NVvP

ACHTERGROND

Schizofrenie en zijn pluriforme uitingsvormen zijn moeizaam te vatten in een enkel model. De toepassing van een netwerktheoretisch model biedt een ongekende mogelijkheid om de complexiteit van het haperende brein leidende tot psychotische symptomen te begrijpen, en deze symptomen te integreren met het brein zijn vele interacterende factoren zoals genen en omgeving. 

DOEL

Het introduceren van een netwerkmodel als conceptueel alternatief voor schizofrenie en hier inzicht in bieden.

METHODEN

Literatuuronderzoek, aangevuld door neuro-imaging-data.

RESULTATEN

Computationele netwerkmodellen beschouwen onze interne representaties als 'attractor states'; dit is een specifieke activatietoestand van het neurale netwerk en er bestaat een inherente neiging om terug te keren naar deze toestand. Afwijkingen in neurotransmittersystemen en neurale structuur kunnen het schakelen tussen verschillende attractoren beïnvloeden en leiden tot disadaptieve informatieverwerking op verschillende schaalniveaus. De positieve, negatieve en cognitieve symptoomclusters van schizofrenie worden binnen dit netwerkmodel besproken, en de symptoomclusters wordt een plaats gegeven binnen de neuro-imagingstudies.

CONCLUSIE

Neurale netwerkmodellen kunnen toegepast worden om de positieve, negatieve en cognitieve symptoomclusters van schizofrenie te verklaren. De aard van netwerkmodellen maakt ze bijzonder geschikt voor een integratie met biochemische, genetische en sociale factoren die zijn betrokken bij het tot uiting komen van schizofrenie.

LITERATUUR

Goekoop R, Looijestijn J. (2012). A network model of hallucinations. In: Hallucinations. Research and practice. Blom, J.D. & Sommer, I.E.C., eds. New York, NY: Springer, pp. 33-54.

Bullmore, E., Sporns, O. (2009). Complex brain networks: graph theoretical analysis of structural and functional systems. Nature Reviews. Neuroscience, 10, 186-198

Brunel N. and Wang X.J. (2001). Effects of neuromodulation in a cortical network model of working memory dominated by recurrent inhibition. Journal of Computational Neuroscience, 11, 63-85.

Rolls, E.T., Loh, M., Deco, G., Winterer, G. (2008). Computational models of schizophrenia and dopamine modulation in the prefrontal cortex. Nature Reviews. Neuroscience, 9, 696-709

Looijestijn, J., Blom JD., Sommer I.E., Diederen, K.M., Aleman, A., Goekoop R. Psychosis-related functional networks as revealed by weighted network analysis and the use of phenomenology, submitted.