Internet gamers patologikoak eta ez patologikoak bereiztea Ezaugarri neuroanatomiko txarrak erabiliz (2018)

. 2018; 9: 291.

Argitaratua online 2018 Jun 29. doi:  10.3389 / fpsyt.2018.00291

PMCID: PMC6033968

PMID: 30008681

Laburpena

Interneteko jolasen nahastea (GGI) sarritan diagnostikatu egiten da lau gaixotasunen eskuliburuaren (DSM-5) azken bertsioaren arabera. Hemen aztertu dugu sintoma oinarritutako kategorizazioa kalkuluetan oinarritutako sailkapenean itzul daitekeen. Egitura MRI (sMRI) eta difusio-ponderatu MRI (dMRI) datuek IGD-rekin diagnostikatutako 38 gamerrek erosi zituzten, eta IGD ez zuten 68ek eta 37ek ez duten gamer osasuntsuak diagnostikatu zituzten. Gaia grisaren (GM) eta materia zuriaren (WM) egitura 108 ezaugarriak sortu genituen MRI datuetatik. 108-eko ezaugarri neuroanatomikoei erregresio logistiko erregularra aplikatu zutenean, talde garrantzitsuen arteko bereizketa garrantzitsuak hautatzeko, desordena eta normala diren jokalariek 43 eta 21 ezaugarrien arabera irudikatu zituzten, gamer osasuntsuekin alderatuz gero. Jokalari desordenatuak 11en funtzioen arabera irudikatu ziren ohiko jokalariekiko. Laguntza makinen bektoreak (SVM) ezaugarri neuroanatomiko sakonak aurresale gisa erabilita, desordena eta normala izan ziren gamberak ongi bereiztu zituzten, 98% gainditzen dutenak, ez direnek osasuntsuengandik, baina desbideratutakoen eta normalekoen artean sailkapena nahiko zaila zen. Aurkikuntza horien arabera, DSM-5-eko irizpideekin batera sailkatutako gamako patologia eta patologia ez diren gaixoek ezaugarri neuroanatomiko apalek ordezkatzen zituzten, batez ere norbanako osasuntsu ez direnen artean bereizteko testuinguruan.

Keywords: Interneteko jolasen nahasmendua, diagnostikoaren sailkapena, MRI estrukturala, difusio ponderatua MRI, erregresioa erregulatu du

Sarrera

Duela gutxi mendekotasun patologiko gisa proposatu izan bazen ere (), Duela gutxi, Interneteko jolasen nahasmendua (GGI) mintzo nahasteak (DSM) diagnostikoen eta estatistikoen eskuliburuan jaso ziren. DSMren bosgarren edizioa (DSM-5)) IGDa aztertzeko baldintza gisa identifikatu eta bederatzi irizpide eman zizkion diagnostikatzeko. DSM-5-en proposatutako IGD eskalan (IGDS) bederatzi elementuen IGD eskalan oinarritutako sintomaren kategorizazioan, IGDaren diagnostikoan bost edo gehiago irizpide bizi izan diren atal bat aplikatu da. Ebakuntza-puntu honek Gamerrek eragin ditzaketen arazo kliniko esanguratsuak behar bezala bereiztea.), IGDS elementuen izaera dikotomikoa ezinbestean diagnostikoaren gehiegizko zehaztasuna edo zehaztasuna dakar.

Sintomaez gain, IGDekin lotutako hainbat disfuntzio ohi dira behatu, ez aldaketa neuroanatomikoak. Izan ere, lan esanguratsu batek erakutsi du IGD garuneko egiturazko aldaketekin lotuta dagoela: materia grisa (GM) murrizketa.-), lodiera corticalaren murrizketa (), eta materia zuriaren (WM) osotasuna galtzea (, ) normalean frogatu dira. IGDarekin erlazionatutako aldaketa neuroanatomikoak, garunaren irudi parametroek biomarkatzaile gisa balio dezakete, pertsona fisikoak dituzten pertsona batzuekin bereizteko. Hau da, IGDaren diagnostikoa biomarkagailu neuroanatomikoen manipulazio konputazionalaren bidez egin daiteke, DSM-5-en oinarritutako sintoma kategorizazioen bidez baino. Saiakera horiek diagnostiko deskribatzailea gainditzen ahalegintzen dira, psikiatriaren ikuspegi konputazionalak erabiliz), bereziki, datuak ikasteko makinak (ML) oinarritutako planteamenduetan oinarritutako planteamenduak, buruko gaixotasunaren diagnostikoari aurre egiteko.).

Ikerketan, sintomak oinarritutako sailkapenaren arteko lotura bilatu genuen IGDSen eta kalkuluaren arabera oinarritutako sailkapenean, biomarkagailu neuroanatomikoak erabiliz IGD diagnostikoan. Garuneko GM eta WM osagai batzuek informazio erredundantea edo garrantzizkoa duten diagnostikoaren sailkapenari buruzko informazioa edukiko luketenez, ezaugarri neuroanatomiko sakonak hautatzeko ahalegina egin genuen erregularizatutako erregresioa erabiliz. Sintomarik oinarritutako kategorizazioaren arabera, IGD diagnostikorako sailkapen ereduak konposatuko lituzketen ezaugarri neuroanatomiko sakonen arabera irudikatu genituen. IGDarekin diagnostikatu diren jolas patologikoek jolasten zaienak ez diren pertsona osasuntsuagoak zirela uste zen, IGDrik ez duten jokalariek baino, hau da, gamer ez patologikoak. Hortaz, gamer patologikoak ezaugarri ugarienak izan daitezke gamer ez-patologikoekin alderatuta, jolasa gabekoak diren pertsonenganako. Horrez gain, erabaki nahi genuen jokalari ez patologikoek gamer patologikoetatik edo jolasetik kanpoko pertsona osasuntsuengandik bereiz daitezkeen ala ez. Patologia ez diren jokalariek ez dute jolastea gizabanako osasuntsuekin sintoma deskribatzaileari dagokionez hurbiltzen direla, baina pentsatu genuen ideia hori konputazioan oinarritutako sailkapenaren bidez balioztatu behar dela.

Materialak eta metodoak

Parte-hartzaileak

Interneten oinarritutako jolasen bidez, 237eko partaideen artean, 106 gizabanakoek hautatutako IGDSen auto-berriketaren eta elkarrizketa egituratuaren artean ez-desberdina erakutsi zuten, IGD diagnostikoan psikologo batekin egindako elkarrizketa egituratua, edo garuneko irudi datuen galdutako edo sakona desitxuratu zuten. IGDSen arabera, 38 gizabanakoek (27.66 ± 5.61 urte; 13 emakumezkoak) gutxienez bost IGDS elementu betetzen zituzten, desordena duten erabiltzaileek eta 68 gizabanakoak (27.96 ± 6.41 urte; 21 emakumezko) etiketatu ziren gehienez. ohiko jokalariek. IGDS elementuak bitan eta lau artean bete zituzten pertsonak ere baztertu egin ziren, gamer desoreka eta normalen artean beste klase gisa bereizten baitziren.). Gainera, Interneten oinarritutako jokoetan jolasten ez zuten 37 pertsona (25.86 ± 4.10 urte; 13 emakumezko) bereizita kontratatu ziren, eta ez ziren joko osasuntsuak etiketatu. Partaide guztien komorbilitate eza berretsi zen. Parte hartzaile guztien idatzizko baimena lortu zen Helsinkiko Deklarazioarekin eta ondorengo zuzenketekin bat etorriz, eta azterketa Institutuko Berrikuspen Batzordeak onartu zuen Seul St Mary's Hospital, Seul, Korea.

MRI datuak eskuratzea

Egituren MRI (sMRI) eta difusio-ponderatutako MRI (dMRI) datuak 3 T MAGNETOM Verio sistemarekin (Siemens AG, Erlangen, Alemania) erabiliz bildu ziren. SMRI datuak eskuratzean, magnetizazio azkarreko gradienteak ekartzen duten sekuentzia azkar baten bidez lortzen da: plano sagitalaren xerra kopurua = 176, xerra lodiera = 1 mm, matrize tamaina = 256 × 256 eta plano ebazpena = 1 × 1 mm . DMRI datuak eskuratzeko, difusio gradientearen kodeketa 30 norabideetan egin da b = 1,000 s / mm2 eta tiro bakarreko oihartzuna irudien sekuentzia erabili da: ebaki-kopurua plano axialean = 75, xerra lodiera = 2 mm, matrize tamaina = 114 × 114 eta planoaren bereizmena = 2 × 2 mm.

MRI datuak prozesatzea

CAT12-en barne dauden tresnak (http://www.neuro.uni-jena.de/cat/) sMRI datuak prozesatzeko erabiltzen ziren. Garuneko bolumenaren irudia ehun desberdinetan zatitu zen, GM, WM eta fluido cortospospinal barne, baita espazio estandarretan erreferentzia burmuinean espazialki erregistratuta ere. Voxel-ek oinarritutako morfometria (VBM) voxel-GM GM bolumen estimatu zen voxel baten bolumena GM izatearen probabilitatea bideratuz, eta ondoren balio horiek banako intracranearen bolumenaren arabera banatu zituzten buru bolumenaren desberdintasunak banatzeko. Azalera-oinarritutako morfometria (SBM), lodiera cortical zen kalkulatutako proiekzio oinarritutako lodiera metodoa erabiliz ().

DMRI datuak prozesatzea

FSL 5.0-en barne dauden tresnakhttp://fsl.fmrib.ox.ac.uk/fsl/) dMRI datuak prozesatzeko erabiltzen ziren. Irudi guztiek lortutako irudiarekin konpondu egin zuten b = 0 s / mm2 korronteak eragindako distortsio eta buruko mugimendua zuzentzeko. Garunaren barneko voxel bakoitzaren hedapen-tentsore bat modelatu zen, eta difusioaren tentsore-difusioaren parametroak kalkulatu ziren, esaterako, anisotropia zatikatua (FA), difusibotasun batezbestekoa, hedapen axiala eta difusibitate erradiala. difusio-tentsore baten ardatz desberdinetan hiru difusibitate emanak, FA hiru kalkuluaren difusibitatearen laukien arteko ezberdintasun karratuen batura erro karratua kalkulatu zen, MD hiru ardatzetan batez besteko difusibotasun gisa, AD ardatz nagusia ardatz nagusian. , eta RD gisa difusivitateen batez bestekoa bi ardatz txikien bitartez. Tratatuetan oinarritutako estatistika espazialak erabiltzea (TBSS)) FSL 5.0-en inplementatuta, espazio estandarrean erreferentzia burmuinean espazio estandarra erregistratu zuten espazio difusorreko difusioaren parametroen mapak, eta ondoren WM traktuko hezurdura baten gainean proiektatu ziren.

Eginbideen sorrera

Sailkapen-eredu bat diseinatzeko bi urrats garrantzitsuek ezaugarrien sorrera eta hautapena dira. Neuroanatomiaren ezaugarriak sortu ditugu, zehazki, GM eskualdeen multzo baten bolumena eta lodiera, eta WM-ren multzo baten osotasuna eta hedapena. VBM eta SBM-ren bidez lortutako voxel-jakintsuen mapak GM-ren bolumena eta lodiera kortikoa kalkulatu ondoren, hurrenez hurren, parametroak 60 GM eskualde bakoitzerako baloratu ziren. S1), Hammers atlasan bezala parcelatuta (), bertako voxel guztien batez bestekoa. Diffusion tensor-derived parametroak kalkulatu ondoren, FA, MD, AD, eta RD barne, WMS traktuko TBX-ek eskuratutako Voxel-wise mapak bezala, parametroak 48 WM sekzio bakoitzerako kalkulatu ziren (taula S2), ICBM DTI-81 atlasean bezala partzializatua (), bertako voxel guztien batez bestekoa. Laburbilduz, GMren parametroak eta WM-ren lau parametro jotzen ditugu, GM eta WM parametroak zortzi konbinazio eman zituzten. GM eta WM parametro konbinazio bakoitzerako, 60 GM eskualdeetako parametroen balioak eta 48 WM eremuen balioak 108 ezaugarri neuroanatomikoak osatzen dute.

Eginbideen hautapena erregresio erregularizatuaren bidez

Ezaugarri kopurua murriztea garrantzitsua da, batez ere ezaugarri ugari dituzten datuak eta behaketa kopuru mugatu bat egiteko. Ezaugarrien kopuruari dagokionez behaketa kopuru mugatuan zarata egoki eragin dezake, eta erregulazioa teknika soberakina murrizteko edo prebenitzeko aukera ematen du, eredu batean informazio edo muga osagarriak sartuz. 108en ezaugarri guztiak agian sailkapenerako informazio erabilgarria eta beharrezkoak ez baditugu, funtzio multzo sakon bat hautatu dugu erregresatutako arautegia aplikatuz. Zehazki, lazoa () eta sare elastikoa) erregistika logistiko erregularizatzeko erabiltzen ziren. Lassoak zigor-terminoa edo λ erregulazio parametroa ditu, erregresio eredu logistiko baten kalkulu koefizienteen tamaina mugatzen duena. Λ igoerak zero balio balorizatuagoak diren koefizienteak eragiten dituelako, lazoak erregressio logistikako eredu murriztua eskaintzen du aurresale gutxiagoekin. Sareten elastikoak ere erregresio logistiko eredu murriztua sortzen du koefizienteak zero finkatuz, batez ere lazotasunaren eta ertzearen erregresioaren erregularizazio hibridoaren parametroa barne, lazoaren muga oso korrelazio handiko iragarleen tratamenduan gaindituz.).

Hiru taldeetako bikote bakoitzaren arteko sailkapena lortzeko, lazo eta elastiko sarea aplikatu dugu 108en ezaugarri neuroanatomikoen artean aurresale garrantzitsuak identifikatzeko erregresio logistikoko eredu batean. Hiru taldeetako bikote bakoitzeko 108 ezaugarri guztiak estandarizatu zituzten datu matrizea osatzeko. A, zeinetan ilara bakoitzak behaketa bat adierazten zuen eta zutabe bakoitzak iragarle bat. Gizabanakoen adinak eta sexuak GM eta WM parametroetan dituzten ondorioak zuzentzeko, hondarreko matrize bat, R, sortu zen: R = I-C(CTC)-1C non I identitate matrizea zen eta C Matrizea adinaren eta sexuaren arteko funtzionaltasun erlatiboak kodetuz. Orduan aplikatu zitzaion A Hondakinak nahastu ondoren, hondakinak lortzeko: X = RA.

Emandako datu matrizea kontuan hartuta, X, eta erantzuna, YPertsona orok klase bi kodetuta, 10-fold fold-validation (CV) erregulizazio parametroa bilatzeko erabili da, λMinErr, horrek gutxieneko errorea eman du desbideratze terminoetan, probatutako ereduaren baliozkotasun tolesen batez besteko batez besteko egiantz negatibo gisa definitua. Bestela, CV kurba batek λ probatu bakoitzean akatsak dituelako, λ erregulazio parametroa1SE, hau da, λ gutxieneko CV errorearen errore estandar baten barruan aurkitu daMinErr ere jotzen da. Hau da, ρ funtzio motzagoak hautatu dira1SE, λ funtzioak zehaztuta zeuden bitarteanMinErr. Erregresore logistiko erregularizatutako eredu erregularizatu bat bilatzeko aurresale gutxiagoz errepikatzen da GM eta WM parametro konbinazio guztietan 108 ezaugarri neuroanatomikoak.

Hautatutako ezaugarrien errendimendua

Ezaugarri apalago eta apalagoen erabilgarritasuna ebaluatzeko, eredua alderatu zen ezaugarrien kopuru txikiarekin eta ereduarekin 108 ezaugarri guztiekin batera, bektorearen makina bektorialen (SVM) arteko harremana alderatu zen, hartzailearen eragiketa (ROC) kurba neurtuz. Nukleo lineala kernel funtzioarekin eta bikoiztuko CVarekin optimizatuta dagoenean, SVM bat entrenatu zen pertsona bakoitzeko hiru taldeetako bikote bakoitzean. ROC kurba (AUC) azpian dagoen eremua eredu bakoitzerako kalkulatu zen bere errendimenduaren neurri kuantitatibo gisa. DeLong probak () eredu bakoitzeko AUC arteko konparazioa erabili zuten. AUC-k desberdina denean p- 0.05-en balioa, errendimendua bi ereduetan ez da alderagarria.

Sailkapenaren zehaztasuna

Grafikoaren arabera, ezaugarri bereizgarriak sortzen eta hautatzen diren prozedura eskematikoa Figure1.1. Hiru taldeetako bikote bakoitzarentzat, SVM sailkapen ereduak hautatutako ezaugarriak erabiliz aurresale gisa sortu ziren. Klase-ereduen zehaztasuna ebaluatu dugu, utzi-out CV eskema erabiliz, hala nola, lagin kanpo sailkapenaren zehaztasuna ezkerreko banakako bakoitzeko kalkulatu zen eta ondoren, batez besteko pertsona guztietan kalkulatu zen. Zehaztasunaren garrantzi estatistikoa permutazio probak erabiliz kalkulatu da. Hiru taldeetako bikote bakoitzaren artean sailkatzeko lainorik gabeko banaketa enpiriko bat sortu zen, partikularren etiketak behin eta berriz baimendu eta baimendutako etiketekin zehaztuta. Baimenik gabeko etiketentzako neurtutako zehaztasuna baino altuagoa edo berdinagoa izan zena p-0.05-en balioa, aukera maila lortzeko nabarmen desberdina dela zehaztuta (zehaztasuna = 50%). Horrez gain, nahaste-matrize bat ikusi da, hiru taldeetako bikote bakoitzaren arteko bereizketa eta sentsibilitatea deskribatzeko.

 

Irudi bat, irudia eta abar gordetzen duen kanpoko fitxategia. Objektuaren izena fpsyt-09-00291-g0001.jpg

Ezaugarri neuroanatomikoak sortzeko eta aukeratzeko eskematikako prozedurak neuroanatomikotik abiatuta aukeratutako ereduak eraikitzeko eta desordenatutako jokalarien (DG) eta osasuntsuak ez diren gamerrak (HN) arteko sailkapenaren eraikuntzan, gamers normala (NG) eta HN, eta DG eta NG artean. GM, materia grisa; WM, materia zuria.

Emaitzak

Eginbideen hautapena

Irudikatu Figure22 108 funtzioen artean hautatutako ezaugarriak bistaratzen ditu, koefizienteen kalkuluen arabera eta Taula Table11 hiru taldeetako bikote bakoitzaren artean sailkatzeko erreferentzia logistiko eredu erregularizatuaren informazio egoki erlazionatua deskribatzen du. Horrez gain, irudia S1 λ erakusten du zein λ gutxieneko CV errorea eta zenbat funtzioak λ aukeratzen zituen1SE baita λ ereMinErr. Gutxieneko CV errorea Lasso (Lasso pisua = 1) ezaugarrien hautapenean lortu da, ez diren jokalariek eta normalak diren jokalarien artean eta sare elastikoa (lasso pisua = 0.5) sailkapenerako beste sailkapenerako.

 

Irudi bat, irudia eta abar gordetzen duen kanpoko fitxategia. Objektuaren izena fpsyt-09-00291-g0002.jpg

Aukera ezaugarri neuroanatomikoak erregresio logistiko erregularizatuan hiru taldeetako bikote bakoitzaren artean sailkatzeko. Jokalari desordenatuak (DG) 1 gisa kodetuta zeuden ez diren joko osasuntsuen (HN) eta DG arteko sailkapenean, joko normalak (NG) 1 bezala HN eta NG arteko sailkapenean eta DG 1 eta NG eta DG arteko sailkapenean. Barra baten tamainak dagokion ezaugarriaren koefizientearen tamaina adierazten du, beraz, zero ez diren koefizienteen ezaugarriak hautatuak dira. Errendatutako garunek hautatutako ezaugarriei dagozkien gai grisak eta gai zuriaren osagaiak irudikatzen dituzte ikuspegi hobetik. Gorriz edo urdinez agertzen diren ezaugarriek λ-n zehaztutako ezaugarri urrunagoetan sartutakoak adierazten dituzte1SE baita λ atalean zehaztutako ezaugarriak ereMinErr, berriz, horia edo magenta daudenek adierazten duten ezaugarriak soilik agertzen dira. Garuneko osagaien etiketak tauletan ematen diren moduan ematen dira S1 S2. L, utzi; R, ondo.

Table 1

Erregionalizatutako logistikako erregresioaren informazioa egokitzea hiru taldeetako bikote bakoitzaren artean sailkatzeko.

 HN vs DGHN vs NGNG vs. DG
ParametroaGMLodieraLodieraBolumen
 WMFARDMD
Lasso pisua0.510.5
Λ atalean hautatutako ezaugarriakMinErrCV errorea37.368141.7876133.3857
 Ezaugarri kopurua432111
Ezaugarri eskalagoak λ aukeran1SECV errorea46.568150.0435141.2622
 Ezaugarri kopurua34121
 

Lassoen pisua adierazten du erregularizazio logistiko erregularra lasso (pisu lehoia = 1) edo net elastikoa erabiliz (ala pisua = 0.5) egindako ala ez adierazten du..

HN, ez-gamer osasuntsuak; DG, desordenatutako jokalariek; NG, ohiko jokalariek; GM, materia grisa; WM, materia zuria; FA, zatiketa anisotropia; RD, hedadura erradiala; MD, esan nahi difusivity; CVa, cross-validation.

Gamer osasuntsuek ez duten gaixo desordenatuen bereizketan, 43ek λ aukeratzen dituMinErr 24 GM eskualdeen lodiera eta 19 WM agirien lodiera osatzen dute, eta λ atalean hautatutako 34 ezaugarriak.1SE 15 GM eskualdeen lodiera eta 19 WM sekzioen FA lodiera. Gamer osasuntsuek ez dutenek osasuntsu direnen bereizketan, 21ek λ aukeratzen dituMinErr 12 GM eskualdeen lodiera eta 9 WM agirien RDaren lodiera, eta λ atalean aukeratutako 12 ezaugarriak.1SE 6 GM eskualdeen lodiera eta 6 WM agenteen RDaren lodiera. Gamer desordenatuen eta normalen artean sailkapenean, 11ek λ aukeratzen dituMinErr 7 GM eskualdeen bolumena eta 4 WM agenteen MD eta λ atal bat hautatuta.1SE GM eskualde bateko bolumenarekin bat.

Hautatutako ezaugarrien errendimendua

Ezaugarri kopurua murriztua eta 108 ezaugarri guztiak dituen ereduaren artean, antzekoak dira AUCen errendimenduak, gamer mota bakoitzeko eta erabiltzaile osasuntsuak ez diren jokalarien arteko bereizkeriaren arabera. (Figure3) .3). Jokalari desordenatuen eta normalen artean sailkapenean, λ aukeratutako ezaugarriekin batera ereduaMinErr (AUC = 0.83, p = 0.006) edo λ1SE (AUC = 0.72, p <0.001) ereduak baino errendimendu baxuagoa erakutsi zuen 108 ezaugarri guztiekin (AUC = 0.90).

 

Irudi bat, irudia eta abar gordetzen duen kanpoko fitxategia. Objektuaren izena fpsyt-09-00291-g0003.jpg

Eredu konparatzailea eredu hartzailearen funtzionamenduaren kurba (AUC) azpian dagoen eremuaren arabera alderatuz, eta hiru taldeen arteko bikoteen sailkapenarentzako aukeraketa aukeren bidez, bektorearen makinen bektorearekin. 108 funtzioen eredua (lerro sendoaren bidez adierazten da) funtzio aukeraketa gabe dagoena da, berriz, funtzio apal eta apalagoekin hautatutako ezaugarri motzekin bat datoz.MinErr (marratxodun lerroaren bidez adierazten da) eta λ1SE (marratxodun linearen bidez adierazten da), hurrenez hurren. HN, ez-gamer osasuntsuak; DG, desordenatutako jokalariek; NG, jokalari arruntak.

Sailkapenaren zehaztasuna

SVM-ek sailkapenean, λ aukeratutako ezaugarriak erabilizMinErr, zehaztasuna 98% baino handiagoa izan zen, aukera maila baino nabarmen handiagoa.p <0.001), jokalari mota bakoitza ez osasuntsu daudenen artean (irudia (Figure4A) .4A). Zehaztasuna aukera maila altua baino nabarmen handiagoa izan zen oraindik.p = 0.002) baina 69.8% bezain baxua da desordena eta normala den jokalarien artean sailkatuta, bereziki sentsibilitate baxua (47.4%) erakusten duena desoreka duten jokalarien identifikazio egokian. Ezaugarri apalagoak λ-an zehazten dira1SE antzeko errendimendua erakutsi zuen (irudia) (Figure4B) 4B) baina askoz ere txikiagoa sentikortasuna erakutsi (2.6%), normalean Gamers desordenatutako Gamers bereizketa zuzena.

 

Irudi bat, irudia eta abar gordetzen duen kanpoko fitxategia. Objektuaren izena fpsyt-09-00291-g0004.jpg

Konfusio matrizeak hiru taldetako bikote bakoitzaren arteko sailkapenean (A) gutxi eta (B) ezaugarri eskalagoak λ-an zehazten diraMinErr eta λ1SE, hurrenez hurren, bektoreen euskarrietan. Beheko eskuineko gelaxkak sailkapenaren zehaztasuna (ACC) adierazten du, behe-ezkerreko zelula, tasa negatiboa (TNR) edo espezifikotasuna, behe-erdiko zelula benetako tasa positiboa (TNR) edo sentsibilitatea, goiko eskuineko zelula balio prediktibo negatiboa (NPV). ), eta erdiko-eskuinaldeko zelula aurresateko balio positiboa (EAP). TP, benetako positiboa; TN, benetako negatiboa; FP, faltsu positiboa; FN, faltsua negatiboa.

Eztabaida

Azterlan honetan, DSM-5-en proposatutako IGDS-ekin sailkatutako Gamer patologikoak eta ez-patologikoak aztertu nahi izan genituen alderdi neuroanatomiko apalen bidez irudikatzen zituztenak. Jokalari desordenatuak eta normala 43 eta 21en ezaugarrien arabera irudikatu ziren, gamer osasuntsuekiko ez bezala. Horrez gain, desoreka duten erabiltzaileek 11en ezaugarrien arabera irudikatu zituzten ohiko jokalariekiko. Ezaugarri eskasak eta neuroanatomikoak erabilita, jokalariek osasuntsuak eta normala izan dezakete joko berri ez osasuntsuekin, baina desberdina eta normala den jokalarien arteko sailkapena nahiko zaila zen.

DSM-5-en proposatutako IGD-ekin IGD-ekin sintetizatutako oinarrizko deskribapen kategoriak onartuta daude. IGDSaren baliozkotasun enpirikoa hainbat herrialdetan baieztatu den arren., , ), agian IGDSeko bost elementu gehiago edo gehiagoko atalasea ez da aukera zehatza ez izatea, eta Interneten oinarritutako jolasten duten pertsonak kategorizatzeko beste modu batzuk ere iradoki daitezke.). Datu anitzeko datu klinikoak (garunaren irudien datuak, datu demografikoak, jokabideak eta sintomatikoak, gero eta gehiago eskuragai baitira), datu osagarriak erabil daitezke, buruko gaixotasunak diagnostikatzeko. Batez ere, informazio kuantitatiboaren masibotasuna dela eta, garuneko irudien datuak hurbilketa konputazionaletarako egokiak dira eta aurresatea erabilgarria izango litzateke. Izan ere, garuneko irudien datuak aurresateko balio handiagoak direla frogatu dute, klinikoki garrantzitsuak diren arazoei aurre egiteko aurreikusitako beste datu kliniko batzuekin alderatuta.).

ML-an oinarritutako diagnostiko sailkapena beste zenbait jokaera eta nahaste addictive gisa aplikatu da.-), sintomarik oinarritutako IGD kategorizazioa ere badirudi konputazio oinarritutako sailkapenaren erronka bat aurre egiteko. IGDaren arabera, garunaren anomak anatomikoak behin eta berriz aztertu dituelako.-, ), IGDaren diagnostikoan garuneko irudien datu potentzialen biomarkagailuen informazio neuroanatomikoa aztertu genuen. Azterketa honetan, gure helburua izan zen sailkapen errendimendu egokia eman zezakeen ezaugarri neuroanatomiko garrantzitsuen multzoa identifikatzea, gizabanakoen klaseen arteko desberdintasun neuroanatomikoak deskribatu baino lehen.

108en ezaugarri neuroanatomikoen artean garrantzitsuak hautatu ditugu, erregresio sakon eta erregularizatua. GM eta WM parametroak zortzi konbinazio kontutan hartuz, parametroen konbinazio desberdinak hautatu dira hiru taldeetako bikote bakoitza bereizteko. GM eskualdeen lodieraren eta WM sektoreen osotasunaren konbinazioa hobe da gamer osasuntsuak ez diren jokalariengandik bereizteko, GM eskualdeen bolumena eta WM-en hedapenen konbinazioa hobea zela eta gamer patologikoak bereizteko. patologiko ez diren jokalariak. Gainera, garuneko osagai askok normalean gamer osasuntsu eta ez-patologikoek bereizteko garrantzia izan zuten garuneko osagai neuroanatomikoak ziren, GM eskualde batzuk eta WM sektoreek ezaugarri patologikoak ez zituztenak, baina ez patologo gamerrak. . Aurkikuntza horien arabera, baliteke GM eta WM parametroen arteko konbinazio onena ez izatea biomarkagailu neuroanatomikoen moduan, beraz GM eta WM parametroen konbinazio espezifikoa hautatu behar da, sailkatu beharreko taldearen arabera.

Gamer ez-patologikoen bereizketa egiteko ezaugarri apalen kopurua txikiagoa da, gamer osasuntsuak ez diren gamer patologikoen bereizketarekin, Gamers ez-patologikoak gamer patologikoen eta osasuntsuaren arteko trantsizio fasean islatzen dira. ez-Gamers. Horrez gain, gamers mota ezberdinen arteko bereizketarako gutxik bereizitako ezaugarri gutxi batzuk gamerren eta joko osasuntsu ez direnen arteko bereizketa baino gutxiago adierazten du gamer patologikoak eta ez-patologikoak besteek ez dutela oso desberdinak direla terminoetan. Neuroanatomiaren jolasak ez direnek osasuntsu ez dutenak baino. Horrenbestez, ezaugarri eskasekin sortutako sailkapen ereduak 98% baino gehiagoko zehaztasuna eragin du Gamers mota eta gamer osasuntsu bakoitzaren arteko diskriminazioan, baina 70% azpitik zehazten da Gamers mota guztietako sailkapenean. Hau da, gamer ez-patologikoak ez diren gamer osasuntsuekin eta gamer patologikoengandik bereiz daitezke, baina gamer patologikoen eta patologikoen artean bereizteko mugak zeuden.

Badirudi gamerrekiko bi mota bereizgarritasun nahiko txikia nozioak iradokitzen direla. Lehenik eta behin, sintomak oinarritutako sailkapenaren eta kalkuluen arabera sailkapenaren arteko desoreka bat proposatu daiteke. IGDSeko bost edo gehiago irizpide esperimentatzeko proposatutako diagnostikoaren atalasea kontserbatiboki aukeratu zen IGDaren gehiegizko diagnostikoa saihesteko.), ezin da ahaztu Gamerien presentzia neuroanatomian aldaketa patologiko handiak jasaten duten baina IGD atalasea asetzeko ez bada. Bereziki, IGDS IGD atalasea baino gutxiagoko jostailuak baino askoz ere txikiagoak diren jokalariek betetzen zituzten jokalariak, beraz, IGDrik ez duten jokalariek ikerketa honetan azaltzen dutenak baino jostailuen osasuntsuagoak izan litezkeela oro har urrunago egon daitezke. Bigarrenik, biomarkagailu neuroanatomikoetan oinarritutako sailkapenaren erronka ere adierazi daiteke. Klasifikazioaren portaera hobetu daiteke gamer patologikoen eta patologikoenen arteko desberdintasun handiagoa duten beste biomarkatzaile batzuk sartuz. Bereziki, burmuinean egindako aldaketa funtzionalek IGD-en agerian uzten dutelako.-), garunaren anatomia eta funtzioa garuneko biomarkatzaileak izan daitezke. Gainera, garuneko aldaketak Interneten jokoaren mendekotasunaren dimentsio anitzeko alderdien zati direla esan nahi dugu, beraz, Interneten jokoaren menpekotasunarentzako barneko eta kanpoko hainbat arrisku faktorek osatzen dute.), gamer patologikoen eta ez-patologikoen artean sailkatzeko eredu osatuagoetan sartuta egon beharko lirateke, baita norbanako osasuntsu ez diren jolasteko gamerrak ere.

Hemen, erregularizatutako erregresioa erabili dugu, laztan eta elastikako sareak estimatzeko sustatzaileak erabiliz, sailkapen ereduetarako ezaugarri garrantzitsuak identifikatzeko. Ezaugarrien hautapenean edo dimentsioko murrizketan aldakuntza metodologikoak daude eta ereduen eraikuntzan hautatutako ezaugarriak erabiltzeko hainbat planteamendu erabili daitezke.). Gure erregresio erregularizatua erabiliz gero, gure ikuspuntutik, ezaugarri neuroanatomikoen barnean hipotesi bat suposatzen da. Suposizio hori onargarria baldin badu, ikerketa honetan uste dugun moduan, erregularizatutako erregresioa hurbilketa sinesgarria izan daiteke, eta hautatutako bereizketa multzoak errendimendu handiko sailkapen ereduak idaztea espero zen. Baina nabarmentzekoa da sailkapen eredu errazagoak eskasia handiagoa oinarritzat hartuta, agian ez direla beti antzeko edo hobetutako errendimendua agertuko. Hain zuzen ere, erregularizazio parametroaren arabera, eskasia motaren arabera aukerarik ez da, seguru asko, ez da batere eskasagorik eredu hobeagoa ematen, zehazki, sailkapenaren arazo zailenetako batean, hala nola gamer patologikoen eta patologikoenen arteko sailkapena.

Gainera, SVMak MLren teknika gisa erabili ditugu sailkapen ereduak eraikitzeko, gehien ezagutzen direlako. Klasearen errendimendua hobetzeko beste metodo aurreratu batzuk erabil daitezke, nahiz eta metodo desberdinen arteko konparaziozko errendimendua ez izan ondorioztatzen eszenatoki esperimentalen errendimenduaren menpekotasunagatik.). Bestalde, metodo estatistiko klasikoen eta ML tekniken arteko errendimendu konparatiboetarako, erregresio logistikoaren sailkapena ere egin genuen eta erakutsi genuen bi metodoak, hau da, erregresio logistikoa eta SVMak sailkapenaren errendimenduan antzekoak zirela. S2). Esan daiteke metodologia estatistiko klasikoak ez direla beti MLren tekniken errendimendua sailkapenean baino txikiagoa.).

Egungo azterketan, agerian utzi dugu IGDen sintomak oinarritutako sailkapena biomarkagailu neuroanatomiko apalen arabera sailkatzea dela, sailkapen ereduak osatzen dituzten biomarkagailu eskasak direla eta. Gainera, frogatu egin dugu gamer ez patologikoak gamer ez patologikoetatik gutxiago bereiz daitezkeela jolasa ez diren pertsona osasuntsuek baino, neuroanatomia dagokionez. Hortaz, egungo diagnostiko-sistemek DSM-5 kategorizazio deskriptiboan oinarritzen dutela iradokitzen dugu, hala nola, urrezko estandarretan, gamer ez patologikoak kontu handiagoz diagnostikatu beharko lirateke biomarkagailu objektiboak erabiliz, hala nola, alterazio neuroanatomikoekin lotutako biomarkagailu objektiboak erabiliz. Hurbilketa konputazionalen adopzioa psikiatrian joera aldakorra dela dirudi, baina bide luzea izan daiteke ingurune klinikoetara ia aplikatzeko. Ondorengo ikerketetan garunaren irudigintzako eta beste datu kliniko batzuen aukeraketa optimoa bilatzeko ondorengoak egin behar dira, eta, epe luzera, ahalegin horiek IGDaren kalkuluan oinarritutako diagnostikoa sustatuko dute.

Autorearen ekarpenak

D-JK eta J-WC ikerketaren kontzeptua eta diseinua ziren. HC-k parte-hartzaileen karakterizazio eta hautaketa klinikoa egin zuen. CP-k datuak aztertu zituen eta eskuizkribua idatzi zuen. Egile guztiek edukiak kritikoki berrikusi eta argitaratzeko azken bertsioa onartu dute.

Interesik gabeko adierazpen gatazka

Egileek diotenez, ikerketa interes-gatazka potentzial gisa ulertu daitekeen edozein merkataritza edo finantza harremanik izan ez zenean egin zen.

Oin-oharrak

 

Finantzaketa. Ikerketa hau Brain Science Research Programak babestu zuen Koreako Ikerketa Fundazio Nazionalak (NRF), Koreako Zientzia eta IKT Ministerioak (NRF-2014M3C7A1062893) finantzatua.

 

Erreferentziak

1. KS gaztea. Internet mendekotasuna: nahaste kliniko berri baten sorrera. CyberPsychol Behav. (1998) 1: 237 – 44. 10.1089 / cpb.1998.1.237 [Gurutze Ref]
2. Amerikako Psikiatria Elkartea Buruko Nahasteak Diagnostiko eta Estatistika Eskuliburua, 5th Edition. Washington, DC: American Psychiatric Association Publishing; (2013).
3. Ko CH, Yen JY, Chen SH, Wang PW, Chen CS, Yen CF. Interneten DSM-5-en Interneten jolasen nahasketaren diagnostiko irizpideak ebaluatu Taiwanen heldu gazteen artean. J Psychiatr Res. (2014) 53: 103 – 10. 10.1016 / j.jpsychires.2014.02.008 [PubMed] [Gurutze Ref]
4. Ko CH, Hsieh TJ, Wang PW, Lin WC, Yen CF, Chen CS, et al. . Gaia gibeleko dentsitate aldatua eta amigdalaren konektibitate funtzionala eten du Interneten jolasen nahastea duten helduengan. Prog Neuropsychopharmacol Biol Psychiatry (2015) 57: 185 – 92. 10.1016 / j.pnpbp.2014.11.003 [PubMed] [Gurutze Ref]
5. Lin X, Dong G, Wang Q, Du X. Gaia anormala eta materia zuriaren bolumena 'Internet joko-drogarien' bolumenean. Addict Behav. (2015) 40: 137 – 143. 10.1016 / j.addbeh.2014.09.010 [PubMed] [Gurutze Ref]
6. Wang H, Jin C, Yuan K, Shakir TM, C Mao, Niu X, et al. . Gaixotasun urritasuna duten nerabeekin materia grisen bolumena eta kontrol kognitiboa aldatzea. Behav Front Neurosci. (2015) 9: 64. 10.3389 / fnbeh.2015.00064 [PMC doako artikulua] [PubMed] [Gurutze Ref]
7. Yuan K, Cheng P, Dong T, Bi Y, Xing L, Yu D, et al. . Lodiera kortikoa nerabezaroko beranduago jolasteko mendekotasunarekin. PloS ONE (2013) 8: e53055. 10.1371 / journal.pone.0053055 [PMC doako artikulua] [PubMed] [Gurutze Ref]
8. Dong G, Devito E, Huang J, Du X. Difusioaren tensor irudiak thalamus eta posterior cingulate cortex anormalitateak erakusten ditu interneteko joko-drogariengan. J Psychiatr Res. (2012) 46: 1212 – 6. 10.1016 / j.jpsychires.2012.05.015 [PMC doako artikulua] [PubMed] [Gurutze Ref]
9. Xing L, Yuan K, Bi Y, Yin J, Cai C, Feng D, et al. . Zuntz integritate txikia eta kontrol kognitiboa interneteko jolasen nahastea duten nerabeengan. Brain Res. (2014) 1586: 109 – 17. 10.1016 / j.brainres.2014.08.044 [PubMed] [Gurutze Ref]
10. Besson P, Dinkelacker V, Valabregue R, Thivard L, Leclerc X, Baulac M, et al. . Egonkortasun egiturazko desberdintasunak ezkerreko eta eskuineko loboaren epilepsiarekin. Neuroimage (2014) 100: 135 – 44. 10.1016 / j.neuroimage.2014.04.071 [PubMed] [Gurutze Ref]
11. Huys QJ, Maia TV, Frank MJ. Psikiatria konputazionala neurozientziatik zubi gisa aplikazio klinikoetara. Nat Neurosci. (2016) 19: 404 – 13. 10.1038 / nn.4238 [PMC doako artikulua] [PubMed] [Gurutze Ref]
12. Lemmens JS, Valkenburg PM, Gentile DA. Interneteko jokoaren desoreka eskala. Psikologia ebaluatu. (2015) 27: 567 – 82. 10.1037 / pas0000062 [PubMed] [Gurutze Ref]
13. Dahnke R, Yotter RA, Gaser C. lodiera corticala eta erdiko azalera estimazioa. Neuroimage (2013) 65: 336 – 48. 10.1016 / j.neuroimage.2012.09.050 [PubMed] [Gurutze Ref]
14. Smith SM, Jenkinson M, Johansen-Berg H, Rueckert D, Nichols TE, Mackay CE, et al. . Tratuan oinarritutako estatistika espazialak: subjektu anitzeko difusioaren datuen analisia. Neuroimage (2006) 31: 1487 – 505. 10.1016 / j.neuroimage.2006.02.024 [PubMed] [Gurutze Ref]
15. Hammers A, Allom R, Koepp MJ, Free SL, Myers R, Lemieux L, et al. . Hiru dimentsiotako probabilitate maximoa giza garunaren atlasa, denbora tarte batez lotzen du bereziki. Hum Brain Mapp. (2003) 19: 224 – 47. 10.1002 / hbm.10123 [PubMed] [Gurutze Ref]
16. Mori S, Oishi K, Jiang H, Jiang L, Li X, Akhter K, et al. . Materia estereotomatikoa zuriaren atlasa, difusio tentsorearen irudietan oinarrituta, ICBM txantiloian. Neuroimage (2008) 40: 570 – 82. 10.1016 / j.neuroimage.2007.12.035 [PMC doako artikulua] [PubMed] [Gurutze Ref]
17. Tibshirani R. Erregresioaren murrizketa eta hautapena lazo bidez. J Roy Stat Soc Ser B (1996) 58: 267 – 88.
18. Zou H, Hastie T. Regularization eta aldagai hautaketa net elastikoa bidez. J Roy Stat Soc Ser B (2005) 67: 301 – 20. 10.1111 / j.1467-9868.2005.00503.x [Gurutze Ref]
19. Theodoridis S. Makina Ikaskuntza: Bayesiarra eta Optimizatzeko Perspektiba. London: Academic Press; (2015).
20. ER Delong, DM, Clarke-Pearson DL. Bi eremu edo gehiago hartzaile korrelatiboaren funtzionamendurako kurba ezaugarri operatiboak alderatuz: ikuspegi ez parametrikoa. Biometria (1988) 44: 837 – 45. 10.2307 / 2531595 [PubMed] [Gurutze Ref]
21. Cho SH, Kwon JH. Internet Gaming Disorder Eskala (K-IGDS) Korean bertsioaren baliozkotzea: helduen komunitateko lagin baten aurkikuntza. Korean J Clin Psychol. (2017) 36: 104 – 17. 10.15842 / kjcp.2017.36.1.010 [Gurutze Ref]
22. Sigerson L, Li AYL, Cheung MWL, Luk JW, Cheng C. Txinako Interneteko jokoaren desordena eskalaren propietate psikometrikoak. Addict Behav. (2017) 74: 20 – 6. 10.1016 / j.addbeh.2017.05.031 [PubMed] [Gurutze Ref]
23. Burke Quinlan E, Dodakian L, Ikusi J, Mckenzie A, Le V, Wojnowicz M, et al. . Neurona funtzioa, lesioa eta trazua azpimota aurreikusten tratamendu irabaziak trazatu ondoren. Ann Neurol. (2015) 77: 132 – 45. 10.1002 / ana.24309 [PMC doako artikulua] [PubMed] [Gurutze Ref]
24. Padiyadath V, Stein EA, Ross TJ. Atseden egoera konektibitate funtzionalaren makina ikasteko sailkapena iradokitzen du erretzea. Front Hum Neurosci. (2014) 8: 425. 10.3389 / fnhum.2014.00425 [PMC doako artikulua] [PubMed] [Gurutze Ref]
25. Fedota JR, Stein EA. Egoera atsedenik gabeko konektibitate funtzionala eta nikotina menpekotasuna: biomarkagailuen garapenerako irtenbideak. Ann NY Acad Sci. (2015) 1349: 64 – 82. 10.1111 / nyas.12882 [PMC doako artikulua] [PubMed] [Gurutze Ref]
26. Ahn WY, Ramesh D, Moeller FG, Vassileva J. Makina-ikasteko planteamenduen erabilgarritasuna substantziaren erabileraren nahasteak dituzten jokabide-markatzaileak identifikatzeko: impulsividad dimentsioaren egungo kokaina menpekotasunaren iragarle moduan. Front Psychiatry (2016) 7: 34. 10.3389 / fpsyt.2016.00034 [PMC doako artikulua] [PubMed] [Gurutze Ref]
27. Ahn WY, Vassileva J. Makina-ikaskuntza substantziaren araberako jokabide markatzaileak identifikatzen ditu opiazeen eta pizgarrien menpekotasunerako. Droga Alkoholaren menpekotasuna. (2016) 161: 247 – 57. 10.1016 / j.drugalcdep.2016.02.008 [PMC doako artikulua] [PubMed] [Gurutze Ref]
28. Percy C, França M, Dragičević S, D'avila Garcez A. Lineako jokoaren auto-bazterketa aurreikustea: gainbegiratutako makina ikasteko modeloen errendimenduaren analisia. Int Gambl Stud. (2016) 16: 193-210. 10.1080 / 14459795.2016.1151913 [Gurutze Ref]
29. Ding WN, Sun JH, Sun YW, Zhou Y, Li L, Xu JR, et al. . Interneteko jokoaren menpekotasunarekin lotutako nerabeen egoera egonkorreko konektibitate funtzionala aldatu da. PloS ONE (2013) 8: e59902. 10.1371 / journal.pone.0059902 [PMC doako artikulua] [PubMed] [Gurutze Ref]
30. Meng Y, Deng W, Wang H, Guo W, Li T. Interneten jolasen nahastea duten pertsonen aurrealdeko disfuntzioa: erresonantzia magnetiko funtzionalen azterketen meta-analisia. Addict Biol. (2015) 20: 799 – 808. 10.1111 / adb.12154 [PubMed] [Gurutze Ref]
31. Zhang JT, Yao YW, Li CSR, Zang YF, Shen ZJ, Liu L, et al. . Interneten jolasen nahastea duten heldu gazteek estatuaren atsedenaldiaren konektibitate funtzionala aldatu da. Addict Biol. (2015) 21: 743 – 51. 10.1111 / adb.12247 [PMC doako artikulua] [PubMed] [Gurutze Ref]
32. Cai C, Yuan K, Yin J, Feng D, Bi Y, Li Y, et al. . Striatum morfometria kontrol defektibo kognitiboekin eta sintoma larritasunarekin lotuta dago Interneteko jolasen nahastearekin. Brain Imaging Behav. (2016) 10: 12 – 20. 10.1007 / s11682-015-9358-8 [PubMed] [Gurutze Ref]
33. Park C, Chun JW, Cho H, Jung YC, Choi J, Kim DJ. Internet joko-adikuntzako burmuina estatu patologiko batean itxi al da? Addict Biol. (2017) 22: 196 – 205. 10.1111 / adb.12282 [PubMed] [Gurutze Ref]
34. Kuss DJ, Griffiths MD. Interneten jokoaren menpekotasuna: ikerketa enpirikoaren berrikuspen sistematikoa. Int J Ment Health Addict. (2012) 10: 278 – 96. 10.1007 / s11469-011-9318-5 [Gurutze Ref]
35. Castellanos FX, Di Martino A, Craddock RC, Mehta AD, Milham MP. Lotura funtzionalaren aplikazio klinikoak. Neuroimage (2013) 80: 527 – 40. 10.1016 / j.neuroimage.2013.04.083 [PMC doako artikulua] [PubMed] [Gurutze Ref]
36. Tollenaar N, Van Der Heijden P. Zein metodo aurreko errekuperazio onena aurreikusten da: estatistika, makina ikaskuntza eta datu meatzaritza iragarle eredu konparazioa. J Roy Stat Soc Ser A (2013) 176: 565 – 84. 10.1111 / j.1467-985X.2012.01056.x [Gurutze Ref]