Het meten van de subjectieve waarde van Risky en ambigue Opties met behulp van experimentele economie en functionele MRI methoden
September 19th, 2012
Met behulp van functionele MRI en gedragsmatige methoden om de neurale representatie van de persoonlijke waarde van risicovolle en dubbelzinnige opties in het menselijk brein te bepalen.
Het algemene doel van het volgende experiment is om de neurale codering van de subjectieve waarde van risicovolle en ambigue opties te onderzoeken met behulp van functionele MRI. Dit wordt bereikt door deelnemers te scannen terwijl zij keuzes maken tussen risicovolle en ambigue loterijen, variërend in bedrag, waarschijnlijkheid en onzekerheidsniveau. De keuzes die elke deelnemer maakt, worden vervolgens gebruikt om zijn of haar houding ten opzichte van risico en ambiguïteit te schatten, die op hun beurt worden gebruikt om te schatten hoe risico en ambiguïteit de waardering van de loterijen door de deelnemers beïnvloeden.
Vervolgens worden deze schattingen gebruikt als regressoren in een algemeen lineair model om hersengebieden te identificeren waarin de activiteit gecorreleerd is met de subjectieve waarde van risicovolle en/of ambigue loterijen. De resultaten tonen correlatie met subjectieve waarden van zowel risicovolle als ambigue opties in overlappende gebieden van de mediale prefrontale cortex en het striatum. Het belangrijkste voordeel van deze techniek boven andere methoden die algemene activiteit voor risicovolle en ambigue loterijen vergelijken, is dat het individuele gedrag van elke deelnemer wordt gebruikt bij de analyse van hersenactiviteit.
Deze methode kan helpen bij het beantwoorden van belangrijke vragen in het veld van neuro-economie, zoals hoe waarde wordt vertegenwoordigd in de hersenen en hoe het wordt gebruikt om keuzes te maken. De eerste stap in dit protocol is om de visuele stimuli te ontwerpen die risicovolle en ambigue keuzes vertegenwoordigen om te worden gepresenteerd tijdens het scannen, gebruik makend van afbeeldingen zoals die hier te zien zijn om enveloppen gevuld met pokerchips, zogenaamde loterijzakken, te vertegenwoordigen in stimuli voor risicovolle loterijen, waarbij de winstkans moet worden geïllustreerd met zowel een grafisch stimulus als getallen. Hierbij zijn de rode en blauwe gebieden van elke afbeelding evenredig aan het aantal rode en blauwe chips.
In een echte envelop wordt een minimum van drie uitkomstkansen aanbevolen voor ambigue loterijen. Een deel van de informatie over de waarschijnlijkheid moet ontbreken, zodat de mogelijke verhouding van rode naar blauwe chips begrensd maar niet gespecificeerd is. Hierdoor wordt de winstkans gedeeltelijk ambigu.
Het vergroten van de verduisterde grootte verhoogt het onzekerheidsniveau. We raden aan om ten minste drie niveaus van verduistering te gebruiken om elke winstkans of onzekerheidsniveau te presenteren met het uitkomstbedrag naast de winnende kleur en nul naast de andere kleur. Hierbij zou het trekken van een rode chip resulteren in een winst van 18 terwijl het trekken van een blauwe chip zou resulteren in een nuluitkomst. Vijf.
Beloningsniveaus worden aanbevolen die een breed scala aan bedragen in elke proef beslaan. De proefpersoon zal kiezen tussen twee loterijen. Voor de eenvoud kan een van de opties echter constant worden gehouden gedurende het hele experiment en buiten het scherm, terwijl alleen de weergegeven optie wordt gevarieerd.
Elke combinatie van waarschijnlijkheid of onzekerheidsniveau en bedrag moet ten minste vier keer worden gepresenteerd om voldoende statistische kracht te garanderen. In analyses, stel het paradigma in als een langzaam gebeurtenisgerelateerd ontwerp zodat elke loterij gedurende twee seconden als stimulus wordt gepresenteerd, gevolgd door een vertragingsperiode van zes seconden om ruimte te geven voor neurovasculaire respons. Vervolgens moet het antwoord binnen één tot twee seconden worden gegeven.
Gebruik een eenvoudige afbeelding als korte feedback om aan te geven dat het antwoord is opgenomen en scheid de proeven door rustperioden van minimaal 10 seconden. Bereid ook fysieke zakken of enveloppen voor om overeen te komen met elke loterijafbeelding die wordt gebruikt. In het experiment.
Vul elke envelop met een totaal van 100 rode en blauwe chips met verhoudingen die overeenkomen met de kans om een chip van elke kleur uit die zak te trekken zoals weergegeven in de weergave. Deze moeten aan proefpersonen worden getoond vóór de taak, aangezien ze later zullen worden gebruikt om willekeurig gekozen proeven voor uitbetaling te spelen. Proefpersonen betalen op basis van hun keuzes in het experiment is belangrijk om hen aan te moedigen hun ware voorkeuren te uiten.
Het gebruik van fysieke zakken met echte chips erin om de loterijen te spelen, verzekert de proefpersoon dat de uitkomstkansen inderdaad de genoemde zijn voorafgaand aan het scannen. Laat eerst de proefpersoon een toestemmingsformulier invullen evenals een MRI-screeningsvragenlijst. Zorg er vervolgens voor dat de proefpersoon alle metalen verwijdert om veiligheid in de scanneromgeving te garanderen.
Geef vervolgens de proefpersoon gedetailleerde instructies over het experiment en de taak. Zorg ervoor dat de proefpersoon begrijpt hoe waarschijnlijkheden en bedragen in elke afbeelding worden overgebracht, maar onthul geen informatie die keuzes zou kunnen beïnvloeden. Er zal een tweeknoppenreactiebox in de scanner worden gebruikt om de keuzes van de proefpersoon op te nemen.
Leg ook het betalingsmechanisme uit zodat de proefpersoon begrijpt dat er betaald zal worden. Volgens de keuzes. Verzegel de eerder voorbereide zakken en laat de proefpersoon zijn of haar naam over de verzegeling zetten.
Leg uit dat dit verificatie mogelijk maakt aan het einde van het experiment dat de inhoud van de zakken niet is gewijzigd, omdat de proefpersoon mag in de zakken kijken om er zeker van te zijn dat ze voldoen aan de vermelde waarschijnlijkheid of onzekerheidsniveau. Gebruik een drie Tesla MRI-scanner om eerst een hoogwaardige afbeelding van de hersenen van de proefpersoon te verkrijgen met behulp van een T een gewogen sequentie. Deze structurele volume zal worden gebruikt voor 3D-reconstructie.
Elke hoogwaardige sequentie kan voor dit doel worden gebruikt. Gebruik vervolgens een T twee ster gewogen EPI-sequentie om functionele beeldvorming te verkrijgen. Zorg er tijdens het taakparadigma voor dat de plakken worden gepositioneerd om de hersengebieden van belang te omvatten.
Typisch moeten de prefrontale cortex, pariëtale cortex en basale ganglia scanningparameters worden geoptimaliseerd voor de specifieke scanner met behulp van een TR van twee seconden en drie bij drie
View the full transcript and gain access to thousands of scientific videos
Overzicht
Deze studie onderzoekt de neurale codering van de subjectieve waarde van risicovolle en ambigue opties met behulp van functionele MRI. Deelnemers maken keuzes tussen loterijen met verschillende niveaus van risico en ambiguïteit, waardoor hun houding ten opzichte van deze factoren geschat kan worden.
Belangrijke onderzoekscomponenten
Wetenschapsgebied
- Neurowetenschap
- Gedragseconomie
- Functionele MRI
Achtergrond
- Het begrijpen hoe de hersenen de subjectieve waarde vertegenwoordigen is cruciaal voor inzichten in besluitvorming.
- Risicovolle en ambigue keuzes komen veel voor in het dagelijks leven en kunnen waarderingsprocessen beïnvloeden.
- Functionele MRI maakt het mogelijk de hersenactiviteit te observeren die geassocieerd is met deze besluitvormingsprocessen.
- Eerdere studies hebben aangetoond dat verschillende hersengebieden worden geactiveerd tijdens risicovolle versus ambigue keuzes.
Doel van het onderzoek
- Om te onderzoeken hoe subjectieve waarde in de hersenen wordt gecodeerd bij het maken van keuzes die risico en ambiguïteit inhouden.
- Om specifieke hersengebieden te identificeren die gecorreleerd zijn met de waardering van deze opties.
- Om individuele gedragsgegevens te gebruiken om de analyse van hersenactivatiepatronen te verbeteren.
Gebruikte methoden
- Deelnemers werden gescand met behulp van functionele MRI terwijl ze keuzes maakten tussen loterijen.
- Loterijen varieerden in bedrag, waarschijnlijkheid en ambiguïteitsniveau.
- Gedragsgegevens werden verzameld om de houding van de deelnemers ten opzichte van risico en ambiguïteit te schatten.
- Een algemeen lineair model werd toegepast om hersenactiviteit gecorreleerd met subjectieve waarden te identificeren.
Belangrijkste resultaten
- Hersenactiviteit gecorreleerd met subjectieve waarden werd gevonden in overlappende gebieden van de mediale prefrontale cortex en het striatum.
- Het onderzoek toonde de effectiviteit aan van het gebruik van individuele gedragsgegevens bij het analyseren van hersenactivatie.
- Resultaten geven aan dat zowel risicovolle als ambigue opties vergelijkbare neurale circuits activeren.
- De bevindingen dragen bij aan het begrip van de neurale basis van besluitvorming onder onzekerheid.
Conclusies
- Dit onderzoek verbetert ons begrip van hoe de hersenen subjectieve waarde coderen in risicovolle en ambigue contexten.
- Het benadrukt het belang van individuele verschillen in besluitvormingsprocessen.
- De bevindingen kunnen implicaties hebben voor economische theorie en gedragsinterventies.
Veelgestelde vragen
Executive Industry Relevance
Quantifying subjective value under risk and ambiguity using fMRI and experimental economics provides actionable insights for target validation in neurobehavioral drug discovery. This approach enables mechanistic de-risking of neural circuits involved in decision-making, supporting predictive confidence at early discovery inflection points. Integrating behavioral and neural data strengthens translational continuity for neuropsychiatric and cognitive disorder portfolios.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables interrogation of neural pathways underlying risk and ambiguity processing relevant to neuropsychiatric targets.
- Supports biological de-risking by correlating individual behavioral phenotypes with neural activation patterns.
- Facilitates predictive confidence in target engagement and functional validation for CNS drug programs.
Screening & Assay Development
- Provides a validated behavioral-neuroimaging paradigm for quantitative assessment of cognitive endpoints.
- Standardizes measurement of risk and ambiguity attitudes across subjects, supporting reproducibility.
- Generates quantitative outputs for downstream compound evaluation in translational models.
Translational & Preclinical Research
- Aligns neural and behavioral biomarkers for disease-relevant system validation in preclinical and clinical populations.
- Enables continuity from discovery through preclinical validation by linking subjective value encoding to functional brain regions.
- Supports risk-adjusted advancement decisions for neurobehavioral therapeutic candidates.
Pipeline & Workflow Integration
This method bridges early discovery, target validation, and translational research by integrating behavioral economics with neuroimaging analytics.
- Discovery Biology: Supports hypothesis testing on neural encoding of subjective value under uncertainty.
- Screening: Delivers reproducible, quantitative behavioral and neural readouts for assay readiness.
- Analytics: Provides statistical modeling of individual risk and ambiguity attitudes for cross-condition comparison.
- Translational Research: Aligns neural activation patterns with behavioral phenotypes for biomarker development.
- Enterprise Reuse: Offers a scalable, reusable platform for evaluating decision-making circuits across indications.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces mechanistic ambiguity in CNS target validation.
- Operational Value: Standardizes data acquisition and analysis for reproducibility and scalability.
- Strategic Value: Informs go/no-go decisions and enhances capital efficiency by linking neural and behavioral endpoints.
- Portfolio Impact: Enables risk-adjusted prioritization of neurobehavioral assets based on mechanistic evidence.
Implementation Considerations
- Requires expertise in behavioral economics, neuroimaging, and statistical modeling.
- Needs access to high-field MRI instrumentation and robust data analysis infrastructure.
- Demands cross-team standardization of behavioral paradigms and imaging protocols.
- Adaptation across model systems may require protocol optimization for specific populations.
- Statistical power and subject variability must be managed for reliable interpretation.
