Commenti: come gli studi precedenti, le scansioni cerebrali hanno rivelato cambiamenti strutturali simili alle dipendenze nei soggetti con dipendenza da Internet. Anomalie nella materia bianca e grigia si trovano anche in chi ha la tossicodipendenza.
sfondo
Il disturbo da dipendenza da Internet (IAD) sta attualmente diventando un serio problema di salute mentale in tutto il mondo. Precedenti studi riguardanti la IAD erano principalmente focalizzati su esami psicologici associati. Tuttavia, ci sono pochi studi sulla struttura e sulla funzione del cervello riguardo alla IAD. In questo studio, abbiamo utilizzato l'imaging del tensore di diffusione (DTI) per studiare l'integrità della sostanza bianca negli adolescenti con IAD.
Metodologia / risultati principali
Diciassette soggetti IAD e sedici controlli sani senza IAD hanno partecipato a questo studio. Whole brain voxel-wise analysis of fractional anisotropy (FA) è stata eseguita da statistiche spaziali basate sul tratto (TBSS) per localizzare regioni anormali della sostanza bianca tra i gruppi. TBSS ha dimostrato che la IAD aveva una FA significativamente inferiore rispetto ai controlli in tutto il cervello, inclusa la materia bianca orbito-frontale, il corpo calloso, il cingolo, il fascicolo fronto-occipitale inferiore e la radiazione corona, capsule interne ed esterne, mentre non mostravano aree di FA superiore. L'analisi del volume di interesse (VOI) è stata utilizzata per rilevare i cambiamenti degli indici di diffusività nelle regioni che mostrano anomalie di FA. Nella maggior parte dei VOI, le riduzioni dell'AF sono state causate da un aumento della diffusività radiale mentre nessun cambiamento nella diffusività assiale. È stata eseguita un'analisi di correlazione per valutare la relazione tra FA e misure comportamentali all'interno del gruppo IAD. Sono state trovate correlazioni significativamente negative tra i valori di FA nel genu sinistro del corpo calloso e lo Screen for Child Anxiety Related Disorders, e tra i valori di FA nella capsula esterna sinistra e la scala della dipendenza da Internet di Young.
Conclusioni
I nostri risultati suggeriscono che la IAD ha dimostrato riduzioni generalizzate della FA nei principali percorsi della sostanza bianca e tale struttura anormale della materia bianca potrebbe essere collegata ad alcuni disturbi comportamentali. Inoltre, l'integrità della sostanza bianca può servire come potenziale nuovo target di trattamento e l'AF può essere un biomarcatore qualificato per comprendere i meccanismi neurali sottostanti alla lesione o per valutare l'efficacia di specifici interventi precoci nella IAD.
Citazione: Lin F, Zhou Y, Du Y, Qin L, Zhao Z, et al. (2012) Integrità anormale della materia bianca negli adolescenti con disturbo da dipendenza da Internet: uno studio di statistiche spaziali basato sul tratto. PLoS ONE 7 (1): e30253. doi: 10.1371 / journal.pone.0030253
Editore: Martin Gerbert Frasch, Université de Montréal, Canada
Ricevuto: 4 ottobre 2011; Accettato: 15 dicembre 2011; Pubblicato: 11 gennaio 2012
Copyright: © 2012 Lin et al. Questo è un articolo ad accesso aperto distribuito secondo i termini della licenza di attribuzione Creative Commons, che consente l'uso, la distribuzione e la riproduzione senza restrizioni con qualsiasi mezzo, a condizione che l'autore e la fonte originali siano accreditati.
Finanziamento: questo lavoro è stato parzialmente sostenuto dalla Natural Science Foundation of China (n. 30800252 e 20921004), dal National Basic Research Program of China (973 Program) Grant No. 2011CB707802 e dal Knowledge Innovation Program of Chinese Academy of Sciences e Excellent Doctoral Programma di tesi dell'Accademia cinese delle scienze. I finanziatori non hanno avuto alcun ruolo nella progettazione dello studio, nella raccolta e nell'analisi dei dati, nella decisione di pubblicare o nella preparazione del manoscritto.
Interessi in competizione: gli autori hanno dichiarato che non esistono interessi in competizione.
* E-mail: [email protected] (JX); [email protected] (HL)
# Questi autori hanno contribuito ugualmente a questo lavoro.
Il disturbo da dipendenza da Internet (IAD), chiamato anche uso problematico o patologico di Internet, è caratterizzato dall'incapacità di un individuo di controllare il proprio uso di Internet, il che può alla fine provocare gravi disagi e menomazioni funzionali della vita generale come rendimento scolastico, sociale interazione, interesse professionale e problemi comportamentali ,. La descrizione relativa a IAD si basa sulla definizione di dipendenza dalla sostanza o gioco d'azzardo patologico, che condivide le proprietà di dipendenza dalla sostanza come preoccupazione, modifica dell'umore, tolleranza, ritiro, angoscia e menomazioni funzionali ,, ,. Con il crescente numero di utenti di Internet, il problema della IAD ha attirato una notevole attenzione da parte di psichiatri, educatori e pubblico; quindi IAD sta diventando un serio problema di salute mentale in tutto il mondo ,, ,, ,.
Gli studi attuali su IAD si sono concentrati su riepiloghi di casi, componenti comportamentali, conseguenze negative nella vita quotidiana, insieme a diagnosi clinica, epidemiologia, fattori psicosociali associati, gestione dei sintomi, comorbilità psichiatrica e esito del trattamento ,, ,, ,, ,, ,. Questi studi si basano principalmente su questionari psicologici auto-riportati e hanno costantemente riferito che un uso eccessivo di Internet può esercitare potenziali effetti sui problemi psicologici e sui disturbi cognitivi degli individui.
Ad oggi, sono stati eseguiti solo pochi studi di neuroimaging per studiare i cambiamenti strutturali e funzionali del cervello associati alla IAD. Un precedente studio sulla morfometria a base di voxel (VBM) riportava una diminuzione della densità della materia grigia nella corteccia cingolata anteriore sinistra, nella corteccia cingolata posteriore, nell'insula e nel giro linguale degli adolescenti IAD ,. Yuan e colleghi hanno scoperto che i soggetti IAD presentavano molteplici cambiamenti strutturali nel cervello, e tali cambiamenti erano significativamente correlati alla durata della dipendenza da Internet ,. Uno studio di risonanza magnetica funzionale (FMRI) a riposo ha dimostrato che gli studenti universitari della IAD hanno aumentato l'omogeneità regionale in diverse regioni del cervello, tra cui cervelletto, tronco cerebrale, lobo limbico, lobo frontale e lobo apicale ,. Due studi di risonanza magnetica legati alle attività di individui con dipendenza da gioco online hanno indicato che l'attivazione indotta da cue in risposta agli stimoli di videogiochi su Internet è simile a quella osservata durante la presentazione di cue in persone con dipendenza da sostanze o gioco d'azzardo patologico ,, ,. Dong et al. ,hanno riferito che gli studenti IAD hanno avuto un'attivazione inferiore nella fase di rilevamento dei conflitti e hanno mostrato meno efficienza nell'elaborazione delle informazioni e un minore controllo degli impulsi rispetto ai controlli normali registrando potenziali cerebrali correlati agli eventi durante un'attività Go / No-Go. Inoltre, uno studio PET (tomografia a emissione di positroni) ha scoperto che l'uso eccessivo di giochi su Internet condivide meccanismi psicologici e neurali con altri tipi di disturbi del controllo degli impulsi e dipendenza da sostanze / sostanze non correlate alla sostanza ,. Presi insieme, questi risultati indicano che i soggetti IAD sono associati a cambiamenti strutturali e funzionali nelle regioni del cervello che coinvolgono l'elaborazione emotiva, l'attenzione esecutiva, il processo decisionale e il controllo cognitivo.
Noi ipotizziamo che i soggetti IAD siano anche associati a menomazioni delle fibre della materia bianca che connettono queste regioni e tali cambiamenti possono essere rilevati mediante l'imaging del tensore di diffusione (DTI), una tecnica RM non invasiva in grado di fornire una misura quantitativa del danno della sostanza bianca ,. La DTI è sensibile alle caratteristiche di diffusione dell'acqua ed è stata sviluppata come strumento per indagare le proprietà locali della sostanza bianca cerebrale ,. Quattro parametri di diffusione quantitativa frequentemente utilizzati possono essere derivati da dati DTI: 1) anisotropia frazionale (FA), che riflette la direzionalità della diffusione dell'acqua e la coerenza delle sezioni di fibra della sostanza bianca; 2) media diffusività (MD), quantificando la grandezza complessiva della diffusione dell'acqua; 3) diffusività assiale (Da) che misura l'ampiezza della diffusività lungo la direzione di diffusione principale; e 4) diffusività radiale (Dr) che riflette la grandezza della diffusività perpendicolare alla direzione di diffusione principale ,,,. Queste misure sono correlate all'organizzazione microstrutturale della sostanza bianca e utilizzate per inferire le caratteristiche strutturali dell'ambiente tissutale locale.
In questo studio, abbiamo utilizzato DTI per indagare sull'integrità della sostanza bianca negli adolescenti con IAD. Per analizzare i dati DTI è stato utilizzato un metodo di analisi spaziale delle statistiche spaziali (TBSS) basato sull'osservatore. Questo metodo mantiene i punti di forza dell'analisi basata su voxel mentre affronta alcuni dei suoi inconvenienti, come allineare le immagini da più soggetti e l'arbitrarietà della scelta del livellamento spaziale ,. Gli obiettivi dello studio sono 1) indagare le differenze nella distribuzione topografica dell'integrità della sostanza bianca tra adolescenti con IAD e controlli sani senza IAD, senza fare ipotesi a priori sulla posizione di possibili anomalie, e 2) determinare se ci fossero relazione tra integrità della sostanza bianca e misure neurofisiologiche nei soggetti IAD.
Soggetti
Diciotto adolescenti con IAD sono stati reclutati dal Department of Child and Adolescent Psychiatry, Shanghai Mental Health Center, tutti hanno soddisfatto il questionario diagnostico di Young modificato per i criteri di dipendenza da Internet di Beard and Wolf ,. Diciotto anni, genere e età dell'istruzione corrispondono a soggetti normali senza IAD selezionati come controlli. Tutti i soggetti erano destrorsi come valutato da un questionario in base all'inventario delle mani di Edimburgo ,. I dati strutturali di risonanza magnetica di questi soggetti erano stati utilizzati nel nostro precedente studio VBM ,. Per questo studio, i dati di imaging di due controlli e un soggetto IAD dovevano essere scartati a causa di grandi artefatti di movimento. Di conseguenza, sono stati inclusi in totale sedici controlli (fascia di età: 15-24) e diciassette soggetti IAD (fascia di età: 14-24). Le informazioni demografiche dei soggetti inclusi sono elencate in Tabella 1.
Tabella 1. Caratteristiche demografiche e comportamentali dei partecipanti inclusi.
doi: 10.1371 / journal.pone.0030253.t001
Lo studio è stato approvato dal comitato etico dell'ospedale RenJi di Shanghai Jiao Tong University Medical School. I partecipanti e i loro genitori / tutori legali sono stati informati degli obiettivi del nostro studio prima degli esami di risonanza magnetica. Il consenso informato scritto completo è stato ottenuto dai genitori / tutori di ciascun partecipante.
Criteri di inclusione ed esclusione
Tutti i soggetti sono stati sottoposti ad un semplice esame fisico comprendente misurazioni della pressione arteriosa e della frequenza cardiaca e sono stati intervistati da uno psichiatra per quanto riguarda la loro storia medica su sistemi nervoso, motorio, digestivo, respiratorio, circolatorio, endocrino, urinario e riproduttivo. Sono stati quindi sottoposti a screening per disturbi psichiatrici con la Mini International Neuropsychiatric Interview for Children and Adolescents (MINI-KID) ,. I criteri di esclusione includevano una storia di abuso di sostanze o dipendenza; una storia di importanti disturbi psichiatrici, come schizofrenia, depressione, disturbo d'ansia, episodi psicotici o ospedalizzazione per disturbi psichiatrici. I soggetti IAD non sono stati trattati con alcun farmaco. Tuttavia, un piccolo numero di soggetti IAD ha ricevuto la psicoterapia.
Lo standard diagnostico per IAD è stato adattato dai criteri di Young's Diagnostic Questionnaire for Internet Addiction modificati da Beard and Wolf ,. Il criterio consistente in otto elementi "sì" o "no" è stato tradotto in cinese. Comprende le seguenti domande: (1) Ti senti preoccupato con Internet (ad esempio, pensa alle precedenti attività online o prevedi la prossima sessione online)? (2) Senti la necessità di utilizzare Internet con un aumento di tempo per raggiungere la soddisfazione? (3) Ti sei ripetutamente sforzato di controllare, ridurre o interrompere l'uso di Internet? (4) Ti senti irrequieto, lunatico, depresso o irritabile quando tenti di ridurre o interrompere l'uso di Internet? (5) Rimani online più a lungo di quanto inizialmente previsto? (6) Hai messo a repentaglio o rischiato la perdita di una relazione significativa, lavoro, opportunità educative o di carriera a causa di Internet? (7) Hai mentito ai familiari, a un terapeuta o ad altri per nascondere la portata del coinvolgimento con Internet? (8) Usi Internet come metodo per sfuggire ai problemi o alleviare uno stato d'animo angosciato (ad es. Sentimenti di impotenza, senso di colpa, ansia e depressione)? I partecipanti che hanno risposto "sì" agli articoli 1 tramite 5 e almeno uno dei restanti tre articoli sono stati classificati come affetti da IAD.
Valutazioni comportamentali
Sei questionari sono stati utilizzati per valutare le caratteristiche comportamentali dei partecipanti, vale a dire la Young's Internet Addiction Scale (YIAS) ,, Time Management Disposition Scale (TMDS) ,Questionario sulle forze e le difficoltà (SDQ) ,, Barratt Impulsiveness Scale-11 (BIS) ,, i disturbi emotivi correlati allo schermo per ansia infantile (SCARED) , e dispositivo di valutazione della famiglia (FAD) ,. Tutti i questionari sono stati inizialmente costruiti in inglese e tradotti in cinese.
Acquisizione dell'immagine
L'imaging del tensore di diffusione è stato eseguito su uno scanner medico 3.0-Tesla Phillips Achieva. Un'imaging di ecografia planare con diffusione planare mono-colpo con allineamento del piano di commessura antero-posteriore è stato eseguito secondo i seguenti parametri: tempo di ripetizione = 8,044 ms; tempo di eco = 68 ms; Fattore SENSE = 2; matrice di acquisizione = 128 × 128 zero-filled a 256 × 256; campo visivo = 256 × 256 mm2; spessore della fetta = 4 mm senza gioco. Un totale di sezioni 34 coprivano l'intero cervello compreso il cervelletto. I gradienti di sensibilizzazione alla diffusione sono stati applicati lungo le direzioni di codifica del gradiente non collineare 15 con b = 800 s / mm2. Un'immagine aggiuntiva senza gradienti di diffusione (b = 0 s / mm2) è stato anche acquisito. Per migliorare il rapporto segnale / rumore, l'imaging è stato ripetuto tre volte.
Preelaborazione dei dati
Tutti i dati DTI sono stati preelaborati dal Diffusion Toolbox (FDT) di FMRIB all'interno della Software Library (FSL) di FMRIB; http://www.fmrib.ox.ac.uk/fsl). In primo luogo, i volumi ponderati per diffusione erano allineati al corrispondente peso non diffuso (b0) immagine con una trasformazione affine per minimizzare la distorsione dell'immagine da correnti parassite e ridurre il movimento della testa semplice. Quindi, il tessuto non cerebrale e il rumore di fondo sono stati rimossi da b0 immagine usando lo strumento di estrazione del cervello. Dopo questi passaggi, il tensore di diffusione per ciascun voxel è stato stimato dall'algoritmo di adattamento lineare multivariato e la matrice tensoriale è stata diagonalizzata per ottenere le sue tre coppie di autovalori (λ1, λ2, λ3) e autovettori. E poi valori voxelwise di FA, MD, Da (Da = λ1) e Dr (Dr = (λ2+ λ3) / 2) sono stati calcolati.
Analisi TBSS
L'analisi dell'intero cervello delle immagini FA è stata eseguita utilizzando TBSS ,, che è stato implementato in FSL. In breve, le mappe FA di tutti i soggetti sono state prima riallineate a un obiettivo comune e quindi i volumi FA allineati sono stati normalizzati in un 1 × 1 × 1 mm3 Lo spazio standard Montreal Neurological Institute (MNI152) tramite il modello FMRIB58_FA. Successivamente, le immagini FA registrate sono state mediate per generare un'immagine FA media interspecifica, e quindi l'immagine media FA è stata applicata per creare uno scheletro FA medio che rappresenta le tracce di fibra principale e il centro di tutte le sezioni di fibre comuni al gruppo. Lo scheletro di FA medio è stato ulteriormente superato con un valore di FA di 0.2 per escludere tratti periferici in cui vi era una significativa variabilità tra soggetti e / o effetti di volume parziale con materia grigia. Seguendo la soglia dello scheletro medio di FA, i dati FA allineati di ciascun partecipante sono stati proiettati sullo scheletro medio per creare una mappa FA scheletrata, ricercando l'area intorno allo scheletro nella direzione perpendicolare a ciascun tratto e individuando il FA locale più alto. valore, quindi assegnando questo valore alla struttura scheletrica corrispondente.
Per identificare le differenze di FA tra soggetti IAD e controlli normali, i dati di FA scheletrati sono stati inseriti nell'analisi statistica voxel che si basa su un approccio non parametrico che utilizza la teoria del test di permutazione. Il test è stato eseguito dal programma randomizzato di FSL, che utilizza permutazioni casuali 5000. Sono stati stimati due contrasti: soggetti IAD superiori a controlli e controlli superiori ai soggetti IAD. L'età è stata inserita nell'analisi come covariata per garantire che qualsiasi differenza osservata di FA tra i gruppi fosse indipendente dai cambiamenti legati all'età. Miglioramento del cluster privo di soglie (TFCE) ,, un'alternativa alla soglia convenzionale basata su cluster che è normalmente compromessa dalla definizione arbitraria della soglia di formazione del cluster, è stata utilizzata per ottenere le differenze significative tra due gruppi con p <0.01, dopo aver tenuto conto di confronti multipli controllando l'errore familiare Tasso (FWE). Dai risultati dei confronti dei gruppi voxel-saggi, le regioni scheletriche che mostrano differenze significative tra i gruppi sono state localizzate ed etichettate anatomicamente mappando la mappa statistica FWE corretta di p <0.01 alla Johns Hopkins University (JHU) -ICBM-DTI-81 la materia bianca (WM) contrassegna l'atlante e l'atlante di tracciatografia JHU-WM nello spazio MNI.
Analisi del volume d'interesse degli indici di diffusione
Al fine di esplorare i meccanismi microstrutturali dei cambiamenti di FA osservati, è stata eseguita l'analisi del volume di interesse (VOI) per indagare i cambiamenti degli indici di diffusività (Da, Dr e MD) nelle regioni che mostrano anomalie di FA. Per fare ciò, le maschere VOI sono state prima estratte sulla base dei cluster che mostravano differenze significative di FA tra i gruppi. Queste maschere VOI sono state quindi retroproiettate alle immagini originali di ciascun soggetto e sono stati calcolati i valori medi degli indici di diffusione all'interno dei VOI. Dopo aver confermato la normale distribuzione dei dati mediante un test di Kolmogorov-Smirnov a un campione, è stata eseguita l'analisi unidirezionale della covarianza (ANCOVA) con il gruppo come variabile indipendente e gli indici di diffusione come variabili dipendenti, controllando l'età dei soggetti. È stato utilizzato un livello di significatività statistica di p <0.05 (correzione Bonferroni per confronti multipli).
Le analisi di correlazione di Pearson sono state utilizzate per testare le correlazioni tra i cambiamenti di FA all'interno dei VOI e le misure comportamentali. Un p <0.05 (non corretto) è stato considerato statisticamente significativo. Sono state eseguite analisi di regressione multipla graduale con valori medi di FA nei VOI come variabile dipendente ed età, istruzione, sesso, YIAS, SDQ, SCARED, FAD, TMDS e BIS come variabili indipendenti per verificare se la FA inferiore trovata nei VOI potesse essere previsto dai punteggi dei test comportamentali.
Misure demografiche e comportamentali
Tabella 1 elenca le misure demografiche e comportamentali per IAD e soggetti di controllo. Non c'erano differenze significative nella distribuzione di età, sesso e anni di istruzione tra i due gruppi. I soggetti IAD hanno mostrato punteggi YIAS (p <0.0001), SDQ (p <0.001), SCARED (p <0.0001) e FAD (p = 0.016) più alti rispetto ai controlli. Non sono state trovate differenze nei punteggi TMDS e BIS tra i gruppi.
Risultati TBSS
Un valore di 0.2 è stato utilizzato per determinare il volume medio dello scheletro di FA in modo tale che un totale di voxel 131962 siano stati inseriti nell'analisi TBSS voxel-wise. La distribuzione spaziale delle regioni del cervello che mostrano FA ridotta nel gruppo IAD è presentata in Fig. 1 ed Tabella 2. Rispetto ai soggetti di controllo, i soggetti IAD avevano una FA significativamente ridotta (p <0.01; TFCE-corretto) nella sostanza bianca orbito-frontale bilaterale, corpo calloso, fibre di associazione con il coinvolgimento del fascicolo anteriore-occipitale inferiore bilaterale e del cingolo anteriore bilaterale, fibre di proiezione costituite dalla radiazione corona bilaterale anteriore, superiore e posteriore, dall'arto anteriore bilaterale della capsula interna, dalla capsula esterna bilaterale e dal giro precentrale sinistro. Non c'erano regioni della sostanza bianca in cui i controlli avevano valori di FA significativamente inferiori rispetto ai partecipanti IAD.
Immagine 1. Analisi TBSS dei volumi di anisotropia frazionale (FA).
Le aree in rosso sono le regioni in cui la FA era significativamente più bassa (p <0.01, corretta da TFCE) negli adolescenti con disturbo da dipendenza da Internet (IAD) rispetto ai controlli normali senza IAD. Per facilitare la visualizzazione, le regioni che mostrano un FA ridotto (rosso) vengono ispessite utilizzando lo script tbss_fill implementato in FSL. Risultati sono mostrati sovrapposti sul modello MNI152-T1 e sullo scheletro FA medio (verde). Il lato sinistro dell'immagine corrisponde all'emisfero destro del cervello.
doi: 10.1371 / journal.pone.0030253.g001
Tabella 2. Regioni neuroanatomiche con FA ridotta negli adolescenti con disturbo da dipendenza da Internet rispetto ai controlli normali. (p <0.01, TFCE corretto).
doi: 10.1371 / journal.pone.0030253.t002
Risultati VOI
Le regioni del cervello 22 che mostrano un FA significativamente ridotto nel gruppo IAD sono state estratte per l'analisi basata su VOI di altri indici di diffusione. I risultati sono elencati in Tabella 3. Diciassette dei 22 VOI hanno mostrato un aumento significativo del Dr (p <0.05, correzione di Bonferroni per 22 confronti). Non sono state rilevate differenze significative in Da in nessuno dei VOI.
Tabella 3. Differenze di gruppo negli indici di diffusività dal volume degli interessi (corretto per l'età).
doi: 10.1371 / journal.pone.0030253.t003
Per i 22 VOI, l'analisi di correlazione di Pearson ha dimostrato correlazioni significativamente negative tra i valori di FA nel genu sinistro del corpo calloso e SCARED (r = −0.621, p = 0.008, non corretto; Figura 2A), e tra i valori di FA nella capsula esterna sinistra e YIAS (r = −0.566, p = 0.018, non corretto;Figura 2B) nelle materie IAD. L'analisi di regressione lineare multipla ha mostrato che gli effetti di SCARED sulla FA all'interno del genu sinistro del corpo calloso erano statisticamente significativi (β standardizzato = −0.621, t = −3.07, p = 0.008), ma non quello di età, sesso, istruzione e altre variabili psicometriche. L'analisi di regressione lineare multipla ha anche dimostrato che gli effetti della YIAS sulla FA all'interno della capsula esterna sinistra erano statisticamente significativi (β standardizzato = −0.566, t = −2.66, p = 0.018), ma non quello di età, sesso, istruzione e altro variabili psicometriche.
Immagine 2. Analisi di correlazione tra anisotropia frazionale (FA) e misure comportamentali all'interno del gruppo Disordine da dipendenza da Internet (IAD).
Per facilitare la visualizzazione, le regioni che mostrano correlazioni significative (rosse) vengono addensate utilizzando lo script tbss_fill implementato in FSL. Figura 2A mostra che i valori di FA nel genu sinistro del corpo calloso correla negativamente con lo Screen for Child Anxiety Related Emotional Disorders (SCARED) (r = −0.621, p = 0.008). Figura 2B mostra che i valori di FA nella capsula esterna sinistra correla negativamente con la scala di dipendenza da Internet di Young (YIAS) (r = −0.566, p = 0.018).
doi: 10.1371 / journal.pone.0030253.g002
Discussione
In questo studio, abbiamo utilizzato DTI per studiare l'integrità della sostanza bianca negli adolescenti IAD mediante l'analisi TBSS voxel-wise del cervello intero indipendente dall'osservatore. Rispetto all'età, al sesso e all'educazione, i soggetti IAD avevano ridotto significativamente l'AF nella materia bianca orbito-frontale, insieme al cingolo, alle fibre commissurali del corpo calloso, alle fibre di associazione tra cui il fascicolo inferiore occipitale anteriore e le fibre di proiezione comprendenti la radiazione corona, capsula interna e capsula esterna (Figure 1 ed Tabella 2). Questi risultati forniscono evidenze di deficit diffusi dell'integrità della sostanza bianca e riflettono un'interruzione nell'organizzazione di tratti di sostanza bianca in IAD. L'analisi VOI ha mostrato che una diminuzione della FA osservata nell'AD era principalmente il risultato di una maggiore diffusività radiale (Tabella 3), forse una manifestazione di demielinizzazione. Inoltre, i risultati delle analisi di correlazione hanno mostrato che FA nella sinistra genu del corpo calloso era negativamente correlata con SCARED, e FA nella capsula esterna sinistra era negativamente correlata con YIAS (Figure 2 ). Questi risultati suggeriscono che l'integrità della sostanza bianca può servire come potenziale nuovo target di trattamento per la IAD e che l'AF può essere utilizzato come biomarcatore qualificato per comprendere i meccanismi neurali alla base della lesione o per valutare l'efficacia di specifici interventi precoci nella IAD.
Integrazione anomala della sostanza bianca in IAD
La corteccia orbito-frontale ha estese connessioni con regioni prefrontali, visceromotorie e limbiche, così come le aree di associazione di ciascuna modalità sensoriale ,. Svolge un ruolo fondamentale nell'elaborazione emotiva e nei fenomeni legati alla dipendenza, come la brama, i comportamenti compulsivo-ripetitivi e il processo decisionale disadattivo ,, ,. Studi precedenti hanno scoperto che l'anomala integrità della sostanza bianca nella corteccia orbito-frontale è stata frequentemente osservata nei soggetti esposti a sostanze che provocano dipendenza, come l'alcol ,, cocaina ,, ,, marijuana ,, metanfetamina ,e ketamina ,. La nostra scoperta che la IAD è associata ad alterata integrità della materia bianca nelle regioni orbito-frontale è coerente con questi risultati precedenti.
La corteccia cingolata anteriore (ACC) si collega ai lobi frontali e al sistema limbico, svolgendo un ruolo essenziale nel controllo cognitivo, nell'elaborazione emotiva e nella brama ,. Anche l'integrità anormale della materia bianca nel cingolo anteriore è stata costantemente osservata in altre forme di dipendenza, come l'alcolismo ,, dipendenza da eroina ,e dipendenza da cocaina ,. L'osservazione di FA diminuita all'interno del cingolo anteriore dei soggetti IAD è coerente con questi risultati precedenti e con la relazione che l'uso eccessivo di internet pesante, è associato a controllo cognitivo alterato. Più interessante è stato dimostrato che lo stesso gruppo di soggetti IAD aveva significativamente diminuito la densità della materia grigia nell'ACC sinistro, rispetto al controllo ,. Risultati simili sono stati riportati anche da un altro gruppo ,.
Un'altra struttura importante che mostra una riduzione della FA nel soggetto IAD è il corpo calloso, che è il più grande tratto di fibra della materia bianca che collega la neocorteccia dei due emisferi ,. Le parti anteriori del corpo calloso connettono le cortecce frontali, mentre il corpo e lo splenio connettono regioni omotopiche parietali, temporali e occipitali ,. La connettività della fibra compromessa all'interno del corpo calloso è un reperto comune in soggetti con dipendenza da sostanze ,. Nei soggetti dipendenti dalla cocaina, l'AF è significativamente ridotta nell'organismo gen e rostrale , e il corpo e lo splenio del corpo calloso , sono stati segnalati. I consumatori di metamfetamina hanno mostrato una ridotta integrità della sostanza bianca nel genu , e il corpo rostrale , del corpo calloso. L'alcolismo è anche associato a FA diminuita nel corpo, nel corpo e nello splenio del corpo calloso ,, ,. Più di recente, Bora et al. , riduzione FA osservata nel genu e istmo del corpo calloso in pazienti oppiacei-dipendenti. Le nostre scoperte di FA ridotta principalmente nel corpo e nel corpo bilaterale del corpo calloso in soggetti IAD suggeriscono che l'uso eccessivo di internet pesante, simile all'abuso di sostanze, può danneggiare la microstruttura della materia bianca del corpo calloso.
Rispetto ai controlli, i soggetti IAD hanno anche mostrato una diminuzione significativa della FA nell'arto anteriore della capsula interna, capsula esterna, radiazione corona, fascia inferiore del tronco occipitale e giro precentrale. Ancora una volta, analoghe anomalie della sostanza bianca sono state osservate anche in altre forme di dipendenza. Ad esempio, alterazioni della sostanza bianca nell'arto anteriore della capsula interna e capsula esterna sono state riportate in abuso di alcol ,, , e dipendenza da oppiacei ,. La diminuzione della FA nell'arto anteriore della capsula interna può essere indicativa di alterazioni nei circuiti sottocorticali frontali. Questo percorso fornisce connessioni tra il talamo / lo striato e le regioni corticali frontali e comprende un sistema che svolge un ruolo nella ricompensa e nell'elaborazione emotiva ,. La capsula esterna collega la corteccia prefrontale ventrale e mediale allo striato. La corona radiata è composta da fibre di materia bianca che collegano la corteccia cerebrale alla capsula interna e forniscono importanti connessioni tra i lobi frontali, parietali, temporali e occipitali ,. L'integrità anormale della sostanza bianca nella corona radiata è stata precedentemente osservata nella cocaina ,e abuso di metamfetamina ,e dipendenza da alcol ,. Il fascicolo inferiore-occipitale inferiore è un fascio di associazioni che collega il frontale con i lobi parietali e occipitali. Rispetto ai bevitori di luce, gli alcolisti hanno FA inferiore in questa regione ,. Nella dipendenza da eroina è stata riportata anche anomalia del giro precentrale , e marijuana e adolescenti che usano alcol ,.
Nel complesso, i nostri risultati indicano che l'IAD ha un'anormale integrità della materia bianca nelle regioni del cervello che coinvolgono la generazione e l'elaborazione emotiva, l'attenzione esecutiva, il processo decisionale e il controllo cognitivo. I risultati suggeriscono anche che IAD possa condividere meccanismi psicologici e neurali con altri tipi di dipendenza da sostanze e disturbi del controllo degli impulsi.
Possibili meccanismi alla base della diminuzione di FA
Sebbene l'AF ridotta sia un biomarcatore ben consolidato per l'integrità compromessa della materia bianca, il suo esatto significato neurobiologico rimane da comprendere appieno. La FA di fibre / fasci di materia bianca può essere influenzata da molti fattori tra cui mielinizzazione, dimensione e densità degli assoni, geometria del percorso e spazio idrico extracellulare tra le fibre ,. In questo studio, abbiamo trovato che la riduzione della FA nel cervello dei soggetti IAD era principalmente guidata da un aumento della diffusività radiale, senza molti cambiamenti osservati nella diffusività assiale (Tabella 3). Questo sembrava essere vero anche in altre forme di dipendenza dalla sostanza, come la cocaina ,, ,oppiaceo,e abuso / dipendenza da metamfetamina ,. Sebbene sia ancora oggetto di dibattito, si ritiene generalmente che la diffusività radiale riflette principalmente l'integrità e lo spessore dei fogli di mielina che coprono gli assoni [22], mentre la diffusività assiale può indicizzare l'organizzazione della struttura della fibra e l'integrità degli assoni,. Se questa ipotesi è vera nel nostro caso, si può quindi concludere che la ridotta FA osservata dal cervello dei soggetti IAD è molto probabilmente una manifestazione di integrità interrotta della mielina nelle regioni del cervello colpite.
Rapporto tra FA e misure comportamentali in IAD
La valutazione comportamentale ha dimostrato che i soggetti IAD avevano punteggi significativamente più alti su YIAS, SDQ, SCARED e FAD, rispetto al controllo. Questi risultati sono coerenti con i risultati di precedenti studi neuropsicologici su soggetti IAD ,, ,. Comprendere le associazioni tra integrità della materia bianca e caratteristiche comportamentali fornisce importanti informazioni sui meccanismi neurobiologici alla base di diversi aspetti dei sintomi della dipendenza. Ad esempio, Pfefferbaum e colleghi , ha riportato una correlazione positiva tra i valori di FA nello splenio e nella memoria di lavoro negli alcolisti cronici. Nella dipendenza da cocaina, è stata osservata una significativa correlazione negativa tra FA nel corpo calloso anteriore e impulsività e una correlazione positiva tra FA e discriminazione ,. La FA nel sub-giro frontale destro dei soggetti dipendenti dall'eroina è stata trovata correlata negativamente alla durata dell'uso di eroina ,. Un controllo cognitivo più scadente era associato a una FA più bassa nel sangue del corpo calloso in soggetti che violentavano la metamfetamina ,.
In questo studio, indaghiamo i correlati comportamentali della riduzione della FA nelle regioni cerebrali colpite nei soggetti IAD. La riduzione della FA nella sinistra genu del corpo calloso dei soggetti IAD correlata significativamente con l'aumento del punteggio di SCARED; mentre i punteggi più alti di YIAS sembravano associati a una maggiore integrità della materia bianca compromessa nella capsula esterna sinistra.
Il SCARED è un questionario self-report affidabile e valido che misura i sintomi dei disturbi d'ansia nei bambini ,. Studi neuropsicologici hanno rivelato che gli adolescenti IAD avevano punteggi SCARED significativamente più alti di quelli senza IAD ,. L'associazione negativa tra i punteggi SCARED e FA nella sinistra genu del corpo calloso può derivare da una interruzione della connessione tra le cortecce prefrontali bilaterali coinvolte nei disturbi d'ansia. Lo YIAS valuta il grado in cui l'uso pesante di Internet ha un impatto negativo sul funzionamento e le relazioni sociali ,; ed è uno strumento ampiamente utilizzato per valutare la dipendenza di Internet. Precedenti studi psicometrici avevano dimostrato che i soggetti IAD avevano punteggi YIAS più alti di quelli senza IAD ,. La correlazione negativa tra i punteggi YIAS ei valori FA nella capsula esterna sinistra implicava che i soggetti IAD con punteggi YIAS più alti sembravano avere un'integrità della materia bianca inferiore nella via fronto-temporale collegata attraverso la capsula esterna.
Inoltre, le associazioni tra integrità della materia bianca e caratteristiche comportamentali indicano un nuovo potenziale target per il trattamento di soggetti IAD, che è coerente con le recenti richieste di concentrarsi sul miglioramento cognitivo tra le popolazioni dipendenti, compresi i soggetti IAD ,, ,. Studi recenti hanno dimostrato che i trattamenti fisici o farmacologici possono migliorare l'integrità della sostanza bianca. Ad esempio, Schlaug e colleghi hanno riferito che la terapia fisica potrebbe migliorare l'integrità della materia bianca nella giusta area linguistica e migliorare il linguaggio nei pazienti afasici con lesioni nell'area della lingua di sinistra ,. Pertanto, i risultati di associazioni significative tra integrità alterata della sostanza bianca in vaste regioni e scarse misure neuropsicologiche in soggetti IAD suggeriscono che l'integrità della sostanza bianca può servire come un predittore di astinenza o un potenziale nuovo target di trattamento per la IAD.
TBSS vs VBM
Il nostro studio precedente ha mostrato che non vi era atrofia della sostanza bianca negli stessi soggetti di IAD di coorte ,e questo potrebbe sembrare incoerente con i risultati di questo studio. La densità di materia grigia o bianca misurata mediante VBM è definita come la concentrazione relativa di strutture di materia grigia o bianca in immagini spazialmente normalizzate (ovvero la proporzione di materia grigia o bianca per tutti i tipi di tessuto all'interno di una regione), che non deve essere "confusa con la cellula" densità di imballaggio misurata citoarchitettonicamente " ,. Nell'analisi DTI / TBSS, il valore FA viene utilizzato come surrogato dell'integrità strutturale della sostanza bianca, che può verificarsi attraverso fattori quali mielinizzazione, dimensione e densità degli assoni, geometria del percorso e spazio idrico extracellulare tra le fibre ,. Pertanto, la densità derivata da VBM e l'integrità strutturale misurata da DTI rappresentano aspetti diversi della materia bianca. Ci possono essere regioni di sostanza bianca che non mostrano atrofia per VBM, ma strutturalmente danneggiate come rilevate dalle misurazioni di FA (cioè, è esattamente il caso nel nostro studio di IAD), e viceversa. Prendendo insieme i risultati dei due studi, si può concludere che la IAD in adolescenza non è associata a cambiamenti morfologici nella sostanza bianca a livello macroscopico, ma piuttosto all'integrità microstrutturale della materia bianca, che potrebbe essere attribuita alla demielinizzazione.
Limitazioni dello studio
Ci sono diverse limitazioni che dovrebbero essere menzionate in questo studio. In primo luogo, la diagnosi di IAD si basava principalmente sui risultati di questionari auto-segnalati, che potrebbero causare qualche classificazione di errore. Pertanto, la diagnosi di IAD deve essere perfezionata con strumenti diagnostici standardizzati per migliorare l'affidabilità e la validità. In secondo luogo, anche se abbiamo cercato di fare del nostro meglio per escludere la comorbidità e i disturbi psichiatrici, è risaputo che questo non è stato fatto a sufficienza (cioè non è stato somministrato il test delle urine, le abitudini e gli orari del sonno e la sonnolenza quotidiana non sono stati controllati nella progettazione dell'esperimento) , in modo tale che le variazioni della sostanza bianca osservate non possano essere attribuite alla IAD in sé. È anche ammesso che questo non è uno studio controllato degli effetti dell'uso di Internet sulla struttura del cervello. In terzo luogo, la dimensione del campione in questo studio era relativamente piccola, il che potrebbe ridurre la potenza della significatività statistica e la generalizzazione dei risultati. A causa di questa limitazione, questi risultati dovrebbero essere considerati preliminari, che devono essere replicati in studi futuri con un campione più ampio. Infine, come studio trasversale, i nostri risultati non dimostrano chiaramente se le caratteristiche psicologiche hanno preceduto lo sviluppo di IAD o sono state una conseguenza dell'uso eccessivo di Internet. Pertanto, studi futuri dovrebbero tentare di identificare le relazioni causali tra IAD e le misure psicologiche.
In conclusione, abbiamo utilizzato DTI con analisi TBSS per studiare la microstruttura della sostanza bianca tra gli adolescenti IAD. I risultati dimostrano che la IAD è caratterizzata da compromissione delle fibre della materia bianca che connettono le regioni del cervello coinvolte nella generazione ed elaborazione emotiva, attenzione esecutiva, processo decisionale e controllo cognitivo. I risultati suggeriscono anche che IAD possa condividere meccanismi psicologici e neurali con altri tipi di disturbi del controllo degli impulsi e dipendenza da sostanze. Inoltre, le associazioni tra i valori di FA nelle regioni di sostanza bianca e le misure comportamentali indicano che l'integrità della sostanza bianca può servire come potenziale nuovo target di trattamento per la IAD, e DTI può essere utile nel fornire informazioni sulla prognosi per la IAD e l'AF può essere un qualificato biomarker per valutare l'efficacia di specifici interventi precoci in IAD.
Ringraziamenti
Ringraziamo i due revisori anonimi per i loro commenti e suggerimenti costruttivi. Ringraziamo anche gli studenti adolescenti e le famiglie che hanno partecipato così volentieri a questo studio.
Contributi degli autori
Concepito e progettato gli esperimenti: FL YZ YD JX HL. Eseguiti gli esperimenti: YZ LQ ZZ. Analizzati i dati: FL HL. Reagenti / materiali / strumenti di analisi forniti: YZ YD FL. Ha scritto il foglio: FL HL.
Riferimenti
1. Aboujaoude E (2010) Uso problematico di Internet: una panoramica. World Psychiatry 9: 85–90. TROVA QUESTO ARTICOLO ONLINE
2. Beard KW, Wolf EM (2001) Modifica nei criteri diagnostici proposti per la dipendenza da Internet. Cyberpsychol Behav 4: 377–383. TROVA QUESTO ARTICOLO ONLINE
3. Young KS (1998) Dipendenza da Internet: l'emergere di un nuovo disturbo clinico. Cyberpsychol Behav 1: 237–274. TROVA QUESTO ARTICOLO ONLINE
4. Chou C, Condron L, Belland JC (2005) Una revisione della ricerca sulla dipendenza da Internet. Educ Psychol Rev 17: 363–388. TROVA QUESTO ARTICOLO ONLINE
5. Douglas AC, Mills JE, Niang M, Stepchenkova S, Byun S, et al. (2008) Internet addiction: Meta-sintesi della ricerca qualitativa per il decennio 1996-2006. Comput Human Behav 24: 3027-3044.TROVA QUESTO ARTICOLO ONLINE
6. Weinstein A, Lejoyeux M (2010) Dipendenza da Internet o uso eccessivo di Internet. Am J Drug Alcohol Abuse 36: 277–283. TROVA QUESTO ARTICOLO ONLINE
7. Bernardi S, Pallanti S (2009) Internet addiction: uno studio clinico descrittivo incentrato su comorbidità e sintomi dissociativi. Compr Psychiatry 50: 510–516. TROVA QUESTO ARTICOLO ONLINE
8. Caplan SE (2002) Uso problematico di Internet e benessere psicosociale: sviluppo di uno strumento di misurazione cognitivo-comportamentale basato sulla teoria. Comput Human Behav 18: 553–575. TROVA QUESTO ARTICOLO ONLINE
9. Cao F, Su L (2007) Dipendenza da Internet tra gli adolescenti cinesi: prevalenza e caratteristiche psicologiche. Child Care Health Dev 33: 275–281. TROVA QUESTO ARTICOLO ONLINE
10. Shaw M, Black DW (2008) Dipendenza da Internet: definizione, valutazione, epidemiologia e gestione clinica. Farmaci per il sistema nervoso centrale 22: 353–365. TROVA QUESTO ARTICOLO ONLINE
11. Tao R, Huang XQ, Wang JN, Zhang HM, Zhang Y, et al. (2010) Criteri diagnostici proposti per la dipendenza da Internet. Dipendenza 105: 556–564. TROVA QUESTO ARTICOLO ONLINE
12. Zhou Y, Lin FC, Du YS, Qin LD, Zhao ZM, et al. (2011) Anomalie della materia grigia nella dipendenza da Internet: uno studio di morfometria basato su voxel. Eur J Radiol 79: 92–95. TROVA QUESTO ARTICOLO ONLINE
13. Yuan K, Qin W, Wang G, Zeng F, Zhao L, et al. (2011) Anomalie della microstruttura negli adolescenti con disturbo da dipendenza da Internet. PLoS One 6: e20708. TROVA QUESTO ARTICOLO ONLINE
14. Liu J, Gao XP, Osunde I, Li X, Zhou SK, et al. (2010) Aumento dell'omogeneità regionale nel disturbo della dipendenza da Internet: uno studio di risonanza magnetica funzionale in stato di riposo. Chin Med J (inglese) 123: 1904–1908. TROVA QUESTO ARTICOLO ONLINE
15. Han DH, Bolo N, Daniels MA, Arenella L, Lyoo IK, et al. (2011) Attività cerebrale e desiderio di giocare ai videogiochi su Internet. Compr Psychiatry 52: 88–95. TROVA QUESTO ARTICOLO ONLINE
16. Ko CH, Liu GC, Hsiao S, Yen JY, Yang MJ, et al. (2009) Attività cerebrali associate all'impulso di gioco della dipendenza dal gioco online. J Psychiatr Res 43: 739–747. TROVA QUESTO ARTICOLO ONLINE
17. Dong G, Lu Q, Zhou H, Zhao X (2010) Inibizione dell'impulso nelle persone con disturbo da dipendenza da Internet: prove elettrofisiologiche da uno studio Go / NoGo. Neurosci Lett 485: 138–142. TROVA QUESTO ARTICOLO ONLINE
18. Park HS, Kim SH, Bang SA, Yoon EJ, Cho SS, et al. (2010) Alterato metabolismo del glucosio cerebrale regionale negli utenti di gioco su Internet: uno studio di tomografia a emissione di positroni con fluorodeossiglucosio 18F. CNS Spectr 15: 159–166. TROVA QUESTO ARTICOLO ONLINE
19. Basser PJ, Mattiello J, LeBihan D (1994) Stima dell'effettivo tensore di auto-diffusione dall'eco di spin NMR. Risonanza magnetica J B 103: 247–254. TROVA QUESTO ARTICOLO ONLINE
20. Le Bihan D (2003) Esaminando l'architettura funzionale del cervello con diffusione MRI. Nat Rev Neurosci 4: 469–480. TROVA QUESTO ARTICOLO ONLINE
21. Basser PJ, Pierpaoli C (1996) Caratteristiche microstrutturali e fisiologiche dei tessuti chiarite mediante MRI del tensore di diffusione quantitativa. J Magn Reson B 111: 209–219. TROVA QUESTO ARTICOLO ONLINE
22. Song SK, Sun SW, Ramsbottom MJ, Chang C, Russell J, et al. (2002) La dismielinizzazione si è rivelata attraverso la risonanza magnetica come una maggiore diffusione radiale (ma invariata assiale) dell'acqua. Neuroimage 17: 1429–1436. TROVA QUESTO ARTICOLO ONLINE
23. Smith SM, Jenkinson M, Johansen-Berg H, Rueckert D, Nichols TE, et al. (2006) Tract-based spatial statistics: voxelwise analysis of multi-subject diffusion data. Neuroimage 31: 1487–1505. TROVA QUESTO ARTICOLO ONLINE
24. Oldfield RC (1971) La valutazione e l'analisi della manualità: l'inventario di Edimburgo. Neuropsychologia 9: 97–113. TROVA QUESTO ARTICOLO ONLINE
25. Sheehan DV, Sheehan KH, Shytle RD, Janavs J, Bannon Y, et al. (2010) Affidabilità e validità della Mini International Neuropsychiatric Interview for Children and Adolescents (MINI-KID). J Clin Psychiatry 71: 313–326. TROVA QUESTO ARTICOLO ONLINE
26. Young KS (1998) Caught in the Net: come riconoscere i segni della dipendenza da Internet e una strategia vincente per il recupero. New York: John Wiley.
27. Huang X, Zhang Z (2001) La compilazione della scala delle disposizioni per la gestione del tempo dell'adolescenza. Acta Psychol Sin 33: 338–343. TROVA QUESTO ARTICOLO ONLINE
28. Goodman R (1997) The Strengths and Difficulty Questionnaire: una nota di ricerca. J Child Psychol Psychiatry 38: 581–586. TROVA QUESTO ARTICOLO ONLINE
29. Patton JH, Stanford MS, Barratt ES (1995) Struttura fattoriale della scala dell'impulsività di Barratt. J Clin Psychol 51: 768–774. TROVA QUESTO ARTICOLO ONLINE
30. Birmaher B, Khetarpal S, Brent D, Cully M, Balach L, et al. (1997) The Screen for Child Anxiety Related Emotional Disorders (SCARED): scale construction and psychometric caratteristiche. J Am Acad Child Adolesc Psychiatry 36: 545–553. TROVA QUESTO ARTICOLO ONLINE
31. Epstein NB, Baldwin LM, Bishop DS (1983) The McMaster family assessment device. J Marital Fam Ther 9: 171–180. TROVA QUESTO ARTICOLO ONLINE
32. Smith SM (2009) Miglioramento dei cluster senza soglia: affrontare i problemi di livellamento, dipendenza dalla soglia e localizzazione nell'inferenza del cluster. Neuroimage 44: 83–98. TROVA QUESTO ARTICOLO ONLINE
33. Ongur D, Price JL (2000) L'organizzazione delle reti all'interno della corteccia prefrontale orbitale e mediale di ratti, scimmie e umani. Cereb Cortex 10: 206–219. TROVA QUESTO ARTICOLO ONLINE
34. Schoenebaum G, Roesch MR, Stalnaker TA (2006) Corteccia orbitofrontale, processo decisionale e tossicodipendenza. Trends Neurosci 29: 116–124. TROVA QUESTO ARTICOLO ONLINE
35. Volkow ND, Fowler JS (2000) Addiction, a disease of compulsion and drive: Coinvolgimento della corteccia orbitofrontale. Cereb Cortex 10: 318–325. TROVA QUESTO ARTICOLO ONLINE
36. Harris GJ, Jaffin SK, Hodge SM, Kennedy D, Caviness VS, et al. (2008) Difetti di imaging della sostanza bianca frontale e del tensore di diffusione del cingolo nell'alcolismo. Alcohol Clin Exp Res 32: 1001–1013. TROVA QUESTO ARTICOLO ONLINE
37. Lim KO, Choi SJ, Pomara N, Wolkin A, Rotrosen JP (2002) Ridotta integrità della sostanza bianca frontale nella dipendenza da cocaina: uno studio di imaging del tensore di diffusione controllata. Biol Psychiatry 51: 890–895. TROVA QUESTO ARTICOLO ONLINE
38. Romero MJ, Asensio S, Palau C, Sanchez A, Romero FJ (2010) Cocaine addiction: diffusion tensor imaging study of the lower frontal and anterior cingulate white matter. Ris. Di psichiatria 181: 57–63.TROVA QUESTO ARTICOLO ONLINE
39. Bava S, Frank LR, McQueeny T, Schweinsburg BC, Schweinsburg AD, et al. (2009) Microstruttura della sostanza bianca alterata nei consumatori di sostanze adolescenti. Ris. Di psichiatria 173: 228–237. TROVA QUESTO ARTICOLO ONLINE
40. Alicata D, Chang L, Cloak C, Abe K, Ernst T (2009) Diffusione più elevata nello striato e anisotropia frazionaria inferiore nella sostanza bianca dei consumatori di metanfetamina. Ris. Di psichiatria 174: 1–8. TROVA QUESTO ARTICOLO ONLINE
41. Liao Y, Tang J, Ma M, Wu Z, Yang M, et al. (2010) Anomalie della materia bianca frontale a seguito dell'uso cronico di ketamina: uno studio di imaging del tensore di diffusione. Cervello 133: 2115–2122. TROVA QUESTO ARTICOLO ONLINE
42. Goldstein RZ, Volkow ND (2002) La tossicodipendenza e le sue basi neurobiologiche sottostanti: prove di neuroimaging per il coinvolgimento della corteccia frontale. Am J Psychiatry 159: 1642–1652. TROVA QUESTO ARTICOLO ONLINE
43. Liu H, Li L, Hao Y, Cao D, Xu L, et al. (2008) Integrità della sostanza bianca interrotta nella dipendenza da eroina: uno studio controllato che utilizza l'imaging del tensore di diffusione. Am J Drug Alcohol Abuse 34: 562–575. TROVA QUESTO ARTICOLO ONLINE
44. deLacoste MC, Kirkpatrick JB, Ross ED (1985) Topografia del corpo calloso umano. J Neuropathol Exp Neurol 44: 578–591. TROVA QUESTO ARTICOLO ONLINE
45. Abe O, Masutani Y, Aoki S, Yamasue H, Yamada H, et al. (2004) Topografia del corpo calloso umano utilizzando la trattografia del tensore di diffusione. J Comput Assist Tomogr 28: 533–539. TROVA QUESTO ARTICOLO ONLINE
46. Arnone D, Abou-Saleh MT, Barrick TR (2006) Imaging del tensore di diffusione del corpo calloso in dipendenza. Neuropsicobiologia 54: 107–113. TROVA QUESTO ARTICOLO ONLINE
47. Moeller FG, Hasan KM, Steinberg JL, Kramer LA, Dougherty DM, et al. (2005) La ridotta integrità della sostanza bianca del corpo calloso anteriore è correlata all'aumento dell'impulsività e alla ridotta discriminabilità nei soggetti dipendenti dalla cocaina: imaging del tensore di diffusione. Neuropsicofarmacologia 30: 610–617. TROVA QUESTO ARTICOLO ONLINE
48. Lim KO, Wozniak JR, Mueller BA, Franc DT, Specker SM, et al. (2008) Cervello anomalie macrostrutturali e microstrutturali nella dipendenza da cocaina. Droga alcol dipendente 92: 164–172. TROVA QUESTO ARTICOLO ONLINE
49. Salo R, Nordahl TE, Buonocore MH, Natsuaki Y, Waters C, et al. (2009) Controllo cognitivo e microstruttura callosa della sostanza bianca in soggetti dipendenti da metanfetamina: uno studio di imaging del tensore di diffusione. Biol Psychiatry 65: 122–128. TROVA QUESTO ARTICOLO ONLINE
50. Moeller FG, Steinberg JL, Lane SD, Buzby M, Swann AC, et al. (2007) Imaging del tensore di diffusione in utenti e controlli di MDMA: associazione con il processo decisionale. Am J Drug Alcohol Abuse 33: 777–789. TROVA QUESTO ARTICOLO ONLINE
51. De Bellis MD, Van Voorhees E, Hooper SR, Gibler N, Nelson L, et al. (2008) Misure tensore di diffusione del corpo calloso in adolescenti con disturbi da uso di alcol ad esordio adolescenziale. Alcohol Clin Exp Res 32: 395–404. TROVA QUESTO ARTICOLO ONLINE
52. Pfefferbaum A, Adalsteinsson E, Sullivan EV (2006) Dysmorphology and microstructural degradation of the corpus callosum: Interaction of age and alcoholism. Neurobiol Aging 27: 94–1009. TROVA QUESTO ARTICOLO ONLINE
53. Bora E, Yucel M, Fornito A, Pantelis C, Harrison BJ, et al. (2010) Microstruttura della sostanza bianca nella dipendenza da oppiacei. Addict Biol. In stampa. TROVA QUESTO ARTICOLO ONLINE
54. Yeh PH, Simpson K, Durazzo TC, Gazdzinski S, Meyerhoff DJ (2009) Tract-based spatial statistics (TBSS) dei dati di imaging del tensore di diffusione nella dipendenza da alcol: anormalità del neurocircuito motivazionale. Ris. Di psichiatria 173: 22-30. TROVA QUESTO ARTICOLO ONLINE
55. Pfefferbaum A, Rosenbloom M, Rohlfing T, Sullivan EV (2009) Degradazione dei sistemi di associazione e proiezione della sostanza bianca nell'alcolismo rilevata con il tracciamento quantitativo delle fibre. Biol Psychiatry 65: 680–690. TROVA QUESTO ARTICOLO ONLINE
56. Mori S, Wakana S, Nagae-Poetscher L, Van Zijl P (2005) MRI Atlas of Human White Matter. San Diego, CA: Elsevier.
57. Wakana S (2004) Atlante di anatomia della materia bianca umana basato su tratti di fibre. Radiologia 230: 77–87.TROVA QUESTO ARTICOLO ONLINE
58. Bell RP, Foxe JJ, Nierenberg J, Hoptman MJ, Garavan H (2011) Valutare l'integrità della sostanza bianca in funzione della durata dell'astinenza negli ex individui dipendenti dalla cocaina. Droga alcol dipendente 114: 159–168. TROVA QUESTO ARTICOLO ONLINE
59. Tobias MC, O'Neill J, Hudkins M, Bartzokis G, Dean AC, et al. (2010) Anomalie della materia bianca nel cervello durante l'astinenza precoce dall'abuso di metanfetamina. Psicofarmacologia 209: 13-24. TROVA QUESTO ARTICOLO ONLINE
60. Lane SD, Steinberg JL, Ma LS, Hasan KM, Kramer LA, et al. (2010) Imaging del tensore di diffusione e processo decisionale nella dipendenza da cocaina. PLoS One 5: e11591. TROVA QUESTO ARTICOLO ONLINE
61. Moeller FG, Hasan KM, Steinberg JL, Kramer LA, Valdes I, et al. (2007) Autovalori di imaging del tensore di diffusione: prove preliminari per la mielina alterata nella dipendenza da cocaina. Ris 154: 253–258 di psichiatria. TROVA QUESTO ARTICOLO ONLINE
62. Kim IS, Kim YT, Song HJ, Lee JJ, Kwon DH, et al. (2009) Ridotta integrità microstrutturale della sostanza bianca del corpo calloso rivelata da autovalori del tensore di diffusione nei tossicodipendenti da metanfetamina astinenti. Neurotossicologia 30: 209–213. TROVA QUESTO ARTICOLO ONLINE
63. Song SK, Sun SW, Ju WK, Lin SJ, Cross AH, et al. (2003) L'imaging del tensore di diffusione rileva e differenzia la degenerazione dell'assone e della mielina nel nervo ottico del topo dopo ischemia retinica. Neuroimage 20: 1714–1722. TROVA QUESTO ARTICOLO ONLINE
64. Huang X, Zhang H, Li M, Wang J, Zhang Y, et al. (2010) Salute mentale, personalità e stili di allevamento dei genitori degli adolescenti con disturbo da dipendenza da Internet. Cyberpsychol Behav Soc Netw 13: 401–406. TROVA QUESTO ARTICOLO ONLINE
65. Pfefferbaum A, Sullivan EV, Hedehus M, Adalsteinsson E, Lim KO, et al. (2000) Rilevazione in vivo e correlazioni funzionali della rottura microstrutturale della sostanza bianca nell'alcolismo cronico. Alcohol Clin Exp Res 24: 1214–1221. TROVA QUESTO ARTICOLO ONLINE
66. Du YS, Jiang W, Vance A (2010) Effetto a lungo termine della terapia cognitivo-comportamentale di gruppo randomizzata e controllata per la dipendenza da Internet negli studenti adolescenti a Shanghai. Aust NZJ Psychiatry 44: 129–134. TROVA QUESTO ARTICOLO ONLINE
67. Vocci FJ (2008) Il rimedio cognitivo nel trattamento dei disturbi da abuso di stimolanti: un programma di ricerca. Exp Clin Psychopharmacol 16: 484–497. TROVA QUESTO ARTICOLO ONLINE
68. Schlaug G, Marchina S, Norton A (2009) Evidenza di plasticità nei tratti della sostanza bianca di pazienti con afasia cronica di Broca sottoposti a logopedia intensa basata sull'intonazione. Ann NY Acad Sci 1169: 385–394. TROVA QUESTO ARTICOLO ONLINE
69. Mechelli A, Price CJ, Friston KJ, Ashburner J (2005) Morfometria basata su voxel del cervello umano: metodi e applicazioni. Curr Med Imaging Rev 1: 105–113. TROVA QUESTO ARTICOLO ONLINE
;