Zmniejszona funkcjonalna łączność mózgowa u nastolatków z uzależnieniem od Internetu (2013)

PLoS ONE. 2013;8(2):e57831. doi: 10.1371/journal.pone.0057831.

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

Źródło

Melbourne Neuropsychiatry Centre, Departament Psychiatry, University of Melbourne i Melbourne Health, Parkville, Victoria, Australia; Florey Institute of Neuroscience and Mental Health, Parkville, Victoria, Australia; Wydział Psychiatrii Dzieci i Młodzieży, Wydział Psychiatrii, Kolegium Medycyny, Uniwersytet Narodowy w Seulu, Seul, Republika Korei.

Abstrakcyjny

Wstęp:

Internet nałóg jest coraz bardziej rozpoznawany jako zaburzenie psychiczne, chociaż jego neurobiologiczne podstawy nie są znane. W badaniu wykorzystano neuroobrazowanie funkcjonalne w celu zbadania łączności funkcjonalnej całego mózgu u młodzieży z rozpoznaniem Internet nałóg. Na podstawie zmian neurobiologicznych obserwowanych w innych nałóg zaburzenia pokrewne przewidywano, że zaburzenia łączności u młodzieży Internet nałóg byłby najbardziej widoczny w obwodach korowo-prążkowia.

METODY:

Uczestnikami byli nastolatkowie 12, u których zdiagnozowano Internet nałóg i 11 zdrowi uczestnicy porównania. Uzyskano obrazy funkcjonalnego rezonansu magnetycznego w stanie spoczynku, a różnice grupowe w funkcjonalnej łączności mózgu analizowano za pomocą statystyki opartej na sieci. Przeanalizowaliśmy również topologię sieci, testując różnice między grupami w kluczowych miarach sieciowych opartych na wykresie.

WYNIKI:

Młodzież z Internet nałóg wykazały zmniejszoną funkcjonalną łączność obejmującą sieć rozproszoną. Większość zaburzeń połączeń dotyczyła obwodów korowo-podkorowych (N24% z przedczołowym i ∼27% z korą ciemieniową). Obustronna skorupa była najobszerniej zaangażowanym podkorowym obszarem mózgu. Nie zaobserwowano różnicy między grupami w pomiarach topologicznych sieci, w tym współczynniku grupowania, charakterystycznej długości ścieżki lub stosunku małych światów.

WNIOSKI:

Internet nałóg wiąże się z powszechnym i znaczącym zmniejszeniem łączności funkcjonalnej w obwodach korowo-prążkowia, przy braku globalnych zmian w topologii sieci funkcjonalnej mózgu.

Cytat: Hong SB, Zalesky A, Cocchi L, Fornito A, Choi EJ, et al. (2013) Zmniejszona funkcjonalna łączność mózgu u młodzieży z uzależnieniem od Internetu. PLoS ONE 8 (2): e57831. doi: 10.1371 / journal.pone.0057831

Redaktor: Xi-Nian Zuo, Instytut Psychologii, Chińska Akademia Nauk, Chiny

Odebrane: Październik 1, 2012; Przyjęty: Styczeń 26, 2013; Opublikowano: 25 lutego 2013 r.

Prawa autorskie: © 2013 Hong et al. Jest to artykuł o otwartym dostępie dystrybuowany zgodnie z warunkami licencji Creative Commons Attribution License, która zezwala na nieograniczone korzystanie, dystrybucję i reprodukcję na dowolnym nośniku, pod warunkiem uznania oryginalnego autora i źródła.

Finansowanie: Praca ta była wspierana przez Fundusz Badawczy Programu Brain Fusion Programme Narodowego Uniwersytetu w Seulu. SBH był wspierany przez grant National Research Foundation of Korea (Global Internship Program) finansowany przez rząd Korei. AF był wspierany przez National Health and Medical Research Council CJ Martin Fellowship (ID: 454797). Darczyńcy nie mieli żadnej roli w projektowaniu badań, zbieraniu i analizowaniu danych, podejmowaniu decyzji o publikacji lub przygotowaniu manuskryptu.

Konkurencyjne zainteresowania: Autorzy zadeklarowali, że nie istnieją konkurencyjne interesy.

 

Wprowadzenie

Uzależnienie od Internetu jest coraz bardziej doceniane zarówno wśród opinii publicznej, jak i społeczności naukowej na całym świecie [1], chociaż jest to stosunkowo nowy stan, a jego cechy psychopatologiczne i mechanizmy neurobiologiczne pozostają słabo poznane. Najnowsze badania neuroobrazowe wykazały znaczące zmiany w funkcjonowaniu mózgu i strukturze związane z uzależnieniem od Internetu. Większość z tych badań wykorzystywała funkcjonalne rezonans magnetyczny (fMRI) wykonywany podczas zadań i wykazywało regiony czołowe i prążkowate oraz, w mniejszym stopniu, korę ciemieniową i wyspową [2]-[5]. Dodatkowo, stosując pozytronową tomografię emisyjną (PET), Kim i in. (2011) odkrył zmniejszoną dostępność receptora dopaminy D2 w obustronnym ogoniastym i prawym skorupie [6]i Hou i in. (2012) za pomocą tomografii komputerowej emisji pojedynczego fotonu (SPECT) odkrył obniżony poziom ekspresji transportera dopaminy w prążkowiu u dorosłych z uzależnieniem od internetu [7]. Odkrycia te są zgodne z obecnymi teoretycznymi modelami zaburzeń uzależnień, obejmującymi nie tylko uzależnienie od substancji, ale także uzależnienie behawioralne (np. Patologiczny hazard), które podkreślają patologię obwodów czołowo-prążkowia [8], jak również wyspa [9], [10]. Badania strukturalne MRI przeprowadzone przez Zhou i in. (2011) i Yuan i in. (2011) razem zasugerowali nieprawidłowości istoty szarej w obszarach mózgu, w tym w korze przedczołowej [11], [12]oraz badanie obrazowania dyfuzyjno-tensorowego przez Lin i in. (2012) donosi o powszechnych nieprawidłowościach istoty białej u nastolatków z uzależnieniem od Internetu [13]. Wreszcie Liu i in. (2010) odkrył zmienioną jednorodność regionalną w uzależnieniu od internetu [14], co według naszej wiedzy jest jedynym znaleziskiem fMRI w stanie spoczynku w literaturze dotyczącej tego zaburzenia [15]. Autorzy zbadali jednorodność czasową sygnału zależnego od poziomu krwi-tlenu (BOLD) każdego woksela z sygnałami najbliższego sąsiedniego woksela 26 w sposób wokselyczny.

FMRI w stanie spoczynku jest stosunkowo nową techniką obrazowania do badania międzyregionalnych korelacji spontanicznej aktywności mózgu, nagrane, gdy ktoś cicho leży w skanerze, nie wykonując określonego zadania [16]. Podejście to zapewnia solidną metodę mapowania dobrze zdefiniowanych systemów funkcjonalnych [17], [18]. Środki stanu spoczynku są wiarygodne [19], [20], pod kontrolą genetyczną [21]-[23]i pomyślał, że indeksuje wewnętrzną właściwość organizacji funkcjonalnej mózgu [24], z zastrzeżeniem pewnych zastrzeżeń [25]. W połączeniu z technikami teoretycznymi, fMRI w stanie spoczynku oferuje potężne środki do badania wielkoskalowej organizacji dynamiki funkcjonalnej mózgu i jej zaburzeń w warunkach psychopatologicznych [26].

W tym badaniu wykorzystaliśmy dane fMRI w stanie spoczynku do odwzorowania różnic w funkcjonalnej łączności między obszernym zestawem odrębnych kory mózgowej 90 i podkorowych regionów mózgu u zdrowych osób i młodzieży z uzależnieniem od Internetu, koncentrując się na osobach angażujących się w nadmierne gry online wśród proponowanych podtypów tego zaburzenia [27]. Przeprowadziliśmy również analizę zakłóceń topologicznych sieci [28] ocenić, czy jakiekolwiek różnice między grupami w sile połączeń były dalej związane z globalną rekonfiguracją interakcji funkcjonalnych [26], jak odnotowano w wielu innych zaburzeniach psychicznych [29], [30].

Na podstawie wcześniejszych wyników badań neuroobrazowania strukturalnego i funkcjonalnego w uzależnieniu od Internetu [3], [4], [6], [7], [15], wraz z ustalonymi modelami teoretycznymi zaburzeń uzależnienia od substancji [8], [9], postawiliśmy hipotezę, że młodzież z uzależnieniem od internetu wykazywałaby zmienioną łączność międzyregionalną między regionami czołowymi i prążkowymi, z możliwym dalszym zaangażowaniem kory ciemieniowej i wyspy.

 

Materiały i Metody

Oświadczenie o etykiecie

Badanie to zostało zatwierdzone przez instytucjonalną komisję rewizyjną dla ludzi na Uniwersytecie Narodowym w Seulu. Wszyscy nastolatkowie i ich rodzice wyrazili świadomą zgodę na piśmie przed rozpoczęciem nauki. Badanie przeprowadzono zgodnie z Deklaracją Helsińską.

Uczestnicy

Dwunastu praworęcznych nastolatków z uzależnieniem od Internetu i 11 praworęcznych i dopasowanych do płci [31] w tym badaniu uczestniczyły zdrowe grupy kontrolne. Diagnoza uzależnienia od Internetu została ustalona przy użyciu Skali Young Internet Addiction Scale (YIAS), która składa się z elementów 20, z których każda oparta jest na skali Likert 5-point, oceniającej stopień problemów związanych z korzystaniem z Internetu [32], oraz Kiddie-Schedule for Affective Disorders and Schizophrenia-Present and Lifetime Version (K-SADS-PL), półstrukturalne narzędzie do wywiadu diagnostycznego o ustalonej trafności i wiarygodności, które pozwoliło nam wykluczyć inne zaburzenia psychiczne [33], [34]. Uczestnicy uzależnieni od Internetu ograniczali się do osób, które zgłosiły, że doświadczyły typowych składników uzależnienia (tj. Tolerancji, wycofania, zainteresowania grą w gry online, powtarzających się nieudanych prób ograniczenia lub zatrzymania gier online, negatywnie wpłynęły na nastrój podczas próby ograniczenia gier online, i zaniedbywanie ważnych relacji lub działań z powodu gier online) [35], [36]. Wszyscy uczestnicy z uzależnieniem od internetu zgłosili nadmierne gry online wśród proponowanych podtypów tego zaburzenia. Te same instrumenty zastosowano przy rekrutacji zdrowych nastolatków. Oceniono również informacje demograficzne i iloraz inteligencji (IQ) wszystkich uczestników (patrz Tabela 1).

miniatur
Download: 

 

Tabela 1. Charakterystyka demograficzna i kliniczna uczestników.

doi: 10.1371 / journal.pone.0057831.t001

Gromadzenie danych i przetwarzanie obrazu

Obrazy fMRI w stanie spoczynkowym uzyskano za pomocą skanera Siemens 3T (Siemens Magnetom Trio Tim Syngo MR B17, Niemcy) z następującymi parametrami: czas powtarzania (TR) 2700 ms; czas echa (TE) 30 ms; macierz akwizycji 64 × 64; pole widzenia (FOV) 192 × 192 mm2; kąt obrotu 90 °; rozmiar woksela 3.0 mm × 3.0 mm × 3.0 mm; plasterki 40. Całkowity czas akwizycji wynosił 6 min 45 sek. Zastosowano cewkę czołową i zminimalizowano ruch głowy, wypełniając pustą przestrzeń wokół głowy materiałem gąbkowym i mocując dolną szczękę taśmą.

Wstępne przetwarzanie obrazów fMRI przeprowadzono za pomocą Asystenta przetwarzania danych dla fMRI stanu spoczynkowego (DPARSF) [37], który jest oparty na statystycznym mapowaniu parametrycznym (SPM8) i zestawie analizy danych fMRI stanu spoczynkowego (REST). Pierwsze obrazy 5 w każdym obiekcie zostały odrzucone, a pozostałe obrazy 145 zostały skorygowane pod kątem synchronizacji plasterków i dostosowane do pierwszego woluminu w celu skorygowania artefaktów ruchu. Wszyscy uczestnicy wykazali mniej niż 0.5 mm przemieszczenia i 0.5 ° obrotu w swoich parametrach ruchu głowicy 6. Ponadto obie grupy nie różniły się znacząco (p<0.05) w czterech parametrach ruchu głowy zaproponowanych ostatnio przez Van Dijk i wsp. [38]: tj. średnie przemieszczenie głowy (uzależnienie od internetu: 0.04 ± 0.01 mm, kontrola: 0.04 ± 0.01 mm), maksymalne przemieszczenie głowy (uzależnienie od internetu: 0.18 ± 0.14 mm, kontrola: 0.17 ± 0.07 mm), liczba mikro (> 0.1 mm ) ruchy (nie więcej niż 2 dla wszystkich uczestników, z wyjątkiem dwóch osób w grupie uzależnienia od internetu mającej 5 i 6 mikro ruchów) i obrót głowy (uzależnienie od Internetu: 0.04 ± 0.01 °, kontrola: 0.04 ± 0.00 °). Przed normalizacją przestrzenną utworzono szablon mózgu dopasowany do wieku i płci w oparciu o dane z badania NIH MRI Study of Normal Brain Development, przy użyciu Template-O-Matic [39]. Nasze obrazy fMRI zostały znormalizowane przy użyciu tego dostosowanego szablonu i wygładzone półaksymalnym jądrem 6 mm o pełnej szerokości. Dane zostały następnie zniesione, a fluktuacje niskiej częstotliwości (0.01 – 0.08 Hz) zostały przefiltrowane w celu wykrycia sygnałów z istoty szarej i zmniejszenia wpływu hałasu. Sześć parametrów ruchu głowy, sygnały istoty białej i sygnały płynu mózgowo-rdzeniowego zostały cofnięte z przefiltrowanego sygnału BOLD. Ostatecznie reszty tej regresji wyodrębniono z regionów mózgu (węzłów) 90 w oparciu o atlas Automatycznego Znakowania Anatomicznego (AAL) [40]i obliczono powiązania parami, uzyskując macierz połączeń 90 na 90 na każdego badanego. Współczynnik korelacji Pearsona (zerowe opóźnienie) zastosowano do ilościowego określenia każdego skojarzenia parami. Należy zauważyć, że sygnał globalny nie został uwzględniony jako uciążliwa zmienna towarzysząca, zapewniając minimalny udział ujemnych korelacji.

Analiza danych

Statystyka oparta na sieci (NBS) [41], [42] został użyty do zidentyfikowania regionalnych sieci mózgowych wykazujących znaczącą różnicę między grupami w międzyregionalnej łączności funkcjonalnej. W szczególności przeprowadzono test t w celu przetestowania różnicy między grupami w współczynniku korelacji dla każdego unikalnego regionalnego parowania 90 × (90-1) / 2 = 4005. Połączone sieci, formalnie znane jako składniki wykresu, zostały następnie zidentyfikowane wśród połączeń ze statystyką t przekraczającą próg t = 3.0. Wartość p-skorygowanego błędu rodzinnego (FWE) obliczono dla rozmiaru każdego wynikowego komponentu za pomocą testów permutacji (permutacje 20000). Każda permutacja obejmowała losowe tasowanie etykiet grup i identyfikowanie rozmiaru największym połączona sieć, co daje empiryczny rozkład zerowy maksymalnych rozmiarów komponentów [43]. Wartość p skorygowaną przez FWE oszacowano dla każdej połączonej sieci jako odsetek permutacji, które dały większą połączoną sieć lub jedną o tej samej wielkości. Dwie alternatywne hipotezy (uzależnienie> kontrole i uzależnienie <kontrole) zostały ocenione niezależnie. Wszystkie te kroki zostały wykonane przy użyciu pakietu oprogramowania NBS, który jest swobodnie dystrybuowany jako część Brain Connectivity Toolbox (http://www.brain-connectivity-toolbox.net/) lub NITRC (http://www.nitrc.org/projects/nbs/). Aby ocenić odtwarzalność wszelkich istotnych odkryć w alternatywnych atlasach [44], powyższą analizę powtórzono oddzielnie z atlasem AAL podstawionym dwoma alternatywnymi atlasami do parcelacji kory w nienakładające się regiony; mianowicie atlas strukturalny Montreal Neurological Institute (MNI) (http://www.fmrib.ox.ac.uk/fsl/data/atlas-descriptions.html) i losową parcelację zawierającą regiony 120 [45]. Atlas MNI jest zgrubną parcelacją reprezentującą osiem obszarów anatomicznych na półkulę mózgu, ułatwiając w ten sposób charakterystykę połączeń między płatami.

Następnie przetestowaliśmy różnice między grupami w podstawowych miarach sieciowych opartych na wykresie [28]; mianowicie średni współczynnik grupowania, charakterystyczna długość ścieżki i stosunek małych światów. Interpretację tych środków w odniesieniu do złożoności mózgu i organizacji można znaleźć w wielu najnowszych publikacjach [26], [30], [46]-[49]. Macierze łączności były najpierw binaryzowane w odniesieniu do zestawu stałych gęstości połączeń, od 10% do 30% [28]. Miary sieci zostały obliczone dla każdej gęstości za pomocą odpowiedniej funkcji podanej w zestawie narzędzi Brain Connectivity Toolbox. Współczynnik grupowania i charakterystyczna długość ścieżki zostały znormalizowane w odniesieniu do zestawu losowych sieci 20 wygenerowanych przy użyciu algorytmu ponownego połączenia Maslov-Sneppen [50]. Różnice między grupami oceniano następnie przy każdej gęstości za pomocą dwustronnego testu t.

Na koniec współczynnik klastrowania i długość ścieżki obliczono lokalnie dla każdego z regionów 90. Dwustronny test t został również wykorzystany do sprawdzenia różnic między grupami w tych pomiarach specyficznych dla regionu. Wskaźnik fałszywego odkrycia (FDR) [51] został użyty do skorygowania wielokrotnych porównań w obrębie rodziny gęstości i regionów sieci.

 

Efekt

Charakterystyka uczestnika

Wszyscy uczestnicy byli praworęcznymi mężczyznami. Nie stwierdzono istotnej różnicy w wieku i IQ między obiema grupami, a wynik YIAS był znacząco wyższy w grupie uzależnień internetowych (Tabela 1).

Różnice grupowe w łączności funkcjonalnej

NBS zidentyfikował pojedynczą sieć pokazującą się znacznie (p<0.05, z korektą FWE) zmniejszyła łączność u nastolatków uzależnionych od Internetu w porównaniu z grupą kontrolną. Ta dotknięta sieć obejmowała 59 łączy, obejmujących 38 różnych regionów mózgu (Rysunek 1). Sieć została szeroko powtórzona, gdy atlas AAL został zastąpiony dwoma alternatywnymi atlasami do parcelacji kory w nienakładające się regiony (patrz Rysunek S1). Pomimo znacznych różnic w całkowitej liczbie regionów zawierających te atlasy (AAL: 90, MNI: 16, losowo: 120), niezwykła spójność była widoczna w ogólnej strukturze sieci. Rozmiar sieci prawdopodobnie wzrośnie wraz z rozdzielczością atlasu (tj. Całkowitą liczbą regionów), co doprowadzi do bardziej złożonej konfiguracji. Jednak związane z nią obszary korowe i podkorowe (i odpowiadające im płaty) były szeroko replikowane w trzech atlasach. Dane wizualizowano za pomocą przeglądarki BrainNet Viewer (http://www.nitrc.org/projects/bnv/).

miniatur
Download: 

Rysunek 1. Sieć zmniejszonej łączności funkcjonalnej mózgu u młodzieży z uzależnieniem od Internetu.

Czerwone kropki reprezentują centroidy stereotaktyczne regionów mózgu (węzłów) zdefiniowanych przez atlas zautomatyzowanego znakowania anatomicznego (AAL), a niebieskie linie reprezentują łącza nadprogowe (t = 3.0) obejmujące dotkniętą sieć zidentyfikowaną za pomocą statystyki sieciowej (NBS) (p<0.05, z poprawką składową). Widok osiowy ilustruje zaangażowanie połączeń międzypółkulowych (tj. Połączeń przecinających się między prawą a lewą półkulą). Widok strzałkowy ilustruje zaangażowanie płatów czołowych, skroniowych i ciemieniowych w dotkniętej sieci.

doi: 10.1371 / journal.pone.0057831.g001

Podążając za Fornito i in. [52]Regiony AAL podzielono na odpowiednie duże płaty (np. Czołowe, skroniowe, ciemieniowe), a proporcje połączeń łączących te wielkoskalowe podziały określono ilościowo dla każdej pary płatów. Stwierdzono wpływ na połączenia czołowo-skroniowo-ciemieniowe, ale płat potyliczny nie został włączony do dotkniętej sieci. Większość połączeń, które zostały zredukowane w grupie uzależnień internetowych, obejmowała połączenia między regionami podkorowymi i kory czołowej (~ 24%) i kory ciemieniowej (~ 27%) (Rysunek 2). Aby lepiej zrozumieć, które regiony podkorowe mogą przyczyniać się do tego odkrycia, zbadaliśmy łączność między każdym płatem korowym i każdym regionem podkorowym osobno w sieci NBS (Rysunek S2). Analiza ta wykazała, że ​​regiony podkorowe obejmują hipokamp, ​​gałkę bladą i skorupę. Ciało migdałowate i jądro ogoniaste nie zostały włączone do dotkniętej sieci. Obustronna skorupa była najszerzej zaangażowanym obszarem podkorowym, wykazującym zmniejszone połączenia ze wszystkimi trzema głównymi płatami mózgowymi. Wzór ten został powtórzony przy użyciu atlasu MNI, z którego powstała sieć zawierała jedynie skorupę i wyspę, oprócz płatów czołowych, ciemieniowych i skroniowych; jądro ogoniaste i płat potyliczny nie zostały włączone do dotkniętej sieci.

miniatur
Download:  

 

Rysunek 2. Odsetek połączeń dotkniętych uzależnieniem od Internetu łączących odrębne pary szerokich podziałów mózgowych.

Liczba ogniw obejmujących każdą parę podziałów jest normalizowana przez całkowitą liczbę połączeń parami. Należy zauważyć, że hipokamp, ​​gałka blada i skorupa zostały przypisane do kategorii podkorowej, a przedni zakręt obręczy został przypisany do kategorii czołowej. Ciało migdałowate i jądro ogoniaste nie zostały włączone do zakłóconej sieci, a zatem nie było potrzeby przypisywania tych obszarów do płata. Szew, obustronnie, był najszerzej zaangażowanym obszarem podkorowym, wykazującym zmniejszone połączenia ze wszystkimi trzema głównymi płatami mózgowymi.

doi: 10.1371 / journal.pone.0057831.g002

Nie zidentyfikowaliśmy żadnej sieci o zwiększonej łączności w grupie uzależnień internetowych. Nie stwierdzono istotnej korelacji między łącznością funkcjonalną w zidentyfikowanej sieci a wynikiem YIAS, ani w grupie uzależnień od Internetu, ani w grupie kontrolnej.

Różnice grupowe w topologii sieci

Nie odnotowano różnicy między grupami w średnim współczynniku klastrowania, charakterystycznej długości ścieżki lub stosunku małych światów w żadnej z badanych gęstości sieci (p<0.05, z korektą FDR) (Rysunek 3). Dodatkowo, żadna różnica między grupami w odpowiednich lokalnych (specyficznych dla regionu) miarach nie przeżyła korekty FDR dla wielokrotnych porównań. Zastosowanie mniej rygorystycznej fałszywej pozytywnej korekty p<(1/90) = 0.011 [53] w celu zbadania efektów poziomu trendu uzyskano różnice między grupami w lokalnym współczynniku grupowania i lokalnej długości ścieżki występującej głównie w płatach potylicznych (Tabele S1 i S2).

miniatur
Download: 

 

Rysunek 3. Małe światowe parametry łączności funkcjonalnej mózgu u młodzieży z uzależnieniem od Internetu.

doi: 10.1371 / journal.pone.0057831.g003

 

 

Dyskusja

Dowody na zmniejszoną łączność funkcjonalną mózgu stwierdzono u nastolatków z uzależnieniem od Internetu. Zgodnie z aktualnymi modelami podkreślającymi rolę patologii korowo-podkorowej w uzależnieniu [54], 24% połączeń w zmienionej sieci różnicującej osoby uzależnione i zdrowe kontrole obejmował połączenia między regionami czołowymi i podkorowymi. Dodatkowy 27% łączył obszary podkorowe i ciemieniowe, z bardziej ograniczonymi dowodami na zaangażowanie wyspy, ponownie zgodne z ostatnimi dowodami zaangażowania tych regionów w uzależnienie. Zauważ, że nasza analiza zapewnia rygorystyczny test korowo-podkorowych modeli uzależnienia, ponieważ zawierał on pomiary funkcjonalnej łączności parami między różnymi regionami 90 rozmieszczonymi w całym mózgu. Fakt, że systemy korowo-podkorowe pojawiły się jako ważna patologia wykorzystująca tę całkowicie opartą na danych analizę, zapewnia silne poparcie dla zaangażowania tych systemów w uzależnienie od Internetu. Co więcej, nasze odkrycia wskazują, że uzależnienie od Internetu ma wspólne cechy neurobiologiczne z innymi zaburzeniami uzależniającymi, a zwłaszcza regiony podkorowe mogą stanowić główne miejsca patologii sieci mózgowej. Ważną uwagą jest pogląd Narodowego Instytutu ds. Nadużywania Narkotyków, że uzależnienia behawioralne mogą być względnie czystymi modelami uzależnienia, biorąc pod uwagę, że warunki te nie są zanieczyszczone przez działanie substancji [55]. Podczas gdy badanie wielu innych zaburzeń uzależnienia jest niezmiennie zakłócane przez wtórne skutki toksyczności nadużywania substancji, uzależnienie od Internetu jest diagnozowane behawioralnie, a zatem stanowi bardziej ukierunkowany model badania uzależnienia, który jest wolny od długotrwałych skutków leków.

W tym badaniu wykorzystano NBS z pomiarem wielkości sieci w oparciu o jego zasięg; to znaczy całkowita liczba połączeń tworzących sieć. Ta miara rozmiaru nie jest odpowiednia do wykrywania efektów ogniskowych obejmujących pojedyncze, odizolowane połączenia, które nie tworzą wspólnie sieci. Aby przetestować te różnice ogniskowe między grupami, w analizie NBS powtarzano testy pod kątem różnic w masie składnika, a nie wielkości. Statystyka mas zapewnia większą wrażliwość na ogniskowe, intensywne efekty niż testowanie różnic w wielkości komponentu. Ponadto wprowadziliśmy progresywne porównania przy użyciu FDR, który będzie bardzo wrażliwy na efekty ogniskowe o wysokiej intensywności. Nie stwierdzono istotnych różnic między grupami ani w statystykach FDR, ani w masie, co sugeruje, że nieprawidłowa łączność w uzależnieniu od Internetu obejmuje rozproszoną sieć obejmującą kilka regionów korowych i podkorowych.

Biorąc pod uwagę, że wiadomo, że właściwości sieci mózgowej są wrażliwe na wybór szablonu parcelacji, zbadaliśmy kilka alternatywnych schematów odwzorowań w celu oceny odtwarzalności wszelkich wyników zmian w definicjach węzłowych [45], [56], [57]. Pozwoliło nam to wykluczyć możliwość, że pewne ustalenia były jedynie wynikiem statystycznie korzystnego pozycjonowania węzłów, ale nie można ich było odtworzyć z innymi dobrze znanymi działkami.

IW przeciwieństwie do zmniejszonej siły łączności funkcjonalnej, parametry topologiczne nie wykazały istotnych różnic grupowych. Nawet gdy przeprowadziliśmy dalsze analizy eksploracyjne w oparciu o mniej rygorystyczną kontrolę przeciwko błędowi typu I, wyniki wskazywały na możliwą różnicę topologiczną, która dotyczy głównie płata potylicznego, na który nie miała wpływu analiza NBS. Tak więc, chociaż uzależnienie od Internetu było związane z powszechnym i znaczącym zmniejszeniem łączności funkcjonalnej w obwodach korowo-podkorowych, spadek ten nie był związany z globalnym zaburzeniem topologii funkcjonalnej sieci mózgu. Badanie to pokazuje, że powszechne różnice w funkcjonalnej łączności mogą istnieć przy braku zmian w podstawowych miarach topologicznych. Może wydawać się niezwykłe, że różnice w sile łączności były tak powszechne przy braku istotnych różnic topologicznych. Jednak ważne jest, aby zauważyć, że topologia i siła połączenia są odrębnymi właściwościami łącznika, a nieprawidłowości w jednym nie muszą oznaczać nieprawidłowości w drugim. Podobne wyniki zaobserwowano w innych zaburzeniach [52], [58]. Zauważamy jednak, że różnice grupowe w niektórych właściwościach topologicznych zmierzały w kierunku istotności statystycznej. Analiza większej próbki może dać moc niezbędną do uznania tych efektów za znaczące. Nasze wyniki sugerują, że zmiany topologiczne mogą być bardziej subtelne niż te obserwowane dla środków łączności funkcjonalnej.

Wśród połączeń 59 zawartych w zmienionej sieci, 25 był połączeniami międzypółkulowymi, a 34 był wewnątrzszpikowy, wskazując na zaangażowanie połączeń dalekiego zasięgu i krótkiego zasięgu w całym mózgu. Biorąc pod uwagę, że uzależnienie od Internetu jest nowo rozpoznanym stanem zdrowia psychicznego, z jego koncepcją i kryteriami diagnostycznymi wciąż nieuchwytnymi i nieokreślonymi, być może zaskakujące może być znalezienie tak rozległej sieci w mózgu tych osób. Ostatnio Lin i in. (2012) zbadał integralność istoty białej mózgu u nastolatków z uzależnieniem od Internetu za pomocą obrazowania dyfuzyjno-tensorowego i odkrył powszechny spadek anizotropii frakcyjnej (FA) w całym mózgu bez obszaru o wyższej FA w grupie uzależnień internetowych [13]. Takie wyniki implikują możliwą podstawę anatomiczną zaburzeń czynnościowych obserwowanych w naszej próbce, hipotezę, którą można przetestować przy użyciu połączonego fMRI i obrazowania ważonego dyfuzyjnie u tych samych uczestników [59].

Odnośnie do dużej liczby połączeń międzypółkulowych znalezionych w zmienionej sieci, efektywna komunikacja międzypółkulowa była od dawna uważana za ważną w funkcjach mózgu [60]-[63]. Jednak stosunkowo niewiele badań neuroobrazowych dotyczących uzależnienia dotyczyło integracji funkcjonalnej między obustronnymi półkulami. Ostatnio Kelly i in. (2011) zaobserwowali zmniejszoną łączność funkcjonalną międzypółkulową u dorosłych zależnych od kokainy [64]. Wykazali pierwotne zaangażowanie sieci czołowo-ciemieniowej, z względnym oszczędzeniem regionów skroniowych, wyniki, które są zbieżne z naszymi odkryciami. Chociaż autorzy omówili to odkrycie głównie jako odzwierciedlenie długoterminowych skutków przewlekłej ekspozycji na kokainę, wspomnieli również o możliwości, że zmniejszenie międzypółkulowej łączności funkcjonalnej mogło poprzedzić ekspozycję na kokainę jako podatność na zaburzenia uzależnienia. Nasze wyniki sugerują, że te zmiany międzypółkulowe odzwierciedlają podatność na zaburzenia uzależnienia lub neuronalny korelator generycznych zachowań uzależniających, a nie są drugorzędne w stosunku do długotrwałego używania narkotyków, biorąc pod uwagę, że uzależnienie w naszej próbie zostało zdefiniowane w kategoriach czysto behawioralnych. Możliwości te można ocenić, badając podobieństwa fenotypowe między spokrewnionymi krewnymi osób z zaburzeniami uzależnienia od narkotyków lub zachowań.

Co ciekawe, podobny schemat zmniejszonej łączności funkcjonalnej w stanie spoczynku między regionami czołowymi i ciemieniowymi odnotowano zarówno u osób uzależnionych od kokainy, jak iu heroinys [64], [65]. W ostatnim przeglądzie Sutherland i in. (2012) zasugerował, że zmniejszona łączność w obwodach czołowo-ciemieniowych może być głównym składnikiem upośledzonej sieci kontroli poznawczej populacji uzależnionych od narkotyków [54]. Nasze odkrycie w uzależnieniu od Internetu również potwierdza pogląd, że zmniejszona łączność funkcjonalna między regionami czołowymi i ciemieniowymi może być wspólną cechą różnych rodzajów uzależnienia, co sugeruje obecność wspólnego fenotypu, który nie jest wtórną konsekwencją zażywania narkotyków. Ponadto ostatnie badania nad łącznością funkcjonalną całego mózgu w schizofrenii wykazały wyraźne zmiany przednio-skroniowe, a nie czołowo-ciemieniowe lub czołowo-prążkowate [52], zgodne z klasycznymi modelami patofizjologicznymi zaburzenia [66]. Oczywiście, najbardziej godnym uwagi odkryciem niniejszego badania jest to, że uzależnienie od Internetu było związane w szczególności z patologią obwodów prążkowia, systemem powszechnie powiązanym z innymi zaburzeniami uzależniającymi, co sugeruje wspólny fenotyp neurobiologiczny. Zidentyfikowanie zmienionych obwodów prążkowia nakładających się na dobrze znane zaburzenia uzależniające może być przydatne do sprawdzenia, czy model uzależnienia jest odpowiednią podstawą teoretyczną dla zrozumienia zaburzenia [67], [68]. Pozostaje jednak pytanie, czy relatywnie silniejsze upośledzenie połączeń funkcjonalnych czołowo-ciemieniowych i czołowo-prążkowatych może być w dużej mierze związane z zaburzeniami uzależnień. Potrzebne są przyszłe badania bezpośrednio porównujące różne zaburzenia w celu ustalenia specyficzności.

Jednym z najciekawszych wyników obecnego badania było silne zaangażowanie skorupy. Wiadomo, że ta struktura mózgu moduluje kilka neuroprzekaźników, w tym dopaminę, a stępiona funkcja dopaminergiczna prążkowia jest silnie powiązana z jednym z kluczowych biologicznych mechanizmów zaburzeń uzależnień [8]. Dopamina jest kluczowym modulatorem funkcji skorupy i może odgrywać ważną rolę w zaburzeniach łączności funkcjonalnej obserwowanych w tym badaniu. Jest to zgodne z ostatnimi dowodami, że u osób z uzależnieniem od internetu zmieniono dostępność transportera dopaminy w prążkowiu i dostępność receptora D2 [6], [7] oraz że genetyczna i farmakologiczna modulacja poziomów dopaminy w mózgu może wywierać głęboki wpływ na wzorce łączności funkcjonalnej [69]-[71]. Biorąc pod uwagę te wcześniejsze doniesienia i proponowany neurobiologiczny mechanizm uzależnienia obejmujący stępioną funkcję dopaminergiczną prążkowia [8], zrozumienie wpływu dopaminy na sieć zidentyfikowaną jako wykazująca zmienioną łączność funkcjonalną w niniejszym badaniu będzie stanowić ważny sposób na zrozumienie neurobiologicznych korelatów uzależnienia od Internetu.

Interesujące jest również nasze odkrycie, że skorupa była najszerzej zaangażowanym regionem podkorowym w zmniejszonej sieci funkcjonalnej, oszczędzającym jądro ogoniaste. Obie struktury są częścią prążkowia, które z kolei jest częścią struktur podkorowych. Zasadniczo uważa się, że skorupa jest regionem mózgu związanym z aktywnością motoryczną i rzadziej występuje w dodatku substancji niż jądro ogoniaste. Wśród czynności ruchowych wykazano, że dobrze wyuczona sekwencja powtarzalnych ruchów palców jest związana z aktywacją skorupy [72]-[76]. Ludzie cierpiący na uzależnienie od Internetu mogą przechodzić znacznie większą częstotliwość pewnych zachowań w długim okresie czasu, w tym powtarzające się manipulowanie myszą i klawiaturą, a te doświadczenia mogą wpływać na ich mózg. Dlatego nieprawidłowa łączność wynikająca z skorupy może wskazywać na specyficzną cechę uzależnienia od internetu. Ponieważ jednak nie mierzyliśmy stopnia manipulacji palcami u naszych uczestników, implikacja zmniejszonej, a nie zwiększonej funkcjonalnej łączności obejmującej skorupę w odniesieniu do manipulacji myszą / klawiaturą pozostaje otwarta na przyszłe badania. Alternatywnie, udział skorupy w naszych odkryciach może odzwierciedlać jej rolę w procesach poznawczych, które są wspólne z jądrem ogoniastym i które są upośledzone w uzależnieniu, takie jak przetwarzanie nagrody [77], [78].

Kolejnym punktem wartym omówienia jest brak jakiejkolwiek zwiększonej łączności funkcjonalnej w grupie uzależnień internetowych. Chociaż spodziewaliśmy się głównie znalezienia zmniejszonej łączności funkcjonalnej w grupie uzależnień, w rzeczywistości nie wykluczyliśmy również możliwości obserwowania zwiększonej łączności funkcjonalnej, szczególnie biorąc pod uwagę hipotezę, że młodzież z uzależnieniem od internetu może wykazywać efekt praktyki z powodu nadmiernej aktywności online [79]-[82]. Jednym z możliwych wyjaśnień negatywnego odkrycia może być to, że nasz mały rozmiar próby nie był w stanie wykryć tego powiązanego z praktyką zwiększenia łączności funkcjonalnej. Jednak nie jest jeszcze w pełni ustalone, czy wydajność poznawcza w niektórych zadaniach lub dotkliwość niektórych psychopatologii przejawia się jako zmniejszona lub zwiększona łączność funkcjonalna [83], [84]. Innym zagadnieniem powinno być to, że efekt długotrwałego nadmiernego korzystania z Internetu może w różny sposób wpływać na mózg w zależności od subpopulacji. Na przykład, subpopulacja zwana profesjonalnymi graczami w gry online angażuje się w intensywne działania internetowe, spędza podobnie dużo czasu ćwicząc gry online i prawdopodobnie lepiej radzi sobie w tych grach niż osoby z uzależnieniem od internetu, a jednak wydaje się nie być uzależniona, o czym świadczy znacznie niższy wynik YIAS [85]. Stąd można postawić hipotezę, że efekty praktyki w działaniach internetowych mogą być różne w zależności od osoby.

Niniejsze badanie ma pewne ważne ograniczenia. Po pierwsze, wielkość próby była dość mała, co prawdopodobnie ograniczyło naszą moc do wykrycia znaczących korelacji między połączeniem funkcjonalnym a wynikami YIAS. Zatem obecne odkrycie musi zostać powtórzone w większej próbie uczestników z uzależnieniem od internetu i kontrolą. Warto jednak zauważyć, że nasza liczebność próby była ogólnie porównywalna z poprzednimi funkcjonalnymi badaniami neuroobrazowania uzależnienia od Internetu. Nasza próbka była wyjątkowa, ponieważ większość wcześniejszych badań była oparta na dorosłych [2]-[7]. Po drugie, kryteria diagnostyczne uzależnienia od Internetu nie są jeszcze solidnie ustalone, chociaż nasze odkrycia wskazują na potencjalną podstawę neurobiologiczną tego domniemanego zaburzenia. Po trzecie, chociaż wykluczyliśmy współwystępowanie zaburzeń psychicznych za pomocą K-SADS-PL, objawy współistniejących stanów psychicznych na poziomie progowym mogły być nadal obecne. Po czwarte, zgromadzenie szerszego zakresu informacji klinicznych, takich jak nawyki do spania, mogło wzbogacić nasze dane i poprawić nasz wkład w literaturę [86], [87]. Wreszcie projekt badania przekrojowego ogranicza interpretację związku przyczynowego między zmniejszoną łącznością funkcjonalną a rozwojem uzależnienia od Internetu. Należy zauważyć, że ruch głowy okazał się ważnym zaburzeniem w neuroobrazowaniu funkcjonalnym [38], [88]. Kierownictwo zostało kompleksowo ocenione w tym badaniu przy użyciu szeregu niedawno zaproponowanych środków rotacyjnych i przemieszczeń [38]. Nie stwierdzono znaczącej różnicy między grupami dla żadnego z rozważanych środków ruchu głowy.

IPodsumowując, wyniki tego badania sugerują, że młodzież z uzależnieniem od Internetu wykazuje zmienioną łączność funkcjonalną mózgu w przypadku braku poważnych zaburzeń topologii sieci. Zmieniona sieć wykazała duże zaangażowanie połączeń międzypółkulowych dalekiego zasięgu, jak również połączeń wewnątrzszpikowych krótkiego zasięgu w całym mózgu. Podkorowe regiony mózgu mogą odgrywać ważną rolę w tej zmienionej sieci, zwłaszcza skorupie, która wykazywała zmniejszone połączenia ze wszystkimi trzema głównymi płatami mózgowymi.

 

 

Informacje uzupełniające

Rysunek_S1.tif
  • 1 / 4

pobieranie

Sieć zmniejszonej łączności funkcjonalnej mózgu u nastolatków z uzależnieniem od Internetu (przy użyciu różnych atlasów).Czerwone kropki reprezentują centroidy stereotaktyczne regionów mózgu (węzłów) zdefiniowanych przez atlas strukturalny (A) w Montrealu Neurological Institute (MNI) i atlas losowych parcelacji (B), a niebieskie linie reprezentują połączenia nadprogowe (odpowiednio t = 2.1 i 3.0) obejmujące dotknięte sieć identyfikowana ze statystyką opartą na sieci (NBS) (p<0.05, skorygowana pod względem komponentów).

Rysunek S1.

Sieć zmniejszonej łączności funkcjonalnej mózgu u nastolatków z uzależnieniem od Internetu (przy użyciu różnych atlasów).Czerwone kropki reprezentują centroidy stereotaktyczne regionów mózgu (węzłów) zdefiniowanych przez atlas strukturalny (A) w Montrealu Neurological Institute (MNI) i atlas losowych parcelacji (B), a niebieskie linie reprezentują połączenia nadprogowe (odpowiednio t = 2.1 i 3.0) obejmujące dotknięte sieć identyfikowana ze statystyką opartą na sieci (NBS) (p<0.05, skorygowana pod względem komponentów).

(TIF)

Rysunek S2.

Odsetek połączeń dotkniętych uzależnieniem od Internetu łączących odrębne pary szerokich podziałów mózgowych (wyszczególnionych dla regionów podkorowych).Liczba łączy obejmujących każdą parę podziałów jest znormalizowana przez łączną liczbę połączeń parami.

(TIF)

Tabela S1.

Lokalny współczynnik klastrowania.Ta tabela pokazuje wyniki trendu z mniej rygorystyczną korektą fałszywej pozytywnej p<(1/90) = 0.011; żaden wynik nie przetrwał standardowej korekty współczynnika fałszywego wykrywania dla porównań wielokrotnych.

(DOC)

Tabela S2.

Lokalna długość ścieżki.Ta tabela pokazuje wyniki trendu z mniej rygorystyczną korektą fałszywej pozytywnej p<(1/90) = 0.011; żaden wynik nie przetrwał standardowej korekty współczynnika fałszywego wykrywania dla porównań wielokrotnych.

(DOC)

  

 

Autorskie Wkłady

Zaprojektowane i zaprojektowane eksperymenty: SBH EJC HHK JES CDK JWK SHY. Wykonał eksperymenty: SBH EJC HHK JES. Przeanalizowano dane: SBH AZ LC AF. Przyczyniły się odczynniki / materiały / narzędzia do analizy: SBH AZ LC AF CDK JWK SHY. Napisał artykuł: SBH AZ LC AF EJC HHK JES CDK JWK SHY.

  

 

Referencje

  1. Ko CH, Yen JY, Yen CF, Chen CS, Chen CC (2012) Związek między uzależnieniem od Internetu a zaburzeniami psychicznymi: przegląd literatury. Eur Psychiatry 27: 1 – 8. doi: 10.1016 / j.eurpsy.2010.04.011. Znajdź ten artykuł online
  2. Dong G, Huang J, Du X (2011) Zwiększona wrażliwość na nagrody i zmniejszona wrażliwość na straty u osób uzależnionych od Internetu: badanie fMRI podczas zadania zgadywania. J Psychiatr Res 45: 1525 – 1529. doi: 10.1016 / j.jpsychires.2011.06.017. Znajdź ten artykuł online
  3. Han DH, Bolo N, MA Daniels, Arenella L, Lyoo IK, i in. (2011) Aktywność mózgu i chęć grania w gry wideo. Compr Psychiatry 52: 88 – 95. doi: 10.1016 / j.comppsych.2010.04.004. Znajdź ten artykuł online
  4. Han DH, Kim YS, Lee YS, Min KJ, Renshaw PF (2010) Zmiany w aktywności kory przedczołowej wywołanej przez cue podczas gry wideo. Cyberpsychol Behav Soc Netw 13: 655 – 661. doi: 10.1089 / cyber.2009.0327. Znajdź ten artykuł online
  5. Ko CH, Liu GC, Hsiao S, Yen JY, Yang MJ i in. (2009) Działania związane z mózgiem związane z uzależnieniem od gier online. J Psychiatr Res 43: 739 – 747. doi: 10.1016 / j.jpsychires.2008.09.012. Znajdź ten artykuł online
  6. Kim SH, Baik SH, Park CS, Kim SJ, Choi SW, i in. (2011) Zmniejszone receptory dopaminy D2 w prążkowiu u osób z uzależnieniem od Internetu. Neuroreport 22: 407 – 411. doi: 10.1097/WNR.0b013e328346e16e. Znajdź ten artykuł online
  7. Hou H, Jia S, Hu S, Fan R, Sun W, i in. (2012) Zmniejszony transporter dopaminy w prążkowiu u osób z uzależnieniem od Internetu. J Biomed Biotechnol 2012: 854524. doi: 10.1155/2012/854524. Znajdź ten artykuł online
  8. Goldstein RZ, Volkow ND (2011) Dysfunkcja kory przedczołowej w uzależnieniu: wyniki neuroobrazowania i implikacje kliniczne. Nat Rev Neurosci 12: 652 – 669. doi: 10.1038 / nrn3119. Znajdź ten artykuł online
  9. Goldstein RZ, Craig AD, Bechara A, Garavan H, Childress AR, i in. (2009) Neurochirurgia zaburzonego wglądu w narkomanię. Trendy Cogn Sci 13: 372 – 380. doi: 10.1016 / j.tics.2009.06.004. Znajdź ten artykuł online
  10. Naqvi NH, Bechara A (2010) Wyspa i uzależnienie od narkotyków: interoceptywne spojrzenie na przyjemność, pragnienia i podejmowanie decyzji. Brain Struct Funct 214: 435 – 450. doi: 10.1007/s00429-010-0268-7. Znajdź ten artykuł online
  11. Zhou Y, Lin FC, Du YS, Qin LD, Zhao ZM, et al. (2011) Nieprawidłowości materii szarej w uzależnieniu od Internetu: badanie morfometryczne oparte na wokseli. Eur J Radiol 79: 92 – 95. doi: 10.1016 / j.ejrad.2009.10.025. Znajdź ten artykuł online
  12. Yuan K, Qin W, Wang G, Zeng F, Zhao L, et al. (2011) Zaburzenia mikrostruktury u młodzieży z zaburzeniami uzależnienia od Internetu. PLoS One 6: e20708. doi: 10.1371 / journal.pone.0020708. Znajdź ten artykuł online
  13. Lin F, Zhou Y, Du Y, Qin L, Zhao Z, et al. (2012) Nieprawidłowa integralność istoty białej u młodzieży z zaburzeniami uzależnienia od Internetu: badanie przestrzenne statystyki opartej na traktacie. PLoS One 7: e30253. doi: 10.1371 / journal.pone.0030253. Znajdź ten artykuł online
  14. Liu J, Gao XP, Osunde I, Li X, Zhou SK, i in. (2010) Zwiększona jednorodność regionalna w zaburzeniach uzależnienia od Internetu: badanie rezonansu magnetycznego w stanie spoczynku. Chin Med J (Engl) 123: 1904 – 1908. Znajdź ten artykuł online
  15. Yuan K, Qin W, Liu Y, Tian J (2011) Uzależnienie od Internetu: odkrycia neuroobrazowe. Commun Integr Biol 4: 637 – 639. Znajdź ten artykuł online
  16. Raichle ME, Snyder AZ (2007) Domyślny tryb działania mózgu: krótka historia ewoluującej idei. Neuroimage 37: 1083 – 1090; dyskusja 1097 – 1089. doi: 10.1016 / j.neuroimage.2007.02.041. Znajdź ten artykuł online
  17. Fox MD, Corbetta M, Snyder AZ, Vincent JL, Raichle ME (2006) Spontaniczna aktywność neuronalna odróżnia ludzkie uwaga od grzbietowej i brzusznej. Proc Natl Acad Sci USA 103: 10046 – 10051. doi: 10.1073 / pnas.0604187103. Znajdź ten artykuł online
  18. Smith SM, Miller KL, Moeller S, Xu J, Auerbach EJ, et al. (2012) Czasowo niezależne funkcjonalne tryby spontanicznej aktywności mózgu. Proc Natl Acad Sci USA 109: 3131 – 3136. doi: 10.1073 / pnas.1121329109. Znajdź ten artykuł online
  19. Damoiseaux JS, Rombouts SA, Barkhof F, Scheltens P, Stam CJ, et al. (2006) Spójne sieci stanów spoczynkowych u zdrowych osób. Proc Natl Acad Sci USA 103: 13848 – 13853. doi: 10.1073 / pnas.0601417103. Znajdź ten artykuł online
  20. Shehzad Z, Kelly AM, Reiss PT, Gee DG, Gotimer K, et al. (2009) Mózg spoczynkowy: nieograniczony, ale niezawodny. Cereb Cortex 19: 2209 – 2229. doi: 10.1093 / cercor / bhn256. Znajdź ten artykuł online
  21. Fornito A, Bullmore ET (2012) Łączne fenotypy pośrednie dla zaburzeń psychicznych. Front Psychiatry 3: 32. doi: 10.3389 / fpsyt.2012.00032. Znajdź ten artykuł online
  22. Fornito A, Zalesky A, Bassett DS, Meunier D, Ellison-Wright I, et al. (2011) Wpływy genetyczne na efektywną kosztowo organizację ludzkich funkcjonalnych sieci korowych. J Neurosci 31: 3261 – 3270. doi: 10.1523 / JNEUROSCI.4858-10.2011. Znajdź ten artykuł online
  23. Glahn DC, Winkler AM, Kochunov P, Almasy L, Duggirala R, et al. (2010) Kontrola genetyczna nad mózgiem spoczynkowym. Proc Natl Acad Sci USA 107: 1223 – 1228. doi: 10.1073 / pnas.0909969107. Znajdź ten artykuł online
  24. Fox MD, Raichle ME (2007) Spontaniczne wahania aktywności mózgu obserwowane za pomocą funkcjonalnego rezonansu magnetycznego. Nat Rev Neurosci 8: 700 – 711. doi: 10.1038 / nrn2201. Znajdź ten artykuł online
  25. Fornito A, Bullmore ET (2010) Co mogą powiedzieć spontaniczne wahania sygnału zależnego od poziomu utlenienia krwi o zaburzeniach psychicznych? Aktualna opinia w psychiatrii 23: 239 – 249. doi: 10.1097/YCO.0b013e328337d78d. Znajdź ten artykuł online
  26. Bullmore E, Sporns O (2009) Złożone sieci mózgowe: teoretyczna analiza graficzna systemów strukturalnych i funkcjonalnych. Nat Rev Neurosci 10: 186 – 198. Znajdź ten artykuł online
  27. Block JJ (2008) Zagadnienia dla DSM-V: uzależnienie od internetu. Am J Psychiatry 165: 306 – 307. doi: 10.1176 / appi.ajp.2007.07101556. Znajdź ten artykuł online
  28. Rubinov M, Sporns O (2010) Złożone sieciowe środki łączności mózgowej: zastosowania i interpretacje. Neuroimage 52: 1059 – 1069. doi: 10.1016 / j.neuroimage.2009.10.003. Znajdź ten artykuł online
  29. Xia M, He Y (2011) Obrazowanie metodą rezonansu magnetycznego i analiza teoretyczna złożonych sieci mózgu w zaburzeniach neuropsychiatrycznych. Brain Connect 1: 349 – 365. doi: 10.1089 / brain.2011.0062. Znajdź ten artykuł online
  30. Fornito A, Zalesky A, Pantelis C, Bullmore ET (2012) Schizofrenia, neuroobrazowanie i łączność. Neuroimage doi: 10.1016 / j.neuroimage.2011.12.090. Znajdź ten artykuł online
  31. Gong G, He Y, Evans AC (2011) Łączność mózgu: płeć ma znaczenie. Neuroscientist 17: 575 – 591. doi: 10.1177/1073858410386492. Znajdź ten artykuł online
  32. Widyanto L, McMurran M (2004) Właściwości psychometryczne testu uzależnienia od Internetu. Cyberpsychol Behav 7: 443 – 450. doi: 10.1089 / cpb.2004.7.443. Znajdź ten artykuł online
  33. Kaufman J, Birmaher B, Brent D, Rao U, Flynn C, i in. (1997) Harmonogram zaburzeń afektywnych i schizofrenii dla dzieci w wieku szkolnym i dożywotniej wersji (K-SADS-PL): wstępne dane dotyczące wiarygodności i ważności. J Am Acad Child Adolesc Psychiatry 36: 980 – 988. doi: 10.1097 / 00004583-199707000-00021. Znajdź ten artykuł online
  34. Kim YS, Cheon KA, Kim BN, Chang SA, Yoo HJ, et al. (2004) Wiarygodność i trafność schematu Kiddie dla zaburzeń afektywnych i schizofrenii - wersja obecna i dożywotnia - wersja koreańska (K-SADS-PL-K). Yonsei Med J 45: 81 – 89. Znajdź ten artykuł online
  35. Christakis DA (2010) Uzależnienie od Internetu: epidemia 21st wieku? BMC Med 8: 61. doi: 10.1186/1741-7015-8-61. Znajdź ten artykuł online
  36. Flisher C (2010) Podłączony: przegląd uzależnienia od Internetu. J Paediatr Child Health 46: 557 – 559. doi: 10.1111 / j.1440-1754.2010.01879.x. Znajdź ten artykuł online
  37. Chao-Gan Y, Yu-Feng Z (2010) DPARSF: A MATLAB Toolbox for „Pipeline” Data Analysis of Resting-State fMRI. Front Syst Neurosci 4:13. Znajdź ten artykuł online
  38. Van Dijk KR, Sabuncu MR, Buckner RL (2012) Wpływ ruchu głowy na MRI samoistnej łączności funkcjonalnej. Neuroimage 59: 431 – 438. doi: 10.1016 / j.neuroimage.2011.07.044. Znajdź ten artykuł online
  39. Wilke M, Holland SK, Altaye M, Gaser C (2008) Template-O-Matic: zestaw narzędzi do tworzenia niestandardowych szablonów pediatrycznych. Neuroimage 41: 903 – 913. doi: 10.1016 / j.neuroimage.2008.02.056. Znajdź ten artykuł online
  40. Tzourio-Mazoyer N, Landeau B, Papathanassiou D, Crivello F, Etard O, et al. (2002) Zautomatyzowane anatomiczne oznaczanie aktywacji w SPM za pomocą makroskopowej anatomicznej aproksymacji mózgu jednego podmiotu MNI MRI. Neuroimage 15: 273 – 289. doi: 10.1006 / nimg.2001.0978. Znajdź ten artykuł online
  41. Zalesky A, Fornito A, Bullmore ET (2010) Statystyka oparta na sieci: identyfikacja różnic w sieciach mózgowych. Neuroimage 53: 1197 – 1207. doi: 10.1016 / j.neuroimage.2010.06.041. Znajdź ten artykuł online
  42. Zalesky A, Cocchi L, Fornito A, Murray MM, Bullmore E (2012) Różnice w łączności w sieciach mózgowych. Neuroimage 60: 1055 – 1062. doi: 10.1016 / j.neuroimage.2012.01.068. Znajdź ten artykuł online
  43. Nichols TE, Holmes AP (2002) Nieparametryczne testy permutacji neuroobrazowania funkcjonalnego: primer z przykładami. Mapowanie ludzkiego mózgu 15: 1 – 25. doi: 10.1002 / hbm.1058. Znajdź ten artykuł online
  44. Wig GS, Schlaggar BL, Petersen SE (2011) Koncepcje i zasady analizy sieci mózgowych. Ann NY Acad Sci 1224: 126 – 146. doi: 10.1111 / j.1749-6632.2010.05947.x. Znajdź ten artykuł online
  45. Zalesky A, Fornito A, Harding IH, Cocchi L, Yucel M, et al. (2010) Sieci anatomiczne całego mózgu: czy wybór węzłów ma znaczenie? Neuroimage 50: 970 – 983. doi: 10.1016 / j.neuroimage.2009.12.027. Znajdź ten artykuł online
  46. Bassett DS, Bullmore ET (2009) Sieci mózgu człowieka w zdrowiu i chorobie. Curr Opin Neurol 22: 340 – 347. doi: 10.1097/WCO.0b013e32832d93dd. Znajdź ten artykuł online
  47. Guye M, Bettus G, Bartolomei F, Cozzone PJ (2010) Wykres teoretycznej analizy strukturalnego i funkcjonalnego MRI połączeń w normalnych i patologicznych sieciach mózgowych. MAGMA 23: 409 – 421. doi: 10.1007 / s10334-010-0205-z. Znajdź ten artykuł online
  48. He Y, Evans A (2010) Wykres teoretycznego modelowania łączności mózgowej. Curr Opin Neurol 23: 341 – 350. doi: 10.1097/WCO.0b013e32833aa567. Znajdź ten artykuł online
  49. Bassett DS, Gazzaniga MS (2011) Zrozumienie złożoności ludzkiego mózgu. Trendy Cogn Sci 15: 200 – 209. doi: 10.1016 / j.tics.2011.03.006. Znajdź ten artykuł online
  50. Maslov S, Sneppen K (2002) Specyficzność i stabilność topologii sieci białkowych. Science 296: 910 – 913. doi: 10.1126 / science.1065103. Znajdź ten artykuł online
  51. Genovese CR, Lazar NA, Nichols T (2002) Progowanie map statystycznych w neuroobrazowaniu funkcjonalnym przy użyciu wskaźnika fałszywego odkrycia. Neuroimage 15: 870 – 878. doi: 10.1006 / nimg.2001.1037. Znajdź ten artykuł online
  52. Fornito A, Yoon J, Zalesky A, Bullmore ET, Carter CS (2011) Ogólne i specyficzne zaburzenia czynnościowe w pierwszym epizodzie schizofrenii podczas kontroli poznawczej. Biol Psychiatry 70: 64 – 72. doi: 10.1016 / j.biopsych.2011.02.019. Znajdź ten artykuł online
  53. Lynall ME, Bassett DS, Kerwin R, McKenna PJ, Kitzbichler M, et al. (2010) Łączność funkcjonalna i sieci mózgowe w schizofrenii. J Neurosci 30: 9477 – 9487. Znajdź ten artykuł online
  54. Sutherland MT, McHugh MJ, Pariyadath V, Stein EA (2012) Łączność funkcjonalna w stanie spoczynku w uzależnieniu: wyciągnięte wnioski i droga do przodu. Neuroimage 62: 2281 – 2295. doi: 10.1016 / j.neuroimage.2012.01.117. Znajdź ten artykuł online
  55. Shaw M, Black DW (2008) Uzależnienie od Internetu: definicja, ocena, epidemiologia i zarządzanie kliniczne. CNS Drugs 22: 353 – 365. doi: 10.2165 / 00023210-200822050-00001. Znajdź ten artykuł online
  56. Wang J, Wang L, Zang Y, Yang H, Tang H, et al. (2009) Sieci funkcjonalne mózgu małego świata zależne od parcelacji: badanie fMRI w stanie spoczynku. Hum Brain Mapp 30: 1511 – 1523. doi: 10.1002 / hbm.20623. Znajdź ten artykuł online
  57. Fornito A, Zalesky A, Bullmore ET (2010) Efekty skalowania sieci w badaniach analitycznych graficznych danych FMRI w stanie spoczynku człowieka. Front Syst Neurosci 4: 22. doi: 10.3389 / fnsys.2010.00022. Znajdź ten artykuł online
  58. Cocchi L, Bramati IE, Zalesky A, Furukawa E, Fontenelle L, et al. (2012) Zmieniona funkcjonalna łączność mózgu w nieklinicznej próbie młodych dorosłych z zaburzeniem uwagi i nadpobudliwości. J Neurosci doi: 10.1523 / JNEUROSCI.3272-12.2012. Znajdź ten artykuł online
  59. Honey CJ, Sporns O, Cammoun L, Gigandet X, Thiran JP, et al. (2009) Przewidywanie łączności funkcjonalnej w stanie spoczynku człowieka z połączenia strukturalnego. Proc Natl Acad Sci USA 106: 2035 – 2040. doi: 10.1073 / pnas.0811168106. Znajdź ten artykuł online
  60. Anderson JS, Druzgal TJ, Froehlich A, DuBray MB, Lange N, et al. (2011) Zmniejszono funkcjonalność połączeń międzypółkulowych w autyzmie. Cereb Cortex 21: 1134 – 1146. doi: 10.1093 / cercor / bhq190. Znajdź ten artykuł online
  61. Clarke AR, Barry RJ, Heaven PC, McCarthy R, Selikowitz M, et al. (2008) Spójność EEG u dorosłych z zaburzeniami uwagi i nadpobudliwości. Int J Psychophysiol 67: 35 – 40. doi: 10.1016 / j.ijpsycho.2007.10.001. Znajdź ten artykuł online
  62. Pettigrew JD, Miller SM (1998) „Lepki” przełącznik międzypółkulowy w chorobie afektywnej dwubiegunowej? Proc Biol Sci 265: 2141–2148. doi: 10.1098 / rspb.1998.0551. Znajdź ten artykuł online
  63. Spencer KM, Nestor PG, Niznikiewicz MA, Salisbury DF, Shenton ME, et al. (2003) Nieprawidłowa synchronizacja nerwowa w schizofrenii. J Neurosci 23: 7407 – 7411. Znajdź ten artykuł online
  64. Kelly C, Zuo XN, Gotimer K, Cox CL, Lynch L, i in. (2011) Zmniejszona łączność funkcjonalna spoczynkowego stanu międzypółkulowego w uzależnieniu od kokainy. Biol Psychiatry 69: 684 – 692. doi: 10.1016 / j.biopsych.2010.11.022. Znajdź ten artykuł online
  65. Yuan K, Qin W, Dong M, Liu J, Sun J, i in. (2010) Deficyty istoty szarej i nieprawidłowości stanu spoczynku u abstynujących jednostek zależnych od heroiny. Neurosci Lett 482: 101 – 105. doi: 10.1016 / j.neulet.2010.07.005. Znajdź ten artykuł online
  66. Fletcher P, McKenna PJ, Friston KJ, Frith CD, Dolan RJ (1999) Nieprawidłowa modulacja zakrętu połączenia czołowo-skroniowego w schizofrenii. Neuroimage 9: 337 – 342. doi: 10.1006 / nimg.1998.0411. Znajdź ten artykuł online
  67. Choi JS, Shin YC, Jung WH, Jang JH, Kang DH i in. (2012) Zmieniona aktywność mózgu podczas przewidywania nagrody w patologicznym hazardzie i zaburzeniach obsesyjno-kompulsyjnych. PLoS One 7: e45938. doi: 10.1371 / journal.pone.0045938. Znajdź ten artykuł online
  68. Tomasi D, Volkow ND (2012) Dysfunkcja szlaku prążkowia w uzależnieniu i otyłości: różnice i podobieństwa. Crit Rev Biochem Mol Biol doi: 10.3109/10409238.2012.735642. Znajdź ten artykuł online
  69. Cole DM, Oei NY, Soeter RP, Both S, van Gerven JM i in. (2012) Architektura zależna od dopaminy w łączności sieciowej Cortico-Subcortical. Cereb Cortex doi: 10.1093 / cercor / bhs136. Znajdź ten artykuł online
  70. Gordon EM, Stollstorff M, Devaney JM, Bean S, Vaidya CJ (2011) Wpływ genotypu transportera dopaminy na wewnętrzną łączność funkcjonalną zależy od stanu poznawczego. Cereb Cortex doi: 10.1093 / cercor / bhr305. Znajdź ten artykuł online
  71. Rieckmann A, Karlsson S, Fischer H, Backman L (2011) Gęsta receptor dopaminy D1 jest związany z indywidualnymi różnicami w łączności frontoparietal podczas pamięci roboczej. J Neurosci 31: 14284 – 14290. doi: 10.1523 / JNEUROSCI.3114-11.2011. Znajdź ten artykuł online
  72. Lehericy S, Bardinet E, Tremblay L, Van de Moortele PF, Pochon JB, et al. (2006) Kontrola motoryczna w obwodach zwojów podstawnych za pomocą metod fMRI i atlasu mózgu. Cereb Cortex 16: 149 – 161. doi: 10.1093 / cercor / bhi089. Znajdź ten artykuł online
  73. Jenkins IH, Brooks DJ, Nixon PD, Frackowiak RS, Passingham RE (1994) Nauka sekwencji motorycznych: badanie z pozytronową tomografią emisyjną. J Neurosci 14: 3775 – 3790. Znajdź ten artykuł online
  74. Jueptner M, Frith CD, Brooks DJ, Frackowiak RS, Passingham RE (1997) Anatomia nauki motorycznej. II. Struktury podkorowe i uczenie się metodą prób i błędów. J Neurophysiol 77: 1325 – 1337. Znajdź ten artykuł online
  75. Roland PE, Meyer E, Shibasaki T, Yamamoto YL, Thompson CJ (1982) Regionalne zmiany przepływu krwi mózgowej w korze i zwojach podstawy mózgu podczas dobrowolnych ruchów u normalnych ochotników. J Neurophysiol 48: 467 – 480. Znajdź ten artykuł online
  76. Shibasaki H, Sadato N, Łyskow H, Yonekura Y, Honda M i in. (1993) Zarówno główna kora ruchowa, jak i uzupełniający obszar ruchowy odgrywają ważną rolę w złożonym ruchu palców. Brain 116 (Pt 6): 1387 – 1398. doi: 10.1093 / brain / 116.6.1387. Znajdź ten artykuł online
  77. Volkow ND, Fowler JS, Wang GJ (2003) Uzależniony ludzki mózg: spostrzeżenia z badań obrazowych. J Clin Invest 111: 1444 – 1451. Znajdź ten artykuł online
  78. Yuan K, Qin W, Liu J, Guo Q, Dong M, et al. (2010) Zmienione małe funkcjonalne sieci mózgowe i czas trwania heroiny u mężczyzn abstynentnych osób uzależnionych od heroiny. Neurosci Lett 477: 37 – 42. doi: 10.1016 / j.neulet.2010.04.032. Znajdź ten artykuł online
  79. Di X, Zhu S, Jin H, Wang P, Ye Z, et al. (2012) Zmieniona spoczynkowa funkcja i struktura mózgu profesjonalnych graczy w badmintona. Brain Connect 2: 225 – 233. doi: 10.1089 / brain.2011.0050. Znajdź ten artykuł online
  80. Duan X, Liao W, Liang D, Qiu L, Gao Q, et al. (2012) Wielkoskalowe sieci mózgowe w grach planszowych: spostrzeżenia z zadania związanego z domeną i bezproblemowego stanu spoczynku. PLoS One 7: e32532. doi: 10.1371 / journal.pone.0032532. Znajdź ten artykuł online
  81. Ma L, Narayana S, Robin DA, Fox PT, Xiong J (2011) Zmiany zachodzą w sieci stanów spoczynkowych układu ruchowego podczas tygodni uczenia się umiejętności motorycznych 4. Neuroimage 58: 226 – 233. Znajdź ten artykuł online
  82. Martinez K, Solana AB, Burgaleta M, Hernandez-Tamames JA, Alvarez-Linera J, i in. (2012) Zmiany w funkcjonalnie połączonych sieciach parietofrontalnych w stanie spoczynku po praktyce gier wideo. Hum Brain Mapp doi: 10.1002 / hbm.22129. Znajdź ten artykuł online
  83. Zhou Y, Liang M, Tian L, Wang K, Hao Y, et al. (2007) Rozpad funkcjonalny w schizofrenii paranoidalnej z zastosowaniem fMRI w stanie spoczynku. Schizophr Res 97: 194 – 205. doi: 10.1016 / j.schres.2007.05.029. Znajdź ten artykuł online
  84. Whitfield-Gabrieli S, Thermenos HW, Milanovic S, Tsuang MT, Faraone SV, et al. (2009) Nadpobudliwość i hiperłączność sieci domyślnej w schizofrenii i krewnych pierwszego stopnia osób ze schizofrenią. Proc Natl Acad Sci USA 106: 1279 – 1284. doi: 10.1073 / pnas.0809141106. Znajdź ten artykuł online
  85. Han DH, Lyoo IK, Renshaw PF (2012) Różnicowa regionalna objętość szarej masy u pacjentów z uzależnieniem od gry on-line i profesjonalnych graczy. J Psychiatr Res 46: 507 – 515. doi: 10.1016 / j.jpsychires.2012.01.004. Znajdź ten artykuł online
  86. De Havas JA, Parimal S, Soon CS, Chee MW (2012) Pozbawienie snu redukuje domyślną łączność sieci i anty-korelację podczas odpoczynku i wykonywania zadań. Neuroimage 59: 1745 – 1751. doi: 10.1016 / j.neuroimage.2011.08.026. Znajdź ten artykuł online
  87. Killgore WD, Schwab ZJ, Weiner MR (2012) Samozapowiedziana nocna długość snu jest związana z łącznością funkcjonalną stanu spoczynku następnego dnia. Neuroreport 23: 741 – 745. doi: 10.1097 / WNR.0b013e3283565056. Znajdź ten artykuł online
  88. Power JD, Barnes KA, Snyder AZ, Schlaggar BL, Petersen SE (2012) Fałszywe, ale systematyczne korelacje w sieciach MRI połączeń funkcjonalnych wynikają z ruchu podmiotu. Neuroimage 59: 2142 – 2154. doi: 10.1016 / j.neuroimage.2011.10.018. Znajdź ten artykuł online