Objectives: Up to 70%-80% of patients with bipolar disorder are misdiagnosed as having major depressive disorder (MDD), leading to both delayed intervention and worsening disability. Differences in the cognitive neurophysiology may serve to distinguish between the depressive phase of type 1 bipolar disorder (BDD-I) from MDD, though this remains to be demonstrated. To this end, we investigate the discriminatory signal in the topological organization of the functional connectome during a working memory (WM) task in BDD-I and MDD, as a candidate identification approach.
Methods: We calculated and compared the degree centrality (DC) at the whole-brain voxel-wise level in 31 patients with BDD-I, 35 patients with MDD, and 80 healthy controls (HCs) during an n-back task. We further extracted the distinct DC patterns in the two patient groups under different WM loads and used machine learning approaches to determine the distinguishing ability of the DC map.
Results: Patients with BDD-I had lower accuracy and longer reaction time (RT) than HCs at high WM loads. BDD-I is characterized by decreased DC in the default mode network (DMN) and the sensorimotor network (SMN) when facing high WM load. In contrast, MDD is characterized by increased DC in the DMN during high WM load. Higher WM load resulted in better classification performance, with the distinct aberrant DC maps under 2-back load discriminating the two disorders with 90.91% accuracy.
Conclusions: The distributed brain connectivity during high WM load provides novel insights into the neurophysiological mechanisms underlying cognitive impairment of depression. This could potentially distinguish BDD-I from MDD if replicated in future large-scale evaluations of first-episode depression with longitudinal confirmation of diagnostic transition.
Objectifs: Jusqu'à 70% à 80% des patients atteints de trouble bipolaire sont diagnostiqués à tort comme un trouble dépressif majeur (TDM), entraînant à la fois une intervention retardée et une aggravation de l'invalidité. Les différences en neurophysiologie cognitive peuvent servir à distinguer la phase dépressive du trouble bipolaire de type 1 (BDD-I) du TDM, bien que cela reste à démontrer. À cette fin, nous étudions le signal discriminatoire dans l'organisation topologique du connectome fonctionnel lors d'une tâche de mémoire de travail (WM) dans BDD-I et MDD, en tant qu'approche d'identification candidate
Méthodes: Nous avons calculé et comparé le degré de centralité (DC) au niveau du voxel du cerveau entier chez 31 patients atteints de BDD-I, 35 patients atteints de TDM et 80 témoins sains (HC) au cours d'une tâche n-back. Nous avons ensuite extrait les modèles de DC distincts dans les deux groupes de patients sous des charges WM différentes et utilisé des approches d'apprentissage automatique pour déterminer la capacité de distinction de la carte DC.
Résultats: Les patients atteints de BDD-I avaient une précision inférieure et un temps de réaction (RT) plus long que les HC à des charges WM élevées. BdD-I se caractérise par une diminution du courant continu dans le réseau en mode par défaut (DMN) et le réseau sensorimoteur (SMN) lorsqu'il est confronté à une charge WM élevée. En revanche, le MDD se caractérise par une augmentation du courant continu dans le DMN lors d'une charge WM élevée. Une charge WM plus élevée a entraîné de meilleures performances de classification, les cartes CC aberrantes distinctes sous charge arrière discriminant les deux troubles avec une précision de 90,91%.
Conclusions: La connectivité cérébrale distribuée pendant une charge WM élevée fournit de nouvelles informations sur les mécanismes neurophysiologiques sous-jacents à la déficience cognitive de la dépression. Cela pourrait potentiellement distinguer le BDD-I du TDM s'il était reproduit dans de futures évaluations à grande échelle du premier épisode de dépression avec confirmation longitudinale de la transition diagnostique.
Keywords: default mode network; degree centrality; depression; n-back; sensorimotor network.