，测量主观价值风险和不明确的选项，使用实验经济学和功能磁共振成像的方法
September 19th, 2012
使用功能磁共振成像和行为方式的主观价值在人类大脑中的风险和不明确的选项，以确定神经表示。
以下实验的总体目标是使用功能性 MRI 检查风险和模糊选项的主观价值的神经编码。这是通过在参与者在风险和模棱两可的彩票之间做出选择时对其进行扫描来实现的，这些彩票的数量、概率和模糊程度各不相同。然后，每个参与者所做的选择被用来估计他或她对风险和模糊性的态度，进而用于估计风险和模糊性如何影响参与者对彩票的估值。
接下来，这些估计值在一般线性模型中用作回归器，以识别活动与风险和/或模棱两可的彩票的主观价值相关的大脑区域。结果显示，在内侧前额叶皮层和纹状体的重叠区域中，风险和模糊选项的主观值都存在相关性。与其他比较风险和模棱两可彩票的一般活动的方法相比，该技术的主要优点是每个参与者的个人行为都用于分析大脑激活。
这种方法可以帮助回答神经经济学领域的关键问题，例如价值在大脑中如何表示以及如何使用它来做出选择。该协议的第一步是设计代表风险和模棱两可的选择的视觉刺激，同时扫描时使用图像，例如此处看到的图像，代表装满扑克筹码的信封，称为彩票袋，用于危险彩票的刺激，中奖概率是红色筹码与蓝色筹码的比率，应使用图形刺激和数字来说明。在这里，每张图像的红色和蓝色区域与红色和蓝色色块的数量成正比。
在真实包络中，对于模棱两可的彩票，建议至少有三个结果概率。应该缺少有关概率的部分信息，以便红色筹码与蓝色筹码的可能比率是有界的，但未指定。呈现获胜概率，部分模棱两可。
增加遮挡大小会增加歧义级别。我们建议至少使用三个级别的遮挡，每个获胜概率或模糊级别显示结果数量，结果数量显示在获胜颜色旁边，另一个颜色旁边显示零。在这里，抽到红色筹码将导致赢得 18，而抽到蓝色筹码将导致零结果。五。
在每次试用中，建议的奖励级别涵盖广泛的金额范围。受试者将在两种抽签之间进行选择。但是，为简单起见，其中一个选项可以在整个实验中和屏幕外保持不变，而只有显示的选项是可变的。
概率或模糊性水平和数量的每种组合应至少呈现四次，以确保足够的统计能力。在分析中，将范例设置为慢速事件相关设计，以便将每个彩票作为刺激呈现 2 秒，然后是 6 秒的延迟期以允许神经血管反应。然后应在一到两秒内做出响应。
使用简单的图像作为简短的反馈，以表明已记录响应，并将试验间隔至少 10 秒。此外，准备实体袋或信封以匹配所使用的每张彩票图片。在实验中。
在每个信封中装满总共 100 个红色和蓝色筹码，其比例对应于从显示屏上显示的袋子中抽取每种颜色的筹码的概率。这些应该在任务之前向受试者展示，因为它们稍后将用于玩随机选择的试验以获得回报。根据受试者在实验中的选择向他们付款很重要，以鼓励他们表达自己的真实偏好。
使用装有真实筹码的实体袋子来玩彩票，确保结果概率确实是扫描前声明的概率。首先，让受试者填写同意书以及 MRI 筛查问卷。然后确保拍摄对象移除所有金属，以确保扫描仪环境中的安全。
接下来，向受试者提供有关实验和任务的详细说明。确保拍摄对象了解每张图像中如何传达概率和金额，但不要透露任何可能影响选择的信息。扫描仪中将使用一个双按钮响应框来记录受试者的选择。
此外，解释付款机制，以便主题了解将要付款。根据选择。密封之前准备好的袋子，并让受试者在密封上签名。
解释这将在实验结束时验证袋子的内容物没有被改变，因为允许受试者查看袋子以确保他们确认到规定的概率或歧义水平。使用 3 特斯拉 MRI 扫描仪，首先使用 T 1 加权序列获取受试者大脑的高分辨率图像。该结构体将用于 3D 重建。
任何高分辨率序列都可以用于此目的。接下来，使用 T 双星加权 EPI 序列获取功能成像。在任务范例期间，确保定位切片以包含感兴趣的大脑区域。
通常，前额叶皮层、顶叶皮层和基底神经节扫描参数应使用 2 秒的 TR 和 3 x 3 x 3 毫米的体素针对特定扫描仪进行优化。扫描后，从记录被摄体按钮的计算机中检索行为数据。按响应。
然后允许受试者随机选择一个或几个试验进行付款。这可以通过让受试者从一个不透明的袋子中抽出一个编号的扑克筹码来完成，该袋子里装着所有试验编号的筹码。对于每个选定的试验，显示主题、显示的选项以及他们在该试验中所做的选择。
然后让受试者从该试验中选择的袋子中抽取一个筹码，并根据绘制的颜色和试验中呈现的金额支付给他们。要分析行为数据，请使用最大似然将每个主体的选择数据拟合到所见的 logistic 函数。其中 PV 是主体选择变量彩票的概率。
SV sub F 和 SV sub V 分别是固定和可变选项的主观值，gamma 是 Logistic 函数的斜率，这是一个主题特定的参数。另一种方法是使用遗嘱认证分布来模拟每个选项的主观价值 对于每个主题，使用一个考虑选项的数量、概率和模糊程度以及个体主题对风险和模糊性的态度的模型。我们选择使用一个幂函数，该函数包含模糊性对感知概率的线性影响。
几种替代方法之一是将模糊性作为指数效应，用选择函数拟合选择数据，从而为每个受试者提供风险姿态、alpha 和模糊姿态 beta 的估计值，最初对功能数据进行标准预处理，包括切片、扫描、时间校正、运动校正以及去除与生理噪声和扫描仪漂移相关的低频。然后将每个受试者的功能数据与解剖数据进行共注册 对于单个受试者级别的分析，使用标准的血流动力学反应函数，并将每个体素的活动建模为整个试验期间的持续反应。使用具有两个主观值预测变量的一般线性模型，一个用于风险试验，一个用于不明确试验。
使用从行为拟合中得出的单个受试者特定参数来计算每个彩票的主观值。还包括两个虚拟预测变量，一个用于风险试验，一个用于模棱两可的试验。为了捕捉视觉和运动等一般激活，显著性检验应考虑此处进行的多重比较。
最小集群大小限制为 6 个连续的功能性体素。也可以使用其他方法，例如错误发现率。寻找风险和/或模糊性下主观价值系数显著的体素。
在这里，我们看到三个代表性受试者的行为结果。每个面板都显示一个主题在风险或模糊性下的选择数据和模型拟合结果。这些图表描述了受试者针对每个概率或模糊性水平分别选择可变彩票作为金额函数的试验比例。
可以看出，受试者对风险和模糊性的态度可能差异很大。在这里，我们看到一个体素的成像结果，主题突出显示的体素是模糊性或风险下主观值预测器的系数显著不同于零的体素。在这个代表性受试者中，在两种情况下，内侧前额叶皮层和纹状体都存在显着相关性。
这些区域在受试者之间是最一致的，但预计内侧和外侧顶叶皮层以及杏仁核的区域也存在显着相关性。这项技术使神经经济学领域的研究人员能够探索风险和模糊态度的变化，以及它们在不同背景下不同人群中的神经相关性。观看此视频后，您应该对如何引发风险和模糊态度以及如何使用它们来分析参与者做出选择时获得的 FMRI 数据有很好的了解。
View the full transcript and gain access to thousands of scientific videos
概述
本研究使用功能性核磁共振成像调查风险和模糊选项的主观价值的神经编码。参与者在具有不同风险和模糊程度的彩票之间做出选择，从而估计他们对这些因素的态度。
关键研究组成部分
科学领域
- 神经科学
- 行为经济学
- 功能性核磁共振成像
背景
- 理解大脑如何表示主观价值对于洞察决策过程至关重要。
- 风险和模糊选择在日常生活中很常见，并可能影响估值过程。
- 功能性核磁共振成像允许观察与这些决策过程相关的大脑活动。
- 先前的研究表明，在风险与模糊选择期间，不同的大脑区域被激活。
研究目的
- 检查在涉及风险和模糊的选择时，主观价值如何在大脑中被编码。
- 识别与这些选项的估值相关的特定大脑区域。
- 利用个人行为数据来增强对大脑激活模式的分析。
使用的方法
- 在参与者在彩票之间做出选择时，使用功能性核磁共振成像进行扫描。
- 彩票在金额、概率和模糊程度上有所不同。
- 收集行为数据以估计参与者对风险和模糊的态度。
- 应用一般线性模型来识别与主观价值相关的大脑活动。
主要结果
- 在内侧前额叶皮质和纹状体的重叠区域中发现与主观价值相关的大脑活动。
- 研究证明了使用个人行为数据分析大脑激活的有效性。
- 结果表明，风险和模糊选项激活相似的神经电路。
- 研究结果有助于理解不确定性下决策的神经基础。
结论
- 本研究增强了我们对大脑如何在风险和模糊情境下编码主观价值的理解。
- 它突出了个体决策过程中个体差异的重要性。
- 研究结果可能对经济理论和行为干预产生影响。
常见问题
Executive Industry Relevance
Quantifying subjective value under risk and ambiguity using fMRI and experimental economics provides actionable insights for target validation in neurobehavioral drug discovery. This approach enables mechanistic de-risking of neural circuits involved in decision-making, supporting predictive confidence at early discovery inflection points. Integrating behavioral and neural data strengthens translational continuity for neuropsychiatric and cognitive disorder portfolios.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables interrogation of neural pathways underlying risk and ambiguity processing relevant to neuropsychiatric targets.
- Supports biological de-risking by correlating individual behavioral phenotypes with neural activation patterns.
- Facilitates predictive confidence in target engagement and functional validation for CNS drug programs.
Screening & Assay Development
- Provides a validated behavioral-neuroimaging paradigm for quantitative assessment of cognitive endpoints.
- Standardizes measurement of risk and ambiguity attitudes across subjects, supporting reproducibility.
- Generates quantitative outputs for downstream compound evaluation in translational models.
Translational & Preclinical Research
- Aligns neural and behavioral biomarkers for disease-relevant system validation in preclinical and clinical populations.
- Enables continuity from discovery through preclinical validation by linking subjective value encoding to functional brain regions.
- Supports risk-adjusted advancement decisions for neurobehavioral therapeutic candidates.
Pipeline & Workflow Integration
This method bridges early discovery, target validation, and translational research by integrating behavioral economics with neuroimaging analytics.
- Discovery Biology: Supports hypothesis testing on neural encoding of subjective value under uncertainty.
- Screening: Delivers reproducible, quantitative behavioral and neural readouts for assay readiness.
- Analytics: Provides statistical modeling of individual risk and ambiguity attitudes for cross-condition comparison.
- Translational Research: Aligns neural activation patterns with behavioral phenotypes for biomarker development.
- Enterprise Reuse: Offers a scalable, reusable platform for evaluating decision-making circuits across indications.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces mechanistic ambiguity in CNS target validation.
- Operational Value: Standardizes data acquisition and analysis for reproducibility and scalability.
- Strategic Value: Informs go/no-go decisions and enhances capital efficiency by linking neural and behavioral endpoints.
- Portfolio Impact: Enables risk-adjusted prioritization of neurobehavioral assets based on mechanistic evidence.
Implementation Considerations
- Requires expertise in behavioral economics, neuroimaging, and statistical modeling.
- Needs access to high-field MRI instrumentation and robust data analysis infrastructure.
- Demands cross-team standardization of behavioral paradigms and imaging protocols.
- Adaptation across model systems may require protocol optimization for specific populations.
- Statistical power and subject variability must be managed for reliable interpretation.
