실험 경제 기능 MRI 방법을 사용하여 위험하고 모호한 옵션의 주관적 가치를 측정

다음 실험의 전반적인 목표는 기능적 MRI를 사용하여 위험하고 모호한 옵션의 주관적 가치에 대한 신경 인코딩을 검사하는 것입니다. 이는 참가자가 금액, 확률 및 모호성 수준이 다양한 위험한 복권과 모호한 복권 사이에서 선택하는 동안 참가자를 스캔하여 달성됩니다. 그런 다음 각 참가자가 내린 선택은 위험과 모호성에 대한 자신의 태도를 추정하는 데 사용되며, 이는 다시 위험과 모호성이 참가자의 복권 평가에 어떤 영향을 미치는지 추정하는 데 사용됩니다.

다음으로, 이러한 추정치는 활동이 위험하거나 모호한 복권의 주관적 가치와 상관관계가 있는 뇌 영역을 식별하기 위해 일반 선형 모델에서 회귀 변수로 사용됩니다. 결과는 내측 전전두엽 피질(medial prefrontal cortex)과 선조체(striatum)의 중첩 영역에서 위험하고 모호한 옵션의 주관적 가치와의 상관관계를 보여줍니다. 위험하고 모호한 복권에 대한 일반적인 활동을 비교하는 다른 방법에 비해 이 기술의 주요 장점은 각 참가자의 개별 행동이 뇌 활성화 분석에 사용된다는 것입니다.

이 방법은 가치가 뇌에서 어떻게 표현되고 선택을 하는 데 어떻게 사용되는지와 같은 신경 경제학 분야의 주요 질문에 답하는 데 도움이 될 수 있습니다. 이 프로토콜의 첫 번째 단계는 위험하고 모호한 선택을 나타내는 시각적 자극을 설계하는 것이며, 여기에서 볼 수 있는 것과 같은 이미지를 사용하여 위험한 복권에 대한 자극으로 복권 가방이라고 하는 포커 칩으로 채워진 봉투를 나타내기 위해 여기에서 볼 수 있는 것과 같은 이미지를 사용하여 스캔하는 것이며, 빨간색 칩과 파란색 칩의 비율인 당첨 확률은 그래픽 자극과 숫자를 모두 사용하여 설명해야 합니다. 여기서 각 이미지의 빨간색과 파란색 영역은 빨간색과 파란색 칩의 수에 비례합니다.

실제 봉투에서는 모호한 복권에 대해 최소 3개의 결과 확률이 권장됩니다. 확률에 대한 정보의 일부는 빨간색 칩과 파란색 칩의 가능한 비율이 제한되지만 지정되지 않도록 누락되어야 합니다. 당첨 확률을 부분적으로 모호하게 렌더링합니다.

폐색 크기를 늘리면 모호성 수준이 높아집니다. 최소 3가지 수준의 오클루젼을 사용하여 각 승리 확률 또는 모호성 수준을 제시하고, 결과 금액이 승리 색상 옆에 표시되고 다른 색상 옆에 0이 표시되는 것이 좋습니다. 여기서 레드칩을 뽑으면 18을 얻게 되고 블루칩을 뽑으면 0이 됩니다. 5.

보상 수준은 각 평가판에서 광범위한 금액에 걸쳐 권장됩니다. 피험자는 두 개의 복권 중에서 선택할 것입니다. 그러나 단순화를 위해 옵션 중 하나는 실험 전체와 화면 밖에서 일정하게 유지될 수 있으며 표시된 옵션만 변경될 수 있습니다.

확률 또는 모호성, 수준 및 금액의 각 조합은 충분한 통계적 검증력을 보장하기 위해 최소 4번 이상 제시되어야 합니다. 분석에서 패러다임을 느린 이벤트 관련 설계로 설정하여 각 복권이 2초 동안 자극으로 제시된 다음 신경 혈관 반응을 허용하기 위해 6초의 지연 기간을 제시합니다. 그런 다음 1-2초 이내에 응답해야 합니다.

간단한 이미지를 간단한 피드백으로 사용하여 응답이 기록되었음을 나타내고 최소 10초의 휴식 시간으로 시도를 구분합니다. 또한 사용된 각 복권 이미지에 맞는 물리적인 가방이나 봉투를 준비합니다. 실험에서.

각 봉투에 총 100개의 빨간색과 파란색 칩을 디스플레이에 표시된 해당 가방에서 각 색상의 칩을 뽑을 확률에 해당하는 비율로 채웁니다. 이것들은 나중에 보상을 위해 무작위로 선택된 시험을 플레이하는 데 사용되므로 작업 전에 피험자에게 보여줘야 합니다. 실험에서 피험자가 선택한 항목에 따라 비용을 지불하는 것은 피험자가 자신의 진정한 선호를 표현하도록 장려하기 위해 중요합니다.

복권을 플레이하기 위해 실제 칩이 들어 있는 실제 가방을 사용하면 결과 확률이 실제로 스캔 전에 명시된 것과 동일한지 확인할 수 있습니다. 먼저, 피험자가 동의서와 MRI 선별 설문지를 작성하도록 합니다. 그런 다음 스캐너 환경에서 안전을 보장하기 위해 피험자가 모든 금속을 제거했는지 확인하십시오.

다음으로, 피험자에게 실험 및 작업에 대한 자세한 지침을 제공합니다. 피험자가 각 이미지에서 확률과 양이 어떻게 전달되는지 이해하도록 하되 선택에 영향을 줄 수 있는 정보를 공개하지 않도록 합니다. 스캐너에는 피험자의 선택 사항을 기록하기 위해 두 개의 버튼이 있는 응답 상자가 사용됩니다.

또한 대상자가 지불이 이루어질 것임을 이해할 수 있도록 지불 메커니즘을 설명합니다. 선택에 따라. 미리 준비된 가방을 밀봉하고 피험자가 봉인 너머로 자신의 이름을 서명하도록 합니다.

이렇게 하면 실험이 끝날 때 가방의 내용물이 변경되지 않았다는 것을 확인할 수 있으며, 피험자는 가방을 들여다보고 명시된 확률 또는 모호성 수준인지 확인할 수 있다고 설명합니다. 3개의 Tesla MRI 스캐너를 사용하여 먼저 T 1 가중치 시퀀스를 사용하여 피험자의 뇌에 대한 고해상도 이미지를 획득합니다. 이 구조 볼륨은 3D 재구성에 사용됩니다.

이러한 목적으로 모든 고해상도 시퀀스를 사용할 수 있습니다. 다음으로, T 2 스타 가중 EPI 염기서열을 사용하여 기능적 이미징을 획득합니다. 작업 패러다임 중에는 관심 있는 뇌 영역을 포함하도록 슬라이스를 배치해야 합니다.

일반적으로 전전두엽 피질(prefrontal cortex), 두정엽 피질(parietal cortex) 및 기저핵(basal ganglia) 스캐닝 매개변수는 2초 및 3 x 3 x 3mm 복셀의 TR을 사용하여 특정 스캐너에 맞게 최적화해야 합니다. 스캔 후 피험자의 버튼을 기록한 컴퓨터에서 행동 데이터를 검색합니다. 언론 응답.

그런 다음 피험자가 지불을 위해 하나 또는 몇 개의 평가판을 무작위로 선택하도록 허용합니다. 이것은 피험자가 모든 트라이얼 번호가 적힌 칩이 들어 있는 불투명한 가방에서 번호가 매겨진 포커 칩을 뽑도록 함으로써 수행할 수 있습니다. 선택한 각 시도에 대해 주제, 제시된 옵션 및 해당 시도에서 선택한 항목을 표시합니다.

그런 다음 피험자에게 그 시험에서 선택한 가방에서 칩을 뽑고 추첨된 색상과 시험에 제시된 금액에 따라 지불하도록 요청하십시오. 행동 데이터를 분석하려면 최대가능도를 사용하여 각 개체의 선택 데이터를 로지스틱 함수에 피팅합니다. 여기서 PV는 피험자가 변수 복권을 선택한 확률입니다.

SV sub F 및 SV sub V는 각각 고정 및 변수 옵션의 주관적 값이고 gamma는 주제별 매개변수인 로지스틱 함수의 기울기입니다. 또 다른 접근법은 유언 검인 분포를 사용하여 각 옵션의 주관적 가치를 모델링하는 것입니다 각 주제에 대해 옵션의 양, 확률 및 모호성 수준과 위험 및 모호성에 대한 개별 피험자의 태도를 고려하는 모델을 사용합니다. 우리는 인지된 확률에 대한 모호성의 선형 효과를 포함하는 거듭제곱 함수를 사용하기로 결정했습니다.

여러 가지 대안적 접근법 중 하나는 모호성을 지수 효과로 포함하고, 선택 데이터를 선택 함수와 피팅하여 각 피험자에 대한 위험 태도, 알파 및 모호성 태도 베타에 대한 추정치를 제공하고, 초기에 슬라이스, 스캔, 시간 보정, 모션 보정 및 생리적 노이즈 및 스캐너 드리프트와 관련된 저주파 제거를 포함한 기능 데이터의 표준 전처리를 수행하는 것입니다. 그런 다음 각 피험자의 기능 데이터를 해부학적 데이터에 공동 등록합니다.단일 피험자 수준에서 분석하기 위해 표준 혈류역학적 반응 함수를 사용하고 각 복셀의 활동을 전체 시험 동안 지속적인 반응으로 모델링합니다. 주관적 가치를 지닌 두 개의 예측 변수가 있는 일반 선형 모형을 사용하는데, 하나는 위험한 시행에 대한 것이고 다른 하나는 모호한 시행에 대한 것입니다.

행동 적합도에서 파생된 개별 피험자별 매개변수를 사용하여 각 복권의 주관적 가치를 계산합니다. 또한 두 개의 더미 예측 변수(하나는 위험한 시행용이고 다른 하나는 모호한 시행용)를 포함합니다. 시각 및 운동과 같은 일반적인 활성화를 포착하기 위해 유의성 테스트는 여기에서 수행된 다중 비교를 고려해야 합니다.

최소 클러스터 크기는 6개의 연속적인 기능적 복셀로 제한되었습니다. 오탐지율과 같은 다른 방법도 사용할 수 있습니다. 위험 및/또는 모호성 하의 주관적 가치 계수가 유의한 복셀을 찾습니다.

여기에서 세 가지 대표적인 피험자의 행동 결과를 볼 수 있습니다. 각 패널은 위험 또는 모호성 하에서 한 피험자에 대한 선택, 데이터 및 모형 적합 결과를 제공합니다. 그래프는 피험자가 확률 또는 모호성의 각 수준에 대해 개별적으로 금액의 함수로 변수 복권을 선택한 시행의 비율을 보여줍니다.

여기에서 볼 수 있듯이, 피험자들은 위험과 모호함에 대한 태도가 매우 다양할 수 있다. 여기에서 우리는 하나의 이미징 결과를 볼 수 있으며, 주제 강조 복셀은 모호성 또는 위험 하에서 주관적 가치 예측변수의 계수가 0과 크게 다른 것입니다. 이 대표적인 피험자에서, 두 조건 모두에서 내측 전전두엽 피질과 선조체에서 유의미한 상관관계가 발견되었습니다.

이 영역은 피험자 전반에 걸쳐 가장 일관적이지만, 편도체뿐만 아니라 내측 및 외측 두정엽 피질의 영역에서도 상당한 상관관계를 기대할 수 있습니다. 이 기술을 통해 신경경제학 분야의 연구자들은 위험 및 모호성 태도의 변화, 그리고 서로 다른 맥락에서 다른 인구 집단의 신경 상관 관계를 탐구할 수 있습니다. 이 비디오를 시청한 후에는 위험 및 모호성 태도를 이끌어내는 방법과 참가자가 선택하는 동안 얻은 FMRI 데이터를 분석하는 데 이를 사용하는 방법을 잘 이해하게 될 것입니다.