🧬 biology

Internet gaming disorder: dynamic functional connectivity and graph theory

Este estudio revela que el trastorno por uso de videojuegos se caracteriza por una redistribución dependiente del estado de la ocupación de la red temporal cerebral y por interrupciones topológicas específicas en un estado de conectividad transitoria, con características de grafos dinámicos en ciertos estados que predicen con éxito la gravedad de los síntomas.

Autores originales: Yichen Guo, Guohao Lu, Xinyu Wang, Wenjing Li, Longyao Ma, Yang Liu, Sha Zhou, Yong Zhang, Weijian Wang

Publicado 2026-08-20

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Yichen Guo, Guohao Lu, Xinyu Wang, Wenjing Li, Longyao Ma, Yang Liu, Sha Zhou, Yong Zhang, Weijian Wang

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Esta es una explicación generada por IA de un preprint que no ha sido revisado por pares. No es consejo médico. No tome decisiones de salud basándose en este contenido. Leer descargo de responsabilidad completo

El cerebro humano no es una máquina estática que zumba a una frecuencia única e inalterable. En cambio, es un paisaje dinámico donde diferentes grupos de neuronas se iluminan y se desvanecen en patrones cambiantes, incluso cuando una persona simplemente descansa con los ojos cerrados. Durante mucho tiempo, los científicos han utilizado escaneos cerebrales para mapear estas conexiones, pero durante mucho tiempo trataron al cerebro como una fotografía, capturando un único y borroso promedio de actividad durante varios minutos. Este enfoque asume que el cableado del cerebro permanece igual durante todo el escaneo, una idea que la investigación moderna cuestiona cada vez más. Ahora sabemos que las conexiones cerebrales fluctúan rápidamente, reorganizándose en estados distintos y temporales cada pocos segundos. Comprender estos momentos fugaces es crucial para desentrañar cómo funciona el cerebro y, lo que es más importante, cómo falla en condiciones como la adicción. Cuando las personas se vuelven dependientes de los juegos por internet, sus cerebros experimentan cambios profundos, pero no había estado claro si estos cambios son una disrupción constante y global o algo más específico que ocurre solo durante ciertos momentos de actividad mental.

Un equipo de investigadores del Primer Hospital Afiliado de la Universidad de Zhengzhou se propuso abordar este problema con una lente más nítida. Estudiaron a 58 individuos diagnosticados con trastorno por juego en internet y 56 voluntarios sanos, todos los cuales se sometieron a una resonancia magnética funcional en estado de reposo. En lugar de promediar todo el escaneo en una sola imagen, los investigadores dividieron los datos en pequeñas rebanadas, observando cómo se conectaban las regiones cerebrales entre sí durante breves ventanas de tiempo. Luego utilizaron un método computacional para agrupar estos patrones fugaces en cuatro "estados" o configuraciones recurrentes que el cerebro visitaba repetidamente. Piense en estos estados como diferentes estados de ánimo o modos de operación a través de los cuales el cerebro cicla, cada uno con su propio mapa único de conexiones. El equipo planteó entonces una pregunta simple pero profunda: ¿pasan las personas con trastorno por juego en internet más tiempo en estos estados de manera diferente a las personas sanas, y es la estructura interna de estos estados diferente?

Los resultados revelaron una historia que es mucho más matizada que un simple "cerebro roto". Los investigadores descubrieron que los cerebros de las personas con trastorno por juego en internet no parecían desorganizados todo el tiempo. En cambio, el trastorno se caracterizó por un cambio específico en cómo el cerebro se movía entre estos estados y cómo funcionaba cuando estaba en un estado en particular. Las personas con el trastorno pasaban menos tiempo en dos de los cuatro estados, específicamente en aquellos donde las regiones cerebrales estaban más fuertemente conectadas y trabajaban juntas de manera eficiente. También abandonaban estos estados altamente conectados más rápidamente, permaneciendo en ellos por periodos más cortos. Por el contrario, pasaban más tiempo en un estado donde las conexiones cerebrales eran más débiles y menos integradas. Esto sugiere que el cerebro adicto tiene más dificultades para establecerse en los modos de operación eficientes y coordinados que son necesarios para el autocontrol y el pensamiento dirigido a metas, prefiriendo en su lugar permanecer en un modo más fragmentado y menos conectado.

Sin embargo, el descubrimiento más sorprendente no fue solo cuánto tiempo permanecía el cerebro en un estado, sino qué sucedía dentro de ese estado cuando llegaba. Los investigadores descubrieron que la disrupción se limitaba a un único y específico estado. En esta configuración particular, las redes cerebrales de las personas con trastorno por juego en internet eran significativamente menos eficientes que las de los controles sanos. Las conexiones entre diferentes partes del cerebro eran más débiles, y las vías para que la información viajara a través de la red eran más largas y menos directas. Esto significaba que el cerebro tenía dificultades para integrar la información de diferentes regiones, un proceso que es esencial para la toma de decisiones y la inhibición de impulsos. Crucialmente, esta ineficiencia no estaba presente en los otros tres estados que el cerebro visitaba. El trastorno no causó un colapso global de la organización cerebral; más bien, creó un cuello de botella específico que solo aparecía cuando el cerebro entraba en este modo de operación particular.

El estudio también encontró que este patrón cerebral específico estaba vinculado a la gravedad de la adicción. Los investigadores utilizaron los datos cerebrales para predecir las puntuaciones de los participantes en una prueba estándar de adicción a internet. Encontraron que, cuanto más severa era la adicción, más pronunciada era la ineficiencia en ese estado específico. Esta conexión se mantuvo incluso cuando los investigadores probaron sus hallazgos repetidamente para asegurar que no fueran solo un golpe de suerte. Esto sugiere que el grado en que el cerebro falla al organizarse eficientemente en este momento específico es un reflejo directo de qué tan profundamente afecta a la persona el trastorno. Los hallazgos ofrecen una nueva forma de entender la adicción, alejándose de la idea de un cerebro permanentemente dañado hacia una visión de un cerebro que lucha por acceder o mantener sus modos de trabajo más eficientes.

Si bien estos hallazgos proporcionan una imagen más clara de la mecánica neural del trastorno por juego en internet, los investigadores advierten cuidadosamente que esto es una instantánea en el tiempo. El estudio fue transversal, lo que significa que comparó dos grupos en un solo punto en el tiempo en lugar de seguirlos durante años. Por lo tanto, aún no se sabe si estos patrones cerebrales específicos son la causa de la adicción, un resultado de ella, o una señal de que el cerebro está luchando por lidiar con los síntomas. Los participantes también eran predominantemente hombres, y el estudio se realizó en una sola ubicación, lo que significa que los resultados pueden no aplicarse a todo el mundo. No obstante, el trabajo demuestra que la clave para comprender los trastornos conductuales complejos puede residir en observar las fluctuaciones momento a momento del cerebro, en lugar de su estado promedio. Al identificar los momentos precisos en que la organización del cerebro falla, los científicos pueden comenzar a desarrollar formas más dirigidas para ayudar a las personas a recuperar el control, centrándose potencialmente en terapias que ayuden al cerebro a aprender a entrar y permanecer en esos estados eficientes y bien conectados.

Resumen Técnico: Trastorno por Juego en Internet: Conectividad Funcional Dinámica y Teoría de Grafos

Planteamiento del Problema
El Trastorno por Juego en Internet (TPI) es reconocido como una adicción conductual caracterizada por un debilitamiento del control ejecutivo, una mayor sensibilidad a la recompensa y un deseo persistente (craving). Si bien los estudios de conectividad funcional en estado de reposo (rsFC) han identificado alteraciones a nivel de red en el TPI, el enfoque predominante se basa en promedios estáticos de toda la exploración. Esta metodología asume que la conectividad es estacionaria, lo que potencialmente oculta las fluctuaciones transitorias y estructuradas que ocurren a lo largo de segundos o minutos. Además, los análisis de teoría de grafos existentes sobre el TPI han arrojado hallazgos heterogéneos, probablemente debido a que el promedio de la conectividad durante toda la exploración diluye las disrupciones topológicas específicas de cada estado. El problema central abordado es si la firma neural del TPI es un déficit estático y generalizado o una característica de configuraciones de conectividad transitorias y específicas, y si la teoría de grafos resuelta por estados puede caracterizar mejor la organización de la red y predecir la gravedad de los síntomas.

Metodología
El estudio analizó datos de fMRI en estado de reposo de 114 participantes diestros: 58 individuos diagnosticados con TPI (que cumplían con los criterios del DSM-5 y puntuaban ≥50 en el Test de Adicción a Internet, IAT) y 56 controles sanos (CS).

Preprocesamiento de Datos: Las imágenes fueron adquiridas en un escáner Siemens 3T (TR = 1000 ms, 400 volúmenes). El preprocesamiento incluyó corrección de tiempo de corte, realineación, normalización, suavizado y regresión de parámetros de movimiento y señales de molestia (nuisance signals).
Conectividad Funcional Dinámica (dFC): La conectividad variante en el tiempo se estimó utilizando un enfoque de ventana deslizante (ventana de 60-TR, paso de 2-TR) sobre las series temporales regionales de Dosenbach-160, generando 168 ventanas por participante.
Agrupamiento de Estados (State Clustering): Se aplicó un algoritmo de agrupamiento k-means (método de Lloyd) a los vectores de características de las ventanas concatenadas. Se seleccionó una solución de cuatro estados ( $K=4$ ) basada en un criterio de codo geométrico, validada mediante inicializaciones repetidas, remuestreo de mitad de la muestra (split-half) y análisis de estabilidad de la longitud de la ventana.
Análisis de Teoría de Grafos: Para cada participante y estado, se computaron matrices de conectividad media. Se calcularon métricas de grafos (coeficiente de agrupamiento, longitud de trayectoria característica, eficiencia global/local, small-worldness) a través de un rango de umbrales de dispersión (0.03–0.40) y se integraron como resúmenes de Área Bajo la Curva (AUC).
Inferencia Estadística: Las diferencias de grupo en métricas temporales (ocupación fraccional, tiempo de permanencia medio, transiciones) y métricas de grafos se evaluaron mediante Modelos Lineales Generales (GLM) con covariables (edad, sexo, educación, movimiento). La significancia se determinó mediante la corrección de la Tasa de Descubrimiento Falso (FDR) de Benjamini-Hochberg e inferencia de permutación de residuos de Freedman-Lane.
Modelado de Predicción: Dentro del grupo con TPI, las características de grafos específicas de cada estado se utilizaron para predecir las puntuaciones del IAT mediante Regresión de Soporte de Vectores Lineales (SVR) con validación cruzada de dejar uno fuera (LOOCV) y comprobaciones de robustez mediante validación cruzada anidada repetida.

Resultados Clave

Dinámica Temporal: El grupo con TPI exhibió una redistribución de la ocupación temporal dependiente del estado. Específicamente, los participantes con TPI mostraron una menor ocupación fraccional y tiempos de permanencia medios más cortos en el Estado 1 (fuertemente conectado) y el Estado 4 (moderadamente fuertemente conectado), mientras que mostraron una mayor ocupación fraccional y tiempos de permanencia más largos en el Estado 3 (débilmente conectado). No se encontraron diferencias significativas en el Estado 2 ni en el total de transiciones.
Disrupción Topológica Específica de Estado: Las diferencias de grupo en la topología de grafos se limitaron exclusivamente al Estado 4. En este estado, el grupo con TPI demostró:
- Reducción del coeficiente de agrupamiento, eficiencia local, agrupamiento normalizado y small-worldness.
- Reducción de la eficiencia global.
- Aumento de la longitud de trayectoria característica.
- Estas métricas indicaron una erosión simultánea tanto de la segregación funcional como de la integración, desviándose de la arquitectura eficiente de "mundo pequeño" (small-world) observada en los controles. No se observaron diferencias topológicas significativas en los Estados 1, 2 o 3.
Predicción de la Gravedad de los Síntomas: Las características de grafos específicas de cada estado predijeron con éxito las puntuaciones del IAT dentro del grupo con TPI en el Estado 2 ( $r=0.56$ ) y el Estado 4 ( $r=0.57$ ) tras la corrección de FDR. Notablemente, el Estado 4 fue el único estado que mostró tanto una diferencia de grupo en la topología como una correlación con la gravedad de los síntomas. El Estado 2 predijo la gravedad a pesar de no mostrar una diferencia topológica a nivel de grupo. Los análisis de robustez (validación cruzada anidada) confirmaron estos hallazgos con valores de $r$ medianos de 0.54 y 0.58, respectivamente.

Significancia y Reivindicaciones
Los autores sostienen que estos hallazgos apoyan una visión de la teoría de grafos resuelta por estados para el TPI, desafiando la noción de un déficit de red generalizado y de toda la exploración. El estudio postula que el TPI se caracteriza por:

Especificidad de Estado: La disrupción topológica del trastorno no es global, sino que está confinada a un único estado de conectividad transitoria (Estado 4), donde el cerebro no logra mantener una organización de mundo pequeño eficiente.
Redistribución Temporal: El TPI implica un sesgo lejos de las configuraciones fuertemente integradas (Estados 1 y 4) hacia un régimen débilmente conectado y de tipo "default" (Estado 3), lo que potencialmente refleja un debilitamiento del control ejecutivo y un desenganche impulsado por la recompensa.
Relevancia Clínica: La topología del Estado 4 escala con la gravedad de la adicción, lo que sugiere que las características resueltas por estado pueden rastrear dimensiones clínicas. Esta convergencia de las diferencias de grupo y las asociaciones de la gravedad en un estado específico sugiere que la firma central del trastorno reside en la organización interna de una configuración integrativa particular, en lugar de una reorganización global del cerebro en reposo.

El artículo concluye que los diseños dinámicos y resueltos por estado son necesarios para detectar estas alteraciones de red, que probablemente se ven diluidas por los análisis estáticos de tiempo promedio. Sin embargo, los autores mantienen una postura modesta, señalando que el diseño transversal y de un solo centro limita la inferencia causal y la generalizabilidad, y que se requiere la replicación en muestras más grandes, independientes y longitudinales antes de que estos patrones específicos de estado puedan ser interpretados mecánicamente o utilizados como biomarcadores clínicos.

Más como este