По всем вопросам звоните:

+7 495 274-22-22

УДК: 616.89 DOI:10.33920/med-01-2506-02

Нейропсихологический анализ проблемного использования цифровых технологий у подростков. Сообщение 2 — связанная с событием электроэнцефалография при эмоциональной оценке зрительных стимулов IAPS

Тимербулатова Миляуша Фаниловна ассистент кафедры психиатрии, наркологии и психотерапии, ФГБОУ ВО «Башкирский государственный медицинский университет» Минздрава Российской Федерации, врач-психиатр, врач-психотерапевт, ГБУЗ РКПЦ Минздрава Республики Башкортостан, г. Уфа, ORCID iD 0000-0003-3540-9298, e-mail: gmf.psy@gmail.com
Ахмадеев Рустэм Раисович доктор медицинских наук, профессор, нейрофизиолог, медицинский психолог, ФГБОУ ВО «Башкирский государственный медицинский университет» Минздрава Российской Федерации, Всероссийский центр глазной и пластической хирургии, г. Уфа, ORCID iD 0000-0002-0212-2162, e-mail: ahmadeevr@yandex.ru
Мухамадеев Тимур Рафаэльевич доктор медицинских наук, заведующий кафедрой офтальмологии, ФГБОУ ВО «Башкирский государственный медицинский университет» Минздрава Российской Федерации, г. Уфа, ORCID iD 0000-0003-3078-2464, e-mail: photobgmu@gmail.com
Юлдашев Владимир Лабибович доктор медицинских наук, профессор, ФГБОУ ВО «Башкирский государственный медицинский университет» Минздрава Российской Федерации, Уфа, ORCID iD 0000-0002-7387-138X, e-mail: uvlprof@gmail.com
Тимербулатов Ильгиз Фаритович доктор медицинских наук, заведующий кафедрой наркологии, профессор кафедры психотерапии, ФГБОУ ДПО РМАНПО МЗ РФ (г. Москва), профессор кафедры психиатрии, наркологии и психотерапии лечебного факультета, НОИ клинической медицины имени Семашко, ФГБОУ ВО «Российский университет медицины» Минздрава Российской Федерации (г. Москва), профессор кафедры психиатрии, наркологии и психотерапии, ФГБОУ ВО «Башкирский государственный медицинский университет» Минздрава Российской Федерации (Уфа), главный врач, ГБУЗ МО ЦКПБ имени Ф.А. Усольцева (Московская область), ORCID iD 0000-0001-5241-6073, e-mail: iftdoc@mail.ru

Нейропсихологическое исследование подростков с различной выраженностью интернет-зависимого поведения показало наибольшее (92,7 %; n = 89) количество совпадений субъективной оценки IAPS-стимулов с достоверным изменением СС-ЭЭГ при предъявлении стимулов нейтральной валентности (изображения стула по IAPS). Прямо противоположная структура совпадение / несовпадение определилась при зрительной аффективной стимуляции изображений девайсов (ноутбук Apple), совпадения составили 25,3 % (n = 24); несовпадения — 74,7 % (n = 71). При подаче стимулов позитивной и негативной валентности соотношение приблизительно одинаково и составляет соответственно 83,3 % (n = 80) / 16,7 % (n = 16) и 85,4 % (n = 82) / 14,6 % (n = 14). Максимальное количество значимых изменений СС-ЭЭГ выявлено при предъявлении изображений девайсов в диапазоне 8–13 Гц (α-ритма). Максимальное (до 4,7 ± 2,2 мкВ) падение амплитуды α-волны произошло у интернет-независимых (ИН) подростков, минимальное (25,6 ± 7,6 мкВ) — у интернет-зависимых (ИЗ). Сопоставление этих величин между группами ИЗ и ИН на фоне визуальной стимуляции обнаружило значимо (p = 0,006) низкий показатель альфа-активности у интернет-независимых подростков относительно интернет-аддиктов. Амплитуда фонового тета-ритма была наиболее высокой в группе подростков без признаков интернет-зависимости, при IAPS-стимуляции, как и в случае с α-ритмом, у интернет-независимых подростков произошло шестикратное снижение амплитуды θ активности, что намного превышает ее двукратное снижение у группы интернет-зависимых. Максимальная реакция десинхронизации, определенная у подростков без признаков интернет-зависимости свидетельствует о хорошей у них сохранности механизмов эмоциональной селекции. Напротив, у подростков с интернет-зависимостью этот показатель был худшим, что служит признаком толерантности или ригидности, менее эффективной селекции эмоционально значимых зрительных стимулов. Сочетание психометрического анализа субъективной оценки эмоционально значимых зрительных стимулов IAPS с регистрацией связанной с событием ЭЭГ служит эффективным нейропсихологическим инструментом изучения нервно-психических функций у пользователей информационными технологиями. Результаты обсуждены как с позиций теории стресса и с учетом нейрофизиологических данных об интернет-зависимом поведении. Главным итогом исследования авторы полагают значительный вклад зрительной системы в патогенез развития интернет-аддикции.

Литература:

1. Brand M., Young K. S., Laier C. Prefrontal control and internet addiction: a theoretical model and review of neuropsychological and neuroimaging findings. Front. Hum. Neurosci. 2014; 8:375. doi: 10.3389/fnhum.2014.00375.

2. Huang A. C. W. (2017). «Autonomic Nervous System and Brain Circuitry for Internet Addiction» in Internet Addiction: Neuroscientific Approaches and Therapeutical Interventions. eds. C. Montag, and M. Reuter (Cham: Springer International Publishing), 111–129.

3. The Oxford Handbook of Digital Technologies and Mental Health, Marc N. Potenza, Kyle Faust, David Faust / Oxford University Press, 2020 (Yau Y. H. C. and Potenza M. N., 2020).

4. Sharifat H., Suppiah S. Electroencephalography-detected neurophysiology of internet addiction disorder and internet gaming disorder in adolescents — A review. Med.J. Malaysia. 2021; 76 (3):401–413.

5. Dong G., DeVito E., Huang, J., et al. Diffusion tensor imaging reveals thalamus and posterior cingulate cortex abnormalities in internet gaming addicts. J. Psychiatr. Res. 2012; 46 (9):1212–1216. doi: 10.1016/j.jpsychires.2012.05.015.

6. Yuan K., Cheng P., Dong T., et al. Cortical thickness abnormalities in late adolescence with online gaming addiction. PLoS One. 2013; 8 (1):e53055. doi: 10.1371/journal.pone.0053055.

7. Kim H., Kim Y. K., Lee J. Y., et al. Hypometabolism and altered metabolic connectivity in patients with internet gaming disorder and alcohol use disorder. Prog. Neuropsychopharmacol Biol. Psychiatry. 2019; 95:109680. doi: 10.1016/j. pnpbp.2019.109680.

8. Li S., Wu Q., Tang C., et al. Exercise-Based Interventions for Internet Addiction: Neurobiological and Neuropsychological Evidence. Front. Psychol. 2020; 11:1296. doi: 10.3389/fpsyg.2020.01296.

9. Ko C. H., Hsieh T.J., Chen C. Y., et al. Altered brain activation during response inhibition and error processing in subjects with internet gaming disorder: a functional magnetic imaging study. Eur. Arch. Psychiatry Clin. Neurosci. 2014; 264 (8):661–672. doi: 10.1007/s00406-013-0483-3.

10. Yu H., Zhao X., Li N., et al. Effect of excessive Internet use on the time — frequency characteristic of EEG. Progress in Natural Science. 2009; 19:1383–1387.

11. Youh J., Hong J. S., Han D. H., et al. Comparison of electroencephalography (EEG) coherence between major depressive disorder (MDD) without comorbidity and MDD comorbid with Internet gaming disorder. J. Korean Med. Sci. 2017; 32 (7):1160– 1165. doi: 10.3346/jkms.2017.32.7.1160.

12. Park S., Ryu H., Lee J. Y., et al. Longitudinal changes in neural connectivity in patients with internet gaming disorder: а resting-state EEG coherence study. Front. Psychiatry. 2018; 9:252. doi: 10.3389/fpsyt.2018.00252.

13. Burleigh T. L., Griffiths M. D., Sumich A., et al. Gaming disorder and internet addiction: A systematic review of restingstate EEG studies. Addict Behav. 2020; 107:106429. doi: 10.1016/j.addbeh.2020.106429.

14. Gross J., Baumgartl H., Buettner R. A Novel Machine Learning Approach for High-Performance Diagnosis of Premature Internet Addiction Using the Unfolded EEG Spectra (2020). AMCIS 2020 Proceedings. https://aisel.aisnet.org/amcis2020/data_science_analytics_for_decision_support/ data_science_analytics_for_decision_support/26.

15. Choi J. S., Park S. M., Lee J., et al. Resting-state beta and gamma activity in Internet addiction. Int.J. Psychophysiol. 2013; 89:328–333. doi: 10.1016/j.ijpsycho.2013.06.007.

16. Son K., Choi J., Lee J., et al. Neurophysiological features of Internet gaming disoder and alcohol use disorder: A restingstate EEG study. Transl. Psychiatry. 2015; 5: e628. doi: 10.1038/tp.2015.124.

17. Ахмадеев Р. Р., Мухамадеев Т. Р., Тимербулатова М. Ф., и др. Нейропсихологический анализ проблемного использования цифровых технологий у подростков. Сообщение 1 — Избирательная психоэмоциональная оценка изображений IAPS и связанные с событием потенциалы. Вестник неврологии, психиатрии и нейрохирургии. 2024; 11 (178): 1353–1362. doi: 10.33920/med-01-2411-10.

18. Bradley M. M., Lang P. J. Measuring Emotion: Behavior, Feeling, and Physiology; Oxford University Press: Oxford, UK, 2000.

19. Branco D., Goncalves O. F., Badia S. B. I. A systematic review of international affective picture system (IAPS) around the world. Sensors (Basel). 2023 Apr 10; 23 (8):3866. doi: 10.3390/s23083866.

20. International Affective Picture System (IAPS): Technical Manual and Affective Ratings Lang, P. J., Bradley, M. M., & Cuthbert, B. N. NIMH Center for the Study of Emotion and Attention 2008.

21. Афтанас Л. И., Павлов С. В. Особенности межполушарного распределения спектров мощности ЭЭГ у высокотревожных индивидуумов в эмоционально-нейтральных условиях и при отрицательной эмоциональной активации. Журнал высшей нервной деятельности им. И. П. Павлова. 2005; 55 (3):322–328.

22. Aftanas L. I., Reva N. V., Varlamov, A. A., et al. Analysis of Evoked EEG synchronization and desynchronization in conditions of emotional activation in humans: temporal and topographic characteristics. Neurosci. Behav. Physiol. 2004; 34 (8):859–867. doi: 10.1023/b:neab.0000038139.39812.eb.

23. Schupp H. T., Ohman A., Junghofer M. The facilitated processing of threatening faces: an ERP analysis. Emotion. 2004; 4 (2):189–200. doi: 10.1037/1528–3542.4.2.189.

24. Mather M., Canli T., et al. Amygdala responses to emotionally valenced stimuli in older and younger adults. Psychol. Sci. 2004; 15 (4):259–263. doi: 10.1111/j.0956–7976.2004.00662.x.

25. Wieser M. J., Muhlberger A., Kenntner-Mabiala R. Is emotion processing affected by advancing age? Brain Res. 2006; 1096 (1):138–47. doi: 10.1016/j.brainres.2006.04.028.

26. Новикова Е. Ю., Иванов А. А. Минимальные стандарты проведения рутинных ЭЭГ-обследований и ЭЭГ сна IFCN & ILAE 2023: общий обзор и оценка применимости в России. Эпилепсия и пароксизмальные состояния. 2024; 16 (3):281–290. https://doi.org/10.17749/2077–8333/epi.par.con.2024.189.

27. Захаров С. М., Скоморохов А. А. Практическое применение компьютерной энцефалографии. Энцефалограф-анализатор «Энцефалан». Таганрог, 2012, 125 с.

28. Klimesch W., SausengP., Hanslmayr S. EEG alpha oscillations: The inhibition-timing hypothesis. Brain Res. Rev. 2007; 53 (1):63–88. doi: 10.1016/j.brainresrev.2006.06.003.

29. Katmah R., Al-Shargie F., Tariq U., et al. A review on mental stress assessment methods using EEG Signals. Sensors (Basel). 2021; 21 (15):5043. doi: 10.3390/s21155043.

30. Ding W. N., Sun, J. H., Sun, Y. W., et al. Altered default network resting-state functional connectivity in adolescents with internet gaming addiction. 2013; 8 (3):e59902. doi: 10.1371/journal.pone.0059902.

31. Пережогин Л. О. Интернет-зависимость у детей и подростков: порочные круги патогенеза и новые клинические формы. Зависимость от социальных сетей. Российский педиатрический журнал. 2022; 25 (4), с. 277.

32. Chenivesse C., Chan P. Y., Tsai H. W. Negative emotional stimulation decreases respiratory sensory gating in healthy humans. Respir Physiol Neurobiol. 2014; 204:50–57. doi: 10.1016/j.resp.2014.08.019.

33. Junghöfer M, Bradley MM, Elbert TR, Lang PJ. Fleeting images: a new look at early emotion discrimination. Psychophysiology. 2001 Mar;38 (2):175–8. PMID: 11347862.

34. Dong G., Lu Q., Zhou H., et al. Impulse inhibition in people with Internet addiction disorder: electrophysiological evidence from a Go/NoGo study. Neurosci Lett. 2010; 485:138–142. doi:10.1016/j.neulet.2010.09.002.

35. Lu D. W., Wang J. W., Huang A. C. Differentiation of internet addiction risk level based on autonomic nervous responses: the Internet-addiction hypothesis of autonomic activity. Cyberpsychol. Behav. Soc. Netw. 2010; 13 (4):371–378. doi: 10.1089/cyber.2009.0254.

36. Ахмадеев Р. Р., Мухамадеев Т. Р., Шайхутдинова Э. Ф., и др. Психовегетативные корреляты интернет-зависимого поведения подростков по результатам пупиллометрии. Медицинский вестник Башкортостана. 2022; 17 (6):22–27.

1. Brand M., Young K. S., Laier C. Prefrontal control and internet addiction: a theoretical model and review of neuropsychological and neuroimaging findings. Front. Hum. Neurosci. 2014; 8:375. doi: 10.3389/fnhum.2014.00375.

2. Huang A. C. W. (2017). «Autonomic Nervous System and Brain Circuitry for Internet Addiction» in Internet Addiction: Neuroscientific Approaches and Therapeutical Interventions. eds. C. Montag, and M. Reuter (Cham: Springer International Publishing), 111–129.

3. The Oxford Handbook of Digital Technologies and Mental Health, Marc N. Potenza, Kyle Faust, David Faust / Oxford University Press, 2020 (Yau Y. H. C. and Potenza M. N., 2020).

4. Sharifat H., Suppiah S. Electroencephalography-detected neurophysiology of internet addiction disorder and internet gaming disorder in adolescents — A review. Med.J. Malaysia. 2021; 76 (3):401–413.

5. Dong G., DeVito E., Huang, J., et al. Diffusion tensor imaging reveals thalamus and posterior cingulate cortex abnormalities in internet gaming addicts. J. Psychiatr. Res. 2012; 46 (9):1212–1216. doi: 10.1016/j.jpsychires.2012.05.015.

6. Yuan K., Cheng P., Dong T., et al. Cortical thickness abnormalities in late adolescence with online gaming addiction. PLoS One. 2013; 8 (1):e53055. doi: 10.1371/journal.pone.0053055.

7. Kim H., Kim Y. K., Lee J. Y., et al. Hypometabolism and altered metabolic connectivity in patients with internet gaming disorder and alcohol use disorder. Prog. Neuropsychopharmacol Biol. Psychiatry. 2019; 95:109680. doi: 10.1016/j. pnpbp.2019.109680.

8. Li S., Wu Q., Tang C., et al. Exercise-Based Interventions for Internet Addiction: Neurobiological and Neuropsychological Evidence. Front. Psychol. 2020; 11:1296. doi: 10.3389/fpsyg.2020.01296.

9. Ko C. H., Hsieh T.J., Chen C. Y., et al. Altered brain activation during response inhibition and error processing in subjects with internet gaming disorder: a functional magnetic imaging study. Eur. Arch. Psychiatry Clin. Neurosci. 2014; 264 (8):661–672. doi: 10.1007/s00406-013-0483-3.

10. Yu H., Zhao X., Li N., et al. Effect of excessive Internet use on the time — frequency characteristic of EEG. Progress in Natural Science. 2009; 19:1383–1387.

11. Youh J., Hong J. S., Han D. H., et al. Comparison of electroencephalography (EEG) coherence between major depressive disorder (MDD) without comorbidity and MDD comorbid with Internet gaming disorder. J. Korean Med. Sci. 2017; 32 (7):1160–1165. doi: 10.3346/jkms.2017.32.7.1160.

12. Park S., Ryu H., Lee J. Y., et al. Longitudinal changes in neural connectivity in patients with internet gaming disorder: а resting-state EEG coherence study. Front. Psychiatry. 2018; 9:252. doi: 10.3389/fpsyt.2018.00252.

13. Burleigh T. L., Griffiths M. D., Sumich A., et al. Gaming disorder and internet addiction: A systematic review of resting-state EEG studies. Addict Behav. 2020; 107:106429. doi: 10.1016/j.addbeh.2020.106429.

14. Gross J., Baumgartl H., Buettner R. A Novel Machine Learning Approach for High-Performance Diagnosis of Premature Internet Addiction Using the Unfolded EEG Spectra (2020). AMCIS 2020 Proceedings. https:// aisel.aisnet.org/amcis2020/data_science_analytics_for_decision_support/ data_science_analytics_for_decision_ support/26.

15. Choi J. S., Park S. M., Lee J., et al. Resting-state beta and gamma activity in Internet addiction. Int.J. Psychophysiol. 2013; 89:328–333. doi: 10.1016/j.ijpsycho.2013.06.007.

16. Son K., Choi J., Lee J., et al. Neurophysiological features of Internet gaming disoder and alcohol use disorder: A resting-state EEG study. Transl. Psychiatry. 2015; 5: e628. doi: 10.1038/tp.2015.124.

17. Akhmadeev R. R., Mukhamadeev T. R., Timerbulatova M. F., et al. Neiropsikhologicheskii analiz problemnogo ispolzovaniia tsifrovykh tekhnologii u podrostkov. Soobshchenie 1 — Izbiratelnaia psikhoemotsional'naia otsenka izobrazhenii IAPS i sviazannye s sobytiem potentsialy [Neuropsychological analysis of problem use of digital technologies in adolescents. Message 1 — selective psychoemotional assessment of IAPS images and event-related potentials]. Vestnik nevrologii, psikhiatrii i neirokhirurgii [Bulletin of Neurology, Psychiatry and Neurosurgery]. 2024; 11 (178): 1353–1362. doi: 10.33920/med-01-2411-10. (In Russ.)

18. Bradley M. M., Lang P.J. Measuring Emotion: Behavior, Feeling, and Physiology; Oxford University Press: Oxford, UK, 2000.

19. Branco D., Goncalves O. F., Badia S. B. I. A systematic review of international affective picture system (IAPS) around the world. Sensors (Basel). 2023 Apr 10; 23 (8):3866. doi: 10.3390/s23083866.

20. International Affective Picture System (IAPS): Technical Manual and Affective Ratings Lang, P. J., Bradley, M. M., & Cuthbert, B. N. NIMH Center for the Study of Emotion and Attention 2008.

21. Aftanas L. I., Pavlov S. V. Osobennosti mezhpolusharnogo raspredeleniia spektrov moshchnosti EEG u vysokotrevozhnykh individuumov v emotsionalno-neitralnykh usloviiakh i pri otritsatelnoi emotsionalnoi aktivatsii [Peculiarities of interhemispheric EEG band power distribution in high anxiety individuals under emotionally neutral and aversive arousal conditions]. Zhurnal vysshei nervnoi deiatelnosti imeni I. P. Pavlova [Journal of Higher Nervous Activity named after I. P. Pavlov]. 2005; 55 (3):322–328. (In Russ.)

22. Aftanas L. I., Reva N. V., Varlamov, A. A., et al. Analysis of Evoked EEG synchronization and desynchronization in conditions of emotional activation in humans: temporal and topographic characteristics. Neurosci. Behav. Physiol. 2004; 34 (8):859–867. doi: 10.1023/b:neab.0000038139.39812.eb.

23. Schupp H. T., Ohman A., Junghofer M. The facilitated processing of threatening faces: an ERP analysis. Emotion. 2004; 4 (2):189–200. doi: 10.1037/1528–3542.4.2.189.

24. Mather M., Canli T., et al. Amygdala responses to emotionally valenced stimuli in older and younger adults. Psychol. Sci. 2004; 15 (4):259–263. doi: 10.1111/j.0956–7976.2004.00662.x.

25. Wieser M.J., Muhlberger A., Kenntner-Mabiala R. Is emotion processing affected by advancing age? Brain Res. 2006; 1096 (1):138–47. doi: 10.1016/j.brainres.2006.04.028.

26. Novikova E. Iu., Ivanov A. A. Minimalnye standarty provedeniia rutinnykh EEG-obsledovanii i EEG sna IFCN & ILAE 2023: obshchii obzor i otsenka primenimosti v Rossii [2023 IFCN & ILAE minimum recording standards for routine and sleep EEG. Applicability assessment in Russia]. Epilepsiia i paroksizmalnye sostoianiia [Epilepsy and Paroxysmal Conditions]. 2024; 16 (3):281–290. https://doi.org/10.17749/2077–8333/epi.par.con.2024.189. (In Russ.)

27. Zakharov S. M., Skomorokhov A. A. Prakticheskoe primenenie komp'iuternoi entsefalografii. Entsefalografanalizator «Entsefalan» [Practical application of computer encephalography. Encephalograph-analyzer «Encephalan»]. Taganrog, 2012, 125 p. (In Russ.)

28. Klimesch W., SausengP., Hanslmayr S. EEG alpha oscillations: The inhibition-timing hypothesis. Brain Res. Rev. 2007; 53 (1):63–88. doi: 10.1016/j.brainresrev.2006.06.003.

29. Katmah R., Al-Shargie F., Tariq U., et al. A review on mental stress assessment methods using EEG Signals. Sensors (Basel). 2021; 21 (15):5043. doi: 10.3390/s21155043.

30. Ding W. N., Sun, J. H., Sun, Y. W., et al. Altered default network resting-state functional connectivity in adolescents with internet gaming addiction. 2013; 8 (3):e59902. doi: 10.1371/journal.pone.0059902.

31. Perezhogin L. O. Internet-zavisimost u detei i podrostkov: porochnye krugi patogeneza i novye klinicheskie formy. Zavisimost ot sotsialnykh setei [Internet addiction in children and adolescents: vicious circles of pathogenesis and new clinical forms. Social media addiction]. Rossiiskii pediatricheskii zhurnal [Russian Pediatric Journal]. 2022;25 (4):277–277. (In Russ.)

32. Chenivesse C., Chan P. Y., Tsai H. W. Negative emotional stimulation decreases respiratory sensory gating in healthy humans. Respir Physiol Neurobiol. 2014; 204:50–57. doi: 10.1016/j.resp.2014.08.019.

33. Junghöfer M, Bradley MM, Elbert TR, Lang PJ. Fleeting images: a new look at early emotion discrimination. Psychophysiology. 2001 Mar;38 (2):175–8. PMID: 11347862.

34. Dong G., Lu Q., Zhou H., et al. Impulse inhibition in people with Internet addiction disorder: electrophysiological evidence from a Go/NoGo study. Neurosci Lett. 2010; 485:138–142. doi:10.1016/j.neulet.2010.09.002.

35. Lu D. W., Wang J. W., Huang A. C. Differentiation of internet addiction risk level based on autonomic nervous responses: the Internet-addiction hypothesis of autonomic activity. Cyberpsychol. Behav. Soc. Netw. 2010; 13 (4):371–378. doi: 10.1089/cyber.2009.0254.

36. Akhmadeev R. R., Mukhamadeev T. R., Shaikhutdinova E. F., et al. Psikhovegetativnye korreliaty internetzavisimogo povedeniia podrostkov po rezultatam pupillometrii [Psychovegetative correlates of internet dependent behavior in adolescents according to the results of pupillometry]. Meditsinskii vestnik Bashkortostana [Bashkortostan Medical Newsletter]. 2022; 17 (6):22–27. (In Russ.)

При изучении проблемного использования цифровых технологий (ПИЦТ), в том числе — различных видов интернет-зависимости (ИЗ), наиболее актуальным является понимание их нейропсихологических механизмов [1–4].

В исследованиях объективных процессов формирования ПИЦТ используются две основные стратегии — нейровизуализационная и собственно нейрофизиологическая, каждая из которых обладает определенными преимуществами и ограничениями. Первая позволила выявить ряд важных закономерностей при ПИЦТ, основные из которых — участие в формировании ИЗ обширных зон мозга, ответственных за мотивационно-эмоциональное поведение и его когнитивный контроль [5–8].

В контексте нашей работы наиболее важным в этих нейровизуализационных исследованиях являются два положения. Во-первых, методом функциональной магнитно-резонансной томографии c использованием технологии Go/no-Go было показано изменение активности некоторых зон головного мозга у пациентов с интернет-зависимостью. Эти нейрофизиологические факты [9] объясняют ухудшение нервно-психических процессов, осуществляющих обнаружение и устранение нерелевантных сигналов. Во-вторых, изменения метаболической связи между зонами мозга, контролирующими сенсорную, двигательную и мотивационно-эмоциональную сферу у людей с игровой зависимостью свидетельствуют о сенсорной дезинтеграции и ухудшении анализа информации, поступающей из различных сенсорных систем [7]. Этот факт для нас представляет особый интерес, поскольку главной мишенью ПИЦТ, наряду с нервно-психическими функциями, является зрительный анализатор.

Собственно электроэнцефалографические (ЭЭГ) исследования показали, что изменения отдельных волн ЭЭГ служат хорошим маркером игровой и интернет-зависимости [4, 10–13], при этом наиболее информативными являются более высокочастотные (10,5–11 Гц, 21,5–22 Гц, 22,5–23 Гц) поддиапазоны [14–16].

В первой части настоящей статьи мы [17] предоставили результаты нейропсихологического исследования подростков с различной выраженностью ИЗ с применением международной системы IAPS и регистрацией связанной с событием электроэнцефалограммы (ССЭЭГ). Несмотря на определенную закономерность в характере реагирования подростков с ИЗ различной выраженности на зрительные стимулы разной эмоциональной валентности, эти данные не дают ответа на главный вопрос о нейронных механизмах формирования интернет-зависимого поведения.

Для Цитирования:
Тимербулатова Миляуша Фаниловна, Ахмадеев Рустэм Раисович, Мухамадеев Тимур Рафаэльевич, Юлдашев Владимир Лабибович, Тимербулатов Ильгиз Фаритович, Нейропсихологический анализ проблемного использования цифровых технологий у подростков. Сообщение 2 — связанная с событием электроэнцефалография при эмоциональной оценке зрительных стимулов IAPS. Вестник неврологии, психиатрии и нейрохирургии. 2025;6.
Полная версия статьи доступна подписчикам журнала
Язык статьи:
Действия с выбранными: