Zmanjšana funkcionalna povezljivost možganov pri mladostnikih z odvisnostjo od interneta (2013)

Predstavitev

Internetna odvisnost je vse bolj prepoznana tako v javnosti kot v znanstveni skupnosti po vsem svetu [1], čeprav gre za razmeroma novo stanje, njegove psihopatološke značilnosti in nevrobiološki mehanizmi pa še vedno niso dovolj razjasnjeni. Nedavne študije nevrografij so poročale o pomembnih spremembah v možganski funkciji in strukturi, ki so povezane z zasvojenostjo z internetom. Večina teh raziskav je uporabila funkcijsko slikanje z magnetno resonanco (fMRI), opravljeno med nalogami, in zadevala čelno in progasto regijo ter v manjši meri parietalno in otočno skorjo [2]-[5]. Poleg tega sta z uporabo pozitronsko-emisijske tomografije (PET) Kim in sod. (2011) so ugotovili zmanjšano razpoložljivost dopaminskih D2 receptorjev pri dvostranskih kaudatah in desnih možganih [6]in Hou in sod. (2012) z uporabo računalniške tomografije z enojnimi emisijami fotona (SPECT) so ugotovili znižanje stopnje izražanja strijatalnega dopamina pri odraslih z odvisnostjo od interneta [7]. Te ugotovitve ustrezajo trenutnim teoretičnim modelom motenj odvisnosti, ki ne vključujejo samo odvisnosti od substanc, ampak tudi vedenjske odvisnosti (npr. Patološko igranje na srečo), ki poudarjajo patologijo fronto-striatalnega vezja [8], kot tudi insula [9], [10]. Strukturne MRI študije Zhou et al. (2011) in Yuan idr. (2011) so skupaj predlagali nepravilnosti sive snovi v možganskih regijah, vključno s predfrontalno skorjo [11], [12]in študijo slikanja difuzijsko-tenzorskega slik Lin in sod. (2012) so poročali o razširjenih nepravilnostih bele snovi pri mladostnikih z odvisnostjo od interneta [13]. Nazadnje, Liu in sod. (2010) je našel spremenjeno regionalno homogenost v odvisnosti od interneta [14], kar je po našem vedenju edina ugotovitev fMRI v mirovanju v tej literaturi o tej motnji [15]. Avtorja sta raziskovala časovno homogenost signala vsakega voxla s krvjo in kisikom (BOLD) v odvisnosti od signalov najbližjih sosednjih X-NUMX-ov vokselov na način, ki upošteva voksle.

FMRI v mirovanju je relativno nova tehnika slikanja za raziskovanje medregionalnih korelacij spontane možganske aktivnosti, posneto kot nekdo tiho leži v optičnem bralniku, ne da bi se ukvarjal s posebno nalogo [16]. Pristop zagotavlja robustno metodo za kartiranje natančno opredeljenih funkcionalnih sistemov [17], [18]. Ukrepi v stanju počitka so zanesljivi [19], [20], pod genskim nadzorom [21]-[23], in mislil je, da indeksira notranjo lastnost možganske funkcionalne organizacije [24], ob upoštevanju nekaterih omejitev [25]. V kombinaciji s teoretičnimi tehnikami grafov fMRI v mirovanju ponuja močno sredstvo za raziskovanje obsežne organizacije funkcionalne dinamike možganov in njegove motnje v psihopatoloških pogojih [26].

V tej raziskavi smo uporabili podatke fMRI v mirovanju, da smo preslikali razlike v funkcionalni povezljivosti med celovitim naborom 90 izrazitih kortikalnih in podkortičnih možganskih regij pri zdravih posameznikih in mladostnikih z odvisnostjo od interneta, s poudarkom na posameznikih, ki se ukvarjajo s čezmernim spletnim igranjem med predlaganimi podtipi te motnje [27]. Opravili smo tudi analizo mrežnih topoloških motenj [28] oceniti, ali so bile kakšne razlike med močjo povezovanja med skupinami še povezane z globalno prenovo funkcionalnih interakcij [26], kot so poročali pri mnogih drugih psihiatričnih motnjah [29], [30].

Temelji na predhodnih strukturnih in funkcionalnih ugotovitvah nevrografij v odvisnosti od interneta [3], [4], [6], [7], [15], skupaj z uveljavljenimi teoretičnimi modeli motenj odvisnosti od snovi [8], [9], smo hipotetizirali, da bodo mladostniki z zasvojenostjo z internetom pokazali spremenjeno medregionalno povezanost med čelno in striatalno regijo z možnim nadaljnjim vključevanjem parietalne skorje in otoka.

Materiali in metode

Izjava o etiki

To študijo je odobrila institucionalna revizijska komisija za človeške predmete na Seulski nacionalni univerzi. Vsi mladostniki in njihovi starši so pred vpisom v študijo dali pisno informirano soglasje. Študija je bila izvedena v skladu s Helsinško deklaracijo.

udeleženci

Dvanajst desnih moških mladostnikov z zasvojenostjo z internetom in desnico 11 z desnico in spolom [31] zdrave kontrole so sodelovale v tej raziskavi. Diagnoza internetne zasvojenosti je bila postavljena s pomočjo lestvice Mladih odvisnosti od interneta (YIAS), ki jo sestavljajo predmeti 20, ki temeljijo na 5-lestvici Likertova lestvica in ocenjujejo stopnjo težav, ki jih povzroča uporaba interneta [32]in Kiddie-urnik za afektivne motnje in šizofrenijo-sedanjost in življenjsko dobo (K-SADS-PL), polstrukturirano diagnostično orodje za razgovor z uveljavljeno veljavnostjo in zanesljivostjo, ki nam je omogočilo izključitev drugih psihiatričnih motenj [33], [34]. Udeleženci z internetno zasvojenostjo so bili omejeni na tiste, ki poročajo, da so izkusili značilne sestavine odvisnosti (tj. Strpnost, umik, preokupacija z igranjem spletnih iger, ponavljajoči se neuspešni poskusi zmanjšanja ali zaustavitve spletnih iger, negativno vplivali na razpoloženje ob poskusu zmanjšanja spletnih iger in zanemarjanje pomembnih odnosov ali dejavnosti zaradi spletnih iger) [35], [36]. Vsi udeleženci z zasvojenostjo z internetom so poročali o pretiranem spletnem igranju med predlaganimi podtipi te motnje. Isti instrumenti so bili uporabljeni pri novačenju zdravih mladostnikov. Ocenjeni so bili tudi demografski podatki in količnik obveščevalnih podatkov (IQ) vseh udeležencev (gl Tabela 1).

Prenos: 

 

• PPT

  Diapozitiv PowerPoint

• PNG

  večja slika (21KB)

• TIFF

  izvirna slika (58KB)

Tabela 1. Demografske in klinične značilnosti udeležencev.

doi: 10.1371 / journal.pone.0057831.t001

Pridobitev podatkov in obdelava slik

Slike fMRI v stanju počitka so bile pridobljene na skenerju 3T Siemens (Siemens Magnetom Trio Tim Syngo MR B17, Nemčija) z naslednjimi parametri: čas ponovitve (TR) 2700 ms; odmevni čas (TE) 30 ms; matrika pridobitve 64 × 64; vidno polje (FOV) 192 × 192 mm²; kot flip 90 °; velikost voksela 3.0 mm × 3.0 mm × 3.0 mm; rezine 40. Skupni čas pridobitve je bil 6 min 45 sek. Uporabljena je bila tuljava glave in gibanje glave je bilo zmanjšano, tako da prazen prostor okoli glave napolnimo z gobčnim materialom in spodnjo čeljust pritrdimo s trakom.

Predobdelava slik fMRI je bila izvedena s pomočjo Asistenta za obdelavo podatkov za fMRI v stanju počitka (DPARSF) [37], ki temelji na statističnem parametričnem preslikavi (SPM8) in orodju za analizo podatkov fMRI v stanju počitka (REST). Prve slike 5 v vsaki temi so bile zavržene, preostale slike 145 pa so bile popravljene zaradi časovnega dela rezine in prilagojene prvemu volumnu, da se popravijo artefakti gibanja. Vsi udeleženci so pokazali manj kot 0.5 mm premika in 0.5 ° vrtenja v svojih parametrih gibanja glave 6. Poleg tega se obe skupini nista bistveno razlikovali (p<0.05) v štirih parametrih gibanja glave, ki so jih pred kratkim predlagali Van Dijk in sod. [38]: tj. povprečni premik glave (odvisnost od interneta: 0.04 ± 0.01 mm, nadzor: 0.04 ± 0.01 mm), največji premik glave (odvisnost od interneta: 0.18 ± 0.14 mm, nadzor: 0.17 ± 0.07 mm), število mikro (> 0.1 mm ) gibi (ne več kot 2 za vse udeležence, razen za dva posameznika v skupini za zasvojenost z internetom, ki imata 5 in 6 mikro gibov), in vrtenje glave (zasvojenost z internetom: 0.04 ± 0.01 °, nadzor: 0.04 ± 0.00 °). Pred prostorsko normalizacijo je bila na podlagi podatkov študije normalnega razvoja možganov NIH MRI s pomočjo Template-O-Matic ustvarjena starostna in spolna možganska predloga [39]. Naše slike fMRI so bile normalizirane s pomočjo te prilagojene predloge in zglajene s pol-največjim pol-največjim Gaussovim jedrom 6 mm. Podatki so bili nato skrčeni in nizkofrekvenčna nihanja (0.01 – 0.08 Hz) so bila filtrirana, da bi zaznali signale iz sive snovi in ​​zmanjšali učinek hrupa. Šest parametrov gibanja glave, signali bele snovi in ​​signali cerebrospinalne tekočine so bili regresirani iz filtriranega BOLD signala. Nazadnje so bili ostanki te regresije izločeni iz možganskih regij (vozlišč) 90 na podlagi atlasa avtomatiziranega anatomskega označevanja (AAL) [40]in izračunane so bile parne asociacije, kar je dalo matriko povezljivosti 90 na 90 na vsakega subjekta. Pearsonov korelacijski koeficient (nič zaostanka) je bil uporabljen za kvantifikacijo vsake parne povezave. Upoštevajte, da globalni signal ni bil vključen kot moteča kovariata, saj je bil delež negativnih korelacij minimalen.

Analiza podatkov

Mrežna statistika (NBS) [41], [42] je bila uporabljena za identifikacijo regionalnih možganskih mrež, ki kažejo pomembno razliko med skupinami med regijami. Natančneje, izveden je t-test, s katerim smo preizkusili razliko med korelacijskim koeficientom med skupinami na vsakem od 90 × (90-1) / 2 = 4005 edinstvenih regijskih dvojic. Medsebojno povezana omrežja, uradno znana kot komponente grafa, so bili nato opredeljeni med povezavami s t-statistiko, ki presega prag t = 3.0. P-vrednost, ki je bila popravljena za družino (FWE), je bila izračunana za velikost vsake nastale komponente z uporabo testiranja permutacije (20000 permutacije). Vsaka permutacija je vključevala naključno premeščanje skupinskih nalepk in določanje velikosti Največji medsebojno povezano omrežje, kar prinaša empirično ničelno porazdelitev največjih velikosti komponent [43]. P-vrednost, popravljena s FWE, je bila za vsako medsebojno povezano omrežje ocenjena kot delež permutacij, ki so povzročile večje medsebojno povezano omrežje ali eno enako veliko. Dve alternativni hipotezi (odvisnost> kontrole in odvisnost <kontrole) smo ovrednotili neodvisno. Vsi ti koraki so bili izvedeni s programskim paketom NBS, ki se prosto distribuira kot del Brain Connectivity Toolbox (http://www.brain-connectivity-toolbox.net/) ali NITRC (http://www.nitrc.org/projects/nbs/). Oceniti obnovljivost vseh pomembnih ugotovitev alternativnih atlasov [44]zgornjo analizo smo ponovili ločeno z atlasom AAL, nadomeščenim z dvema alternativnima atlasoma za parcelacijo skorje v ne prekrivajoča se področja; in sicer strukturni atlas Montrealskega nevrološkega inštituta (MNI) (http://www.fmrib.ox.ac.uk/fsl/data/atlas-descriptions.html) in naključna parcelacija, ki vsebuje 120 regije [45]. Atlas MNI je groba parcelacija, ki predstavlja osem anatomskih regij na cerebralni polobli in s tem olajša karakterizacijo medrebrne povezanosti.

Nato smo preskusili razlike med skupinami v ključnih mrežnih ukrepih na podlagi grafov [28]; in sicer povprečni koeficient grozda, značilna dolžina poti in razmerje majhnosti. Razlago teh ukrepov glede na zapletenost in organizacijo možganov lahko najdemo v številni novejši literaturi [26], [30], [46]-[49]. Matrice povezovanja so bile najprej binarne glede na niz fiksnih gostot povezave, ki segajo od 10% do 30% [28]. Omrežni ukrepi so bili izračunani pri vsaki gostoti z uporabo ustrezne funkcije, ki je navedena v orodni vrstici Brain Connectivity Toolbox. Koeficient združevanja in značilna dolžina poti sta bila normalizirana glede na celoto 20 naključnih omrežij, ustvarjenih z algoritmom ponovnega ožičenja Maslov-Sneppen [50]. Razlike med skupinami so bile nato ocenjene pri vsaki gostoti z dvostranskim t-testom.

Na koncu smo koeficient združevanja in dolžino poti izračunali lokalno za vsako od regij 90. Za preverjanje razlik med skupinami pri teh ukrepih, značilnih za posamezno regijo, je bil uporabljen tudi dvostranski t-test. Stopnja lažnega odkrivanja (FDR) [51] je bila uporabljena za korekcijo za več primerjav po družini gostot omrežja in regij.

Rezultati

Značilnosti udeležencev

Vsi udeleženci so bili desničarski samci. Med obema skupinama ni bilo ugotovljenih bistvenih razlik v starosti in IQ, ocena YIAS pa je bila v skupini odvisnosti od interneta bistveno višja (Tabela 1).

Skupinske razlike v funkcionalni povezljivosti

NBS je identificirala enotno omrežje, ki kaže znatno (p<0.05, popravljeno s FWE) je zmanjšala povezljivost pri mladostnikih z zasvojenostjo z internetom v primerjavi s kontrolami. Ta prizadeta mreža je obsegala 59 povezav, ki vključujejo 38 različnih možganskih regij (Slika 1). Omrežje se je na široko ponovilo, ko je bil atlas AAL nadomeščen z dvema alternativnima atlasoma za parcelacijo korteksa v ne prekrivajoča se območja (glej Slika S1). Kljub precejšnji razliki v skupnem številu regij, ki vključujejo te atlase (AAL: 90, MNI: 16, naključno: 120), je bila v celotni mrežni strukturi opazna izjemna skladnost. Pričakovano se je povečala velikost omrežja z ločljivostjo atlasa (tj. Skupno število regij), kar je povzročilo bolj zapleteno konfiguracijo. Vendar so bile kortikalne in subkortikalne regije (in ustrezni reženji), ki so bili vpleteni, na široko ponovljeni v treh atlazih. Številke smo vizualizirali z BrainNet Viewerjem (http://www.nitrc.org/projects/bnv/).

Prenos: 

• PPT

  Diapozitiv PowerPoint

• PNG

  večja slika (3.47MB)

• TIFF

  izvirna slika (3.16MB)

Slika 1. Mreža zmanjšane funkcionalne povezanosti možganov pri mladostnikih z odvisnostjo od interneta.

Rdeče pike predstavljajo stereotaktične centroide možganskih regij (vozlišč), definirane z atlasom samodejnega označevanja anatomskega označevanja (AAL), modre črte pa predstavljajo nadzdravniške povezave (t = 3.0), ki obsegajo prizadeto mrežo, identificirano s statistiko na podlagi omrežja (NBS) (p<0.05, po komponentah popravljeno). Aksialni pogled ponazarja vpletenost medhemisfernih povezav (tj. Povezav, ki se križajo med desno in levo poloblo). Sagitalni pogled ponazarja prizadetost čelnih, časovnih in parietalnih rež v prizadeti mreži.

doi: 10.1371 / journal.pone.0057831.g001

Po Fornito in sod. [52], AAL regije so bile razvrščene v ustrezne večje režnje (npr. Čelni, časovni, parietalni) in delež povezav teh velikih oddelkov je bil količinsko opredeljen za vsak par reženj. Ugotovljeno je bilo, da so prizadete fronto-temporo-parietalne povezave, vendar okcipitalni reženj ni bil vključen v prizadeto mrežo. Večina povezav, ki so bile zmanjšane v skupini odvisnosti od interneta, je vključevala povezave med podkortičnimi regijami in čelnimi (~ 24%) in parietalnimi (~ 27%) kortiki (Slika 2). Da bi bolje razumeli, katere podkortične regije lahko prispevajo k tej ugotovitvi, smo preučili povezanost med vsakim kortikalnim repom in vsako podkortično regijo posebej v mreži NBS (Slika S2). Ta analiza je pokazala, da so subkortikalne regije vključevale hipokampus, globus pallidus in kapnice. Jedra amigdale in kaudata nista bila vključena v prizadeto mrežo. Bilateralni putamen je bil najbolj razširjena podkortična regija, kjer so se zmanjšale povezave z vsemi tremi glavnimi možganskimi režnjami. Ta vzorec se je ponovil z atlasom MNI, iz katerega je izhajajoča mreža poleg čelnih, parietalnih in temporalnih reženj vključevala le kapnike in otoke; nukleusno jedro in okcipitalni reženj nista bila vključena v prizadeto mrežo.

Prenos:  

 

• PPT

  Diapozitiv PowerPoint

• PNG

  večja slika (153KB)

• TIFF

  izvirna slika (508KB)

Slika 2. Delež povezav, ki jih je prizadela internetna odvisnost, povezuje različne pare širokih možganskih oddelkov.

Število povezav, ki vključujejo vsak par oddelkov, se normalizira s skupnim številom dvojnih povezav. Upoštevajte, da so bili hipokampus, globus pallidus in moški uvrščeni v podkortikalno kategorijo, zadnji čingulatni girus pa je bil dodeljen čelni kategoriji. Jedra amigdale in kaudata nista bila vključena v moteno mrežo, zato teh regij ni bilo treba dodeliti reženju. Bilamensko je bila dvostransko najbolj podkožna regija, kjer so se zmanjšale povezave z vsemi tremi glavnimi možganskimi režnjami.

doi: 10.1371 / journal.pone.0057831.g002

V skupini za odvisnosti od interneta nismo ugotovili nobenega omrežja s povečano povezljivostjo. Najdena ni bila nobena pomembna povezava med funkcionalno povezljivostjo v opredeljenem omrežju in oceno YIAS, bodisi v skupini za zasvojenost z internetom bodisi v nadzorni skupini.

Razlike v skupini v topologiji omrežij

Pri povprečnem koeficientu grozda, značilni dolžini poti ali razmerju med svetim svetom pri kateri koli od preiskovanih gostot omrežja ni bilo opaziti razlike med skupinami (p<0.05, popravljeno FDR) (Slika 3). Poleg tega ni nobene razlike med posameznimi skupinami v ustreznih lokalnih (za posamezno regijo) ukrepih za več primerjav. Uporaba manj strogega lažno pozitivnega popravka p<(1/90) = 0.011 [53] da bi raziskali učinke na ravni trenda, so nastale razlike med koeficientom lokalnega združevanja v skupini in lokalno dolžino poti, ki se pojavljajo pretežno v okcipitalnih režnjah (Tabele S1 in S2).

Prenos: 

 

• PPT

  Diapozitiv PowerPoint

• PNG

  večja slika (1.57MB)

• TIFF

  izvirna slika (1.87MB)

Slika 3. Parametri majhnega sveta možganske funkcionalne povezanosti pri mladostnikih z odvisnostjo od interneta.

doi: 10.1371 / journal.pone.0057831.g003

Razprava

Pri mladostnikih z zasvojenostjo z internetom so našli dokaze o zmanjšani funkcionalni povezanosti možganov. Skladno s sedanjimi modeli, ki poudarjajo vlogo kortiko-subkortikalne patologije pri odvisnosti [54], 24% povezav v spremenjenem omrežju, ki razlikujejo odvisnike in zdrave kontrole, vključuje povezave med čelno in podkortično regijo. Dodatna 27% povezana podkortična in parietalna območja, z bolj omejenimi dokazi o vpletenosti otoka, je spet skladna z nedavnimi dokazi o vpletenosti teh regij v zasvojenost. Upoštevajte, da naša analiza zagotavlja strog test kortiko-podkortikalnih modelov zasvojenosti, saj je vključevala ukrepe parne funkcionalne povezanosti med različnimi regijami 90, porazdeljenimi po možganih. Dejstvo, da so kortiko-podkortikalni sistemi postali izrazita patologija s pomočjo te popolnoma podatkovno podprte analize, močno podpira sodelovanje teh sistemov v odvisnosti od interneta. Poleg tega naše ugotovitve kažejo, da internetna odvisnost deli nevrobiološke značilnosti, ki so skupne drugim zasvojenostim in da zlasti subkortikalne regije lahko predstavljajo osrednja mesta patologije možganskega omrežja. Pomembna opomba je stališče Nacionalnega inštituta za zlorabo drog, da so vedenjske odvisnosti lahko relativno čisti modeli odvisnosti, če upoštevamo, da ti pogoji ne onesnažijo učinkov snovi [55]. Medtem ko preučevanje številnih drugih motenj odvisnosti nenehno omejuje vpliv sekundarne toksičnosti zlorabe snovi, se internetna odvisnost diagnosticira vedenjsko in tako ponuja bolj usmerjen model za preučevanje odvisnosti, ki ni dolgoročnih učinkov drog.

V tej študiji je bila NBS uporabljena z velikostjo mreže, izmerjeno glede na njen obseg; torej skupno število povezav, ki obsegajo omrežje. Ta velikostna mera ni primerna za odkrivanje žariščnih učinkov, ki vključujejo posamezne, izolirane povezave, ki skupaj ne tvorijo omrežja. Da bi preverili te vrste žariščnih razlik med skupinami, smo analizo NBS ponovili testiranje razlik v masi sestavin in ne velikosti. Masna statistika zagotavlja večjo občutljivost za žariščne, intenzivne učinke kot testiranje na razlike v velikosti komponent. Poleg tega smo tudi s FDR primerjali pragovne primerjave, ki bodo zelo občutljive na žariščne učinke visoke intenzivnosti. Med FDR in množičnimi statistikami ni bilo opaziti nobenih pomembnih razlik, kar kaže na to, da aberantna povezanost v odvisnosti od interneta zajema porazdeljeno omrežje, ki vključuje več kortikalnih in podkortičnih regij.

Glede na to, da je znano, da so lastnosti možganskega omrežja občutljive na izbiro predloge parcel, smo raziskali več alternativnih shem parcel, da bi ocenili obnovljivost kakršnih koli ugotovitev na spremembe v nodalnih definicijah [45], [56], [57]. To nam je omogočilo izključitev možnosti, da so bile nekatere ugotovitve zgolj posledica statistično ugodnega pozicioniranja vozlišč, vendar jih ni mogoče ponoviti z drugimi znanimi parcelami.

In v nasprotju z zmanjšano trdnostjo funkcionalne povezljivosti topološki parametri niso pokazali pomembnih razlik v skupini. Tudi ko smo izvajali nadaljnje raziskovalne analize, ki temeljijo na manj strogem nadzoru napake tipa I, so rezultati pokazali na možno topološko razliko, ki je v glavnem vključevala okcipitalni reženj, kar pa pri analizi NBS ni vplivalo. Medtem ko je bila odvisnost od interneta povezana s širokim in bistvenim zmanjšanjem funkcionalne povezanosti kortiko-podkortikalnih vezij, to zmanjšanje ni bilo povezano z globalno motnjo v topologiji možganske funkcionalne mreže. Ta študija dokazuje, da lahko široke razlike v funkcionalni povezljivosti obstajajo, če v osnovnih topoloških ukrepih ni sprememb. Morda se zdi čudovito, da so bile razlike v jakosti povezljivosti tako razširjene, če ni bilo nobenih pomembnih topoloških razlik. Pomembno pa je omeniti, da sta topologija in moč povezljivosti različne lastnosti konekometov in nepravilnosti v eni ne pomenijo nenormalnosti v drugi. Podobne ugotovitve so opazili tudi pri drugih motnjah [52], [58]. Vendar opažamo, da so se razlike v skupinah nekaterih topoloških lastnosti gibale v smeri statističnega pomena. Analiza večjega vzorca lahko prinese potrebno moč, da se ti učinki razglasijo za pomembne. Naši rezultati kažejo, da so lahko topološke spremembe bolj subtilne od tistih, ki jih opazimo pri ukrepih funkcionalne povezanosti.

Med povezavami 59, ki so vključene v spremenjeno omrežje, so bili 25 interhemisferične povezave in 34 intrahemisferične, kar kaže na vključitev povezav na dolge in tudi kratke dosege v celotnih možganih. Glede na to, da je zasvojenost z internetom novo priznano stanje duševnega zdravja, njegov koncept in diagnostična merila pa še vedno niso določena in niso določena, bi bilo morda presenetljivo, če bi našli tako močno prizadeto mrežo v možganih teh oseb. Nedavno sta Lin in sod. (2012) je preučil celovitost možganske bele snovi pri mladostnikih z odvisnostjo od interneta z uporabo difuzijsko-tenzorskega slikanja in ugotovil široko zmanjšanje frakcijske anizotropije (FA) v celotnih možganih brez območja z višjo vsebnostjo FA v skupini odvisnosti od interneta [13]. Takšni rezultati pomenijo možno anatomsko podlago za funkcionalne motnje, ki jih opazimo v našem vzorcu, hipotezo, ki bi jo lahko preizkusili s kombiniranim fMRI in difuzijsko tehtanjem pri istih udeležencih [59].

Glede velikega števila medvojnih povezav, ki jih najdemo v spremenjeni mreži, se zdi, da je učinkovita medvojna komunikacija pomembna pri možganskih funkcijah [60]-[63]. Vendar pa je razmeroma malo študij zasvojenosti z nevro-slikanjem obravnavalo funkcionalno integracijo med dvostranskimi poloblami. Nedavno sta Kelly in sod. (2011) opazili zmanjšano interhemisferično funkcionalno povezanost pri odraslih, odvisnih od kokaina [64]. Pokazali so primarno vključenost fronto-parietalne mreže z relativno varčnostjo časovnih regij, ki so vzporedne z našimi ugotovitvami. Čeprav so avtorji razpravljali o ugotovitvah, ki odražajo dolgoročne učinke kronične izpostavljenosti kokainu, so omenili tudi možnost, da je zmanjšana interhemisična funkcionalna povezanost morda pred izpostavljenostjo kokainu kot izpostavljenosti motnjam zasvojenosti. Naši rezultati kažejo, da te medhemisične spremembe kažejo bodisi na ranljivost za motnje odvisnosti bodisi na nevronski korelat generičnega odvisniškega vedenja, ne pa da so sekundarne pri dolgotrajni uporabi drog, glede na to, da je zasvojenost v našem vzorcu opredeljena v čisto vedenjskem smislu. Te možnosti je mogoče ovrednotiti s testiranjem na fenotipske podobnosti med prizadetimi sorodniki posameznikov z motnjami odvisnosti od drog ali vedenja.

Zanimivo je, da je bil podoben vzorec zmanjšane funkcionalne povezanosti v stanju počitka med čelnimi in parietalnimi regijami tako pri posamezniku, ki je odvisen od kokaina in heroina.s [64], [65]. V nedavnem pregledu so Sutherland in sod. (2012) je nakazal, da je lahko zmanjšana povezanost v fronto-parietalnih vezjih osrednja sestavina v oslabljeni kognitivni nadzorni mreži populacij, odvisnih od drog [54]. Naše ugotovitve v zvezi z zasvojenostjo z internetom prav tako podpirajo domnevo, da je lahko zmanjšana funkcionalna povezanost med čelnimi in parietalnimi regijami skupna lastnost različnih vrst zasvojenosti, kar kaže na prisotnost skupnega fenotipa, ki ni sekundarna posledica uživanja drog. Poleg tega so nedavne raziskave funkcionalne povezanosti celih možganov pri shizofreniji pokazale izrazite fronto-temporalne in ne fronto-parietalne ali fronto-striatalne spremembe [52], skladno s klasičnimi patofiziološkimi modeli motnje [66]. Seveda je najbolj odmevna ugotovitev te študije ta, da je zasvojenost z internetom povezana predvsem s patologijo progastih vezij, sistemom, ki je pogosto povezan z drugimi zasvojenostmi, kar kaže na skupni nevrobiološki fenotip. Identifikacija spremenjenih progastih vezij, ki se prekrivajo s tistimi z uveljavljenimi zasvojenostnimi motnjami, je lahko koristno za preizkus, ali je model zasvojenosti ustrezen teoretični okvir za razumevanje motnje [67], [68]. Še vedno pa ostaja vprašanje, ali bi lahko bila razmeroma močnejša okvara fronto-parietalne in fronto-striatalne funkcionalne povezanosti v veliki meri specifična za motnje odvisnosti. Za določitev specifičnosti so potrebne prihodnje študije, ki neposredno primerjajo različne motnje.

Ena najzanimivejših ugotovitev v tej študiji je bila močna vpletenost putamenov. Za to možgansko strukturo je znano, da modulira več nevrotransmiterjev, vključno z dopaminom, in izpuščena strijatalna dopaminergična funkcija je močno vključena kot eden ključnih bioloških mehanizmov motenj odvisnosti [8]. Dopamin je ključni modulator funkcije možganov in ima lahko pomembno vlogo pri motnjah funkcionalne povezanosti, ki so jih opazili v tej študiji. To je v skladu z nedavnimi dokazi, da je pri ljudeh z internetno zasvojenostjo spremenjena razpoložljivost striparskih dopaminov in D2 receptorjev. [6], [7] ter da lahko genetska in farmakološka modulacija ravni dopamina v možganih močno vpliva na vzorce funkcionalne povezanosti [69]-[71]. Upoštevajoč ta prejšnja poročila in predlagani nevrobiološki mehanizem zasvojenosti, ki vključuje prigrizeno strijatalno dopaminergično funkcijo [8], razumevanje učinkov dopamina na omrežje, za katero je v tej študiji opredeljeno, da kaže spremenjeno funkcionalno povezanost, bo predstavljalo pomembno pot naprej pri razumevanju nevrobioloških korelatov odvisnosti od interneta.

Zanimiva je tudi naša ugotovitev, da so bili moški najbolj razširjeno podkortično območje v zmanjšani funkcionalni mreži, ki varčuje z jedrom kaudata. Obe strukturi sta del striatuma, ki pa je del podkortičnih struktur. Kazenske snovi običajno veljajo za možgansko območje, povezano z motorično aktivnostjo, in je manj pogosto vpleteno v dodajanje snovi kot kaudata. Med motoričnimi aktivnostmi se je pokazalo, da je dobro naučeno zaporedje ponavljajočih se gibov prstov povezano z aktivacijo v možganih [72]-[76]. Ljudje, ki trpijo zaradi zasvojenosti z internetom, se lahko v daljšem časovnem obdobju podvržejo veliko večji pogostosti določenih vedenj, ki vključujejo ponavljajoče se manipulacije z miško in tipkovnico, te izkušnje pa lahko vplivajo na njihove možgane. Zato lahko aberantna povezanost, ki izhaja iz putamen, morda kaže na posebno značilnost zasvojenosti z internetom. Ker pa nismo merili stopnje manipulacije s prsti pri naših udeležencih, je za prihodnje raziskave še vedno odprta implikacija zmanjšane in ne povečane funkcionalne povezanosti, ki vključuje možgane v zvezi z manipulacijo z miško / tipkovnico. Druga možnost je, da vključenost možganov v naše ugotovitve lahko odraža njegovo vlogo v kognitivnih procesih, ki so v skupni rabi s hudodelcem in oslabijo pri odvisnosti, kot je predelava nagrad [77], [78].

Druga točka, ki bi bila vredna razprave, je odsotnost povečane funkcionalne povezanosti v skupini za odvisnosti od interneta. Čeprav smo večinoma pričakovali, da bomo v skupini zasvojenosti ugotovili zmanjšano funkcionalno povezanost, pravzaprav nismo izključili možnosti opazovanja povečane funkcionalne povezanosti, še posebej glede na hipotezo, da lahko mladostniki z zasvojenostjo z internetom kažejo učinek prakse zaradi prekomernih spletnih aktivnosti [79]-[82]. Ena od možnih razlag negativne ugotovitve bi lahko bila, da našemu majhnemu vzorcu ni bilo dovolj zaznati to povečanje funkcionalne povezljivosti, povezano s prakso. Vendar še ni v celoti ugotovljeno, ali se kognitivna uspešnost pri določenih nalogah ali resnost nekaterih psihopatologij kaže kot zmanjšana ali povečana funkcionalna povezanost [83], [84]. Upoštevati je treba še, da lahko učinek dolgotrajne prekomerne uporabe interneta različno vpliva na možgane glede na podpopulacijo. Na primer podpopulacija, imenovana profesionalni igralci spletnih iger, ki se ukvarjajo z intenzivnimi internetnimi dejavnostmi, porabi podobno dolgo časa za vadbo spletnih iger in verjetno deluje bolje v teh igrah kot ljudje z zasvojenostjo z internetom, vendar še vedno ni videti zasvojena, kar dokazuje bistveno nižji rezultat YIAS [85]. Zato je mogoče domnevati, da se učinki prakse pri internetnih dejavnostih lahko razlikujejo glede na posameznika.

Ta študija ima nekaj pomembnih omejitev. Najprej je bila velikost vzorca precej majhna, kar je verjetno omejilo našo moč zaznavanja pomembnih korelacij med funkcionalno povezljivostjo in YIAS rezultati. Zato je treba trenutno ugotovitev ponoviti v večjem vzorcu udeležencev z zasvojenostjo z internetom in nadzorom. Kljub temu je treba omeniti, da je bila naša velikost vzorca v celoti primerljiva z velikostjo prejšnjih funkcionalnih študij nevro-slikanja internetne zasvojenosti. Naš vzorec je bil edinstven, saj je večina nekdanjih raziskav temeljila na odraslih [2]-[7]. Drugič, diagnostična merila za zasvojenost z internetom še niso trdno določena, čeprav naše ugotovitve kažejo na potencialno nevrobiološko podlago za to domnevno motnjo. Tretjič, čeprav smo s K-SADS-PL izključili komorbidne duševne motnje, so simptomi komorbidnih duševnih stanj še vedno prisotni. Četrtič, zbiranje večjega števila kliničnih informacij, kot so spalne navade, je morda obogatilo naše podatke in izboljšalo naš prispevek k literaturi [86], [87]. Končno zasnova presečne študije omejuje razlago vzročne zveze med zmanjšano funkcionalno povezanostjo in razvojem internetne zasvojenosti. Treba je opozoriti, da se je gibanje glave izkazalo kot pomembna ovira pri funkcionalnem nevrografiranju [38], [88]. V tej študiji je bilo gibanje glave izčrpno ocenjeno z uporabo številnih nedavno predlaganih rotacijskih in premičnih ukrepov [38]. Pri nobenem od obravnavanih ukrepov premikanja glave ni bila ugotovljena pomembna razlika med skupinami.

IČe povzamemo, rezultati te študije kažejo, da imajo mladostniki z zasvojenostjo z internetom spremenjeno funkcionalno povezanost možganov, če ne pride do močnih motenj topologije omrežja. Spremenjena mreža je pokazala veliko sodelovanje medhemisferičnih povezav na dolge razdalje, pa tudi znotrajhemisferičnih povezav kratkega dosega po možganih. Podkokortične možganske regije lahko igrajo pomembno vlogo v tej spremenjeni mreži, zlasti putamen, ki kaže manjše povezave z vsemi tremi glavnimi možganskimi režnjami.

Podporne informacije

Figure_S1.tif

• 1 / 4

slDelež

prenesi

Mreža zmanjšane funkcionalne povezanosti možganov pri mladostnikih z odvisnostjo od interneta (z uporabo različnih atlasov).Rdeče pike predstavljajo stereotaktične centroide možganskih regij (vozlišč), ki jih definira Montreal Neurological Institute (MNI) strukturni atlas (A) in naključni atlas parcel (B), modre črte pa predstavljajo nadrežne vezi (t = 2.1 in 3.0), ki obsegajo prizadete omrežje, identificirano s statistiko, ki temelji na omrežju (NBS) (p<0.05, po komponentah popravljeno).

Slika S1.

Mreža zmanjšane funkcionalne povezanosti možganov pri mladostnikih z odvisnostjo od interneta (z uporabo različnih atlasov).Rdeče pike predstavljajo stereotaktične centroide možganskih regij (vozlišč), ki jih definira Montreal Neurological Institute (MNI) strukturni atlas (A) in naključni atlas parcel (B), modre črte pa predstavljajo nadrežne vezi (t = 2.1 in 3.0), ki obsegajo prizadete omrežje, identificirano s statistiko, ki temelji na omrežju (NBS) (p<0.05, po komponentah popravljeno).

(TIF)

Slika S2.

Delež povezav, ki jih prizadene internetna odvisnost, ki povezujejo različne pare širokih možganskih oddelkov (podrobno za podkortične regije).Število povezav, ki vključujejo vsak par oddelkov, se normalizira s skupnim številom dvojnih povezav.

(TIF)

Tabela S1.

Koeficient lokalnega združevanja.Ta tabela prikazuje rezultate na ravni trendov z manj strogimi napačno pozitivnimi popravki p<(1/90) = 0.011; noben rezultat ni preživel standardne korekcije stopnje lažnih odkritij za več primerjav.

(DOC)

Tabela S2.

Lokalna dolžina poti.Ta tabela prikazuje rezultate na ravni trendov z manj strogimi napačno pozitivnimi popravki p<(1/90) = 0.011; noben rezultat ni preživel standardne korekcije stopnje lažnih odkritij za več primerjav.

(DOC)