การเชื่อมโยงการทำงานที่ไม่สมดุลระหว่างเครือข่ายการควบคุมของผู้บริหารและเครือข่ายของรางวัลอธิบายถึงพฤติกรรมการค้นหาเกมออนไลน์ในความผิดปกติของเกมบนอินเทอร์เน็ต (2015)

กวงเฮงตง,^a,1 เสี่ยวหลิน,¹ หยานโบหู,² Chunming Xie,³ และ เซียวเซียดู⁴

ข้อมูลผู้แต่ง► บันทึกบทความ► ข้อมูลลิขสิทธิ์และใบอนุญาต►

วรรณกรรมได้แสดงให้เห็นว่าอาสาสมัครที่มีความผิดปกติในการเล่นเกมทางอินเทอร์เน็ต (IGD) แสดงให้เห็นถึงการควบคุมของผู้บริหารที่บกพร่องและเพิ่มความไวต่อรางวัลมากกว่าการควบคุมที่ดีต่อสุขภาพ อย่างไรก็ตามเครือข่ายทั้งสองนี้มีผลต่อกระบวนการประเมินมูลค่าและผลักดันพฤติกรรมการแสวงหาเกมออนไลน์ของอาสาสมัคร IGD อย่างไรยังไม่เป็นที่ทราบแน่ชัด IGD สามสิบห้าและการควบคุมที่ดีต่อสุขภาพ 36 รายการได้รับการสแกนสถานะพักในเครื่องสแกน MRI การเชื่อมต่อที่ใช้งานได้ (FC) ได้รับการตรวจสอบภายในการควบคุมและให้รางวัลแก่ภูมิภาคของเครือข่ายตามลำดับ Nucleus accumbens (NAcc) ถูกเลือกให้เป็นโหนดเพื่อค้นหาปฏิสัมพันธ์ระหว่างเครือข่ายทั้งสองนี้ วิชา IGD แสดง FC ที่ลดลงในเครือข่ายการควบคุมของผู้บริหารและ FC ที่เพิ่มขึ้นในเครือข่ายรางวัลเมื่อเปรียบเทียบกับการควบคุมที่ดีต่อสุขภาพ เมื่อตรวจสอบความสัมพันธ์ระหว่าง NAcc กับเครือข่ายการควบคุม / การให้รางวัลของผู้บริหารการเชื่อมโยงระหว่าง NAcc - เครือข่ายการควบคุมผู้บริหารจะเกี่ยวข้องในเชิงลบกับการเชื่อมโยงระหว่างเครือข่าย NAcc - รางวัล การเปลี่ยนแปลง (ลด / เพิ่ม) ในการซิงโครไนซ์สมองของอาสาสมัคร IGD ในเครือข่ายการควบคุม / การให้รางวัลบ่งบอกถึงการประมวลผลที่ไม่มีประสิทธิภาพ / มากเกินไปภายในวงจรประสาทที่อยู่ภายใต้กระบวนการเหล่านี้ สัดส่วนผกผันระหว่างเครือข่ายควบคุมและเครือข่ายรางวัลใน IGD ชี้ให้เห็นว่าความบกพร่องในการควบคุมของผู้บริหารนำไปสู่การยับยั้งความอยากที่เพิ่มขึ้นอย่างไม่มีประสิทธิภาพในการเล่นเกมออนไลน์มากเกินไป สิ่งนี้อาจทำให้เข้าใจถึงความเข้าใจเชิงกลไกของ IGD

การคัดเลือกผู้เข้าร่วม

การทดลองเป็นไปตามประมวลจริยธรรมของสมาคมการแพทย์โลก (ปฏิญญาเฮลซิงกิ) คณะกรรมการสอบสวนมนุษย์ของ Zhejiang Normal University อนุมัติการวิจัยนี้ วิธีการได้ดำเนินการตามแนวทางที่ได้รับอนุมัติ ผู้เข้าร่วมเป็นนักศึกษามหาวิทยาลัยและได้รับคัดเลือกผ่านโฆษณา ผู้เข้าร่วมเป็นคนถนัดขวา (วิชา 35 IGA, 36 การควบคุมสุขภาพ (HC)) กลุ่ม IGD และ HC ไม่แตกต่างกันอย่างมีนัยสำคัญในอายุ (IGA เฉลี่ย = 22.21, SD = ปี 3.08; HC หมายถึง = 22.81, SD = ปี 2.36; t = 0.69, p = 0.49) มีเพียงผู้ชายเท่านั้นที่ถูกรวมเนื่องจาก IGD ที่สูงขึ้นในผู้ชายมากกว่าผู้หญิง ผู้เข้าร่วมทั้งหมดให้ความยินยอมเป็นลายลักษณ์อักษรและการสัมภาษณ์ทางจิตเวชที่มีโครงสร้าง (MINI)³³ ซึ่งดำเนินการโดยจิตแพทย์ที่มีประสบการณ์ซึ่งใช้เวลาประมาณ 15 นาที ผู้เข้าร่วมทั้งหมดไม่มีโรคจิตเวช Axis I ที่ระบุไว้ใน MINI เราได้ประเมิน 'ภาวะซึมเศร้า' เพิ่มเติมด้วยสินค้าคงคลังของ Beck Depression³⁴ และมีเพียงผู้เข้าร่วมที่ให้คะแนนน้อยกว่า 5 เท่านั้น ผู้เข้าร่วมทุกคนได้รับคำสั่งให้ไม่ใช้สารเสพติดใด ๆ รวมถึงเครื่องดื่มคาเฟอีนในวันที่ทำการสแกน ไม่มีผู้เข้าร่วมรายงานการใช้ยาผิดกฎหมายก่อนหน้านี้ (เช่นโคเคนกัญชา)

ความผิดปกติของการติดอินเทอร์เน็ตได้รับการพิจารณาจากการทดสอบการติดอินเทอร์เน็ตออนไลน์ของ Young (IAT)³⁵ คะแนน 50 หรือสูงกว่า IAT ของ Young ประกอบด้วย 20 รายการจากมุมมองที่แตกต่างกันของการใช้อินเทอร์เน็ตออนไลน์รวมถึงการพึ่งพาทางจิตใจการใช้งานเชิงบังคับการถอนตัวปัญหาในโรงเรียนหรือที่ทำงานการนอนหลับครอบครัวหรือการจัดการเวลา³⁵. IAT ได้รับการพิสูจน์แล้วว่าเป็นเครื่องมือที่ถูกต้องและเชื่อถือได้ซึ่งสามารถใช้ในการจำแนกประเภท IAD^36,37. สำหรับแต่ละรายการการตอบกลับอย่างช้าๆจะถูกเลือกจาก 1 =“ Rarely” ถึง 5 =“ เสมอ” หรือ“ ไม่ได้ใช้” คะแนนมากกว่า 50 บ่งบอกถึงปัญหาที่เกี่ยวข้องกับอินเทอร์เน็ตเป็นครั้งคราวหรือบ่อยครั้ง) (www.netaddiction.com). เมื่อเลือกวิชา IGD เราได้เพิ่มเกณฑ์เพิ่มเติมในมาตรการ IAT ที่กำหนดไว้ของ Young: 'คุณใช้เวลาออนไลน์ ___% ในการเล่นเกมออนไลน์' (> 80%)

การสแกนข้อมูลพักผ่อน

การสแกนดำเนินการในศูนย์ MRI ใน East-China Normal University ข้อมูล MRI ได้มาโดยใช้เครื่องสแกน Siemens Trio 3T (Siemens, Erlangen, Germany) 'สถานะพัก' ถูกกำหนดให้ไม่มีงานด้านความรู้ความเข้าใจเฉพาะในระหว่างการสแกน fMRI ในงานของเรา ผู้เข้าร่วมจะต้องนิ่งหลับตาตื่นตัวและไม่คิดอะไรอย่างเป็นระบบ^38,39. เพื่อลดการเคลื่อนไหวของศีรษะผู้เข้าร่วมจะหงายหงายด้วยการแก้ไขหัวอย่างอบอุ่นด้วยเข็มขัดและแผ่นโฟม ภาพการทำงานของสถานะพักผ่อนได้รับมาจากการใช้ลำดับ EPI (การถ่ายภาพก้องพลานาร์) พารามิเตอร์การสแกนมีดังนี้: interleaved, เวลาการทำซ้ำ = 2000 ms, 33 แกนตามแนวแกน, ความหนา = 3.0 mm, ความละเอียดในระนาบ = 64 * 64, เวลาสะท้อน = 30 ms, มุมมองพลิก = 90, มุมมอง = 240, ปริมาณ 240 mm, 210 (7 ขั้นต่ำ) ภาพโครงสร้างถูกรวบรวมโดยใช้ 1D แบบถ่วงน้ำหนัก T3D ซึ่งเป็นลำดับไล่ระดับสีที่ทำให้เหลื่อมกันและถูกปกคลุมทั่วทั้งสมอง (ชิ้น 176 เวลาการทำซ้ำ = 1700 ms, เวลา echo TE = 2.26 mm, ความหนาชิ้น = 1.0 mm, skip = 0 mm , มุมพลิก = 90 °, มุมมอง = 240 * 240 มม, ความละเอียดในระนาบ = 256 * 256)

การประมวลผลข้อมูลล่วงหน้า

ข้อมูลที่เหลือถูกดำเนินการโดยใช้ REST และ DPARSF (http://restfmri.org)⁴⁰. การประมวลผลล่วงหน้าประกอบด้วยการลบจุดเวลา 10 แรก (เนื่องจากความสมดุลของสัญญาณและเพื่อให้ผู้เข้าร่วมปรับตัวกับเสียงการสแกน), การแก้ไขทางสรีรวิทยา, การแบ่งเวลา, การลงทะเบียนปริมาตรและการแก้ไขการเคลื่อนไหวของหัว การปนเปื้อนที่เป็นไปได้จากสัญญาณรบกวนหลายอย่างรวมถึงสัญญาณของสสารสีขาว, ไขสันหลังสมอง, สัญญาณทั่วโลก, และเวกเตอร์เคลื่อนที่หกอัน อนุกรมเวลาของภาพของแต่ละวัตถุได้รับการแก้ไขการเคลื่อนไหวโดยใช้วิธีกำลังสองน้อยที่สุดและการแปลงเชิงเส้นแบบหกพารามิเตอร์ (ตัวแข็ง)⁴¹. ภาพโครงสร้างแต่ละภาพได้รับการลงทะเบียนร่วมกับภาพหน้าที่เฉลี่ยหลังจากการแก้ไขการเคลื่อนไหวโดยใช้การแปลงเชิงเส้น ไดรฟ์ข้อมูลเชิงฟังก์ชันที่ได้รับการแก้ไขการเคลื่อนไหวถูกทำให้เป็นมาตรฐานเชิงพื้นที่ไปยังพื้นที่ MNI (Montreal Neurological Institute) และสุ่มตัวอย่างใหม่เป็นไอโซทรอปิก voxels ขนาด 3 มม. การประมวลผลล่วงหน้าเพิ่มเติม ได้แก่ (1) การกรองแบนด์พาสระหว่าง 0.01 ถึง 0.08 เฮิรตซ์ (2) เพื่อประเมินการเชื่อมต่อเชิงฟังก์ชันก่อนอื่นเราจะคำนวณค่าสัมประสิทธิ์สหสัมพันธ์ของเพียร์สันระหว่างช่วงเวลาความเข้มของสัญญาณเฉลี่ยของคู่ภูมิภาคที่สนใจ (ROI) แต่ละคู่ การแปลง r-to-z ของฟิชเชอร์ถูกนำไปใช้กับแผนที่สหสัมพันธ์แต่ละรายการเพื่อให้ได้การแจกแจงปกติโดยประมาณของค่าการเชื่อมต่อที่ใช้งานได้และเพื่อใช้สถิติพาราเมตริกตามนั้น

เลือก ROI ในส่วนที่เหลือ

เมล็ดถูกเลือกเป็นนิรนัยบนพื้นฐานของวรรณกรรมที่ตีพิมพ์มากกว่าที่ได้มาจากพื้นที่ของเมล็ดพันธุ์จากงานคือการหลีกเลี่ยงอคติและเพื่อเพิ่มความเป็นไปได้โดยทั่วไปของการค้นพบ สำหรับเครือข่ายการควบคุมเมล็ดพันธุ์ถูกกำหนดจากการศึกษา FC เมื่อเร็ว ๆ นี้โดยใช้ข้อมูลจากผู้ใหญ่วัย 1000⁴² แนะนำเครือข่ายการควบคุมหน้าผากและข้างขม่อมรวมถึงหกส่วนของสมอง พวกเขาอยู่ในพื้นที่ด้านหน้าและข้างขม่อมของสมอง (ค้นหาพิกัดโดยละเอียดจาก รูป 1) เราใช้พิกัดสมมาตรเพื่อเลือกเมล็ดจากซีกโลกด้านขวา

 

รูป 1

ROIs ที่เลือกในการวิจัย

สำหรับเครือข่ายการประเมินมูลค่ารางวัลการศึกษาจำนวนมากได้แนะนำว่าวงจรวงโคจรของวงโคจรด้านหน้ามีการสนับสนุนการเปลี่ยนประเภทของรางวัลในอนาคตที่แตกต่างกันไปเป็นสกุลเงินภายใน^18,20,21. วงจรนี้รวมถึง ventral striatum, dorsal striatum และ orbitofrontal circuit นอกจากนี้การศึกษาก่อนหน้านี้ยังแสดงให้เห็นว่าเครือข่าย amygdala เป็นภูมิภาคสำคัญที่อ้างอิงการประเมินรางวัล⁴³. ดังนั้นในการศึกษาครั้งนี้เราจึงได้รวม amygdala เข้าสู่เครือข่ายของรางวัลด้วย เนื่องจาก striatum, amygdala เป็นบริเวณสมองเล็ก ๆ ที่สัมพันธ์กันเราจึงเลือกทั้งภูมิภาคเป็นเมล็ด amygdala สกัดจากแผนที่ย่อยของฮาร์วาร์ด - ออกซ์ฟอร์ด; striatum ถูกเลือกโดยใช้ Oxford-striatum-atlas สำหรับ OFC เมล็ดถูกกำหนดโดยใช้การวิเคราะห์อภิมาน^44,45ซึ่งชี้ให้เห็นถึงสองส่วนย่อยของ OFC functional sub-region ด้านข้างที่แตกต่างกันส่วนหนึ่งเกี่ยวข้องกับการเป็นตัวแทนในการเสริมแรงจูงใจ (−23, 30, −12 และ 16, 29, −13) และการประเมินผู้ลงโทษที่นำไปสู่การเปลี่ยนแปลงพฤติกรรม (−32 , 40, −11 และ 33, 39, −11) ดู รูป 1.

ความเชื่อมโยงระหว่างเมล็ดพันธุ์ที่เราเลือกข้างต้นสามารถให้เฉพาะความแตกต่างระดับกลุ่มและแสดงการเชื่อมต่อภายในเครือข่ายการควบคุมและเครือข่ายรางวัลแยกกัน ในการค้นหาปฏิสัมพันธ์ระหว่างเครือข่ายทั้งสองนี้สำหรับแต่ละเรื่องและวิธีที่พวกเขามีอิทธิพลต่อพฤติกรรมร่วมกันเราจำเป็นต้องมี "โหนด" ที่เชื่อมต่อกับทั้งสองเครือข่าย ในการศึกษานี้เราได้เลือกบริเวณนิวเคลียส accumbens (NAcc) เป็นโหนดเกี่ยวพันหรือภูมิภาค 'เมล็ดพันธุ์' เพื่อเชื่อมโยงระหว่างเครือข่ายการควบคุมและการให้รางวัลเนื่องจาก NAcc มีบทบาทสำคัญในการเสพติด⁴⁶และได้รับการพิสูจน์แล้วว่าเป็นโหนดเชื่อมต่อที่มีคุณค่าในการศึกษาการเสพติด²¹. NAcc ยังถูกสกัดจากแผนที่ย่อยของ Harvard-Oxford

การคำนวณการเชื่อมต่อการทำงาน

สำหรับ ROI แต่ละครั้งจะได้รับหลักสูตรเวลา BOLD ตัวแทนโดยเฉลี่ยสัญญาณของ voxels ทั้งหมดภายใน ROI วรรณกรรมบนเครือข่ายการใช้งานได้แสดงให้เห็นว่าองค์ประกอบซีกซ้ายและขวาแยกออกจากกันได้^47,48,49. ดังนั้นในการศึกษานี้เราจะคำนวณค่าเฉลี่ยของ FCs ระหว่าง ROIs เครือข่ายการควบคุมซ้าย / ขวา จากนั้นเรานำค่าเฉลี่ยของ FC ทั้งสองนี้เป็นดัชนี FC ทั้งหมด ความสัมพันธ์ระหว่าง NAcc และเครือข่ายผู้บริหาร / รางวัลคำนวณได้ดังนี้: เราคำนวณค่าเฉลี่ยของ FCs ระหว่าง NAcc และ ROIs เครือข่ายการควบคุม / รางวัลในซีกโลกเดียวกัน จากนั้นเราก็นำค่าเฉลี่ยของ FCs ครึ่งซีกเหล่านี้เป็นดัชนี FC โดยรวม

ความแตกต่างของ FC ในการควบคุมเครือข่ายระหว่าง IGD และ HC

รูป 2 แสดง FC ในเครือข่ายการควบคุมใน IGD และ HC FC ในเครือข่ายการควบคุมใน HC มีความหมายสูงกว่าใน IGD ทั้งในสมองทั้งหมดและในระดับซีกโลก (HC นั้นสำคัญน้อยกว่า IGD ใน FC ในเครือข่ายการควบคุมด้านซ้าย)

 

รูป 2

คอมโพสิตดัชนี FC ของเครือข่ายการควบคุมในกลุ่ม IGD และ HC ในการเปรียบเทียบที่แตกต่างกัน: สมองทั้งหมด (ซ้าย), ซีกซ้าย (กลาง), และซีกขวา (ขวา)

ความแตกต่างของ FC ในเครือข่ายรางวัลระหว่าง IGD และ HC

รูป 3 แสดง FC ในเครือข่ายของรางวัลใน IGD และ HC FC ในเครือข่ายรางวัล IGD นั้นมีความสำคัญสูงกว่า HC ในสมองทั้งหมดp = 0.060) และซีกซ้าย (p = 0.061) แม้ว่า IGD จะแสดง FC ที่สูงกว่า HC ในซีกขวา แต่มันไม่ถึงนัยสำคัญทางสถิติ (p = 0.112)

 

รูป 3

คอมโพสิตดัชนี FC ของเครือข่ายรางวัลในกลุ่ม IGD และ HC ในการเปรียบเทียบที่แตกต่างกัน: สมองทั้งหมด (ซ้าย), ซีกซ้าย (กลาง), และซีกขวา (ขวา)

ปฏิสัมพันธ์ระหว่างเครือข่ายควบคุมและเครือข่ายรางวัล

เราคำนวณการโต้ตอบระหว่างเครือข่ายการควบคุมและเครือข่ายผลตอบแทนในระดับสมองทั้งหมดและระดับสมองซีก แถวแรกของ รูป 4 แสดงความสัมพันธ์ระหว่างเครือข่ายควบคุมและเครือข่ายผลตอบแทนในสมองทั้งหมดในทุกวิชา (ซ้าย) และในกลุ่ม (ขวา) เราสามารถค้นหา FC ในเครือข่ายการควบคุมมีความสัมพันธ์เชิงลบกับเครือข่ายรางวัลในทุกกลุ่มวิชา ตัวเลขในแถวที่สองแสดงให้เห็นว่าเครือข่ายควบคุมมีความสัมพันธ์แบบผกผันกับเครือข่ายรางวัลในซีกซ้าย อย่างไรก็ตามในซีกขวา (แถวที่สาม) แม้ว่าพวกเขาจะแสดงแนวโน้มเชิงลบความสัมพันธ์เหล่านี้ทั้งหมดไม่ถึงความสำคัญทางสถิติ (นี่อาจเป็นเพราะเครือข่ายการควบคุม ROIs ทั้งหมดถูกกำหนดในซีกซ้ายมือ ROIs ในซีกขวาถูกเลือกตาม ซีกซ้ายซ้ายสมมาตร) แถวที่สี่แสดงให้เห็นถึงการมีปฏิสัมพันธ์ระหว่างซีกโลกระหว่างเครือข่ายควบคุมและเครือข่ายรางวัล นอกจากนี้เรายังสามารถหาความสัมพันธ์เชิงลบระหว่างเครือข่ายควบคุมและเครือข่ายรางวัล ใช้เวลาทั้งหมดแม้ว่าความสัมพันธ์เหล่านี้บางอย่างจะไม่ถึงความสำคัญทางสถิติ แต่เราก็สามารถอนุมานได้ว่าเครือข่ายการควบคุมนั้นเกี่ยวข้องกับเครือข่ายรางวัล

 

รูป 4

ความสัมพันธ์ระหว่างเครือข่ายควบคุมและดัชนีเครือข่ายรางวัลในทุกวิชา (ซ้าย), IGD (กลาง) และกลุ่ม HC (ขวา) ตามลำดับ

ซิงโครไนซ์เครือข่ายการควบคุมที่ต่ำกว่าและซิงโครไนซ์เครือข่ายรางวัลที่สูงขึ้นในวิชา IGD

ในการศึกษานี้เราสังเกตว่าซิงโครไนซ์ของเครือข่ายควบคุมผู้บริหารของอาสาสมัคร IGD ลดลงเมื่อเปรียบเทียบกับ HC โมเดลการเชื่อมโยงทางขมับแสดงให้เห็นว่าการประสานสัญญาณสมองระหว่างบริเวณสมองมีความสำคัญอย่างยิ่งในการอำนวยความสะดวกในการสื่อสารทางประสาท³¹. ดังนั้นการซิงโครไนซ์ที่ลดลงในเครือข่ายการควบคุมอาจบ่งชี้ว่าการเล่นเกมออนไลน์เป็นเวลานานของผู้เข้าร่วม IGD ทำให้ระบบควบคุมของผู้บริหารบกพร่อง การศึกษาก่อนหน้านี้พบว่า FC ในเครือข่ายเฉพาะสามารถเป็นตัวทำนายประสิทธิภาพพฤติกรรมที่เกี่ยวข้องได้^30,50,51. การศึกษา fMRI จากงานยังแสดงให้เห็นว่าอาสาสมัคร IGD แสดงให้เห็นว่าการยับยั้งการตอบสนองลดลงกว่าการควบคุมสุขภาพ^8,9,11,12. แนวโน้มการตอบสนองดังกล่าวดูเหมือนจะได้รับอิทธิพลจากสิ่งเร้าที่เกี่ยวข้องกับเกมออนไลน์โดยมีประสิทธิภาพที่แย่ลงใน IGD มากกว่าในเรื่องที่ไม่ใช่ IGD⁹. การตั้งค่าการเปลี่ยนแปลงที่ชัดเจนและการขาดการควบคุมความรู้ความเข้าใจใน IGD อาจเกี่ยวข้องกับการประมวลผลที่ไม่มีประสิทธิภาพภายในวงจรประสาทที่เกี่ยวข้องกับกระบวนการเหล่านี้พร้อมกับมาตรการทางประสาทบางส่วนที่เกี่ยวข้องกับความรุนแรงของ IGD¹².

ในเครือข่ายรางวัล FC ใน IGD นั้นมีนัยสำคัญสูงกว่าใน HC การเชื่อมโยงที่แข็งแกร่งระหว่างเมล็ดเครือข่ายรางวัลใน IGD ชี้ให้เห็นว่าพวกเขาแสดงความอยากได้รางวัลที่เพิ่มขึ้นเพื่อให้รางวัลมากกว่ากลุ่ม HC การศึกษา fMRI จากงานได้แสดงให้เห็นว่าค่าความไวของรางวัลนั้นสูงขึ้นเมื่อเปรียบเทียบกับกลุ่มควบคุมที่มีสุขภาพดี^2,9,14,15 ในสถานการณ์ที่ไม่รุนแรงและรุนแรง ความไวของรางวัลที่เพิ่มขึ้นอาจนำไปสู่ความต้องการที่เพิ่มขึ้นในการเล่นเกมออนไลน์เนื่องจากวิชา IGD อาจได้รับรางวัลมากขึ้น และเกมออนไลน์ในระยะยาวอาจทำให้ผู้เล่นดื่มด่ำกับประสบการณ์เสมือนจริงและสัมผัสประสบการณ์เหล่านี้ในชีวิตจริง⁵².

ความสัมพันธ์ที่ไม่สมดุลระหว่างเครือข่ายควบคุมและเครือข่ายรางวัล

เพื่อทดสอบปฏิสัมพันธ์ระหว่างเครือข่ายการควบคุมของผู้บริหารและเครือข่ายรางวัลและค้นหาว่าพวกเขามีอิทธิพลต่อพฤติกรรมขั้นสุดท้ายในแต่ละวิชาอย่างไรเราจึงเลือก NAcc เป็นโหนดเชื่อมต่อหรือภูมิภาค 'เมล็ดพันธุ์' เพื่อเชื่อมโยงการควบคุมของผู้บริหารและรางวัล เครือข่าย รูป 4 แสดงให้เห็นว่าดัชนีของเครือข่ายการควบคุมผู้บริหารและเครือข่ายของรางวัลมีสัดส่วนผกผันอย่างมีนัยสำคัญซึ่งแสดงให้เห็นว่าการเชื่อมต่อเครือข่ายของรางวัลที่แข็งแกร่งยิ่งขึ้นการเชื่อมต่อเครือข่ายการควบคุมที่อ่อนแอ เครือข่ายทั้งสองนี้ทำงานร่วมกันในแบบดึงและดันซึ่งแรงจูงใจที่แข็งแกร่งจะนำไปสู่การรบกวนของวงจรควบคุมของผู้บริหารและการควบคุมของผู้บริหารที่แข็งแกร่งจะนำไปสู่การยับยั้งความต้องการสร้างแรงบันดาลใจ⁵³.

การศึกษาก่อนหน้านี้แสดงให้เห็นว่าระบบการควบคุมของผู้บริหารส่งเสริมการควบคุมความรู้ความเข้าใจและพฤติกรรมในการขับเคลื่อนแรงจูงใจและอาจช่วยให้บุคคลสามารถยับยั้งความต้องการและพฤติกรรมการแสวงหารางวัล^54,55,56. สัดส่วนผกผันระหว่างเครือข่ายการควบคุมของผู้บริหารและเครือข่ายของรางวัลอาจมีส่วนในการทำความเข้าใจกลไกการเสพติด IGD ที่เพิ่มขึ้น: ความรู้สึกของรางวัลที่เพิ่มขึ้นในระหว่างการชนะหรือประสบการณ์ที่น่าพอใจอาจช่วยเพิ่มความปรารถนาในการเล่นออนไลน์ ในขณะเดียวกันความบกพร่องในการควบคุมผู้บริหารอาจนำไปสู่การยับยั้งความปรารถนาที่ไม่มีประสิทธิภาพซึ่งอาจอนุญาตให้เร่งด่วน, ความปรารถนาหรือความอยากที่จะครองและนำไปสู่การเล่นเกมออนไลน์มากเกินไป

การเชื่อมโยงการทำงานที่ไม่สมดุลระหว่างเครือข่ายการควบคุมผู้บริหารและเครือข่ายรางวัลอาจทำให้เข้าใจถึงความเข้าใจในการตัดสินใจของ IGD การศึกษาพบว่ากลุ่มวิชา IGD แสดงให้เห็นถึงการพิจารณาผลลัพธ์จากประสบการณ์น้อยลงเมื่อทำการตัดสินใจในอนาคต⁵². ในการตัดสินใจระหว่างการเข้าร่วมในการให้รางวัลทันที (เช่นการเล่นออนไลน์) และผลกระทบระยะยาว (เช่นการใช้เวลาเล่นเกมแทนการทำกิจกรรมที่เกี่ยวข้องกับความสำเร็จในการประกอบอาชีพระยะยาว) บุคคลที่มี IGD อาจถูกพิจารณาว่าเป็น “ สายตาสั้นสำหรับอนาคต” ตามที่ได้อธิบายไว้สำหรับการติดยาเสพติด^57,58,59. เครือข่ายของรางวัลที่แข็งแกร่งการซิงโครไนซ์ของรางวัลทันทีอาจเกินขั้นตอนการตัดสินใจในการยับยั้งแรงกระตุ้นซึ่งอาจจะสมเหตุสมผลในการอธิบายกระบวนการตัดสินใจโดยอิงตามการประเมินมูลค่าต่อรางวัลทันทีซึ่งส่งผลให้พฤติกรรมการเล่นเกมออนไลน์หุนหันพลันแล่น นอกจากนี้พฤติกรรมการแสวงหารางวัลอาจได้รับการเสริมผ่านประสบการณ์ออนไลน์ระยะสั้นซึ่งนำไปสู่วงจรอุบาทว์ของการเล่นเกมออนไลน์ที่ติดหนึบ⁷.

เพื่อสรุปผลการศึกษานี้แสดงให้เห็นว่าการเปลี่ยนแปลง (ลด / เพิ่ม) ในการซิงโครไนซ์เครือข่ายสมองของอาสาสมัคร IGD ชี้ให้เห็นถึงการประมวลผลที่ไม่มีประสิทธิภาพ / มากเกินไปภายในวงจรประสาทที่อยู่ภายใต้กระบวนการเหล่านี้ สัดส่วนผกผันระหว่างเครือข่ายการควบคุมของผู้บริหารและเครือข่ายรางวัลชี้ให้เห็นว่าความบกพร่องในการควบคุมของผู้บริหารนำไปสู่การยับยั้งความอยากที่เพิ่มขึ้นอย่างไม่มีประสิทธิภาพในการเล่นเกมออนไลน์มากเกินไป ผลลัพธ์เหล่านี้อาจทำให้เข้าใจถึงความเข้าใจกลไกของ IGD นอกจากนี้คุณสมบัติที่คล้ายคลึงกันระหว่าง IGD และการติดยา (เช่นการพึ่งพาเฮโรอีน) ชี้ให้เห็นว่า IGD อาจแบ่งปันพื้นฐานของระบบประสาทที่คล้ายคลึงกันกับการเสพติดประเภทอื่น ๆ

ข้อ จำกัด

ควรระบุข้อ จำกัด หลายประการที่นี่ ประการแรกเนื่องจากมีผู้หญิงเพียงไม่กี่คนที่ติดเกมออนไลน์เราจึงเลือกเฉพาะเรื่องผู้ชายในการศึกษานี้ ความไม่สมดุลของเพศอาจ จำกัด ข้อสรุปสุดท้าย ประการที่สองในการคำนวณการโต้ตอบระหว่างเครือข่ายควบคุมและเครือข่ายรางวัลเราได้เลือก NAcc เป็นเมล็ดพันธุ์ตามการทำงานของ NAcc และวรรณคดีก่อนหน้า เราไม่รู้ว่ามีเมล็ดพันธุ์ที่ดีกว่าสำหรับการคำนวณนี้หรือไม่ ประการที่สามการศึกษาในปัจจุบันเปิดเผยเฉพาะสถานะปัจจุบันที่มีอยู่ในวิชา IAD เราไม่สามารถหาข้อสรุปเชิงสาเหตุระหว่างปัจจัยเหล่านี้ได้ ประการที่สี่ในการเลือก ROI ของซีกขวาสำหรับเครือข่ายการควบคุมผู้บริหารเราใช้พิกัดสมมาตรตามซีกซ้ายซึ่งอาจเป็นสาเหตุที่ดัชนีในซีกขวาต่ำกว่าในซีกซ้าย

งานวิจัยนี้ได้รับการสนับสนุนโดยมูลนิธิวิทยาศาสตร์ธรรมชาติแห่งชาติของจีน (31371023) funder ไม่มีบทบาทเพิ่มเติมในการออกแบบการศึกษา; ในการรวบรวมการวิเคราะห์และการตีความข้อมูล ในการเขียนรายงาน; หรือในการตัดสินใจที่จะส่งกระดาษเพื่อเผยแพร่

• Holden C. การเสพติด 'พฤติกรรม': มีอยู่จริงหรือไม่? วิทยาศาสตร์ 294, 980–982, (2001) .10.1126 / science.294.5544.980 [PubMed] [ข้ามอ้างอิง]
• Dong G. , Hu Y. และ Lin X ความไวต่อการให้รางวัล / การลงโทษของผู้ติดอินเทอร์เน็ต: ผลกระทบของพฤติกรรมเสพติด Prog neuro-psychopharm biol mental 46, 139–145 (2013). [PubMed]
• Weinstein A. & Lejoyeux M. การติดอินเทอร์เน็ตหรือการใช้อินเทอร์เน็ตมากเกินไป Am J Drug Alcohol Ab 36, 277–283 (2010). [PubMed]
• Dong G. , Lu Q. , Zhou H. & Zhao X. Precursor หรือ sequela: ความผิดปกติทางพยาธิวิทยาในผู้ที่มีโรคติดอินเทอร์เน็ต PloS one 6, e14703 (2011) [บทความฟรี PMC] [PubMed]
• Petry NM & O'Brien CP ความผิดปกติของการเล่นเกมทางอินเทอร์เน็ตและ DSM-5 สิ่งเสพติด 108, 1186–1187 (2013). [PubMed]
• สมาคมจิตแพทย์อเมริกัน คู่มือการวินิจฉัยและสถิติของความผิดปกติทางจิต (5th ed.) [145] (สำนักพิมพ์จิตเวชอเมริกัน, วอชิงตันดีซี, 2013)
• Dong G. & Potenza MN รูปแบบความรู้ความเข้าใจและพฤติกรรมของความผิดปกติของการเล่นเกมทางอินเทอร์เน็ต: รากฐานทางทฤษฎีและผลกระทบทางคลินิก J Psychia res 58, 7–11 (2014) [บทความฟรี PMC] [PubMed]
• Dong G. , Zhou H. & Zhao X. การยับยั้งแรงกระตุ้นในผู้ที่มีโรคติดอินเทอร์เน็ต: หลักฐานทางไฟฟ้ากายภาพจากการศึกษา Go / NoGo Neurosci lett 485, 138–142 (2010) [PubMed]
• Zhou Z. , Yuan G. และ Yao J. มีอคติทางความรู้ความเข้าใจต่อภาพที่เกี่ยวข้องกับเกมทางอินเทอร์เน็ตและการขาดดุลของผู้บริหารในบุคคลที่ติดเกมอินเทอร์เน็ต PloS one 7, e48961 (2012) [บทความฟรี PMC] [PubMed]
• Dong G. , Lin X. , Zhou H. & Lu Q. ความยืดหยุ่นทางปัญญาในผู้ติดอินเทอร์เน็ต: หลักฐาน fMRI จากสถานการณ์การเปลี่ยนที่ยากไปง่ายและง่ายต่อความยากลำบาก พฤติกรรมเสพติด 39, 677–683 (2014). [PubMed]
• Dong G. , Zhou H. & Zhao X. ชายที่ติดอินเทอร์เน็ตแสดงความสามารถในการควบคุมผู้บริหารที่บกพร่อง: หลักฐานจากงาน Stroop ที่ใช้คำสี Neurosci lett 499, 114–118 (2011) [PubMed]
• Dong G. , Shen Y. , Huang J. และ Du X. บกพร่องฟังก์ชันการตรวจสอบข้อผิดพลาดในผู้ที่มีโรคติดอินเทอร์เน็ต: การศึกษา FMRI ที่เกี่ยวข้องกับเหตุการณ์ Eur addict res 19, 269–275 (2013) [PubMed]
• Littel M. เอตอัล การประมวลผลข้อผิดพลาดและการยับยั้งการตอบสนองในผู้เล่นเกมคอมพิวเตอร์มากเกินไป: การศึกษาที่เกี่ยวข้องกับเหตุการณ์ที่อาจเกิดขึ้น ติดยาเสพติด biol 17, 934 – 947 (2012) [PubMed]
• Dong G. , Huang J. & Du X. เพิ่มความไวในการให้รางวัลและลดความไวในการสูญเสียในผู้ติดอินเทอร์เน็ต: การศึกษา fMRI ระหว่างการเดา จิตเวชศาสตร์ J res 45, 1525–1529 (2011) [PubMed]
• Dong G. , DeVito E. , Huang J. และ Du X. การถ่ายภาพเทนเซอร์แบบกระจายเผยให้เห็นความผิดปกติของฐานดอกและหลัง cingulate cortex ในผู้ติดเกมอินเทอร์เน็ต จิตเวชศาสตร์ J res 46, 1212–1216 (2012) [บทความฟรี PMC] [PubMed]
• เกาะช เอตอัล กิจกรรมสมองที่เกี่ยวข้องกับการกระตุ้นให้เกิดการติดเกมออนไลน์ จิตเวชศาสตร์ J res 43, 739 – 747 (2009) [PubMed]
• เกาะช เอตอัล การเปิดใช้งานสมองสำหรับทั้งการกระตุ้นการเล่นเกมคิวและความอยากสูบบุหรี่ในหมู่ผู้ร่วม comorbid กับการติดเกมบนอินเทอร์เน็ตและการพึ่งพานิโคติน จิตเวชศาสตร์ J res 47, 486 – 493 (2013) [PubMed]
• Montague PR & Berns GS เศรษฐศาสตร์ประสาทและสารตั้งต้นทางชีวภาพของการประเมินมูลค่า เซลล์ประสาท 36, 265–284 (2002). [PubMed]
• McClure SM, Ericson KM, Laibson DI, Loewenstein G. & Cohen JD Time ลดราคาสำหรับรางวัลหลัก J Neurosci 27, 5796–5804 (2007) [PubMed]
• Monterosso J. , Piray P. และ Luo S. Neuroeconomics และการศึกษาการเสพติด จิตเวชศาสตร์ 72, 107–112 (2012). [PubMed]
• Xie C. เอตอัล การเชื่อมโยงการทำงานที่ไม่สมดุลระหว่างเครือข่ายการประเมินค่าในเรื่องที่ขึ้นกับเฮโรอีน Mol จิตเวชศาสตร์ 19, 10 – 12 (2014) [PubMed]
• Barros-Loscertales A. เอตอัล การเปิดใช้งานที่ต่ำลงในเครือข่าย frontoparietal ที่เหมาะสมในระหว่างการนับงาน Stroop ในกลุ่มที่ขึ้นกับโคเคน จิตเวชศาสตร์ res 194, 111 – 118 (2011) [PubMed]
• Goldstein RZ & Volkow ND การติดยาและพื้นฐานทางระบบประสาท: หลักฐานทางระบบประสาทสำหรับการมีส่วนร่วมของเยื่อหุ้มสมองส่วนหน้า จิตเวชศาสตร์ Am J 159, 1642–1652 (2002) [บทความฟรี PMC] [PubMed]
• Volkow ND เอตอัล การควบคุมการรับรู้ของความอยากยาเสพติดยับยั้งภูมิภาครางวัลสมองใน abusers โคเคน NeuroImage 49, 2536 – 2543 (2010) [บทความฟรี PMC] [PubMed]
• Fox MD & Raichle ME ความผันผวนโดยธรรมชาติในการทำงานของสมองที่สังเกตได้จากการถ่ายภาพด้วยคลื่นสนามแม่เหล็กที่ใช้งานได้ Nat rev. ประสาท 8, 700–711 (2007) [PubMed]
• Zhu Q. , Zhang JD, Luo YLL, Dilks DD & Liu J. กิจกรรมประสาทพักผ่อนของรัฐในบริเวณเยื่อหุ้มสมองที่เลือกใบหน้ามีความเกี่ยวข้องกับพฤติกรรม J Neurosci 31, 10323–10330 (2011) [PubMed]
• Greicius MD, Supekar K. , Menon V. และ Dougherty RF Resting-state functional connectivity สะท้อนถึงการเชื่อมต่อโครงสร้างในเครือข่ายโหมดเริ่มต้น Cereb cortex 19, 72–78 (2009). [บทความฟรี PMC] [PubMed]
• ที่รัก CJ เอตอัล ทำนายการเชื่อมต่อการทำงานของสถานะพักผ่อนของมนุษย์จากการเชื่อมต่อโครงสร้าง PNAS 106, 2035 – 2040 (2009) [บทความฟรี PMC] [PubMed]
• Vincent JL เอตอัล สถาปัตยกรรมที่ใช้งานได้จริงในสมองลิงที่ดมยาสลบ ธรรมชาติ 447, 83 – 86 (2007) [PubMed]
• Seeley WW เอตอัล เครือข่ายการเชื่อมต่อภายในที่แยกไม่ได้สำหรับการประมวลผลข้อมูลและการควบคุมผู้บริหาร J Neurosci 27, 2349 – 2356 (2007) [บทความฟรี PMC] [PubMed]
• Engel AK, Fries P. & Singer W. การคาดการณ์แบบไดนามิก: การสั่นและการซิงโครไนซ์ในการประมวลผลจากบนลงล่าง Nat rev. ประสาท 2, 704–716 (2001). [PubMed]
• Cox CL เอตอัล สมองที่พักผ่อนของคุณดูแลเกี่ยวกับพฤติกรรมเสี่ยงของคุณ เลือกหนึ่ง 5, e12296 (2010) [บทความฟรี PMC] [PubMed]
• Lecrubier Y. เอตอัล การสัมภาษณ์ระหว่างประเทศทางประสาทวิทยามินิ (MINI) บทสัมภาษณ์สั้น ๆ ที่มีโครงสร้างการวินิจฉัย: ความน่าเชื่อถือและความถูกต้องตาม CIDI Europ จิตเวชศาสตร์ 12, 224 – 231 (1997)
• Beck AT, Ward CH, Mendelson M. , Mock J. & Erbaugh J. สินค้าคงคลังสำหรับการวัดภาวะซึมเศร้า Arch Gen Psychiatry 4, 561–571 (1961). [PubMed]
• Young KS การทดสอบการติดอินเทอร์เน็ต (IAT)http://netaddiction.com/index.php?option=combfquiz&view=onepage&catid=46&Itemid=106> (2009). วันที่เข้าถึง: 09/09/2009.
• Widyanto L. & McMurran M. คุณสมบัติไซโครเมตริกของการทดสอบการติดอินเทอร์เน็ต Cyberpsychol behavior 7, 443–450 (2004). [PubMed]
• Widyanto L. , Griffiths MD และ Brunsden V. การเปรียบเทียบไซโครเมตริกของการทดสอบการติดอินเทอร์เน็ตแบบวัดปัญหาที่เกี่ยวข้องกับอินเทอร์เน็ตและการวินิจฉัยตนเอง Cyberpsychol, behavior soc netw 14, 141–149 (2011). [PubMed]
• Zang Y. , Jiang T. , Lu Y. , He Y. & Tian L. แนวทางความเป็นเนื้อเดียวกันของภูมิภาคในการวิเคราะห์ข้อมูล fMRI ประสาทภาพ 22, 394–400 (2004) [PubMed]
• คุณเอช เอตอัล เปลี่ยนแปลงความสม่ำเสมอของภูมิภาคในเยื่อหุ้มสมองในผู้ป่วยที่มีระบบฝ่อหลายระบบ Neurosci Lett 502, 18 – 23 (2011) [PubMed]
• ยัน C. -G. & ซางวาย. - ฟ. DPARSF: กล่องเครื่องมือ MATLAB สำหรับการวิเคราะห์ข้อมูล "ไปป์ไลน์" ของ fMRI แบบ Resting-State ระบบประสาทด้านหน้า 4, 13, e3389 (2010) [บทความฟรี PMC] [PubMed]
• Friston KJ, Frith CD, Frackowiak RS และ Turner R. การแสดงลักษณะการตอบสนองของสมองแบบไดนามิกด้วย fMRI: วิธีการหลายตัวแปร NeuroImage 2, 166–172 (1995) [PubMed]
• Yeo BT เอตอัล องค์กรของเยื่อหุ้มสมองสมองมนุษย์ประเมินโดยการเชื่อมต่อการทำงานที่แท้จริง J neurophysiol 106, 1125 – 1165 (2011) [บทความฟรี PMC] [PubMed]
• Waraczynski MA เครือข่าย amygdala ขยายศูนย์กลางเป็นวงจรที่เสนอการประเมินมูลค่ารางวัล Neurosci biobehav rev 30, 472 – 496 (2006) [PubMed]
• Kringelbach ML & Rolls ET neuroanatomy ที่ใช้งานได้ของเปลือกนอกวงโคจรของมนุษย์: หลักฐานจาก neuroimaging และ neuropsychology Prog neurobiol 72, 341–372 (2004) [PubMed]
• Wilcox CE, Teshiba TM, Merideth F. , Ling J. & Mayer AR ปฏิกิริยาคิวขั้นสูงและการเชื่อมต่อฟังก์ชัน fronto-striatal ในความผิดปกติของการใช้โคเคน ยาเสพติดแอลกอฮอล์ห้าม 115, 137–144 (2011). [บทความฟรี PMC] [PubMed]
• Everitt BJ & Robbins TW ระบบประสาทเสริมแรงสำหรับการติดยาตั้งแต่การกระทำนิสัยไปจนถึงการบังคับ Nat neurosci 8, 1481–1489 (2005). [PubMed]
• Shirer WR, Ryali S. , Rykhlevskaia E. , Menon V. & Greicius MD การถอดรหัสสภาวะความรู้ความเข้าใจที่ขับเคลื่อนด้วยวัตถุด้วยรูปแบบการเชื่อมต่อทั้งสมอง Cereb cortex 22, 158–165 (2012). [บทความฟรี PMC] [PubMed]
• Damoiseaux JS เอตอัล เครือข่ายพักผ่อนรัฐในอาสาสมัครที่มีสุขภาพดี PNAS 103, 13848 – 13853 (2006) [บทความฟรี PMC] [PubMed]
• ฮาบาสซี เอตอัล ผลงานของ cerebellar ที่โดดเด่นไปยังเครือข่ายการเชื่อมต่อภายใน J Neurosci 29, 8586 – 8594 (2009) [บทความฟรี PMC] [PubMed]
• Spreng RN, Stevens WD, Chamberlain JP, Gilmore AW และ Schacter DL กิจกรรมเครือข่ายเริ่มต้นควบคู่ไปกับเครือข่ายควบคุม frontoparietal สนับสนุนความรู้ความเข้าใจที่มุ่งเน้นเป้าหมาย NeuroImage 53, 303–317 (2010) [บทความฟรี PMC] [PubMed]
• Krmpotich TD เอตอัล กิจกรรมพักผ่อนของรัฐในเครือข่ายการควบคุมผู้บริหารด้านซ้ายนั้นเกี่ยวข้องกับพฤติกรรมและเพิ่มการพึ่งพาสารเคมี ตัวยาเสพติดขึ้นอยู่กับ 129, 1 – 7 (2013) [บทความฟรี PMC] [PubMed]
• Dong G. , Hu Y. , Lin X. & Lu Q. อะไรทำให้ผู้ติดอินเทอร์เน็ตเล่นออนไลน์ต่อไปแม้ว่าจะเผชิญกับผลกระทบเชิงลบที่รุนแรง? คำอธิบายที่เป็นไปได้จากการศึกษา fMRI จิตเวชจิตเวช 94, 282–289 (2013) [PubMed]
• Miller EK & Cohen JD ทฤษฎีปริพันธ์ของการทำงานของเยื่อหุ้มสมองส่วนหน้า Annu Rev Neurosci 24, 167–202 (2001) [PubMed]
• Sofuoglu M. , DeVito EE, Waters AJ & Carroll KM Cognitive Enhancement เพื่อบำบัดอาการติดยา Neuropharmacol 64, 452–463 (2013). [บทความฟรี PMC] [PubMed]
• Everitt BJ เอตอัล เยื่อหุ้มสมอง prefrontal โคจรและติดยาเสพติดในสัตว์ทดลองและมนุษย์ ประจำปี NY Acad Sci 1121, 576 – 597 (2007) [PubMed]
• Goldstein RZ & Volkow ND ความผิดปกติของเยื่อหุ้มสมองส่วนหน้าในการเสพติด: ผลการตรวจทางประสาทและผลกระทบทางคลินิก Nat rev. Neurosci 12, 652–669 (2011). [บทความฟรี PMC] [PubMed]
• Pawlikowski M. & Brand M. การเล่นเกมทางอินเทอร์เน็ตมากเกินไปและการตัดสินใจ: ผู้เล่น World of Warcraft มากเกินไปมีปัญหาในการตัดสินใจภายใต้สภาวะที่มีความเสี่ยงหรือไม่? จิตเวชศาสตร์ 188, 428–433 (2011) [PubMed]
• Floros G. & Siomos K. รูปแบบการเลือกประเภทวิดีโอเกมและการติดอินเทอร์เน็ต Cyberpsycholo, netw สังคมพฤติกรรม 15, 417–424 (2012) [PubMed]
• Bechara A. , Dolan S. & Hindes A. การตัดสินใจและการเสพติด (ตอนที่ II): สายตาสั้นสำหรับอนาคตหรือความรู้สึกไวต่อรางวัล? Neuropsychologia 40, 1690–1705 (2002). [PubMed]