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

次の実験の全体的な目標は、機能的MRIを使用して、リスクが高くあいまいなオプションの主観的値の神経エンコーディングを調べることです。これは、参加者がリスクの高い宝くじとあいまいな宝くじの間で選択をしている間に、参加者をスキャンすることによって達成されます。これは、金額、確率、およびあいまいさのレベルが異なります。次に、各参加者が行った選択は、リスクと曖昧さに対する態度を推定するために使用され、次に、リスクと曖昧さが参加者の宝くじの評価にどのように影響するかを推定するために使用されます。

次に、これらの推定値を一般的な線形モデルのリグレッサーとして使用して、活動がリスクの高い宝くじやあいまいな宝くじの主観的価値と相関する脳領域を特定します。結果は、内側前頭前野と線条体の重なり合う領域におけるリスクの高い選択肢と曖昧な選択肢の両方の主観値との相関を示しています。この手法の主な利点は、リスクが高くあいまいな宝くじの一般的な活動を比較する他の方法よりも優れているのは、各参加者の個々の行動が脳の活性化の分析に使用されることです。

この方法は、脳内で価値がどのように表されるのか、選択にどのように使用されるのかなど、神経経済学分野の重要な質問に答えるのに役立ちます。このプロトコルの最初のステップは、スキャン中に提示されるリスクの高い曖昧な選択を表す視覚刺激を設計することであり、危険な宝くじの刺激で宝くじバッグと呼ばれるポーカーチップで満たされた封筒を表すためにここに見られるような画像を使用し、赤と青のチップの比率である当選確率は、グラフィック刺激と数字の両方を使用して説明されるべきである。ここでは、各画像の赤と青の領域は、赤と青のチップの数に比例しています。

実際の封筒では、あいまいな宝くじには最低3つの結果確率が推奨されます。確率に関する情報の一部は、赤と青のチップの可能な比率が制限されているが指定されていないように、欠落している必要があります。勝率を部分的にあいまいにします。

オクルージョン サイズを大きくすると、あいまいさのレベルが上がります。少なくとも 3 つのレベルのオクルージョンを使用し、各勝利確率またはあいまいさレベルを表示し、結果の量を優先色の横に表示し、他の色の横に 0 を表示することをお勧めします。ここで、赤いチップを引くと18勝となり、青いチップを引くと結果はゼロになります。5。

報酬レベルは、各トライアルで幅広い金額にまたがることをお勧めします。被験者は2つの宝くじから選択します。ただし、簡単にするために、オプションの 1 つは実験中と画面外で一定に保ち、表示されるオプションのみを変化させることができます。

確率またはあいまいさのレベルと量の各組み合わせは、十分な統計的検出力を確保するために、少なくとも 4 回提示する必要があります。分析では、パラダイムをスローイベント関連デザインとして設定し、各宝くじが2秒間の刺激として提示され、その後、神経血管反応を可能にするために6秒間の遅延期間が続くようにします。その後、1 秒から 2 秒以内に応答する必要があります。

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単純な画像を使用し、少なくとも 10 秒の休憩時間ごとに試行を区切ります。また、使用する各宝くじのイメージに合わせて、物理的な袋や封筒を準備してください。実験で。

各封筒に合計100個の赤と青のチップを入れ、ディスプレイに表示されているその袋から各色のチップを引き出す確率に対応する比率で入れます。これらは、後でランダムに選択された試行をプレイして見返りを得るために使用されるため、タスクの前に被験者に見せる必要があります。実験での選択に基づいて被験者にお金を払うことは、被験者が本当の好みを表現するように促すために重要です。

宝くじをプレイするために実際のチップが入った物理的なバッグを使用すると、結果の確率が実際にスキャン前に述べられたものであることを対象とすることができます。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を確保するために、被験者がすべての金属を取り除いていることを確認してください。

次に、実験と課題についての詳細な指示を被験者に提供します。被験者が各画像で確率と量がどのように伝えられるかを理解していることを確認してくださいが、選択に影響を与える可能性のある情報は明らかにしないでください。スキャナーでは、被験者の選択を記録するために2つのボタンの応答ボックスが使用されます。

また、被験者が支払いが行われることを理解できるように、支払いメカニズムを説明してください。選択肢によると。事前に準備した袋を密封し、シール全体に被験者に自分の名前を署名してもらいます。

これにより、実験の最後に、被験者が袋の中身が変更されていないことを確認できることを説明し、袋の中身が記載された確率または曖昧さのレベルに確認されていることを確認するために袋を覗くことが許されます。3テスラMRIスキャナーを使用して、最初にTワン重み付けシーケンスを使用して被験者の脳の高解像度画像を取得します。この構造ボリュームは、3D再構築に使用されます。

この目的のために、任意の高分解能シーケンスを使用することができます。次に、T 2 つ星強調 EPI 配列を使用して、機能的なイメージングを取得します。タスク パラダイムでは、関心のある脳の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、頭頂葉皮質、および大脳基底核のスキャンパラメータは、2秒のTRと3×3×3ミリメートルのボクセルを使用して、特定のスキャナーに対して最適化する必要があります。スキャン後、被験者のボタンを記録したコンピューターから行動データを取得します。プレス応答。

次に、被験者が支払いのために1つまたはいくつかの試行をランダムに選択できるようにします。これは、被験者にすべてのトライアル番号のチップが入った不透明な袋から番号付きのポーカーチップを引かせることで行うことができます。選択した試行ごとに、被験者、提示されたオプション、およびその試行で行った選択を表示します。

次に、被験者にそのトライアルで選ばれたバッグからチップを引き出してもらい、描かれた色とトライアルで提示された金額に応じて彼らに支払います。行動データを分析するには、最尤法を使用して、各被験者の選択データを見られるロジスティック関数に適合させます。ここで、PVは、被験者が変動宝くじを選択した確率です。

SV sub F と SV sub V は、それぞれ固定オプションと変数オプションの主観値であり、gamma はロジスティック関数の傾きであり、これは主題固有のパラメーターです。別のアプローチは、検認分布を使用して各オプションの主観的価値をモデル化することです 各被験者について、オプションの量、確率、あいまいさのレベル、およびリスクとあいまいさに対する個々の被験者の態度を考慮に入れたモデルを使用します。私たちは、曖昧さが知覚確率に及ぼす線形効果を含むべき乗関数を使用することを選択しました。

いくつかの代替的アプローチのうちの1つは、指数関数的効果として曖昧さを含めることであり、選択データを選択関数に適合させることで、したがって、各被験者のリスク態度、アルファおよび曖昧さ態度ベータの推定値を提供し、最初に、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およびスキャナドリフトに関連する低周波の除去を含む機能データの標準的な前処理を実行する。次に、各被験者の機能データを解剖学的データに共登録します 単一の被験者レベルでの分析には、標準的な血行動態応答関数を使用し、試験全体を通じて各ボクセルの活動を持続的な応答としてモデル化します。主観的値の 2 つの予測変数 (1 つはリスクの高い試験用、もう 1 つはあいまいな試験用) を持つ一般線形モデルを使用します。

行動適合度から導き出された個々の被験者固有のパラメーターを使用して、各宝くじの主観的な値を計算します。また、2 つのダミー予測子 (1 つはリスクの高い試行用、もう 1 つはあいまいな試行用) も含まれます。視覚や運動などの一般的な活性化を捉えるために、有意性の検定では、ここで実行される多重比較を考慮に入れる必要があります。

最小クラスター サイズは、6 つの連続した機能的なボクセルに制限されました。誤検出率などの他の方法も使用できます。リスクおよび/またはあいまいさの下での主観的値の係数が有意なボクセルを探します。

ここでは、代表的な3つの被験者の行動結果を示します。各パネルには、リスクまたはあいまいさの下での1つの被験者の選択データとモデル適合結果が表示されます。グラフは、被験者が変数宝くじを選択した試行の割合を、確率またはあいまいさの各レベルごとに個別に量の関数として

見てわかるように、被験者はリスクと曖昧さに対する態度が大きく異なる場合があります。ここでは、1つのイメージング結果を示しますが、強調表示されたボクセルは、あいまいさまたはリスクの下での主観的値予測子の係数がゼロと有意に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皮質と線条体に有意な相関が見られました。

これらの領域は被験者間で最も一貫していますが、内側および外側の頭頂葉皮質、および扁桃体の領域でも有意な相関が期待できます。この手法により、神経経済学の分野の研究者は、リスクとあいまいさの態度の変化を探求することができ、彼らの神経はさまざまな状況下でさまざまな集団で相関しています。このビデオを見れば、リスクや曖昧さの態度を引き出す方法と、参加者が選択している間に得られたFMRIデータを分析するためにそれらをどのように使用するかについて、十分に理解できるはずです。