Pola konektivitas struktural otak membedakan berat badan normal dari subjek yang kelebihan berat badan (2015)

Latar Belakang

Perubahan komponen hedonis dari perilaku menelan telah terlibat sebagai faktor risiko yang mungkin dalam patofisiologi individu yang kelebihan berat badan dan obesitas. Bukti neuroimaging dari individu dengan peningkatan indeks massa tubuh menunjukkan perubahan struktural, fungsional, dan neurokimiawi dalam jaringan imbalan yang diperluas dan jaringan terkait.

Tujuan

Untuk menerapkan analisis pola multivariat untuk membedakan berat badan normal dan berat badan berlebih berdasarkan pengukuran abu-abu dan putih.

metode

Gambar struktural (N = 120, kelebihan berat badan N = 63) dan gambar tensor difusi (DTI) (N = 60, kelebihan berat badan N = 30) diperoleh dari subjek kontrol yang sehat. Untuk sampel total, usia rata-rata untuk kelompok kelebihan berat badan (perempuan = 32, laki-laki = 31) adalah 28.77 tahun (SD = 9.76) dan untuk kelompok berat badan normal (perempuan = 32, laki-laki = 25) adalah 27.13 tahun (SD = 9.62) ). Segmentasi regional dan parcellation dari citra otak dilakukan dengan menggunakan Freesurfer. Traktografi deterministik dilakukan untuk mengukur kepadatan serat antar daerah yang dinormalisasi. Pendekatan analisis pola multivariat digunakan untuk memeriksa apakah pengukuran otak dapat membedakan kelebihan berat badan dari individu dengan berat badan normal.

Hasil

1. Klasifikasi materi putih: Algoritma klasifikasi, berdasarkan tanda tangan 2 dengan koneksi regional 17, mencapai akurasi 97% dalam membedakan individu yang kelebihan berat badan dari individu dengan berat badan normal. Untuk kedua tanda tangan otak, konektivitas yang lebih besar seperti yang diindeks oleh peningkatan kepadatan serat diamati pada kelebihan berat badan dibandingkan dengan berat normal antara daerah jaringan imbalan dan daerah kontrol eksekutif, gairah emosional, dan jaringan somatosensori. Sebaliknya, pola yang berlawanan (penurunan kepadatan serat) ditemukan antara korteks prefrontal ventromedial dan insula anterior, dan antara daerah talamus dan jaringan kontrol eksekutif. 2. Klasifikasi materi-abu: Algoritma klasifikasi, berdasarkan tanda tangan 2 dengan fitur morfologi 42, mencapai akurasi 69% dalam membedakan kelebihan berat badan dari berat normal. Dalam kedua tanda tangan otak, wilayah penghargaan, arti-penting, kontrol eksekutif, dan jaringan gairah emosional dikaitkan menurunkan nilai morfologis pada individu yang kelebihan berat badan dibandingkan dengan individu dengan berat badan normal, sedangkan pola yang berlawanan terlihat untuk wilayah jaringan somatosensori.

Kesimpulan

1. Peningkatan BMI (yaitu, subjek yang kelebihan berat badan) dikaitkan dengan perubahan yang berbeda dalam materi abu-abu dan kepadatan serat otak. 2. Algoritma klasifikasi berdasarkan konektivitas white-matter yang melibatkan wilayah ganjaran dan jaringan terkait dapat mengidentifikasi target spesifik untuk studi mekanistik dan pengembangan obat di masa depan yang ditujukan untuk perilaku menelan yang abnormal dan pada kelebihan berat badan / obesitas.

2.3.1. MRI struktural (materi abu-abu)

Subjek (N = 120, BMI tinggi N = 63) dipindai pada 3.0 Tesla Siemens TRIO setelah pengintai sagital digunakan untuk memposisikan kepala. Pemindaian struktural diperoleh dari 4 urutan akuisisi yang berbeda menggunakan protokol gema gradien cepat (MP-RAGE) 3-dimensi resolusi tinggi yang dipersiapkan dengan magnetisasi sagital dan detail pemindaian adalah: 1. Waktu pengulangan (TR) = 1 ms, waktu gema (TE) = 2200 ms, sudut balik (FA) = 3.26, 9 mm³ ukuran voxel. 2. TR = 2200 ms, TE = 3.26 ms, FA = 20, 1 mm³ ukuran voxel. 3. TR = 20 ms, TE = 3 ms, FA = 25, 1 mm³ ukuran voxel. 4. TR = 2300 ms, TE = 2.85 ms, FA = 9, 1 mm³ ukuran voxel. Pengaruh protokol akuisisi pada perbedaan total volume materi abu-abu (TGMV) dinilai. Secara khusus model linear umum (GLM) diterapkan untuk menentukan pengaruh protokol pada pengendalian TGMV untuk usia. Hasil menunjukkan bahwa semua protokol tidak mirip satu sama lain (F(3) = 6.333, p = 053).

2.3.2. Konektivitas anatomi (materi putih) MRI

Subset dari sampel asli (N = 60, BMI tinggi N = 30) menjalani MRI berbobot difusi (DWI) menurut dua protokol akuisisi yang sebanding. Secara khusus, DWI diperoleh dalam arah 61 atau 64 noncollinear dengan b = 1000 s / mm², dengan 8 atau 1 b = 0 s / mm² gambar, masing-masing. Kedua protokol tersebut memiliki TR = 9400 ms, TE = 83 ms, dan field of view (FOV) = 256 mm dengan matriks akuisisi 128 × 128, dan ketebalan irisan 2 mm sehingga menghasilkan 2 × 2 × 2 mm³ voxel isotropik.

2.4.1. Segmentasi dan pembagian struktural (materi abu-abu)

Segmentasi T1-gambar dan pembagian wilayah dilakukan menggunakan FreeSurfer (Dale et al., 1999; Fischl et al., 1999, 2002) mengikuti nomenklatur yang dijelaskan dalam Destrieux et al. (2010). Untuk setiap belahan otak, satu set struktur kortikal bilateral 74 diberi label sebagai tambahan pada struktur subkortikal 7 dan otak kecil. Hasil segmentasi dari subjek sampel ditunjukkan pada Ara. 2A. Satu struktur garis tengah tambahan (batang otak yang mencakup bagian dari otak tengah seperti daerah tegmental ventral [VTA] dan substantia nigra) juga dimasukkan, untuk satu set lengkap parsasi 165 untuk seluruh otak. Empat langkah morfologis representatif dihitung untuk setiap partisi kortikal: volume materi abu-abu (GMV), luas permukaan (SA), ketebalan kortikal (CT), dan rata-rata kelengkungan (MC). Alur kerja pemrosesan data dirancang dan diimplementasikan di Pipeline Laboratory of Neuroimaging (LONI) (http://pipeline.loni.usc.edu).

 

Gambar 2

A. Segmentasi struktural dan hasil parcellation dan B. hasil serat materi putih yang terkait dengan parcellations struktural dari subjek sampel. A: Segmentasi struktural. B: Segmentasi materi putih.

2.4.2. Konektivitas anatomi (materi putih)

Gambar berbobot difusi (DWI) dikoreksi untuk gerakan dan digunakan untuk menghitung tensor difusi yang secara rotasi diorientasikan ulang pada masing-masing voxel. Gambar tensor difusi diluruskan berdasarkan interpolasi trilinear dari tensor log-transformed seperti yang dijelaskan dalam Chiang et al. (Chiang et al., 2011) dan disampling ulang ke resolusi voxel isotropik (2 × 2 × 2 mm³). Alur kerja pemrosesan data dibuat menggunakan pipa LONI.

Konektivitas materi putih untuk setiap subjek diperkirakan antara wilayah otak 165 yang diidentifikasi pada gambar struktural (Fig. 2B) menggunakan traktat serat DTI. Traktografi dilakukan melalui Fiber Assignment dengan algoritma Continuous Tracking (FACT) (Mori et al., 1999) menggunakan TrackVis (http://trackvis.org) (Irimia et al., 2012). Perkiraan akhir konektivitas materi putih antara masing-masing daerah otak ditentukan berdasarkan jumlah saluran serat yang memotong masing-masing daerah, dinormalisasi dengan jumlah total saluran serat dalam seluruh otak. Informasi ini kemudian digunakan untuk klasifikasi selanjutnya.

2.5.1. Pengembangan model prediksi

Jumlah tanda tangan otak untuk setiap analisis ditetapkan pada dua (Lê Cao et al., 2008b). Itu analisis stabilitas digunakan untuk menentukan jumlah optimal wilayah otak untuk setiap tanda tangan otak (Lê Cao et al., 2011). Pertama, sPLS-DA diterapkan di berbagai variabel, 5-200, yang akan dipilih untuk masing-masing dari dua tanda tangan otak. Untuk setiap spesifikasi jumlah variabel yang akan dipilih, 10-fold cross-validation mengulangi 100 kali dilakukan. Prosedur validasi silang ini membagi data pelatihan menjadi lipatan 10 atau subsampel data (n = 12 set tes). Satu subsampel disisihkan sebagai data pengujian dan subsampel yang tersisa digunakan untuk melatih model. Stabilitas variabel ditentukan dengan menghitung berapa kali variabel tertentu dipilih di semua proses validasi silang. Hanya variabel otak dengan stabilitas lebih dari 80% yang digunakan untuk mengembangkan model akhir.

2.6.1. Kotak kuadrat terkecil parsial - analisis diskriminatif (sPLS-DA)

sPLS-DA dilakukan dengan menggunakan paket R mixOmics (http://www.R-project.org). Kami memeriksa kekuatan prediktif morfometri otak dan konektivitas anatomi DTI secara terpisah. Selain morfometri otak regional atau konektivitas anatomi regional, usia, dan total GMV dimasukkan sebagai prediktor yang memungkinkan. Untuk data morfologis yang diperoleh, ukuran GMV, SA, CT, dan MC dimasukkan ke dalam model. Untuk data konektivitas anatomi DTI yang diperoleh, matrik subjek spesifik yang mengindeks kerapatan serat relatif antara wilayah 165 ditransformasikan ke matriks dimensi 1 yang mengandung konektivitas unik 13,530 (segitiga atas dari matriks awal). Matriks-matriks ini kemudian digabungkan antar subjek dan dimasukkan ke dalam sPLS-DA. Sebagai langkah reduksi data awal, prediktor varians mendekati nol dijatuhkan dan ini menghasilkan koneksi 369 yang tersisa. Tanda tangan otak dirangkum menggunakan pemuatan variabel pada dimensi individu dan koefisien VIP. Kami juga menggunakan tampilan grafis untuk mengilustrasikan kemampuan diskriminatif dari algoritma (Lê Cao et al., 2011). Kemampuan prediktif model akhir dinilai menggunakan validasi silang keluar satu. Kami juga menghitung ukuran klasifikasi biner: sensitivitas, spesifisitas, nilai prediktif positif (PPV) dan nilai prediktif negatif (NPV). Di sini, sensitivitas mengindeks kemampuan algoritma klasifikasi untuk mengidentifikasi dengan benar individu yang kelebihan berat badan. Spesifisitas mencerminkan kemampuan algoritma klasifikasi untuk mengidentifikasi dengan benar individu dengan berat badan normal. PPV mencerminkan proporsi sampel yang menunjukkan tanda tangan kelebihan berat badan otak spesifik dari algoritma klasifikasi dan siapa yang sebenarnya kelebihan berat badan (benar positif). Di sisi lain NPV adalah probabilitas bahwa jika hasil tes negatif, yaitu, peserta tidak memiliki tanda otak spesifik-kelebihan berat badan (benar-benar negatif).

2.6.2. Karakteristik sampel

Analisis statistik dilakukan dengan menggunakan Paket Statistik untuk perangkat lunak Ilmu Sosial (SPSS) (versi 19). Perbedaan kelompok dalam skor ukuran perilaku dievaluasi dengan menerapkan analisis varians (ANOVA). Signifikansi dianggap pada p <.05 tidak diperbaiki.

3.2.1. Klasifikasi berdasarkan konektivitas anatomi (materi putih)

Kami memeriksa apakah white-matter konektivitas anatomi otak dapat digunakan untuk membedakan individu yang kelebihan berat badan dari individu dengan berat badan normal. Ara. 3A menggambarkan individu dari sampel yang diwakili dalam hubungannya dengan dua tanda tangan otak dan menggambarkan kemampuan diskriminatif dari pengelompokan materi putih. Langkah-langkah klasifikasi biner dihitung dan menunjukkan sensitivitas 97%, spesifisitas 87%, PPV 88%, dan NPV 96%. Tabel 2 berisi daftar koneksi white-matter stabil yang terdiri dari masing-masing tanda tangan otak diskriminatif bersama dengan pemuatan variabel dan koefisien VIP.

 

Gambar 3

A. Klasifikasi berdasarkan kepadatan serat (materi putih). B. Klasifikasi berdasarkan morfologi materi abu-abu. A: Menggambarkan kemampuan diskriminatif dari serat kepadatan (white-matter) classifier. B: Menggambarkan kemampuan diskriminatif dari pengelompokan materi abu-abu. ...

 

Tabel 2

Daftar koneksi anatomi yang terdiri dari setiap tanda tangan otak yang diskriminatif.

3.2.2. Tanda tangan otak berdasarkan konektivitas anatomi 1

Tanda tangan otak pertama menyumbang 63% dari varians. Seperti yang ditunjukkan oleh koefisien VIP, variabel dalam solusi yang menjelaskan varian paling banyak termasuk 1) koneksi antara wilayah jaringan hadiah (putamen, pallidum, batang otak [termasuk daerah otak tengah seperti VTA dan substantia nigra]) dengan daerah eksekutif kontrol (precuneus yang merupakan bagian dari korteks parietal posterior), arti-penting (insula anterior), rangsangan emosional (korteks prefrontal ventromedial) dan jaringan somatosensori (postcentral gyrus); 2) daerah jaringan gairah emosional (korteks midcingulate anterior, korteks prefrontal ventromedial) dengan daerah arti-penting (insula anterior) dan jaringan somatosensorik (lobulus paracentral termasuk korteks motor tambahan); dan 3) thalamus dengan gyrus oksipital tengah dan thalamus dengan wilayah jaringan kontrol eksekutif (korteks prefrontal lateral dorsal).

Dibandingkan dengan kelompok berat badan normal, kelompok kelebihan berat badan menunjukkan konektivitas yang lebih besar dari daerah jaringan imbalan (putamen, pallidum, batang otak) ke jaringan kontrol eksekutif (korteks parietal posterior), dan dari putamen ke bagian penghambatan jaringan gairah emosional ( korteks prefrontal ventromedial) dan ke daerah jaringan somatosensori (girus postcentral dan insula posterior). Konektivitas yang lebih rendah diamati pada kelompok kelebihan berat badan di daerah dari jaringan gairah emosional (korteks prefrontal ventromedial) ke jaringan arti-penting (insula anterior), tetapi konektivitas yang lebih besar pada kelompok kelebihan berat badan dari daerah-daerah dari jaringan gairah emosional (korteks ventromedial prefrontal) ke jaringan somatosensori (insula posterior). Konektivitas yang lebih rendah juga diamati pada kelompok yang kelebihan berat badan dalam koneksi dari somatosensori (paracentral lobule) ke korteks midcingulate anterior tetapi konektivitas yang lebih tinggi dari lobus paracentral ke subparietal sulcus (bagian dari jaringan somatosensori). Melihat koneksi thalamik, konektivitas yang lebih rendah diamati dari thalamus ke korteks prefrontal lateral dorsal (jaringan kontrol eksekutif) dan ke gyrus oksipital tengah pada individu yang kelebihan berat badan dibandingkan dengan individu dengan berat badan normal.

3.2.3. Tanda tangan otak berdasarkan konektivitas anatomi 2

Tanda tangan otak anatomi kedua diidentifikasi menyumbang 12% tambahan dari varians dalam data. Variabel-variabel yang berkontribusi paling varians terhadap diskriminasi kelompok seperti yang ditunjukkan oleh koefisien VIP termasuk koneksi di daerah hadiah (putamen, orbital sulci yang merupakan bagian dari gyrus frontal orbital, dan batang otak) dan gairah emosional (gyrus rectus yang merupakan medial bagian dari jaringan korteks prefrontal ventromedial).

Pada individu yang kelebihan berat badan dibandingkan dengan individu dengan berat badan normal, konektivitas yang lebih besar diamati antara daerah jaringan hadiah (batang otak dan putamen) dengan kontrol eksekutif (korteks prefrontal lateral dorsal) dan bagian penghambatan dari rangsangan emosional (korteks prefrontal ventromedial). Namun, konektivitas antara oksiital orbital frontal gyrus (jaringan hadiah) lebih rendah pada individu yang kelebihan berat badan dibandingkan dengan individu dengan berat badan normal.

3.2.4. Klasifikasi berdasarkan materi abu-abu morfometrik

Kami memeriksa apakah morfometri otak (volume materi abu-abu, luas permukaan, ketebalan kortikal, dan rata-rata kelengkungan) dapat digunakan untuk membedakan individu yang kelebihan berat badan dari individu dengan berat badan normal. Ara. 3B menggambarkan individu-individu dari sampel yang diwakili dalam hubungannya dengan dua tanda tangan otak dan menggambarkan kemampuan diskriminatif dari pengklasifikasi morfometrik. Langkah-langkah klasifikasi biner dihitung dan menunjukkan sensitivitas 69%, spesifisitas 63%, PPV 66%, dan NPV 66%. Tabel 3 berisi daftar ukuran morfometrik yang terdiri dari masing-masing diskriminatif bersama dengan pemuatan variabel dan koefisien VIP.

 

Tabel 3

Morfometri regional terdiri dari setiap tanda tangan otak.

3.2.5. Tanda tangan otak berbasis morfologis 1

Tanda tangan otak pertama menjelaskan 23% dari variabilitas dalam data fenotip morfometrik. Seperti yang terlihat oleh koefisien VIP, variabel yang berkontribusi paling varians pada tanda tangan termasuk daerah hadiah (subregional gyrus frontal orbital), arti-penting (insula anterior), kontrol eksekutif (korteks prefrontal lateral dorsal), arousal emosional (korteks prefrontal ventromedial) ) dan somatosensori (precentral sulcus, supramarginal gyrus, subcentral sulcus, superior frontal sulcus). Koefisien VIP yang tinggi juga diamati untuk girus frontal superior dan sulkus, girus temporal superior, girus frontopolar transversal, dan girus temporal transversus anterior. Wilayah penghargaan, arti-penting, kontrol eksekutif dan jaringan gairah emosional dikaitkan dengan menurunkan nilai pada individu yang kelebihan berat badan dibandingkan dengan individu dengan berat badan normal. Juga, orang yang kelebihan berat badan dibandingkan dengan orang dengan berat badan normal lebih besar nilai di wilayah jaringan somatosensori. Morfometri daerah frontal dan temporal (superior temporal gyrus, dan anterior temporal gyrus transversal) juga dikaitkan dengan menurunkan nilai pada individu yang kelebihan berat badan dibandingkan dengan individu dengan berat badan normal.

3.2.6. Tanda tangan otak berbasis morfologis 2

Tanda tangan morfologis otak kedua menjelaskan 32% dari varians. Variabel dengan koefisien VIP tertinggi mirip dengan koefisien VIP yang diamati pada tanda tangan otak 1 di mana mereka termasuk daerah hadiah (caudate), arti-penting (antula insula), kontrol eksekutif (bagian dari korteks parietal posterior), gairah emosional (parahippocampal) jaringan gyrus, cingulate cingulate anterior subgenual, dan cingulate cingulate anterior) dan jaringan somatosensori (posterior insula dan paracentral lobule). Namun, tanda tangan otak 2 dibandingkan dengan tanda tangan otak 1 hanya memiliki satu koneksi dari jaringan hadiah dan lebih banyak koneksi dari wilayah-wilayah yang menonjol dan jaringan gairah emosional.

Pada individu yang kelebihan berat badan dibandingkan dengan individu dengan berat badan normal, menurunkan nilai-nilai untuk morfometri dalam penghargaan, arti-penting, kontrol eksekutif dan jaringan gairah emosional, tetapi lebih tinggi nilai-nilai dalam jaringan somatosensori ditunjukkan.

4.1.1. Tanda tangan otak berdasarkan konektivitas anatomi 1

Tanda tangan otak pertama sebagian besar terdiri dari koneksi di dalam dan di antara hadiah, arti-penting, kontrol eksekutif, gairah emosional, dan jaringan sensorik. Ada juga koneksi thalamik ke wilayah jaringan kontrol eksekutif dan ke wilayah oksipital. Sesuai dengan temuan kami tentang penurunan koneksi dari korteks prefrontal ventromedial ke insula anterior yang diamati pada kelompok kelebihan berat badan dibandingkan dengan kelompok berat badan normal, berkurangnya integritas saluran zat putih (berkurangnya anisotropi fraksi) dalam kapsul eksternal (yang mengandung serat yang menghubungkan area kortikal ke area kortikal lain melalui serat asosiasi pendek) telah dilaporkan dalam obesitas dibandingkan dengan kontrol (Shott et al., 2014). Selain itu, dalam obesitas dibandingkan dengan kontrol koefisien difusi semu (difusi air yang mencerminkan kerusakan sel) lebih besar di strata sagital (yang dikenal untuk mentransmisikan informasi dari daerah parietal, occipital, cingulate dan temporal ke thalamus), dan mungkin konsisten dengan pengamatan kami tentang konektivitas yang lebih rendah antara talamus kanan dan gyrus oksipital tengah kanan untuk individu yang kelebihan berat badan dibandingkan dengan individu dengan berat badan normal (Shott et al., 2014). Shott dan rekannya (Shott et al., 2014) juga mengidentifikasi koefisien difusi jelas yang lebih besar (mencerminkan kemungkinan kerusakan sel) pada kelompok obesitas di korona radiata, yang tampaknya melengkapi temuan kami tentang kepadatan serat relatif yang lebih rendah antara struktur materi abu-abu dalam (seperti thalamus) dan area kortikal (punggung korteks prefrontal lateral) pada individu yang kelebihan berat badan dibandingkan dengan individu dengan berat badan normal. Konektivitas talamus yang berubah dapat mengganggu peran talamus dalam memfasilitasi penyampaian informasi sensorik perifer ke korteks (Jang et al., 2014).

Sebuah studi terpisah yang membandingkan obesitas remaja dengan individu dengan berat badan normal juga menemukan pengurangan anisotropi fraksional pada remaja obesitas di daerah seperti kapsul eksternal, kapsul internal (yang sebagian besar membawa traktus kortikospinalis yang naik dan turun), serta beberapa serat temporal dan radiasi optik (Yau et al., 2014). Sebuah studi baru-baru ini juga mengamati hilangnya koneksi serat saraf dengan DTI antara batang otak dan hipotalamus pada individu dengan batang otak cavernoma yang, setelah menjalani drainase bedah, mengalami peningkatan dramatis dalam berat badan, yang mungkin menunjukkan bahwa serat saraf ini terlibat dalam regulasi tersebut. dari asupan makanan dan berat badan (Purnell et al., 2014). Namun, kami tidak mengidentifikasi perbedaan konektivitas dengan hipotalamus, yang sebagian mungkin disebabkan oleh pembatasan pembagian berdasarkan atlas khusus yang digunakan dalam penelitian ini.

4.1.2. Tanda tangan otak berdasarkan konektivitas anatomi 2

Tanda tangan ortogonal kedua hanya terdiri dari tiga koneksi anatomis dalam jaringan penghargaan dan emosional. Identifikasi koneksi yang berubah dalam wilayah yang terdiri dari jaringan imbalan dan dengan wilayah di jaringan yang berinteraksi dengan penelitian ini belum pernah dilaporkan sebelumnya. Namun, perubahan ini mungkin diantisipasi berdasarkan studi morfologi baru-baru ini yang telah mengamati perubahan materi abu-abu di wilayah jaringan imbalan yang diperluas (Kenny, 2011; Kurth et al., 2013; Raji et al., 2010; Volkow et al., 2008). Bersama-sama, temuan kami menunjukkan perubahan luas dalam konektivitas white-matter untuk wilayah yang terdiri dari jaringan hadiah dan jaringan terkaitnya.

Sementara penelitian lain telah menemukan integritas serat berkurang yang diukur dengan mengurangi fraksi anisotropi di daerah corpus callosum dan fornix (yang merupakan bagian dari cingulate dan membawa informasi dari hippocampus ke hipotalamus) dengan meningkatnya BMI (Stanek et al., 2011; Xu et al., 2013); studi saat ini tidak mengidentifikasi perubahan signifikan dalam konektivitas interhemispheric dalam dua tanda tangan anatomi-konektivitas otak. Pengecualian adalah bahwa ada hubungan antara lobulus paracentral kiri dan sulkus subparietal kanan dalam tanda tangan otak 1, dan hubungan antara putamen kanan dan girus rektus kiri dalam tanda tangan otak 2. Kami berhipotesis bahwa efek yang diamati dalam studi sebelumnya ini mungkin disebabkan oleh degradasi materi putih sistemik daripada perubahan koneksi antara daerah otak tertentu, mirip dengan perubahan yang terjadi selama penuaan normal (Sullivan et al., 2010). Sementara para penulis dari studi sebelumnya berhipotesis bahwa perbedaan dalam anisotropi fraksional dalam kapsul eksternal subjek dengan BMI tinggi mungkin berkorelasi dengan koneksi dari hippocampus dan amygdala, kami tidak mengamati perubahan signifikan dalam konektivitas dalam struktur ini. Diperlukan analisis yang lebih terperinci dan pembagian wilayah otak yang lebih baik untuk mengonfirmasi pengamatan ini.

4.2.1. Tanda tangan otak berbasis morfologis 1

Dalam penelitian kami, tanda tangan otak pertama menampilkan nilai yang lebih rendah dari berbagai ukuran morfometrik (termasuk sub-regional dari gyrus frontal orbital, anterior insula) di daerah-daerah pahala, arti-penting, dan jaringan kontrol eksekutif dalam kelompok kelebihan berat badan dibandingkan dengan kelompok berat badan normal. Selain itu nilai-nilai yang lebih rendah nilai-nilai morfometrik diamati untuk daerah penghambatan (dorsal lateral dan ventromedial prefrontal cortex) terkait dengan jaringan gairah emosional, tetapi morfometri yang lebih tinggi untuk jaringan somatosensori (precentral sulcus, gyrus supramarginal, sulcus subcentral, sulcus superior) termasuk temporal daerah pada individu yang kelebihan berat badan dibandingkan dengan individu dengan berat badan normal. Dalam penelitian ini kami menemukan pengurangan yang signifikan dalam pengukuran morfologis (volume materi abu-abu dan ketebalan kortikal) dari gyrus frontal orbital. Gyrus frontal orbital adalah wilayah penting dalam jaringan hadiah yang memainkan peran dalam pemrosesan evaluatif dan dalam panduan perilaku dan keputusan masa depan berdasarkan pada pengkodean antisipasi terkait dengan hadiah (Kahnt et al., 2010). Sebuah studi baru-baru ini menganalisis struktur materi abu-abu dan menemukan bahwa individu yang obesitas telah mengurangi nilai untuk berbagai wilayah dalam jaringan hadiah, termasuk orbital frontal gyrus (Shott et al., 2014).

4.2.2. Tanda tangan otak berbasis morfologis 2

Dibandingkan dengan tanda tangan otak 1, pengukuran morfologis yang diamati di wilayah-wilayah arti-penting dan jaringan rangsangan emosional menjelaskan mayoritas varians, sementara wilayah-wilayah jaringan imbalan tidak berpengaruh. Pengurangan ukuran materi abu-abu diamati di wilayah arti-penting, kontrol eksekutif dan jaringan gairah emosional. Daerah-daerah ini (insula anterior, korteks posterior parietal, gyrus parahippocampal, subregional dari cingulate cortex anterior) sering dikaitkan dengan peningkatan aktivitas otak yang timbul selama paparan isyarat makanan (Brooks et al., 2013; Greenberg et al., 2006; Rothemund et al., 2007; Shott et al., 2014; Stoeckel et al., 2008), dan tingkat arti-penting rangsangan pribadi (Critchley et al., 2011; Seeley et al., 2007a). Dalam studi saat ini, pengurangan materi abu-abu juga terlihat di daerah kunci dari jaringan somatosensori (insula posterior, lobulus paracentral). Meskipun peran pasti dari jaringan ini dalam kelebihan berat badan dan obesitas tidak diketahui, telah terbukti terlibat dalam kesadaran sensasi tubuh, dan sebuah studi baru-baru ini menunjukkan bahwa peningkatan aktivitas jaringan somatosensori dalam menanggapi isyarat makanan pada individu yang obesitas dapat menyebabkan makan berlebihan (Stice et al., 2011). Studi ini secara khusus berfokus pada pengukuran morfologis dan koneksi anatomi antara daerah otak dalam jaringan reward yang diperluas dan jaringan somatosensori, dan menunjukkan bahwa metrik struktural otak ini dapat memengaruhi pemrosesan saraf yang terkait dengan hasil dari studi fungsional yang ditemukan dalam literatur. Korelasi dengan faktor perilaku dan lingkungan juga menawarkan wawasan lebih lanjut ke dalam hubungan antara temuan struktural dan fungsional, yang harus diuji dalam studi masa depan.