Ang pagbaba ng functional connectivity sa utak sa mga kabataan na may internet addiction (2013)

pagpapakilala

Ang adiksyon sa internet ay lalong kinikilala kapwa sa publiko at sa komunidad ng mga siyentipiko sa buong mundo [1] , bagama't ito ay isang medyo bagong kondisyon at ang mga psychopathological na katangian at neurobiological na mekanismo nito ay nananatiling hindi gaanong nauunawaan. Ang mga kamakailang pag-aaral sa neuroimaging ay nag-ulat ng mga makabuluhang pagbabago sa paggana at istruktura ng utak na nauugnay sa adiksyon sa internet. Karamihan sa mga pag-aaral na ito ay gumamit ng functional magnetic resonance imaging (fMRI) na isinagawa habang gumagawa ng mga gawain, at naapektuhan ang mga frontal at striatal na rehiyon at, sa mas mababang antas, ang parietal at insula cortex [2] - [5] . Bukod pa rito, gamit ang positron emission tomography (PET), natuklasan nina Kim et al. (2011) ang pagbaba ng availability ng dopamine D2 receptor sa bilateral caudate at right putamen [6] , at natagpuan naman nina Hou et al. (2012) gamit ang single photon emission computed tomography (SPECT) ang pagbaba ng antas ng ekspresyon ng striatal dopamine transporter sa mga nasa hustong gulang na may adiksyon sa internet [7] . Ang mga natuklasang ito ay naaayon sa kasalukuyang mga teoretikal na modelo ng mga sakit sa adiksyon, na binubuo hindi lamang ng adiksyon sa substansiya kundi pati na rin ng adiksyon sa pag-uugali (hal., pathological gambling), na nagbibigay-diin sa patolohiya ng fronto-striatal circuitry [8] , pati na rin ang insula [9] , [10] . Ang mga pag-aaral ng structural MRI nina Zhou et al. (2011) at Yuan et al. (2011) ay magkasamang nagmungkahi ng mga abnormalidad sa gray matter sa mga rehiyon ng utak kabilang ang prefrontal cortex [11] , [12] , at isang diffusion-tensor imaging study ni Lin et al. (2012) ang nag-ulat ng laganap na mga abnormalidad sa white matter sa mga kabataan na may adiksyon sa internet [13] . Panghuli, natagpuan nina Liu et al. (2010) ang binagong regional homogeneity sa adiksyon sa internet [14] , na sa aming kaalaman ang tanging natuklasan sa resting-state fMRI sa literatura tungkol sa sakit na ito [15] . Sinuri ng mga may-akda ang temporal homogeneity sa Blood-Oxygen-Level-Dependent (BOLD) signal ng bawat voxel sa mga pinakamalapit nitong 26 na kalapit na voxel sa paraang voxel-wise.

Ang resting-state fMRI ay isang medyo bagong pamamaraan ng imaging para sa pagsisiyasat ng mga inter-regional na ugnayan ng kusang aktibidad ng utak, na naitala habang ang isang tao ay tahimik na nakahiga sa scanner nang hindi nakikibahagi sa isang partikular na gawain [16] . Ang pamamaraang ito ay nagbibigay ng isang matibay na pamamaraan para sa pagmamapa ng mahusay na natukoy na mga functional system [17] , [18] . Ang mga panukat ng resting-state ay maaasahan [19] , [20] , sa ilalim ng genetic control [21] - [23] , at pinaniniwalaang nag-iindeks ng isang intrinsic na katangian ng functional organization ng utak [24] , napapailalim sa ilang mga caveat [25] . Kasabay ng mga graph theoretic techniques, ang resting-state fMRI ay nag-aalok ng isang makapangyarihang paraan para sa pagsisiyasat ng malawakang organisasyon ng functional dynamics ng utak at ang pagkagambala nito sa mga psychopathological na kondisyon [26].

Sa pag-aaral na ito, ginamit namin ang resting-state fMRI data upang imapa ang mga pagkakaiba sa functional connectivity sa pagitan ng isang komprehensibong hanay ng 90 natatanging cortical at subcortical brain regions sa mga malulusog na indibidwal at mga kabataan na may adiksyon sa internet, na nakatuon sa mga indibidwal na labis na nakikibahagi sa online gaming kabilang sa mga iminungkahing subtype ng disorder na ito [27] . Nagsagawa rin kami ng pagsusuri sa mga network topological disturbances [28] upang masuri kung ang anumang pagkakaiba sa lakas ng koneksyon sa pagitan ng grupo ay higit pang nauugnay sa isang pandaigdigang muling pagsasaayos ng mga functional interaction [26] , tulad ng naiulat sa maraming iba pang mga sakit sa pag-iisip [29] , [30].

Batay sa mga naunang natuklasan sa istruktura at functional neuroimaging sa adiksyon sa internet [3] , [4] , [6] , [7] , [15] , kasama ang mga itinatag na teoretikal na modelo ng mga sakit sa adiksyon sa sangkap [8] , [9] , naghipotesis kami na ang mga kabataan na may adiksyon sa internet ay magpapakita ng nabagong inter-regional na koneksyon sa pagitan ng mga frontal at striatal na rehiyon, na may posibleng karagdagang pagkakasangkot ng parietal cortex at insula.

Mga Materyal at Mga Paraan

Pahayag ng Etika

Ang pag-aaral na ito ay naaprubahan ng lupon ng pagsusuri ng institusyonal para sa mga asignatura ng tao sa Seoul National University. Ang lahat ng mga kabataan at kanilang mga magulang ay nagbigay ng nakasulat na pahintulot na may pahintulot bago ang pagpasok sa pag-aaral. Ang pag-aaral ay isinasagawa alinsunod sa Pahayag ng Helsinki.

Mga Kalahok

Labindalawang lalaking kabataang kanang kamay na may adiksyon sa internet at 11 kanang kamay at magkaparehong kasarian [31] na malulusog na kontrol ang lumahok sa pag-aaral na ito. Ang diagnosis ng adiksyon sa internet ay itinatag gamit ang Young Internet Addiction Scale (YIAS), na binubuo ng 20 aytem, ​​bawat isa ay batay sa 5-point Likert scale na sinusuri ang antas ng mga problemang dulot ng paggamit ng internet [32] , at ang Kiddie-Schedule for Affective Disorders and Schizophrenia-Present and Lifetime Version (K-SADS-PL), isang semi-structured diagnostic interview tool na may itinatag na validity at reliability, na nagbigay-daan sa amin na ibukod ang iba pang mga sakit sa pag-iisip [33] , [34] . Ang mga kalahok na may adiksyon sa internet ay limitado sa mga nag-ulat na nakaranas ng mga tipikal na bahagi ng adiksyon (ibig sabihin, tolerance, withdrawal, preoccupation sa paglalaro ng online games, paulit-ulit na hindi matagumpay na pagtatangka na bawasan o ihinto ang online gaming, negatibong naimpluwensyahan na mood kapag sinusubukang bawasan ang online gaming, at pagpapabaya sa mahahalagang relasyon o aktibidad dahil sa mga online game) [35] , [36] . Lahat ng kalahok na may adiksyon sa internet ay nag-ulat ng labis na online gaming sa mga iminungkahing subtype ng sakit na ito. Ang parehong mga instrumento ay ginamit sa pagre-recruit ng malulusog na kabataan. Sinuri rin ang impormasyong demograpiko at intelligence quotient (IQ) ng lahat ng kalahok (tingnan ang Table 1 ).

I-download: 

 

• PPT

  PowerPoint slide

• PNG

  mas malaking larawan ( 21KB )

• TIFF

  orihinal na larawan ( 58KB )

Talahanayan 1. Mga demograpiko at klinikal na katangian ng mga kalahok.

doi: 10.1371 / journal.pone.0057831.t001

Pagkuha ng Data at Pagproseso ng Imahe

Ang mga imahe ng resting-state fMRI ay nakuha sa isang 3T Siemens scanner (Siemens Magnetom Trio Tim Syngo MR B17, Germany) na may mga sumusunod na parametro: repetition time (TR) 2700 ms; echo time (TE) 30 ms; acquisition matrix 64×64; field of view (FOV) 192×192 mm2 ^; flip angle 90°; voxel size 3.0 mm×3.0 mm×3.0 mm; slices 40. Ang kabuuang oras ng acquisition ay 6 min 45 seg. Gumamit ng head coil at pinaliit ang paggalaw ng ulo sa pamamagitan ng pagpuno sa bakanteng espasyo sa paligid ng ulo gamit ang sponge material at pag-aayos sa ibabang panga gamit ang tape.

Ang paunang pagproseso ng mga imahe ng fMRI ay isinagawa gamit ang Data Processing Assistant for Resting-State fMRI (DPARSF) [37] , na batay sa Statistical Parametric Mapping (SPM8) at Resting-State fMRI Data Analysis Toolkit (REST). Ang unang 5 imahe sa bawat paksa ay itinapon, at ang natitirang 145 na imahe ay itinuwid para sa slice timing at muling inihanay sa unang volume upang maitama ang mga artifact ng paggalaw. Ang lahat ng kalahok ay nagpakita ng mas mababa sa 0.5 mm ng displacement at 0.5° ng rotation sa kanilang 6 na parameter ng paggalaw ng ulo. Bukod pa rito, ang dalawang grupo ay hindi makabuluhang naiiba ( p <0.05) sa apat na parameter ng paggalaw ng ulo na kamakailan ay iminungkahi nina Van Dijk et al. [38] : ibig sabihin, ang karaniwang paggalaw ng ulo (pagkagumon sa internet: 0.04±0.01 mm, kontrol: 0.04±0.01 mm), pinakamataas na paggalaw ng ulo (pagkagumon sa internet: 0.18±0.14 mm, kontrol: 0.17±0.07 mm), bilang ng maliliit (>0.1 mm) na paggalaw (hindi hihigit sa 2 para sa lahat ng kalahok, maliban sa dalawang indibidwal sa grupo ng pagkagumon sa internet na may 5 at 6 na maliliit na paggalaw), at pag-ikot ng ulo (pagkagumon sa internet: 0.04±0.01°, kontrol: 0.04±0.00°). Bago ang normalisasyon sa espasyo, isang template ng utak na tumutugma sa edad at kasarian ang nilikha batay sa datos mula sa NIH MRI Study of Normal Brain Development, gamit ang Template-O-Matic [39] . Ang aming mga imahe ng fMRI ay na-normalize gamit ang customized na template na ito at pinakinis gamit ang isang full-width half-maximum Gaussian kernel na 6 mm. Ang datos ay pagkatapos ay inalis ang mga trend at sinala ang mga low frequency fluctuations (0.01–0.08 Hz) upang matukoy ang mga signal mula sa gray matter at mabawasan ang epekto ng ingay. Anim na parameter ng paggalaw ng ulo, mga signal ng white matter, at mga signal ng cerebrospinal fluid ang ni-regress mula sa sinalang BOLD signal. Panghuli, ang mga residual ng regression na ito ay kinuha mula sa 90 rehiyon ng utak (nodes) batay sa Automated Anatomical Labeling (AAL) atlas [40] , at ang mga pair-wise association ay kinalkula na nagresulta sa isang 90 by 90 connectivity matrix sa bawat paksa. Ginamit ang Pearson's correlation coefficient (zero lag) upang mabilang ang bawat pair-wise association. Tandaan na ang global signal ay hindi isinama bilang isang nuisance covariate, na tinitiyak na ang proporsyon ng mga negatibong correlation ay minimal.

Data ng Pagsusuri

Ang network-based statistic (NBS) [41] , [42] ay ginamit upang matukoy ang mga regional brain network na nagpapakita ng isang makabuluhang pagkakaiba sa pagitan ng grupo sa inter-regional functional connectivity. Sa partikular, isang t-test ang isinagawa upang subukan ang pagkakaiba sa pagitan ng grupo sa correlation coefficient sa bawat isa sa 90×(90-1)/2 = 4005 na natatanging regional pairings. Ang mga magkakaugnay na network, na dating kilala bilang mga graph component , ay kinilala sa mga koneksyon na may t-statistic na lumalagpas sa isang threshold na t = 3.0. Isang family-wise error (FWE)-corrected p-value ang kinalkula para sa laki ng bawat nagresultang component gamit ang permutation testing (20000 permutation). Ang bawat permutation ay kinasangkutan ng random na pagbabashuffle ng mga label ng grupo at pagtukoy sa laki ng pinakamalaking interconnected network, sa gayon ay nagbubunga ng isang empirical null distribution ng maximal component sizes [43] . Isang FWE-corrected p-value ang tinantya para sa bawat interconnected network bilang ang proporsyon ng mga permutation na nagbunga ng isang mas malaking interconnected network, o isa na may pantay na laki. Ang dalawang alternatibong hypotheses (addiction > controls at addiction < controls) ay sinuri nang hiwalay. Ang lahat ng mga hakbang na ito ay isinagawa gamit ang NBS software package, na malayang ipinamamahagi bilang bahagi ng Brain Connectivity Toolbox ( http://www.brain-connectivity-toolbox.net/ ) o NITRC ( http://www.nitrc.org/projects/nbs/ ). Upang masuri ang reproducibility ng anumang makabuluhang natuklasan sa mga alternatibong atlas [44] , ang pagsusuri sa itaas ay inulit nang hiwalay kung saan ang AAL atlas ay pinalitan ng dalawang alternatibong atlas para sa paghahati-hati ng cortex sa mga rehiyon na hindi magkakapatong; katulad ng Montreal Neurological Institute (MNI) structural atlas ( http://www.fmrib.ox.ac.uk/fsl/data/atlas-descriptions.html ) at isang random parcellation na binubuo ng 120 rehiyon [45] . Ang MNI atlas ay isang coarse parcellation na kumakatawan sa walong anatomical regions bawat cerebral hemisphere, sa gayon ay pinapadali ang paglalarawan ng inter-lobar connectivity.

Susunod, sinubukan namin ang mga pagkakaiba sa pagitan ng grupo sa mga pangunahing sukat ng network na nakabatay sa graph [28] ; katulad ng average clustering coefficient, characteristic path length at small-worldness ratio. Ang interpretasyon ng mga sukat na ito sa mga tuntunin ng brain complexity at organisasyon ay matatagpuan sa mga kamakailang literatura [26] , [30] , [46] – [49] . Ang mga connectivity matrices ay unang binarized kaugnay ng isang hanay ng mga fixed connection densities, mula 10% hanggang 30% [28] . Ang mga sukat ng network ay kinalkula sa bawat density gamit ang naaangkop na function na ibinigay sa Brain Connectivity Toolbox. Ang clustering coefficient at characteristic path length ay na-normalize kaugnay ng isang ensemble ng 20 random network na nabuo gamit ang Maslov-Sneppen rewiring algorithm [50] . Ang mga pagkakaiba sa pagitan ng grupo ay tinasa sa bawat density gamit ang isang two-sided t-test.

Panghuli, ang clustering coefficient at path length ay kinalkula nang lokal para sa bawat isa sa 90 na rehiyon. Ginamit din ang two-sided t-test upang subukan ang mga pagkakaiba sa pagitan ng grupo sa mga sukat na ito na partikular sa rehiyon. Ang false discovery rate (FDR) [51] ay ginamit upang itama ang maraming paghahambing sa buong pamilya ng mga densidad at rehiyon ng network.

Mga resulta

Mga Katangian ng Kalahok

Lahat ng kalahok ay mga lalaking kanang kamay. Walang nakitang makabuluhang pagkakaiba sa edad at IQ sa pagitan ng dalawang grupo, at ang marka ng YIAS ay mas mataas nang malaki sa grupong adik sa internet ( Talahanayan 1 ).

Mga Pagkakaiba-iba ng Grupo sa Functional Connectivity

Natukoy ng NBS ang isang network na nagpapakita ng makabuluhang ( p <0.05, FWE-corrected) na pagbaba ng koneksyon sa mga kabataang may adiksyon sa internet kumpara sa mga kontrol. Ang apektadong network na ito ay binubuo ng 59 na link, na kinasasangkutan ng 38 iba't ibang rehiyon ng utak ( Figure 1 ). Ang network ay malawakang kinopya nang ang AAL atlas ay pinalitan ng dalawang alternatibong atlas para sa paghahati-hati ng cortex sa mga rehiyon na hindi magkakapatong (tingnan ang Figure S1 ). Sa kabila ng malaking pagkakaiba-iba sa kabuuang bilang ng mga rehiyon na bumubuo sa mga atlas na ito (AAL: 90, MNI: 16, random: 120), ang kapansin-pansing pagkakapare-pareho ay kitang-kita sa pangkalahatang istruktura ng network. Inaasahang tumaas ang laki ng network kasabay ng resolusyon ng atlas (ibig sabihin, kabuuang bilang ng mga rehiyon), na nagreresulta sa mas kumplikadong configuration. Gayunpaman, ang mga cortical at sub-cortical na rehiyon (at mga kaukulang lobe) na kasangkot ay malawakang kinopya sa tatlong atlas. Ang mga figure ay nakita gamit ang BrainNet Viewer ( http://www.nitrc.org/projects/bnv/ ).

I-download: 

• PPT

  PowerPoint slide

• PNG

  mas malaking larawan ( 3.47MB )

• TIFF

  orihinal na larawan ( 3.16MB )

Pigura 1. Network ng nabawasang koneksyon sa paggana ng utak sa mga kabataang may adiksyon sa internet.

Ang mga pulang tuldok ay kumakatawan sa mga stereotactic centroid ng mga rehiyon ng utak (mga node) na tinukoy ng Automated Anatomical Labeling (AAL) atlas, at ang mga asul na linya ay kumakatawan sa mga suprathreshold link (t = 3.0) na binubuo ng apektadong network na kinilala gamit ang network-based statistic (NBS) ( p <0.05, component-wise corrected). Inilalarawan ng axial view ang pagkakasangkot ng mga interhemispheric na koneksyon (ibig sabihin, mga koneksyon na tumatawid sa pagitan ng kanan at kaliwang hemisphere). Inilalarawan ng sagittal view ang pagkakasangkot ng mga frontal, temporal, at parietal lobes sa apektadong network.

doi: 10.1371 / journal.pone.0057831.g001

Kasunod ng kay Fornito et al. [52] , ang mga rehiyon ng AAL ay ikinategorya sa mga kaukulang pangunahing lobe (hal., frontal, temporal, parietal) at ang proporsyon ng mga koneksyon na nag-uugnay sa mga malalaking dibisyong ito ay tinantiya para sa bawat pares ng mga lobe. Natuklasan na apektado ang mga koneksyon ng fronto-temporo-parietal, ngunit ang occipital lobe ay hindi kasama sa apektadong network. Ang karamihan sa mga koneksyon na nabawasan sa grupo ng adiksyon sa internet ay may kinalaman sa mga link sa pagitan ng mga subcortical na rehiyon at frontal (~24%) at parietal (~27%) na mga cortice ( Figure 2 ). Upang mas maunawaan kung aling mga subcortical na rehiyon ang maaaring nag-aambag sa natuklasang ito, sinuri namin ang koneksyon sa pagitan ng bawat cortical lobe at bawat subcortical na rehiyon nang hiwalay sa NBS network ( Figure S2 ). Ipinakita ng pagsusuring ito na ang mga subcortical na rehiyon ay kinabibilangan ng hippocampus, globus pallidus, at putamen. Ang amygdala at caudate nucleus ay hindi kasama sa apektadong network. Ang bilateral putamen ang pinakamalawak na naapektuhang subcortical na rehiyon, na nagpapakita ng nabawasang koneksyon sa lahat ng tatlong pangunahing cerebral lobe na kasangkot. Ang padron na ito ay ginaya gamit ang MNI atlas, kung saan ang nagresultang network ay kinabibilangan lamang ng putamen at insula, bilang karagdagan sa frontal, parietal, at temporal lobes; ang caudate nucleus at occipital lobe ay hindi kasama sa apektadong network.

I-download:  

 

• PPT

  PowerPoint slide

• PNG

  mas malaking larawan ( 153KB )

• TIFF

  orihinal na larawan ( 508KB )

Pigura 2. Proporsyon ng mga koneksyon na apektado ng adiksyon sa internet na nag-uugnay sa magkakaibang pares ng malalawak na dibisyon ng utak.

Ang bilang ng mga link na kinasasangkutan ng bawat pares ng mga dibisyon ay na-normalize sa pamamagitan ng kabuuang bilang ng mga matalinong link.Hindi na ang hippocampus, globus pallidus, at putamen ay itinalaga sa kategorya ng subcortical, at ang anterior cingulate gyrus ay naatasan sa kategorya ng pangharap. Ang amygdala at caudate nucleus ay hindi kasama sa naputol na network at sa gayon ay hindi na kailangang italaga ang mga rehiyon na ito sa isang umbok. Ang putamen, bilaterally, ay ang pinaka-malawak na kasangkot na rehiyon ng subkortikal, na nagpapakita ng nabawasan na mga koneksyon sa lahat ng tatlong pangunahing mga tserebral na kasangkot.

doi: 10.1371 / journal.pone.0057831.g002

Hindi namin nakilala ang anumang network na may tumaas na koneksyon sa grupo ng pagkagumon sa internet. Walang makabuluhang ugnayan ang natagpuan sa pagitan ng functional na koneksyon sa natukoy na network at YIAS score, alinman sa grupo ng pagkagumon sa internet o sa mga kontrol.

Mga Pagkakaiba ng Grupo sa Network Topology

Walang napansing pagkakaiba sa pagitan ng grupo sa average clustering coefficient, sa characteristic path length o sa small-worldness ratio sa alinman sa mga network density na siniyasat ( p <0.05, FDR-corrected) ( Figure 3 ). Bukod pa rito, walang pagkakaiba sa pagitan ng grupo sa kaukulang lokal (region-specific) na mga sukat ang nakaligtas sa FDR correction para sa maraming paghahambing. Ang paglalapat ng hindi gaanong mahigpit na false positive correction na p <(1/90) = 0.011 [53] upang tuklasin ang mga epekto sa antas ng trend ay nagbunga ng mga pagkakaiba sa pagitan ng grupo sa local clustering coefficient at sa local path length na pangunahing lumilitaw sa occipital lobes ( Tables S1 at S2 ).

I-download: 

 

• PPT

  PowerPoint slide

• PNG

  mas malaking larawan ( 1.57MB )

• TIFF

  orihinal na larawan ( 1.87MB )

Pigura 3. Mga maliliit na parametro ng koneksyon sa paggana ng utak sa mga kabataan na may adiksyon sa internet.

doi: 10.1371 / journal.pone.0057831.g003

Pagtalakay

Natagpuan ang ebidensya ng pagbaba ng functional connectivity ng utak sa mga kabataang may adiksyon sa internet. Kasabay ng mga kasalukuyang modelo na nagbibigay-diin sa papel ng cortico-subcortical pathology sa adiksyon [54] , 24% ng mga koneksyon sa binagong network na nagpapaiba sa mga adiksyon sa mga indibidwal at malulusog na kontrol ay may kinalaman sa mga ugnayan sa pagitan ng mga frontal at subcortical na rehiyon . Ang karagdagang 27% ay nag-uugnay sa mga subcortical at parietal na lugar, na may mas limitadong ebidensya para sa pagkakasangkot ng insula, na muling naaayon sa kamakailang ebidensya ng pagkakasangkot ng mga rehiyong ito sa adiksyon. Tandaan na ang aming pagsusuri ay nagbibigay ng isang mahigpit na pagsubok sa mga cortico-subcortical na modelo ng adiksyon, dahil kasama rito ang mga sukat ng pair-wise functional connectivity sa pagitan ng 90 iba't ibang rehiyon na ipinamamahagi sa buong utak. Ang katotohanan na ang mga cortico-subcortical system ay lumitaw bilang isang kilalang patolohiya gamit ang ganap na data-driven na pagsusuring ito ay nagbibigay ng matibay na suporta para sa pagkakasangkot ng mga sistemang ito sa adiksyon sa internet. Bukod dito, ipinapahiwatig ng aming mga natuklasan na ang adiksyon sa internet ay nagbabahagi ng mga neurobiological na katangian na katulad ng iba pang mga nakakahumaling na sakit, at ang mga subcortical na rehiyon sa partikular ay maaaring kumakatawan sa mga pangunahing site ng patolohiya ng network ng utak. Isang mahalagang tala ang pananaw mula sa National Institute on Drug Abuse na ang mga adiksyon sa pag-uugali ay maaaring medyo purong mga modelo ng adiksyon, isinasaalang-alang na ang mga kondisyong ito ay hindi nahawahan ng mga epekto ng mga sangkap [55] . Bagama't ang pag-aaral ng maraming iba pang mga sakit sa adiksyon ay palaging nalilito ng mga epekto ng pangalawang toxicity ng pag-abuso sa sangkap, ang adiksyon sa internet ay nasusuri sa pamamagitan ng pag-uugali at sa gayon ay nagbibigay ng isang mas naka-target na modelo para sa pag-aaral ng adiksyon na walang pangmatagalang epekto ng droga.

Sa pag-aaral na ito, ang NBS ay ginamit na may sukat ng network sinusukat batay sa lawak; iyon ay, ang kabuuang bilang ng mga koneksyon na binubuo ng network. Ang sukat ng sukat na ito ay hindi angkop sa pag-alis ng mga focal effects na kinasasangkutan ng nag-iisa, ihiwalay na mga koneksyon na hindi sama-samang bumubuo ng isang network. Upang masubukan para sa mga ganitong uri ng pagkakaiba-iba sa pagitan ng mga pangkat na pagkakaiba, ang pagsusuri ng NBS ay paulit-ulit na pagsubok para sa mga pagkakaiba-iba sa sangkap ng bahagi kaysa sa laki. Ang estadistika ng masa ay nagbibigay ng higit na sensitivity sa focal, matinding epekto kaysa sa pagsubok para sa mga pagkakaiba sa laki ng sangkap. Bilang karagdagan, din namin ang thresholded na matalinong mga paghahambing gamit ang FDR, na kung saan ay magiging napaka-sensitibo sa high-intensity, focal effects. Walang makabuluhang pagkakaiba-iba sa pagitan ng pangkat na malinaw sa alinman sa FDR o mga istatistika ng masa, na nagmumungkahi na ang pagkakaugnay sa koneksyon sa pagkagumon sa internet ay sumasaklaw sa isang ipinamamahaging network na kinasasangkutan ng maraming mga cortical at subcortical region.

Dahil ang mga katangian ng brain network ay kilalang sensitibo sa pagpili ng template ng parcellation, sinuri namin ang ilang alternatibong mga iskema ng parcellation upang masuri ang reproducibility ng anumang mga natuklasan sa mga pagbabago sa mga kahulugan ng nodal [45] , [56] , [57] . Dahil dito, naalis namin ang posibilidad na ang ilang mga natuklasan ay dahil lamang sa isang istatistikal na paborableng posisyon ng mga node, ngunit hindi maaaring kopyahin sa iba pang kilalang mga parcellation.

Kabaligtaran ng pagbaba ng lakas ng functional connectivity, ang mga topological parameter ay hindi nagpakita ng anumang makabuluhang pagkakaiba sa grupo. Kahit na nagsagawa kami ng karagdagang mga pagsusuri sa eksplorasyon batay sa hindi gaanong mahigpit na kontrol laban sa type I error, ang mga resulta ay nagpahiwatig ng posibleng pagkakaiba sa topolohiya na pangunahing kinasasangkutan ng occipital lobe, na hindi naapektuhan sa pagsusuri ng NBS. Kaya, habang ang adiksyon sa internet ay nauugnay sa isang malawakan at makabuluhang pagbaba ng functional connectivity sa mga cortico-subcortical circuit, ang pagbabang ito ay hindi nauugnay sa isang pandaigdigang pagkagambala sa topolohiya ng functional network ng utak. Ipinapakita ng pag-aaral na ito na ang malawakang pagkakaiba sa functional connectivity ay maaaring umiral nang walang mga pagbabago sa mga pangunahing sukat ng topolohiya. Maaaring mukhang kapansin-pansin na ang mga pagkakaiba sa lakas ng koneksyon ay laganap nang walang anumang makabuluhang pagkakaiba sa topolohiya. Gayunpaman, mahalagang tandaan na ang topolohiya at lakas ng koneksyon ay magkakaibang katangian ng connectome at ang mga abnormalidad sa isa ay hindi kailangang magpahiwatig ng mga abnormalidad sa isa pa. Ang mga katulad na natuklasan ay naobserbahan sa iba pang mga karamdaman [52] , [58] . Gayunpaman, napapansin namin na ang mga pagkakaiba ng grupo sa ilang mga topolohikal na katangian ay may tendensiyang istatistikal na kahalagahan. Ang pagsusuri ng isang mas malaking sample ay maaaring magbigay ng kinakailangang kapangyarihan upang ideklara ang mga epektong ito na makabuluhan. Iminumungkahi ng aming mga resulta na ang mga pagbabago sa topolohiya ay maaaring mas banayad kaysa sa mga naobserbahan para sa mga sukat ng functional connectivity.

Sa 59 na koneksyon na kasama sa binagong network, 25 ang interhemispheric connections at 34 ang intrahemispheric, na tumutukoy sa pagkakasangkot ng mga long-range at short-range connections sa buong utak. Dahil ang adiksyon sa internet ay isang bagong kinikilalang kondisyon sa kalusugang pangkaisipan, na ang konsepto at diagnostic criteria nito ay mahirap pa ring matukoy, marahil ay nakakagulat na makahanap ng ganitong malawakang apektadong network sa utak ng mga kalahok na ito. Kamakailan lamang, sinuri nina Lin et al. (2012) ang integridad ng white matter ng utak sa mga kabataang may adiksyon sa internet gamit ang diffusion-tensor imaging, at natagpuan ang isang malawakang pagbaba sa fractional anisotropy (FA) sa buong utak na walang lugar ng mas mataas na FA sa grupo ng adiksyon sa internet [13] . Ang ganitong mga resulta ay nagpapahiwatig ng isang posibleng anatomical basis para sa mga functional disturbances na naobserbahan sa aming sample, isang hypothesis na maaaring masubukan gamit ang pinagsamang fMRI at diffusion-weighted imaging sa parehong mga kalahok [59].

Tungkol sa malaking bilang ng mga koneksyon sa pagitan ng mga hemispheric na matatagpuan sa binagong network, ang mahusay na komunikasyon sa pagitan ng mga hemispheric ay matagal nang itinuturing na mahalaga sa mga paggana ng utak [60] – [63] . Gayunpaman, medyo kakaunti ang mga pag-aaral sa neuroimaging ng adiksyon na tumutugon sa functional integration sa pagitan ng mga bilateral hemisphere. Kamakailan lamang, naobserbahan nina Kelly et al. (2011) ang nabawasang interhemispheric functional connectivity sa mga nasa hustong gulang na umaasa sa cocaine [64] . Ipinakita nila ang pangunahing pagkakasangkot ng isang fronto-parietal network, na may relatibong pagtitipid sa mga temporal na rehiyon, mga resulta na kahawig ng aming mga natuklasan. Bagama't tinalakay ng mga may-akda ang natuklasan pangunahin bilang sumasalamin sa pangmatagalang epekto ng talamak na pagkakalantad sa cocaine, binanggit din nila ang posibilidad na ang nabawasang interhemispheric functional connectivity ay maaaring nauna sa pagkakalantad sa cocaine bilang isang kahinaan sa mga sakit sa adiksyon. Iminumungkahi ng aming mga resulta na ang mga pagbabagong ito sa pagitan ng mga hemispheric ay sumasalamin sa alinman sa isang kahinaan para sa mga sakit sa adiksyon o isang neural correlate ng generic na nakakahumaling na pag-uugali, sa halip na maging pangalawa sa matagal na paggamit ng droga, dahil ang adiksyon sa aming sample ay tinukoy sa mga purong termino ng pag-uugali. Ang mga posibilidad na ito ay maaaring masuri sa pamamagitan ng pagsubok para sa mga pagkakatulad ng phenotypic sa pagitan ng mga hindi apektadong kamag-anak ng mga indibidwal na may alinman sa mga sakit sa pagkalulong sa droga o pag-uugali.

Kapansin-pansin, ang isang katulad na pattern ng pagbaba ng functional connectivity sa resting-state sa pagitan ng mga frontal at parietal na rehiyon ay naiulat kapwa sa mga indibidwal na umaasa sa cocaine at heroin [ 64] , [65] . Sa isang kamakailang pagsusuri, iminungkahi nina Sutherland et al. (2012) na ang pagbaba ng connectivity sa fronto-parietal circuits ay maaaring isang sentral na bahagi sa impaired cognitive control network ng mga populasyon na adik sa droga [54] . Sinusuportahan din ng aming natuklasan sa adiksyon sa internet ang paniwala na ang pagbaba ng functional connectivity sa pagitan ng mga frontal at parietal na rehiyon ay maaaring isang karaniwang katangian sa iba't ibang uri ng adiksyon, na nagmumungkahi ng pagkakaroon ng isang shared phenotype na hindi pangalawang bunga ng paggamit ng droga. Bilang karagdagan, ang isang kamakailang pagsisiyasat sa whole-brain functional connectivity sa schizophrenia ay nagpakita ng mga kitang-kitang fronto-temporal sa halip na fronto-parietal o fronto-striatal na mga pagbabago [52] , na naaayon sa mga klasikong pathophysiological model ng disorder [66] . Siyempre, ang pinakakapansin-pansing natuklasan sa kasalukuyang pag-aaral ay ang adiksyon sa internet ay nauugnay sa patolohiya ng mga striatal circuit sa partikular, isang sistemang karaniwang sangkot sa iba pang mga nakakahumaling na sakit, na nagmumungkahi ng isang ibinahaging neurobiological phenotype . Ang pagtukoy sa mga nabagong striatal circuit na nagpapatong-patong sa mga kilalang nakakahumaling na sakit ay maaaring maging kapaki-pakinabang para sa pagsubok kung ang modelo ng adiksyon ay isang angkop na teoretikal na balangkas para sa pag-unawa sa sakit [67] , [68] . Gayunpaman, kung ang isang medyo mas malakas na kapansanan ng fronto-parietal at fronto-striatal functional connectivity ay maaaring higit na tiyak sa mga sakit sa adiksyon ay nananatili pa ring pinag-uusapan. Kinakailangan ang mga pag-aaral sa hinaharap na direktang naghahambing sa iba't ibang sakit upang maitatag ang pagiging tiyak.

Isa sa mga pinakakawili-wiling natuklasan sa kasalukuyang pag-aaral ay ang malakas na pagkakasangkot ng putamen. Ang istrukturang ito ng utak ay kilalang nagmo-modulate ng ilang neurotransmitter kabilang ang dopamine, at ang blunted striatal dopaminergic function ay malakas na naiugnay bilang isa sa mga pangunahing mekanismo ng biyolohikal ng mga sakit sa pagkagumon [8] . Ang Dopamine ay isang pangunahing modulator ng function ng putamen at maaaring gumanap ng mahalagang papel sa mga kaguluhan sa functional connectivity na naobserbahan sa pag-aaral na ito. Ito ay naaayon sa kamakailang ebidensya na ang pagkakaroon ng striatal dopamine transporter at D2 receptor ay nababago sa mga taong may adiksyon sa internet [6] , [7] at ang genetic at pharmacologic modulation ng mga antas ng dopamine sa utak ay maaaring magkaroon ng malalim na epekto sa mga pattern ng functional connectivity [69] - [71] . Kung isasaalang-alang ang mga naunang ulat na ito at ang iminungkahing neurobiological na mekanismo ng adiksyon na kinasasangkutan ng blunted striatal dopaminergic function [8] , ang pag-unawa sa mga epekto ng dopamine sa network na kinilala bilang nagpapakita ng binagong functional connectivity sa kasalukuyang pag-aaral ay kumakatawan sa isang mahalagang paraan ng pag-unawa sa mga neurobiological correlates ng adiksyon sa internet.

Ang aming natuklasan na ang putamen ang pinakamalawak na nasasangkot na subcortical region sa nabawasang functional network, maliban sa caudate nucleus, ay interesante rin. Ang parehong istruktura ay bahagi ng striatum, na siya namang bahagi ng mga subcortical structure. Ang putamen ay karaniwang itinuturing na isang rehiyon ng utak na nauugnay sa aktibidad ng motor, at mas bihirang nasangkot sa pagdaragdag ng substansiya kaysa sa caudate . Sa mga aktibidad ng motor, ang isang mahusay na natutunang pagkakasunod-sunod ng paulit-ulit na paggalaw ng daliri ay ipinakita na nauugnay sa pag-activate sa putamen [72] - [76] . Ang mga taong dumaranas ng adiksyon sa internet ay maaaring sumailalim sa mas mataas na dalas ng ilang mga pag-uugali sa mahabang panahon, na kinabibilangan ng paulit-ulit na manipulasyon ng mouse at keyboard, at ang mga karanasang ito ay maaaring makaapekto sa kanilang utak. Samakatuwid, ang aberrant connectivity na nagmumula sa putamen ay marahil ay nagpapahiwatig ng isang partikular na katangian ng adiksyon sa internet. Gayunpaman, dahil hindi namin sinukat ang antas ng manipulasyon ng daliri sa aming mga kalahok, ang implikasyon ng nabawasan sa halip na tumaas na functional connectivity na kinasasangkutan ng putamen kaugnay ng manipulasyon ng mouse/keyboard ay nananatiling bukas sa pananaliksik sa hinaharap. Bilang kahalili, ang pagkakasangkot ng putamen sa aming mga natuklasan ay maaaring sumasalamin sa papel nito sa mga prosesong kognitibo na kapareho ng caudate at na may kapansanan sa adiksyon, tulad ng pagproseso ng gantimpala [77] , [78].

Isa pang puntong dapat talakayin ay ang kawalan ng anumang pagtaas ng functional connectivity sa grupong adik sa internet. Bagama't inaasahan naming makakita ng nabawasang functional connectivity sa grupong adik, sa katunayan, hindi namin isinantabi ang posibilidad na maobserbahan ang pagtaas ng functional connectivity, lalo na't isinasaalang-alang ang hypothesis na ang mga kabataang may adiksyon sa internet ay maaaring magpakita ng practice effect dahil sa labis na online activities [79] – [82] . Ang isang posibleng paliwanag para sa negatibong natuklasan ay maaaring ang aming maliit na sample size ay kulang sa kapangyarihang matukoy ang pagtaas na ito na may kaugnayan sa practice sa functional connectivity. Gayunpaman, hindi pa ganap na naitatatag kung ang cognitive performance sa ilang mga gawain o ang kalubhaan ng ilang psychopathologies ay nagpapakita bilang nabawasan o tumaas na functional connectivity [83] , [84] . Ang isa pang dapat isaalang-alang ay ang epekto ng pangmatagalang labis na paggamit ng internet ay maaaring makaimpluwensya sa utak nang iba ayon sa subpopulation. Halimbawa, ang isang subpopulation na tinatawag na professional online game players ay nakikibahagi sa masinsinang mga aktibidad sa internet, gumugugol ng parehong mahabang oras sa pagsasanay ng mga online game at malamang na mas mahusay ang performance sa mga larong iyon kaysa sa mga taong may adiksyon sa internet, ngunit tila hindi adik gaya ng pinatutunayan ng mas mababang YIAS score [85] . Samakatuwid, maaaring ipalagay na ang mga epekto ng kasanayan sa mga aktibidad sa internet ay maaaring magpakita nang iba depende sa indibidwal.

Ang kasalukuyang pag-aaral ay may ilang mahahalagang limitasyon. Una, ang laki ng sample ay medyo maliit, na malamang na naglimita sa aming kakayahang matukoy ang mga makabuluhang ugnayan sa pagitan ng functional connectivity at mga marka ng YIAS. Kaya, ang kasalukuyang natuklasan ay kailangang kopyahin sa isang mas malaking sample ng mga kalahok na may adiksyon sa internet at mga kontrol. Gayunpaman, kapansin-pansin na ang laki ng aming sample ay sa pangkalahatan ay maihahambing sa mga dating functional neuroimaging na pag-aaral ng adiksyon sa internet. Ang aming sample ay kakaiba, dahil karamihan sa mga dating pag-aaral ay batay sa mga nasa hustong gulang [2] - [7] . Pangalawa, ang mga pamantayan sa diagnostic para sa adiksyon sa internet ay hindi pa matibay na naitatatag, bagaman ang aming mga natuklasan ay tumutukoy sa isang potensyal na neurobiological na batayan para sa posibleng sakit na ito. Pangatlo, bagama't hindi namin isinama ang mga comorbid mental disorder gamit ang K-SADS-PL, ang mga sintomas ng subthreshold-level ng mga comorbid mental condition ay maaaring naroroon pa rin. Pang-apat, ang pagkolekta ng mas malawak na hanay ng klinikal na impormasyon tulad ng mga gawi sa pagtulog ay maaaring nagpayaman sa aming data at nagpabuti sa aming kontribusyon sa literatura [86] , [87] . Panghuli, ang disenyo ng cross-sectional na pag-aaral ay naglilimita sa interpretasyon ng isang sanhi ng relasyon sa pagitan ng nabawasang functional connectivity at ang pag-unlad ng adiksyon sa internet. Dapat tandaan na ang paggalaw ng ulo ay lumitaw bilang isang mahalagang kalituhan sa functional neuroimaging [38] , [88] . Ang paggalaw ng ulo ay komprehensibong sinuri sa pag-aaral na ito gamit ang iba't ibang kamakailang iminungkahing mga panukat ng pag-ikot at pag-aalis ng paggalaw [38] . Walang natagpuang makabuluhang pagkakaiba sa pagitan ng mga grupo para sa alinman sa mga panukat ng paggalaw ng ulo na isinaalang-alang.

Sa buod, ang mga resulta ng pag-aaral na ito ay nagmumungkahi na ang mga kabataang may adiksyon sa internet ay nagpapakita ng nabagong koneksyon sa paggana ng utak kahit walang malubhang aberya sa topolohiya ng network. Ang nabagong network ay nagpakita ng malawak na pagkakasangkot ng mga mahahabang koneksyon sa pagitan ng mga hemispheric pati na rin ang mga maiikling koneksyon sa loob ng hemispheric sa buong utak. Ang mga rehiyon ng subcortical na utak ay maaaring gumanap ng mahalagang papel sa nabagong network na ito, lalo na ang putamen, na nagpakita ng nabawasang koneksyon sa lahat ng tatlong pangunahing cerebral lobes na kasangkot.

Pagsuporta sa Impormasyon

Figure_S1.tif

• 1 / 4

bahagi ng igos

download

Network ng nabawasang koneksyon sa paggana ng utak sa mga kabataang may adiksyon sa internet (gamit ang iba't ibang atlas). Ang mga pulang tuldok ay kumakatawan sa mga stereotactic centroid ng mga rehiyon ng utak (mga node) na tinukoy ng structural atlas ng Montreal Neurological Institute (MNI) (A) at random parcellation atlas (B), at ang mga asul na linya ay kumakatawan sa mga suprathreshold link (t = 2.1 at 3.0, ayon sa pagkakabanggit) na bumubuo sa apektadong network na kinilala sa network-based statistic (NBS) ( p <0.05, component-wise corrected).

Figure S1.

Network ng nabawasang koneksyon sa paggana ng utak sa mga kabataang may adiksyon sa internet (gamit ang iba't ibang atlas). Ang mga pulang tuldok ay kumakatawan sa mga stereotactic centroid ng mga rehiyon ng utak (mga node) na tinukoy ng structural atlas ng Montreal Neurological Institute (MNI) (A) at random parcellation atlas (B), at ang mga asul na linya ay kumakatawan sa mga suprathreshold link (t = 2.1 at 3.0, ayon sa pagkakabanggit) na bumubuo sa apektadong network na kinilala sa network-based statistic (NBS) ( p <0.05, component-wise corrected).

(TIF)

Figure S2.

Proporsyon ng mga koneksyon na apektado ng adiksyon sa internet na nag-uugnay sa magkakaibang pares ng malalawak na dibisyon ng utak (idinetalye para sa mga rehiyong subkortikal). Ang bilang ng mga link na kinasasangkutan ng bawat pares ng dibisyon ay ninonormalisa ng kabuuang bilang ng mga link na pair-wise.

(TIF)

Talahanayan S1.

Lokal na koepisyent ng kumpol. Ipinapakita ng talahanayan na ito ang mga resulta sa antas ng trend na may hindi gaanong mahigpit na maling positibong pagwawasto p <(1/90) = 0.011; walang resulta ang nakaligtas sa karaniwang pagwawasto ng rate ng maling pagtuklas para sa maraming paghahambing.

(DOC)

Talahanayan S2.

Haba ng lokal na landas. Ipinapakita ng talahanayang ito ang mga resulta sa antas ng trend na may hindi gaanong mahigpit na maling positibong pagwawasto p <(1/90) = 0.011; walang resulta ang nakaligtas sa karaniwang pagwawasto ng rate ng maling pagtuklas para sa maraming paghahambing.

(DOC)