To use functional MRI (fMRI) to further define the occurrence of left-hemisphere, bilateral, and right-hemisphere language in a normal left-handed population.A total of 100 healthy volunteers, consisting of 50 left-handed subjects and a reference group of 50 right-handed subjects, were studied by fMRI of the frontal cortex during silent word generation.Ninety-six percent of right-handed subjects showed fMRI changes lateralized to the left hemisphere, whereas 4% showed a bilateral activation pattern. In contrast, left-hemisphere lateralization occurred in 76% of left-handers, bilateral activation in 14%, and right-hemisphere lateralization in the remaining 10%. The predominance of right-hemisphere activation, however, was weak in these cases; only a single left-handed subject (2%) showed complete right-hemisphere lateralization.Silent word generation lateralizes to the left cerebral hemisphere in both handedness groups, but right-hemisphere participation is frequent in normal left-handed subjects. Exclusive right-hemisphere activation rarely occurred in the frontal lobe region studied.

Neurobiological models of obsessive-compulsive disorder (OCD) emphasize disturbances in the function and connectivity of brain corticostriatal networks, or "loops." Although neuroimaging studies of patients have supported this network model of OCD, very few have applied measurements that are sensitive to brain connectivity features.Using resting-state functional magnetic resonance imaging, we tested the hypothesis that OCD is associated with disturbances in the functional connectivity of primarily ventral corticostriatal regions, measured from coherent spontaneous fluctuations in the blood oxygenation level-dependent (BOLD) signal.Case-control cross-sectional study.Hospital referral OCD unit and magnetic resonance imaging facility.A total of 21 patients with OCD (10 men, 11 women) and 21 healthy control subjects matched for age, sex, and estimated intelligence.Voxelwise statistical parametric maps testing the strength of functional connectivity of 4 striatal seed regions of interest (dorsal caudate nucleus, ventral caudate/nucleus accumbens, dorsal putamen, and ventral putamen) with remaining brain areas.For both groups, there was a clear distinction in the pattern of cortical connectivity of dorsal and ventral striatal regions, consistent with the notion of segregated motor, associative, and limbic corticostriatal networks. Between groups, patients with OCD had significantly increased functional connectivity along a ventral corticostriatal axis, implicating the orbitofrontal cortex and surrounding areas. The specific strength of connectivity between the ventral caudate/nucleus accumbens and the anterior orbitofrontal cortex predicted patients' overall symptom severity (r(2) = 0.57; P < .001). Additionally, patients with OCD showed evidence of reduced functional connectivity of the dorsal striatum and lateral prefrontal cortex, and of the ventral striatum with the region of the midbrain ventral tegmental area.This study directly supports the hypothesis that OCD is associated with functional alterations of brain corticostriatal networks. Specifically, our findings emphasize abnormal and heightened functional connectivity of ventrolimbic corticostriatal regions in patients with OCD.

Background

 Recent technical developments have made it feasible to comprehensively assess brain anatomy in psychiatric populations. 

Objective

 To describe the structural brain alterations detected in the magnetic resonance images of a large series of patients with obsessive-compulsive disorder (OCD) using imaging procedures that allow the evaluation of volume changes throughout the brain. 

Design

 Case-control study. 

Setting

 Referral OCD unit in a tertiary hospital. 

Participants

 A consecutive sample of 72 outpatients with OCD and 72 age- and sex-matched control subjects. 

Interventions

 Three-dimensional sequences were obtained in all participants. A statistical parametric mapping approach was used to delineate possible anatomical alterations in the entire brain. To preserve volumetric information, voxel values were modulated by the Jacobian determinants (volume change measurement) derived from spatial normalization. 

Main Outcome Measures

 Voxelwise brain volumes. 

Results

 The brains of patients with OCD showed reduced gray matter volume in the medial frontal gyrus, the medial orbitofrontal cortex, and the left insulo-opercular region. A relative increase in gray matter volume was observed bilaterally in the ventral part of the putamen and in the anterior cerebellum. All these brain alterations were abnormally correlated in patients with OCD, and age statistically significantly contributed to the relative enlargement observed in the striatal areas. Disease severity, the nature of symptoms, and comorbidities were not related to the changes described. Nevertheless, patients with prominent aggressive obsessions and checking compulsions showed reduced amygdala volume in the right hemisphere. 

Conclusions

 The pattern of anatomical features depicted by this voxelwise approach is consistent with data from functional studies. The reported anatomical maps identified the specific parts of the frontostriatal system that were altered in patients with OCD and detected changes in anatomically connected distant regions. These data further define the structural brain alterations in OCD and may contribute to constraining the prevailing biological models of this psychiatric process.

The notion of a “default mode of brain function” has taken on certain relevance in human neuroimaging studies and in relation to a network of lateral parietal and midline cortical regions that show prominent activity fluctuations during passive imaging states, such as rest. In this study, we perform three fMRI experiments that demonstrate consistency and specialization in the default mode network. Correlated activity fluctuations of default mode network regions are identified during ( i ) eyes-closed spontaneous rest, ( ii ) activation by moral dilemma, and ( iii ) deactivation by Stroop task performance. Across these imaging states, striking uniformity is shown in the basic anatomy of the default mode network, but with both tasks clearly and differentially modulating this activity compared with spontaneous fluctuations of the network at rest. Against rest, moral dilemma is further shown to evoke regionally specific activity increases of hypothesized functional relevance. Mapping spontaneous and task-related brain activity will help to constrain the meaning of the default mode network. These findings are discussed in relation to recent debate on the topic of default modes of brain function.

Cognitive manifestations associated with the severity of a novel coronavirus (COVID-19) infection are unknown. An early detection of neuropsychological manifestations could modify the risk of subsequent irreversible impairment and further neurocognitive decline.

Abstract Patients with fibromyalgia (FM) show characteristically enhanced unpleasantness to painful and nonpainful sensations accompanied by altered neural responses. The diagnostic potential of such neural alterations, including their sensitivity and specificity to FM (vs healthy controls) is unknown. We identify a brain signature that characterizes FM central pathophysiology at the neural systems level. We included 37 patients with FM and 35 matched healthy controls, and analyzed functional magnetic resonance imaging responses to (1) painful pressure and (2) nonpainful multisensory (visual–auditory–tactile) stimulation. We used machine-learning techniques to identify a brain-based FM signature. When exposed to the same painful stimuli, patients with FM showed greater neurologic pain signature (NPS; Wager et al., 2013. An fMRI-based neurologic signature of physical pain. N Engl J Med 2013;368:1388–97) responses. In addition, a new pain-related classifier (“FM-pain”) revealed augmented responses in sensory integration (insula/operculum) and self-referential (eg, medial prefrontal) regions in FM and reduced responses in the lateral frontal cortex. A “multisensory” classifier trained on nonpainful sensory stimulation revealed augmented responses in the insula/operculum, posterior cingulate, and medial prefrontal regions and reduced responses in the primary/secondary sensory cortices, basal ganglia, and cerebellum. Combined activity in the NPS, FM pain, and multisensory patterns classified patients vs controls with 92% sensitivity and 94% specificity in out-of-sample individuals. Enhanced NPS responses partly mediated mechanical hypersensitivity and correlated with depression and disability ( P uncorrected < 0.05); FM-pain and multisensory responses correlated with clinical pain ( P uncorrected < 0.05). The study provides initial characterization of individual patients with FM based on pathophysiological, symptom-related brain features. If replicated, these brain features may constitute objective neural targets for therapeutic interventions. The results establish a framework for assessing therapeutic mechanisms and predicting treatment response at the individual level.

Chronic pain has a profound societal burden, affecting 20% to 30% of the world population,10,13,14,47 and is associated with high rates of comorbid mental health conditions, especially depression and anxiety.15 Women and people of increasing age are disproportionately affected by chronic pain,14,32 and while there are pharmacological and nonpharmacological treatments available, many individuals still do not benefit from these treatments.11,16,19,31,35,45 One significant challenge in providing effective pain-relieving treatments arises from our incomplete understanding of the mechanisms underlying the development and maintenance of chronic pain. Some of these mechanisms include changes in brain morphology and function.2,8,12,18,25,28,37 One approach to better understand these mechanisms is to combine neuroimaging studies of diverse populations with the purpose of identifying common phenotypes and neuroimaging correlates. Phenotyping to explore both similarities and heterogeneity across pain conditions is necessary to inform disease prognosis and elucidate common treatment targets. To this endeavor, the Enhancing Neuroimaging and Genetics through Meta-Analysis (ENIGMA)-Chronic Pain working group was formed in November 2022. ENIGMA-Chronic Pain has since welcomed over 70 pain investigators from all over the world, to pool and integrate existing neuroimaging and clinical data from approximately 2000 chronic pain and 4000 pain-free healthy individuals, from over 30 international and independently collected datasets. 1. What is ENIGMA? What are the aims of the ENIGMA-Chronic Pain Working Group? Founded in 2009, the aim of the ENIGMA Consortium is to address the growing replication problems in neuroimaging research. ENIGMA is a global collaboration of more than 2000 scientists from over 45 countries studying the human brain, in health and over 30 neurological, mental, and neurogenetic diseases.42 ENIGMA coordinates large-scale neuroimaging analyses, pooling existing datasets from around the world,6,34,39 actively coordinating the reuse of data, while accommodating data privacy safeguards, bringing rich resources and expertise to answer fundamental questions related to major brain disorders. By integrating available existing datasets and building on the growing infrastructure of the ENIGMA consortium, ENIGMA-Chronic Pain provides a platform and a resource to the chronic pain community allowing for data findability, accessibility, interoperability, and44 reusability—all vital aspects of reproducible research. Using a cost-effective and innovative global approach by merging the resources and data of leading chronic pain neuroimaging centers, ENIGMA-Chronic Pain offers a unique opportunity to obtain detailed, reproducible, and reliable data on brain mechanisms associated with chronic pain. ENIGMA-Chronic Pain integrates single studies of specific chronic pain conditions, including precursor data repositories (eg, OpenPain), and larger population-based biobanks with recorded indices of chronic pain (eg, UK Biobank).8 Recent advances in machine learning and artificial intelligence technologies also offer new and powerful ways to analyze these existing neuroimaging data. Through a worldwide collaboration of pain researchers and clinicians, ENIGMA-Chronic Pain will aim to (1) determine common and pain condition-specific brain correlates of chronic pain through multimodal neuroimaging (relative to pain-free healthy controls); (2) examine the interactions between chronic pain and comorbid mental health conditions on brain morphology and function; and (3) identify the roles of key sociodemographic factors and medication on brain morphology and function. 2. Determine common and pain condition-specific brain correlates of chronic pain through multimodal neuroimaging ENIGMA-Chronic Pain combines smaller datasets from heterogeneous chronic pain conditions. This approach maximizes the power of planned analyses and is necessary to identify brain correlates shared across chronic pain conditions. Through planned follow-up analyses on pooled datasets of similar pain types, pain locations across the body, or specific diagnoses, ENIGMA-Chronic Pain will identify correlates specific to the studied conditions at a larger scale than has previously been possible. ENIGMA-Chronic Pain will begin with examining brain topography of chronic pain by using common processing pipelines and software such as FreeSurfer for T1-weighted structural magnetic resonance imaging scans (sMRI)17,20,21 or Functional MRI of the Brain Software Library (FSL) for diffusion MRI (dMRI).23,38 Further to brain-wide region-of-interest analyses, investigation of multimodal correlates and brain networks of chronic pain will be conducted using whole-brain analyses, including standardized indices of functional connectivity from resting-state functional MRI (rs-fMRI) processed with ENIGMA's HALFpipe,43 voxel-based morphometry, and machine learning approaches to fuse multimodal features from sMRI, dMRI, and rs-fMRI to make diagnostic classification or prediction of a future clinical state. 3. Examine the interactions between chronic pain and comorbid mental health conditions on brain morphology and function Chronic pain is often accompanied by comorbid mental health conditions that can prevent treatment success.46 For example, 5% to 85% of individuals with chronic pain (depending on the study populations and settings) experience depression.1,9 The ENIGMA Consortium has extensively investigated the detailed brain and genetic markers of most common mental health conditions and reported alterations in brain regions similar to those commonly reported in smaller chronic pain studies.4,36 Evidence for shared or specific brain mechanisms between chronic pain and depression and anxiety is now growing,33,40,49,50 but no definite conclusion can be drawn from these smaller studies. Using advanced statistical models, our unique sample size, and availability of indices of comorbid mental health conditions, the pooled dataset from ENIGMA-Chronic Pain will aim to disentangle the fine morphological and functional brain alterations across all pain conditions, but also within specific pain types. This approach will contribute to identify plausible targets for more effective treatments for people living with both chronic pain and these comorbid conditions. 4. Examine the roles of key sociodemographic factors and medication on brain morphology and function Sex and age are key factors that can influence the transition to chronic pain.48 Women have greater prevalence rates for chronic pain conditions compared with men and experience more frequent, intense, and longer-lasting pain across the lifespan.14,24,30 These sex-specific differences can affect treatment choice, side effect profiles, and therapeutic responses.3 Although incompletely understood, many processes including genetic,29 neuroendocrine/neuroimmune,26 or brain-based differences,22 contribute to sex differences observed in chronic pain. Chronic pain is also highly prevalent in people of increasing age,14 along with other age-related pathologies, but the relationship between increasing age and chronic pain on brain morphology and function is still to be clearly determined. The inclusion of studies with comorbidity information that may inform causal modeling (eg, traumatic injuries, repetitive stress injuries, osteoporosis, metabolic disorders like diabetes, etc.) will clarify some of the brain–body connections at play. Existing preliminary evidence for the influence of these key sociodemographic factors needs further replication and refinement using large datasets. Another critical factor impacting brain morphology and function in chronic pain is the use of various types of pharmacological treatments,27 including tricyclic antidepressants, serotonin–norepinephrine reuptake inhibitors, antiepileptics, nonsteroidal anti-inflammatory drugs, and benzodiazepines.11,35 Using the available and detailed medication information recorded within ENIGMA-Chronic Pain, the aim of this study is to determine the variations in brain morphology and function associated with specific pharmacological treatment categories or combinations of thereof. 5. ENIGMA-Chronic Pain: expanding to other imaging modalities ENIGMA-Chronic Pain builds on the experience of the Consortium to host the largest and most comprehensive dataset for neuroimaging studies of chronic pain. In addition to sMRI, dMRI, and rs-fMRI data, ENIGMA-Chronic Pain will leverage the contribution of chronic pain researchers and clinicians with data and expertise in other neuroimaging modalities, including resting-state electroencephalography (EEG), task-based fMRI and EEG, event-related potentials, magnetoencephalography, functional near-infrared spectroscopy, and magnetic resonance spectroscopy. In addition, the aim of ENIGMA-Chronic Pain is to include neuromodulation studies, such as repetitive transcranial magnetic resonance stimulation, TMS-EEG, transcranial direct current stimulation, or transcranial alternating current stimulation studies, to examine potential causal associations.7 Finally, following work from the ENIGMA-Clinical Endpoint working group,41 a long-term goal includes building a framework of standardized questionnaires and tools for future research, to be applied to most, if not all, chronic pain conditions and to integrate genetics data to better understand the relationship between genetic and environmental risks on brain phenotypes of chronic pain overall and for available subtypes. 6. Conclusions ENIGMA-Chronic Pain will establish the largest worldwide platform for neuroimaging data dedicated to chronic pain research. This approach enables large-scale collaborative opportunities to identify the common and specific brain correlates of chronic pain conditions, as well as the role of mental health comorbidities, key sociodemographic factors, and pharmacological treatment on these alterations. This initiative will provide invaluable new knowledge based on adequately powered neuroimaging datasets. Future aims of the working group could include extending the scope to the earliest periods of the human lifespan, leveraging neonatal MRI and EEG datasets with pain-relevant paradigms,5 to investigate the potential developmental origins of chronic pain susceptibility in later years. Last, we extend the call to additional groups to join, contribute their expertise, and share their neuroimaging, genetic, psychological, and clinical data from healthy controls and individuals with chronic pain (see information and contact details on https://enigma.ini.usc.edu/ongoing/enigma-chronic-pain/). Through the inclusion of most, if not all, chronic pain neuroimaging research groups, we hope to grow the working group and thereby fulfill its goals. Conflict of interest statement None of the authors declare any conflicts of interest. The views expressed in this article are those of the authors and do not necessarily reflect the position or policy of the Department of Veterans Affairs or the United States government, or those of the NHS, the NIHR, or the Department of Health from the United Kingdom.

Objective: To characterize the cognitive profile of long COVID-19 subjects and its possible association with clinical symptoms, emotional disturbance, biomarkers, and disease severity. Methods: We performed a single-center cross-sectional cohort study. Subjects between 20 and 60 years old with confirmed COVID-19 infection were included. The assessment was performed 6 months following hospital or ambulatory discharge. Excluded were those with prior neurocognitive impairment and severe neurological/neuropsychiatric disorders. Demographic and laboratory data were extracted from medical records. Results: Altogether, 108 participants were included, 64 were male (59.25%), and the mean age was 49.10 years. The patients were classified into four groups: non-hospitalized (NH, n = 10), hospitalized without Intensive Care Unit (ICU) or oxygen therapy (HOSPI, n = 21), hospitalized without ICU but with oxygen therapy (OXY, n = 56), and ICU (ICU, n = 21) patients. In total, 38 (35.18%) reported Subjective Cognitive Complaints (SCC). No differences were found considering illness severity between groups. Females had more persistent clinical symptoms and SCC than males. Persistent dyspnea and headache were associated with higher scores in anxiety and depression. Persistent fatigue, anxiety, and depression were associated with worse overall cognition. Conclusions: No cognitive impairment was found regarding the severity of post-COVID-19 infection. SCC was not associated with a worse cognitive performance, but with higher anxiety and depression. Persistent clinical symptoms were frequent independent of illness severity. Fatigue, anxiety, and depression were linked to poorer cognitive function. Tests for attention, processing speed, and executive function were the most sensitive in detecting cognitive changes in these patients.

Background: Fibromyalgia (FM) is a complex condition marked by increased pain sensitivity and central sensitization. Studies often explore the link between FM and depressive anxiety disorders, but few focus on dysthymia or persistent depressive disorder (PDD), which can be more disabling than major depression (MD). Objective: To identify clinical scales and subscales of the Personality Assessment Inventory (PAI) that effectively describe and differentiate the psychological profile of PDD, with or without comorbid MD, in FM patients with PDD previously dimensionally classified by the Millon Clinical Multiaxial Inventory III (MCMI-III). Method: An observational, cross-sectional study was conducted with 66 women (mean age 49.18, SD = 8.09) from Hospital del Mar. The PAI, the MCMI-III, and the Fibromyalgia Impact Questionnaire (FIQ) were used to assess the sample. Results: The PAI showed strong discriminative ability in detecting PDD, characterized by high scores in cognitive and emotional depression and low scores in identity alteration, dominance, and grandeur. High scores in cognitive, emotional, and physiological depression, identity alteration, cognitive anxiety, and suicidal ideation, along with low scores in dominance and grandeur, were needed to detect MD with PDD. Discriminant analysis could differentiate 69.6–73.9% of the PDD group and 84.6% of the PDD+MD group. Group comparisons showed that 72.2% of patients with an affective disorder by PAI were correctly classified in the MCMI-III affective disorder group, and 70% without affective disorder were correctly classified. Conclusions: The PAI effectively identifies PDD in FM patients and detects concurrent MD episodes, aiding in better prognostic and therapeutic guidance.