Het meten van de subjectieve waarde van Risky en ambigue Opties met behulp van experimentele economie en functionele MRI methoden

Het algemene doel van het volgende experiment is om met functionele MRI de neurale codering van de subjectieve waarde van risicovolle en ambigue opties te onderzoeken. Dit wordt bereikt door deelnemers te scannen terwijl zij keuzes maken tussen risicovolle en ambigue loterijen, variërend in bedrag, waarschijnlijkheid en ambiguiteitsniveau. De keuzes van elke deelnemer worden vervolgens gebruikt om diens houding ten opzichte van risico en ambiguïteit te schatten, wat op zijn beurt wordt gebruikt om te bepalen 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 correleert met de subjectieve waarde van risicovolle en/of ambigue loterijen. De resultaten tonen een correlatie met de subjectieve waarden van zowel risicovolle als ambigue opties in overlappende regio's van de mediale prefrontale cortex en het striatum. Het belangrijkste voordeel van deze techniek ten opzichte van andere methoden die de algemene activiteit voor risicovolle en ambigue loterijen vergelijken, is dat het individuele gedrag van elke participant wordt gebruikt bij de analyse van de hersenactivatie.

Deze methode kan helpen bij het beantwoorden van kernvragen binnen het veld van de neuro-economie, zoals hoe waarde in de hersenen wordt gerepresenteerd en hoe deze wordt gebruikt om keuzes te maken. De eerste stap in dit protocol is het ontwerpen van de visuele stimuli die risicovolle en ambigue keuzes representeren en die tijdens het scannen worden gepresenteerd; gebruik afbeeldingen zoals hier getoond om enveloppen gevuld met pokerchips weer te geven, genaamd loterijzakken in stimuli voor risicovolle loterijen. De winstkans, zijnde de verhouding tussen rode en blauwe chips, moet worden geïllustreerd met zowel een grafische stimulus als getallen. Hier zijn de rode en blauwe gebieden van elke afbeelding proportioneel aan het aantal rode en blauwe chips.

In een echte envelop wordt voor ambigue loterijen een minimum van drie uitkomstkansen aanbevolen. Een deel van de informatie over de kans moet ontbreken, zodat de mogelijke verhouding tussen rode en blauwe fiches begrensd is, maar niet is gespecificeerd. De winnende kans wordt hierdoor gedeeltelijk ambigu gemaakt.

Het vergroten van de occlusiegrootte verhoogt het niveau van ambiguïteit. We raden aan om ten minste drie niveaus van occlusie te gebruiken, waarbij voor elke winstkans of ambiguïteitsniveau het resultaatbedrag naast de winnende kleur wordt weergegeven en nul naast de andere kleur. In dit geval zou het trekken van een rode fiches resulteren in een winst van 18, terwijl het trekken van een blauwe fiche zou resulteren in een uitkomst van nul. Vijf.

Het wordt aanbevolen om beloningsniveaus te gebruiken die een breed bereik aan bedragen beslaan in elke trial. De proefpersoon kiest tussen twee loterijen. Voor de eenvoud kan echter één van de opties gedurende het hele experiment constant worden gehouden en buiten het scherm blijven, terwijl alleen de getoonde optie wordt gevarieerd.

Elke combinatie van waarschijnlijkheids- of ambiguïteitsniveau en bedrag moet minstens vier keer worden gepresenteerd om voldoende statistische power te garanderen. Stel bij de analyses het paradigma in als een traag event-related design, zodat elke loterij gedurende twee seconden als stimulus wordt gepresenteerd, gevolgd door een vertragingsperiode van zes seconden om ruimte te bieden voor de neurovasculaire respons. De respons moet vervolgens binnen één tot twee seconden worden gegeven.

Gebruik een eenvoudige afbeelding als korte feedback om aan te geven dat de reactie is geregistreerd en scheid de trials door rustperioden van ten minste 10 seconden. Bereid daarnaast fysieke zakjes of enveloppen voor die overeenkomen met elke gebruikte loterij-afbeelding in het experiment.

Vul elke envelop met in totaal 100 rode en blauwe fiches, met verhoudingen die overeenkomen met de kans om een fiche van elke kleur uit de zak te trekken, zoals weergegeven in het display. Deze moeten vóór de taak aan de proefpersonen worden getoond, aangezien ze later worden gebruikt om willekeurig gekozen trials voor een uitbetaling te spelen. Het is belangrijk om proefpersonen te betalen op basis van hun keuzes in het experiment om hen aan te moedigen hun werkelijke voorkeuren te uiten.

Het gebruik van fysieke zakjes met echte chips om de loterijen te spelen, garandeert dat de uitkomstkansen inderdaad overeenkomen met die welke vóór het scannen zijn vermeld. Laat de proefpersoon eerst een toestemmingsformulier en een MRI-screeningsvragenlijst invullen. Zorg vervolgens dat de proefpersoon alle metalen voorwerpen verwijdert om de veiligheid in de scanneromgeving te waarborgen.

Geef vervolgens de proefpersoon gedetailleerde instructies over het experiment en de taak. Zorg ervoor dat de proefpersoon begrijpt hoe waarschijnlijkheden en hoeveelheden in elke afbeelding worden weergegeven, maar onthul geen informatie die de keuzes zou kunnen beïnvloeden. In de scanner wordt een responsebox met twee knoppen gebruikt om de keuzes van de proefpersoon vast te leggen.

Leg daarnaast het betalingsmechanisme uit, zodat de proefpersoon begrijpt dat de betaling zal worden voldaan. Afhankelijk van de gemaakte keuzes. Verzegel de eerder voorbereide zakjes en laat de proefpersoon zijn of haar naam over de zegel zetten.

Leg uit dat dit aan het einde van het experiment de verificatie mogelijk maakt dat de inhoud van de zakken niet is gewijzigd, aangezien de proefpersoon in de zakken mag kijken om te controleren of deze overeenkomen met de vermelde waarschijnlijkheid of het ambiguiteitsniveau. Maak eerst met een drie Tesla MRI-scanner een hogeresolutiebeeld van de hersenen van de proefpersoon met een T1-gewogen sequentie. Dit structurele volume zal worden gebruikt voor 3D-reconstructie.

Elke sequentie met een hoge resolutie kan hiervoor worden gebruikt. Gebruik vervolgens een T2*-gewogen EPI-sequentie om functionele beelden te verwerven. Zorg er tijdens het taakparadigma voor dat de coupes zodanig worden geplaatst dat de relevante hersengebieden zijn opgenomen.

Doorgaans moeten de scanparameters voor de prefrontale cortex, de pariëtale cortex en de basale ganglia worden geoptimaliseerd voor de specifieke scanner, gebruikmakend van een TR van twee seconden en voxels van drie bij drie bij drie millimeter. Haal na het scannen de gedragsgegevens op van de computer waarop de knopdrukreacties van de proefpersoon zijn geregistreerd.

Laat de proefpersoon vervolgens willekeurig één of enkele trials selecteren voor uitbetaling. Dit kan worden gedaan door de proefpersoon een genummerde pokerchip te laten trekken uit een ondoorzichtige zak die chips bevat met alle trialnummers. Toon de proefpersoon voor elke geselecteerde trial de gepresenteerde optie en de keuze die zij in die trial hebben gemaakt.

Vraag de proefpersoon vervolgens om een fiche te trekken uit de zak die bij die trial is gekozen en betaal hen op basis van de getrokken kleur en het bedrag dat tijdens de trial is gepresenteerd. Gebruik voor de analyse van de gedragsgegevens maximum likelihood om de keuzedata van elke proefpersoon te fitten aan een logistieke functie zoals hieronder getoond. Hierbij is PV de waarschijnlijkheid dat de proefpersoon voor de variabele loterij heeft gekozen.

SV sub F en SV sub V zijn respectievelijk de subjectieve waarden van de vaste en variabele opties en gamma is de helling van de logistische functie, wat een proefpersoonspecifieke parameter is. Een alternatieve benadering is het gebruik van een probabilistische distributie om de subjectieve waarde van elke optie te modelleren. Gebruik voor elke proefpersoon een model dat rekening houdt met het bedrag, de waarschijnlijkheid en het ambiguïteitsniveau van de optie, alsmede de houding van de individuele proefpersoon tegenover risico en ambiguïteit. Wij hebben gekozen voor een machtsfunctie die een lineair effect van ambiguïteit op de waargenomen waarschijnlijkheid bevat.

Een van verscheidene alternatieve benaderingen is om ambiguïteit als een exponentieel effect op te nemen, waarbij de keuzedata worden gefit met de keuze-functie, om zo schattingen te verkrijgen voor de risico-attitude alpha en de ambiguïteits-attitude beta voor elke proefpersoon. Voer aanvankelijk de standaard voorbewerking van de functionele data uit, inclusief slice-timing correctie, scan- en tijdcorrectie, bewegingscorrectie en het verwijderen van lage frequenties die gerelateerd zijn aan fysiologische ruis en scanner-drift. Registreer vervolgens de functionele data van elke proefpersoon samen met de anatomische data. Gebruik voor analyse op individueel proefpersoonsniveau een standaard hemodynamische responsfunctie en modelleer de activiteit van elke voxel als een aanhoudende respons gedurende de gehele trial. Gebruik een algemeen lineair model met twee predictoren voor subjectieve waarde, één voor risicovolle trials en één voor ambigue trials.

Gebruik de individuele, subjectspecifieke parameters die zijn afgeleid uit de gedragsmatige fit om de subjectieve waarde van elke loterij te berekenen. Voeg daarnaast twee dummy-predictoren toe, één voor risicovolle trials en één voor ambigue trials. Om algemene activaties, zoals visuele en motorische activiteit, vast te leggen, moet de significantietoets rekening houden met de hier uitgevoerde meervoudige vergelijkingen.

De minimale clustergrootte werd beperkt tot zes aaneengesloten functionele voxels. Andere methoden, zoals de false discovery rate, kunnen ebenfalls worden gebruikt. Zoek naar voxels waarin de coëfficiënten van de subjectieve waarde onder risico en/of ambiguïteit significant zijn.

Hier zien we de gedragsresultaten van drie representatieve proefpersonen. Elk paneel presenteert de keuzegegevens en de resultaten van de modelpassing voor één proefpersoon onder respectievelijk risico of ambiguïteit. De grafieken tonen de proportie trials waarin de proefpersoon koos voor de variabele loterij als functie van het bedrag, afzonderlijk voor elk niveau van waarschijnlijkheid of ambiguïteit.

Zoals te zien is, kunnen proefpersonen sterk variëren in hun houding ten opzichte van risico en ambiguïteit. Hier zien we de beelduitslagen voor één proefpersoon; de gemarkeerde voxels zijn die waarin de coëfficiënt van de voorspeller voor de subjectieve waarde onder ambiguïteit of risico significant verschilde van nul. Bij deze representatieve proefpersoon werd een significante correlatie gevonden in de mediale prefrontale cortex en het striatum onder beide condities.

Deze gebieden zijn het meest consistent tussen proefpersonen, maar er kunnen ook significante correlaties worden verwacht in gebieden in de mediale en laterale pariëtale cortex alsook in de amygdala. Deze techniek stelt onderzoekers in het veld van de neuro-economie in staat om veranderingen in risico- en ambiguïteitshoudingen en hun neurale correlaten te onderzoeken in verschillende populaties onder verschillende contexten. Na het bekijken van deze video zou u een goed begrip moeten hebben van hoe risico- en ambiguïteitshoudingen kunnen worden opgewekt, en hoe deze kunnen worden gebruikt om fMRI-gegevens te analyseren die zijn verzameld terwijl participanten keuzes maakten.