Disminución de la conectividad funcional del cerebro en adolescentes con adicción a internet (2013)

Más uno. 2013;8(2):e57831. doi: 10.1371/journal.pone.0057831.

Hong SB, Zalesky A, Cocchi L, Fornito A, Choi EJ, Kim HH, Suh JE, Kim CD, Kim JW, Yi SH.

Fuente

Melbourne Neuropsychiatry Center, Departamento de Psiquiatría, University of Melbourne and Melbourne Health, Parkville, Victoria, Australia; Instituto Florey de Neurociencia y Salud Mental, Parkville, Victoria, Australia; División de Psiquiatría de Niños y Adolescentes, Departamento de Psiquiatría, Facultad de Medicina, Universidad Nacional de Seúl, Seúl, República de Corea.

Resumen

FONDO:

Internet adicción se ha reconocido cada vez más como un trastorno mental, aunque se desconoce su base neurobiológica. Este estudio utilizó la neuroimagen funcional para investigar la conectividad funcional de todo el cerebro en adolescentes diagnosticados con Internet adicción. Basados ​​en cambios neurobiológicos observados en otros. adicción trastornos relacionados, se predijo que las interrupciones de la conectividad en adolescentes con Internet adicción Sería más prominente en el circuito corticoestiatial.

MÉTODOS:

Los participantes fueron adolescentes 12 diagnosticados con Internet adicción y 11 sanos sujetos de comparación. Se adquirieron imágenes de resonancia magnética funcional en estado de reposo y se analizaron las diferencias de grupo en la conectividad funcional cerebral utilizando la estadística basada en la red. También analizamos la topología de la red, analizando las diferencias entre grupos en las medidas clave de la red basadas en gráficos.

RESULTADOS:

Adolescentes con Internet adicción mostró una conectividad funcional reducida que abarca una red distribuida. La mayoría de las conexiones dañadas incluían circuitos cortico-subcorticales (∼24% con prefrontal y ∼27% con corteza parietal). El putamen bilateral fue la región subcortical cerebral más involucrada.. No se observaron diferencias entre los grupos en las medidas topológicas de la red, incluido el coeficiente de agrupamiento, la longitud de la trayectoria característica o la relación de pequeño mundo.

CONCLUSIONES:

Internet adicción se asocia con una disminución generalizada y significativa de la conectividad funcional en los circuitos córtico-estriatales, en ausencia de cambios globales en la topología de la red funcional del cerebro.

Cita: Hong SB, Zalesky A, Cocchi L, Fornito A, Choi EJ, et al. (2013) Disminución de la conectividad funcional del cerebro en adolescentes con adicción a Internet. PLoS ONE 8 (2): e57831. doi: 10.1371 / journal.pone.0057831

Editor: Xi-Nian Zuo, Instituto de Psicología, Academia China de Ciencias, China

Recibido: Octubre 1, 2012; Aceptado: Enero 26, 2013; Publicado: Febrero 25, 2013

Copyright: © 2013 Hong et al. Este es un artículo de acceso abierto distribuido según los términos de la Licencia de Atribución de Creative Commons, que permite el uso, la distribución y la reproducción sin restricciones en cualquier medio, siempre que se acredite al autor original y la fuente.

Fondos: Este trabajo fue apoyado por el Fondo de Investigación del Programa de Fusión Cerebral de la Universidad Nacional de Seúl. SBH recibió el apoyo de una subvención de la Fundación Nacional de Investigación de Corea (Global Internship Programme) financiada por el gobierno coreano. AF recibió el apoyo de una beca CJ Martin del Consejo Nacional de Salud e Investigación Médica (ID: 454797). Los financiadores no tuvieron ningún papel en el diseño del estudio, la recopilación y el análisis de datos, la decisión de publicar o la preparación del manuscrito.

Conflicto de intereses: Los autores han declarado que no existen intereses en pugna.

 

Introducción

La adicción a Internet ha sido cada vez más reconocida tanto en público como en la comunidad científica de todo el mundo. [ 1 ], aunque es una condición relativamente nueva y sus características psicopatológicas y mecanismos neurobiológicos siguen siendo poco conocidos. Recientes estudios de neuroimagen han reportado cambios significativos en la función cerebral y la estructura asociada con la adicción a internet. La mayoría de estos estudios utilizaron imágenes de resonancia magnética funcional (IRMf) realizadas durante las tareas, y han implicado regiones frontales y estriatales y, en menor medida, la corteza parietal y de la ínsula. [ 2 ]–[ 5 ]. Además, utilizando la tomografía por emisión de positrones (PET), Kim et al. (2011) encontraron una disminución en la disponibilidad del receptor D2 de dopamina en el caudado bilateral y el putamen derecho [ 6 ], y Hou et al. (2012) mediante tomografía computarizada por emisión de fotón único (SPECT) encontró disminución en el nivel de expresión del transportador de dopamina estriatal en adultos con adicción a Internet [ 7 ]. Estos hallazgos concuerdan con los modelos teóricos actuales de los trastornos de adicción, que comprenden no solo la adicción a sustancias, sino también la adicción conductual (por ejemplo, el juego patológico), que enfatiza la patología de los circuitos fronto-estriados. [ 8 ], así como la ínsula. [ 9 ], [ 10 ]. Estudios estructurales de resonancia magnética por Zhou et al. (2011) y Yuan et al. (2011) han sugerido conjuntamente anomalías en la materia gris en regiones del cerebro, incluida la corteza prefrontal [ 11 ], [ 12 ], y un estudio de imágenes de tensor de difusión por Lin et al. (2012) informó anomalías generalizadas de la sustancia blanca en adolescentes con adicción a Internet [ 13 ]. Por último, Liu et al. (2010) encontró homogeneidad regional alterada en la adicción a internet [ 14 ], que, según nuestro conocimiento, es el único hallazgo de IRMF en estado de reposo en la literatura sobre este trastorno [ 15 ]. Los autores investigaron la homogeneidad temporal en la señal dependiente del nivel de oxígeno en sangre (BOLD, por sus siglas en inglés) de cada vóxel con los de sus vóxeles vecinos 26 más cercanos de forma voxeliana.

La IRMf en estado de reposo es una técnica de imagen relativamente nueva para investigar las correlaciones interregionales de la actividad cerebral espontánea. registrado como alguien yace en silencio en el escáner sin estar involucrado en una tarea específica [ 16 ]. El enfoque proporciona un método robusto para mapear sistemas funcionales bien definidos [ 17 ], [ 18 ]. Las medidas del estado de reposo son confiables. [ 19 ], [ 20 ], bajo control genético [ 21 ]–[ 23 ], y pensado para indexar una propiedad intrínseca de la organización funcional del cerebro [ 24 ], sujeto a ciertas advertencias [ 25 ]. En combinación con las técnicas de teoría de grafos, la IRMf en estado de reposo ofrece un medio poderoso para investigar la organización a gran escala de las dinámicas funcionales del cerebro y su alteración en las condiciones psicopatológicas [ 26 ].

En este estudio, utilizamos datos de IRMf en estado de reposo para hacer un mapa de las diferencias en la conectividad funcional entre un conjunto completo de 90 distintas regiones cerebrales corticales y subcorticales en individuos sanos y adolescentes con adicción a Internet, centrándonos en individuos que participan en juegos en línea excesivos entre los subtipos propuestos de este trastorno [ 27 ]. También realizamos un análisis de perturbaciones topológicas de red. [ 28 ] para evaluar si alguna diferencia entre los grupos en la conectividad se asoció aún más con una reconfiguración global de las interacciones funcionales [ 26 ]Como se ha informado en muchos otros trastornos psiquiátricos. [ 29 ], [ 30 ].

Basado en hallazgos previos de neuroimagen estructural y funcional en adicción a internet. [ 3 ], [ 4 ], [ 6 ], [ 7 ], [ 15 ], junto con los modelos teóricos establecidos de trastornos de adicción a sustancias. [ 8 ], [ 9 ], planteamos la hipótesis de que los adolescentes con adicción a internet mostrarían una conectividad interregional alterada entre las regiones frontal y estriatal, con una posible participación adicional de la corteza parietal y la ínsula.

 

Materiales y Métodos

Declaración de Ética

Este estudio fue aprobado por la junta de revisión institucional para sujetos humanos en la Universidad Nacional de Seúl. Todos los adolescentes y sus padres dieron su consentimiento informado por escrito antes de ingresar al estudio. El estudio se realizó de acuerdo con la Declaración de Helsinki.

Participantes

Doce adolescentes varones diestros con adicción a internet y 11 diestros y con igualdad de género [ 31 ] Controles sanos participaron en este estudio. El diagnóstico de adicción a Internet se estableció utilizando la Escala de adicción a Internet joven (YIAS), que consta de elementos 20, cada uno basado en una escala de Likert de punto 5 que evalúa el grado de problemas causados ​​por el uso de Internet. [ 32 ], y el Programa infantil para los trastornos afectivos y la esquizofrenia presente y la Versión de por vida (K-SADS-PL), una herramienta de entrevista de diagnóstico semiestructurado con validez y confiabilidad establecidas, que nos permitió excluir otros trastornos psiquiátricos [ 33 ], [ 34 ]. Los participantes con adicción a Internet se limitaron a aquellos que informaron haber experimentado componentes típicos de la adicción (es decir, tolerancia, abstinencia, preocupación por los juegos en línea, repetidos intentos fallidos de reducir o detener los juegos en línea, influenciada negativamente en el estado de ánimo al intentar reducir los juegos en línea y descuidando relaciones o actividades importantes debido a los juegos en línea) [ 35 ], [ 36 ]. Todos los participantes con adicción a Internet informaron un juego en línea excesivo entre los subtipos propuestos de este trastorno. Se aplicaron los mismos instrumentos al reclutar adolescentes sanos. También se evaluó la información demográfica y el cociente de inteligencia (IQ) de todos los participantes (ver Tabla 1).

uña del pulgar
Descargar: 

 

Tabla 1. Características demográficas y clínicas de los participantes.

doi: 10.1371 / journal.pone.0057831.t001

Adquisición de datos y procesamiento de imágenes

Las imágenes fMRI en estado de reposo se adquirieron en un escáner 3T Siemens (Siemens Magnetom Trio Tim Syngo MR B17, Alemania) con los siguientes parámetros: tiempo de repetición (TR) 2700 ms; tiempo de eco (TE) 30 ms; matriz de adquisición 64 × 64; campo de visión (FOV) 192 × 192 mm2; ángulo de giro 90 °; tamaño de vóxel 3.0 mm × 3.0 mm × 3.0 mm; Rebanadas 40. El tiempo total de la adquisición fue 6 min 45 sec. Se utilizó una bobina de cabeza y se minimizó el movimiento de la cabeza rellenando el espacio vacío alrededor de la cabeza con material de esponja y fijando la mandíbula inferior con una cinta.

El preprocesamiento de imágenes de fMRI se realizó utilizando el Asistente de procesamiento de datos para fMRI en estado de reposo (DPARSF) [ 37 ], que se basa en el mapeo paramétrico estadístico (SPM8) y el kit de herramientas de análisis de datos fMRI en estado de reposo (REST). Las primeras imágenes 5 en cada sujeto se descartaron, y las imágenes 145 restantes se corrigieron para el tiempo de corte y se alinearon con el primer volumen para corregir los artefactos de movimiento. Todos los participantes mostraron menos de 0.5 mm de desplazamiento y 0.5 ° de rotación en sus parámetros de movimiento de la cabeza 6. Además, los dos grupos no fueron significativamente diferentes (p<0.05) en los cuatro parámetros de movimiento de la cabeza sugeridos recientemente por Van Dijk et al. [ 38 ]: es decir, desplazamiento medio de la cabeza (adicción a Internet: 0.04 ± 0.01 mm, control: 0.04 ± 0.01 mm), desplazamiento máximo de la cabeza (adicción a Internet: 0.18 ± 0.14 mm, control: 0.17 ± 0.07 mm), número de micro (> 0.1 mm ) movimientos (no más de 2 para todos los participantes, excepto dos individuos en el grupo de adicción a Internet que tienen 5 y 6 micro movimientos) y rotación de la cabeza (adicción a Internet: 0.04 ± 0.01 °, control: 0.04 ± 0.00 °). Antes de la normalización espacial, se creó una plantilla de cerebro de edad y género a partir de los datos del estudio NIH MRI sobre el desarrollo normal del cerebro, utilizando Template-O-Matic [ 39 ]. Nuestras imágenes fMRI se normalizaron utilizando esta plantilla personalizada y se suavizaron con un kernel gaussiano de ancho completo de 6 mm. Los datos luego se redujeron y se filtraron las fluctuaciones de baja frecuencia (0.01 – 0.08 Hz) para detectar señales de la materia gris y reducir el efecto del ruido. Seis parámetros de movimiento de la cabeza, señales de materia blanca y señales de líquido cefalorraquídeo se regresaron de la señal BOLD filtrada. Finalmente, los residuos de esta regresión se extrajeron de las regiones cerebrales 90 (nodos) según el atlas de Etiquetado anatómico automatizado (AAL) [ 40 ], y se calcularon asociaciones por pares, lo que resultó en una matriz de conectividad de 90 por 90 por cada sujeto. Se utilizó el coeficiente de correlación de Pearson (retardo cero) para cuantificar cada asociación por pares. Tenga en cuenta que la señal global no se incluyó como una covariable molesta, lo que garantiza que la proporción de correlaciones negativas sea mínima.

Análisis de Datos

La estadística basada en la red (NBS) [ 41 ], [ 42 ] se usó para identificar redes cerebrales regionales que muestran una diferencia significativa entre los grupos en la conectividad funcional interregional. Específicamente, se realizó una prueba t para probar una diferencia entre los grupos en el coeficiente de correlación en cada uno de los pares regionales únicos 90 × (90-1) / 2 = 4005. Redes interconectadas, formalmente conocidas como componentes del grafo, luego se identificaron entre las conexiones con un estadístico t que excedía un umbral de t = 3.0. Se calculó un valor de p corregido por error familiar (FWE) para el tamaño de cada componente resultante mediante la prueba de permutación (permutaciones 20000). Cada permutación implicaba mezclar aleatoriamente las etiquetas de grupo e identificar el tamaño de la mayor red interconectada, lo que produce una distribución nula empírica de tamaños de componentes máximos [ 43 ]. Se estimó un valor p corregido por FWE para cada red interconectada como la proporción de permutaciones que produjeron una red interconectada más grande o una de igual tamaño. Las dos hipótesis alternativas (adicción> controles y adicción <controles) se evaluaron de forma independiente. Todos estos pasos se realizaron utilizando el paquete de software NBS, que se distribuye libremente como parte de Brain Connectivity Toolbox (http://www.brain-connectivity-toolbox.net/) o NITRC (http://www.nitrc.org/projects/nbs/). Evaluar la reproducibilidad de cualquier hallazgo significativo a atlas alternativos. [ 44 ], el análisis anterior se repitió por separado con el atlas AAL sustituido con dos atlas alternativos para parcelar la corteza en regiones no superpuestas; a saber, el atlas estructural del Instituto de Neurología de Montreal (MNI) (http://www.fmrib.ox.ac.uk/fsl/data/atlas-descriptions.html) y una parcelación aleatoria que comprende regiones 120 [ 45 ]. El atlas MNI es una parcelación gruesa que representa ocho regiones anatómicas por hemisferio cerebral, lo que facilita la caracterización de la conectividad inter-lobar.

A continuación, probamos las diferencias entre grupos en las medidas clave de red basadas en gráficos [ 28 ]; a saber, el coeficiente de agrupamiento promedio, la longitud de la trayectoria característica y la relación de pequeño mundo. La interpretación de estas medidas en términos de complejidad cerebral y organización se puede encontrar en la literatura más reciente [ 26 ], [ 30 ], [ 46 ]–[ 49 ]. Las matrices de conectividad primero se binarizaron con respecto a un conjunto de densidades de conexión fijas, que van desde 10% a 30% [ 28 ]. Las medidas de red se calcularon en cada densidad utilizando la función apropiada provista en la Caja de herramientas de conectividad cerebral. El coeficiente de agrupamiento y la longitud de la ruta característica se normalizaron con respecto a un conjunto de redes aleatorias 20 generadas usando el algoritmo de recableado Maslov-Sneppen [ 50 ]. Las diferencias entre los grupos se evaluaron en cada densidad utilizando una prueba t de dos caras.

Finalmente, el coeficiente de agrupamiento y la longitud de la ruta se calcularon localmente para cada una de las regiones 90. También se usó una prueba t de dos caras para probar las diferencias entre grupos en estas medidas específicas de la región. La tasa de descubrimiento falso (FDR) [ 51 ] se usó para corregir comparaciones múltiples en la familia de densidades de red y regiones.

 

Resultados

Características de los participantes

Todos los participantes eran hombres diestros. No se encontraron diferencias significativas en la edad y el coeficiente intelectual entre los dos grupos, y el puntaje YIAS fue significativamente mayor en el grupo de adicción a Internet (Tabla 1).

Diferencias grupales en conectividad funcional

La NBS identificó una red única que muestra significativamente (p<0.05, corregido por FWE) disminuyó la conectividad en adolescentes con adicción a Internet en comparación con los controles. Esta red afectada comprendía 59 enlaces, que involucraban 38 regiones cerebrales diferentes (Figura 1 y XNUMX). La red se replicó ampliamente cuando el atlas AAL se sustituyó por dos atlas alternativos para parcelar la corteza en regiones no superpuestas (ver Figura S1). A pesar de la considerable variación en el número total de regiones que comprenden estos atlas (AAL: 90, MNI: 16, aleatorio: 120), fue evidente una consistencia notable en la estructura general de la red. Se espera que el tamaño de la red aumente con la resolución del atlas (es decir, el número total de regiones), dando lugar a una configuración más compleja. Sin embargo, las regiones corticales y subcorticales (y los lóbulos correspondientes) implicados se replicaron ampliamente en los tres atlas. Las figuras fueron visualizadas con el Visualizador BrainNet (http://www.nitrc.org/projects/bnv/).

uña del pulgar
Descargar: 

Figura 1. Red de conectividad funcional cerebral disminuida en adolescentes con adicción a internet.

Los puntos rojos representan los centroides estereotácticos de las regiones del cerebro (nodos) definidas por el atlas del Etiquetado anatómico automatizado (AAL), y las líneas azules representan enlaces de umbral superior (t = 3.0) que comprenden la red afectada identificada con el estadístico basado en la red (NBS) (p<0.05, corregido por componentes). La vista axial ilustra la participación de conexiones interhemisféricas (es decir, conexiones que se cruzan entre el hemisferio derecho e izquierdo). La vista sagital ilustra la participación de los lóbulos frontal, temporal y parietal en la red afectada.

doi: 10.1371 / journal.pone.0057831.g001

Siguiendo a Fornito et al. [ 52 ]Las regiones AAL se clasificaron en lóbulos principales correspondientes (p. Ej., Frontales, temporales, parietales) y la proporción de conexiones que unen estas divisiones a gran escala se cuantificó para cada par de lóbulos. Se encontró que las conexiones fronto-temporo-parietales estaban afectadas, pero el lóbulo occipital no se incluyó en la red afectada. La mayoría de las conexiones que se redujeron en el grupo de adicción a Internet involucraron vínculos entre regiones subcorticales y cortes frontales (~ 24%) y parietales (~ 27%) (Figura 2 y XNUMX). Para comprender mejor qué regiones subcorticales pueden contribuir a este hallazgo, examinamos la conectividad entre cada lóbulo cortical y cada región subcortical por separado en la red NBS (Figura S2). Este análisis reveló que las regiones subcorticales incluían hipocampo, globo pálido y putamen. Los núcleos de amígdala y caudado no se incluyeron en la red afectada. El putamen bilateral fue la región subcortical más extensamente involucrada, mostrando una disminución de las conexiones con los tres lóbulos cerebrales principales involucrados. Este patrón se replicó utilizando el atlas MNI, del cual la red resultante solo incluía putamen y ínsula, además de lóbulos frontal, parietal y temporal; el núcleo caudado y el lóbulo occipital no se incluyeron en la red afectada.

uña del pulgar
Descargar:  

 

Figura 2. Proporción de conexiones afectadas en la adicción a internet que vincula distintos pares de amplias divisiones cerebrales.

El número de enlaces que involucra a cada par de divisiones se normaliza por el número total de enlaces por pares. Tenga en cuenta que el hipocampo, globo pálido y putamen se asignaron a la categoría subcortical, y el giro cingulado anterior se asignó a la categoría frontal. La amígdala y el núcleo caudado no se incluyeron en la red interrumpida y, por lo tanto, no fue necesario asignar estas regiones a un lóbulo. El putamen, bilateralmente, fue la región subcortical con mayor participación, mostrando conexiones disminuidas con los tres lóbulos cerebrales principales involucrados.

doi: 10.1371 / journal.pone.0057831.g002

No identificamos ninguna red con mayor conectividad en el grupo de adicción a Internet. No se encontró una correlación significativa entre la conectividad funcional en la red identificada y el puntaje YIAS, ya sea en el grupo de adicción a Internet o en los controles.

Diferencias de grupo en la topología de red

No se observó ninguna diferencia entre los grupos en el coeficiente de agrupamiento promedio, la longitud de la trayectoria característica o la relación de pequeño mundo en ninguna de las densidades de red investigadas (p<0.05, corregido por FDR) (Figura 3 y XNUMX). Además, ninguna diferencia entre los grupos en las medidas locales correspondientes (específicas de la región) sobrevivió a la corrección FDR para comparaciones múltiples. Aplicando una corrección falsa positiva menos rigurosa. p<(1/90) = 0.011 [ 53 ] para explorar los efectos de nivel de tendencia se obtuvieron diferencias entre los grupos en el coeficiente de agrupación local y la longitud de la trayectoria local que aparece predominantemente en los lóbulos occipitales (Tablas S1 y S2).

uña del pulgar
Descargar: 

 

Figura 3. Parámetros del mundo pequeño de la conectividad funcional cerebral en adolescentes con adicción a internet.

doi: 10.1371 / journal.pone.0057831.g003

 

 

Discusión

Se encontró evidencia de disminución de la conectividad funcional del cerebro en adolescentes con adicción a Internet. Consistente con los modelos actuales que enfatizan el papel de la patología cortico-subcortical en la adicción [ 54 ], 24% de las conexiones en la red alterada que diferencian a los individuos adictos y los controles saludables involucraron vínculos entre las regiones frontal y subcortical. Un 27% adicional vinculó las áreas subcorticales y parietales, con evidencia más limitada de la participación de la ínsula, de nuevo consistente con la evidencia reciente de una participación de estas regiones en la adicción. Tenga en cuenta que nuestro análisis proporciona una prueba rigurosa de los modelos cortico-subcorticales de adicción, ya que incluye medidas de conectividad funcional por pares entre 90 diferentes regiones distribuidas en todo el cerebro. El hecho de que los sistemas cortico-subcorticales emergieron como una patología prominente utilizando este análisis completamente basado en datos proporciona un fuerte apoyo para la participación de estos sistemas en la adicción a Internet. Además, nuestros hallazgos indican que la adicción a Internet comparte características neurobiológicas en común con otros trastornos adictivos, y que las regiones subcorticales en particular pueden representar sitios centrales de la patología de la red cerebral. Una nota importante es la opinión del Instituto Nacional sobre el Abuso de Drogas de que las adicciones de comportamiento podrían ser modelos de adicción relativamente puros, teniendo en cuenta que estas condiciones no están contaminadas por los efectos de las sustancias. [ 55 ]. Mientras que el estudio de muchos otros trastornos de adicción se confunde invariablemente con los efectos secundarios de toxicidad del abuso de sustancias, la adicción a Internet se diagnostica de manera conductual y, por lo tanto, proporciona un modelo más específico para estudiar la adicción que está libre de efectos de drogas a largo plazo.

En este estudio, el NBS se utilizó con el tamaño de la red medido en función de su alcance; es decir, el número total de conexiones que comprende la red. Esta medida de tamaño no es adecuada para detectar efectos focales que involucran conexiones individuales y aisladas que no forman colectivamente una red. Para probar este tipo de diferencias focales entre grupos, se repitió el análisis NBS para detectar diferencias en la masa de los componentes en lugar del tamaño. La estadística de masa proporciona una mayor sensibilidad a los efectos focales e intensos que las pruebas de diferencias en el tamaño de los componentes. Además, también hicimos un umbral de las comparaciones de borde usando el FDR, que será muy sensible a los efectos focales de alta intensidad. No se observaron diferencias significativas entre los grupos, ni con el FDR ni con las estadísticas masivas, lo que sugiere que la conectividad aberrante en la adicción a Internet abarca una red distribuida que involucra varias regiones corticales y subcorticales.

Dado que se sabe que las propiedades de la red cerebral son sensibles a la elección de la plantilla de parcelación, investigamos varios esquemas de parcelación alternativos para evaluar la reproducibilidad de cualquier hallazgo a los cambios en las definiciones nodales. [ 45 ], [ 56 ], [ 57 ]. Esto nos permitió descartar la posibilidad de que ciertos hallazgos se debieran simplemente a un posicionamiento estadístico favorable de los nodos, pero no se reprodujeran con otras parcelaciones bien conocidas.

IEn contraste con la disminución de la fuerza de la conectividad funcional, los parámetros topológicos no revelaron diferencias significativas entre los grupos. Incluso cuando realizamos análisis exploratorios adicionales basados ​​en un control menos estricto contra el error de tipo I, los resultados indicaron una posible diferencia topológica que afectaba principalmente al lóbulo occipital, que no se vio afectado en el análisis NBS. Por lo tanto, si bien la adicción a Internet se asoció con una disminución generalizada y significativa de la conectividad funcional en los circuitos cortico-subcorticales, esta disminución no se asoció con una interrupción global en la topología de la red funcional del cerebro. Este estudio demuestra que pueden existir diferencias generalizadas en la conectividad funcional en ausencia de alteraciones en las medidas topológicas básicas. Puede parecer sorprendente que las diferencias en la fuerza de conectividad estuvieran tan extendidas en ausencia de diferencias topológicas significativas. Sin embargo, es importante señalar que la topología y la fuerza de conectividad son propiedades distintas del conectoma y las anomalías en una no implican anomalías en la otra. Se han observado hallazgos similares en otros trastornos. [ 52 ], [ 58 ]. Sin embargo, observamos que las diferencias de grupo en algunas propiedades topológicas tienden hacia la significación estadística. El análisis de una muestra más grande puede proporcionar el poder necesario para declarar que estos efectos son significativos. Nuestros resultados sugieren que los cambios topológicos pueden ser más sutiles que los observados para las medidas de conectividad funcional.

Entre las conexiones 59 incluidas en la red alterada, 25 eran conexiones interhemisféricas y 34 intrahemisféricas, lo que indica la participación de conexiones de largo alcance y de corto alcance en todo el cerebro. Dado que la adicción a internet es una condición de salud mental recientemente reconocida, con su concepto y criterios de diagnóstico aún difíciles de determinar e indeterminados, tal vez sea sorprendente encontrar una red tan ampliamente afectada en el cerebro de estos sujetos. Recientemente, Lin et al. (2012) investigó la integridad de la sustancia blanca cerebral en adolescentes con adicción a internet utilizando imágenes de tensor de difusión, y encontró una disminución generalizada en la anisotropía fraccional (FA) en todo el cerebro sin un área de mayor FA en el grupo de adicción a internet [ 13 ]. Dichos resultados implican una posible base anatómica para los trastornos funcionales observados en nuestra muestra, una hipótesis que podría probarse utilizando la RMF combinada y la imagen ponderada por difusión en los mismos participantes [ 59 ].

Con respecto al gran número de conexiones interhemisféricas encontradas en la red alterada, durante mucho tiempo se ha pensado que la comunicación interhemisférica eficiente es importante en las funciones cerebrales [ 60 ]–[ 63 ]. Sin embargo, relativamente pocos estudios de adicción a la neuroimagen han abordado la integración funcional entre los hemisferios bilaterales. Recientemente, Kelly et al. (2011) observó una reducción de la conectividad funcional interhemisférica en adultos dependientes de cocaína [ 64 ]. Mostraron la participación primaria de una red fronto-parietal, con un ahorro relativo de regiones temporales, resultados paralelos a nuestros hallazgos. Aunque los autores discutieron el hallazgo principalmente como reflejo de los efectos a largo plazo de la exposición crónica a la cocaína, también mencionaron la posibilidad de que la reducción de la conectividad funcional interhemisférica pudiera haber precedido a la exposición a la cocaína como una vulnerabilidad a los trastornos de adicción. Nuestros resultados sugieren que estos cambios interhemisféricos reflejan una vulnerabilidad para los trastornos de adicción o un correlato neural del comportamiento adictivo genérico, en lugar de ser secundario al uso prolongado de drogas, dado que la adicción en nuestra muestra se definió en términos puramente conductuales. Estas posibilidades podrían evaluarse analizando similitudes fenotípicas entre familiares no afectados de individuos con trastornos de adicción a las drogas o el comportamiento.

Curiosamente, se informó de un patrón similar de disminución de la conectividad funcional en estado de reposo entre las regiones frontal y parietal tanto en personas dependientes de la cocaína como de la heroína.s [ 64 ], [ 65 ]. En una revisión reciente, Sutherland et al. (2012) sugirió que la disminución de la conectividad en los circuitos fronto-parietales podría ser un componente central en la red de control cognitivo deteriorada de las poblaciones adictas a las drogas [ 54 ]. Nuestro hallazgo en la adicción a Internet también respalda la idea de que la disminución de la conectividad funcional entre las regiones frontal y parietal podría ser una característica común entre los diferentes tipos de adicción, lo que sugiere la presencia de un fenotipo compartido que no es una consecuencia secundaria del uso de drogas. Además, una investigación reciente sobre la conectividad funcional de todo el cerebro en la esquizofrenia mostró cambios prominentes fronto-temporales en lugar de fronto-parietales o fronto-estriados [ 52 ], consistente con los modelos patofisiológicos clásicos del trastorno. [ 66 ]. Por supuesto, el hallazgo más notable del presente estudio es que la adicción a Internet se asoció con la patología de los circuitos estriatales, en particular, un sistema comúnmente implicado en otros trastornos adictivos, lo que sugiere un fenotipo neurobiológico compartido. La identificación de circuitos estriados alterados que se superponen con los de trastornos adictivos bien establecidos podría ser útil para probar si el modelo de adicción es un marco teórico apropiado para comprender el trastorno [ 67 ], [ 68 ]. Sin embargo, aún queda en duda si un deterioro relativamente mayor de la conectividad funcional fronto-parietal y fronto-estriado podría ser en gran medida específica para los trastornos de adicción. Se necesitan estudios futuros que comparen directamente diferentes trastornos para establecer la especificidad.

Uno de los hallazgos más interesantes en el presente estudio fue la fuerte participación del putamen. Se sabe que esta estructura cerebral modula varios neurotransmisores, incluida la dopamina, y la función dopaminérgica estriatal embotada se ha implicado fuertemente como uno de los mecanismos biológicos clave de los trastornos de adicción [ 8 ]. La dopamina es un modulador clave de la función del putamen y puede desempeñar un papel importante en las perturbaciones de conectividad funcional observadas en este estudio. Esto es consistente con la evidencia reciente de que la disponibilidad del receptor de dopamina estriatal y del receptor D2 está alterada en personas con adicción a Internet [ 6 ], [ 7 ] y que la modulación genética y farmacológica de los niveles de dopamina en el cerebro puede ejercer un profundo impacto en los patrones de conectividad funcional [ 69 ]–[ 71 ]. Teniendo en cuenta estos informes anteriores y el mecanismo neurobiológico de adicción propuesto que involucra la función dopaminérgica estriatal embotada [ 8 ]La comprensión de los efectos de la dopamina en la red identificada como que muestra una conectividad funcional alterada en el presente estudio representará una manera importante de entender los correlatos neurobiológicos de la adicción a Internet.

Nuestro hallazgo de que el putamen fue la región subcortical más ampliamente involucrada en la disminución de la red funcional, evitando el núcleo caudado, también es interesante. Ambas estructuras forman parte del cuerpo estriado, que a su vez es parte de las estructuras subcorticales. El putamen se considera típicamente una región del cerebro asociada con la actividad motora, y se ha implicado con menos frecuencia en la adición de sustancias que el caudado.. Entre las actividades motoras, se ha demostrado que una secuencia bien aprendida de movimientos repetitivos de los dedos está asociada con la activación en el putamen. [ 72 ]–[ 76 ]. Las personas que sufren de adicción a Internet pueden experimentar una frecuencia mucho mayor de ciertos comportamientos durante un largo período de tiempo, lo que incluye la manipulación repetitiva del mouse y el teclado, y estas experiencias pueden afectar su cerebro. Por lo tanto, la conectividad aberrante que proviene del putamen tal vez indica una característica específica de la adicción a Internet. Sin embargo, como no medimos el grado de manipulación de los dedos en nuestros participantes, la implicación de una conectividad funcional disminuida en lugar de aumentada que involucra al putamen en relación con la manipulación del mouse / teclado permanece abierta a futuras investigaciones. Alternativamente, la participación del putamen en nuestros hallazgos puede reflejar su papel en los procesos cognitivos que se comparten con el caudado y que están afectados por la adicción, como el procesamiento de recompensas. [ 77 ], [ 78 ].

Otro punto digno de discusión es la ausencia de una mayor conectividad funcional en el grupo de adicción a Internet. Aunque principalmente esperábamos encontrar una disminución de la conectividad funcional en el grupo de adicciones, de hecho, no excluimos la posibilidad de observar una mayor conectividad funcional, especialmente dada la hipótesis de que los adolescentes con adicción a Internet pueden mostrar un efecto de práctica debido a las actividades en línea excesivas. [ 79 ]–[ 82 ]. Una posible explicación para el hallazgo negativo podría ser que nuestro pequeño tamaño de muestra carecía del poder para detectar este aumento en la conectividad funcional relacionado con la práctica. Sin embargo, aún no está completamente establecido si el rendimiento cognitivo en ciertas tareas o la gravedad de ciertas psicopatologías se manifiestan como una conectividad funcional disminuida o incrementada. [ 83 ], [ 84 ]. Otra consideración debe ser que el efecto del uso excesivo a largo plazo de Internet podría influir de manera diferente en el cerebro de acuerdo con la subpoblación. Por ejemplo, una subpoblación llamada jugadores profesionales de juegos en línea se involucra en actividades intensivas de Internet, pasa mucho tiempo practicando juegos en línea y, probablemente, se desempeña mejor en esos juegos que las personas con adicción a Internet y, sin embargo, no parece ser adicta, como lo demuestra la puntuación YIAS significativamente más baja [ 85 ]. Por lo tanto, podría plantearse la hipótesis de que los efectos de la práctica en las actividades de Internet tal vez se manifiestan de manera diferente según el individuo.

El presente estudio tiene algunas limitaciones importantes. Primero, el tamaño de la muestra fue bastante pequeño, lo que probablemente limitó nuestro poder para detectar correlaciones significativas entre la conectividad funcional y las puntuaciones YIAS. Por lo tanto, el hallazgo actual debe replicarse en una muestra más grande de participantes con adicción y controles de Internet. Sin embargo, cabe destacar que el tamaño de nuestra muestra fue en general comparable al de los estudios de neuroimagen funcional de la adicción a Internet. Nuestra muestra fue única, ya que la mayoría de los estudios anteriores se basaron en adultos [ 2 ]–[ 7 ]. En segundo lugar, los criterios de diagnóstico para la adicción a Internet aún no están sólidamente establecidos, aunque nuestros hallazgos apuntan a una posible base neurobiológica para este trastorno putativo. En tercer lugar, aunque excluimos los trastornos mentales comórbidos que utilizan K-SADS-PL, es posible que los síntomas de condiciones mentales comórbidas todavía no hayan estado presentes. Cuarto, la recopilación de una gama más amplia de información clínica, como los hábitos de sueño, puede haber enriquecido nuestros datos y mejorado nuestra contribución a la literatura. [ 86 ], [ 87 ]. Finalmente, el diseño del estudio transversal limita la interpretación de una relación causal entre la disminución de la conectividad funcional y el desarrollo de la adicción a Internet. Cabe señalar que el movimiento de la cabeza ha surgido como un importante factor de confusión en la neuroimagen funcional. [ 38 ], [ 88 ]. El movimiento de la cabeza se evaluó exhaustivamente en este estudio utilizando una serie de medidas de rotación y desplazamiento propuestas recientemente [ 38 ]. No se encontraron diferencias significativas entre los grupos para ninguna de las medidas de movimiento de la cabeza consideradas.

IEn resumen, los resultados de este estudio sugieren que los adolescentes con adicción a Internet muestran una conectividad funcional cerebral alterada en ausencia de grandes trastornos en la topología de la red. La red alterada mostró una amplia participación de conexiones interhemisféricas de largo alcance, así como enlaces intrahemisféricos de corto alcance en todo el cerebro. Las regiones cerebrales subcorticales pueden jugar un papel importante en esta red alterada, en particular el putamen, que mostró una disminución de las conexiones con los tres lóbulos cerebrales principales involucrados.

 

 

información de soporte

Figura_S1.tif
  • 1 / 4

descargar

Red de conectividad funcional cerebral disminuida en adolescentes con adicción a internet (utilizando atlas diferentes).Los puntos rojos representan los centroides estereotácticos de las regiones cerebrales (nodos) definidas por el Atlas estructural del Instituto Neurológico de Montreal (MNI) y el Atlas de parcelación aleatoria (B), y las líneas azules representan los enlaces de umbral supremo (t = 2.1 y 3.0, respectivamente) que comprenden los afectados Red identificada con la estadística basada en la red (NBS) (p<0.05, corregido por componentes).

Figura S1.

Red de conectividad funcional cerebral disminuida en adolescentes con adicción a internet (utilizando atlas diferentes).Los puntos rojos representan los centroides estereotácticos de las regiones cerebrales (nodos) definidas por el Atlas estructural del Instituto Neurológico de Montreal (MNI) y el Atlas de parcelación aleatoria (B), y las líneas azules representan los enlaces de umbral supremo (t = 2.1 y 3.0, respectivamente) que comprenden los afectados Red identificada con la estadística basada en la red (NBS) (p<0.05, corregido por componentes).

(TIF)

Figura S2.

Proporción de conexiones afectadas en la adicción a internet que vincula distintos pares de divisiones cerebrales amplias (detalladas para las regiones subcorticales).El número de enlaces que involucra a cada par de divisiones se normaliza por el número total de enlaces por pares.

(TIF)

Tabla S1.

Coeficiente de agrupamiento local.Esta tabla muestra los resultados del nivel de tendencia con una corrección de falsos positivos menos rigurosa p<(1/90) = 0.011; ningún resultado sobrevivió a la corrección estándar de la tasa de falsos descubrimientos para comparaciones múltiples.

(DOC)

Tabla S2.

Longitud del camino local.Esta tabla muestra los resultados del nivel de tendencia con una corrección de falsos positivos menos rigurosa p<(1/90) = 0.011; ningún resultado sobrevivió a la corrección estándar de la tasa de falsos descubrimientos para comparaciones múltiples.

(DOC)

  

 

Contribuciones de autor

Concebió y diseñó los experimentos: SBH EJC HHK JES KK JWK SHY. Realizó los experimentos: SBH EJC HHK JES. Analicé los datos: SBH AZ LC AF. Reactivos contribuidos / materiales / herramientas de análisis: SBH AZ LC AF CDK JWK SHY. Escribió el artículo: SBH AZ LC AF EJC HHK JESK CDW JWK SHY.

  

 

Referencias

  1. Ko CH, Yen JY, Yen CF, Chen CS, Chen CC (2012) La asociación entre la adicción a Internet y el trastorno psiquiátrico: una revisión de la literatura. Eur Psychiatry 27: 1 – 8. doi 10.1016 / j.eurpsy.2010.04.011. Encuentra este artículo en línea
  2. Dong G, Huang J, Du X (2011) Sensibilidad de recompensa mejorada y sensibilidad de pérdida disminuida en adictos a Internet: un estudio de IRMf durante una tarea de adivinación. J Psychiatr Res 45: 1525 – 1529. doi 10.1016 / j.jpsychires.2011.06.017. Encuentra este artículo en línea
  3. Han DH, Bolo N, Daniels MA, Arenella L, Lyoo IK, et al. (2011) Actividad cerebral y deseo de jugar videojuegos por Internet. Comprende la psiquiatría 52: 88 – 95. doi 10.1016 / j.comppsych.2010.04.004. Encuentra este artículo en línea
  4. Han DH, Kim YS, Lee YS, Min KJ, Renshaw PF (2010) Cambios en la actividad de la corteza prefrontal inducida por señales con juego de video. Cyberpsychol Behav Soc Netw 13: 655 – 661. doi 10.1089 / cyber.2009.0327. Encuentra este artículo en línea
  5. Ko CH, Liu GC, Hsiao S, Yen JY, Yang MJ, et al. (2009) Actividades cerebrales asociadas con el impulso de los juegos de la adicción a los juegos en línea. J Psychiatr Res 43: 739 – 747. doi 10.1016 / j.jpsychires.2008.09.012. Encuentra este artículo en línea
  6. Kim SH, Baik SH, Park CS, Kim SJ, Choi SW, y otros. (2011) Receptores reducidos de dopamina D2 en las personas con adicción a Internet. Neuroreport 22: 407 – 411. doi 10.1097/WNR.0b013e328346e16e. Encuentra este artículo en línea
  7. Hou H, Jia S, Hu S, Fan R, Sun W, et al. (2012) Transportadores de dopamina estriatales reducidos en personas con trastorno de adicción a Internet. J Biomed Biotechnol 2012: 854524. doi 10.1155/2012/854524. Encuentra este artículo en línea
  8. Goldstein RZ, Volkow ND (2011) Disfunción de la corteza prefrontal en la adicción: hallazgos de neuroimagen e implicaciones clínicas. Nat Rev Neurosci 12: 652 – 669. doi 10.1038 / nrn3119. Encuentra este artículo en línea
  9. Goldstein RZ, Craig AD, Bechara A, Garavan H, Childress AR, et al. (2009) Los neurocircuitos de la percepción deficiente en la adicción a las drogas. Tendencias Cogn Sci 13: 372 – 380. doi 10.1016 / j.tics.2009.06.004. Encuentra este artículo en línea
  10. Naqvi NH, Bechara A (2010) La ínsula y la adicción a las drogas: una visión interoceptiva del placer, los impulsos y la toma de decisiones. Función de la función cerebral 214: 435 – 450. doi 10.1007/s00429-010-0268-7. Encuentra este artículo en línea
  11. Zhou Y, Lin FC, Du YS, Qin LD, Zhao ZM, y otros. (2011) Anormalidades de la materia gris en la adicción a Internet: un estudio de morfometría basado en voxel. Eur J Radiol 79: 92 – 95. doi 10.1016 / j.ejrad.2009.10.025. Encuentra este artículo en línea
  12. Yuan K, Qin W, Wang G, Zeng F, Zhao L, et al. (2011) Anomalías en la microestructura en adolescentes con trastorno de adicción a Internet. PLoS One 6: e20708. doi 10.1371 / journal.pone.0020708. Encuentra este artículo en línea
  13. 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 basado en el tracto. PLoS One 7: e30253. doi 10.1371 / journal.pone.0030253. Encuentra este artículo en línea
  14. Liu J, Gao XP, Osunde I, Li X, Zhou SK, y otros. (2010) Aumento de la homogeneidad regional en el trastorno de adicción a Internet: estudio de imágenes de resonancia magnética funcional en estado de reposo. Chin Med J (Engl) 123: 1904 – 1908. Encuentra este artículo en línea
  15. Yuan K, Qin W, Liu Y, Tian J (2011) Adicción a Internet: hallazgos de neuroimagen. Commun Integr Biol 4: 637 – 639. Encuentra este artículo en línea
  16. Raichle ME, Snyder AZ (2007) Un modo predeterminado de la función cerebral: una breve historia de una idea en evolución. Neuroimagen 37: 1083 – 1090; discusión 1097 – 1089. doi 10.1016 / j.neuroimage.2007.02.041. Encuentra este artículo en línea
  17. Fox MD, Corbetta M, Snyder AZ, Vincent JL, Raichle ME (2006) La actividad neuronal espontánea distingue los sistemas de atención dorsal y ventral humanos. Proc Natl Acad Sci USA 103: 10046 – 10051. doi X. Encuentra este artículo en línea
  18. Smith SM, Miller KL, Moeller S, Xu J, Auerbach EJ, et al. (2012) Modos funcionales temporalmente independientes de la actividad cerebral espontánea. Proc Natl Acad Sci USA 109: 3131 – 3136. doi X. Encuentra este artículo en línea
  19. Damoiseaux JS, Rombouts SA, Barkhof F, Scheltens P, Stam CJ, et al. (2006) Redes de estado de reposo consistentes en sujetos sanos. Proc Natl Acad Sci USA 103: 13848 – 13853. doi X. Encuentra este artículo en línea
  20. Shehzad Z, Kelly AM, Reiss PT, Gee DG, Gotimer K, et al. (2009) El cerebro en reposo: sin restricciones pero a la vez confiable. Cereb Cortex 19: 2209 – 2229. doi 10.1093 / cercor / bhn256. Encuentra este artículo en línea
  21. Fornito A, Bullmore ET (2012) Fenotipos intermedios conectómicos para trastornos psiquiátricos. Psiquiatría Delantera 3: 32. doi 10.3389 / fpsyt.2012.00032. Encuentra este artículo en línea
  22. Fornito A, Zalesky A, Bassett DS, Meunier D, Ellison-Wright I, et al. (2011) Influencias genéticas en la organización rentable de redes funcionales corticales humanas. J Neurosci 31: 3261 – 3270. doi 10.1523 / JNEUROSCI.4858-10.2011. Encuentra este artículo en línea
  23. Glahn DC, Winkler AM, Kochunov P, Almasy L, Duggirala R, et al. (2010) Control genético sobre el cerebro en reposo. Proc Natl Acad Sci USA 107: 1223 – 1228. doi X. Encuentra este artículo en línea
  24. Fox MD, Raichle ME (2007) Fluctuaciones espontáneas en la actividad cerebral observadas con la resonancia magnética funcional. Nat Rev Neurosci 8: 700 – 711. doi 10.1038 / nrn2201. Encuentra este artículo en línea
  25. Fornito A, Bullmore ET (2010) ¿Qué pueden decirnos las fluctuaciones espontáneas de la señal dependiente del nivel de oxigenación de la sangre sobre los trastornos psiquiátricos? Opinión actual en psiquiatría 23: 239 – 249. doi 10.1097/YCO.0b013e328337d78d. Encuentra este artículo en línea
  26. Bullmore E, Sporns O (2009) Redes de cerebro complejas: análisis teórico gráfico de sistemas estructurales y funcionales. Nat Rev Neurosci 10: 186 – 198. Encuentra este artículo en línea
  27. Bloquee los problemas de JJ (2008) para DSM-V: adicción a Internet. Soy J Psychiatry 165: 306 – 307. doi 10.1176 / appi.ajp.2007.07101556. Encuentra este artículo en línea
  28. Rubinov M, Sporns O (2010) Medidas de red complejas de conectividad cerebral: usos e interpretaciones. Neuroimagen 52: 1059 – 1069. doi 10.1016 / j.neuroimage.2009.10.003. Encuentra este artículo en línea
  29. Xia M, He Y (2011) Imágenes de resonancia magnética y análisis teórico gráfico de redes cerebrales complejas en trastornos neuropsiquiátricos. Brain Connect 1: 349 – 365. doi 10.1089 / cerebro.2011.0062. Encuentra este artículo en línea
  30. Fornito A, Zalesky A, Pantelis C, Bullmore ET (2012) Esquizofrenia, neuroimagen y conectómica. Neuroimagen doi: 10.1016 / j.neuroimage.2011.12.090. Encuentra este artículo en línea
  31. Gong G, He Y, Evans AC (2011) Conectividad cerebral: el género hace la diferencia. Neurocientífico 17: 575 – 591. doi 10.1177/1073858410386492. Encuentra este artículo en línea
  32. Widyanto L, McMurran M (2004) Las propiedades psicométricas de la prueba de adicción a Internet. Cyberpsychol Behav 7: 443 – 450. doi 10.1089 / cpb.2004.7.443. Encuentra este artículo en línea
  33. Kaufman J, Birmaher B, Brent D, Rao U, Flynn C, et al. (1997) Programa de trastornos afectivos y esquizofrenia para niños en edad escolar, versión actual y de por vida (K-SADS-PL): datos iniciales de confiabilidad y validez. J Am Acad Child Adolesc Psychiatry 36: 980 – 988. doi 10.1097 / 00004583-199707000-00021. Encuentra este artículo en línea
  34. Kim YS, Cheon KA, Kim BN, Chang SA, Yoo HJ, et al. (2004) La confiabilidad y validez de Kiddie-Schedule para trastornos afectivos y esquizofrenia presente y versión de por vida versión coreana (K-SADS-PL-K). Yonsei Med J 45: 81 – 89. Encuentra este artículo en línea
  35. Christakis DA (2010) Adicción a Internet: ¿una epidemia del siglo 21st? BMC Med 8: 61. doi 10.1186/1741-7015-8-61. Encuentra este artículo en línea
  36. Flisher C (2010) Cómo conectarse: una descripción general de la adicción a Internet. J Paediatr Child Health 46: 557 – 559. doi 10.1111 / j.1440-1754.2010.01879.x. Encuentra este artículo en línea
  37. Chao-Gan Y, Yu-Feng Z (2010) DPARSF: Una caja de herramientas de MATLAB para el análisis de datos de "tubería" de fMRI en estado de reposo. Frente Syst Neurosci 4:13. Encuentra este artículo en línea
  38. Van Dijk KR, Sabuncu MR, Buckner RL (2012) La influencia del movimiento de la cabeza en la conectividad funcional intrínseca MRI. Neuroimagen 59: 431 – 438. doi 10.1016 / j.neuroimage.2011.07.044. Encuentra este artículo en línea
  39. Wilke M, Holland SK, Altaye M, Gaser C (2008) Template-O-Matic: una caja de herramientas para crear plantillas pediátricas personalizadas. Neuroimagen 41: 903 – 913. doi 10.1016 / j.neuroimage.2008.02.056. Encuentra este artículo en línea
  40. Tzourio-Mazoyer N, Landeau B, Papathanassiou D, Crivello F, Etard O, et al. (2002) Etiquetado anatómico automatizado de activaciones en SPM utilizando una parcelación anatómica macroscópica del cerebro de un solo sujeto MNI MRI. Neuroimagen 15: 273 – 289. doi 10.1006 / nimg.2001.0978. Encuentra este artículo en línea
  41. Zalesky A, Fornito A, Bullmore ET (2010) Estadística basada en la red: identificación de las diferencias en las redes del cerebro. Neuroimagen 53: 1197 – 1207. doi 10.1016 / j.neuroimage.2010.06.041. Encuentra este artículo en línea
  42. Zalesky A, Cocchi L, Fornito A, Murray MM, Bullmore E (2012) Diferencias de conectividad en redes cerebrales. Neuroimagen 60: 1055 – 1062. doi 10.1016 / j.neuroimage.2012.01.068. Encuentra este artículo en línea
  43. Nichols TE, Holmes AP (2002) Pruebas de permutación no paramétricas para neuroimagen funcional: Un manual con ejemplos. Mapeo del cerebro humano 15: 1 – 25. doi 10.1002 / hbm.1058. Encuentra este artículo en línea
  44. Wig GS, Schlaggar BL, Petersen SE (2011) Conceptos y principios en el análisis de redes cerebrales. Ann NY Acad Sci 1224: 126 – 146. doi 10.1111 / j.1749-6632.2010.05947.x. Encuentra este artículo en línea
  45. Zalesky A, Fornito A, Harding IH, Cocchi L, Yucel M, et al. (2010) Redes anatómicas de cerebro completo: ¿Importa la elección de nodos? Neuroimagen 50: 970 – 983. doi 10.1016 / j.neuroimage.2009.12.027. Encuentra este artículo en línea
  46. Bassett DS, Bullmore ET (2009) Redes de cerebro humano en salud y enfermedad. Curr Opin Neurol 22: 340 – 347. doi 10.1097/WCO.0b013e32832d93dd. Encuentra este artículo en línea
  47. Guye M, Bettus G, Bartolomei F, Cozzone PJ (2010) Análisis teórico gráfico de la RM de conectividad estructural y funcional en redes cerebrales normales y patológicas. MAGMA 23: 409 – 421. doi 10.1007 / s10334-010, 0205-z. Encuentra este artículo en línea
  48. He Y, Evans A (2010). Modelización teórica gráfica de la conectividad cerebral. Curr Opin Neurol 23: 341 – 350. doi 10.1097/WCO.0b013e32833aa567. Encuentra este artículo en línea
  49. Bassett DS, Gazzaniga MS (2011) Comprensión de la complejidad en el cerebro humano. Tendencias Cogn Sci 15: 200 – 209. doi 10.1016 / j.tics.2011.03.006. Encuentra este artículo en línea
  50. Maslov S, Sneppen K (2002) Especificidad y estabilidad en topología de redes de proteínas. Ciencia 296: 910 – 913. doi 10.1126 / science.1065103. Encuentra este artículo en línea
  51. Genovese CR, Lazar NA, Nichols T (2002) Umbral de mapas estadísticos en neuroimagen funcional utilizando la tasa de descubrimiento falso. Neuroimagen 15: 870 – 878. doi 10.1006 / nimg.2001.1037. Encuentra este artículo en línea
  52. Fornito A, Yoon J, Zalesky A, Bullmore ET, Carter CS (2011) Alteraciones de conectividad funcional generales y específicas en la esquizofrenia del primer episodio durante el desempeño del control cognitivo. Psiquiatría Biol 70: 64 – 72. doi 10.1016 / j.biopsych.2011.02.019. Encuentra este artículo en línea
  53. Lynall ME, Bassett DS, Kerwin R, McKenna PJ, Kitzbichler M, et al. (2010) Conectividad funcional y redes cerebrales en la esquizofrenia. J Neurosci 30: 9477 – 9487. Encuentra este artículo en línea
  54. Sutherland MT, McHugh MJ, Pariyadath V, Stein EA (2012) Conectividad funcional en estado de reposo en la adicción: lecciones aprendidas y un camino por delante. Neuroimagen 62: 2281 – 2295. doi 10.1016 / j.neuroimage.2012.01.117. Encuentra este artículo en línea
  55. Shaw M, Black DW (2008) Adicción a Internet: definición, evaluación, epidemiología y manejo clínico. Medicamentos para el SNC 22: 353 – 365. doi 10.2165 / 00023210-200822050-00001. Encuentra este artículo en línea
  56. Wang J, Wang L, Zang Y, Yang H, Tang H, et al. (2009) Redes funcionales del pequeño mundo dependientes de la parcelación: un estudio de resonancia magnética funcional en estado de reposo. Hum Brain Mapp 30: 1511 – 1523. doi 10.1002 / hbm.20623. Encuentra este artículo en línea
  57. Fornito A, Zalesky A, Bullmore ET (2010) Efectos de escala de red en estudios analíticos de gráficos de datos de FMRI en estado de reposo humano. Frente Syst Neurosci 4: 22. doi 10.3389 / fnsys.2010.00022. Encuentra este artículo en línea
  58. Cocchi L, Bramati IE, Zalesky A, Furukawa E, Fontenelle L, et al. (2012) Alteración de la conectividad cerebral funcional en una muestra no clínica de adultos jóvenes con Trastorno por Déficit de Atención / Hiperactividad. J Neurosci doi: 10.1523 / JNEUROSCI.3272-12.2012. Encuentra este artículo en línea
  59. Honey CJ, Sporns O, Cammoun L, Gigandet X, Thiran JP, et al. (2009) Predicción de la conectividad funcional del estado de reposo humano a partir de la conectividad estructural. Proc Natl Acad Sci USA 106: 2035 – 2040. doi X. Encuentra este artículo en línea
  60. Anderson JS, Druzgal TJ, Froehlich A, DuBray MB, Lange N, et al. (2011) Disminución de la conectividad funcional interhemisférica en el autismo. Cereb Cortex 21: 1134 – 1146. doi 10.1093 / cercor / bhq190. Encuentra este artículo en línea
  61. Clarke AR, Barry RJ, Heaven PC, McCarthy R, Selikowitz M, et al. (2008) Coherencia de EEG en adultos con trastorno por déficit de atención / hiperactividad. Int J Psychophysiol 67: 35 – 40. doi 10.1016 / j.ijpsycho.2007.10.001. Encuentra este artículo en línea
  62. Pettigrew JD, Miller SM (1998) ¿Un interruptor interhemisférico "pegajoso" en el trastorno bipolar? Proc Biol Sci 265: 2141-2148. doi: 10.1098 / rspb.1998.0551. Encuentra este artículo en línea
  63. Spencer KM, Nestor PG, Niznikiewicz MA, Salisbury DF, Shenton ME, y otros. (2003) Sincronía neural anormal en la esquizofrenia. J Neurosci 23: 7407 – 7411. Encuentra este artículo en línea
  64. Kelly C, Zuo XN, Gotimer K, Cox CL, Lynch L, et al. (2011) Reducción de la conectividad funcional del estado de reposo interhemisférico en la adicción a la cocaína. Psiquiatría Biol 69: 684 – 692. doi 10.1016 / j.biopsych.2010.11.022. Encuentra este artículo en línea
  65. Yuan K, Qin W, Dong M, Liu J, Sun J, et al. (2010) Déficits de materia gris y anomalías en el estado de reposo en individuos abstinentes dependientes de heroína. Neurosci Lett 482: 101 – 105. doi 10.1016 / j.neulet.2010.07.005. Encuentra este artículo en línea
  66. Fletcher P, McKenna PJ, Friston KJ, Frith CD, Dolan RJ (1999) Modulación cingulada anormal de la conectividad fronto-temporal en la esquizofrenia. Neuroimagen 9: 337 – 342. doi 10.1006 / nimg.1998.0411. Encuentra este artículo en línea
  67. Choi JS, Shin YC, Jung WH, Jang JH, Kang DH, y otros. (2012) Actividad cerebral alterada durante la anticipación de recompensa en el juego patológico y el trastorno obsesivo-compulsivo. PLoS One 7: e45938. doi 10.1371 / journal.pone.0045938. Encuentra este artículo en línea
  68. Tomasi D, Volkow ND (2012) Disfunción de la vía estriatocortical en la adicción y la obesidad: diferencias y similitudes. Crit Rev Biochem Mol Biol doi: 10.3109/10409238.2012.735642. Encuentra este artículo en línea
  69. Cole DM, Oei NY, Soeter RP, Both S, van Gerven JM, et al. (2012) Arquitectura de conectividad de red cortico-subcortical dependiente de dopamina. Cereb Cortex Doi: 10.1093 / cercor / bhs136. Encuentra este artículo en línea
  70. Gordon EM, Stollstorff M, Devaney JM, Bean S, Vaidya CJ (2011) El efecto del genotipo del transportador de dopamina en la conectividad funcional intrínseca depende del estado cognitivo. Cereb Cortex Doi: 10.1093 / cercor / bhr305. Encuentra este artículo en línea
  71. Rieckmann A, Karlsson S, Fischer H, Backman L (2011) La densidad del receptor de dopamina D1 de caudato se asocia con diferencias individuales en la conectividad frontoparietal durante la memoria de trabajo. J Neurosci 31: 14284 – 14290. doi 10.1523 / JNEUROSCI.3114-11.2011. Encuentra este artículo en línea
  72. Lehericy S, Bardinet E, Tremblay L, Van de Moortele PF, Pochon JB, et al. (2006) Control motor en los circuitos de los ganglios basales utilizando fMRI y enfoques de atlas cerebral. Cereb Cortex 16: 149 – 161. doi 10.1093 / cercor / bhi089. Encuentra este artículo en línea
  73. Jenkins IH, Brooks DJ, PD de Nixon, Frackowiak RS, Passingham RE (1994) Aprendizaje de secuencias motoras: un estudio con tomografía por emisión de positrones. J Neurosci 14: 3775 – 3790. Encuentra este artículo en línea
  74. Jueptner M, Frith CD, Brooks DJ, Frackowiak RS, Passingham RE (1997) Anatomía del aprendizaje motor. II. Estructuras subcorticales y aprendizaje por ensayo y error. J Neurofisiol 77: 1325 – 1337. Encuentra este artículo en línea
  75. Roland PE, Meyer E, Shibasaki T, Yamamoto YL, Thompson CJ (1982) Cambios en el flujo sanguíneo cerebral regional en la corteza y los ganglios basales durante los movimientos voluntarios en voluntarios humanos normales. J Neurofisiol 48: 467 – 480. Encuentra este artículo en línea
  76. Shibasaki H, Sadato N, Lyshkow H, Yonekura Y, Honda M, et al. (1993) Tanto la corteza motora primaria como el área motora suplementaria desempeñan un papel importante en el movimiento complejo de los dedos. Cerebro 116 (Pt 6): 1387 – 1398. doi 10.1093 / cerebro / 116.6.1387. Encuentra este artículo en línea
  77. Volkow ND, Fowler JS, Wang GJ (2003) El cerebro humano adicto: ideas de estudios de imágenes. J Clin Invest 111: 1444 – 1451. Encuentra este artículo en línea
  78. Yuan K, Qin W, Liu J, Guo Q, Dong M, et al. (2010) Se modificaron las redes funcionales del cerebro en el mundo pequeño y la duración del uso de heroína en individuos dependientes de heroína abstinentes masculinos. Neurosci Lett 477: 37 – 42. doi 10.1016 / j.neulet.2010.04.032. Encuentra este artículo en línea
  79. Di X, Zhu S, Jin H, Wang P, Ye Z, et al. (2012) Modificación de la función y estructura del cerebro en reposo en jugadores de bádminton profesionales. Brain Connect 2: 225 – 233. doi 10.1089 / cerebro.2011.0050. Encuentra este artículo en línea
  80. Duan X, Liao W, Liang D, Qiu L, Gao Q, et al. (2012) Redes cerebrales a gran escala en expertos en juegos de mesa: información sobre una tarea relacionada con el dominio y un estado de reposo sin tareas. PLoS One 7: e32532. doi 10.1371 / journal.pone.0032532. Encuentra este artículo en línea
  81. Ma L, Narayana S, Robin DA, Fox PT, Xiong J (2011) Los cambios se producen en la red en estado de reposo del sistema motor durante las semanas de aprendizaje de habilidades motoras de 4. Neuroimagen 58: 226 – 233. Encuentra este artículo en línea
  82. Martínez K, Solana AB, Burgaleta M, Hernández-Tamames JA, Alvarez-Linera J, et al. (2012) Cambios en las redes parietofrontal funcionalmente en estado de reposo después de la práctica de videojuegos. Hum Brain Mapp doi: 10.1002 / hbm.22129. Encuentra este artículo en línea
  83. Zhou Y, Liang M, Tian L, Wang K, Hao Y, et al. (2007) Desintegración funcional en la esquizofrenia paranoide mediante IRMf en estado de reposo. Schizophr Res 97: 194 – 205. doi 10.1016 / j.schres.2007.05.029. Encuentra este artículo en línea
  84. Whitfield-Gabrieli S, Thermenos HW, Milanovic S, Tsuang MT, Faraone SV, et al. (2009) Hiperactividad e hiperconectividad de la red por defecto en la esquizofrenia y en familiares de primer grado de personas con esquizofrenia. Proc Natl Acad Sci USA 106: 1279 – 1284. doi X. Encuentra este artículo en línea
  85. Han DH, Lyoo IK, Renshaw PF (2012) Volúmenes regionales diferenciales de materia gris en pacientes con adicción a juegos en línea y jugadores profesionales. J Psychiatr Res 46: 507 – 515. doi 10.1016 / j.jpsychires.2012.01.004. Encuentra este artículo en línea
  86. De Havas JA, Parimal S, Soon CS, Chee MW (2012) La privación del sueño reduce la conectividad de red en modo predeterminado y la anti-correlación durante el descanso y el rendimiento de la tarea. Neuroimagen 59: 1745 – 1751. doi 10.1016 / j.neuroimage.2011.08.026. Encuentra este artículo en línea
  87. Killgore WD, Schwab ZJ, Weiner MR (2012) La duración del sueño nocturno autoinformada se asocia con la conectividad funcional del estado de reposo del día siguiente. Neuroreport 23: 741 – 745. doi 10.1097 / WNR.0b013e3283565056. Encuentra este artículo en línea
  88. Power JD, Barnes KA, Snyder AZ, Schlaggar BL, Petersen SE (2012) Las correlaciones espurias pero sistemáticas en la conectividad funcional de las redes de MRI surgen del movimiento del sujeto. Neuroimagen 59: 2142 – 2154. doi 10.1016 / j.neuroimage.2011.10.018. Encuentra este artículo en línea