Medir o valor subjetivo de Opções de risco e ambígua usando Economia Experimental e funcional métodos de ressonância magnética

O objetivo geral do experimento a seguir é examinar a codificação neural do valor subjetivo de opções arriscadas e ambíguas utilizando ressonância magnética funcional. Isso é alcançado por meio da aquisição de imagens de participantes enquanto eles fazem escolhas entre loterias arriscadas e ambíguas, que variam em valor, probabilidade e nível de ambiguidade. As escolhas feitas por cada participante são então utilizadas para estimar sua atitude frente ao risco e à ambiguidade, as quais, por sua vez, são usadas para estimar como o risco e a ambiguidade afetam a avaliação que os participantes fazem das loterias.

Em seguida, essas estimativas são utilizadas como regressores em um modelo linear geral, a fim de identificar áreas cerebrais nas quais a atividade está correlacionada com o valor subjetivo de loterias arriscadas e/ou ambíguas. Os resultados mostram correlação com os valores subjetivos de opções arriscadas e ambíguas em regiões sobrepostas do córtex pré-frontal medial e do estriado. A principal vantagem desta técnica em relação a outros métodos que comparam a atividade geral em loterias arriscadas e ambíguas é que o comportamento individual de cada participante é utilizado na análise da ativação cerebral.

Este método pode ajudar a responder perguntas fundamentais na área de neuroeconomia, como a forma como o valor é representado no cérebro e como é utilizado para tomar decisões. O primeiro passo deste protocolo é projetar estímulos visuais que representem escolhas arriscadas e ambíguas a serem apresentadas durante a aquisição de imagens. Utilize imagens como as aqui exibidas para representar envelopes preenchidos com fichas de pôquer, denominadas bolsas de loteria nos estímulos para loterias arriscadas; a probabilidade de ganho, que corresponde à proporção entre fichas vermelhas e azuis, deve ser ilustrada tanto por meio de um estímulo gráfico quanto por números. Aqui, as áreas vermelha e azul de cada imagem são proporcionais ao número de fichas vermelhas e azuis.

Em um envelope real, recomenda-se um mínimo de três probabilidades de resultado para loterias ambíguas. Parte da informação sobre a probabilidade deve estar ausente, de modo que a proporção possível entre fichas vermelhas e azuis seja limitada, mas não especificada. Tornando a probabilidade de vitória parcialmente ambígua.

O aumento do tamanho da área ocluída aumenta o nível de ambiguidade. Recomendamos utilizar pelo menos três níveis de oclusão, apresentando cada probabilidade de vitória ou nível de ambiguidade com o valor do resultado exibido ao lado da cor vencedora e zero ao lado da outra cor. Aqui, retirar uma ficha vermelha resultaria em ganhar 18, enquanto retirar uma ficha azul resultaria em um resultado zero. Cinco.

Recomenda-se que os níveis de recompensa abranjam uma ampla variedade de valores em cada ensaio. O sujeito escolherá entre duas loterias. No entanto, para simplificar, uma das opções pode ser mantida constante durante todo o experimento e fora da tela, enquanto apenas a opção exibida é variada.

Cada combinação de nível de probabilidade ou ambiguidade e valor deve ser apresentada pelo menos quatro vezes para garantir poder estatístico suficiente. Nas análises, configure o paradigma como um delineamento de evento lento relacionado, de modo que cada loteria seja apresentada como um estímulo por dois segundos, seguido por um período de atraso de seis segundos para permitir a resposta neurovascular. Em seguida, a resposta deve ser fornecida dentro de um a dois segundos.

Utilize uma imagem simples como um breve feedback para indicar que a resposta foi registrada e separe os ensaios por períodos de descanso de pelo menos 10 segundos. Além disso, prepare sacos ou envelopes físicos correspondentes a cada imagem de loteria utilizada. No experimento.

Encha cada envelope com um total de 100 fichas vermelhas e azuis, nas proporções correspondentes à probabilidade de retirar uma ficha de cada cor daquele saco mostrado no display. Eles devem ser mostrados aos participantes antes da tarefa, pois serão usados posteriormente para realizar aleatoriamente ensaios com pagamento. Remunerar os participantes com base em suas escolhas no experimento é importante para incentivá-los a expressar suas verdadeiras preferências.

Usar sacos físicos com fichas reais dentro deles para jogar as loterias garante ao participante que as probabilidades de resultado são realmente aquelas informadas antes da digitalização. Primeiro, peça ao participante que preencha um formulário de consentimento e um questionário de triagem para ressonância magnética. Em seguida, certifique-se de que o participante remova todos os objetos metálicos para garantir a segurança no ambiente do scanner.

Em seguida, forneça ao participante instruções detalhadas sobre o experimento e a tarefa. Certifique-se de que o participante entenda como as probabilidades e os valores são representados em cada imagem, mas não revele nenhuma informação que possa influenciar as escolhas. Uma caixa de resposta com dois botões será usada no scanner para registrar as escolhas do participante.

Além disso, explique o mecanismo de pagamento para que o sujeito entenda que o pagamento será realizado de acordo com as escolhas. Feche os sacos previamente preparados e peça ao sujeito que assine o próprio nome sobre o lacre.

Explique que isso permitirá a verificação ao final do experimento de que o conteúdo dos sacos não foi alterado, pois o participante poderá olhar dentro dos sacos para se certificar de que eles correspondem ao nível declarado de probabilidade ou ambiguidade. Utilizando um scanner de ressonância magnética de três Tesla, adquira primeiro uma imagem de alta resolução do cérebro do participante usando uma sequência ponderada em T1. Esse volume estrutural será usado para a reconstrução tridimensional.

Pode-se usar qualquer sequência de alta resolução para esse fim. Em seguida, utilize uma sequência EPI ponderada em T dois estrela para obter a imagem funcional. Durante o paradigma da tarefa, certifique-se de posicionar os cortes para incluir as áreas cerebrais de interesse.

Normalmente, os parâmetros de varredura do córtex pré-frontal, córtex parietal e gânglios basais devem ser otimizados para o scanner específico utilizando um TR de dois segundos e voxels de três por três por três milímetros. Após a varredura, recupere os dados comportamentais do computador que registrou o botão pressionado pelo sujeito. Respostas de pressionamento.

Em seguida, permita que o participante selecione aleatoriamente uma ou algumas tentativas para pagamento. Isso pode ser feito fazendo com que o participante retire um ficha numerada de dentro de um saco opaco que contém fichas com todos os números das tentativas. Para cada tentativa selecionada, mostre ao participante a opção apresentada e a escolha que ele fez naquela tentativa.

Em seguida, peça ao participante para retirar um ficha da bolsa escolhida naquele ensaio e pague-o de acordo com a cor retirada e o valor apresentado no ensaio. Para analisar os dados comportamentais, utilize a máxima verossimilhança para ajustar os dados de escolha de cada participante a uma função logística, conforme mostrado. Aqui, onde PV é a probabilidade de o participante ter escolhido a loteria variável.

SV sub F e SV sub V são os valores subjetivos das opções fixa e variável, respectivamente, e gamma é a inclinação da função logística, que é um parâmetro específico do indivíduo. Uma abordagem alternativa é utilizar uma distribuição de probabilidade para modelar o valor subjetivo de cada opção. Para cada indivíduo, utilize um modelo que leve em consideração o valor, a probabilidade e o nível de ambiguidade da opção, bem como as atitudes do indivíduo frente ao risco e à ambiguidade. Optamos por utilizar uma função potência que inclui um efeito linear da ambiguidade sobre a probabilidade percebida.

Uma das várias abordagens alternativas é incluir a ambiguidade como um efeito exponencial, ajustando os dados de escolha com a função de escolha, fornecendo assim estimativas para a atitude frente ao risco, alfa, e a atitude frente à ambiguidade, beta, para cada sujeito. Inicialmente, realize o pré-processamento padrão dos dados funcionais, incluindo correção de fatia, varredura, correção temporal, correção de movimento e remoção de baixas frequências relacionadas ao ruído fisiológico e deriva do scanner. Em seguida, faça a coregistração dos dados funcionais de cada sujeito com os dados anatômicos. Para análise no nível individual, utilize uma função de resposta hemodinâmica padrão e modele a atividade de cada vóxel como uma resposta sustentada durante toda a tentativa. Utilize um modelo linear geral com dois preditores do valor subjetivo, um para tentativas arriscadas e outro para tentativas ambíguas.

Utilize os parâmetros específicos individuais derivados do ajuste comportamental para calcular o valor subjetivo de cada loteria. Inclua também dois preditores fictícios, um para os ensaios arriscados e outro para os ensaios ambíguos. Para capturar ativações gerais, como as visuais e motoras, o teste de significância deve levar em conta as comparações múltiplas realizadas aqui.

O tamanho mínimo do agrupamento foi limitado a seis voxels funcionais contíguos. Outros métodos, como a taxa de descoberta falsa, também podem ser utilizados. Procure por voxels nos quais os coeficientes do valor subjetivo sob risco e/ou ambiguidade sejam significativos.

Aqui observamos os resultados comportamentais de três sujeitos representativos. Cada painel apresenta os dados de escolha e os resultados do ajuste do modelo para um sujeito sob condição de risco ou ambiguidade. Os gráficos mostram a proporção de ensaios nos quais o sujeito escolheu a loteria variável em função da quantia, separadamente para cada nível de probabilidade ou ambiguidade.

Como pode ser observado, os indivíduos podem variar muito em suas atitudes em relação ao risco e à ambiguidade. Aqui são apresentados os resultados de imagem de um indivíduo; os voxels destacados são aqueles nos quais o coeficiente do preditor de valor subjetivo sob ambiguidade ou risco foi significativamente diferente de zero. Neste indivíduo representativo, foi encontrada correlação significativa no córtex pré-frontal medial e no estriado sob ambas as condições.

Essas áreas são as mais consistentes entre os indivíduos, mas correlações significativas também podem ser esperadas em regiões do córtex parietal medial e lateral, bem como na amígdala. Esta técnica permite que pesquisadores da área de neuroeconomia explorem alterações nas atitudes frente ao risco e à ambiguidade, e seus correlatos neurais em diferentes populações e em diferentes contextos. Após assistir a este vídeo, você deverá ter uma boa compreensão de como elicitar atitudes frente ao risco e à ambiguidade, e de como utilizá-las para analisar dados de FMRI obtidos enquanto os participantes tomavam decisões.