La medición del valor subjetivo de las opciones arriesgado y ambiguo utilizando Economía Experimental y Métodos funcionales de resonancia magnética

El objetivo general del siguiente experimento es examinar la codificación neural del valor subjetivo de opciones arriesgadas y ambiguas mediante resonancia magnética funcional. Esto se logra escaneando a participantes mientras realizan elecciones entre loterías arriesgadas y ambiguas, que varían en monto, probabilidad y nivel de ambigüedad. Las decisiones tomadas por cada participante se utilizan luego para estimar su actitud frente al riesgo y la ambigüedad, las cuales a su vez se emplean para estimar cómo el riesgo y la ambigüedad afectan la valoración que los participantes hacen de las loterías.

A continuación, estas estimaciones se utilizan como regresores en un modelo lineal general con el fin de identificar áreas cerebrales en las que la actividad se correlaciona con el valor subjetivo de loterías arriesgadas y/o ambiguas. Los resultados muestran una correlación con los valores subjetivos de opciones arriesgadas y ambiguas en regiones solapadas del cortex prefrontal medial y el estriado. La principal ventaja de esta técnica frente a otros métodos que comparan la actividad general en loterías arriesgadas y ambiguas es que se utiliza el comportamiento individual de cada participante en el análisis de la activación cerebral.

Este método puede ayudar a responder preguntas clave en el campo de la neuroeconomía, como cómo se representa el valor en el cerebro y cómo se utiliza para tomar decisiones. El primer paso en este protocolo consiste en diseñar los estímulos visuales que representen opciones arriesgadas y ambiguas para presentarlos durante el escaneo; utilice imágenes como las que se muestran aquí para representar sobres llenos de fichas de póker denominados bolsas de lotería en los estímulos para loterías arriesgadas, donde la probabilidad de ganar corresponde a la proporción de fichas rojas respecto a las azules, y debe ilustrarse mediante un estímulo gráfico y números. Aquí, las áreas rojas y azules de cada imagen son proporcionales al número de fichas rojas y azules.

En un sobre real, se recomienda un mínimo de tres probabilidades de resultado para loterías ambiguas. Parte de la información sobre la probabilidad debe faltar, de modo que la proporción posible entre fichas rojas y azules esté acotada pero no especificada. Esto hace que la probabilidad de ganar sea parcialmente ambigua.

El aumento del tamaño de la oclusión incrementa el nivel de ambigüedad. Recomendamos utilizar al menos tres niveles de oclusión, presentando cada probabilidad de victoria o nivel de ambigüedad con la cantidad del resultado mostrada junto al color ganador y cero junto al otro color. Aquí, sacar una ficha roja daría como resultado ganar 18, mientras que sacar una ficha azul daría un resultado de cero. Cinco.

Se recomienda que los niveles de recompensa abarquen un amplio rango de cantidades en cada ensayo. El sujeto elegirá entre dos loterías. Sin embargo, por simplicidad, se puede mantener constante una de las opciones durante todo el experimento y fuera de la pantalla, mientras que solo se varía la opción mostrada.

Cada combinación de nivel de probabilidad o ambigüedad y cantidad debe presentarse al menos cuatro veces para garantizar un poder estadístico suficiente. En los análisis, configure el paradigma como un diseño de eventos lentos relacionados, de modo que cada lotería se presente como un estímulo durante dos segundos, seguido por un período de retardo de seis segundos para permitir la respuesta neurovascular. Luego, la respuesta debe realizarse dentro de uno a dos segundos.

Utilice una imagen sencilla como retroalimentación breve para indicar que la respuesta ha sido registrada y separe los ensayos con períodos de descanso de al menos 10 segundos. Además, prepare bolsas o sobres físicos que coincidan con cada imagen de lotería utilizada. En el experimento.

Llene cada sobre con un total de 100 fichas rojas y azules en proporciones que correspondan a la probabilidad de sacar una ficha de cada color de esa bolsa que se muestra en la pantalla. Estos deben mostrarse a los sujetos antes de la tarea, ya que se utilizarán más adelante para jugar ensayos elegidos al azar con pago. Remunerar a los sujetos según sus elecciones en el experimento es importante para incentivarlos a expresar sus verdaderas preferencias.

Usar bolsas físicas con fichas reales dentro para jugar las loterías asegura al sujeto que las probabilidades de resultado son realmente las indicadas antes del escaneo. Primero, haga que el sujeto complete un formulario de consentimiento y un cuestionario de cribado para resonancia magnética. Luego, asegúrese de que el sujeto retire todos los objetos metálicos para garantizar la seguridad en el entorno del escáner.

A continuación, proporcione al sujeto instrucciones detalladas sobre el experimento y la tarea. Asegúrese de que el sujeto comprenda cómo se transmiten las probabilidades y las cantidades en cada imagen, pero no revele ninguna información que pudiera influir en las decisiones. Se utilizará una caja de respuesta de dos botones en el escáner para registrar las elecciones del sujeto.

Además, explique el mecanismo de pago para que el sujeto comprenda cómo se realizará el pago, de acuerdo con las opciones. Selle las bolsas previamente preparadas y haga que el sujeto firme su nombre sobre el sello.

Explique que esto permitirá la verificación al final del experimento de que el contenido de las bolsas no fue alterado, ya que se permitirá al sujeto mirar dentro de las bolsas para asegurarse de que coinciden con el nivel declarado de probabilidad o ambigüedad. Utilizando un escáner de resonancia magnética de tres Tesla, primero adquiera una imagen de alta resolución del cerebro del sujeto mediante una secuencia ponderada en T1. Este volumen estructural se utilizará para la reconstrucción tridimensional.

Puede utilizarse cualquier secuencia de alta resolución para este propósito. A continuación, use una secuencia EPI ponderada en T dos estrellas para adquirir imágenes funcionales. Durante el paradigma de la tarea, asegúrese de posicionar los cortes para incluir las áreas cerebrales de interés.

Normalmente, los parámetros de escaneo para la corteza prefrontal, la corteza parietal y los ganglios basales deben optimizarse para el escáner específico utilizando un TR de dos segundos y vóxeles de tres por tres por tres milímetros. Tras el escaneo, recupere los datos conductuales desde el ordenador que ha registrado los botones pulsados por el sujeto.

Luego, permita que el sujeto seleccione al azar uno o unos pocos ensayos para el pago. Esto puede hacerse haciendo que el sujeto saque una ficha de póker numerada de una bolsa opaca que contiene fichas con todos los números de los ensayos. Para cada ensayo seleccionado, muestre al sujeto la opción presentada y la elección que realizó en ese ensayo.

Luego pida al sujeto que saque una ficha de la bolsa elegida en ese ensayo y páguele según el color extraído y la cantidad presentada en el ensayo. Para analizar los datos conductuales, utilice la máxima verosimilitud para ajustar los datos de elección de cada sujeto a una función logística como se observa. Aquí, donde PV es la probabilidad de que el sujeto haya elegido la lotería variable.

SV sub F y SV sub V son los valores subjetivos de las opciones fija y variable, respectivamente, y gamma es la pendiente de la función logística, que es un parámetro específico del sujeto. Un enfoque alternativo consiste en utilizar una distribución de probabilidad para modelar el valor subjetivo de cada opción. Para cada sujeto, utilice un modelo que tenga en cuenta el monto, la probabilidad y el nivel de ambigüedad de la opción, así como las actitudes del sujeto individual hacia el riesgo y la ambigüedad. Optamos por utilizar una función potencial que incluye un efecto lineal de la ambigüedad sobre la probabilidad percibida.

Uno de varios enfoques alternativos consiste en incluir la ambigüedad como un efecto exponencial, ajustando los datos de elección con la función de elección, proporcionando así estimaciones de la actitud frente al riesgo (alfa) y la actitud frente a la ambigüedad (beta) para cada sujeto. Inicialmente, realice un preprocesamiento estándar de los datos funcionales, incluyendo corrección por corte, escaneo, tiempo, corrección por movimiento y eliminación de frecuencias bajas relacionadas con el ruido fisiológico y las derivas del escáner. Luego, realice la coregistración de los datos funcionales de cada sujeto con los datos anatómicos. Para el análisis a nivel individual, utilice una función hemodinámica estándar y modele la actividad de cada vóxel como una respuesta sostenida durante toda la prueba. Utilice un modelo lineal general con dos predictores del valor subjetivo, uno para ensayos con riesgo y otro para ensayos ambiguos.

Utilice los parámetros específicos por sujeto derivados del ajuste conductual para calcular el valor subjetivo de cada lotería. Incluya también dos predictores ficticios, uno para los ensayos con riesgo y otro para los ensayos ambiguos. Para captar activaciones generales como las visuales y motoras, la prueba de significancia debe tener en cuenta las comparaciones múltiples realizadas aquí.

El tamaño mínimo del grupo se limitó a seis vóxeles funcionales contiguos. También pueden utilizarse otros métodos, como la tasa de descubrimientos falsos. Busque vóxeles en los que los coeficientes del valor subjetivo bajo riesgo y/o ambigüedad sean significativos.

Aquí observamos los resultados conductuales de tres sujetos representativos. Cada panel presenta los datos de elección y los resultados del ajuste del modelo para un sujeto bajo condiciones de riesgo o ambigüedad. Los gráficos muestran la proporción de ensayos en los que el sujeto eligió la lotería variable en función de la cantidad, por separado para cada nivel de probabilidad o ambigüedad.

Como puede observarse, los sujetos pueden variar mucho en sus actitudes hacia el riesgo y la ambigüedad. Aquí mostramos los resultados de imágenes para un sujeto; los vóxeles resaltados son aquellos en los que el coeficiente del predictor del valor subjetivo bajo ambigüedad o riesgo fue significativamente diferente de cero. En este sujeto representativo, se encontró una correlación significativa en la corteza prefrontal medial y el estriado bajo ambas condiciones.

Estas áreas son las más consistentes entre sujetos, pero también se pueden esperar correlaciones significativas en áreas de la corteza parietal medial y lateral, así como en la amígdala. Esta técnica permite a los investigadores en el campo de la neuroeconomía explorar los cambios en las actitudes frente al riesgo y la ambigüedad, y sus correlatos neuronales en diferentes poblaciones y bajo distintos contextos. Tras ver este video, deberías tener una buena comprensión de cómo obtener las actitudes frente al riesgo y la ambigüedad, y cómo utilizarlas para analizar datos de IRMf obtenidos mientras los participantes tomaban decisiones.