โครงสร้างสมองและการเชื่อมต่อการทำงานที่เกี่ยวข้องกับความแตกต่างของแต่ละบุคคลในแนวโน้มอินเทอร์เน็ตในผู้ใหญ่วัยหนุ่มสาวที่มีสุขภาพดี (2015)

Neuropsychologia 2015 16 กุมภาพันธ์. pii: S0028-3932 (15) 00080-9. ดอย: 10.1016 / j.neuropsychologia.2015.02.019.

หลี่1, หลี่อี้2, ยาง W.1, Wei D.1, หลี่3, ฮิตช์แมน จี1, Qiu J.4, จางคิว5.

นามธรรม

การติดอินเทอร์เน็ต (IA) ก่อให้เกิดต้นทุนทางสังคมและการเงินที่สำคัญในรูปแบบของผลข้างเคียงทางกายภาพความบกพร่องทางวิชาการและการประกอบอาชีพและปัญหาความสัมพันธ์ที่รุนแรง การศึกษาก่อนหน้านี้ส่วนใหญ่เกี่ยวกับความผิดปกติของการติดอินเทอร์เน็ต (IAD) ได้มุ่งเน้นไปที่ความผิดปกติของโครงสร้างและการทำงานในขณะที่การศึกษาเพียงไม่กี่ชิ้นได้ตรวจสอบการเปลี่ยนแปลงโครงสร้างและการทำงานของสมองพร้อมกันซึ่งเป็นพื้นฐานของความแตกต่างของแต่ละบุคคลในแนวโน้ม IA ที่วัดโดยแบบสอบถามในกลุ่มตัวอย่างที่มีสุขภาพดี

ที่นี่เราได้รวมข้อมูลโครงสร้าง (ปริมาณสสารสีเทาระดับภูมิภาค rGMV) และการทำงาน (การเชื่อมต่อที่ทำงานในสถานะพัก, rsFC) เพื่อสำรวจกลไกประสาทที่อยู่ภายใต้ IAT ในกลุ่มตัวอย่างจำนวนมากซึ่งเป็นผู้ใหญ่ที่มีสุขภาพแข็งแรง 260 คน ผลการวิจัยพบว่าคะแนน IAT มีความสัมพันธ์อย่างมีนัยสำคัญและมีความสัมพันธ์เชิงบวกกับ rGMV ในเปลือกนอกส่วนหน้าด้านหลังด้านขวา (DLPFC ซึ่งเป็นโหนดสำคัญหนึ่งของเครือข่ายควบคุมความรู้ความเข้าใจ CCN) ซึ่งอาจสะท้อนถึงการทำงานที่ลดลงของการควบคุมการยับยั้ง

ที่น่าสนใจยิ่งกว่าคือความสัมพันธ์ที่ลดลงระหว่าง DLPFC ที่เหมาะสมและเยื่อหุ้มสมองส่วนหน้าตรงกลาง / เปลือกนอก cingulate ด้านหน้าของ rostral (mPFC / rACC หนึ่งโหนดสำคัญของเครือข่ายโหมดเริ่มต้น DMN) สัมพันธ์กับคะแนน IAT ที่สูงขึ้นซึ่งอาจเกี่ยวข้องกับประสิทธิภาพที่ลดลงของ CCN และ DMN (เช่นลดการควบคุมความรู้ความเข้าใจและการตรวจสอบตนเอง)

นอกจากนี้เอฟเฟกต์การรบกวนของ Stroop ยังสัมพันธ์ในเชิงบวกกับระดับเสียงของ DLPFC และคะแนน IA เช่นเดียวกับการเชื่อมต่อระหว่าง DLPFC และ mPFC ซึ่งชี้ให้เห็นว่าการเปลี่ยนแปลงของ rGMV ใน DLPFC และการลดการเชื่อมต่อระหว่าง DLPFC และ mPFC อาจลดลง สะท้อนให้เห็นถึงการควบคุมการยับยั้งที่ลดลงและประสิทธิภาพทางปัญญาที่เกี่ยวข้องกับการเสพติด

การค้นพบนี้ชี้ให้เห็นว่าการรวมกันของข้อมูลโครงสร้างและการทำงานสามารถเป็นพื้นฐานที่มีค่าสำหรับการทำความเข้าใจเพิ่มเติมเกี่ยวกับกลไกและการเกิดโรคของ IA

ที่มา:

เครือข่ายควบคุมความรู้ความเข้าใจ; เครือข่ายโหมดเริ่มต้น; การติดอินเทอร์เน็ต การเชื่อมต่อการทำงานในสถานะพักผ่อน morphometry ที่ใช้ Voxel