実験経済学と機能的MRI法を用いたリスキーかつ曖昧なオプションの主観的な値を測定する

本実験の全体的な目的は、機能的MRIを用いて、リスクのある選択肢および曖昧な選択肢の主観的価値がどのように神経符号化されるかを検討することです。これは、金額、確率、および曖昧さのレベルが異なるリスク付きまたは曖昧な抽選の選択を参加者に行わせながらスキャンすることで達成されます。各参加者が行った選択を用いて、リスクおよび曖昧さに対する個々の態度を推定し、それに基づき、リスクと曖昧さが参加者による抽選の価値判断にどのような影響を与えるかを推定します。

次に、これらの推定値を一般線形モデルの回帰変数として用い、リスクまたは曖昧さを伴うくじの主観的価値と活動が相関している脳領域を特定します。その結果、内側前頭前皮質と線条体の重複領域において、リスクおよび曖昧さの両方の選択肢の主観的価値との相関が認められました。リスクや曖昧さを伴うくじに対する全般的な活動を比較する他の手法に対する本手法の主な利点は、脳活動の解析に各参加者の個別の行動データが用いられる点にあります。

この手法は、価値が脳内でどのように表現され、それがどのように選択に利用されるかといった、神経経済学分野における重要な疑問を解決するのに役立ちます。本プロトコルの最初のステップは、スキャン中に提示するリスクを伴う選択肢および曖昧な選択肢を表す視覚刺激を設計することです。リスクを伴う抽選の刺激として、ここでは「ロッタリーバッグ」と呼ばれるポーカーチップが入った封筒のような画像を使用します。当選確率（赤色チップと青色チップの比率）は、グラフィカルな刺激と数値の両方を用いて提示する必要があります。ここでは、各画像の赤色領域と青色領域が、赤色チップと青色チップの数に比例しています。

実際の封筒では、曖昧なロッタリーに対して最低3つの結果確率を設けることが推奨されます。確率に関する情報の一部を欠落させることで、赤色のチップと青色のチップの可能な比率に範囲はあるが、具体的に指定されていない状態にします。これにより、当選確率が部分的に曖昧な状態で提示されます。

遮蔽サイズを大きくすると、曖昧さのレベルが高まります。少なくとも3段階の遮蔽レベルを使用することを推奨します。各勝利確率または曖昧さのレベルにおいて、勝利した色には結果の数値が表示され、もう一方の色にはゼロが表示されるようにします。ここでは、赤色のチップを引いた場合は18の勝利となり、青色のチップを引いた場合は結果がゼロとなります。5。

各試行において、報酬レベルは広範囲の金額にわたって設定することが推奨されます。被験者は2つの宝くじから選択します。ただし、簡便にするために、一方の選択肢を実験全体を通じて一定とし画面外に配置し、表示される選択肢のみを変化させても構いません。

十分な統計的検出力を確保するため、確率または曖昧さのレベルと金額の各組み合わせを、少なくとも4回ずつ提示してください。解析においては、各ロトを刺激として2秒間提示し、その後、神経血管反応を考慮して6秒間の遅延期間を設ける、スローイベント関連デザイン（slow event related design）としてパラダイムを設定してください。その後、1〜2秒以内に反応を行うようにします。

応答が記録されたことを示す簡単なフィードバックとしてシンプルな画像を使用し、各試行の間には少なくとも 10 seconds の休憩時間を設けてください。また、実験で使用する各抽選画像に対応する物理的な袋または封筒を用意します。

各封筒に、ディスプレイに表示されている各袋から各色のチップを引く確率に対応した割合で、赤と青のチップを合わせて100個入れます。これらは、後でランダムに選ばれた試行の報酬として使用されるため、タスクの前に被験者に提示してください。被験者が真の好みを表現するように促すためには、実験中の選択に基づいて報酬を支払うことが重要です。

実際のチップを入れた物理的なバッグを使用して宝くじをプレイさせることで、スキャン前に提示された結果の確率が実際に適用されていることを被験者に保証します。まず、被験者に同意書とMRIスクリーニング質問票に記入してもらいます。次に、スキャナー環境での安全性を確保するため、被験者がすべての金属類を取り除いたことを確認してください。

次に、被験者に実験およびタスクに関する詳細な説明を行います。各画像において確率と量がどのように表現されているかを被験者が確実に理解するようにしますが、選択に影響を与える可能性のある情報は開示しないでください。被験者の選択を記録するために、スキャナー内で2ボタン式のレスポンスボックスを使用します。

また、被験者が支払われることを理解できるよう、支払いメカニズムについて説明します。選択肢に応じて、あらかじめ準備したバッグを密封し、密封部に被験者の署名をしてもらいます。

これにより、実験の最後に被験者がバッグの中身を確認し、それが提示された確率または曖昧さのレベルと一致していることを確かめられるため、バッグの内容が変更されなかったことを検証できることを説明します。次に、3 Tesla MRIスキャナーを用いて、T1強調シーケンスで被験者の脳の高解像度画像を撮影します。この構造的ボリュームは、3D再構成に使用されます。

この目的には、任意の高解像度シーケンスを使用できます。次に、T2*強調EPIシーケンスを用いて機能的画像を取得します。タスクパラダイムの間、関心のある脳領域が含まれるようにスライスを配置してください。

通常、前頭前野、頂頭葉、および基底核のスキャンパラメータは、TRを2秒、ボクセルサイズを3×3×3 mmとして、使用する特定のスキャナーに合わせて最適化する必要があります。スキャン後、被験者のボタン押し反応を記録したコンピュータから行動データを取得します。

次に、被験者に報酬の対象となる試行をランダムに1つまたは数回選択させます。これは、すべての試行番号が記載されたチップが入った不透明な袋から、被験者に番号付きのポーカーチップを引かせることで行えます。選択された各試行について、提示された選択肢と、その試行で行った選択を被験者に提示します。

次に、被験者にその試行で選択した袋からチップを1枚引いてもらい、引いた色と試行時に提示された金額に応じて報酬を支払います。行動データを分析するためには、最尤法を用いて、各被験者の選択データを以下に示すロジスティック関数に適合させます。ここで、PVは被験者が可変ロットを選択した確率を表します。

SV sub FおよびSV sub Vはそれぞれ固定オプションおよび変動オプションの主観的価値であり、gammaはロジスティック関数の傾きであり、被験者固有のパラメータである。別のアプローチとして、確率分布を用いて各オプションの主観的価値をモデル化する方法がある。被験者ごとに、オプションの量、確率、曖昧さのレベル、およびリスクと曖昧さに対する個々の被験者の態度を考慮したモデルを使用する。本研究では、知覚された確率に対する曖昧さの線形効果を含むべき関数を採用した。

いくつかの代替アプローチのひとつは、曖昧さを指数関数的な効果として組み込み、選択関数を用いて選択データをフィッティングさせることです。これにより、各被験者のリスク態度（alpha）および曖昧さ態度（beta）の推定値を得ることができます。まず、スライス、スキャン、時間補正、動き補正、および生理学的ノイズやスキャナーのドリフトに関連する低周波成分の除去を含む、機能的データの標準的な前処理を行います。次に、各被験者の機能的データを解剖学的データに共登録します。個々の被験者レベルでの分析には、標準的な血流動態反応関数を用い、各ボクセルの活動を試行全体にわたる持続的な反応としてモデル化します。主観的価値の予測因子を2つ（リスク試行用と曖昧試行用）とした一般線形モデルを使用します。

行動データのフィッティングから得られた被験者ごとの個別のパラメータを用いて、各ロトリーの主観的価値を算出します。また、リスク試験用と曖昧性試験用の2つのダミー予測変数を含めてください。視覚的および運動的な一般的な活性化を捉えるため、有意性検定ではここで行われる多重比較を考慮する必要があります。

最小クラスターサイズは、6つの隣接する機能的ボクセルに制限しました。偽発見率（FDR）などの他の手法を用いることも可能です。リスクおよび/または曖昧さ条件下での主観的価値の係数が有意なボクセルを探索します。

ここでは、代表的な3名の被験者の行動結果を示します。各パネルは、リスクまたは曖昧さのいずれかの条件下における、被験者1名あたりの選択データとモデル適合結果を示しています。グラフは、確率または曖昧さのレベルごとに、被験者が変動的なロットリーを選択した試行の割合を、金額の関数として描いています。

見ての通り、リスクや曖昧さに対する姿勢は被験者によって大きく異なる場合があります。ここでは、ある被験者の撮像結果を示しています。強調表示されたボクセルは、曖昧な状況またはリスクのある状況下における主観的価値予測因子の係数が、統計的に有意にゼロと異なっていたものです。この代表的な被験者では、両方の条件下で内側前頭前野および線条体において有意な相関が認められました。

これらの領域は被験者間での一貫性が最も高いですが、内側および外側頭頂皮質や扁桃体においても有意な相関が期待されます。この手法により、神経経済学分野の研究者は、異なる集団が異なる状況下で示すリスクおよび曖昧さへの態度の変化と、その神経相関を探索することが可能になります。このビデオを視聴することで、リスクおよび曖昧さへの態度をどのように誘発させるか、そして参加者が選択を行っている間に得られたfMRIデータをどのように分析するかについて、十分に理解できるはずです。