Amygdala reactivity to masked negative faces is associated with automatic judgmental bias in major depression: a 3 T fMRI study

Amygdala reactivity to masked negative faces is associated with automatic judgmental bias in major depression: a 3 T fMRI study

PDF

J Psychiatry Neurosci 2007;32(6):423-9

Udo Dannlowski, MD; Patricia Ohrmann, MD; Jochen Bauer, MSc; Harald Kugel, PhD; Volker Arolt, MD; Walter Heindel, MD; Anette Kersting, MD; Bernhard T. Baune, MD, MPH; Thomas Suslow, PhD

Dannlowski, Ohrmann, Bauer, Arolt, Kersting, Suslow — Department of Psychiatry; Dannlowski — IZKF-Research Group 4, IZKF Münster; Kugel, Heindel — Department of Clinical Radiology, University of Münster, Münster, Germany; Baune — Department of Psychiatry, James Cook University, Townsville, Australia

Abstract

Objective: In a previous study, we demonstrated that amygdala reactivity to masked negative facial emotions predicts negative judgmental bias in healthy subjects. In the present study, we extended the paradigm to a sample of 35 inpatients suffering from depression to investigate the effect of amygdala reactivity on automatic negative judgmental bias and clinical characteristics in depression.
Methods: Amygdala activity was recorded in response to masked displays of angry, sad and happy facial expressions by means of functional magnetic resonance imaging at 3 T. In a subsequent experiment, the patients performed an affective priming task that characterizes automatic emotion processing by investigating the biasing effect of subliminally presented emotional faces on evaluative ratings to subsequently presented neutral stimuli.
Results: Significant associations between (right) amygdala reactivity and automatic negative judgmental bias were replicated in our patient sample (r = –0.59, p < 0.001). Further, negatively biased evaluative processing was associated with severity and longer course of illness (r = –0.57, p = 0.001). Conclusion: Amygdala hyperactivity is a neural substrate of negatively biased automatic emotion processing that could be a determinant for a more severe disease course.

Objectif : Au cours d’une étude antérieure, nous avons démontré que la réactivité des amygdales à des émotions faciales négatives masquées est un prédicteur d’un jugement polarisé négatif chez des sujets en bonne santé. Dans la présente étude, nous avons étendu le paradigme à un échantillon de 35 patients hospitalisés atteints de dépression afin d’examiner l’effet de la réactivité des amygdales sur le jugement polarisé négatif automatique et les caractéristiques cliniques dans la dépression.
Méthodes : On a enregistré l’activité des amygdales en réponse à des manifestations masquées d’expressions faciales colériques, tristes et heureuses au moyen d’une imagerie par résonance magnétique fonctionnelle à 3 T. Au cours d’une expérience subséquente, les patients ont effectué une tâche de mise en condition affective qui caractérise le traitement automatique des émotions en étudiant l’effet polarisant de la présentation subliminale de visages émotionnels par cotations évaluatives face à des stimuli neutres présentés par la suite.
Résultats : On a reproduit des liens importants entre la réactivité des amygdales (droite) et la polarisation négative automatique du jugement chez les patients de notre échantillon (r = –0,59, p < 0,001). De plus, on a établi un lien entre le traitement évaluatif à polarisation négative et la gravité et la durée de la maladie (r = –0,57, p = 0,001). Conclusion : L’hyperactivité des amygdales est un substrat neutre du traitement automatique à polarisation négative des émotions qui pourrait être un déterminant d’une évolution plus grave de la maladie.


Medical subject headings: depressive disorder, major; magnetic resonance imaging, functional; amygdala; emotion.

Competing interests: None declared.

Submitted Dec. 18, 2006; Revised Apr. 4, 2007; Accepted May 6, 2007

Correspondence to: Dr. Udo Dannlowski, Department of Psychiatry, University of Münster, Albert-Schweitzer-Str. 11, 48149 Münster, Germany; fax: +49-251-8356612; dannlow@uni-muenster.de