利用功能磁共振成像和行为学方法，确定人类大脑中对风险性和模糊性选项主观价值的神经表征。
本文内容
摘要
摘要
我们所做的大多数选择都会带来不确定的结果。在某些情况下，不同可能结果的概率是明确已知的，这种情况被称为“有风险”。而在另一些无法估计概率的情况下，则被称为“模糊性”。尽管大多数人对风险和模糊性都存在厌恶1,2，但这种厌恶程度在不同个体之间存在显著差异，因此同一项有风险或模糊性选项的主观价值在不同个体中可能大不相同。我们将功能磁共振成像（fMRI）与一种基于实验经济学的方法3相结合，用以评估大脑对风险性和模糊性选项主观价值的神经表征4。该技术目前可用于研究不同人群（如不同年龄组和不同患者群体）中这些神经表征的差异。
在本实验中，受试者在面临两个选项时做出具有实际后果的选择，同时利用功能性磁共振成像（fMRI）追踪其神经活动。在每一次试验中，受试者需在两个彩票选项之间进行选择，这些彩票在奖金金额上有所不同，同时在中奖概率或与中奖相关的模糊程度上也存在差异。我们的参数化设计使得我们能够利用每位受试者的选择行为来估计他们对风险和模糊性的态度，从而估算出每个选项对他们而言的主观价值。该实验设计的另一个重要特征是，在实验过程中不会揭示所选彩票的实际结果，因此不会发生学习效应，从而确保模糊选项始终保持其模糊性，且受试者的风险态度保持稳定。相反，在扫描会话结束时，会随机选取一次或少数几次试验，并以真实货币兑现。由于受试者事先并不知道哪些试验将被选中，因此他们必须将每一次试验都视为唯一可能获得报酬的试验来对待。这一设计确保了我们能够准确估计每个选项对每位受试者的真正主观价值。随后，我们寻找大脑中激活水平与风险选项主观价值相关的脑区，以及激活水平与模糊选项主观价值相关的脑区。
方案
1. 实验准备
- 第一步是设计代表风险选择和模糊选择的视觉刺激材料，这些材料将在扫描仪中的屏幕上呈现。我们使用的图像如图中所示。 图1 用于表示装有扑克筹码的袋子，我们称之为“彩票袋”。从图形上看，这些图像可以被视为在将筹码放入袋子之前堆叠在一起的扑克筹码。重要的是，这些图像代表真实的容器，在本例中为信封，其中装有100枚红色和蓝色的扑克筹码，受试者在实验开始前会实际看到这些内容。这确保了受试者既理解他们将面对的彩票情境，也相信计算机显示准确地呈现了这些彩票。对于风险性彩票，中奖概率即特定信封中红蓝筹码的比例，将通过数字和图形刺激两种方式精确呈现。图1A）。对于模糊彩票，部分关于概率的信息缺失（图1B），使得红色筹码与蓝色筹码的可能比例有界但未明确指定，从而导致获胜概率具有部分模糊性。
- 对于风险彩票，每张图像中的红色和蓝色区域分别与信封中红色和蓝色筹码的数量成正比。我们建议至少使用3种结果概率。4 (图1A）。所使用的具体概率可根据实验的具体要求而变化，但实验者应谨慎避免使用过高或过低的概率。已知人类受试者通常会对低于10%或高于90%的概率产生误判5除非旨在研究这种系统性误判，否则应避免这些极端情况。
- 为了表示模糊性，计算机显示中芯片堆叠的中央部分被一个灰色遮罩遮挡图1B）。在灰色区域中，每种颜色芯片的数量未知，因此无法准确知道抽到红色或蓝色芯片的概率。例如，在中间的袋子中 图1B 遮挡物覆盖了袋子的50%，因此红片的数量可能在25（遮挡物后方全部为蓝片）到75（遮挡物后方全部为红片）之间。当然，蓝片的数量也可能介于这两个数值之间的任何位置。
- 增大遮挡物的尺寸会增加模糊程度（即抽取红色或蓝色芯片的可能概率范围）。我们建议至少使用三种遮挡水平，分别遮挡袋子的约25%、50%或75%图1B).
- 当受试者在计算机上执行任务时，我们为每个获胜概率/模糊性水平呈现一系列可能的结果金额。建议使用5个奖励水平4，涵盖多种金额，例如：5、9.5、18、34 和 65 美元。在显示界面中，我们在获胜颜色旁边呈现对应金额，并在另一颜色旁边显示“0”。例如，在 图2 抽到红色芯片将赢得18美元，而抽到蓝色芯片则结果为零。
- 关键的是，在每次试验中，受试者需在两个彩票选项之间进行选择。为简化起见，我们在整个实验过程中保持其中一个选项不变（在此示例中为50%的概率赢得5美元），仅改变另一个选项。这种设计具有两个优势：第一，固定选项无需始终显示在屏幕上，从而简化了视觉呈现（尽管偶尔加以提示可能有助于记忆）；第二，由于一个选项始终保持不变，基于回归的fMRI信号分析可有效忽略该参数。需要注意的是，为了使风险型和模糊型彩票的主观价值具有“共同的衡量标准”，参考选项在两类试验中必须保持一致。
- 每种概率或模糊水平与金额的组合应至少呈现4次，最好更多，以确保行为学和fMRI分析具有足够的统计效力。在一半的重复试验中，红色应与非零结果关联，而在另一半中，蓝色应与非零结果关联，以避免颜色偏差并保证模糊性的对称性。
- 我们选择采用慢事件相关设计（图3），其中不同试验的血流动力学反应在时间上充分分离。在此类设计中，每次抽奖应作为刺激短暂呈现，本实验中为2秒，随后是一段延迟期（本实验中为6秒），以允许与决策相关的神经激活逐渐增强。被试应在短暂的时间窗口内（1-2秒）作出反应。使用如图所示的图像 图3 作为简短反馈，使受试者知晓其反应已被记录。各次试验之间应安排较长的休息间隔（10秒或更长），以确保血流动力学反应恢复至基线水平。若采用适当的随机化时间抖动，也可使用较短的休息间隔。将试验按每组最多30次分为若干组块，但需确保每组块持续时间不超过约10分钟，以便在扫描过程中安排休息时间，从而最大化受试者表现并减少疲劳。为确保每种概率/模糊性与金额组合至少重复4次，试验总次数至少为120次。 即 4 个区块。
- 准备好实物袋子（在本实验中为信封），以便在受试者执行任务前向其展示。这些袋子之后将用于随机抽取一个或多个试验以进行实际支付。为实验中使用的每张彩票图片准备一个袋子，每个袋子中放入总共100枚红色和蓝色的扑克牌/宾果游戏筹码，红蓝筹码的比例需与显示中所标示的从该袋子中抽中对应颜色筹码的概率一致。对于模糊性袋子，使用随机数生成器确定红蓝筹码的实际数量，使其对应各个模糊性水平。参考袋子则预先装入50枚红色和50枚蓝色筹码。准备实物袋子并向受试者展示，对于在心理学系招募的受试者尤为重要。这类受试者可能怀疑存在某种欺骗行为，一旦产生怀疑，其反应将无法解释。
2. 受试者准备
- 每位受试者必须填写知情同意书和筛查问卷。筛查表用于确认受试者体内无任何金属、未怀孕且无幽闭恐惧症，并确保其可安全接受扫描。受试者还必须移除身上所有金属物品，以确保扫描环境中的安全。这一点至关重要。
- 向受试者提供有关实验的详细说明。通过询问几个简单问题，确认他们理解每张图像中如何表示概率和金额，并明确自己的任务。务必避免透露任何可能影响其选择的信息。例如，不得以可能引导受试者偏向某种风险态度的方式来描述他们面临的选择问题。向他们展示实际使用的袋子，并强调实验中的每张图像均对应一个特定的实物袋子，且您不会也不会篡改其内容。同时说明，在一半的试验中蓝色为获胜颜色，另一半中红色为获胜颜色。解释支付机制，使受试者明白其报酬将根据他们的选择决定。鼓励受试者就任何不理解的内容提问。这是建立受试者对实验信念的关键阶段，必须确保受试者确信实验不涉及任何形式的欺骗，否则其行为与神经结果将无法解释。
- 将袋子密封，并让受试者在封口处签名。解释此举可使他们在实验结束时验证您未在实验过程中更改袋子内容。这有助于让受试者相信他们参与的是一个完全公平的实验。同时说明，在实验结束后进行抽奖时，他们将被允许查看袋子内容，以确认其符合所声明的概率或模糊性水平。
3. 扫描
- 我们使用配备头部线圈（4 通道或更多通道）的 3T MRI 扫描仪，以获取全脑的血氧水平依赖（BOLD）信号。
- 使用双按钮反应盒记录受试者的选择。
- 解剖扫描：我们采用 T1 加权 MPRAGE 序列，获取受试者大脑清晰的高分辨率（1×1×1 mm）图像，用于三维重建。任何高分辨率序列均可用于此目的。
- 功能扫描：我们采用 T2* 加权 EPI 序列，TR 为 2 s，体素大小为 3×3×3 mm。确保切片位置覆盖您最感兴趣的大脑区域，通常为前额叶皮层、顶叶皮层和基底神经节。扫描参数应根据具体扫描仪进行优化，我们使用的参数为：TE 30 ms，翻转角 75°，36 层 3 mm 切片，无层间间隙，平行于 AC-PC 线，面内分辨率 3×3 mm，视野（FOV）192 mm。其他研究建议，将切片角度设置为与 AC-PC 线成 30° 可能有助于减少眶额皮层的信号丢失6。
4. 付款流程
- 将受试者从扫描仪中移出后，从记录受试者反应的计算机中提取行为数据。
- 随机选择一个或多个试次进行支付。最好让受试者自行选择，例如从一个不透明的袋子中抽取标有试次编号的扑克筹码，袋中包含所有试次编号的筹码。这将使受试者确信选择确实是随机的。
- 对于每个被选中的试次，向受试者展示该试次中呈现的选项及其所做的选择。要求他们从该试次所选袋子中抽取一枚筹码，并根据抽中的颜色以及该试次中呈现的金额向其支付报酬。
例如，如果所选试验呈现了图2所示的彩票（一种模糊性彩票，若抽中红色筹码可获得18美元），且受试者选择了该彩票（而非参考彩票），则受试者应从与该彩票图像对应的实物袋子中抽取一个筹码。若抽中红色筹码，受试者将获得18美元；若抽中蓝色筹码，则无法获得任何奖励。
5. 行为数据的分析
- 采用最大似然法，我们将每位受试者的选择数据拟合为如下形式的逻辑函数：
其中，Pv 表示受试者选择可变彩票的概率，SVF 和 SVV 分别表示固定选项和可变选项的主观价值，γ 是逻辑函数的斜率，为受试者特异性参数。另一种方法是使用概率单位（probit）分布。
- 为了对每位受试者每种选项的主观价值进行建模，可以使用多种模型中的一种，这些模型需考虑选项的金额、概率和模糊性水平，以及个体受试者对风险和模糊性的态度。我们选择使用一种幂函数5，该函数包含模糊性对感知概率的线性影响7：
其中，p 为客观概率（对于此类模糊博弈，定义为 0.5），A 为模糊性水平（总概率中未知部分所占的比例，对于风险博弈为 0），V 为金额，α 和 β 分别为个体特定的风险和模糊性态度参数。另一种可选方法是将模糊性作为指数效应纳入模型8：
通过选择函数拟合选择数据，可为每位受试者估计其风险态度（α）和模糊性态度（β）。
6. 分析神经数据
- 对数据进行标准预处理，包括：1）切片扫描时间校正，以校正不同切片扫描时间的微小差异；2）运动校正，以校正受试者在单次扫描内及多次扫描间的运动；3）去除通常与生理噪声和扫描仪漂移相关的低频成分。
- 将每位受试者的功能数据配准至其解剖结构数据。
- 在单个受试者水平进行分析时，将每个体素的活动建模为在整个试验期间（本研究中为 10 s）持续的响应，并与标准血流动力学响应函数进行卷积9。采用以下预测变量的广义线性模型：
- 两个主观价值（SV）的预测变量，一个用于风险试验，另一个用于模糊试验。使用公式2以及从行为拟合中获得的个体受试者特异性参数，计算每种彩票的SV。由于参考彩票在所有试验中均相同，因此在每次试验中可仅使用可变彩票的SV。在风险SV预测变量中，填入每次风险试验的SV值，模糊试验则填入0；模糊SV预测变量则反之。
- 两个虚拟预测变量，一个用于风险试验，另一个用于模糊试验，以捕捉一般性激活，例如视觉和运动相关的激活。
- 寻找在风险和/或模糊条件下，SV系数具有显著性的体素。显著性检验应考虑所进行的多重比较。我们采用的方法是将最小簇大小限制为6个连续的功能性体素10。 alternatively，也可使用其他方法，如错误发现率（False Discovery Rate, FDR）11，来校正多重比较。
7. 代表性结果
行为
图4展示了三位代表性受试者的行为学结果。每个子图分别呈现了一位受试者在风险（左侧）或模糊性（右侧）条件下的选择数据及模型拟合结果。图中显示了受试者选择可变彩票的试验比例随金额变化的情况，每条曲线对应不同的概率或模糊性水平。可以看出，受试者在对待风险和模糊性方面的态度可能存在较大差异。
为了评估拟合优度，需检查 r2 值，理想情况下应高于 0.5，同时还应目视检查曲线。尽管我们给出的三个示例受试者均表现出符合规律的行为，从而实现了合理的拟合，但需注意的是，受试者 2 在风险条件下最低概率（0.13）时几乎从未选择可变选项。这表明扩大金额范围和/或使用更高的概率可能获得更好的结果，因为这能确保受试者在至少部分试验中选择可变选项。另一种方法是对每位受试者预先测试大范围的金额，并选择那些能够确保每位个体在参考选项和可变选项之间做出数量相近选择的金额。
功能性磁共振成像
图5展示了一名代表性受试者的成像结果。高亮的体素表示在模糊条件（上图）或风险条件（下图）下，主观价值预测因子的系数显著不同于0的区域。在此典型受试者中，两种条件下均在内侧前额叶皮层（MPFC）和纹状体发现了显著相关性。这些脑区在不同受试者间最为一致，但在内侧和外侧顶叶皮层以及杏仁核等区域也可能观察到显著相关性。由于此类任务中的脑活动通常较弱且噪声较大，因此不同受试者间变异性较高，许多受试者仅在部分脑区表现出显著相关性。
图 1. 风险性与模糊性刺激。 A) 在风险性刺激中，屏幕上每个图像的红色和蓝色区域面积与信封中红色和蓝色筹码的数量成比例。此处使用了三种结果概率：0.13、0.25 和 0.38。B) 在模糊性刺激中，图像的中央部分被灰色遮罩覆盖。在灰色区域内，每种颜色筹码的数量未知，因此抽取某一特定颜色筹码的概率不明确。此处使用了三种模糊程度，分别为图像的 25%、50% 或 75% 被遮挡。
图 2. 一个彩票示例。 这是一个模糊性水平为 50% 的模糊彩票。信封中至少有 25 个红色筹码和至少 25 个蓝色筹码。若抽到红色筹码，受试者将赢得 18 美元；若抽到蓝色筹码，则无法获得任何奖金。
图3. 实验试次结构。 首先短暂呈现一个彩票选项，随后进入一段延迟期。接着出现一个反应提示，要求受试者在屏幕上显示的彩票选项与参考彩票（本例中为50%概率赢得5美元）之间做出选择。试验试次之间穿插着较长的休息阶段。
图4. 单个受试者选择行为示例。 图中显示了每名受试者在不同风险（左图）和模糊性（右图）试验中，选择可变选项而非参考选项的试验比例随所提供数量变化的情况。不同的曲线代表不同的风险或模糊性水平。α，风险态度参数；β，模糊性态度参数；r2，McFadden伪R平方，用于衡量行为模型的拟合优度，相当于模型所解释的方差比例；n，作出反应的试验次数（总共180次）。
图 5. 单个受试者激活图谱示例。 激活图谱呈现在高分辨率解剖图像上。突出显示的区域表示其激活程度与在风险（上图）或模糊性（下图）条件下的主观价值显著相关。在大多数受试者中，内侧前额叶皮层（MPFC）和纹状体在风险和模糊性条件下均表征主观价值。校正后的 p 值基于至少包含 6 个功能体素的激活簇。 点击此处查看高清大图。
访问受限。请登录或开始试用以查看此内容。
讨论
我们采用了一种实验经济学方法来表征受试者的行为，并估计个体对风险和不确定性的态度。随后，我们利用这些估计值来分析神经数据。
以往已有研究采用其他方法来考察受试者在风险和不确定性条件下做出选择时的fMRI活动8,12。然而，我们的方法结合了若干重要特征。首先，本研究采用参数化设计，系统性地改变不同参数（金额、概率和不确定性水平），从而能够量化每个个体对风险和不确定性的态度，并计算每个选项对每位受试者的主观价值。其次，由于获得了个体层面的行为测量指标，我们可以在被试内部水平上分别针对风险和不确定性条件，寻找其脑区激活与该行为指标相关的脑区。这种方法能够在控制不同条件之间可能存在的差异（如选择行为差异）的同时，清晰地检验某一参数（主观价值）在不同条件下的神经编码机制。第三，通过在实验结束时随机选取一个试次并以真实货币支付，我们促使受试者真实地表达其偏好13。
在行为层面，该方法使我们能够仅用两个数值来概括每个受试者的独特选择行为，这两个数值分别代表个体对风险和模糊性的态度。标准经济学理论指...
访问受限。请登录或开始试用以查看此内容。
披露
未声明任何利益冲突。
致谢
我们感谢 Aldo Rustichini 对实验设计的有益讨论和意见。
由美国国家衰老研究所（NIA）资助，基金编号R01-AG033406，授予IL和PWG。
访问受限。请登录或开始试用以查看此内容。
材料
| 姓名 | 公司 | 目录编号 | 评论 |
|---|---|---|---|
| Allegra 头部专用 3.0 T 磁共振成像扫描仪 | Siemens AG | 也可使用全身扫描仪 | |
| NM-011 发射头线圈 | Nova Medical | ||
| E-prime | Psychology Software Tools | 刺激呈现软件 | |
| Matlab | Mathworks |
参考文献
- Glimcher, P. W. Understanding risk: a guide for the perplexed. Cogn. Affect Behav. Neurosci. 8, 348-354 (2008).
- Camerer, C., Weber, M. Recent Developments in Modeling Preferences - Uncertainty and Ambiguity. Journal of Risk and Uncertainty. 5, 325-370 (1992).
- Holt, C. A., Laury, S. K. Risk aversion and incentive effects. Am. Econ. Rev. 92, 1644-1655 (2002).
- Levy, I., Snell, J., Nelson, A. J., Rustichini, A., Glimcher, P. W. Neural representation of subjective value under risk and ambiguity. J. Neurophysiol. 103, 1036-1047 (2010).
- Kahneman, D., Tversky, A. Prospect Theory - Analysis of Decision under Risk. Econometrica. 47, 263-291 (1979).
- Deichmann, R., Gottfried, J. A., Hutton, C., Turner, R. Optimized EPI for fMRI studies of the orbitofrontal cortex. Neuroimage. 19, 430-441 (2003).
- Gilboa, I., Schmeidler, D. Maxmin Expected Utility with Non-Unique Prior. J. Math Econ. 18, 141-153 (1989).
- Hsu, M., Bhatt, M., Adolphs, R., Tranel, D., Camerer, C. F. Neural systems responding to degrees of uncertainty in human decision-making. Science. 310, 1680-1683 (2005).
- Boynton, G. A., Engel, S. A., Glover, G., Heeger, D. J Neurosci. 16, 4207-4221 (1996).
- Forman, S. D. Improved Assessment of Significant Activation in Functional Magnetic-Resonance-Imaging (Fmri) - Use of a Cluster-Size Threshold. Magnetic Resonance in Medicine. 33, 636-647 (1995).
- Genovese, C. R., Lazar, N. A., Nichols, T. Thresholding of statistical maps in functional neuroimaging using the false discovery rate. NeuroImage. 15, 870-878 (2002).
- Huettel, S. A., Stowe, C. J., Gordon, E. M., Warner, B. T., Platt, M. L. Neural signatures of economic preferences for risk and ambiguity. Neuron. 49, 765-775 (2006).
- Smith, V. L. Papers in experimental economics. , Cambridge University Press. (1991).
访问受限。请登录或开始试用以查看此内容。
重印与许可
申请许可以重复使用本 JoVE 文章的文本或图表
申请许可