Aperçu: G.M.
CONTEXTE:
Au cours des dernières années, le débat sur l'ampleur et la nature du chevauchement de la neuropathologie entre la schizophrénie (SZ) et le "trouble du spectre de l'autisme" (TSA) s'est accru. La connectivité de réseau fonctionnelle dynamique (dFNC) est une méthode d'analyse récente qui explore les modèles temporels de connectivité fonctionnelle (FC). Nous avons comparé la dFNC à l'état de repos chez les patients SZ, TSA et sans troubles (HC), caractérisé les associations entre les schémas temporels et les symptômes et réalisé une analyse de classification à trois voies basée sur les indices de la dFNC.
METHODES:
Une IRMf à l'état de repos a été recueillie chez 100 jeunes adultes: 33 SZ, 33 TSA, 34 HC. Une analyse en composantes indépendantes (ICA) a été effectuée, suivie d'une analyse par dFNC (fenêtre = 33 s, étape = 1TR, groupement k-signifie). Les tendances temporelles ont été comparées entre les groupes, corrélées avec les symptômes et classées par analyse discriminante à trois voies validée par recoupement.
RÉSULTATS:
Les deux groupes cliniques ont affiché une fraction de temps accrue (FT) passée dans un état de connectivité intra-réseau faible [p <0,001] et une diminution de la FT dans un état hautement connecté [p <0,001]. SZ a également montré une diminution du nombre de transitions entre les états [p <0,001], une diminution de la FT dans un état largement connecté [p <0,001], une augmentation du temps de passage (DT) dans un état faiblement connecté [p <0,001], et diminution de DT dans l'état hautement connecté [p = 0,001]. Les scores de comportement social étaient corrélés avec DT dans l'état largement connecté dans SZ [r = 0,416, p = 0,043], mais pas avec le TSA.
Au cours des dernières années, le débat sur l'ampleur et la nature du chevauchement de la neuropathologie entre la schizophrénie (SZ) et le "trouble du spectre de l'autisme" (TSA) s'est accru. La connectivité de réseau fonctionnelle dynamique (dFNC) est une méthode d'analyse récente qui explore les modèles temporels de connectivité fonctionnelle (FC). Nous avons comparé la dFNC à l'état de repos chez les patients SZ, TSA et sans troubles (HC), caractérisé les associations entre les schémas temporels et les symptômes et réalisé une analyse de classification à trois voies basée sur les indices de la dFNC.
METHODES:
Une IRMf à l'état de repos a été recueillie chez 100 jeunes adultes: 33 SZ, 33 TSA, 34 HC. Une analyse en composantes indépendantes (ICA) a été effectuée, suivie d'une analyse par dFNC (fenêtre = 33 s, étape = 1TR, groupement k-signifie). Les tendances temporelles ont été comparées entre les groupes, corrélées avec les symptômes et classées par analyse discriminante à trois voies validée par recoupement.
RÉSULTATS:
Les deux groupes cliniques ont affiché une fraction de temps accrue (FT) passée dans un état de connectivité intra-réseau faible [p <0,001] et une diminution de la FT dans un état hautement connecté [p <0,001]. SZ a également montré une diminution du nombre de transitions entre les états [p <0,001], une diminution de la FT dans un état largement connecté [p <0,001], une augmentation du temps de passage (DT) dans un état faiblement connecté [p <0,001], et diminution de DT dans l'état hautement connecté [p = 0,001]. Les scores de comportement social étaient corrélés avec DT dans l'état largement connecté dans SZ [r = 0,416, p = 0,043], mais pas avec le TSA.
La classification identifiait correctement la SZ à des taux élevés (81,8%), tandis que les TSA et les HC étaient à des taux inférieurs.
CONCLUSIONS:
Les résultats indiquent une tendance grave et omniprésente d'aberrations temporelles dans la SZ (en particulier, le fait d'être "bloqué" dans un état de connectivité faible), qui distingue les participants de la SZ des TSA et de l'HC, et est associée à des symptômes cliniques.
CONCLUSIONS:
Les résultats indiquent une tendance grave et omniprésente d'aberrations temporelles dans la SZ (en particulier, le fait d'être "bloqué" dans un état de connectivité faible), qui distingue les participants de la SZ des TSA et de l'HC, et est associée à des symptômes cliniques.
Neuroimage Clin. 2019 Aug 1;24:101966. doi: 10.1016/j.nicl.2019.101966.
Dynamic functional connectivity in schizophrenia and autism spectrum disorder: Convergence, divergence and classification
Rabany L1, Brocke S2, Calhoun VD3, Pittman B4, Corbera S5, Wexler BE4, Bell MD6, Pelphrey K7, Pearlson GD8, Assaf M9.
Author information
- 1
- Olin Neuropsychiatry Research Center, Institute of Living, Hartford, CT, USA. Electronic address: lironrb@gmail.com.
- 2
- Olin Neuropsychiatry Research Center, Institute of Living, Hartford, CT, USA.
- 3
- Mind Research Network, Albuquerque, NM, USA; University of New Mexico, Department of ECE, Albuquerque, NM, USA; Yale University, School of Medicine, Department of Psychiatry, New Haven, CT, USA.
- 4
- Yale University, School of Medicine, Department of Psychiatry, New Haven, CT, USA.
- 5
- Olin Neuropsychiatry Research Center, Institute of Living, Hartford, CT, USA; Central Connecticut State University, Department of Psychological Science, New Britain, CT, USA.
- 6
- Yale University, School of Medicine, Department of Psychiatry, New Haven, CT, USA; VA Connecticut Healthcare System West Haven, CT, USA.
- 7
- Autism and Neurodevelopment Disorders Institute, George Washington University and Children's National Medical Center, DC, USA.
- 8
- Olin Neuropsychiatry Research Center, Institute of Living, Hartford, CT, USA; Yale University, School of Medicine, Department of Psychiatry, New Haven, CT, USA; Yale University School of Medicine, Department of Neuroscience, New Haven, CT, USA.
- 9
- Olin Neuropsychiatry Research Center, Institute of Living, Hartford, CT, USA; Yale University, School of Medicine, Department of Psychiatry, New Haven, CT, USA.
Abstract
BACKGROUND:
Over the recent years there has been a growing debate regarding the extent and nature of the overlap in neuropathology between schizophrenia (SZ) and autism spectrum disorder (ASD). Dynamic functional network connectivity (dFNC) is a recent analysis method that explores temporal patterns of functional connectivity (FC). We compared resting-state dFNC in SZ, ASD and healthy controls (HC), characterized the associations between temporal patterns and symptoms, and performed a three-way classification analysis based on dFNC indices.METHODS:
Resting-state fMRI was collected from 100 young adults: 33 SZ, 33 ASD, 34 HC. Independent component analysis (ICA) was performed, followed by dFNC analysis (window = 33 s, step = 1TR, k-means clustering). Temporal patterns were compared between groups, correlated with symptoms, and classified via cross-validated three-way discriminant analysis.RESULTS:
Both clinical groups displayed an increased fraction of time (FT) spent in a state of weak, intra-network connectivity [p < .001] and decreased FT in a highly-connected state [p < .001]. SZ further showed decreased number of transitions between states [p < .001], decreased FT in a widely-connected state [p < .001], increased dwell time (DT) in the weakly-connected state [p < .001], and decreased DT in the highly-connected state [p = .001]. Social behavior scores correlated with DT in the widely-connected state in SZ [r = 0.416, p = .043], but not ASD. Classification correctly identified SZ at high rates (81.8%), while ASD and HC at lower rates.CONCLUSIONS:
Results indicate a severe and pervasive pattern of temporal aberrations in SZ (specifically, being "stuck" in a state of weak connectivity), that distinguishes SZ participants from both ASD and HC, and is associated with clinical symptoms.
Copyright © 2019. Published by Elsevier Inc.
- PMID:31401405
- DOI:10.1016/j.nicl.2019.101966