Deneysel İktisat ve Fonksiyonel MRI yöntemleri kullanarak Riskli ve belirsiz Seçenekleri Sübjektif Değer Ölçme
September 19th, 2012
Insan beyninde riskli ve belirsiz seçenekleri öznel değer nöral temsiline belirlemek için fonksiyonel MRI ve davranışsal yöntemlerin kullanılması.
Aşağıdaki deneyin genel amacı, fonksiyonel MRG kullanarak riskli ve belirsiz seçeneklerin öznel değerinin nöral kodlamasını incelemektir. Bu, katılımcıları miktar, olasılık ve belirsizlik düzeyi bakımından değişen riskli ve belirsiz piyangolar arasında seçim yaparken tarayarak elde edilir. Her katılımcı tarafından yapılan seçimler daha sonra risk ve belirsizliğe karşı tutumlarını tahmin etmek için kullanılır ve bu da risk ve belirsizliğin katılımcıların piyangoların değerlendirmesini nasıl etkilediğini tahmin etmek için kullanılır.
Daha sonra, bu tahminler, aktivitenin riskli ve/veya belirsiz piyangoların öznel değeri ile ilişkili olduğu beyin alanlarını belirlemek için genel bir doğrusal modelde regresörler olarak kullanılır. Sonuçlar, medial prefrontal korteks ve striatumun örtüşen bölgelerinde hem riskli hem de belirsiz seçeneklerin subjektif değerleri ile korelasyon göstermektedir. Bu tekniğin, riskli ve belirsiz piyangolar için genel aktiviteyi karşılaştıran diğer yöntemlere göre en büyük avantajı, her katılımcının bireysel davranışının beyin aktivasyonunun analizinde kullanılmasıdır.
Bu yöntem, değerin beyinde nasıl temsil edildiği ve seçim yapmak için nasıl kullanıldığı gibi nöroekonomi alanındaki temel soruların yanıtlanmasına yardımcı olabilir. Bu protokoldeki ilk adım, tarama sırasında sunulacak riskli ve belirsiz seçimleri temsil eden görsel uyaranları tasarlamaktır, riskli piyangolar için uyaranlarda piyango çantaları adı verilen poker fişleriyle dolu zarfları temsil etmek için burada görülenler gibi görüntüleri kullanın, kazanma olasılığı kırmızının mavi çiplere oranı hem grafik bir uyaran hem de sayılar kullanılarak gösterilmelidir. Burada, her görüntünün kırmızı ve mavi alanları, kırmızı ve mavi çiplerin sayısıyla orantılıdır.
Gerçek bir zarfta, belirsiz piyangolar için en az üç sonuç olasılığı önerilir. Olasılık hakkındaki bilgilerin bir kısmı, kırmızı ve mavi çiplerin olası oranının sınırlı olduğu ancak belirtilmediği şekilde eksik olmalıdır. Kazanma olasılığını kısmen belirsiz hale getirmek.
Tıkalı boyutun artması belirsizlik seviyesini artırır. En az üç oklüzyon seviyesi kullanmanızı öneririz: her bir kazanma olasılığı veya belirsizlik seviyesi, sonuç miktarı kazanan rengin yanında ve diğer rengin yanında sıfır olarak görüntülenir. Burada, kırmızı bir çip çekmek 18 kazanmakla sonuçlanırken, mavi bir çip çekmek sıfır sonuçla sonuçlanacaktır. Beş.
Her denemede geniş bir miktar aralığını kapsayan ödül seviyeleri önerilir. Konu iki piyango arasından seçim yapacaktır. Bununla birlikte, basitlik için, seçeneklerden biri deney boyunca ve ekran dışında sabit tutulabilirken, yalnızca görüntülenen seçenek çeşitlendirilebilir.
Olasılık veya belirsizlik düzeyi ve miktarın her bir kombinasyonu, yeterli istatistiksel gücü sağlamak için en az dört kez sunulmalıdır. Analizlerde, paradigmayı yavaş olayla ilgili bir tasarım olarak ayarlayın, böylece her piyango iki saniye boyunca bir uyaran olarak sunulur, ardından nörovasküler yanıta izin vermek için altı saniyelik bir gecikme süresi gelir. Daha sonra yanıt bir ila iki saniye içinde yapılmalıdır.
Yanıtın kaydedildiğini belirtmek için kısa bir geri bildirim olarak basit bir görüntü kullanın ve denemeleri en az 10 saniyelik dinlenme sürelerine ayırın. Ayrıca, kullanılan her piyango görüntüsüne uygun fiziksel çantalar veya zarflar hazırlayın. Deneyde.
Her zarfı, ekranda gösterilen torbadan her renkten bir çip çekme olasılığına karşılık gelen oranlarda toplam 100 kırmızı ve mavi çiple doldurun. Bunlar, daha sonra ödeme için rastgele seçilen denemeleri oynamak için kullanılacakları için görevden önce deneklere gösterilmelidir. Deneklere deneydeki seçimlerine göre ödeme yapmak, onları gerçek tercihlerini ifade etmeye teşvik etmek için önemlidir.
Piyangoları oynamak için içinde gerçek çipler bulunan fiziksel çantaların kullanılması, sonuç olasılıklarının gerçekten taramadan önce belirtilen olasılık olduğunu garanti eder. İlk olarak, deneğin bir MRI tarama anketinin yanı sıra bir onay formu doldurmasını sağlayın. Ardından, tarayıcı ortamında güvenliği sağlamak için konunun tüm metalleri çıkardığından emin olun.
Ardından, deneğe deney ve görev hakkında ayrıntılı talimatlar verin. Öznenin her görüntüde olasılıkların ve miktarların nasıl iletildiğini anladığından emin olun, ancak seçimleri etkileyebilecek herhangi bir bilgi vermeyin. Konunun seçimlerini kaydetmek için tarayıcıda iki düğmeli bir yanıt kutusu kullanılacaktır.
Ayrıca, konunun ödemenin yapılacağını anlaması için ödeme mekanizmasını açıklayın. Seçimlere göre. Önceden hazırlanmış torbaları kapatın ve deneğin mühürün üzerine adını imzalamasını sağlayın.
Bunun, deneyin sonunda torbaların içeriğinin değiştirilmediğinin doğrulanmasını sağlayacağını açıklayın, çünkü deneğin belirtilen olasılık veya belirsizlik düzeyini onayladıklarından emin olmak için torbalara bakmasına izin verilecektir. Üç Tesla MRI tarayıcısı kullanarak, önce T bir ağırlıklı dizi kullanarak deneğin beyninin yüksek çözünürlüklü bir görüntüsünü elde edin. Bu yapısal hacim, 3D rekonstrüksiyon için kullanılacaktır.
Bu amaç için herhangi bir yüksek çözünürlüklü dizi kullanılabilir. Ardından, işlevsel görüntüleme elde etmek için T iki yıldız ağırlıklı bir EPI dizisi kullanın. Görev paradigması sırasında, dilimleri beynin ilgi alanlarını içerecek şekilde konumlandırdığınızdan emin olun.
Tipik olarak, prefrontal korteks, parietal korteks ve bazal gangliyon tarama parametreleri, iki saniyelik bir TR ve üçe üç milimetre voksel kullanılarak spesifik tarayıcı için optimize edilmelidir. Taramadan sonra, öznenin düğmesini kaydeden bilgisayardan davranışsal verileri alın. Basın yanıtları.
Ardından, deneğin ödeme için rastgele bir veya birkaç deneme seçmesine izin verin. Bu, deneğin tüm deneme numaralarını içeren fişleri içeren opak bir çantadan numaralı bir poker çipi çekmesini sağlayarak yapılabilir. Seçilen her deneme sürümü için konuyu, sunulan seçeneği ve bu deneme sürümünde yaptıkları seçimi gösterin.
Daha sonra denekten o denemede seçilen çantadan bir çip çekmesini ve çekilen renge ve denemede sunulan miktara göre ödemesini isteyin. Davranışsal verileri analiz etmek için, her bir konunun seçim verilerini görüldüğü gibi bir lojistik işleve sığdırmak için maksimum olasılığı kullanın. Burada PV, deneğin değişken piyangoyu seçme olasılığıdır.
SV sub F ve SV sub V sırasıyla sabit ve değişken seçeneklerin subjektif değerleridir ve gama, konuya özgü bir parametre olan lojistik fonksiyonun eğimidir. Alternatif bir yaklaşım, her seçeneğin öznel değerini modellemek için bir veraset dağılımı kullanmaktır Her konu için, seçeneğin miktarını, olasılığını ve belirsizlik düzeyini ve bireysel öznenin risk ve belirsizliğe yönelik tutumlarını dikkate alan bir model kullanın. Algılanan olasılık üzerinde belirsizliğin doğrusal bir etkisini içeren bir güç fonksiyonu kullanmayı seçtik.
Birkaç alternatif yaklaşımdan biri, belirsizliği üstel bir etki olarak dahil etmek, seçim verilerini seçim fonksiyonuyla uyumlu hale getirmek, böylece her konu için risk tutumu, alfa ve belirsizlik tutumu beta için tahminler sağlamak, başlangıçta dilim, tarama, zaman düzeltme, hareket düzeltme ve fizyolojik gürültü ve tarayıcı Sapmaları ile ilgili düşük frekansların kaldırılması dahil olmak üzere işlevsel verilerin standart ön işlemesini gerçekleştirmektir. Daha sonra, her bir deneğin fonksiyonel verilerini anatomik verilere kaydedin Tek denek düzeyinde analiz için standart bir hemodinamik yanıt fonksiyonu kullanın ve her bir vokselin aktivitesini tüm çalışma boyunca sürekli bir yanıt olarak modelleyin. Biri riskli denemeler ve diğeri belirsiz denemeler için olmak üzere öznel değere sahip iki öngörücü içeren genel bir doğrusal model kullanın.
Her piyangonun öznel değerini hesaplamak için davranışsal uyumdan türetilen bireysel konuya özel parametreleri kullanın. Ayrıca, biri riskli denemeler ve diğeri belirsiz denemeler için olmak üzere iki kukla tahminci ekleyin. Görsel ve motor gibi genel aktivasyonları yakalamak için, anlamlılık testi burada gerçekleştirilen çoklu karşılaştırmaları dikkate almalıdır.
Minimum küme boyutu altı bitişik fonksiyonel voksel ile sınırlıydı. Yanlış keşif oranı gibi diğer yöntemler de kullanılabilir. Risk ve/veya belirsizlik altındaki öznel değer katsayılarının önemli olduğu vokselleri arayın.
Burada üç temsili deneğin davranışsal sonuçlarını görüyoruz. Her panel, risk veya belirsizlik altında bir konu için seçim verilerini ve modele uygunluk sonuçlarını sunar. Grafikler, deneğin her bir olasılık veya belirsizlik düzeyi için ayrı ayrı miktarın bir fonksiyonu olarak piyango değişkenini seçtiği denemelerin oranını göstermektedir.
Görülebileceği gibi, denekler risk ve belirsizliğe karşı tutumlarında çok farklı olabilir. Burada, deneğin vurguladığı vokseller, belirsizlik veya risk altındaki öznel değer tahmincisinin katsayısının sıfırdan önemli ölçüde farklı olduğu kişiler için görüntüleme sonuçlarını görüyoruz. Bu temsili denekte, her iki koşulda da medial prefrontal korteks ve striatumda anlamlı korelasyon bulundu.
Bu alanlar denekler arasında en tutarlı olanlardır, ancak medial ve lateral parietal korteksin yanı sıra amigdala alanlarında da önemli korelasyonlar beklenebilir. Bu teknik, nöroekonomi alanındaki araştırmacıların, farklı bağlamlar altında farklı popülasyonlardaki risk ve belirsizlik tutumlarındaki değişiklikleri ve bunların sinirsel korelasyonlarını keşfetmelerine olanak tanır. Bu videoyu izledikten sonra, risk ve belirsizlik tutumlarının nasıl ortaya çıkarılacağını ve bunların katılımcılar seçim yaparken elde edilen FMRI Verilerini analiz etmek için nasıl kullanılacağını iyi anlamış olmalısınız.
View the full transcript and gain access to thousands of scientific videos
Genel Bakış
Bu çalışma, fonksiyonel MRI kullanarak riskli ve belirsiz seçeneklerin öznel değerinin sinirsel kodlamasını araştırmaktadır. Katılımcılar, değişen risk ve belirsizlik seviyelerindeki piyangolar arasında seçim yaparak, bu faktörlere yönelik tutumlarının tahmin edilmesine olanak tanır.
Çalışmanın Temel Bileşenleri
Bilim Alanı
- Sinirbilim
- Davranışsal Ekonomi
- Fonksiyonel MRI
Arka Plan
- Beynin öznel değeri nasıl temsil ettiğini anlamak, karar verme süreçlerine dair içgörüler için kritik öneme sahiptir.
- Riskli ve belirsiz seçimler günlük yaşamda yaygındır ve değerlendirme süreçlerini etkileyebilir.
- Fonksiyonel MRI, bu karar verme süreçleriyle ilişkili beyin aktivitesinin gözlemlenmesine olanak tanır.
- Önceki çalışmalar, riskli ve belirsiz seçenekler sırasında farklı beyin bölgelerinin aktive edildiğini göstermiştir.
Çalışmanın Amacı
- Risk ve belirsizlik içeren seçimlerde öznel değerin beyinde nasıl kodlandığını incelemek.
- Bu seçeneklerin değerlendirmesiyle ilişkili belirli beyin bölgelerini tanımlamak.
- Beyin aktivasyon paternlerinin analizini geliştirmek için bireysel davranışsal verilerin kullanılması.
Kullanılan Yöntemler
- Katılımcılar, piyangolar arasında seçim yaparken fonksiyonel MRI ile tarandı.
- Piyangolar miktar, olasılık ve belirsizlik seviyesi bakımından değişkenlik gösterdi.
- Katılımcıların risk ve belirsizliğe yönelik tutumlarını tahmin etmek için davranışsal veriler toplandı.
- Öznel değerlerle ilişkili beyin aktivitesini tanımlamak için genel bir doğrusal model uygulandı.
Ana Sonuçlar
- Öznel değerlerle ilişkili beyin aktivitesi, medial prefrontal korteks ve striatumun örtüşen bölgelerinde bulundu.
- Çalışma, beyin aktivasyonunu analiz etmede bireysel davranışsal verilerin kullanımının etkinliğini göstermiştir.
- Sonuçlar, hem riskli hem de belirsiz seçeneklerin benzer sinirsel devreleri aktive ettiğini göstermektedir.
- Bulgular, belirsizlik altında karar vermenin sinirsel temelini anlamamıza katkıda bulunmaktadır.
Sonuçlar
- Bu araştırma, beynin riskli ve belirsiz bağlamlardaki öznel değeri nasıl kodladığına dair anlayışımızı geliştirmektedir.
- Karar verme süreçlerinde bireysel farklılıkların önemini vurgulamaktadır.
- Bulgular, ekonomik teori ve davranışsal müdahaleler için imalar içerebilir.
Sıkça Sorulan Sorular
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.
