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 neuronal del valor subjetivo de opciones arriesgadas y ambiguas mediante resonancia magnética funcional. Esto se logra escaneando a los participantes mientras eligen entre loterías riesgosas y ambiguas, que varían en cantidad, probabilidad y nivel de ambigüedad. Las elecciones realizadas por cada participante se utilizan para estimar sus actitudes hacia el riesgo y la ambigüedad, que a su vez se utilizan para estimar cómo el riesgo y la ambigüedad afectan a la valoración de las loterías por parte de los participantes.

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

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 usa para tomar decisiones. El primer paso en este protocolo es diseñar los estímulos visuales que representan las opciones arriesgadas y ambiguas que se presentarán mientras se escanea el uso de imágenes como las que se ven aquí para representar sobres llenos de fichas de póquer llamadas bolsas de lotería en estímulos para loterías riesgosas, la probabilidad de ganar es la proporción de fichas rojas y azules debe ilustrarse utilizando tanto un estímulo gráfico como números. Aquí, las áreas roja y azul de cada imagen son proporcionales al número de chips rojos y azules.

En un sobre real, se recomienda un mínimo de tres probabilidades de resultado para loterías ambiguas. Debe faltar parte de la información sobre la probabilidad, de modo que la posible proporción de chips rojos y azules esté acotada pero no especificada. Haciendo que la probabilidad de ganar sea parcialmente ambigua.

Al aumentar el tamaño ocluido, aumenta el nivel de ambigüedad. Recomendamos utilizar al menos tres niveles de oclusión, presente cada uno de ellos, probabilidad de ganar o nivel de ambigüedad, con la cantidad de resultado junto al color ganador y cero junto al otro color. Aquí, sacar una ficha roja resultaría en ganar 18, mientras que sacar una ficha azul resultaría en un resultado cero. Cinco.

Se recomiendan niveles de recompensa que abarquen una amplia gama de cantidades en cada prueba. El sujeto elegirá entre dos loterías. Sin embargo, para simplificar, una de las opciones se puede mantener constante 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 una potencia estadística suficiente. En los análisis, establezca el paradigma como un diseño relacionado con eventos lentos, de modo que cada lotería se presente como un estímulo durante dos segundos, seguido de un período de retraso de seis segundos para permitir la respuesta neurovascular. Luego, la respuesta debe hacerse en uno o dos segundos.

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

Llene cada sobre con un total de 100 fichas rojas y azules con proporciones correspondientes 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 tarde para jugar pruebas elegidas al azar para obtener recompensas. Es importante pagar a los sujetos en función de sus elecciones en el experimento para animarles a expresar sus verdaderas preferencias.

El uso de bolsas físicas con fichas reales para jugar a las loterías garantiza que las probabilidades de resultado sean las indicadas antes de escanear. Primero, haga que el sujeto complete un formulario de consentimiento, así como un cuestionario de detección de resonancia magnética. A continuación, asegúrese de que el sujeto retire todo el metal 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 pueda influir en las elecciones. Se utilizará un cuadro de respuesta de dos botones en el escáner para registrar las elecciones del sujeto.

Además, explique el mecanismo de pago para que el sujeto entienda que se realizará el pago. De acuerdo a las elecciones. Selle las bolsas previamente preparadas y haga que el sujeto firme su nombre en el sello.

Explique que esto permitirá verificar al final del experimento que el contenido de las bolsas no fue alterado, ya que se le permitirá al sujeto mirar dentro de las bolsas para asegurarse de que confirman el nivel de probabilidad o ambigüedad indicado. Usando un escáner de resonancia magnética de tres Tesla, primero adquiera una imagen de alta resolución del cerebro del sujeto usando una secuencia ponderada T uno. Este volumen estructural se utilizará para la reconstrucción en 3D.

Cualquier secuencia de alta resolución puede ser utilizada para este propósito. A continuación, utilice una secuencia EPI ponderada en dos estrellas T para adquirir imágenes funcionales. Durante el paradigma de la tarea, asegúrese de colocar los cortes para incluir las áreas cerebrales de interés.

Por lo general, los parámetros de exploración de 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. Después de escanear, recupere los datos de comportamiento de la computadora que ha registrado el botón del sujeto. Respuestas de la prensa.

A continuación, permita que el sujeto seleccione al azar una o varias pruebas para el pago. Esto se puede hacer haciendo que el sujeto saque una ficha de póquer numerada de una bolsa opaca que contiene fichas con todos los números de prueba. Para cada ensayo seleccionado, muestre el sujeto, la opción presentada y la elección que hicieron en ese ensayo.

Luego pida al sujeto que saque una ficha de la bolsa elegida en esa prueba y la pague de acuerdo con el color sorteado y la cantidad presentada en la prueba. Para analizar los datos de comportamiento, utilice la máxima verosimilitud para ajustar los datos de elección de cada sujeto a una función logística tal como se ve. 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 es utilizar una distribución testamentaria para modelar el valor subjetivo de cada opción Para cada tema, utilice un modelo que tenga en cuenta la cantidad, la probabilidad y el nivel de ambigüedad de la opción y las actitudes del sujeto individual hacia el riesgo y la ambigüedad. Elegimos usar una función de potencia que incluye un efecto lineal de ambigüedad en la probabilidad percibida.

Uno de los varios enfoques alternativos es incluir la ambigüedad como un efecto exponencial, ajustando los datos de elección con la función de elección, por lo tanto, proporcionar estimaciones para la actitud de riesgo, alfa y actitud de ambigüedad beta para cada sujeto, inicialmente realizar un preprocesamiento estándar de los datos funcionales, incluido el corte, el escaneo, la corrección del tiempo, la corrección de movimiento y la eliminación de las bajas frecuencias relacionadas con el ruido fisiológico y las derivas del escáner. A continuación, corregistre los datos funcionales de cada sujeto con los datos anatómicos Para el análisis a nivel de un solo sujeto, utilice una función de respuesta hemodinámica estándar y modele la actividad de cada vóxel como una respuesta sostenida durante todo el ensayo. Utilice un modelo lineal general con dos predictores de valor subjetivo, uno para ensayos riesgosos y otro para ensayos ambiguos.

Utilice los parámetros específicos de cada sujeto derivados del ajuste conductual para calcular el valor subjetivo de cada lotería. Incluya también dos predictores ficticios, uno para ensayos riesgosos y otro para ensayos ambiguos. Para capturar activaciones generales como la visual y la motora, la prueba de significación debe tener en cuenta las múltiples comparaciones realizadas aquí.

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

Aquí vemos los resultados conductuales de tres sujetos representativos. Cada panel presenta los datos de elección y los resultados de ajuste del modelo para un tema bajo 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 se puede ver, los sujetos pueden variar mucho en sus actitudes hacia el riesgo y la ambigüedad. Aquí vemos los resultados de las imágenes para uno, los vóxeles resaltados por sujeto son aquellos en los que el coeficiente del predictor de 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 cuerpo estriado en ambas condiciones.

Estas áreas son las más consistentes entre los 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 de riesgo y ambigüedad, y sus correlatos neuronales en diferentes poblaciones en diferentes contextos. Después de ver este video, debe tener una buena comprensión de cómo provocar actitudes de riesgo y ambigüedad, y cómo usarlas para analizar los datos de FMRI obtenidos mientras los participantes tomaban decisiones.