Нарушенная функциональная сеть мозга в интернет-расстройстве зависимости: исследование функционального магнитного резонансного исследования состояния покоя (2014)

Абстрактные

Интернет-зависимость (IAD) все чаще признается психическим расстройством, особенно среди подростков. Однако патогенез, связанный с IAD, остается неясным. В этом исследовании мы стремимся изучить энцефалические функциональные характеристики подростков с ИБС в состоянии покоя, используя данные функциональной магнитно-резонансной томографии. Мы применили теоретико-графовый подход для исследования возможных нарушений функциональной связности с точки зрения сетевых свойств, включая компактность, эффективность и узловую центральность, у 17 подростков с IAD и 16 социально-демографически соответствующих здоровых людей из контрольной группы. Для оценки статистической значимости топологических различий сети на уровне группы были выполнены параметрические тесты с поправкой на частоту ложных обнаружений. Кроме того, был проведен корреляционный анализ для оценки взаимосвязи между функциональной связностью и клиническими показателями в группе IAD. Наши результаты показывают, что существуют значительные нарушения в функциональном коннектоме пациентов с ИАД, особенно между областями, расположенными в лобной, затылочной и теменной долях. Затронутые соединения - это дальние и межполушарные соединения. Хотя значительные изменения наблюдаются в показателях региональных узлов, различий в топологии глобальной сети между IAD и здоровыми группами нет. Кроме того, корреляционный анализ показывает, что наблюдаемые региональные отклонения коррелируют с тяжестью ИАД и клиническими оценками поведения. Наши результаты, которые относительно согласуются между анатомически и функционально определенными атласами, предполагают, что IAD вызывает нарушения функциональных связей и, что важно, такие нарушения могут быть связаны с поведенческими нарушениями.

Образец цитирования: Ви С.И., Чжао З., Яп П.Т., Ву Г., Ши Ф. и др. (2014) Нарушение функциональной сети мозга при интернет-зависимости: исследование функциональной магнитно-резонансной томографии в состоянии покоя. PLoS ONE 9(9): e107306. doi:10.1371/journal.pone.0107306

Редактор: Сатору Хаясака, Медицинская школа Уэйк Форест, США

Получено: Январь 20, 2014; Принято: Август 11, 2014; Опубликовано: 16 сентября, 2014

Авторское право: © 2014 Ви и др. Это статья в открытом доступе, распространяемая на условиях Лицензии Creative Commons Attribution, который допускает неограниченное использование, распространение и воспроизведение на любом носителе при условии, что оригинал автора и источник зачисляются.

Финансирование: Эта работа была частично поддержана грантами Национальных институтов здравоохранения (NIH) EB006733, EB008374, EB009634, AG041721 и CA140413, а также Национальным фондом естественных наук Китая (81171325) и Национальной программой исследований и разработок ключевых технологий 2007BAI17B03. Спонсоры не играли никакой роли в разработке исследования, сборе и анализе данных, принятии решения о публикации или подготовке рукописи.

Конкурирующие интересы: Авторы заявили, что не существует никаких конкурирующих интересов.

Введение

Сообщалось, что чрезмерное использование Интернета может привести к изменению социально-поведенческих характеристик, аналогичных тем, которые наблюдаются при зависимости от психоактивных веществ и патологических азартных играх. [1], [2]. В связи с резким ростом числа пользователей Интернета за последние десятилетия эта проблема все чаще рассматривается как серьезная проблема общественного здравоохранения. [3]. Интернет-зависимость и компьютерная зависимость в целом представляют собой широко распространенное явление, затрагивающее миллионы людей в Соединенных Штатах и ​​за рубежом, причем самые высокие показатели заболеваемости наблюдаются среди подростков и студентов колледжей в развивающихся регионах Азии. [3]–[7]. Эффект чрезмерного воздействия Интернета в молодом возрасте имеет особое клиническое и социальное значение, поскольку подростковый возраст — это период значительных изменений в нейробиологии, связанной с принятием решений. [8] и, таким образом, проявляет более высокую восприимчивость к аффективным расстройствам и зависимости. [9]–[11]. После плодотворной работы Янга [2]Интернет-зависимость привлекла значительное внимание социологов, психологов, психиатров и педагогов.

Клинические особенности поведенческих проблем, связанных с использованием Интернета, были описаны по различным диагностическим критериям, включая интернет-зависимость (IAD). [12], патологическое использование Интернета [13]и проблемное использование Интернета [14]. IAD был классифицирован как расстройство контроля над импульсами, поскольку оно предполагает неадаптивное использование Интернета без каких-либо одурманивающих веществ, что похоже на патологическую азартную игру. IAD проявляет сходные характеристики с другими зависимостями, включая развитие академических, финансовых и профессиональных трудностей в результате аддиктивного поведения и проблем в развитии и поддержании личных и семейных отношений. Люди, страдающие ОВР, будут проводить больше времени в одиночестве, что, в свою очередь, влияет на их нормальное социальное функционирование. В худших случаях пациенты могут испытывать физический дискомфорт или проблемы со здоровьем, такие как синдром запястного канала, сухость глаз, боли в спине, сильные головные боли, нерегулярное питание и нарушение сна. [15], [16]. Более того, пациенты часто резистентны к лечению ИАД и имеют высокий уровень рецидивов. [17], и многие из них также страдают от других зависимостей, таких как пристрастие к наркотикам, алкоголю, азартным играм или сексу. [18].

Хотя IAD еще не рассматривается как зависимость или психическое расстройство в DSM-5. [19]существует множество исследований, в основном основанных на психологических опросниках, которые указываются самими участниками, показывающих негативные последствия в повседневной жизни с точки зрения поведенческих компонентов, психосоциальных факторов, лечения симптомов, сопутствующих психиатрических заболеваний, клинического диагноза и результатов лечения. [6], [20]–[23]. Помимо поведенческого анализа, недавно были применены методы нейровизуализации для изучения влияния чрезмерного использования Интернета на структурные и функциональные характеристики человеческого мозга. [7], [24]–[29]. Функциональная магнитно-резонансная томография в состоянии покоя (Р-фМРТ) — эффективный метод в естественных условиях инструмент для исследования активности нейронов головного мозга, ранее использовавшийся для выявления возможных нарушений функциональных характеристик головного мозга при ИАД. [24], [26], [27], [30]. В [27]Анализ региональной однородности (ReHo), который измеряет согласованность региональных низкочастотных колебаний (LFF) в сетях мозга, выявил усиленную синхронизацию между областями мозга, связанными с путями вознаграждения, у пациентов с IAD. В аналогичном исследовании людей с зависимостью от онлайн-игр (OGA) было предложено использовать увеличенную амплитуду LFF в левой медиальной орбитофронтальной коре, которая имеет анатомические связи с несколькими областями, связанными с целенаправленным принятием решений, в качестве биомаркера заболевания. [30]. Хонг и другие использовали сетевую статистику (NBS) для анализа групповых различий в межрегиональных функциональных связях между IAD и контрольными группами, и в группе IAD наблюдалось широко распространенное снижение функциональной связности, при этом, в частности, не было глобального нарушения общей топологии сети. [26]. В другом исследовании, основанном на функциональных связях, изменения в сетевых подключениях по умолчанию были изучены с использованием задней поясной извилины (PCC) в качестве исходной области. [24]. Результаты показали усиление функциональной связи между двусторонней задней долей мозжечка и средней височной извилиной, а также снижение связи между двусторонней нижней теменной долей и правой нижней височной извилиной.

В текущем исследовании мы применяем теоретико-графовый подход для анализа IAD на основе данных R-фМРТ. Сначала мы оцениваем значимость нарушения функциональной связи, используя параметрические тесты с коррекцией множественного сравнения. Это позволяет нам полностью изучить полная картина функциональных связей мозга и модели подключения между крупномасштабными сетями [31]. Во-вторых, мы исследуем возможные нарушения подключения, связанные с IAD, с точки зрения свойства глобальной сети, включая свойства маленького мира (т. е. коэффициент кластеризации и характеристическую длину пути) и эффективность сети (т. е. глобальную и локальную эффективность) в режиме маленького мира. В-третьих, при одинаковом диапазоне разреженности сети мы оцениваем функциональную значимость сети, принимая во внимание связь региона со всем функциональным коннектомом. [32] на основе показателей центральности каждой рентабельности инвестиций. Мы заинтересованы в использовании централизованности сети для лучше локализовать разрушенные регионы на более местном уровне. Наконец, мы исследуем взаимосвязь между сетевыми метриками и поведенческими и клиническими показателями участников. Исследование связи между свойствами сети и клиническим исходом расширяет наши знания о патологии зависимости и дает жизненно важную информацию для разработки более надежных методов диагностики IAD.

Материалы и методы

Участниками

В этом исследовании приняли участие тридцать три участника-правши, в том числе 17 подростков с IAD (15 мужчин и 2 женщины) и 16 здоровых людей контрольной группы (HC) соответствующего пола, возраста и образования (14 мужчин и 2 женщины). . Пациенты были набраны из отделения детской и подростковой психиатрии Шанхайского центра психического здоровья медицинского факультета Шанхайского университета Цзяо Тун. Субъекты контрольной группы были набраны из местного сообщества с помощью рекламы. Исследование было одобрено Комитетом по этике медицинских исследований и Институциональным наблюдательным советом Шанхайского центра психического здоровья в соответствии с Хельсинкской декларацией, и от родителей/опекунов каждого участника было получено полное письменное информированное согласие.

Длительность ИАД оценивалась посредством ретроспективной диагностики. Всем испытуемым было предложено вспомнить свой образ жизни, когда они впервые оказались зависимы от Интернета. Чтобы подтвердить наличие интернет-зависимости, пациенты прошли повторное тестирование в соответствии с модифицированным диагностическим опросником Янга (YDQ) по критериям интернет-зависимости, разработанным Бирдом и Вольфом. [33], а надежность самооценки ОВД была подтверждена в ходе интервью с их родителями. Пациенты с ИБС потратили не менее часов в день в Интернете или онлайн-играх, а также дней в неделю. Мы проверили эту информацию от соседей по комнате и одноклассников пациентов о том, что они часто настаивали на том, чтобы сидеть в Интернете поздно ночью, нарушая жизнь других, несмотря на последствия. Обратите внимание, что все пациенты были зависимы от Интернета не менее 2 лет и более. Подробная информация об измененных критериях YDQ для интернет-зависимости представлена ​​в разделе Файл S1.

По результатам предыдущего исследования IAD [34], только те ХК, которые потратили менее 2 часов (затраченный час = ) в день в Интернете были включены в текущее исследование. Группа ХК провела дней в неделю в Интернете. HC также были протестированы с использованием модифицированных критериев YDQ, чтобы убедиться, что они не страдают IAD. Все набранные участники были носителями китайского языка и никогда не употребляли запрещенные вещества. Обратите внимание, что модифицированный YDQ был переведен на китайский язык для удобства участников. Для дальнейшего обоснования результатов диагностики был использован еще один диагностический показатель IAD — шкала интернет-зависимости Янга (YIAS). [35], проводилось для каждого участника. YIAS — это опросник из 20 пунктов, разработанный доктором Кимберли Янг для оценки степени интернет-зависимости. Он классифицирует интернет-пользователей на три степени серьезности на основе 100-балльной схемы: умеренный онлайн-пользователь ( баллов), умеренный онлайн-пользователь ( баллов) и серьезный онлайн-пользователь ( точки).

Помимо диагностики IAD с помощью модифицированных YDQ и YIAS, поведенческое состояние пациентов с IAD также оценивалось с использованием нескольких опросников, связанных с поведением: Шкала импульсивности Барратта-11 (BIS-11). [36], Шкала распределения времени (TMDS) [37], Вопросник по силе и сложности (SDQ) [38]и устройство оценки семьи Макмастера (FAD) [39]. В исследовании использовались как дочерняя, так и родительская версии SDQ. Подробная информация об этих анкетах представлена ​​в Файл S1.

Перед собеседованием для сбора анамнеза все участники прошли простой медицинский осмотр (измерение артериального давления и сердцебиения) для исключения физических нарушений, связанных с двигательной, пищеварительной, нервной, дыхательной, кровообращением, эндокринной, мочевыделительной и репродуктивной системами. Критерии исключения включали: 1) наличие в анамнезе коморбидных психических и непсихиатрических расстройств, таких как тревожное расстройство, депрессия, компульсивность, шизофрения, аутизм или биполярное расстройство; 2) история злоупотребления психоактивными веществами или зависимости; 3) в анамнезе соматические расстройства, связанные с двигательной, пищеварительной, нервной, дыхательной, кровообращением, эндокринной, мочевыделительной и репродуктивной системами; и 4) беременность или менструальный период у женщин в день сканирования. Эта исключительная процедура важна для того, чтобы гарантировать, что участники этого исследования не страдают от других физических, неврологических или нервно-психических расстройств, и, следовательно, уменьшает возможные систематические ошибки в полученных результатах. Подробная демографическая информация и клинические оценки представлены в Таблица 1.

Скачать:  

• PPT

  PowerPoint слайд

• PNG

  Изображение большего размера70KB)

• TIFF

  оригинальное изображение (305KB)

Таблица 1. Демографическая информация участников, участвовавших в этом исследовании.

DOI: 10.1371 / journal.pone.0107306.t001

Сбор данных и предварительная обработка

Сбор данных проводился с использованием сканера 3.0 Тесла (Philips Achieva). Функциональные изображения в состоянии покоя каждого участника были получены со временем эха (TE) = 30 мс и временем повторения (TR) = 2000 мс. Матрица сбора данных имела размер 64×64 с прямоугольным полем зрения 230×230 мм.²и разрешение вокселей 3.59×3.59×4 мм.³. Сканирование включало 220 томов на каждого участника. Во время сбора данных участников просили спокойно лежать в сканере с закрытыми глазами. Хотя для определения того, действительно ли испытуемые держали глаза закрытыми, не использовалось никаких дополнительных методов или устройств, испытуемые подтвердили, что осознавали это и держали глаза закрытыми во время сканирования.

Предварительная обработка данных проводилась с использованием стандартного конвейера в двух наборах инструментов обработки R-fMRI, DPARSF. [40] и ОТДЫХ [41]. Перед какой-либо предварительной обработкой первые 10 объемов R-фМРТ каждого субъекта были отброшены для достижения равновесия намагниченности. Объемы Р-фМРТ были нормализованы по пространству МНИ с разрешением 3×3×3 мм.³. Была проведена регрессия мешающих сигналов, включая желудочки, белое вещество и глобальные сигналы. Ни один из участников не был исключен по критерию смещения более 3 мм или углового поворота более 3 градусов в любом направлении. Чтобы еще больше минимизировать эффекты движения головы, мы использовали 24-параметрическую коррекцию Фристона, а также среднее покадровое смещение (FD) для конкретных вокселей. [42] с порогом FD 0.5. Перед оценкой функциональной связи средние временные ряды R-фМРТ каждой области интереса подвергались полосовой фильтрации ( Гц).

Построение сети и анализ отдельных соединений

В этом исследовании был использован графотеоретический анализ для изучения функциональных изменений коннектома головного мозга, вызванных IAD, у группы китайских подростков. Функциональные сети мозга были построены на макромасштабном уровне, где узлы представляют заранее определенные области мозга, а края представляют межрегиональную функциональную связь в состоянии покоя (RSFC). Чтобы определить узлы сети, мы разделили мозг на области интереса (ROI) путем преобразования изображений фМРТ в атлас автоматической анатомической маркировки (AAL). [43]. Регионы, основанные на атласе AAL, перечислены в Таблице S1 на Файл S1. Репрезентативный временной ряд каждой ROI затем был получен путем усреднения регрессированного временного ряда по всем вокселам в каждой отдельной ROI. Для измерения межрегиональных РСФК мы рассчитали попарную корреляцию Пирсона для всех возможных (() = 4005) пар ROI и построил симметричную матрицу связности для представления этих соединений. Мы проанализировали различия на уровне группы между каждой парой ROI с точки зрения силы связи. Достоверные различия для каждой функциональной связи оценивали с помощью массового одномерного (двустороннего) метода. - тесты с порогом и коррекция частоты ложных обнаружений (FDR).

Сетевые метрики и анализ характеристик

Матрица функциональной связности, основанная на корреляции Пирсона, плотно связана со многими ложными элементами низкой силы. Чтобы лучше смоделировать сети человеческого мозга, которые проявляют свойства маленького мира, матрица функциональных связей каждого человека была дополнительно обработана, чтобы получить диапазон разреженности, который попадает в режим маленького мира () [44]–[48]. Этот режим обеспечивает относительно стабильные характеристики маленького мира для мозговых сетей из 90 ROI. [44]. В частности, корреляционная матрица Пирсона каждого субъекта была преобразована в бинаризованную матрицу смежности. , в соответствии с заранее заданной разреженностью, где все первоначально устанавливаются равными единице, а затем элементы, соответствующие наименьшим значениям корреляции, повторно устанавливаются равными нулю до тех пор, пока не будет достигнут определенный уровень разреженности. На основе этих сетей мы использовали как глобальные, так и региональные сетевые метрики для анализа общей архитектуры и региональной узловой централизации мозговых сетей для сравнения на уровне группы. Используемые глобальные метрики включали параметры маленького мира, а именно коэффициент кластеризации () и характерную длину пути () [49], [50], а также эффективность глобальной сети () и эффективность локальной сети (). Кроме того, мы рассчитали нормализованные версии этих показателей с использованием случайных сетей (качества ), чтобы обеспечить свойство маленького мира построенных мозговых сетей. Мы определяем сеть как «тесный мир», если она соответствует следующим трем критериям: , и соотношение маленького мира, . Три узловые метрики центральности – степень (), эффективность () и посредничество () – каждой области мозга были рассчитаны для исследования локальных характеристик функциональной сети [44], [46].

Чтобы статистически исследовать различия между группами, мы провели двусторонний двухвыборочный анализ. - тесты с порогом (с поправкой FDR) для каждой сетевой метрики (глобальной и региональной) на основе площади под кривой (AUC) каждой сетевой метрики, построенной на основе режима маленького мира [48]. AUC предоставляет сводку топологических характеристик мозговых сетей во всем режиме маленького мира, вместо того, чтобы рассматривать топологию только с одним порогом разреженности. [44], [51]. В частности, для каждой сетевой метрики мы сначала рассчитали значение AUC каждого отдельного субъекта в сетях с разными уровнями разреженности, а затем выполнили двухвыборочное исследование. -тесты для статистической количественной оценки любых различий на групповом уровне между IAD и здоровыми группами. Примечательно, что перед статистическими тестами мы применили множественные линейные регрессии, чтобы исключить влияние возраста, пола и образования, а также их взаимодействия. [31], [52]–[54].

Надежность и повторяемость с использованием функционального атласа

В текущем исследовании функциональные сети связи были построены на региональном уровне путем разделения всего мозга на 90 областей интереса на основе атласа AAL. Однако также сообщалось, что сети мозга, полученные на основе разных схем парцелляции или с использованием разных пространственных масштабов, могут иметь различную топологическую архитектуру. [55]–[57]. Для оценки достоверности и повторяемости наших результатов мы повторили эксперименты с использованием функционального атласа Дозенбаха. [58], который разделяет человеческий мозг на 160 областей интереса, включая мозжечок. В этом атласе каждая ROI определяется как квадрат диаметром 10 мм, окружающий выбранную исходную точку, а расстояние между всеми центрами ROI составляет не менее 10 мм без пространственного перекрытия, что означает, что некоторые области мозга не охвачены набором ROI.

Взаимосвязь между сетевыми метриками и поведенческими показателями

Для тех регионов (на основе атласа AAL), которые демонстрируют значительные различия на уровне групп в региональной узловой центральности, мы использовали парную корреляцию Пирсона (, исправлено FDR) для анализа взаимосвязей между сетевыми свойствами каждого региона и поведенческими оценками человека. В частности, в корреляционном анализе сетевые показатели рассматривались как зависимые переменные, а поведенческие оценки, т.е. BIS-11, TMDS, SDQ и FAD, рассматривались как независимые переменные. Чтобы лучше понять взаимосвязь между пораженными областями мозга и тяжестью заболевания, мы также рассчитали коэффициент корреляции Пирсона между сетевыми характеристиками и оценками YIAS.

Итоги

Демографические и клинические характеристики

Существенной разницы по возрасту, полу и году обучения нет (все с ) между группами IAD и HC. Однако существуют существенные различия в использовании Интернета с точки зрения количества дней в неделю () и часов в день (). Хотя существенной разницы между группами по показателям BIS-11 и TMDS нет (все с ), SDQ-P (), SDQ-C () и ФАД () баллы значительно выше в группе IAD, как показано на Таблица 1 и Рисунок 1. Примечательно, что YIAS (), клинический показатель, используемый для классификации IAD, показывает наиболее значительную разницу на уровне группы.

Скачать:  

• PPT

  PowerPoint слайд

• PNG

  Изображение большего размера35KB)

• TIFF

  оригинальное изображение (246KB)

Рисунок 1. Различия между группами с точки зрения клинических и поведенческих показателей.

(YIAS = шкала интернет-зависимости Янга, BIS-11 = шкала импульсивности Барратта-11, TMDS = шкала склонности к тайм-менеджменту, SDQ-P = родительская версия опросника по сильным и трудностям, SDQ-C = детская версия опросника по сильным и трудностям, FAD = МакМастера Устройство для оценки семьи).

DOI: 10.1371 / journal.pone.0107306.g001

Индивидуальная функциональная связь

По сравнению с группой HC только три функциональных соединения претерпели значительные изменения после коррекции FDR. Две межполушарные связи, одна между левой угловой извилиной (теменная доля) и правой средней орбитофронтальной корой (лобная доля), а другая между левой веретенообразной извилиной (затылочная доля) и правой угловой извилиной (теменная доля), демонстрируют повышенную силу связи в Пациенты ИБД. Одно внутриполушарное соединение между правой хвостатой корой (подкорковой корой) и правой супрамаргинальной извилиной (теменной долей) демонстрирует снижение связности в группе заболевания. Эти существенно измененные функциональные связи проиллюстрированы на рис. Рисунок 2. Соединения красного и синего цвета обозначают повышенную и пониженную функциональную связность соответственно в группе IAD. Следует отметить, что большая часть пораженных функциональных связей затрагивает области, расположенные в правом полушарии и теменной доле.

Скачать:  

• PPT

  PowerPoint слайд

• PNG

  Изображение большего размера1.7MB)

• TIFF

  оригинальное изображение (1.82MB)

Рисунок 2. Значительно измененные функциональные связи у пациентов с ИАД (с поправкой на FDR).

Красный: повышенная функциональная связность, Синий: пониженная функциональная связность. (FRO: лобная часть, INS: островковая часть, TEM: височная, PAR: теменная, OCC: затылочная, LIM: лимбическая, SBC: подкорковая). Эта визуализация создана с помощью пакета BrainNet Viewer (http://www.nitrc.org/projects/bnv) и цирки (http://circos.ca/).

DOI: 10.1371 / journal.pone.0107306.g002

Глобальные характеристики функциональных сетей

Мы исследовали топологические свойства внутренних функциональных сетей мозга, сравнивая их поведение в маленьком мире с сопоставимыми случайными сетями на нескольких уровнях разреженности сетей. . В частности, мы исследовали параметры малого мира (например, коэффициент кластеризации, характеристическую длину пути и коэффициент малого мира, ), а также глобальную и локальную эффективность. Случайные сети, использованные в исследовании, сохранили количество узлов и ребер, а также распределение степеней реальных сетей мозга, о которых идет речь, благодаря методу перемонтирования, описанному в [59]. Статистический анализ с использованием двухвыборок - тесты (, исправлено FDR) по значениям AUC в режиме маленького мира не продемонстрировало существенной разницы между группами IAD и HC с точки зрения свойств глобальной сети.

Региональные узловые характеристики функциональных сетей

Несмотря на общую топологию маленького мира, наблюдались значительные различия на уровне групп в региональной узловой центральности. В этом исследовании мы считаем, что область мозга значительно изменена в группе IAD, если хотя бы один из трех ее региональных узловых показателей имеет -значение меньше 0.05 (с поправкой FDR) на основе значений AUC. Таблица 2 суммирует регионы, которые значительно изменены у пациентов с IAD. По сравнению с группой HC, у пациентов с IAD наблюдались изменения централизации узлов, преимущественно локализованные в левой нижней теменной доле (IPL), левом таламусе (THA) и других областях, таких как лимбическая система, в частности, в правой передней поясной извилине (ACG) и правой средняя поясная извилина (МСГ). Примечательно, что IPL и ACG являются компонентами сети режима по умолчанию (DMN), которая ранее была связана с изменением связности при наркозависимости. [60]–[62].

Скачать:  

• PPT

  PowerPoint слайд

• PNG

  Изображение большего размера38KB)

• TIFF

  оригинальное изображение (169KB)

Таблица 2. Области, демонстрирующие аномальную центральность узлов у пациентов с IAD по сравнению со здоровыми людьми из контрольной группы (HC) на основе атласа AAL.

DOI: 10.1371 / journal.pone.0107306.t002

Надежность и повторяемость с использованием функционального атласа

Когда для определения ROI используется атлас Дозенбаха, значительные групповые различия наблюдаются главным образом во лобных и теменных соединениях с мозжечком. Эти выводы суммированы в Таблица 3. Хотя эти связи отличаются от тех, которые выявлены на основании атласа AAL, большинство нарушенных связей затрагивают одни и те же доли мозга, за исключением областей мозжечка. Что касается показателей глобальной сети, мы не обнаружили различий между группами IAD и HC, что аналогично результатам, полученным на основе атласа AAL. Что касается показателей локальной сети, мы обнаружили, что некоторые из идентифицированных регионов пространственно расположены рядом с регионами, определенными на основе атласа AAL, такими как ACG и THA, как указано в Таблица 4.

Скачать:  

• PPT

  PowerPoint слайд

• PNG

  Изображение большего размера119KB)

• TIFF

  оригинальное изображение (370KB)

Таблица 3. Функциональные связи у лиц с ИАД, у которых наблюдались значительные изменения по данным атласа Дозенбаха.

DOI: 10.1371 / journal.pone.0107306.t003

Скачать:  

• PPT

  PowerPoint слайд

• PNG

  Изображение большего размера37KB)

• TIFF

  оригинальное изображение (167KB)

Таблица 4. Области, демонстрирующие аномальную центральность узлов у пациентов с IAD по сравнению со здоровыми людьми из контрольной группы (HC) на основе атласа Дозенбаха.

DOI: 10.1371 / journal.pone.0107306.t004

Взаимосвязь между сетевыми метриками и поведенческими показателями

Ничего существенного(, исправлено FDR) корреляция между метриками глобальной сети (, , качества ), а также поведенческие и клинические показатели. Однако региональные узловые показатели нескольких регионов значительно (, с поправкой FDR) коррелировали с поведенческими и клиническими показателями. Правильный ACG положительно коррелирует с оценкой YIAS. Правильная MCG положительно коррелирует с оценкой YIAS. Левый THA положительно коррелирует с показателями YIAS и SDQ-P. Однако левая IPL существенно не коррелирует с какой-либо поведенческой или клинической оценкой. Области мозга, которые значительно коррелируют с поведенческими и клиническими показателями, показаны на рисунке. Рисунок 3.

Скачать:  

• PPT

  PowerPoint слайд

• PNG

  Изображение большего размера1.23MB)

• TIFF

  оригинальное изображение (1.36MB)

Рисунок 3. Области мозга, которые значительно коррелируют с поведенческими и клиническими показателями в группе IAD (с поправкой FDR).

Эта иллюстрация была создана с использованием пакета BrainNet Viewer (http://www.nitrc.org/projects/bnv). (YIAS = показатель интернет-зависимости Янга, BIS-11 = шкала импульсивности Барратта-11, TMDS = шкала склонности к тайм-менеджменту, SDQ-P = родительская версия опросника по сильным и трудностям, SDQ-C = детская версия опросника по сильным и трудностям.).

DOI: 10.1371 / journal.pone.0107306.g003

Обсуждение

Изменения индивидуальной функциональной связности

Понимание механизма развития человеческого мозга важно для лучшего понимания патологических основ расстройств, поражающих детей и подростков, что ведет к возможному раннему лечению. На основе графотеоретического анализа данных R-фМРТ было высказано предположение, что функциональная организация человеческого мозга созревает и развивается от детства к подростковому возрасту и к взрослой жизни, следуя уникальной тенденции – большей функциональной сегрегации у детей и большей функциональной интеграции у взрослых. уровень всего мозга [63]–[66]. В частности, организация функциональных мозговых сетей смещается от локальной связности к более распределенной архитектуре с развитием [63], [66], где взрослые, как правило, имеют более слабую функциональную связь ближнего действия и более сильную функциональную связь дальнего действия, чем дети. [65].

Наши результаты показывают, что нарушенные связи, наблюдаемые при IAD, хотя и лишь немногие после коррекции FDR, представляют собой дальнодействующие и межполушарные функциональные связи, которые важны для связи на большие расстояния в человеческом мозге. Нарушение дальних и межполушарных связей — частый симптом при многих поведенческих отклонениях, в том числе при аутизме. [67]–[70], шизофрения [71], опиоидная зависимость [72], [73], и зависимость от кокаина [74]. Нарушение дальних связей можно рассматривать как сбой процесса интеграции внутри распределенной функциональной сети человеческого мозга. [63], [64], [75], отклонение от нормальной траектории развития нервной системы. Таким образом, мы предполагаем, что аномальное развитие дальних и межполушарных связей у подростков с ОВР, наблюдаемое в этом исследовании, является одной из возможных причин их аддиктивного поведения.

Изменения в свойствах глобальной сети

Человеческий мозг рассматривается как сложная и большая взаимосвязанная динамическая система с различными важными топологическими свойствами, такими как компактность, высокая эффективность при низкой стоимости проводки и сильно связанные концентраторы. [46], [76]–[79]. В сети маленького мира узлы локально кластеризуются в пользу модульной обработки информации и подключаются удаленно через небольшое количество соединений дальнего действия для эффективной общей маршрутизации. [50]. Обе группы IAD и HC продемонстрировали свойства маленького мира, то есть высокие коэффициенты кластеризации () и аналогичные характерные длины пути (), по сравнению с сопоставимыми случайными сетями. Тем не менее, мы наблюдали последовательно более высокие нормализованные коэффициенты кластеризации и аналогичную нормализованную характеристическую длину пути в группе IAD по сравнению с группой HC по плотности соединений, что соответствует предыдущим исследованиям R-fMRI. [26]. Больший коэффициент кластеризации отражает нарушение нейрональной интеграции между отдаленными регионами, которые демонстрируют относительно редкие дальноудаленные и относительно плотные короткоотдаленные функциональные связи в группах IAD и HC. Прогрессирование клинических стадий от легкой до тяжелой может привести к еще большему ухудшению или отключению дальних связей и, таким образом, возможно, способствовать установлению коротких дистанционных связей внутри кластера в качестве альтернативных путей для сохранения передачи информации между двумя отдаленными регионами. Однако установление соединений на коротких расстояниях может привести к появлению аномальных кластеров, что увеличивает риск создания неконтролируемого или случайного потока информации через всю сеть. С другой стороны, все мозговые сети продемонстрировали одинаковую параллельную обработку информации с глобальной и локальной эффективностью по сравнению с сопоставимыми случайными сетями. [80]. Эти результаты подтверждают концепцию модели человеческого мозга маленького мира, которая обеспечивает сбалансированное сочетание местной специализации и глобальной интеграции. [81]. Наше наблюдение отсутствия существенной разницы между группами IAD и HC с точки зрения свойств глобальной сети может означать, что изменения функциональной сетевой структуры при IAD незначительны. Следовательно, дальнейшие исследования биомаркеров IAD, специфичных для региона, могут дать важную информацию о патологии заболевания и зависимости в целом.

Региональные узловые характеристики функциональных сетей

Связанные с IAD изменения централизации узлов в основном обнаруживаются в компонентах лимбической системы, включая ACG и MCG, IPL и THA. Нарушения этих областей, а также связанных с ними путей связи можно интерпретировать как отражение снижения эффективности обработки информации, что, возможно, отражает функциональные нарушения при IAD.

Поясная извилина (CG), неотъемлемая часть лимбической системы, участвует в формировании и обработке эмоций, обучении и памяти, исполнительных функциях и контроле дыхания. [82]. Он получает входные сигналы от THA и неокортекса и проецируется в энторинальную кору через поясную кость. Этот путь фокусируется на эмоционально значимых событиях и регулирует агрессивное поведение. [29]. Нарушение функций, связанных с ЦТ, может ухудшить способность человека отслеживать и контролировать свое поведение, особенно поведение, связанное с эмоциями. [83]. Большинство анализов зависимости от психоактивных веществ и поведенческих зависимостей показали значительные изменения в передней и задней частях ЦГ (АКГ и ПКГ), включая алкогольную зависимость. [84], патологическая азартная игра [85]и ОВД [27], [29]. Сообщалось также о подобных дополнительных изменениях в MCG у лиц, злоупотребляющих кокаином. [86]. В предыдущих исследованиях фМРТ также было показано, что передняя, ​​средняя и задняя ЦТ страдают в условиях вознаграждения и наказания. [87]. Учитывая роль MCG в обработке положительных и отрицательных эмоций, неудивительно, что в этом регионе наблюдаются значительные нарушения связи у пациентов с IAD.

THA представляет собой коммутатор информации мозга и участвует во многих функциях мозга, включая обработку вознаграждения. [88]целенаправленное поведение, когнитивные и двигательные функции. [89]. Он передает сенсорные и двигательные сигналы из подкорковых областей в кору головного мозга. [90]. Через THA орбитофронтальная кора получает прямые и косвенные сигналы от других лимбических областей мозга, которые участвуют в подкреплении препарата, таких как миндалевидное тело, ЦГ и гиппокамп. [91], чтобы контролировать и корректировать поведение, связанное с вознаграждением и наказанием. [92]. У зависимых от онлайн-игр обнаружена аномальная таламо-кортикальная схема [93] может указывать на нарушение функционирования THA, связанное с хроническими нарушениями качества сна. [94] и подавляющее внимание сосредоточено на компьютере. Кроме того, ТГА функционально связан с гиппокампом. [95] как часть расширенной системы гиппокампа, которая имеет решающее значение для когнитивных функций, таких как пространственная навигация и консолидация информации из кратковременной памяти в долговременную память. [96], [97].

Мы наблюдали значительные изменения центральных узлов в IPL, что соответствует результатам, полученным в недавних исследованиях IAD на основе R-фМРТ. [24], [93]. Подобно THA, IPL тесно связана со слуховой, зрительной и соматосенсорной корой головного мозга и способна одновременно обрабатывать различные виды стимулов. Являясь одной из последних в процессе развития структур человеческого мозга, IPL может быть более уязвима к чрезмерному воздействию слуховых и зрительных раздражителей, особенно в детстве. Нарушение IPL, вызванное чрезмерным использованием Интернета, может подавить способность человека правильно опосредовать подавление реакции регуляции импульсов. [98], [99], что наносит ущерб их способности сопротивляться тяге к Интернету, вызванной сигналами, что может еще больше ухудшить IPL. Подобные круговые закономерности часто наблюдаются у наркозависимых и поведенческих наркоманов.

Области DMN обычно более активны в состоянии покоя, чем при выполнении целенаправленных задач. [62]. Известно, что эти области участвуют в эмоциональной модуляции и самореферентной деятельности, включая оценку значимости внутренних и внешних сигналов, вспоминание прошлого и планирование будущего. [60], [62], которые являются важными критериями в диагностике ИАД. Ранее предполагалось, что изменение связей с участием областей DMN способствует различному симптоматическому поведению при заболеваниях. [100], включая зависимость от психоактивных веществ [101], [102] и поведенческие зависимости [24], [103]. Наши данные об изменении функциональной связи с участием нескольких областей DMN частично согласуются с предыдущими наблюдениями, что позволяет предположить, что DMN потенциально может служить биомаркером для выявления пациентов с IAD.

Надежность и повторяемость с использованием функционального атласа

Некоторые из аномальных областей мозга, выявленных на основе атласа AAL, также были идентифицированы с использованием функционального атласа, что подтверждает надежность и повторяемость наших результатов. Одной из возможных причин несколько отличающихся результатов является режим использовано в этом исследовании. Характеристики маленького мира сетей связи, построенных на основе атласа AAL из 90 ROI, наиболее согласуются в этом диапазоне. [44]. Однако этот диапазон разреженности может быть неоптимальным для атласов с разным количеством ROI. Более того, рентабельность инвестиций, полученная из атласа Дозенбаха, определяется функционально и не охватывает весь мозг. [58]. В этом атласе сначала идентифицируются центры всех 160 ROI, и из каждого центра выращивается сфера радиусом 5 мм, в результате чего получается сферическая ROI диаметром 10 мм. Центр каждой области интереса также устанавливается на расстоянии не менее 10 мм от центров других областей интереса, что приводит к пространственно неперекрывающемуся атласу. С другой стороны, атлас AAL покрывает ткань серого вещества всего головного мозга. Эти различия в определении рентабельности инвестиций и общей охватываемой площади могут способствовать различиям в результатах. Следовательно, необходимы дальнейшие исследования с использованием более крупной когорты, чтобы определить, в какой степени выбор схемы парцелляции мозга влияет на характеристику топологии сети.

Корреляция между сетевыми метриками и поведенческими показателями

В этом исследовании мы не наблюдали какой-либо корреляции между показателями глобальной сети и поведенческими показателями, что подразумевает отсутствие изменений во всей топологии сети мозга. Это открытие также может свидетельствовать о том, что изменения в мозговой сети невелики из-за пластичности человеческого мозга (нейропластичности). [104], [105] в восстановлении большинства своих повседневных функций через альтернативные пути (нейронные цепи). Пластичность мозга включает реорганизацию связей между нервными клетками или нейронами и может зависеть от множества факторов. [106]–[108]. Это происходит в зависимости от возраста и чаще встречается в детстве и подростковом возрасте, чем во взрослом возрасте, что позволяет предположить лучшее восстановление нарушенных нейрональных связей у подростков с ИАР. Кроме того, было показано, что различные поведенческие состояния, от зависимости до неврологических и психических расстройств, коррелируют с локальными изменениями в нервных цепях. [106]. Поэтому неудивительно, что показатели глобальной сети грубого уровня, такие как средний коэффициент кластеризации, характеристическая длина пути и эффективность сети, менее чувствительны при обнаружении изменений в схемах мозга в группе IAD.

Однако региональные узловые показатели нескольких областей мозга коррелируют с некоторыми поведенческими показателями. В частности, положительно оценивается родительская версия SDQ (SDQ-P), которая измеряет как способность человека соответствующим образом справляться с импульсивностью, так и тяжесть проблем эмоций и просоциального поведения на основе информации, предоставленной родителями исследуемых подростков. коррелирует с функционально пораженными областями мозга, обнаруженными при IAD. Неспособность контролировать импульсивное поведение и эмоции является одним из основных поведенческих симптомов. Обычно пациенты не осознают изменений в своих эмоциях и поведении, хотя эти изменения относительно очевидны для окружающих их людей. Это может быть основной причиной того, что ни один из сетевых показателей не коррелирует с детской версией SDQ (SDQ-C) из-за ее характера самооценки. С другой стороны, не существует существенной корреляции между показателями региональной сети и другими поведенческими показателями, включая BIS-11, FAD и TMDS. Этот вывод подтверждается большим -значения этих показателей между IAD и здоровыми группами (Таблица 1). Эти результаты могут свидетельствовать о том, что некоторые из этих поведенческих показателей полезны для определения пораженных регионов и, следовательно, помогают в диагностике IAD, хотя еще требуется значительный объем работы, чтобы лучше понять роль этих показателей в поведенческих зависимостях или расстройствах.

Методологические проблемы/ограничения

В этом исследовании следует подчеркнуть несколько ограничений. Во-первых, диагноз IAD в основном основывался на результатах анкет, которые заполнялись самими пациентами, что могло повлиять на надежность диагнозов. В будущем необходимо разработать стандартизированные диагностические инструменты для идентификации IAD, чтобы повысить надежность и достоверность диагнозов IAD. Во-вторых, наше исследование ограничено небольшим размером выборки и гендерным дисбалансом участников (31 мужчина и 4 женщины), что может снизить статистическую мощность и обобщаемость результатов, хотя эти факторы контролировались при анализе. Влияние пола на распространенность ИАД до сих пор остается дискуссионным вопросом. На основе выводов Янга [35], большое количество женщин проявляют интернет-зависимость. Напротив, одно недавнее исследование показало, что мужчины демонстрируют более высокий риск поведения IAD. [109]. Однако также сообщалось, что нет никакой связи между полом и IAD. [110], [111]. Будущие эксперименты с использованием более крупной когорты с более сбалансированным гендерным соотношением необходимы для лучшей оценки взаимосвязи между полом и восприимчивостью к IAD.

Вспомогательная информация

Файл S1.

Дополнительные материалы.

DOI: 10.1371 / journal.pone.0107306.s001

(PDF)

Благодарности

Эта работа была частично поддержана грантами Национальных институтов здравоохранения (NIH) EB006733, EB008374, EB009634, AG041721 и CA140413, а также Национальным фондом естественных наук Китая (81171325) и Национальной программой исследований и разработок ключевых технологий 2007BAI17B03.

Авторские вклады

Задумал и спланировал эксперименты: CYW ZZ PTY GW FS TP YD JX YZ DS. Провел эксперименты: CYW ZZ YD JX YZ DS. Проанализированы данные: CYW PTY DS. Предоставленные реагенты/материалы/инструменты анализа: ZZ YD JX YZ. Написал статью: CYW PTY TP DS.