การเชื่อมต่อสมองที่ทำงานได้ลดลงในวัยรุ่นที่ติดอินเทอร์เน็ต (2013)

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

ฮง SB, Zalesky A, Cocchi L, Fornito A, ชอยอีเจ, คิม HH, พ้ม JE, คิมซีดี, คิมเจดับบลิว, ยี่ SH.

แหล่ง

ศูนย์จิตเวชศาสตร์เมลเบิร์น, แผนกจิตเวชศาสตร์, มหาวิทยาลัยเมลเบิร์นและเมลเบิร์นเฮลธ์, พาร์ควิลล์, วิกตอเรีย, ออสเตรเลีย; สถาบันประสาทวิทยาและสุขภาพจิต Florey, Parkville, Victoria, Australia; แผนกจิตเวชศาสตร์เด็กและวัยรุ่นภาควิชาจิตเวชศาสตร์วิทยาลัยแพทยศาสตร์มหาวิทยาลัยแห่งชาติโซลโซลสาธารณรัฐเกาหลี

นามธรรม

พื้นหลัง:

อินเทอร์เน็ต ติดยาเสพติด ได้รับการยอมรับมากขึ้นเรื่อย ๆ ว่าเป็นโรคทางจิตแม้ว่าพื้นฐานทางระบบประสาทของมันไม่เป็นที่รู้จัก การศึกษาครั้งนี้ใช้ neuroimaging การทำงานเพื่อตรวจสอบการเชื่อมต่อการทำงานของสมองทั้งในวัยรุ่นที่ได้รับการวินิจฉัย อินเทอร์เน็ต ติดยาเสพติด. ขึ้นอยู่กับการเปลี่ยนแปลงทางระบบประสาทที่เห็นในอื่น ๆ ติดยาเสพติด ความผิดปกติที่เกี่ยวข้องก็คาดการณ์ว่าการเชื่อมต่อการหยุดชะงักในวัยรุ่นด้วย อินเทอร์เน็ต ติดยาเสพติด จะโดดเด่นที่สุดในวงจรคอร์ติโค

วิธีการ:

ผู้เข้าร่วมการวิจัยได้รับการวินิจฉัยว่าเป็นวัยรุ่น 12 อินเทอร์เน็ต ติดยาเสพติด และ 11 วิชาเปรียบเทียบที่ดีต่อสุขภาพ ภาพเรโซแนนซ์สนามแม่เหล็กที่ใช้งานได้พักผ่อนได้รับมาและความแตกต่างของกลุ่มในการเชื่อมต่อการทำงานของสมองถูกวิเคราะห์โดยใช้สถิติเครือข่าย นอกจากนี้เรายังวิเคราะห์ทอพอโลยีเครือข่ายการทดสอบความแตกต่างระหว่างกลุ่มในการวัดตามเครือข่ายแบบกราฟ

ผล:

วัยรุ่นด้วย อินเทอร์เน็ต ติดยาเสพติด พบว่าการเชื่อมต่อที่ใช้งานได้ลดลงซึ่งครอบคลุมเครือข่ายแบบกระจาย ส่วนใหญ่ของการเชื่อมต่อบกพร่องที่เกี่ยวข้องกับวงจร cortico-subcortical (∼24% กับ prefrontal และ ∼27% กับเยื่อหุ้มสมองข้างขม่อม) Putamen ทวิภาคีเป็นภูมิภาคสมอง subcortical ที่เกี่ยวข้องมากที่สุด. ไม่พบความแตกต่างระหว่างกลุ่มในการวัดทอพอโลยีเครือข่ายรวมถึงสัมประสิทธิ์การจัดกลุ่มความยาวเส้นทางลักษณะหรืออัตราส่วนขนาดเล็กของโลก

สรุป

อินเทอร์เน็ต ติดยาเสพติด มีความเกี่ยวข้องกับการลดลงอย่างกว้างขวางและสำคัญของการเชื่อมต่อการทำงานในวงจร cortico-striatal ในกรณีที่ไม่มีการเปลี่ยนแปลงระดับโลกในโครงสร้างเครือข่ายการทำงานของสมอง

อ้างอิง: Hong SB, Zalesky A, Cocchi L, Fornito A, Choi EJ, et al. (2013) การลดการเชื่อมต่อของสมองที่ใช้งานได้ในวัยรุ่นที่ติดอินเทอร์เน็ต โปรดหนึ่ง 8 (2): e57831 ดอย: 10.1371 / journal.pone.0057831

 

บทนำ

การติดอินเทอร์เน็ตได้รับการยอมรับมากขึ้นทั้งในที่สาธารณะและชุมชนวิทยาศาสตร์ทั่วโลก [1]แม้ว่ามันจะเป็นสภาพที่ค่อนข้างใหม่และลักษณะทางจิตวิทยาของมันและกลไก neurobiological ยังคงเข้าใจได้ไม่ดี การศึกษา neuroimaging ล่าสุดได้รายงานการเปลี่ยนแปลงที่สำคัญในการทำงานของสมองและโครงสร้างที่เกี่ยวข้องกับการติดอินเทอร์เน็ต การศึกษาส่วนใหญ่เหล่านี้ใช้การถ่ายภาพด้วยเรโซแนนซ์แม่เหล็ก (fMRI) ที่ดำเนินการในระหว่างการทำงานและมีส่วนที่เกี่ยวข้องกับส่วนหน้าและส่วนหน้า [2]-[5]. นอกจากนี้การใช้ภาพเอกซเรย์ปล่อยโพซิตรอน (PET), Kim et al. (2011) พบ dopamine D2 ตัวรับความพร้อมใช้งานลดลงใน caudate ทวิภาคีและ putamen ด้านขวา [6]และ Hou et al. (2012) โดยใช้การตรวจเอกซเรย์คอมพิวเตอร์โดยใช้โฟตอนเดียว (SPECT) พบว่าลดลงระดับการแสดงออกของ dopamine transporter ในผู้ใหญ่ที่ติดอินเทอร์เน็ต [7]. การค้นพบนี้สอดคล้องกับแบบจำลองทางทฤษฎีในปัจจุบันของความผิดปกติของการเสพติดไม่เพียง แต่ประกอบด้วยการติดสารเสพติด แต่ยังติดพฤติกรรม (เช่นการพนันทางพยาธิวิทยา) ซึ่งเน้นถึงพยาธิสภาพของวงจร fronto-striatal [8]เช่นเดียวกับ insula [9], [10]. การศึกษา MRI เชิงโครงสร้างโดย Zhou และคณะ (2011) และหยวนและคณะ (2011) ได้แนะนำความผิดปกติของสารสีเทาในบริเวณสมองรวมถึงเยื่อหุ้มสมองส่วนหน้า [11], [12]และการศึกษาการถ่ายภาพด้วยกล้องกระจายแสงโดย Lin et al. (2012) รายงานความผิดปกติของสารสีขาวอย่างกว้างขวางในวัยรุ่นที่ติดอินเทอร์เน็ต [13]. สุดท้าย Liu และคณะ (2010) พบการเปลี่ยนแปลงความเป็นเนื้อเดียวกันของภูมิภาคในการติดอินเทอร์เน็ต [14]ซึ่งเป็นความรู้ของเราการค้นพบ fMRI แบบพักผ่อนรัฐเดียวในวรรณคดีที่เกี่ยวกับความผิดปกตินี้ [15]. ผู้เขียนตรวจสอบความสม่ำเสมอของโลกในสัญญาณออกซิเจน - ระดับ - ขึ้นอยู่กับ (BOLD) ของแต่ละ voxel กับของ 26 voxels เพื่อนบ้านที่ใกล้ที่สุดในวิธี voxel ฉลาด

พักผ่อนรัฐ fMRI เป็นเทคนิคการถ่ายภาพที่ค่อนข้างใหม่สำหรับการตรวจสอบความสัมพันธ์ระหว่างภูมิภาคของกิจกรรมสมองที่เกิดขึ้นเอง บันทึกเป็นคนอยู่เงียบ ๆ ในสแกนเนอร์โดยไม่ต้องมีส่วนร่วมในงานเฉพาะ [16]. วิธีการดังกล่าวให้วิธีการที่แข็งแกร่งสำหรับการทำแผนที่ระบบการทำงานที่กำหนดไว้อย่างดี [17], [18]. มาตรการพักผ่อนรัฐมีความน่าเชื่อถือ [19], [20]ภายใต้การควบคุมทางพันธุกรรม [21]-[23]และคิดว่าจะจัดทำดัชนีคุณสมบัติที่แท้จริงขององค์กรสมองทำงาน [24]ขึ้นอยู่กับข้อแม้บางอย่าง [25]. เมื่อรวมกับเทคนิคเชิงทฤษฎีกราฟ fMRI ที่พำนัก - รัฐเสนอวิธีการที่มีประสิทธิภาพสำหรับการตรวจสอบองค์กรขนาดใหญ่ของการเปลี่ยนแปลงการทำงานของสมองและการหยุดชะงักในสภาพจิต [26].

ในการศึกษานี้เราใช้ข้อมูลพักผ่อนรัฐ fMRI เพื่อทำแผนที่ความแตกต่างในการเชื่อมต่อการทำงานระหว่างชุด 90 ที่ครอบคลุมบริเวณสมองส่วนนอกและสมอง subcortical ในคนที่มีสุขภาพดีและวัยรุ่นที่ติดอินเทอร์เน็ตโดยมุ่งเน้นไปที่บุคคลที่มีส่วนร่วมในเกมออนไลน์มากเกินไป ของความผิดปกตินี้ [27]. นอกจากนี้เรายังทำการวิเคราะห์ความผิดปกติของทอพอโลยีเครือข่าย [28] เพื่อประเมินว่าความแตกต่างระหว่างกลุ่มในความแข็งแกร่งของการเชื่อมต่อนั้นเกี่ยวข้องกับการกำหนดค่าทั่วโลกของการโต้ตอบการทำงาน [26]ตามที่ได้รับรายงานในความผิดปกติทางจิตเวชอื่น ๆ อีกมากมาย [29], [30].

ขึ้นอยู่กับการค้นพบ neuroimaging โครงสร้างและการทำงานก่อนหน้านี้ในการติดอินเทอร์เน็ต [3], [4], [6], [7], [15]พร้อมกับแบบจำลองทางทฤษฎีที่กำหนดขึ้นของความผิดปกติของการติดสารเสพติด [8], [9]เราตั้งสมมติฐานว่าวัยรุ่นที่ติดอินเทอร์เน็ตจะแสดงการเชื่อมต่อระหว่างภูมิภาคที่เปลี่ยนแปลงระหว่างภูมิภาคด้านหน้าและภูมิภาคซึ่งมีความเป็นไปได้ที่จะมีส่วนร่วมของเยื่อหุ้มสมองข้างนอกและ insula เพิ่มเติม

 

วัสดุและวิธีการ

แถลงการณ์ด้านจริยธรรม

การศึกษาครั้งนี้ได้รับการอนุมัติจากคณะกรรมการตรวจสอบสถาบันสำหรับวิชามนุษย์ที่มหาวิทยาลัยแห่งชาติโซล วัยรุ่นและผู้ปกครองทุกคนให้ความยินยอมเป็นลายลักษณ์อักษรก่อนเข้าศึกษา การศึกษาได้ดำเนินการตามประกาศของเฮลซิงกิ

ผู้เข้าร่วมกิจกรรม

วัยรุ่นชายที่ถนัดขวาสิบสองคนที่ติดอินเทอร์เน็ตและ 11 มือขวาและจับคู่เพศ [31] การควบคุมที่ดีต่อสุขภาพมีส่วนร่วมในการศึกษานี้ การวินิจฉัยการติดอินเทอร์เน็ตถูกสร้างขึ้นโดยใช้ Young Internet Addiction Scale (YIAS) ซึ่งประกอบด้วยรายการ 20 ซึ่งแต่ละรายการจะขึ้นอยู่กับระดับ 5-point Likert เพื่อประเมินระดับของปัญหาที่เกิดจากการใช้อินเทอร์เน็ต [32]และตาราง Kiddie สำหรับความผิดปกติทางอารมณ์และโรคจิตเภทรุ่นปัจจุบันและอายุการใช้งาน (K-SADS-PL) เครื่องมือสัมภาษณ์กึ่งโครงสร้างวินิจฉัยที่มีความถูกต้องและความน่าเชื่อถือซึ่งทำให้เราสามารถแยกความผิดปกติทางจิตเวชอื่น ๆ [33], [34]. ผู้ที่ติดยาเสพติดทางอินเทอร์เน็ตถูก จำกัด อยู่ที่การรายงานว่ามีประสบการณ์การติดยาเสพติดทั่วไป (เช่นความอดทนการถอนการลุ่มหลงกับการเล่นเกมออนไลน์ความพยายามซ้ำ ๆ ที่ไม่ประสบความสำเร็จในการลดหรือหยุดการเล่นเกมออนไลน์ ละเลยความสัมพันธ์หรือกิจกรรมสำคัญเนื่องจากเกมออนไลน์) [35], [36]. ผู้เข้าร่วมทั้งหมดที่ติดอินเทอร์เน็ตรายงานว่ามีการเล่นเกมออนไลน์มากเกินไปในกลุ่มย่อยที่เสนอของความผิดปกตินี้ ใช้เครื่องมือเดียวกันนี้ในการสรรหาวัยรุ่นที่มีสุขภาพดี ข้อมูลประชากรและเชาวน์ปัญญา (IQ) ของผู้เข้าร่วมทั้งหมดได้รับการประเมินเช่นกัน (ดู 1 ตาราง).

ภาพขนาดย่อ

1 ตาราง ลักษณะทางประชากรและทางคลินิกของผู้เข้าร่วม

ดอย: 10.1371 / journal.pone.0057831.t001

การเก็บข้อมูลและการประมวลผลภาพ

ภาพ fMRI ที่อยู่ในสถานะพักผ่อนได้มาจากเครื่องสแกนเนอร์ 3T ซีเมนส์ (ซีเมนส์ Magnetom Trio Tim Syngo MR B17, เยอรมนี) ด้วยพารามิเตอร์ต่อไปนี้: เวลาการทำซ้ำ (TR) 2700 ms; echo time (TE) 30 ms; เมทริกซ์การได้มา 64 × 64; มุมมอง (FOV) 192 × 192 มม2; มุมพลิก 90 °; ขนาด voxel 3.0 มม. × 3.0 มม. × 3.0 มม. 40 ชิ้น เวลารวมของการซื้อกิจการคือ 6 ขั้นต่ำ 45 วินาที ขดลวดหัวถูกนำมาใช้และการเคลื่อนไหวหัวถูกย่อให้เล็กสุดโดยการเติมพื้นที่ว่างรอบ ๆ หัวด้วยวัสดุฟองน้ำและแก้ไขขากรรไกรล่างด้วยเทป

การประมวลผลภาพ fMRI ล่วงหน้าได้ดำเนินการโดยใช้ Data Processing Assistant สำหรับพักผ่อน - fMRI (DPARSF) [37]ซึ่งขึ้นอยู่กับการทำแผนที่พารามิเตอร์เชิงสถิติ (SPM8) และเครื่องมือการวิเคราะห์ข้อมูล fMRI พักผ่อน (REST) ภาพ 5 แรกในแต่ละเรื่องถูกยกเลิกและภาพ 145 ที่เหลือถูกแก้ไขสำหรับการแบ่งเวลาและปรับให้เป็นแนวเสียงแรกเพื่อแก้ไขวัตถุเคลื่อนไหว ผู้เข้าร่วมทั้งหมดแสดงการกระจัดน้อยกว่า 0.5 mm และ 0.5 °ของการหมุนในพารามิเตอร์การเคลื่อนที่ของหัว 6 นอกจากนี้ทั้งสองกลุ่มไม่แตกต่างกันอย่างมีนัยสำคัญ (p<0.05) ในพารามิเตอร์การเคลื่อนที่ของหัวทั้งสี่ที่ Van Dijk et al แนะนำเมื่อเร็ว ๆ นี้ [38]: เช่นการกระจัดศีรษะเฉลี่ย (การติดอินเทอร์เน็ต: 0.04 ± 0.01 มม. การควบคุม: 0.04 ± 0.01 มม.) การกระจัดศีรษะสูงสุด (การติดอินเทอร์เน็ต: 0.18 ± 0.14 มม. การควบคุม: 0.17 ± 0.07 มม.) จำนวนไมโคร (> 0.1 มม. ) การเคลื่อนไหว (ไม่เกิน 2 คนสำหรับผู้เข้าร่วมทั้งหมดยกเว้นบุคคลสองคนในกลุ่มผู้ติดอินเทอร์เน็ตที่มีการเคลื่อนไหว 5 และ 6 ไมโคร) และการหมุนศีรษะ (การติดอินเทอร์เน็ต: 0.04 ± 0.01 °การควบคุม: 0.04 ± 0.00 °) ก่อนการทำให้เป็นปกติเชิงพื้นที่เทมเพลตสมองที่ตรงตามอายุและเพศถูกสร้างขึ้นโดยอาศัยข้อมูลจากการศึกษา NIH MRI ของการพัฒนาสมองปกติโดยใช้ Template-O-Matic [39]. ภาพ fMRI ของเราได้รับการปรับให้เป็นมาตรฐานโดยใช้เทมเพลตที่กำหนดเองนี้และปรับให้เรียบด้วยเคอร์เนล Gaussian แบบเต็มความกว้างครึ่งสูงสุดที่ 6 mm จากนั้นข้อมูลจะถูกกรองและความผันผวนของความถี่ต่ำ (0.01 – 0.08 Hz) ถูกกรองเพื่อตรวจจับสัญญาณจากสสารสีเทาและลดผลกระทบของเสียงรบกวน พารามิเตอร์การเคลื่อนที่ของหัวหกสัญญาณสสารสีขาวและสัญญาณของน้ำไขสันหลังนั้นถูกระงับจากสัญญาณ BOLD ที่ผ่านการกรอง สุดท้ายส่วนที่เหลือของการถดถอยนี้ถูกดึงออกมาจากบริเวณสมอง 90 (ต่อมน้ำ) บนพื้นฐานของแผนที่กายวิภาคอัตโนมัติ (AAL) [40]และการเชื่อมโยงแบบจับคู่ถูกคำนวณทำให้ได้เมทริกซ์การเชื่อมต่อ 90 x 90 ต่อแต่ละเรื่อง ค่าสัมประสิทธิ์สหสัมพันธ์ของเพียร์สัน (zero lag) ถูกนำมาใช้เพื่อหาจำนวนการเชื่อมโยงที่ชาญฉลาดของแต่ละคู่ โปรดทราบว่าสัญญาณทั่วโลกไม่ได้รวมอยู่ในความแปรปรวนร่วมที่ก่อให้เกิดความรำคาญดังนั้นจึงมั่นใจได้ว่าสัดส่วนของความสัมพันธ์เชิงลบมีน้อย

การวิเคราะห์ข้อมูล

สถิติเครือข่าย (NBS) [41], [42] ถูกใช้เพื่อระบุเครือข่ายสมองส่วนภูมิภาคแสดงความแตกต่างอย่างมีนัยสำคัญระหว่างกลุ่มในการเชื่อมต่อการทำงานระหว่างภูมิภาค โดยเฉพาะการทดสอบ t-test เพื่อทดสอบความแตกต่างระหว่างกลุ่มในสัมประสิทธิ์สหสัมพันธ์ที่แต่ละ 90 × (90-1) / 2 = 4005 การจับคู่ภูมิภาคที่ไม่ซ้ำกัน เครือข่ายเชื่อมต่อระหว่างกันหรือที่รู้จักกันอย่างเป็นทางการว่า องค์ประกอบของกราฟถูกระบุในบรรดาการเชื่อมต่อที่มีสถิติเกินค่าขีด จำกัด ของ t = 3.0 ข้อผิดพลาด family-wise (FWE) - แก้ไขค่า p ถูกคำนวณสำหรับขนาดของแต่ละองค์ประกอบที่เกิดขึ้นโดยใช้การทดสอบการเปลี่ยนรูป (20000 permutations) การเปลี่ยนรูปแต่ละครั้งจะมีการสับฉลากกลุ่มแบบสุ่มและระบุขนาดของ ใหญ่ที่สุด เครือข่ายที่เชื่อมต่อระหว่างกันจึงให้การกระจายค่า Null เชิงประจักษ์ของขนาดส่วนประกอบสูงสุด [43]. ค่า p-value ที่แก้ไข FWE ถูกประมาณสำหรับแต่ละเครือข่ายที่เชื่อมต่อระหว่างกันตามสัดส่วนของการเรียงสับเปลี่ยนที่ทำให้เกิดเครือข่ายที่เชื่อมต่อกันขนาดใหญ่ขึ้นหรือขนาดเท่ากัน สมมติฐานทางเลือกทั้งสอง (การเสพติด> การควบคุมและการควบคุมการติด <การควบคุม) ได้รับการประเมินโดยอิสระ ขั้นตอนทั้งหมดนี้ดำเนินการโดยใช้ชุดซอฟต์แวร์ NBS ซึ่งเผยแพร่อย่างอิสระโดยเป็นส่วนหนึ่งของ Brain Connectivity Toolbox (http://www.brain-connectivity-toolbox.net/) หรือ NITRC (http://www.nitrc.org/projects/nbs/) เพื่อประเมินความสามารถในการทำซ้ำของการค้นพบที่สำคัญใด ๆ กับแผนที่ทางเลือก [44]การวิเคราะห์ข้างต้นถูกทำซ้ำแยกต่างหากกับแผนที่ AAL ที่ถูกแทนที่ด้วยแผนที่สองทางเลือกสำหรับการแยกเยื่อหุ้มสมองออกเป็นส่วนที่ไม่ทับซ้อนกัน กล่าวคือแผนที่สถาบันโครงสร้างระบบประสาททรีล (MNI)http://www.fmrib.ox.ac.uk/fsl/data/atlas-descriptions.html) และการสุ่มแบบแบ่งกลุ่มประกอบด้วยภูมิภาค 120 [45]. แผนที่ MNI เป็น parcellation หยาบที่แสดงถึงแปดภูมิภาคกายวิภาคต่อซีกสมองมันจึงอำนวยความสะดวกในการกำหนดลักษณะของการเชื่อมต่อระหว่าง lobar

ต่อไปเราทดสอบความแตกต่างระหว่างกลุ่มในการวัดเครือข่ายแบบกราฟ [28]; คือค่าสัมประสิทธิ์การจัดกลุ่มเฉลี่ยความยาวเส้นทางลักษณะและอัตราส่วนโลกใบเล็ก การตีความมาตรการเหล่านี้ในแง่ของความซับซ้อนของสมองและการจัดระเบียบสามารถพบได้ในวรรณกรรมล่าสุด [26], [30], [46]-[49]. เมทริกซ์การเชื่อมต่อได้รับการต่อยอดครั้งแรกเมื่อเทียบกับชุดของความหนาแน่นการเชื่อมต่อคงที่ตั้งแต่ 10% ถึง 30% [28]. การวัดเครือข่ายถูกคำนวณในแต่ละความหนาแน่นโดยใช้ฟังก์ชั่นที่เหมาะสมที่มีให้ในกล่องเครื่องมือเชื่อมต่อของสมอง สัมประสิทธิ์การจัดกลุ่มและความยาวพา ธ ของคุณลักษณะได้รับการทำให้เป็นมาตรฐานด้วยความเคารพต่อกลุ่มเครือข่ายการสุ่มของ 20 ที่สร้างขึ้นโดยใช้อัลกอริทึมของ Maslov-Sneppen rewiring [50]. ประเมินความแตกต่างระหว่างกลุ่มที่แต่ละความหนาแน่นโดยใช้การทดสอบแบบสองด้าน

สุดท้ายสัมประสิทธิ์การทำคลัสเตอร์และความยาวพา ธ ถูกคำนวณแบบโลคัลสำหรับแต่ละภูมิภาค 90 การทดสอบแบบสองด้านใช้ทดสอบความแตกต่างระหว่างกลุ่มในมาตรการเฉพาะภูมิภาคเหล่านี้ อัตราการค้นพบที่ผิด (FDR) [51] ถูกใช้เพื่อแก้ไขสำหรับการเปรียบเทียบหลายครั้งในตระกูลของความหนาแน่นของเครือข่ายและภูมิภาค

 

ผลสอบ

ลักษณะผู้เข้าร่วม

ผู้เข้าร่วมทั้งหมดเป็นผู้ชายที่ถนัดขวา ไม่พบความแตกต่างอย่างมีนัยสำคัญในอายุและ IQ ระหว่างสองกลุ่มและคะแนน YIAS สูงกว่ากลุ่มติดอินเทอร์เน็ต1 ตาราง).

ความแตกต่างของกลุ่มในการเชื่อมต่อการทำงาน

NBS ระบุเครือข่ายเดียวที่แสดงอย่างชัดเจน (p<0.05, FWE-modified) ลดการเชื่อมต่อในวัยรุ่นที่ติดอินเทอร์เน็ตเมื่อเทียบกับการควบคุม เครือข่ายที่ได้รับผลกระทบนี้ประกอบด้วยลิงก์ 59 ลิงก์ซึ่งเกี่ยวข้องกับส่วนต่างๆของสมอง 38 แห่ง (รูป 1) เครือข่ายถูกจำลองแบบกว้าง ๆ เมื่อแผนที่ AAL ถูกแทนที่ด้วยแผนที่สองทางเลือกสำหรับการแยกเยื่อหุ้มสมองออกเป็นส่วนที่ไม่ทับซ้อนกัน (ดู รูป S1) แม้ว่าจะมีการเปลี่ยนแปลงอย่างมากในจำนวนพื้นที่ทั้งหมดซึ่งประกอบด้วยแผนที่ (AAL: 90, MNI: 16, สุ่ม: 120), ความสอดคล้องที่น่าทึ่งนี้ปรากฏชัดเจนในโครงสร้างเครือข่ายโดยรวม ขนาดเครือข่ายเพิ่มขึ้นคาดว่าจะมีความละเอียด atlas (เช่นจำนวนภูมิภาคทั้งหมด) ก่อให้เกิดการกำหนดค่าที่ซับซ้อนมากขึ้น อย่างไรก็ตามภูมิภาคเยื่อหุ้มสมองและภูมิภาคเยื่อหุ้มสมอง (และกลีบที่สอดคล้องกัน) เกี่ยวข้องมีการจำลองแบบในวงกว้างทั้งสามแผนที่ ตัวเลขถูกมองเห็นได้ด้วย BrainNet Viewer (http://www.nitrc.org/projects/bnv/).

ภาพขนาดย่อ

รูป 1 เครือข่ายการเชื่อมต่อการทำงานของสมองที่ลดลงในวัยรุ่นที่ติดอินเทอร์เน็ต

จุดสีแดงแสดงถึงศูนย์กลางของสมอง (โหนด) ที่กำหนดโดย stereotactic centroids แบบอัตโนมัติกายวิภาคฉลาก (AAL) และเส้นสีฟ้าแสดงถึงการเชื่อมโยง suprathreshold (t = 3.0) ประกอบด้วยเครือข่ายที่ได้รับผลกระทบระบุด้วยสถิติเครือข่าย (NBS) (p<0.05, แก้ไของค์ประกอบอย่างชาญฉลาด) มุมมองแนวแกนแสดงให้เห็นถึงการมีส่วนร่วมของการเชื่อมต่อระหว่างซีกโลก (กล่าวคือการเชื่อมต่อข้ามระหว่างซีกขวาและซีกซ้าย) มุมมองของชาวราศีกันย์แสดงให้เห็นถึงการมีส่วนร่วมของกลีบหน้าผากชั่วคราวและข้างขม่อมในเครือข่ายที่ได้รับผลกระทบ

ดอย: 10.1371 / journal.pone.0057831.g001

กำลังติดตาม Fornito et al. [52]ภูมิภาค AAL ได้รับการจัดหมวดหมู่เป็น lobes สำคัญที่สอดคล้องกัน (เช่น frontal, temporal, parietal) และสัดส่วนของการเชื่อมต่อที่เชื่อมโยงแผนกขนาดใหญ่เหล่านี้ถูกจัดทำปริมาณสำหรับ lobes แต่ละคู่ การเชื่อมต่อ Fronto-temporo-parietal ได้รับผลกระทบ แต่กลีบท้ายทอยไม่รวมอยู่ในเครือข่ายที่ได้รับผลกระทบ ส่วนใหญ่ของการเชื่อมต่อที่ลดลงในกลุ่มติดยาเสพติดอินเทอร์เน็ตที่เกี่ยวข้องกับการเชื่อมโยงระหว่างภูมิภาค subcortical และหน้าผาก (~ 24%) และเยื่อหุ้มสมองข้างขม่อม (~ 27%) cortices (รูป 2) เพื่อให้เข้าใจได้ดีขึ้นว่าภูมิภาค subcortical ใดบ้างที่อาจนำไปสู่การค้นพบนี้เราได้ตรวจสอบการเชื่อมต่อระหว่างกลีบสมองส่วนนอกและแต่ละส่วน subcortical ในเครือข่าย NBS (รูป S2) การวิเคราะห์นี้แสดงให้เห็นว่าภูมิภาค subcortical รวมถึงฮิปโปแคมปัส, ลูกโลก pallidus และ putamen นิวเคลียสของ amygdala และ caudate ไม่รวมอยู่ในเครือข่ายที่ได้รับผลกระทบ Putamen ทวิภาคีเป็นภูมิภาค subcortical ที่เกี่ยวข้องมากที่สุดแสดงให้เห็นการเชื่อมต่อที่ลดลงกับสมองกลีบสำคัญทั้งสามที่เกี่ยวข้อง รูปแบบนี้ถูกจำลองแบบโดยใช้แผนที่ MNI ซึ่งเครือข่ายที่เกิดขึ้นรวมเฉพาะ putamen และ insula นอกเหนือไปจากหน้าผาก, ขม่อมและขมับขมับ; ไม่รวมนิวเคลียสหางและท้ายทอยกลีบในเครือข่ายที่ได้รับผลกระทบ

ภาพขนาดย่อ

รูป 2 สัดส่วนของการเชื่อมต่อที่ได้รับผลกระทบจากการติดอินเทอร์เน็ตที่เชื่อมโยงแผนกสมองในวงกว้าง

จำนวนการเชื่อมโยงที่เกี่ยวข้องกับแต่ละฝ่ายจะถูกทำให้เป็นมาตรฐานโดยจำนวนลิงก์คู่ที่ชาญฉลาดโปรดทราบว่าฮิปโปแคมปัส, ลูกโลกทองคำ pallidus, และ putamen ได้รับมอบหมายให้อยู่ในหมวดหมู่ย่อย นิวเคลียส amygdala และ caudate ไม่ได้รวมอยู่ในเครือข่ายที่กระจัดกระจายและดังนั้นจึงไม่จำเป็นต้องกำหนดภูมิภาคเหล่านี้ให้กับกลีบ putamen, bilaterally, เป็น subcortical ที่เกี่ยวข้องมากที่สุด, แสดงการเชื่อมต่อที่ลดลงกับ lobes สำคัญทั้งสามที่เกี่ยวข้อง.

ดอย: 10.1371 / journal.pone.0057831.g002

เราไม่ได้ระบุเครือข่ายใด ๆ ที่มีการเชื่อมต่อเพิ่มขึ้นในกลุ่มการติดอินเทอร์เน็ต ไม่พบความสัมพันธ์อย่างมีนัยสำคัญระหว่างการเชื่อมต่อการทำงานในเครือข่ายที่ระบุและคะแนน YIAS ไม่ว่าจะในกลุ่มการติดอินเทอร์เน็ตหรือในการควบคุม

ความแตกต่างของกลุ่มในโครงสร้างเครือข่าย

ไม่พบความแตกต่างระหว่างกลุ่มในค่าสัมประสิทธิ์การจัดกลุ่มโดยเฉลี่ยความยาวเส้นทางลักษณะหรืออัตราส่วนขนาดเล็กของโลกที่ความหนาแน่นของเครือข่ายใด ๆ ที่ตรวจสอบ (p<0.05, แก้ไข FDR) (รูป 3) นอกจากนี้ไม่มีความแตกต่างระหว่างกลุ่มในมาตรการท้องถิ่น (เฉพาะภูมิภาค) ที่สอดคล้องช่วยให้รอดชีวิตการแก้ไข FDR สำหรับการเปรียบเทียบหลายรายการ การใช้การแก้ไขในเชิงบวกที่ผิดพลาดที่เข้มงวดน้อยกว่า p<(1/90) = 0.011 [53] เพื่อสำรวจผลกระทบระดับแนวโน้มที่ให้ผลต่างระหว่างกลุ่มในค่าสัมประสิทธิ์การจัดกลุ่มในพื้นที่และความยาวของเส้นทางในพื้นที่ที่ปรากฏในส่วนท้ายของกลีบท้ายทอย (ตาราง S1 และ S2).

ภาพขนาดย่อ

รูป 3 พารามิเตอร์เล็ก ๆ ในโลกของการเชื่อมต่อการทำงานของสมองในวัยรุ่นที่ติดอินเทอร์เน็ต

ดอย: 10.1371 / journal.pone.0057831.g003

 

 

การสนทนา

หลักฐานของการเชื่อมต่อการทำงานของสมองที่ลดลงพบในวัยรุ่นที่ติดอินเทอร์เน็ต สอดคล้องกับแบบจำลองในปัจจุบันที่เน้นบทบาทของพยาธิวิทยานอกในการติดยาเสพติด [54], 24% ของการเชื่อมต่อในเครือข่ายที่มีการเปลี่ยนแปลงสร้างความแตกต่างให้กับผู้ติดยาเสพติดและการควบคุมที่ดีต่อสุขภาพที่เกี่ยวข้องกับการเชื่อมโยงระหว่างภูมิภาคด้านหน้าและภูมิภาคย่อย. 27% เพิ่มเติมเชื่อมโยงพื้นที่ subcortical และข้างขม่อมมีหลักฐานที่ จำกัด มากขึ้นสำหรับการมีส่วนร่วมของ insula อีกครั้งสอดคล้องกับหลักฐานล่าสุดของการมีส่วนร่วมของภูมิภาคเหล่านี้ในการติดยาเสพติด โปรดทราบว่าการวิเคราะห์ของเราให้การทดสอบที่เข้มงวดของรูปแบบการติดยาเสพติด cortico-subcortical เนื่องจากมันรวมถึงมาตรการของการเชื่อมต่อการทำงานของคู่ที่ชาญฉลาดระหว่าง 90 ภูมิภาคต่างๆกระจายอยู่ทั่วสมอง ความจริงที่ว่าระบบ cortico-subcortical กลายเป็นพยาธิวิทยาที่โดดเด่นโดยใช้การวิเคราะห์ที่ขับเคลื่อนด้วยข้อมูลอย่างสมบูรณ์ให้การสนับสนุนที่แข็งแกร่งสำหรับการมีส่วนร่วมของระบบเหล่านี้ในการติดอินเทอร์เน็ต ยิ่งไปกว่านั้นการค้นพบของเราระบุว่าการติดอินเทอร์เน็ตนั้นมีลักษณะทาง neurobiological เหมือนกันกับความผิดปกติของการเสพติดอื่น ๆ และภูมิภาคย่อยโดยเฉพาะอย่างยิ่งอาจเป็นตัวแทนของไซต์หลักของพยาธิวิทยาเครือข่ายสมอง หมายเหตุสำคัญคือมุมมองจากสถาบันแห่งชาติว่าด้วยการใช้ยาในทางที่ผิดว่าพฤติกรรมการเสพติดอาจจะเป็นรูปแบบที่ค่อนข้างบริสุทธิ์ของการติดยาเสพติดโดยคำนึงถึงว่าเงื่อนไขเหล่านี้ไม่ได้ปนเปื้อนจากผลกระทบของสาร [55]. ในขณะที่การศึกษาความผิดปกติอื่น ๆ ของการติดสารเสพติดนั้นได้รับผลกระทบจากความเป็นพิษระดับทุติยภูมิของการใช้สารเสพติดอย่างไม่หยุดหย่อนการติดอินเทอร์เน็ตนั้นได้รับการวินิจฉัยทางพฤติกรรมและให้รูปแบบที่ตรงเป้าหมายมากขึ้นสำหรับการศึกษาเรื่องการติดยา

ในการศึกษานี้ใช้ NBS กับขนาดของเครือข่ายที่วัดตามขอบเขต นั่นคือจำนวนการเชื่อมต่อทั้งหมดที่ประกอบด้วยเครือข่าย การวัดขนาดนี้ไม่เหมาะกับการตรวจจับเอฟเฟกต์ที่เกี่ยวข้องกับการเชื่อมต่อเดี่ยว ๆ ที่แยกได้ซึ่งไม่ได้รวมเครือข่าย เพื่อทดสอบความแตกต่างระหว่างกลุ่มนี้การวิเคราะห์ NBS เป็นการทดสอบซ้ำเพื่อหาความแตกต่างของมวลส่วนประกอบมากกว่าขนาด สถิติมวลให้ความไวต่อโฟกัสและผลกระทบที่รุนแรงกว่าการทดสอบความแตกต่างในขนาดของส่วนประกอบ นอกจากนี้เรายังเปรียบเทียบการใช้ขอบ FDR ที่ชาญฉลาดซึ่งจะมีความไวสูงต่อเอฟเฟกต์ที่มีความเข้มสูงและโฟกัส ไม่มีความแตกต่างระหว่างกลุ่มอย่างมีนัยสำคัญที่ชัดเจนกับทั้ง FDR หรือสถิติมวลแสดงให้เห็นว่าการเชื่อมต่อที่ผิดปกติในการติดอินเทอร์เน็ตครอบคลุมเครือข่ายการกระจายที่เกี่ยวข้องกับหลายภูมิภาคเยื่อหุ้มสมองและ subcortical

เนื่องจากคุณสมบัติของเครือข่ายสมองนั้นมีความอ่อนไหวต่อการเลือกเทมเพลตการแบ่งกลุ่มเราได้ตรวจสอบแผนการ parcellation หลายทางเลือกเพื่อประเมินความสามารถในการทำซ้ำของการค้นพบใด ๆ ต่อการเปลี่ยนแปลงในนิยามของปุ่ม [45], [56], [57]. สิ่งนี้ทำให้เราสามารถแยกแยะความเป็นไปได้ที่การค้นพบบางอย่างเกิดขึ้นเนื่องจากตำแหน่งของโหนดที่ดีทางสถิติ แต่ไม่สามารถทำซ้ำได้กับการจำแนกที่รู้จักกันดีอื่น ๆ

Iไม่มีความแตกต่างกับความแข็งแรงที่ลดลงของการเชื่อมต่อการทำงานพารามิเตอร์ทอพอโลยีเปิดเผยว่าไม่มีความแตกต่างของกลุ่มอย่างมีนัยสำคัญ แม้ว่าเราจะทำการวิเคราะห์เชิงสำรวจเพิ่มเติมโดยอาศัยการควบคุมที่เข้มงวดน้อยกว่ากับข้อผิดพลาดประเภทที่ 1 แต่ผลลัพธ์ก็แสดงให้เห็นความแตกต่างของทอพอโลยีที่เป็นไปได้ส่วนใหญ่เกี่ยวข้องกับกลีบท้ายทอยซึ่งไม่ได้รับผลกระทบในการวิเคราะห์ NBS ดังนั้นในขณะที่การติดอินเทอร์เน็ตนั้นเกี่ยวข้องกับการเชื่อมต่อการทำงานที่ลดลงอย่างมากและมีนัยสำคัญในวงจร cortico-subcortical แต่การลดลงนี้ไม่ได้เกี่ยวข้องกับการหยุดชะงักของโลกในโครงสร้างเครือข่ายการทำงานของสมอง การศึกษานี้แสดงให้เห็นว่าความแตกต่างอย่างกว้างขวางในการเชื่อมต่อการทำงานสามารถมีอยู่ในกรณีที่ไม่มีการเปลี่ยนแปลงในมาตรการทอพอโลยีพื้นฐาน มันอาจดูน่าทึ่งที่ความแตกต่างในความแข็งแกร่งของการเชื่อมต่อนั้นแพร่หลายอย่างมากในกรณีที่ไม่มีความแตกต่างของทอพอโลยีสำคัญ อย่างไรก็ตามสิ่งสำคัญคือต้องสังเกตว่าทอพอโลยีและความแข็งแรงของการเชื่อมต่อเป็นคุณสมบัติที่แตกต่างกันของคอนเนคติกัตและความผิดปกติในอันหนึ่งไม่จำเป็นต้องบ่งบอกถึงความผิดปกติในอีกด้านหนึ่ง การค้นพบที่คล้ายกันได้รับการสังเกตในความผิดปกติอื่น ๆ [52], [58]. อย่างไรก็ตามเราทราบว่าความแตกต่างของกลุ่มนั้นในคุณสมบัติทอพอโลยีบางอย่างมีแนวโน้มไปสู่นัยสำคัญทางสถิติ การวิเคราะห์ตัวอย่างขนาดใหญ่อาจจ่ายกำลังที่จำเป็นเพื่อประกาศผลกระทบเหล่านี้อย่างมีนัยสำคัญ ผลลัพธ์ของเราแนะนำว่าการเปลี่ยนแปลงโทโพโลยีอาจจะบอบบางกว่าที่สังเกตสำหรับมาตรการการเชื่อมต่อการทำงาน

ในบรรดาการเชื่อมต่อ 59 ที่รวมอยู่ในเครือข่ายที่ถูกเปลี่ยนแปลงนั้น 25 คือการเชื่อมต่อระหว่างกันและ 34 นั้นมีการเชื่อมโยงระหว่างกันภายในสมองซึ่งชี้ไปที่การมีส่วนร่วมของการเชื่อมต่อระยะไกลและระยะสั้นทั่วสมอง เนื่องจากการติดอินเทอร์เน็ตนั้นเป็นภาวะสุขภาพจิตที่เพิ่งได้รับการยอมรับโดยมีแนวคิดและเกณฑ์การวินิจฉัยยังคงเข้าใจยากและไม่อาจระบุได้บางทีอาจเป็นเรื่องน่าแปลกใจที่พบเครือข่ายที่ได้รับผลกระทบอย่างกว้างขวางในสมองของอาสาสมัครเหล่านี้ เมื่อเร็ว ๆ นี้หลินและคณะ (2012) ตรวจสอบความสมบูรณ์ของสสารสีขาวในสมองในวัยรุ่นที่ติดอินเทอร์เน็ตโดยใช้การถ่ายภาพแบบกระจาย - เทนเซอร์และพบว่ามีการลดลงอย่างรวดเร็วของเศษส่วน anisotropy (FA) ทั่วสมองโดยไม่มีพื้นที่ FA สูงในกลุ่มติดอินเทอร์เน็ต [13]. ผลลัพธ์ดังกล่าวเกี่ยวข้องกับพื้นฐานทางกายวิภาคที่เป็นไปได้สำหรับการรบกวนการทำงานที่พบในตัวอย่างของเราสมมติฐานที่สามารถทดสอบได้โดยใช้ fMRI ร่วมและการถ่ายภาพกระจายน้ำหนักในผู้เข้าร่วมคนเดียวกัน [59].

เกี่ยวกับจำนวนของการเชื่อมต่อ interhemispheric ที่พบในเครือข่ายที่มีการเปลี่ยนแปลงการสื่อสารระหว่างกันที่มีประสิทธิภาพได้รับการคิดมานานแล้วว่ามีความสำคัญในการทำงานของสมอง [60]-[63]. อย่างไรก็ตามการศึกษา neuroimaging ของการเสพติดค่อนข้างน้อยได้กล่าวถึงการรวมการทำงานระหว่างซีกโลกทั้งสอง เมื่อเร็ว ๆ นี้ Kelly และคณะ (2011) สังเกตการเชื่อมต่อการทำงานระหว่างกันลดลงในผู้ใหญ่ที่ขึ้นกับโคเคน [64]. พวกเขาแสดงให้เห็นถึงการมีส่วนร่วมขั้นต้นของเครือข่าย fronti-parietal ด้วยความสัมพันธ์เชิงขอบเขตของพื้นที่ทางโลกผลลัพธ์ที่ขนานกับการค้นพบของเรา แม้ว่าผู้เขียนได้พูดคุยเกี่ยวกับการค้นพบส่วนใหญ่สะท้อนให้เห็นถึงผลกระทบระยะยาวของการสัมผัสโคเคนเรื้อรัง แต่พวกเขายังกล่าวถึงความเป็นไปได้ที่การลดการเชื่อมต่อการทำงานระหว่าง interhemispheric อาจนำไปสู่การสัมผัสกับโคเคน ผลการศึกษาของเราชี้ให้เห็นว่าการเปลี่ยนแปลงระหว่างกันเหล่านี้สะท้อนให้เห็นถึงความอ่อนแอของความผิดปกติของการเสพติดหรือความสัมพันธ์เชิงเส้นประสาทของพฤติกรรมการติดสารเสพติดทั่วไปมากกว่าการใช้ยารองเป็นเวลานานเนื่องจากการติดยาเสพติดในตัวอย่างของเรา ความเป็นไปได้เหล่านี้สามารถประเมินได้โดยการทดสอบฟีโนไทป์ที่คล้ายคลึงกันระหว่างญาติที่ไม่ได้รับผลกระทบของบุคคลที่มีความผิดปกติของการติดยาหรือพฤติกรรม

สิ่งที่น่าสนใจรูปแบบที่คล้ายกันของการเชื่อมต่อการทำงานของสถานะการพักผ่อนระหว่างรัฐด้านหน้าและข้างขม่อมลดลงทั้งในโคเคนและเฮโรอีนs [64], [65]. ในการทบทวนเมื่อเร็ว ๆ นี้ Sutherland และคณะ (2012) ชี้ให้เห็นว่าการเชื่อมต่อที่ลดลงในวงจร fronto-parietal อาจเป็นองค์ประกอบสำคัญในเครือข่ายการควบคุมการรับรู้บกพร่องของประชากรติดยาเสพติด [54]. การค้นพบของเราในการติดอินเทอร์เน็ตยังสนับสนุนความคิดที่ลดการเชื่อมต่อการทำงานระหว่างภูมิภาคด้านหน้าและข้างขม่อมอาจเป็นลักษณะทั่วไปของการติดยาเสพติดประเภทต่าง ๆ แนะนำการปรากฏตัวของฟีโนไทป์ที่ใช้ร่วมกันที่ไม่ได้เป็นผลรองจากการใช้ยา นอกจากนี้การตรวจสอบล่าสุดของการเชื่อมต่อการทำงานของสมองทั้งในโรคจิตเภทแสดงให้เห็นถึงความโดดเด่น fronto-temporal มากกว่า fronto-parietal หรือ fronto-striatal [52]สอดคล้องกับโมเดลพยาธิสรีรวิทยาคลาสสิกของความผิดปกติ [66]. แน่นอนการค้นพบที่น่าทึ่งที่สุดของการศึกษาในปัจจุบันคือการติดอินเทอร์เน็ตนั้นเกี่ยวข้องกับพยาธิสภาพของวงจร striatal โดยเฉพาะอย่างยิ่งระบบที่เกี่ยวข้องโดยทั่วไปในความผิดปกติของการเสพติดอื่น ๆ แนะนำฟีโนไทป์ neurobiological ที่ใช้ร่วมกัน. การระบุวงจร striatal ที่เปลี่ยนแปลงซึ่งซ้อนทับกับความผิดปกติของการเสพติดที่ดีขึ้นอาจเป็นประโยชน์สำหรับการทดสอบว่ารูปแบบการติดเป็นกรอบทฤษฎีที่เหมาะสมสำหรับการทำความเข้าใจความผิดปกติหรือไม่ [67], [68]. อย่างไรก็ตามการด้อยค่าที่ค่อนข้างแข็งแกร่งของการเชื่อมต่อการทำงานของ fronto-parietal และ fronto-striatal อาจเป็นส่วนใหญ่เฉพาะกับความผิดปกติของการติดยาเสพติดยังคงอยู่ในคำถาม การศึกษาในอนาคตโดยตรงเปรียบเทียบความผิดปกติที่แตกต่างกันมีความจำเป็นเพื่อสร้างความจำเพาะ

หนึ่งในสิ่งที่ค้นพบที่น่าสนใจที่สุดในการศึกษาในปัจจุบันคือการมีส่วนร่วมที่แข็งแกร่งของปูติน โครงสร้างของสมองนี้เป็นที่รู้จักกันในการปรับสารสื่อประสาทหลายชนิดรวมถึงโดปามีนและฟังก์ชั่นโดปามินอิกลูกโซ่ทื่อทื่อมีส่วนเกี่ยวข้องอย่างมากในฐานะหนึ่งในกลไกทางชีววิทยาที่สำคัญของความผิดปกติของการเสพติด [8]. โดปามีนเป็นตัวดัดแปลงที่สำคัญของฟังก์ชั่น putamen และอาจมีบทบาทสำคัญในการรบกวนการเชื่อมต่อการทำงานที่สังเกตในการศึกษานี้ สิ่งนี้สอดคล้องกับหลักฐานเมื่อเร็ว ๆ นี้ว่าการขนย้ายโดปามีนแบบ striatal และการมีตัวรับ D2 มีการเปลี่ยนแปลงในผู้ที่ติดอินเทอร์เน็ต [6], [7] และการปรับระดับโดปามีนทางพันธุกรรมและเภสัชวิทยาของสมองสามารถส่งผลกระทบอย่างลึกซึ้งต่อรูปแบบการเชื่อมต่อการทำงาน [69]-[71]. คำนึงถึงรายงานในอดีตเหล่านี้และกลไกทางระบบประสาทที่เสนอของการเสพติดที่เกี่ยวข้องกับฟังก์ชั่น dopaminergic ทื่อทารกแรกเกิด [8]การทำความเข้าใจผลกระทบของโดปามีนต่อเครือข่ายที่ระบุว่าแสดงการเชื่อมต่อการทำงานที่เปลี่ยนแปลงในการศึกษาปัจจุบันจะเป็นวิธีสำคัญในการทำความเข้าใจเกี่ยวกับความสัมพันธ์ทางระบบประสาทของการติดอินเทอร์เน็ต

จากการค้นพบของเราว่า putamen นั้นเป็น subcortical ที่เกี่ยวข้องมากที่สุดในเครือข่ายการทำงานที่ลดลงซึ่งทำให้นิวเคลียสของหางมีความน่าสนใจเช่นกัน โครงสร้างทั้งสองเป็นส่วนหนึ่งของ striatum ซึ่งเป็นส่วนหนึ่งของโครงสร้าง subcortical โดยปกติแล้ว putamen ถือว่าเป็นบริเวณที่เกี่ยวข้องกับการเคลื่อนไหวของสมองและมีส่วนเกี่ยวข้องกับการเพิ่มสารน้อยกว่า caudate. กิจกรรมยานยนต์ลำดับการเคลื่อนไหวนิ้วที่เรียนรู้มาอย่างดีได้แสดงให้เห็นว่าเกี่ยวข้องกับการเปิดใช้งานใน putamen [72]-[76]. คนที่ทุกข์ทรมานจากการติดอินเทอร์เน็ตอาจได้รับความถี่ที่สูงขึ้นของพฤติกรรมบางอย่างในช่วงระยะเวลาหนึ่งซึ่งรวมถึงการใช้เมาส์และคีย์บอร์ดซ้ำ ๆ และประสบการณ์เหล่านี้อาจส่งผลกระทบต่อสมองของพวกเขา ดังนั้นการเชื่อมต่อที่ผิดปกติเกิดขึ้นจาก putamen อาจบ่งบอกถึงลักษณะเฉพาะของการติดอินเทอร์เน็ต อย่างไรก็ตามในขณะที่เราไม่ได้วัดระดับของการจัดการนิ้วในผู้เข้าร่วมของเราความหมายของการลดลงแทนที่จะเพิ่มการเชื่อมต่อการทำงานที่เกี่ยวข้องกับ putamen ที่เกี่ยวข้องกับการจัดการเมาส์ / คีย์บอร์ดยังคงเปิดให้มีการวิจัยในอนาคต อีกทางหนึ่งการมีส่วนร่วมของ putamen ในการค้นพบของเราอาจสะท้อนให้เห็นถึงบทบาทของมันในกระบวนการทางปัญญาที่ใช้ร่วมกับ caudate และที่มีความบกพร่องในการติดยาเสพติดเช่นการประมวลผลรางวัล [77], [78].

ประเด็นที่ควรพิจารณาอีกประการหนึ่งก็คือการขาดการเชื่อมต่อการทำงานที่เพิ่มขึ้นในกลุ่มการติดอินเทอร์เน็ต แม้ว่าเราคาดว่าส่วนใหญ่จะพบว่าการเชื่อมต่อการทำงานลดลงในกลุ่มติดยาเสพติดในความเป็นจริงเราไม่ได้ยกเว้นความเป็นไปได้ของการสังเกตการเชื่อมต่อการทำงานที่เพิ่มขึ้นเช่นกันโดยเฉพาะอย่างยิ่งจากสมมติฐานที่ว่าวัยรุ่นที่ติดอินเทอร์เน็ตอาจแสดงผลการฝึกฝน [79]-[82]. คำอธิบายหนึ่งที่เป็นไปได้สำหรับการค้นพบเชิงลบอาจเป็นได้ว่าตัวอย่างขนาดเล็กของเราไม่มีอำนาจในการตรวจสอบการเชื่อมต่อการทำงานที่เพิ่มขึ้นเกี่ยวกับการปฏิบัตินี้ อย่างไรก็ตามมันยังไม่เป็นที่ยอมรับอย่างสมบูรณ์ไม่ว่าจะเป็นประสิทธิภาพการรับรู้ในงานบางอย่างหรือความรุนแรงของโรคจิตบางรายการที่ลดลงหรือเพิ่มการเชื่อมต่อการทำงาน [83], [84]. สิ่งที่ควรพิจารณาอีกประการหนึ่งคือผลกระทบของการใช้อินเทอร์เน็ตมากเกินไปในระยะยาวอาจส่งผลกระทบต่อสมองแตกต่างกันไปตามประชากรย่อย ตัวอย่างเช่น, ประชากรย่อยที่เรียกว่าผู้เล่นเกมออนไลน์มืออาชีพมีส่วนร่วมในกิจกรรมทางอินเทอร์เน็ตอย่างเข้มข้นใช้เวลานานในการฝึกฝนเกมออนไลน์และอาจทำงานได้ดีกว่าในเกมเหล่านั้นมากกว่าคนที่ติดอินเทอร์เน็ตและดูเหมือนว่าจะไม่ได้รับการติดยา [85]. ดังนั้นจึงอาจสันนิษฐานได้ว่าผลกระทบในทางปฏิบัติในกิจกรรมทางอินเทอร์เน็ตอาจแตกต่างกันไปตามแต่ละบุคคล

การศึกษาปัจจุบันมีข้อ จำกัด ที่สำคัญบางประการ ครั้งแรกขนาดตัวอย่างค่อนข้างเล็กซึ่งอาจ จำกัด พลังของเราในการตรวจสอบความสัมพันธ์ที่สำคัญระหว่างการเชื่อมต่อการทำงานและคะแนน YIAS ดังนั้นการค้นหาในปัจจุบันจะต้องทำซ้ำในกลุ่มตัวอย่างขนาดใหญ่ของผู้เข้าร่วมที่มีการติดและควบคุมอินเทอร์เน็ต อย่างไรก็ตามเป็นที่น่าสังเกตว่าขนาดตัวอย่างของเรานั้นเทียบได้กับการศึกษา neuroimaging แบบเดิมของการติดอินเทอร์เน็ต ตัวอย่างของเราไม่เหมือนใครเนื่องจากการศึกษาในอดีตส่วนใหญ่อ้างอิงจากผู้ใหญ่ [2]-[7]. ประการที่สองเกณฑ์การวินิจฉัยสำหรับการติดอินเทอร์เน็ตยังไม่ได้รับการยอมรับอย่างแน่นหนาถึงแม้ว่าการค้นพบของเราจะชี้ไปที่พื้นฐานทางชีววิทยาที่มีศักยภาพสำหรับความผิดปกติของสมมุตินี้ ประการที่สามแม้ว่าเราจะไม่รวมความผิดปกติทางจิต comorbid โดยใช้ K-SADS-PL อาการระดับ subthreshold ของสภาพจิต comorbid อาจยังคงมีอยู่ ประการที่สี่การรวบรวมข้อมูลทางคลินิกในวงกว้างเช่นพฤติกรรมการนอนหลับอาจทำให้ข้อมูลของเราดีขึ้นและปรับปรุงการมีส่วนร่วมในวรรณกรรมของเรา [86], [87]. ในที่สุดการออกแบบการศึกษาภาคตัดขวาง จำกัด การตีความความสัมพันธ์เชิงสาเหตุระหว่างการเชื่อมต่อการทำงานลดลงและการพัฒนาของการติดอินเทอร์เน็ต มันควรจะสังเกตว่าการเคลื่อนไหวของศีรษะได้กลายเป็นความสับสนที่สำคัญในการทำงาน neuroimaging [38], [88]. การเคลื่อนไหวของศีรษะได้รับการประเมินอย่างละเอียดในการศึกษานี้โดยใช้ช่วงของมาตรการการหมุนและการกำจัดที่เสนอเมื่อเร็ว ๆ นี้ [38]. ไม่พบความแตกต่างอย่างมีนัยสำคัญระหว่างกลุ่มสำหรับมาตรการการเคลื่อนไหวของหัวที่พิจารณา

Iผลสรุปจากการศึกษาครั้งนี้ชี้ให้เห็นว่าวัยรุ่นที่มีการติดอินเทอร์เน็ตแสดงการเชื่อมต่อการทำงานของสมองในกรณีที่ไม่มีการรบกวนขั้นต้นของทอพอโลยีเครือข่าย เครือข่ายที่ถูกเปลี่ยนแปลงแสดงให้เห็นว่ามีส่วนร่วมอย่างกว้างขวางของการเชื่อมต่อระหว่างหลอดเลือดสมองและสมองระยะสั้น บริเวณสมอง Subcortical อาจมีบทบาทสำคัญในเครือข่ายที่มีการเปลี่ยนแปลงนี้โดยเฉพาะอย่างยิ่ง putamen ซึ่งแสดงให้เห็นการเชื่อมต่อที่ลดลงกับสมองกลีบสำคัญทั้งสามที่เกี่ยวข้อง

 

 

ข้อมูลสนับสนุน

Figure_S1.tif

เครือข่ายของการเชื่อมต่อการทำงานของสมองที่ลดลงในวัยรุ่นที่ติดยาเสพติดอินเทอร์เน็ต (ใช้ atlases ที่แตกต่างกัน)จุดสีแดงแสดงถึงศูนย์กลางของสมอง (โหนด) แบบ stereotactic centroids ที่กำหนดโดย Montreal Neurological Institute (MNI) atlas โครงสร้าง (A) และ Atlas parcellation สุ่ม (B) และเส้นสีฟ้าแสดงถึงการเชื่อมโยง suprathreshold (t = 2.1 และ 3.0 ตามลำดับ) ซึ่งประกอบด้วยผลกระทบ เครือข่ายที่ระบุด้วยสถิติบนเครือข่าย (NBS) (p<0.05 แก้ไของค์ประกอบอย่างชาญฉลาด)

รูปที่ S1

เครือข่ายของการเชื่อมต่อการทำงานของสมองที่ลดลงในวัยรุ่นที่ติดยาเสพติดอินเทอร์เน็ต (ใช้ atlases ที่แตกต่างกัน)จุดสีแดงแสดงถึงศูนย์กลางของสมอง (โหนด) แบบ stereotactic centroids ที่กำหนดโดย Montreal Neurological Institute (MNI) atlas โครงสร้าง (A) และ Atlas parcellation สุ่ม (B) และเส้นสีฟ้าแสดงถึงการเชื่อมโยง suprathreshold (t = 2.1 และ 3.0 ตามลำดับ) ซึ่งประกอบด้วยผลกระทบ เครือข่ายที่ระบุด้วยสถิติบนเครือข่าย (NBS) (p<0.05 แก้ไของค์ประกอบอย่างชาญฉลาด)

(TIF)

รูปที่ S2

สัดส่วนของการเชื่อมต่อที่ได้รับผลกระทบในการติดอินเทอร์เน็ตที่เชื่อมโยงคู่ของส่วนสมองกว้าง (รายละเอียดสำหรับภูมิภาคย่อย)จำนวนลิงก์ที่เกี่ยวข้องกับหน่วยงานแต่ละคู่จะถูกทำให้เป็นมาตรฐานโดยจำนวนลิงก์ทั้งหมดที่จับคู่ได้

(TIF)

ตารางที่ S1

สัมประสิทธิ์การจัดกลุ่มโลคัลตารางนี้แสดงผลลัพธ์ระดับแนวโน้มที่มีการแก้ไขค่าบวกที่ผิดพลาดอย่างเข้มงวดน้อยกว่า p<(1/90) = 0.011; ไม่มีผลลัพธ์ใดที่รอดพ้นจากการแก้ไขอัตราการค้นพบที่ผิดพลาดมาตรฐานสำหรับการเปรียบเทียบหลายครั้ง

(DOC)

ตารางที่ S2

ความยาวเส้นทางท้องถิ่นตารางนี้แสดงผลลัพธ์ระดับแนวโน้มที่มีการแก้ไขค่าบวกที่ผิดพลาดอย่างเข้มงวดน้อยกว่า p<(1/90) = 0.011; ไม่มีผลลัพธ์ใดที่รอดพ้นจากการแก้ไขอัตราการค้นพบที่ผิดพลาดมาตรฐานสำหรับการเปรียบเทียบหลายครั้ง

(DOC)

  

 

ผลงานของผู้เขียน

รู้สึกและออกแบบการทดลอง: SBH EJC HHK JES CDK JWK SHY ดำเนินการทดลอง: SBH EJC HHK JES วิเคราะห์ข้อมูล: SBH AZ LC AF เครื่องมือรีเอเจนต์ / วัสดุ / การวิเคราะห์ที่บริจาค: SBH AZ LC AF CDK JWK SHY เขียนบทความ: SBH AZ LC AF EJC HHK JES CDK JWK SHY

  

 

อ้างอิง

  1. Ko CH, Yen JY, CF CF, Chen CS, Chen CC (2012) ความสัมพันธ์ระหว่างการติดอินเทอร์เน็ตและความผิดปกติทางจิตเวช: การทบทวนวรรณกรรม Eur Psychiatry 27: 1 – 8 ดอย: 10.1016 / j.eurpsy.2010.04.011. ค้นหาบทความนี้ออนไลน์
  2. Dong G, Huang J, Du X (2011) ปรับปรุงความไวของรางวัลและลดความไวต่อการสูญเสียในผู้ติดอินเทอร์เน็ต: การศึกษา fMRI ระหว่างการคาดเดา J Psychiatr Res 45: 1525 – 1529 ดอย: 10.1016 / j.jpsychires.2011.06.017. ค้นหาบทความนี้ออนไลน์
  3. Han DH, Bolo N, Daniels MA, Arenella L, Lyoo IK, และคณะ (2011) กิจกรรมสมองและความต้องการในการเล่นวิดีโอเกมบนอินเทอร์เน็ต Compr Psychiatry 52: 88 – 95 ดอย: 10.1016 / j.comppsych.2010.04.004. ค้นหาบทความนี้ออนไลน์
  4. Han DH, Kim YS, Lee YS, Min KJ, Renshaw PF (2010) การเปลี่ยนแปลงในกิจกรรมคอร์เทกซ์สมองแบบคิวที่เกิดขึ้นเนื่องจากการเล่นวิดีโอเกม Cyberpsychol Behav Soc Netw 13: 655 – 661 ดอย: 10.1089 / cyber.2009.0327. ค้นหาบทความนี้ออนไลน์
  5. Ko CH, Liu GC, Hsiao S, Yen JY, Yang MJ, และคณะ (2009) กิจกรรมสมองที่เกี่ยวข้องกับการกระตุ้นให้เกิดการติดเกมออนไลน์ J Psychiatr Res 43: 739 – 747 ดอย: 10.1016 / j.jpsychires.2008.09.012. ค้นหาบทความนี้ออนไลน์
  6. Kim SH, Baik SH, Park CS, Kim SJ, Choi SW, และคณะ (2011) ตัวรับ dopamine D2 striatal ที่ลดลงในผู้ที่ติดอินเทอร์เน็ต Neuroreport 22: 407 – 411 ดอย: 10.1097/WNR.0b013e328346e16e. ค้นหาบทความนี้ออนไลน์
  7. Hou H, Jia S, Hu S, Fan R, Sun W, และคณะ (2012) ผู้ขนย้ายโดปามีน striatal ที่ลดลงในผู้ที่ติดโรคทางอินเทอร์เน็ต J Biomed Biotechnol 2012: 854524 ดอย: 10.1155/2012/854524. ค้นหาบทความนี้ออนไลน์
  8. Goldstein RZ, Volkow ND (2011) ความผิดปกติของเยื่อหุ้มสมองส่วนหน้าในการติด: การค้นพบ neuroimaging และผลกระทบทางคลินิก Nat Rev Neurosci 12: 652 – 669 ดอย: 10.1038 / nrn3119. ค้นหาบทความนี้ออนไลน์
  9. Goldstein RZ, Craig AD, Bechara A, Garavan H, Childress AR, et al. (2009) neurocircuitry ของความเข้าใจด้านความบกพร่องในการติดยาเสพติด Trends Cogn Sci 13: 372 – 380 ดอย: 10.1016 / j.tics.2009.06.004. ค้นหาบทความนี้ออนไลน์
  10. Naqvi NH, Bechara A (2010) Insula และการติดยาเสพติด: มุมมอง interoceptive ของความสุขคะยั้นคะยอและการตัดสินใจ โครงสร้างสมองนั้นสั่น 214: 435 – 450 ดอย: 10.1007/s00429-010-0268-7. ค้นหาบทความนี้ออนไลน์
  11. Zhou Y, Lin FC, Du YS, Qin LD, Zhao ZM และคณะ (2011) ความผิดปกติของสสารสีเทาในการเสพติดอินเทอร์เน็ต: การศึกษารูปทรงของ Voxel-based Eur J Radiol 79: 92 – 95 ดอย: 10.1016 / j.ejrad.2009.10.025. ค้นหาบทความนี้ออนไลน์
  12. Yuan K, Qin W, Wang G, Zeng F, Zhao L และคณะ (2011) ความผิดปกติของโครงสร้างจุลภาคในวัยรุ่นที่มีอาการติดอินเทอร์เน็ต โปรดหนึ่ง 6: e20708 ดอย: 10.1371 / journal.pone.0020708. ค้นหาบทความนี้ออนไลน์
  13. Lin F, Zhou Y, Du Y, Qin L, Zhao Z และคณะ (2012) ความสมบูรณ์ของสสารสีขาวผิดปกติในวัยรุ่นที่มีอาการติดอินเทอร์เน็ต: การศึกษาเชิงพื้นที่เชิงสถิติ โปรดหนึ่ง 7: e30253 ดอย: 10.1371 / journal.pone.0030253. ค้นหาบทความนี้ออนไลน์
  14. Liu J, Gao XP, Osunde I, Li X, Zhou SK, และคณะ (2010) ความสม่ำเสมอของภูมิภาคเพิ่มขึ้นในความผิดปกติของการติดอินเทอร์เน็ต: การศึกษาการถ่ายภาพด้วยคลื่นสนามแม่เหล็ก Chin Med J (ภาษาอังกฤษ) 123: 1904 – 1908 ค้นหาบทความนี้ออนไลน์
  15. Yuan K, Qin W, Liu Y, Tian J (2011) การเสพติดอินเทอร์เน็ต: การค้นพบทางประสาทสัมผัส Commun Integr Biol 4: 637 – 639 ค้นหาบทความนี้ออนไลน์
  16. Raichle ME, Snyder AZ (2007) โหมดเริ่มต้นของการทำงานของสมอง: ประวัติโดยย่อของแนวคิดที่พัฒนาขึ้น Neuroimage 37: 1083 – 1090; การอภิปราย 1097 – 1089 ดอย: 10.1016 / j.neuroimage.2007.02.041. ค้นหาบทความนี้ออนไลน์
  17. Fox MD, Corbetta M, Snyder AZ, Vincent JL, Raichle ME (2006) กิจกรรมของเซลล์ประสาทที่เกิดขึ้นเองแยกแยะความแตกต่างระหว่างมนุษย์กับระบบความสนใจด้านหลังและหน้าท้อง Proc Natl Acad Sci สหรัฐอเมริกา 103: 10046 – 10051 ดอย: 10.1073 / pnas.0604187103. ค้นหาบทความนี้ออนไลน์
  18. Smith SM, Miller KL, Moeller S, Xu J, Auerbach EJ, และคณะ (2012) โหมดการทำงานที่เป็นอิสระชั่วคราวของการทำงานของสมองที่เกิดขึ้นเอง Proc Natl Acad Sci สหรัฐอเมริกา 109: 3131 – 3136 ดอย: 10.1073 / pnas.1121329109. ค้นหาบทความนี้ออนไลน์
  19. Damoiseaux JS, Rombouts SA, Barkhof F, Scheltens P, Stam CJ, และคณะ (2006) เครือข่ายสถานะการพักผ่อนที่สอดคล้องกันในอาสาสมัครที่มีสุขภาพดี Proc Natl Acad Sci สหรัฐอเมริกา 103: 13848 – 13853 ดอย: 10.1073 / pnas.0601417103. ค้นหาบทความนี้ออนไลน์
  20. Shehzad Z, Kelly AM, Reiss PT, Gee DG, Gotimer K, และคณะ (2009) สมองพักผ่อน: ไม่มีข้อ จำกัด แต่เชื่อถือได้ Cereb Cortex 19: 2209 – 2229 ดอย: 10.1093 / cercor / bhn256. ค้นหาบทความนี้ออนไลน์
  21. Fornito A, Bullmore ET (2012) ฟีโนไทป์ระดับกลางที่เกี่ยวกับการเชื่อมต่อสำหรับความผิดปกติทางจิตเวช จิตเวชศาสตร์ด้านหน้า 3: 32 ดอย: 10.3389 / fpsyt.2012.00032. ค้นหาบทความนี้ออนไลน์
  22. Fornito A, Zalesky A, Bassett DS, Meunier D, Ellison-Wright I, et al. (2011) อิทธิพลทางพันธุกรรมต่อองค์กรที่มีประสิทธิภาพด้านต้นทุนของเครือข่ายการทำงานของเยื่อหุ้มสมองมนุษย์ J Neurosci 31: 3261 – 3270 ดอย: 10.1523 / JNEUROSCI.4858-10.2011. ค้นหาบทความนี้ออนไลน์
  23. Glahn DC, เคลอร์ AM, Kochunov P, Almasy L, Duggirala R, และคณะ (2010) พันธุกรรมควบคุมสมองที่พำนัก Proc Natl Acad Sci สหรัฐอเมริกา 107: 1223 – 1228 ดอย: 10.1073 / pnas.0909969107. ค้นหาบทความนี้ออนไลน์
  24. Fox MD, Raichle ME (2007) ความผันผวนตามธรรมชาติในการทำงานของสมองที่สังเกตได้จากการถ่ายภาพด้วยคลื่นสนามแม่เหล็ก Nat Rev Neurosci 8: 700 – 711 ดอย: 10.1038 / nrn2201. ค้นหาบทความนี้ออนไลน์
  25. Fornito A, Bullmore ET (2010) สัญญาณที่ขึ้นกับระดับออกซิเจนในเลือดแปรปรวนตามธรรมชาติสามารถบอกเราได้อย่างไรเกี่ยวกับความผิดปกติทางจิตเวช? ความเห็นปัจจุบันทางจิตเวชศาสตร์ 23: 239 – 249 ดอย: 10.1097/YCO.0b013e328337d78d. ค้นหาบทความนี้ออนไลน์
  26. Bullmore E, Sporns O (2009) เครือข่ายสมองที่ซับซ้อน: การวิเคราะห์เชิงทฤษฎีกราฟของระบบโครงสร้างและการทำงาน Nat Rev Neurosci 10: 186 – 198 ค้นหาบทความนี้ออนไลน์
  27. บล็อก JJ (2008) ปัญหาสำหรับ DSM-V: การติดอินเทอร์เน็ต ฉันคือจิตเวชศาสตร์ 165: 306 – 307 ดอย: 10.1176 / appi.ajp.2007.07101556. ค้นหาบทความนี้ออนไลน์
  28. Rubinov M, Sporns O (2010) มาตรการเครือข่ายที่ซับซ้อนของการเชื่อมต่อสมอง: การใช้งานและการตีความ Neuroimage 52: 1059 – 1069 ดอย: 10.1016 / j.neuroimage.2009.10.003. ค้นหาบทความนี้ออนไลน์
  29. Xia M, He Y (2011) การถ่ายภาพด้วยคลื่นสนามแม่เหล็กและการวิเคราะห์เชิงทฤษฎีกราฟของเครือข่ายสมองที่ซับซ้อนในความผิดปกติของ neuropsychiatric Brain Connect 1: 349 – 365 ดอย: 10.1089 / brain.2011.0062. ค้นหาบทความนี้ออนไลน์
  30. Fornito A, Zalesky A, Pantelis C, Bullmore ET (2012) โรคจิตเภท, ระบบประสาทและการเชื่อมต่อ Neuroimage doi: 10.1016 / j.neuroimage.2011.12.090. ค้นหาบทความนี้ออนไลน์
  31. Gong G, He Y, Evans AC (2011) การเชื่อมต่อของสมอง: เพศสร้างความแตกต่าง นักประสาทวิทยา 17: 575 – 591 ดอย: 10.1177/1073858410386492. ค้นหาบทความนี้ออนไลน์
  32. Widyanto L, McMurran M (2004) คุณสมบัติทางจิตวิทยาของการทดสอบการติดอินเทอร์เน็ต ไซเบอร์สปิล Behav 7: 443 – 450 ดอย: 10.1089 / cpb.2004.7.443. ค้นหาบทความนี้ออนไลน์
  33. Kaufman J, Birmaher B, Brent D, Rao U, Flynn C, และคณะ (1997) กำหนดเวลาสำหรับความผิดปกติทางอารมณ์และโรคจิตเภทสำหรับเด็กวัยเรียน - รุ่นปัจจุบันและอายุการใช้งาน (K-SADS-PL): ความน่าเชื่อถือเริ่มต้นและข้อมูลความถูกต้อง J Am Acad Child Adolesc Psychiatry 36: 980 – 988 ดอย: 10.1097 / 00004583-199707000 00021-. ค้นหาบทความนี้ออนไลน์
  34. Kim YS, Cheon KA, Kim BN, Chang SA, Yoo HJ, และคณะ (2004) ความน่าเชื่อถือและความถูกต้องของ Kiddie- ตารางเวลาสำหรับความผิดปกติทางอารมณ์และโรคจิตเภท - ปัจจุบันและรุ่นอายุการใช้งาน - เวอร์ชั่นเกาหลี (K-SADS-PL-K) Yonsei Med J 45: 81 – 89 ค้นหาบทความนี้ออนไลน์
  35. Christakis DA (2010) การเสพติดอินเทอร์เน็ต: การระบาดของ 21st ในศตวรรษ? BMC Med 8: 61 ดอย: 10.1186/1741-7015-8-61. ค้นหาบทความนี้ออนไลน์
  36. Flisher C (2010) เสียบเข้ากับ: ภาพรวมของการติดอินเทอร์เน็ต สุขภาพเด็ก J Paediatr 46: 557 – 559 ดอย: 10.1111 / j.1440-1754.2010.01879.x. ค้นหาบทความนี้ออนไลน์
  37. Chao-Gan Y, Yu-Feng Z (2010) DPARSF: กล่องเครื่องมือ MATLAB สำหรับการวิเคราะห์ข้อมูล "ไปป์ไลน์" ของ fMRI แบบพักผ่อน Front Syst Neurosci 4: 13. ค้นหาบทความนี้ออนไลน์
  38. Van Dijk KR, Sabuncu MR, Buckner RL (2012) อิทธิพลของการเคลื่อนที่ของหัวต่อการเชื่อมต่อการทำงานของ MRI Neuroimage 59: 431 – 438 ดอย: 10.1016 / j.neuroimage.2011.07.044. ค้นหาบทความนี้ออนไลน์
  39. Wilke M, Holland SK, Altaye M, Gaser C (2008) Template-O-Matic: กล่องเครื่องมือสำหรับสร้างแม่แบบเด็กที่กำหนดเอง Neuroimage 41: 903 – 913 ดอย: 10.1016 / j.neuroimage.2008.02.056. ค้นหาบทความนี้ออนไลน์
  40. Tzourio-Mazoyer N, Landeau B, Papathanassiou D, Crivello F, Etard O, et al. (2002) การติดฉลากกายวิภาคอัตโนมัติของการเปิดใช้งานใน SPM โดยใช้การแบ่งส่วนกายวิภาคด้วยกล้องจุลทรรศน์ด้วยตาเปล่าของสมองซีกด้านเดียวของ MNI MRI Neuroimage 15: 273 – 289 ดอย: 10.1006 / nimg.2001.0978. ค้นหาบทความนี้ออนไลน์
  41. Zalesky A, Fornito A, Bullmore ET (2010) สถิติบนเครือข่าย: การระบุความแตกต่างในเครือข่ายสมอง Neuroimage 53: 1197 – 1207 ดอย: 10.1016 / j.neuroimage.2010.06.041. ค้นหาบทความนี้ออนไลน์
  42. Zalesky A, Cocchi L, Fornito A, Murray MM, Bullmore E (2012) ความแตกต่างของการเชื่อมต่อในเครือข่ายสมอง Neuroimage 60: 1055 – 1062 ดอย: 10.1016 / j.neuroimage.2012.01.068. ค้นหาบทความนี้ออนไลน์
  43. Nichols TE, Holmes AP (2002) การทดสอบการเปลี่ยนแปลงแบบไม่มีพารามิเตอร์สำหรับ neuroimaging การทำงาน: ไพรเมอร์ที่มีตัวอย่าง การทำแผนที่สมองของมนุษย์ 15: 1 – 25 ดอย: 10.1002 / hbm.1058. ค้นหาบทความนี้ออนไลน์
  44. Wig GS, Schlaggar BL, Petersen SE (2011) แนวคิดและหลักการในการวิเคราะห์เครือข่ายสมอง Ann NY Acad Sci 1224: 126 – 146 ดอย: 10.1111 / j.1749-6632.2010.05947.x. ค้นหาบทความนี้ออนไลน์
  45. Zalesky A, Fornito A, Harding IH, Cocchi L, Yucel M, et al. (2010) เครือข่ายกายวิภาคของสมองทั้งหมด: การเลือกโหนดสำคัญหรือไม่ Neuroimage 50: 970 – 983 ดอย: 10.1016 / j.neuroimage.2009.12.027. ค้นหาบทความนี้ออนไลน์
  46. Bassett DS, Bullmore ET (2009) เครือข่ายสมองของมนุษย์ในด้านสุขภาพและโรค การปรับค่า Neurol 22: 340 – 347 ดอย: 10.1097/WCO.0b013e32832d93dd. ค้นหาบทความนี้ออนไลน์
  47. Guye M, Bettus G, Bartolomei F, Cozzone PJ (2010) กราฟการวิเคราะห์เชิงทฤษฎีของการเชื่อมต่อโครงสร้างและการทำงาน MRI ในเครือข่ายสมองปกติและพยาธิวิทยา MAGMA 23: 409 – 421 ดอย: 10.1007 / s10334-010-0205-z. ค้นหาบทความนี้ออนไลน์
  48. He Y, Evans A (2010) กราฟการสร้างแบบจำลองเชิงทฤษฎีของการเชื่อมต่อสมอง การปรับค่า Neurol 23: 341 – 350 ดอย: 10.1097/WCO.0b013e32833aa567. ค้นหาบทความนี้ออนไลน์
  49. Bassett DS, Gazzaniga MS (2011) เข้าใจความซับซ้อนในสมองของมนุษย์ Trends Cogn Sci 15: 200 – 209 ดอย: 10.1016 / j.tics.2011.03.006. ค้นหาบทความนี้ออนไลน์
  50. Maslov S, Sneppen K (2002) ความจำเพาะและความเสถียรในโครงสร้างเครือข่ายโปรตีน วิทยาศาสตร์ 296: 910 – 913 ดอย: 10.1126 / science.1065103. ค้นหาบทความนี้ออนไลน์
  51. Genovese CR, Lazar NA, Nichols T (2002) การทำแผนที่ทางสถิติซ้ำในการทำ neuroimaging โดยใช้อัตราการค้นพบที่ผิด Neuroimage 15: 870 – 878 ดอย: 10.1006 / nimg.2001.1037. ค้นหาบทความนี้ออนไลน์
  52. Fornito A, Yoon J, Zalesky A, Bullmore ET, Carter CS (2011) การรบกวนการเชื่อมต่อการใช้งานทั่วไปและเฉพาะในผู้ป่วยโรคจิตเภทตอนแรกในระหว่างการควบคุมการรับรู้ จิตเวช Biol 70: 64 – 72 ดอย: 10.1016 / j.biopsych.2011.02.019. ค้นหาบทความนี้ออนไลน์
  53. Lynall ME, Bassett DS, Kerwin R, McKenna PJ, Kitzbichler M, และคณะ (2010) การเชื่อมต่อการทำงานและเครือข่ายสมองในผู้ป่วยโรคจิตเภท J Neurosci 30: 9477 – 9487 ค้นหาบทความนี้ออนไลน์
  54. Sutherland MT, McHugh MJ, Pariyadath V, Stein EA (2012) พักผ่อนการเชื่อมต่อการทำงานของรัฐในการติดยาเสพติด: บทเรียนที่เรียนรู้และเส้นทางข้างหน้า Neuroimage 62: 2281 – 2295 ดอย: 10.1016 / j.neuroimage.2012.01.117. ค้นหาบทความนี้ออนไลน์
  55. Shaw M, Black DW (2008) การเสพติดอินเทอร์เน็ต: คำจำกัดความการประเมินระบาดวิทยาและการจัดการทางคลินิก ยาเสพติดของระบบประสาทส่วนกลาง 22: 353 – 365 ดอย: 10.2165 / 00023210-200822050 00001-. ค้นหาบทความนี้ออนไลน์
  56. วังเจ, วัง L, Zang Y, Yang H, Tang H, และคณะ (2009) เครือข่ายการทำงานของสมองเล็ก ๆ ในโลกใบเล็ก ๆ ที่พึ่งพาการ Parcellation: การศึกษา fMRI ที่พักผ่อน Hum Hum Mapp 30: 1511 – 1523 ดอย: 10.1002 / hbm.20623. ค้นหาบทความนี้ออนไลน์
  57. Fornito A, Zalesky A, Bullmore ET (2010) เอฟเฟกต์การปรับขนาดเครือข่ายในการศึกษาวิเคราะห์เชิงกราฟของข้อมูล FMRI ของรัฐที่พักอาศัย Front Syst Neurosci 4: 22 ดอย: 10.3389 / fnsys.2010.00022. ค้นหาบทความนี้ออนไลน์
  58. Cocchi L, Bramati IE, Zalesky A, Furukawa E, Fontenelle L, et al (2012) แก้ไขการเชื่อมต่อสมองที่ใช้งานได้ในตัวอย่างที่ไม่ใช่ทางคลินิกของคนหนุ่มสาวที่มีความผิดปกติของความสนใจ - ขาดดุล / สมาธิสั้น J Neurosci doi: 10.1523 / JNEUROSCI.3272-12.2012. ค้นหาบทความนี้ออนไลน์
  59. ฮันนี่ CJ, Sporns O, Cammoun L, Gigandet X, Thiran JP, และคณะ (2009) ทำนายการเชื่อมต่อการทำงานของสถานะการพักของมนุษย์จากการเชื่อมต่อโครงสร้าง Proc Natl Acad Sci สหรัฐอเมริกา 106: 2035 – 2040 ดอย: 10.1073 / pnas.0811168106. ค้นหาบทความนี้ออนไลน์
  60. Anderson JS, Druzgal TJ, Froehlich A, DuBray MB, Lange N, et al. (2011) ลดการเชื่อมต่อการทำงานระหว่าง interhemispheric ในออทิสติก Cereb Cortex 21: 1134 – 1146 ดอย: 10.1093 / cercor / bhq190. ค้นหาบทความนี้ออนไลน์
  61. Clarke AR, Barry RJ, Heaven PC, McCarthy R, Selikowitz M, และคณะ (2008) การเชื่อมโยง EEG ในผู้ใหญ่ที่มีความผิดปกติของสมาธิสั้น / สมาธิสั้น Int J Psychophysiol 67: 35 – 40 ดอย: 10.1016 / j.ijpsycho.2007.10.001. ค้นหาบทความนี้ออนไลน์
  62. Pettigrew JD, Miller SM (1998) สวิตช์ interhemispheric 'เหนียว' ในโรคอารมณ์สองขั้ว? Proc Biol Sci 265: 2141–2148 ดอย: 10.1098 / rspb.1998.0551. ค้นหาบทความนี้ออนไลน์
  63. Spencer KM, Nestor PG, Niznikiewicz MA, Salisbury DF, Shenton ME, และคณะ (2003) ความผิดปกติของระบบประสาทในผู้ป่วยโรคจิตเภท J Neurosci 23: 7407 – 7411 ค้นหาบทความนี้ออนไลน์
  64. Kelly C, Zuo XN, Gotimer K, Cox CL, Lynch L, et al. (2011) ลดการเชื่อมต่อการทำงานของ interhemispheric พักผ่อนระหว่างรัฐในการเสพติดโคเคน จิตเวช Biol 69: 684 – 692 ดอย: 10.1016 / j.biopsych.2010.11.022. ค้นหาบทความนี้ออนไลน์
  65. Yuan K, Qin W, Dong M, Liu J, Sun J, และคณะ (2010) การขาดสารสีเทาและความผิดปกติของสถานะพักในผู้ติดเฮโรอีนที่งดออกเสียง Neurosci Lett 482: 101 – 105 ดอย: 10.1016 / j.neulet.2010.07.005. ค้นหาบทความนี้ออนไลน์
  66. Fletcher P, McKenna PJ, Friston KJ, Frith CD, Dolan RJ (1999) การปรับ cingulate ที่ผิดปกติของการเชื่อมต่อ fronto-temporal ในโรคจิตเภท Neuroimage 9: 337 – 342 ดอย: 10.1006 / nimg.1998.0411. ค้นหาบทความนี้ออนไลน์
  67. Choi JS, Shin YC, Jung WH, จาง JH, Kang DH, และคณะ (2012) เปลี่ยนแปลงการทำงานของสมองในระหว่างการคาดหวังผลตอบแทนจากการพนันทางพยาธิวิทยาและความผิดปกติที่ครอบงำ โปรดหนึ่ง 7: e45938 ดอย: 10.1371 / journal.pone.0045938. ค้นหาบทความนี้ออนไลน์
  68. Tomasi D, Volkow ND (2012) ความผิดปกติของวิถีรอยทางเดินในการติดและโรคอ้วน: ความแตกต่างและความคล้ายคลึงกัน Crit Rev Biochem Mol Biol doi: 10.3109/10409238.2012.735642. ค้นหาบทความนี้ออนไลน์
  69. Cole DM, Oei NY, Soeter RP, ทั้ง S, van Gerven JM, และคณะ (2012) สถาปัตยกรรมโดปามีนที่พึ่งพาการเชื่อมต่อเครือข่าย Cortico-Subcortical Cereb Cortex doi: 10.1093 / cercor / bhs136. ค้นหาบทความนี้ออนไลน์
  70. Gordon EM, Stollstorff M, Devaney JM, Bean S, Vaidya CJ (2011) ผลของยีน Dopamine Transporter ต่อการเชื่อมต่อที่ใช้งานได้จริงขึ้นอยู่กับสภาพความรู้ความเข้าใจ Cereb Cortex doi: 10.1093 / cercor / bhr305. ค้นหาบทความนี้ออนไลน์
  71. Rieckmann A, Karlsson S, Fischer H, Backman L (2011) ความหนาแน่นของผู้รับ dopamine D1 Caudate เกี่ยวข้องกับความแตกต่างของบุคคลในการเชื่อมต่อ frontoparietal ระหว่างหน่วยความจำที่ใช้งาน J Neurosci 31: 14284 – 14290 ดอย: 10.1523 / JNEUROSCI.3114-11.2011. ค้นหาบทความนี้ออนไลน์
  72. Lehericy S, Bardinet E, Tremblay L, Van de Moortele PF, Pochon JB, et al. (2006) การควบคุมมอเตอร์ในวงจรปมประสาทฐานโดยใช้วิธี fMRI และแผนที่สมอง Cereb Cortex 16: 149 – 161 ดอย: 10.1093 / cercor / bhi089. ค้นหาบทความนี้ออนไลน์
  73. Jenkins IH, Brooks DJ, Nixon PD, Frackowiak RS, Passingham RE (1994) การเรียนรู้ลำดับของมอเตอร์: การศึกษาด้วยเอกซเรย์ปล่อยโพซิตรอน J Neurosci 14: 3775 – 3790 ค้นหาบทความนี้ออนไลน์
  74. Jueptner M, Frith CD, Brooks DJ, Frackowiak RS, Passingham RE (1997) กายวิภาคศาสตร์ของการเรียนรู้ยนต์ ครั้งที่สอง โครงสร้างย่อยและการเรียนรู้โดยการลองผิดลองถูก J Neurophysiol 77: 1325 – 1337 ค้นหาบทความนี้ออนไลน์
  75. Roland PE, Meyer E, Shibasaki T, Yamamoto YL, Thompson CJ (1982) การไหลเวียนของเลือดในสมองในภูมิภาคในเยื่อหุ้มสมองและฐานปมประสาทระหว่างการเคลื่อนไหวโดยสมัครใจในอาสาสมัครของมนุษย์ปกติ J Neurophysiol 48: 467 – 480 ค้นหาบทความนี้ออนไลน์
  76. Shibasaki H, Sadato N, Lyshkow H, Yonekura Y, Honda M, และคณะ (1993) ทั้งเยื่อหุ้มมอเตอร์หลักและพื้นที่มอเตอร์เสริมมีบทบาทสำคัญในการเคลื่อนไหวของนิ้วมือที่ซับซ้อน สมอง 116 (Pt 6): 1387 – 1398 ดอย: 10.1093 / สมอง / 116.6.1387. ค้นหาบทความนี้ออนไลน์
  77. Volkow ND, Fowler JS, Wang GJ (2003) สมองมนุษย์ที่ติดอยู่: ข้อมูลเชิงลึกจากการศึกษาด้านภาพ J Clin ลงทุน 111: 1444 – 1451 ค้นหาบทความนี้ออนไลน์
  78. Yuan K, Qin W, Liu J, Guo Q, Dong M, และคณะ (2010) แก้ไขเครือข่ายการทำงานของสมองในโลกใบเล็กและระยะเวลาของการใช้เฮโรอีนในผู้ที่ติดเฮโรอีน Neurosci Lett 477: 37 – 42 ดอย: 10.1016 / j.neulet.2010.04.032. ค้นหาบทความนี้ออนไลน์
  79. Di X, Zhu S, Jin H, Wang P, Ye Z, และคณะ (2012) แก้ไขการทำงานของสมองและโครงสร้างสมองในผู้เล่นแบดมินตันมืออาชีพ Brain Connect 2: 225 – 233 ดอย: 10.1089 / brain.2011.0050. ค้นหาบทความนี้ออนไลน์
  80. Duan X, เหลียว W, เหลียง D, Qiu L, Gao Q, และคณะ (2012) เครือข่ายสมองขนาดใหญ่ในผู้เชี่ยวชาญเกมกระดาน: ข้อมูลเชิงลึกจากงานที่เกี่ยวข้องกับโดเมนและสถานะพักผ่อนโดยไม่ต้องทำงาน โปรดหนึ่ง 7: e32532 ดอย: 10.1371 / journal.pone.0032532. ค้นหาบทความนี้ออนไลน์
  81. Ma L, Narayana S, Robin DA, Fox PT, Xiong J (2011) การเปลี่ยนแปลงเกิดขึ้นในการพักเครือข่ายสถานะของระบบมอเตอร์ในช่วง 4 สัปดาห์ของการเรียนรู้ทักษะยนต์ Neuroimage 58: 226 – 233 ค้นหาบทความนี้ออนไลน์
  82. Martinez K, Solana AB, Burgaleta M, Hernandez-Tamames JA, Alvarez-Linera J, et al. (2012) การเปลี่ยนแปลงในสถานะ resting-state ที่เชื่อมต่อกับเครือข่าย parietofrontal หลังจากการฝึกหัดใช้วิดีโอเกม Hum Brain Mapp doi: 10.1002 / hbm.22129. ค้นหาบทความนี้ออนไลน์
  83. Zhou Y, Liang M, Tian L, Wang K, Hao Y, และคณะ (2007) การสลายตัวตามหน้าที่ในผู้ป่วยจิตเภทหวาดระแวงโดยใช้ fMRI พักผ่อน Schizophr Res 97: 194 – 205 ดอย: 10.1016 / j.schres.2007.05.029. ค้นหาบทความนี้ออนไลน์
  84. Whitfield-Gabrieli S, Thermenos HW, Milanovic S, Tsuang MT, Faraone SV และคณะ (2009) สมาธิสั้นและ hyperconnectivity ของเครือข่ายเริ่มต้นในผู้ป่วยโรคจิตเภทและญาติระดับแรกของผู้ป่วยจิตเภท Proc Natl Acad Sci สหรัฐอเมริกา 106: 1279 – 1284 ดอย: 10.1073 / pnas.0809141106. ค้นหาบทความนี้ออนไลน์
  85. Han DH, Lyoo IK, Renshaw PF (2012) ปริมาณสสารสีเทาระดับภูมิภาคที่แตกต่างกันในผู้ป่วยที่ติดเกมออนไลน์และนักเล่นเกมมืออาชีพ J Psychiatr Res 46: 507 – 515 ดอย: 10.1016 / j.jpsychires.2012.01.004. ค้นหาบทความนี้ออนไลน์
  86. De Havas JA, Parimal S, CS เร็ว ๆ นี้, Chee MW (2012) การลิดรอนสลีปช่วยลดการเชื่อมต่อเครือข่ายโหมดเริ่มต้นและการต่อต้านความสัมพันธ์ระหว่างการพักผ่อนและประสิทธิภาพของงาน Neuroimage 59: 1745 – 1751 ดอย: 10.1016 / j.neuroimage.2011.08.026. ค้นหาบทความนี้ออนไลน์
  87. Killgore WD, Schwab ZJ, Weiner MR (2012) ระยะเวลาการนอนหลับตอนกลางคืนที่รายงานด้วยตนเองนั้นมีความเกี่ยวข้องกับการเชื่อมต่อการทำงานของการพักผ่อนในวันถัดไป Neuroreport 23: 741 – 745 ดอย: 10.1097 / WNR.0b013e3283565056. ค้นหาบทความนี้ออนไลน์
  88. Power JD, Barnes KA, Snyder AZ, Schlaggar BL, Petersen SE (2012) ความสัมพันธ์ที่น่าเกรงขาม แต่เป็นระบบในการเชื่อมต่อการทำงานเครือข่าย MRI เกิดขึ้นจากการเคลื่อนไหวของวัตถุ Neuroimage 59: 2142 – 2154 ดอย: 10.1016 / j.neuroimage.2011.10.018. ค้นหาบทความนี้ออนไลน์