiete sujetos IAD (rango de edad: 14 – 24). La información demográfica de los temas incluidos se enumera en Tabla 1.
Tabla 1. Características demográficas y de comportamiento de los participantes incluidos.
doi: 10.1371 / journal.pone.0030253.t001
El estudio fue aprobado por el Comité de Ética del Hospital RenJi de Shanghai Jiao Tong University Medical School. Los participantes y sus padres / tutores legales fueron informados de los objetivos de nuestro estudio antes de los exámenes de MRI. Se obtuvo el consentimiento informado por escrito de los padres / tutores de cada participante.
Los criterios de inclusión y exclusión
Todos los sujetos se sometieron a un simple examen físico que incluía mediciones de presión arterial y frecuencia cardíaca, y fueron entrevistados por un psiquiatra con respecto a su historial médico en sistemas nervioso, de movimiento, digestivo, respiratorio, de circulación, endocrino, urinario y reproductor. Luego fueron evaluados para detectar trastornos psiquiátricos con la Mini Entrevista Neuropsiquiátrica Internacional para Niños y Adolescentes (MINI-KID) [ 25 ]. Los criterios de exclusión incluían un historial de abuso de sustancias o dependencia; un historial de trastornos psiquiátricos importantes, como esquizofrenia, depresión, trastorno de ansiedad, episodios psicóticos u hospitalización por trastornos psiquiátricos. Los sujetos IAD no fueron tratados con ningún medicamento. Sin embargo, un pequeño número de sujetos con DAI recibieron psicoterapia.
El estándar de diagnóstico para DAI se adaptó del Cuestionario de diagnóstico de Young modificado para los criterios de adicción a Internet de Beard y Wolf [ 2 ]. El criterio que consta de ocho ítems 'sí' o 'no' se tradujo al chino. Incluye las siguientes preguntas: (1) ¿Se siente preocupado por Internet (es decir, piensa en la actividad en línea anterior o anticipa la próxima sesión en línea)? (2) ¿Siente la necesidad de usar Internet con una cantidad cada vez mayor de tiempo para alcanzar la satisfacción? (3) ¿Ha realizado repetidamente esfuerzos infructuosos para controlar, reducir o detener el uso de Internet? (4) ¿Se siente inquieto, malhumorado, deprimido o irritable cuando intenta reducir o detener el uso de Internet? (5) ¿Permaneces en línea más tiempo del que originalmente pensaste? (6) ¿Ha puesto en peligro o se ha arriesgado la pérdida de una relación importante, laboral, educativa o profesional debido a Internet? (7) ¿Ha mentido a miembros de la familia, a un terapeuta u otros para ocultar el grado de participación en Internet? (8) ¿Utiliza Internet como una forma de escapar de los problemas o de aliviar un estado de ánimo angustiado (por ejemplo, sentimientos de impotencia, culpa, ansiedad y depresión)? Los participantes que respondieron "sí" a los ítems 1 a través de 5 y al menos uno de los tres ítems restantes se clasificaron como que sufrían una DAI.
Evaluaciones de comportamiento
Se utilizaron seis cuestionarios para evaluar las características de comportamiento de los participantes, a saber, la Escala de Adicción a Internet de Young (YIAS) [ 26 ], Escala de Disposición de Gestión del Tiempo (TMDS) [ 27 ], Cuestionario de Fortalezas y Dificultades (SDQ) [ 28 ], Barratt Impulsiveness Scale-11 (BIS) [ 29 ], la pantalla para trastornos emocionales relacionados con la ansiedad infantil (SCARED) [ 30 ] y dispositivo de evaluación familiar (FAD) [ 31 ]. Todos los cuestionarios se construyeron inicialmente en inglés y se tradujeron al chino.
Adquisición de imágen
Las imágenes de tensor de difusión se realizaron en un escáner médico 3.0-Tesla Phillips Achieva. Las imágenes ponderadas por difusión planar de eco de un solo disparo con alineación del plano de comisuras anterior-posteriores se realizaron de acuerdo con los siguientes parámetros: tiempo de repetición = 8,044 ms; tiempo de eco = 68 ms; Factor SENTIDO = 2; matriz de adquisición = 128 × 128 con relleno cero en 256 × 256; campo de visión = 256 × 256 mm2; Grosor de corte = 4 mm sin espacio. Un total de secciones de 34 cubrieron todo el cerebro, incluido el cerebelo. Los gradientes de sensibilización de difusión se aplicaron a lo largo de las direcciones de codificación de gradiente no colineal de 15 con b = 800 s / mm2. Una imagen adicional sin gradientes de difusión (b = 0 s / mm2) también fue adquirido. Para mejorar la relación señal a ruido, la imagen se repitió tres veces.
Preprocesamiento de datos
Todos los datos de DTI fueron preprocesados por la Caja de herramientas de difusión (FDT) de FMRIB dentro de la Biblioteca de software de FMRIB (FSL; http://www.fmrib.ox.ac.uk/fsl). Primero, los volúmenes ponderados por difusión se alinearon con sus correspondientes ponderados no por difusión (b0) Imagen con una transformación afín para minimizar la distorsión de la imagen de las corrientes de Foucault y para reducir el movimiento simple de la cabeza. Entonces, el tejido no cerebral y el ruido de fondo se eliminaron de b0 Imagen utilizando la herramienta de extracción de cerebro. Después de estos pasos, el tensor de difusión para cada vóxel se estimó mediante el algoritmo de ajuste lineal multivariado, y la matriz del tensor se diagonalizó para obtener sus tres pares de valores propios (λ1, λ2, λ3) y vectores propios. Y luego voxelwise valores de FA, MD, Da (Da = λ1) y Dr (Dr = (λ2+ λ3) / 2) fueron calculados.
Análisis TBSS
El análisis de todo el cerebro de las imágenes de FA se realizó utilizando TBSS [ 23 ], que fue implementado en FSL. En resumen, los mapas de FA de todos los sujetos primero se realinearon a un objetivo común y luego los volúmenes de FA alineados se normalizaron a un 1 × 1 × 1 mm3 Espacio estándar del Instituto de Neurología de Montreal (MNI152) a través de la plantilla FMRIB58_FA. A partir de entonces, las imágenes de FA registradas se promediaron para generar una imagen de FA media entre sujetos, y luego se aplicó la imagen de FA media para crear un esqueleto de FA promedio que representa las pistas de fibra principales y el centro de todos los tractos de fibra comunes al grupo. La media del esqueleto de FA fue un umbral adicional por un valor de FA de 0.2 para excluir tractos periféricos donde hubo una variabilidad significativa entre los sujetos y / o efectos de volumen parciales con materia gris. Siguiendo el umbral del esqueleto de FA medio, los datos de FA alineados de cada participante se proyectaron en el esqueleto medio para crear un mapa de FA esqueleto, buscando el área alrededor del esqueleto en la dirección perpendicular a cada tracto y encontrando el FA local más alto valor, y luego asignando este valor a la estructura esquelética correspondiente.
Para identificar las diferencias de FA entre los sujetos con IAD y los controles normales, los datos de FA esqueléticos se introdujeron en el análisis estadístico voxel-based que se basa en un enfoque no paramétrico que utiliza la teoría de la prueba de permutación. La prueba fue realizada por el programa FSL randomise, que utiliza permutaciones aleatorias 5000. Se estimaron dos contrastes: los sujetos con DAI mayores que los controles y los controles con mayor frecuencia que los sujetos con DAI. La edad se ingresó en el análisis como una covariable para garantizar que cualquier diferencia observada de FA entre los grupos fuera independiente de los cambios relacionados con la edad. Mejora de clúster sin umbral (TFCE) [ 32 ], se utilizó una alternativa al umbral convencional basado en conglomerados que normalmente se ve comprometido por la definición arbitraria del umbral de formación de conglomerados, para obtener las diferencias significativas entre dos grupos en p <0.01, después de tener en cuenta las comparaciones múltiples controlando el error familiar (FWE). A partir de los resultados de las comparaciones de grupos de voxel, las regiones esqueléticas que muestran diferencias significativas entre los grupos se localizaron y etiquetaron anatómicamente mediante el mapeo del mapa estadístico corregido por FWE de p <0.01 a la Universidad Johns Hopkins (JHU) -ICBM-DTI-81 Atlas de etiquetas de materia blanca (WM) y Atlas de tractografía JHU-WM en el espacio MNI.
Análisis del volumen de interés de los índices de difusión.
Con el fin de explorar los mecanismos microestructurales de los cambios de FA observados, se realizó un análisis de volumen de interés (VOI) para investigar los cambios de los índices de difusividad (Da, Dr y MD) en las regiones que mostraban anomalías de FA. Para hacerlo, las máscaras VOI se extrajeron primero en función de los grupos que mostraban diferencias significativas de FA entre grupos. Estas máscaras de VOI se retroproyectaron a las imágenes originales de cada sujeto y se calcularon los valores medios de los índices de difusión dentro de los VOI. Después de confirmar la distribución normal de los datos mediante una prueba de Kolmogorov-Smirnov de una muestra, se realizó un análisis de covarianza unidireccional (ANCOVA) con el grupo como variable independiente y los índices de difusión como variables dependientes, controlando la edad de los sujetos. Se utilizó un nivel de significación estadística de p <0.05 (corrección de Bonferroni para comparaciones múltiples).
Se utilizaron análisis de correlación de Pearson para probar las correlaciones entre los cambios de FA dentro de los VOI y las medidas de comportamiento. Una p <0.05 (sin corregir) se consideró estadísticamente significativa. Se realizaron análisis de regresión múltiple por pasos con valores promediados de FA en los VOI como variable dependiente y edad, educación, sexo, YIAS, SDQ, SCARED, FAD, TMDS y BIS como variables independientes para comprobar si el FA más bajo encontrado en los VOI podría ser predicho por las puntuaciones de las pruebas de comportamiento.
Medidas demográficas y de comportamiento.
Tabla 1 enumera las medidas demográficas y de comportamiento para la DAI y los sujetos de control. No hubo diferencias significativas en las distribuciones de edad, género y años de educación entre los dos grupos. Los sujetos IAD mostraron puntuaciones YIAS (p <0.0001), SDQ (p <0.001), SCARED (p <0.0001) y FAD (p = 0.016) más altas que los controles. No se encontraron diferencias en las puntuaciones de TMDS y BIS entre los grupos.
Resultados TBSS
Se usó un valor de 0.2 para umbralizar el volumen medio de la estructura del FA, de manera que se ingresó un total de voxeles de 131962 en el análisis TBSS a nivel de voxel. La distribución espacial de las regiones del cerebro que muestran FA reducida en el grupo de IAD se presenta en y Tabla 2. En comparación con los sujetos de control, los sujetos con DAI habían reducido significativamente la FA (p <0.01; TFCE-corregida) en la sustancia blanca orbito-frontal bilateral, el cuerpo calloso, las fibras de asociación con la participación del fascículo frontal-occipital inferior bilateral y el cíngulo anterior bilateral, fibras de proyección que consisten en radiación corona bilateral anterior, superior y posterior, rama anterior bilateral de la cápsula interna, cápsula externa bilateral y circunvolución precentral izquierda. No hubo regiones de materia blanca donde los controles tuvieran valores de FA significativamente más bajos en comparación con los participantes de IAD.
Figura 1. Análisis TBSS de volúmenes de anisotropía fraccional (FA).
Las áreas en rojo son regiones donde FA fue significativamente menor (p <0.01, corregido por TFCE) en adolescentes con trastorno de adicción a Internet (IAD) en relación con los controles normales sin IAD. Para ayudar a la visualización, las regiones que muestran un FA reducido (rojo) se engrosan utilizando el script tbss_fill implementado en FSL. Resultados se muestran superpuestos en la plantilla MNI152-T1 y el esqueleto FA medio (verde). El lado izquierdo de la imagen corresponde al hemisferio derecho del cerebro.
doi: 10.1371 / journal.pone.0030253.g001
Tabla 2. Regiones neuroanatómicas con FA reducida en adolescentes con trastorno de adicción a Internet en relación con controles normales. (p <0.01, TFCE corregido).
doi: 10.1371 / journal.pone.0030253.t002
Resultados de VOI
Las regiones del cerebro de 22 que muestran una FA significativamente reducida en el grupo IAD se extrajeron para el análisis basado en VOI de otros índices de difusión. Los resultados se enumeran en Tabla 3. Diecisiete de los 22 VOI mostraron un aumento significativo de la Dr (p <0.05, corrección de Bonferroni para 22 comparaciones). No se detectaron diferencias significativas en Da en ninguno de los VOI.
Tabla 3. Diferencias grupales en los índices de difusividad del volumen de intereses (corregidos por edad).
doi: 10.1371 / journal.pone.0030253.t003
Para los 22 VOI, el análisis de correlación de Pearson demostró correlaciones significativamente negativas entre los valores de FA en la rodilla izquierda del cuerpo calloso y SCARED (r = −0.621, p = 0.008, sin corregir; Figura 2A), y entre los valores de FA en la cápsula externa izquierda y YIAS (r = −0.566, p = 0.018, sin corregir;Figura 2B) en las asignaturas IAD. El análisis de regresión lineal múltiple mostró que los efectos de SCARED en el AF dentro de la rodilla izquierda del cuerpo calloso fueron estadísticamente significativos (β estandarizado = −0.621, t = −3.07, p = 0.008), pero no el de edad, sexo, educación y otras variables psicométricas. El análisis de regresión lineal múltiple también demostró que los efectos de YIAS sobre el AF dentro de la cápsula externa izquierda eran estadísticamente significativos (β estandarizado = −0.566, t = −2.66, p = 0.018), pero no el de la edad, el sexo, la educación y otros variables psicométricas.
Figura 2. Análisis de correlación entre la anisotropía fraccional (FA) y las medidas de comportamiento dentro del grupo de trastorno de adicción a Internet (DIA).
Para facilitar la visualización, las regiones que muestran correlaciones significativas (rojo) se engrosan utilizando el script tbss_fill implementado en FSL. Figura 2A muestra que los valores de FA en la rodilla izquierda del cuerpo calloso se correlacionan negativamente con el Screen for Child Anxiety Related Emotional Disorders (SCARED) (r = −0.621, p = 0.008). Figura 2B muestra que los valores de FA en la cápsula externa izquierda se correlacionan negativamente con la escala de adicción a Internet de Young (YIAS) (r = −0.566, p = 0.018).
doi: 10.1371 / journal.pone.0030253.g002
Discusión
En este estudio, utilizamos DTI para investigar la integridad de la materia blanca en adolescentes con DAI mediante el análisis TBSS en cuanto a voxel de cerebro completo independiente del observador. En comparación con los controles pareados de edad, género y educación, los sujetos con DAI habían reducido significativamente la AF en la sustancia blanca orbitofrontal, junto con el cíngulo, las fibras comisurales del cuerpo calloso, las fibras de asociación que incluyen el fascículo inferior frontal occipital y las fibras de proyección que comprenden La corona de radiación, cápsula interna y cápsula externa (Figura 1 y XNUMX y Tabla 2). Estos resultados proporcionan evidencias de déficits generalizados en la integridad de la materia blanca y reflejan una interrupción en la organización de los tratados de materia blanca en la DIA.. El análisis de VOI mostró que la disminución de la FA observada en la DAI fue principalmente el resultado de una mayor difusividad radial (Tabla 3), tal vez una manifestación de desmielinización. Además, los resultados de los análisis de correlación mostraron que la FA en el gen izquierdo del cuerpo calloso se correlacionó negativamente con SCARED, y la FA en la cápsula externa izquierda se correlacionó negativamente con YIAS (Figura 2 y XNUMX). Estos hallazgos sugieren que la integridad de la materia blanca puede servir como un posible nuevo objetivo de tratamiento para la DAI, y la FA puede usarse como un biomarcador calificado para comprender los mecanismos neuronales subyacentes de la lesión o para evaluar la efectividad de intervenciones tempranas específicas en la DAI.
Integridad anormal de la materia blanca en la DAI.
La corteza orbito-frontal tiene conexiones extensas con las regiones prefrontal, visceromotora y límbica, así como las áreas de asociación de cada modalidad sensorial. [ 33 ]. Desempeña un papel crítico en el procesamiento emocional y en los fenómenos relacionados con la adicción, como el deseo, las conductas compulsivas y repetitivas y la mala adaptación de la toma de decisiones. [ 34 ], [ 35 ]. Estudios previos encontraron que la integridad anormal de la materia blanca en la corteza orbito frontal se ha observado con frecuencia en sujetos expuestos a sustancias adictivas, como el alcohol. [ 36 ]cocaína [ 37 ], [ 38 ]marihuana [ 39 ]metanfetamina [ 40 ]y ketamina [ 41 ]. Nuestro hallazgo de que la DIA está asociada con una integridad de la sustancia blanca deteriorada en las regiones orbitales frontales es consistente Con estos resultados anteriores.
La corteza cingulada anterior (ACC) se conecta con los lóbulos frontales y el sistema límbico, desempeñando un papel esencial en el control cognitivo, el procesamiento emocional y el deseo. [ 42 ]. La integridad anormal de la materia blanca en el cíngulo anterior también se ha observado sistemáticamente en otras formas de adicción, como el alcoholismo. [ 36 ]dependencia de heroína [ 43 ]y adicción a la cocaína [ 38 ]. La observación de la disminución de la FA dentro del cíngulo anterior de los sujetos con DIA es consistente con estos resultados anteriores y con el informe de que el uso excesivo de Internet[ 17 ] Se asocia con alteración del control cognitivo. Más interesante aún, se ha demostrado que el mismo grupo de sujetos con DAI ha disminuido significativamente la densidad de materia gris en el CAC izquierdo, en comparación con el control [ 12 ]. Resultados similares también han sido reportados por otro grupo. [ 13 ].
Otra estructura importante que muestra una FA reducida en el sujeto DAI es el cuerpo calloso, que es el tracto de fibra de materia blanca más grande que conecta el neocórtex de los dos hemisferios [ 44 ]. Las partes anteriores del cuerpo calloso conectan las cortezas frontales, mientras que el cuerpo y el esplenio conectan las regiones homotópica parietal, temporal y occipital [ 45 ]. La conectividad de fibra comprometida dentro del cuerpo calloso es un hallazgo común en sujetos con dependencia de sustancias [ 46 ]. En sujetos dependientes de la cocaína, se redujo significativamente la FA en el cuerpo genuino y rostral. [ 47 ] y el cuerpo y esplenio del cuerpo calloso. [ 48 ] Fue reportado. Los abusadores de metanfetamina mostraron una integridad reducida de la sustancia blanca en [ 49 ] y cuerpo rostral [ 50 ] del cuerpo calloso. El alcoholismo también se asocia con disminución de la FA en el cuerpo, cuerpo y esplenio del cuerpo calloso [ 51 ], [ 52 ]. Más recientemente, Bora et al. [ 53 ] Se observaron reducciones de AF en el gen y el istmo del cuerpo calloso en pacientes dependientes de opiáceos. Nuestros hallazgos de reducción de la FA principalmente en el cuerpo y cuerpo bilaterales del cuerpo calloso en sujetos con DAI sugieren que el uso excesivo de Internet, similar al abuso de sustancias, puede dañar la microestructura de la materia blanca del cuerpo calloso.
En comparación con los controles, los sujetos con DAI también mostraron una disminución significativa de la AF en la extremidad anterior de la cápsula interna, la cápsula externa, la radiación corona, el fascículo frontooccipital inferior y el giro precentral. Nuevamente, también se observaron anomalías similares de la sustancia blanca en otras formas de adicción.. Por ejemplo, se han reportado alteraciones de la sustancia blanca en la extremidad anterior de la cápsula interna y la cápsula externa en el abuso de alcohol. [ 54 ], [ 55 ] y adicción a los opiáceos [ 53 ]. Las disminuciones de FA en la extremidad anterior de la cápsula interna pueden ser indicativas de alteraciones en los circuitos subcorticales frontales. Esta vía proporciona conexiones entre el tálamo / cuerpo estriado y las regiones corticales frontales y comprende un sistema que desempeña un papel en la recompensa y el procesamiento emocional. [ 56 ]. La cápsula externa conecta la corteza prefrontal ventral y medial con el cuerpo estriado. La corona radiata está compuesta por fibras de materia blanca que conectan la corteza cerebral con la cápsula interna y proporcionan conexiones importantes entre los lóbulos frontal, parietal, temporal y occipital. [ 57 ]. La integridad anormal de la sustancia blanca en corona radiata se ha observado previamente en cocaína [ 58 ]y abuso de metanfetamina [ 59 ], y la dependencia del alcohol [ 54 ]. El fascículo frontooccipital inferior es un haz de asociación que conecta el frontal con los lóbulos parietal y occipital. En comparación con los bebedores de luz, los alcohólicos tienen menor FA en esta región [ 54 ]. También se informó un giro precentral anormal en la dependencia de la heroína [ 43 ] y marihuana y adolescentes que consumen alcohol. [ 39 ].
En general, nuestros hallazgos indican que la DIA tiene una integridad anormal de la materia blanca en las regiones del cerebro que involucra la generación y el procesamiento emocional, la atención ejecutiva, la toma de decisiones y el control cognitivo. Los resultados también sugieren que la IAD puede compartir mecanismos psicológicos y neuronales con otros tipos de adicción a sustancias y trastornos del control de impulsos.
Posibles mecanismos que subyacen a la disminución de FA
Si bien la disminución de la FA es un biomarcador bien establecido para la integridad de la sustancia blanca deteriorada, su significado neurobiológico exacto aún debe entenderse completamente. La FA de las fibras / haces de materia blanca puede verse afectada por muchos factores, como la mielinización, el tamaño y la densidad de los axones, la geometría de la trayectoria y el espacio de agua extracelular entre las fibras. [ 20 ]. En este estudio, encontramos que la reducción de la AF en el cerebro de los sujetos con DAI se debió principalmente a un aumento de la difusividad radial, sin que se observaran muchos cambios en la difusividad axial (Tabla 3). Esto también parece ser cierto en otras formas de dependencia de sustancias, como la cocaína. [ 60 ], [ 61 ]opio[ 53 ]y abuso / adicción a la metanfetamina [ 62 ]. Aunque todavía es un tema de debate, en general se cree que la difusividad radial Refleja principalmente la integridad y el grosor de las láminas de mielina que cubren los axones. [22], mientras que la difusividad axial puede indexar la organización de la estructura de la fibra y la integridad del axón[ 63 ]. Si esta suposición es cierta en nuestro caso, entonces se puede concluir que la reducción de FA observada en el cerebro de los sujetos con DAI es muy probablemente una manifestación de integridad alterada de la mielina en las regiones cerebrales afectadas.
Relación entre FA y medidas de comportamiento en DIA.
La evaluación del comportamiento demostró que los sujetos con IAD tenían puntuaciones significativamente más altas en YIAS, SDQ, SCARED y FAD, en comparación con el control. Estos hallazgos son consistentes con los resultados de estudios neuropsicológicos anteriores en sujetos con DIA [ 9 ], [ 64 ]. La comprensión de las asociaciones entre la integridad de la materia blanca y las características del comportamiento proporciona información importante sobre los mecanismos neurobiológicos que subyacen a los diferentes aspectos de los síntomas de la adicción. Por ejemplo, Pfefferbaum y colegas [ 65 ] reportaron una correlación positiva entre los valores de FA en el esplenio y la memoria de trabajo en alcohólicos crónicos. En la dependencia a la cocaína, se observó una correlación negativa significativa entre la AF en el cuerpo calloso anterior y la impulsividad, y una correlación positiva entre la FA y la discriminabilidad. [ 47 ]. La FA en el subgiro frontal derecho de los sujetos dependientes de heroína se encontró correlacionada negativamente con la duración del uso de heroína [ 43 ]. El control cognitivo más deficiente se asoció con una menor FA en el gen del cuerpo calloso en los usuarios de metanfetamina [ 49 ].
En este estudio, investigamos los correlatos de comportamiento de la reducción de la AF en las regiones del cerebro afectadas en los sujetos de la DIA. La reducción de la FA en el gen izquierdo del cuerpo calloso de los sujetos de la DIA se correlacionó significativamente con el aumento de la puntuación de SCARED; mientras que los puntajes YIAS más altos parecían estar asociados con una integridad de la sustancia blanca más severamente dañada en la cápsula externa izquierda.
El SCARED es un cuestionario de autoinforme confiable y válido que mide los síntomas de los trastornos de ansiedad en los niños [ 30 ]. Los estudios neuropsicológicos revelaron que los adolescentes con DIA tenían una puntuación SCARED significativamente mayor que aquellos sin DIA [ 64 ]. La asociación negativa entre las puntuaciones de SCARED y la FA en el gen izquierdo del cuerpo calloso puede surgir de una conexión interrumpida entre las cortezas prefrontales bilaterales que participan en los trastornos de ansiedad. El YIAS evalúa el grado en que el uso intensivo de Internet tiene un impacto negativo en el funcionamiento y las relaciones sociales [ 26 ]; y es un instrumento ampliamente utilizado para evaluar la dependencia de Internet. Los estudios psicométricos anteriores habían demostrado que los sujetos con DIA tenían puntuaciones YIAS más altas que los que no los tenían. [ 9 ]. La correlación negativa entre los puntajes YIAS y los valores de FA en la cápsula externa izquierda implicaba que los sujetos IAD con puntajes YIAS más altos parecían tener una menor integridad de la sustancia blanca en la vía fronto-temporal conectada a través de la cápsula externa.
Además, las asociaciones entre la integridad de la materia blanca y las características del comportamiento indican un nuevo objetivo potencial para el tratamiento de sujetos con DAI, lo cual es consistente con las llamadas recientes a centrarse en el mejoramiento cognitivo entre las poblaciones adictas, incluidos los sujetos con DAI. [ 66 ], [ 67 ]. Estudios recientes han demostrado que los tratamientos físicos o farmacológicos pueden mejorar la integridad de la materia blanca. Por ejemplo, Schlaug y sus colegas informaron que la fisioterapia podría mejorar la integridad de la sustancia blanca en el área del lenguaje correcto y mejorar el habla en pacientes afásicos con lesiones en el área del lenguaje izquierdo [ 68 ]. Por lo tanto, los hallazgos de asociaciones significativas entre la integridad deteriorada de la materia blanca en regiones extensas y las medidas neuropsicológicas más deficientes en pacientes con DAI sugieren que la integridad de la materia blanca puede servir como un predictor de abstinencia o un posible nuevo objetivo de tratamiento para la DAI.
TBSS vs. VBM
Nuestro estudio anterior mostró que no había atrofia de la materia blanca en la misma cohorte de sujetos con DIA [ 12 ], y esto puede parecer inconsistente con los hallazgos de este estudio. La densidad de materia gris o blanca medida por VBM se define como la concentración relativa de estructuras de materia gris o blanca en imágenes espacialmente normalizadas (es decir, la proporción de materia gris o blanca a todos los tipos de tejidos dentro de una región), que no debe "confundirse con células". Densidad de empaque medida citoarquitecticamente ” [ 69 ]. En el análisis DTI / TBSS, el valor de FA se utiliza como un sustituto de la integridad estructural de la materia blanca, que puede surgir a través de factores como la mielinización, el tamaño y la densidad de los axones, la geometría de la trayectoria y el espacio de agua extracelular entre las fibras. [ 20 ]. Por lo tanto, la densidad derivada de VBM y la integridad estructural medida por DTI representan diferentes aspectos de la materia blanca. Puede haber regiones de materia blanca que no muestren atrofia por VBM, pero estén deterioradas estructuralmente como se detectó con las mediciones de FA (es decir, es exactamente el caso en nuestro estudio de IAD) y viceversa. Tomando los hallazgos de los dos estudios juntos, se puede concluir que la DIA en la adolescencia no está asociada con cambios morfológicos en la materia blanca en el nivel macroscópico, sino más bien con una integridad microestructural de la materia blanca, que podría atribuirse a la desmielinización.
limitaciones del estudio
Hay varias limitaciones que deben mencionarse en este estudio. En primer lugar, el diagnóstico de DIA se basó principalmente en los resultados de cuestionarios autoinformados, que podrían causar algún error en la clasificación. Por lo tanto, el diagnóstico de IAD debe refinarse con herramientas de diagnóstico estandarizadas para mejorar la confiabilidad y la validez. En segundo lugar, aunque hicimos todo lo posible por excluir las sustancias comórbidas y los trastornos psiquiátricos, se reconoce que esto puede no haberse hecho lo suficiente (es decir, no se realizó un análisis de orina, los hábitos y horarios de sueño y la somnolencia diaria no se controlaron en el diseño del experimento) , de modo que los cambios de materia blanca observados pueden no atribuirse a la IAD per se. También se admite que este no es un estudio controlado de los efectos del uso de internet en la estructura del cerebro. En tercer lugar, el tamaño de la muestra en este estudio fue relativamente pequeño, lo que podría reducir el poder de la significación estadística y la generalización de los hallazgos. Debido a esta limitación, estos resultados deben considerarse preliminares, que deben replicarse en estudios futuros con un tamaño de muestra mayor. Finalmente, como un estudio transversal, nuestros resultados no demuestran claramente si las características psicológicas precedieron al desarrollo de la IAD o fueron una consecuencia del uso excesivo de Internet. Por lo tanto, los estudios futuros deben intentar identificar las relaciones causales entre la DAI y las medidas psicológicas.
En conclusión, utilizamos el análisis DTI con TBSS para investigar la microestructura de la materia blanca entre los adolescentes con DAI. Los resultados demuestran que la IAD se caracteriza por el deterioro de las fibras de materia blanca que conectan las regiones del cerebro involucradas con la generación y el procesamiento emocional, la atención ejecutiva, la toma de decisiones y el control cognitivo. Los hallazgos también sugieren que la IAD puede compartir mecanismos psicológicos y neuronales con otros tipos de trastornos de control de impulsos y adicción a sustancias. Además, las asociaciones entre los valores de FA en las regiones de materia blanca y las medidas de comportamiento indican que la integridad de la materia blanca puede servir como un posible nuevo objetivo de tratamiento para la DAI, y el DTI puede ser valioso para proporcionar información sobre el pronóstico para la DAI, y la FA puede ser un calificado biomarcador para evaluar la efectividad de intervenciones tempranas específicas en DAI.
AGRADECIMIENTOS
Agradecemos a los dos revisores anónimos por sus comentarios y sugerencias constructivas. También agradecemos a los estudiantes adolescentes y a las familias que participaron con mucho gusto en este estudio.
Contribuciones de autor
Concebido y diseñado los experimentos: FL YZ YD JX HL. Realizó los experimentos: YZ LQ ZZ. Analicé los datos: FL HL. Reactivos aportados / materiales / herramientas de análisis: YZ YD FL. Escribió el papel: FL HL.
Referencias
1. Aboujaoude E (2010) Uso problemático de Internet: una descripción general. Psiquiatría mundial 9: 85–90. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
2. Beard KW, Wolf EM (2001) Modificación de los criterios diagnósticos propuestos para la adicción a Internet. Cyberpsychol Behav 4: 377–383. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
3. Young KS (1998) Adicción a Internet: la aparición de un nuevo trastorno clínico. Cyberpsychol Behav 1: 237-274. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
4. Chou C, Condron L, Belland JC (2005) Una revisión de la investigación sobre la adicción a Internet. Educ Psychol Rev 17: 363–388. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
5. Douglas AC, Mills JE, Niang M, Stepchenkova S, Byun S, et al. (2008) Adicción a Internet: meta-síntesis de la investigación cualitativa para la década 1996-2006. Comput Human Behav 24: 3027-3044.ENCUENTRA ESTE ARTÍCULO EN LÍNEA
6. Weinstein A, Lejoyeux M (2010) Adicción a Internet o uso excesivo de Internet. Am J Drug Alcohol Abuse 36: 277–283. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
7. Bernardi S, Pallanti S (2009) Adicción a Internet: un estudio clínico descriptivo centrado en comorbilidades y síntomas disociativos. Compr Psychiatry 50: 510–516. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
8. Caplan SE (2002) Uso problemático de Internet y bienestar psicosocial: Desarrollo de un instrumento de medición cognitivo-conductual basado en la teoría. Comput Human Behav 18: 553–575. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
9. Cao F, Su L (2007) Adicción a Internet entre adolescentes chinos: prevalencia y características psicológicas. Child Care Health Dev 33: 275–281. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
10. Shaw M, Black DW (2008) Adicción a Internet: definición, evaluación, epidemiología y manejo clínico. Medicamentos del SNC 22: 353–365. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
11. Tao R, Huang XQ, Wang JN, Zhang HM, Zhang Y, et al. (2010) Criterios de diagnóstico propuestos para la adicción a Internet. Adicción 105: 556–564. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
12. Zhou Y, Lin FC, Du YS, Qin LD, Zhao ZM, et al. (2011) Anomalías de la materia gris en la adicción a Internet: un estudio de morfometría basado en vóxeles. Eur J Radiol 79: 92–95. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
13. Yuan K, Qin W, Wang G, Zeng F, Zhao L, et al. (2011) Anormalidades de la microestructura en adolescentes con trastorno por adicción a Internet. PLoS One 6: e20708. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
14. Liu J, Gao XP, Osunde I, Li X, Zhou SK, et al. (2010) Aumento de la homogeneidad regional en el trastorno de adicción a Internet: un estudio de imágenes de resonancia magnética funcional en estado de reposo. Chin Med J (Engl) 123: 1904-1908. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
15. Han DH, Bolo N, Daniels MA, Arenella L, Lyoo IK, et al. (2011) Actividad cerebral y deseo de jugar videojuegos en Internet. Compr Psychiatry 52: 88–95. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
16. Ko CH, Liu GC, Hsiao S, Yen JY, Yang MJ, et al. (2009) Actividades cerebrales asociadas con el impulso de juego de la adicción a los juegos en línea. J Psychiatr Res 43: 739–747. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
17. Dong G, Lu Q, Zhou H, Zhao X (2010) Inhibición de impulsos en personas con trastorno de adicción a Internet: evidencia electrofisiológica de un estudio Go / NoGo. Neurosci Lett 485: 138-142. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
18. Park HS, Kim SH, Bang SA, Yoon EJ, Cho SS, et al. (2010) Alteración del metabolismo cerebral regional de la glucosa en juegos de Internet sobre usuarios: un estudio de tomografía por emisión de positrones con 18F-fluorodesoxiglucosa. CNS Spectr 15: 159-166. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
19. Basser PJ, Mattiello J, LeBihan D (1994) Estimación del tensor de autodifusión efectivo a partir del eco de espín de RMN. J Magn Reson B 103: 247-254. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
20. Le Bihan D (2003) Observación de la arquitectura funcional del cerebro con resonancia magnética de difusión. Nat Rev Neurosci 4: 469–480. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
21. Basser PJ, Pierpaoli C (1996) Características microestructurales y fisiológicas de los tejidos aclaradas por resonancia magnética con tensor de difusión cuantitativa. J Magn Reson B 111: 209–219. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
22. Song SK, Sun SW, Ramsbottom MJ, Chang C, Russell J, et al. (2002) La dismielinización se reveló mediante resonancia magnética como un aumento de la difusión radial (pero axial sin cambios) de agua. Neuroimage 17: 1429-1436. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
23. Smith SM, Jenkinson M, Johansen-Berg H, Rueckert D, Nichols TE, et al. (2006) Estadísticas espaciales basadas en tractos: análisis por voxel de datos de difusión de múltiples sujetos. Neuroimage 31: 1487-1505. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
24. Oldfield RC (1971) La evaluación y el análisis de la mano: el inventario de Edimburgo. Neuropsychologia 9: 97-113. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
25. Sheehan DV, Sheehan KH, Shytle RD, Janavs J, Bannon Y, et al. (2010) Fiabilidad y validez de la Mini Entrevista Neuropsiquiátrica Internacional para Niños y Adolescentes (MINI-KID). J Clin Psychiatry 71: 313–326. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
26. Young KS (1998) Caught in the Net: Cómo reconocer los signos de la adicción a Internet y una estrategia ganadora para la recuperación. Nueva York: John Wiley.
27. Huang X, Zhang Z (2001) La compilación de la escala de disposición de gestión del tiempo de la adolescencia. Acta Psychol Sin 33: 338–343. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
28. Goodman R (1997) El cuestionario de fortalezas y dificultades: una nota de investigación. J Child Psychol Psychiatry 38: 581–586. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
29. Patton JH, Stanford MS, Barratt ES (1995) Estructura factorial de la escala de impulsividad de Barratt. J Clin Psychol 51: 768–774. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
30. Birmaher B, Khetarpal S, Brent D, Cully M, Balach L, et al. (1997) El cribado de trastornos emocionales relacionados con la ansiedad infantil (SCARED): construcción de escalas y características psicométricas. J Am Acad Child Adolesc Psychiatry 36: 545–553. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
31. Epstein NB, Baldwin LM, Bishop DS (1983) El dispositivo de evaluación de la familia McMaster. J Marital Fam Ther 9: 171–180. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
32. Smith SM (2009) Mejora de conglomerados sin umbral: abordar problemas de suavizado, dependencia del umbral y localización en la inferencia de conglomerados. Neuroimage 44: 83–98. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
33. Ongur D, Price JL (2000) La organización de redes dentro de la corteza prefrontal orbital y medial de ratas, monos y humanos. Cereb Cortex 10: 206–219. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
34. Schoenebaum G, Roesch MR, Stalnaker TA (2006) Corteza orbitofrontal, toma de decisiones y adicción a las drogas. Trends Neurosci 29: 116-124. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
35. Volkow ND, Fowler JS (2000) Adicción, una enfermedad de compulsión e impulso: Implicación de la corteza orbitofrontal. Cereb Cortex 10: 318-325. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
36. Harris GJ, Jaffin SK, Hodge SM, Kennedy D, Caviness VS, et al. (2008) Déficits de imagen del tensor de difusión del cíngulo y la sustancia blanca frontal en el alcoholismo. Alcohol Clin Exp Res 32: 1001–1013. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
37. Lim KO, Choi SJ, Pomara N, Wolkin A, Rotrosen JP (2002) Reducción de la integridad de la materia blanca frontal en la dependencia de la cocaína: un estudio de imágenes de tensor de difusión controlado. Biol Psychiatry 51: 890–895. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
38. Romero MJ, Asensio S, Palau C, Sánchez A, Romero FJ (2010) Adicción a la cocaína: estudio de imágenes por tensor de difusión de la sustancia blanca cingulada frontal inferior y anterior. Psychiatry Res 181: 57–63.ENCUENTRA ESTE ARTÍCULO EN LÍNEA
39. Bava S, Frank LR, McQueeny T, Schweinsburg BC, Schweinsburg AD, et al. (2009) Microestructura alterada de la materia blanca en usuarios adolescentes de sustancias. Psychiatry Res 173: 228-237. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
40. Alicata D, Chang L, Cloak C, Abe K, Ernst T (2009) Mayor difusión en el cuerpo estriado y menor anisotropía fraccional en la materia blanca de los usuarios de metanfetamina. Psychiatry Res 174: 1–8. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
41. Liao Y, Tang J, Ma M, Wu Z, Yang M, et al. (2010) Anomalías frontales de la sustancia blanca después del uso crónico de ketamina: un estudio de imágenes de tensor de difusión. Brain 133: 2115–2122. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
42. Goldstein RZ, Volkow ND (2002) La adicción a las drogas y su base neurobiológica subyacente: evidencia de neuroimagen de la participación de la corteza frontal. Am J Psychiatry 159: 1642–1652. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
43. Liu H, Li L, Hao Y, Cao D, Xu L, et al. (2008) Integridad alterada de la sustancia blanca en la dependencia de la heroína: un estudio controlado que utiliza imágenes de tensor de difusión. Am J Drug Alcohol Abuse 34: 562–575. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
44. deLacoste MC, Kirkpatrick JB, Ross ED (1985) Topografía del cuerpo calloso humano. J Neuropathol Exp Neurol 44: 578–591. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
45. Abe O, Masutani Y, Aoki S, Yamasue H, Yamada H, et al. (2004) Topografía del cuerpo calloso humano usando tractografía de tensor de difusión. J Comput Assist Tomogr 28: 533–539. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
46. Arnone D, Abou-Saleh MT, Barrick TR (2006) Imágenes del tensor de difusión del cuerpo calloso en la adicción. Neuropsychobiology 54: 107-113. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
47. Moeller FG, Hasan KM, Steinberg JL, Kramer LA, Dougherty DM, et al. (2005) La integridad reducida de la materia blanca del cuerpo calloso anterior está relacionada con una mayor impulsividad y una capacidad de discriminación reducida en sujetos dependientes de cocaína: imágenes con tensor de difusión. Neuropsychopharmacology 30: 610–617. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
48. Lim KO, Wozniak JR, Mueller BA, Franc DT, Specker SM, et al. (2008) Anomalías macroestructurales y microestructurales del cerebro en la dependencia de la cocaína. Drogas Alcohol Depend 92: 164-172. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
49. Salo R, Nordahl TE, Buonocore MH, Natsuaki Y, Waters C, et al. (2009) Control cognitivo y microestructura callosa de la sustancia blanca en sujetos dependientes de metanfetamina: un estudio de imágenes de tensor de difusión. Biol Psychiatry 65: 122-128. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
50. Moeller FG, Steinberg JL, Lane SD, Buzby M, Swann AC, et al. (2007) Imágenes con tensor de difusión en usuarios y controles de MDMA: asociación con la toma de decisiones. Am J Drug Alcohol Abuse 33: 777–789. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
51. De Bellis MD, Van Voorhees E, Hooper SR, Gibler N, Nelson L, et al. (2008) Medidas del tensor de difusión del cuerpo calloso en adolescentes con trastornos por consumo de alcohol de inicio en la adolescencia. Alcohol Clin Exp Res 32: 395–404. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
52. Pfefferbaum A, Adalsteinsson E, Sullivan EV (2006) Dismorfología y degradación microestructural del cuerpo calloso: Interacción de la edad y el alcoholismo. Neurobiol Aging 27: 94-1009. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
53. Bora E, Yucel M, Fornito A, Pantelis C, Harrison BJ, et al. (2010) Microestructura de la materia blanca en la adicción a los opiáceos. Addict Biol. En prensa. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
54. Yeh PH, Simpson K, Durazzo TC, Gazdzinski S, Meyerhoff DJ (2009) Estadísticas espaciales basadas en el tracto (TBSS) de datos de imágenes del tensor de difusión en la dependencia del alcohol: anomalías del neurocircuito motivacional. Psychiatry Res 173: 22-30. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
55. Pfefferbaum A, Rosenbloom M, Rohlfing T, Sullivan EV (2009) Degradación de los sistemas de asociación y proyección de materia blanca en el alcoholismo detectado con seguimiento cuantitativo de fibra. Biol Psychiatry 65: 680–690. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
56. Mori S, Wakana S, Nagae-Poetscher L, Van Zijl P (2005) MRI Atlas of Human White Matter. San Diego, CA: Elsevier.
57. Wakana S (2004) Atlas basado en el tracto de fibra de la anatomía de la materia blanca humana. Radiología 230: 77–87.ENCUENTRA ESTE ARTÍCULO EN LÍNEA
58. Bell RP, Foxe JJ, Nierenberg J, Hoptman MJ, Garavan H (2011) Evaluación de la integridad de la materia blanca en función de la duración de la abstinencia en ex individuos dependientes de la cocaína. Drogas Alcohol Depend 114: 159–168. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
59. Tobias MC, O'Neill J, Hudkins M, Bartzokis G, Dean AC, et al. (2010) Anormalidades de la materia blanca en el cerebro durante la abstinencia temprana del abuso de metanfetamina. Psicofarmacología 209: 13-24. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
60. Lane SD, Steinberg JL, Ma LS, Hasan KM, Kramer LA, et al. (2010) Imágenes del tensor de difusión y toma de decisiones en la dependencia de la cocaína. PLoS One 5: e11591. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
61. Moeller FG, Hasan KM, Steinberg JL, Kramer LA, Valdes I, et al. (2007) Autovalores de imágenes del tensor de difusión: evidencia preliminar de mielina alterada en la dependencia de la cocaína. Psychiatry Res 154: 253-258. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
62. Kim IS, Kim YT, Song HJ, Lee JJ, Kwon DH, et al. (2009) Reducción de la integridad microestructural de la sustancia blanca del cuerpo calloso revelada por los valores propios del tensor de difusión en adictos a la metanfetamina abstinentes. Neurotoxicology 30: 209–213. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
63. Song SK, Sun SW, Ju WK, Lin SJ, Cross AH, et al. (2003) Las imágenes del tensor de difusión detectan y diferencian la degeneración de axones y mielina en el nervio óptico del ratón después de la isquemia retiniana. Neuroimage 20: 1714-1722. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
64. Huang X, Zhang H, Li M, Wang J, Zhang Y, et al. (2010) Salud mental, personalidad y estilos de crianza parental de adolescentes con trastorno de adicción a Internet. Cyberpsychol Behav Soc Netw 13: 401–406. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
65. Pfefferbaum A, Sullivan EV, Hedehus M, Adalsteinsson E, Lim KO, et al. (2000) Detección in vivo y correlaciones funcionales de la alteración microestructural de la materia blanca en el alcoholismo crónico. Alcohol Clin Exp Res 24: 1214–1221. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
66. Du YS, Jiang W, Vance A (2010) Efecto a largo plazo de la terapia cognitivo-conductual de grupo controlado y aleatorizado para la adicción a Internet en estudiantes adolescentes en Shanghai. Aust NZJ Psychiatry 44: 129-134. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
67. Vocci FJ (2008) Remediación cognitiva en el tratamiento de los trastornos por abuso de estimulantes: una agenda de investigación. Exp Clin Psychopharmacol 16: 484–497. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
68. Schlaug G, Marchina S, Norton A (2009) Evidencia de plasticidad en tractos de materia blanca de pacientes con afasia crónica de Broca que se someten a una terapia del habla basada en entonación intensa. Ann NY Acad Sci 1169: 385–394. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
69. Mechelli A, Price CJ, Friston KJ, Ashburner J (2005) Morfometría del cerebro humano basada en voxel: métodos y aplicaciones. Curr Med Imaging Rev 1: 105-113. ENCUENTRA ESTE ARTÍCULO EN LÍNEA
;