قياس القيمة الذاتية من خيارات محفوفة بالمخاطر والغموض باستخدام طرق التجريبية والاقتصاد التصوير بالرنين المغناطيسي الوظيفي

Neuroscience

Your institution must subscribe to JoVE's Neuroscience section to access this content.

Fill out the form below to receive a free trial or learn more about access:

Welcome!

Enter your email below to get your free 10 minute trial to JoVE!





We use/store this info to ensure you have proper access and that your account is secure. We may use this info to send you notifications about your account, your institutional access, and/or other related products. To learn more about our GDPR policies click here.

If you want more info regarding data storage, please contact gdpr@jove.com.

 

Summary

باستخدام التصوير بالرنين المغناطيسي الوظيفي أساليب والسلوكية لتحديد التمثيل العصبية من قيمة شخصي لخيارات محفوفة بالمخاطر وغامضة في الدماغ البشري.

Cite this Article

Copy Citation | Download Citations

Levy, I., Rosenberg Belmaker, L., Manson, K., Tymula, A., Glimcher, P. W. Measuring the Subjective Value of Risky and Ambiguous Options using Experimental Economics and Functional MRI Methods. J. Vis. Exp. (67), e3724, doi:10.3791/3724 (2012).

Please note that all translations are automatically generated.

Click here for the english version. For other languages click here.

Abstract

معظم الخيارات التي نتخذها تكون له عواقب غير مؤكد. في بعض الحالات معروفة بدقة لاحتمالات النتائج الممكنة مختلفة، وهي حالة تسمى "محفوفة بالمخاطر". وفي حالات أخرى عندما لا يمكن تقدير الاحتمالات، وهذا هو شرط وصفها بأنها "غامضة". في حين أن معظم الناس لا يرغبون في كل من المخاطر والغموض 1،2، ودرجة تلك تنافر بين الأفراد تختلف إلى حد كبير، مثل أن قيمة شخصي لنفس الخيار محفوف بالمخاطر أو غامضة يمكن أن تكون مختلفة جدا عن مختلف الأفراد. نحن الجمع بين التصوير بالرنين المغناطيسي الوظيفي (الرنين المغناطيسي الوظيفي) مع المنهج التجريبي القائم على الاقتصاد من 3 إلى تقييم تمثيل العصبية من القيم الشخصية للخيارات محفوفة بالمخاطر والغموض 4. ويمكن استخدام هذه التقنية الآن لدراسة هذه التأكيدات العصبية في مجموعات سكانية مختلفة، مثل مختلف الفئات العمرية والمرضى من السكان مختلفة.

في تجربتنا، والموضوعات جعل تبعية الخيارات بإلى صف بديلين بينما يتم تعقب التنشيط العصبي باستخدام الرنين المغناطيسي الوظيفي لهم. على كل محاكمة المواضيع الاختيار بين اليانصيب التي تختلف في قيمتها النقدية وإما في احتمال للفوز هذا المبلغ أو مستوى الغموض المرتبطة الفوز. لدينا تصميم حدودي يتيح لنا استخدام السلوك كل فرد اختيار لتقدير مواقفهم تجاه المخاطر والغموض، وبالتالي لتقدير القيم شخصي أن كل خيار تعقد لهم. ميزة أخرى هامة من التصميم هو أن يتم الكشف عن نتائج اليانصيب اختيار أثناء التجربة، بحيث لا يمكن أن يتم التعلم، وبالتالي تظل غامضة الخيارات المواقف الغامضة والمخاطر مستقرة. بدلا من ذلك، في نهاية الدورة يتم اختيارها عشوائيا المسح المحاكمات واحد أو عدد قليل ولعب مقابل المال الحقيقي. منذ مواضيع لا تعلم مسبقا التي سيتم اختيار التجارب، يجب أن يعامل كل ومحاكمة كما لو كان وحده واحد على المحاكمة التي سيتم دفعها. هذا التصميم ENسورس نتمكن من تقدير القيمة الحقيقية شخصي لكل خيار على كل الموضوع. ثم ننظر لمناطق في الدماغ الذي يرتبط مع تفعيل قيمة شخصي لخيارات محفوفة بالمخاطر وللمناطق التي يرتبط مع تفعيل قيمة شخصي لخيارات غامضة.

Protocol

1. إعداد التجربة

  1. الخطوة الأولى هي تصميم المحفزات البصرية التي تمثل خيارات محفوفة بالمخاطر والغموض التي ستعرض على الشاشة في الماسح الضوئي. نستخدم مثل تلك الصور المعروضة في الشكل 1 لتمثيل أكياس مليئة فيشات للعبة البوكر التي نسميها "أكياس اليانصيب". بيانيا، ويمكن اعتبار هذه الصور على أنها رزمة من فيشات للعبة البوكر قبل وضعها في كيس. الأهم من ذلك، هذه الصور تمثل الحاويات الحقيقي، في مظاريف حالتنا، مليئة رقائق بوكر 100 الاحمر والازرق التي ستشهد هذا الموضوع قبل البدء في التجربة. هذا يضمن أن كل من فهم موضوعات اليانصيب التي سيواجهونها ونعتقد أن يعرض شاشة الكمبيوتر بدقة تلك اليانصيب. لاليانصيب محفوفة بالمخاطر على وجه التحديد ورد احتمال الفوز، ونسبة من الأحمر إلى الأزرق رقائق في ظرف معين، باستخدام كل الأرقام وحافزا الرسم (الشكل 1A). من جانبه اليانصيب الغامضة للينفورماتيون حول احتمال مفقود (1B الشكل)، تكون فيها نسبة ممكنة من الأحمر إلى الأزرق رقائق يحدها لكن لا المحدد، مما يجعل احتمال الفوز غامضة جزئيا.
  2. لاليانصيب محفوفة بالمخاطر المناطق الحمراء والزرقاء من كل صورة متناسبة مع عدد من رقائق حمراء وزرقاء في المغلف. نوصي باستخدام الحد الأدنى من احتمالات النتيجة 3 4 (الشكل 1A). يمكن الاحتمالات الدقيقة المستخدمة تختلف وفقا لمتطلبات محددة من التجربة، ولكن يجب أن تكون حذرا المجربون حول استخدام الاحتمالات عالية جدا ومنخفضة جدا. من المعروف أن البشر عادة تحريف الاحتمالات أقل من 10٪ أو أكثر من 90٪ 5. ما لم يكن أحد ينوي دراسة هذا تحريف منهجي، ينبغي تجنب هذين النقيضين.
  3. أن أنقل الغموض والتعتيم على الجزء الأوسط من كومة من رقائق في شاشة الكمبيوتر مع مطبق الرمادي (1B الشكل). في المنطقة الرمادية في الأسطواناتوالبر من رقائق من كل لون يكون غير معروف، وبالتالي لن احتمال سحب حمراء أو زرقاء رقاقة تكون معروفة على وجه التحديد. على سبيل المثال، في الحقيبة المتوسطة في 1B الشكل ومطبق يغطي 50٪ من الحقيبة، وبالتالي عدد من رقائق الأحمر يمكن أن يكون في أي مكان بين 25 (إذا كانت كافة شرائح وراء مطبق زرقاء) و75 (إذا كانت كافة شرائح وراء ومطبق حمراء). بالطبع، لا يمكن للعدد من أسهم الشركات الكبرى أيضا أن تكون في أي مكان بين هاتين القيمتين.
  4. زيادة حجم مطبق يزيد من مستوى الغموض (في مجموعة من الاحتمالات الممكنة لوضع شريحة حمراء أو زرقاء). نوصي باستخدام ما لا يقل عن 3 مستويات من انسداد، وتغطي ~ 25، 50 أو 75٪ من الحقيبة (1B الشكل).
  5. عندما مواضيع أداء المهمة على الكمبيوتر، نقدم كل احتمال الفوز / الغموض المستوى مع مجموعة من المبالغ نتيجة ممكنة. نوصي باستخدام مستويات المكافأة 5 والتي تمتد مجموعة واسعة من المبالغ، على سبيل المثال: 5، 9.5، 18، 34 و 65 DOLلارس. في العرض، نقدم المبلغ نتيجة المقبل للون الفائز وعرض "0" إلى جانب الألوان الأخرى. على سبيل المثال، في الشكل 2 ورسم رقاقة الحمراء يؤدي إلى الفوز 18 $ في حين رسم القيادية من شأنه أن يؤدي إلى نتيجة صفر.
  6. الأهم من ذلك، على كل المواضيع والمحاكمة اختيار بين اثنين من اليانصيب. لبساطة واصلنا واحد من الخيارات الثابتة في كافة مراحل التجربة (في هذا المثال فرصة للفوز بنسبة 50٪ $ 5) وتختلف فقط خيار آخر. هذه الميزات اثنين. أولا، الخيار ثابت ليس من الضروري أن تظهر على الشاشة، وتبسيط العرض المرئي (على الرغم من تذكير بين الحين والآخر قد تكون مفيدة). ثانيا، لأن خيار واحد لا يتغير أبدا، على أساس تحليلات الانحدار للإشارة الرنين المغناطيسي الوظيفي يمكن إهمال هذه المعلمة بشكل فعال. ملاحظة أنه من أجل أن يكون لها "عملة موحدة" للقيم الشخصية للمخاطرة وغموضا اليانصيب خيار المرجعية أن تكون هي نفسها لكلا النوعين من التجارب.
  7. كل combinaوينبغي أن تقدم نشوئها من مستوى الغموض واحتمال أو مبلغ ما مجموعه على الأقل 4 مرات، ويفضل أن يكون أكثر من ذلك، لضمان قوة إحصائية كافية في التحليلات السلوكية على حد سواء والرنين المغناطيسي الوظيفي. يجب أن تكون مرتبطة في نصف الحمراء التكرار مع نتائج غير الصفر والأزرق في النصف الآخر، لتجنب التحيز واللون لضمان التماثل في الغموض.
  8. اخترنا لاستخدام بطيئة حدث يتعلق بها من تصميم (الشكل 3)، والذي يتم فصل الدورة الدموية بشكل جيد الاستجابة لمختلف التجارب في الوقت المناسب. وينبغي في تصميم مثل هذه ستقدم كل اليانصيب كحافز لفترة وجيزة، في حالتنا لمدة 2 ثانية، تليها فترة التأخير (في حالتنا، 6 ق)، لإتاحة الوقت لتفعيل القرارات ذات الصلة لبناء العصبية. وينبغي بذل الردود ضمن إطار وقت قصير (1-2 ق). استخدام صورة مثل واحد هو مبين في الشكل (3)، ردود فعل وجيزة، بحيث يعرف هذا الموضوع وقد سجلت استجابتها. فصل المحاكمات فترات الراحة الطويلة (10 ثانية أو موره) للسماح للاستجابة الدورة الدموية للعودة إلى خط الأساس. ويمكن استخدام بقية فترات أقصر مع غضب المناسبة. مجموعة التجارب في كتل تصل إلى 30 تجربة لكل منهما، ولكن تأكد من عدم السماح للكتل وقتا أطول من حوالي 10 دقائق. وهذا يسمح للفترات الراحة في الماسح الضوئي الذي تعظيم الأداء وتقليل التعب الموضوع. للسماح للا يقل عن 4 من كل التكرار مزيج من الاحتمالية / الغموض وسوف مبلغ إجمالي عدد التجارب تكون على الاقل 120، أي 4 كتل.
  9. إعداد الحقائب المادية (في مظاريف حالتنا) لذلك يمكن أن تظهر أنها لمواضيع قبل أن تنفيذ المهمة. وسوف تستخدم في وقت لاحق للعب المحاكمة اختيارها عشوائيا ل سداد. إعداد حقيبة لكل صورة اليانصيب المستخدمة في التجربة. ملء كل كيس مع ما مجموعه 100 لعبة البوكر / بنغو الأحمر والأزرق رقائق، مع نسب الموافق احتمال سحب شريحة من كل لون من تلك الحقيبة معروضة على الشاشة. لاستخدام أكياس غامضة مولد رقم عشوائيلاتخاذ قرار بشأن العدد الفعلي للرقائق حمراء وزرقاء، المقابلة لكل مستوى الغموض. إعداد الحقيبة المرجعية مع 50 أحمر و 50 أسهم الشركات الكبرى. إعداد الحقائب البدنية وتبين لهم أن الموضوعات أهمية خاصة لمواضيع المعينين في دوائر علم النفس. هذه المواضيع من المرجح أن تشك نوعا من الخداع والتضليل ينبغي أن تشك في ردودها ستكون uninterpretable.

2. إعداد الموضوع

  1. يجب على كل موضوع ملء استمارة الموافقة واستبيان الفرز. شكل الفرز يتحقق من أن هذا الموضوع ليس لديه أي معدن في الجسم، وأنها ليست حاملا أو خانق، والتي يمكن أن تفحص بأمان. يجب أيضا إزالة جميع المواضيع المعادن من الجسم لضمان السلامة في بيئة الماسح الضوئي. هذا أمر بالغ الأهمية.
  2. تقديم الموضوع مع إرشادات مفصلة حول التجربة. نطلب منهم بعض الأسئلة البسيطة للتأكد من أنهم يفهمون كيف probabilويتم نقل كميات غير قليل في كل صورة، والتأكد من أنهم يفهمون مهمتهم. تأكد من عدم الكشف عن أي معلومات يمكن أن تؤثر خياراتهم. على سبيل المثال، لا تأطير المشكلة التي يواجهونها في اختيار مثل هذه الطريقة للانحياز نحو الموضوعات موقف خطر على وجه الخصوص. تبين لهم أكياس البدنية والتأكيد على أن كل صورة في التجربة يشير إلى حقيبة واحدة محددة المادية التي لا يمكن ولن العبث. شرح أيضا أن نصف زرقاء في المحاكمات ستكون الفائزة واللون الأحمر في النصف. شرح آلية الدفع، بحيث يدرك أن هذا الموضوع سيتم دفعها وفقا لخياراتهم. تشجيع المواضيع لطرح الأسئلة حول أي شيء أنهم لا يفهمون. هذا هو فترة حرجة عندما يجري إنشاء معتقدات الموضوعات حول التجربة. من الضروري أن نكون واثقين من الموضوعات التجربة لا ينطوي على أي نوع من أنواع الخداع أو نتائج السلوكية والعصبية ستكون uninterpretable.
  3. ختم الحقائب ويكون موضوع توقيع أسمائهم عبر الختم. شرح أن هذا الأمر تمكينها من التحقق في نهاية التجربة التي لم تقم بتغيير محتويات الحقائب أثناء التجربة. هذا يساعد طمأنة مواضيع انهم يلعبون لعبة عادلة تماما. شرح أيضا أنه بعد يتم تشغيل اليانصيب في نهاية التجربة سيتم السماح لهم للنظر في محتويات الحقائب للتأكد من أنها تتوافق مع احتمال ذكر أو مستوى الغموض.

3. مسح

  1. نستخدم الماسح الضوئي 3T MRI مع لفائف الرأس (4 قنوات أو أكثر) للحصول على الدم بالأكسجين المستوى التي تعتمد على (BOLD) إشارات من الدماغ كله.
  2. استخدام مربع استجابة 2-الزر لتسجيل المواد الدراسية الخيارات.
  3. مسح التشريحية: نحن نستخدم سلسلة MPRAGE T1 المرجحة للحصول على واضحة عالية الدقة (1x1x1 ملم) صورة الدماغ في هذا الموضوع والتي يمكن استخدامها لإعادة الإعمار 3D. ويمكن استخدام أي تسلسل عالية الدقة لهذا فurpose.
  4. المسح الوظيفي: نحن نستخدم T2 تسلسل EPI * المرجحة، مع TR من 2 ثانية، و3x3x3 voxels مم. تأكد من وضع شرائح بحيث تشمل مناطق الدماغ التي هي الأكثر اهتماما في، وعادة قشرة الفص الجبهي، والقشرة الجدارية العقد القاعدية. كنا يجب أن يكون الأمثل المعلمات المسح الضوئي للماسح محددة،: TE 30ms، وزاوية الوجه 75 °، 36 3 ملم مع شرائح جود فجوة بين شريحة، موازية لخط AC-PC، في الطائرة مم القرار 3X3، FOV 192 مم . واقترحت دراسات أخرى أن تحديد المواقع الشرائح في 30 ° إلى خط AC-PC قد يقلل من التسرب إشارة في القشرة الأمامية المدارية 6.

4. الدفع الداخلي

  1. بعد إزالة الموضوع من الماسح الضوئي، استرداد البيانات من الكمبيوتر السلوكية التي سجلت الاستجابات لهذا الموضوع.
  2. باختيار عشوائي المحاكمات واحد أو عدد قليل للدفع. فمن الأفضل أن تدع هذا الموضوع تفعل التحديد، على سبيل المثال عن طريق رسم رقاقة لعبة البوكر مرقمةمن حقيبة تحتوي على رقائق مبهمة مع كل الأرقام المحاكمة. وهذا يضمن لهذا الموضوع أن اختيار هو في الواقع عشوائية.
  3. لكل المحاكمة المحدد تظهر موضوع الخيار المقدمة واختيار قطعتها على تلك المحاكمة. نطلب منهم لرسم رقاقة من الكيس الذي تم اختياره على ان محاكمة، وتدفع لهم وفقا للون المرسومة، وقدم المبلغ على المحاكمة.

على سبيل المثال، إذا كانت المحاكمة المحدد قدم اليانصيب هو مبين في الشكل 2 (واليانصيب غامضة، وتقدم 18 $ إذا يتم رسم رقاقة أحمر) وهذا الموضوع اختار هذا اليانصيب (بدلا من اليانصيب المرجعية)، ثم ينبغي أن يكون الموضوع رسم رقاقة من من الحقيبة المادية المقابلة لصورة اليانصيب. إذا ويوجه شريحة الأحمر وسيكون موضوع الحصول على 18 دولارا، إذا يتم رسم القيادية ما ستحصل عليه شيء.

5. تحليل البيانات السلوكية

  1. باستخدام أقصى احتمال نحن احتواء البيانات اختيار كل موضوع لوجستيةوظيفة من النموذج:

المعادلة 1
حيث الكهروضوئية هو احتمال أن موضوع اختار متغير اليانصيب، وSV F V SV هي القيم الشخصية للالخيارات الثابتة والمتغيرة على التوالي، وγ هو المنحدر من وظيفة لوجستية، والتي هي معلمة مواضيع محددة. نهج بديل هو استخدام توزيع الاحتمالية.

  1. لتمثيل قيمة كل خيار شخصي للكل موضوع يمكنك استخدام واحدة من عدد من النماذج التي تأخذ في الاعتبار مستوى المبلغ، واحتمال عدم وضوح الخيار ومواقف الأفراد تجاه هذا الموضوع المخاطر والغموض. اخترنا لاستخدام الوظيفة 5 القوة التي تشمل تأثير خطية من الغموض على احتمال المتصور 7:

المعادلة 2
حيث P هو الهدف مشكلهالقدرة (من حيث التعريف 0.5 لهذه الفئة من اليانصيب غامضة)، A هو مستوى الغموض (جزء من الاحتمال الكلي غير معروف، 0 للمخاطرة اليانصيب)، V هو المبلغ، وα βare ومواضيع محددة المخاطر والغموض موقف المعلمات على التوالي. واحدة من العديد من النهج البديلة لتشمل الغموض كأثر الأسي 8:

المعادلة 3
تركيب البيانات مع وظيفة اختيار الخيار يوفر بالتالي تقديرات للموقف خطر (α) والموقف الغموض (β) لكل موضوع.

6. تحليل البيانات العصبية

  1. أداء تجهيزها القياسية للبيانات، بما في ذلك: 1) تصحيح الفحص لمرة وشريحة لحساب اختلافات طفيفة في المسح أوقات شرائح مختلفة، 2) تصحيح الحركة لحساب حركة الموضوع داخل وفيما بين التشغيل، و 3) إزالة انخفاض الترددات التي عادة ما تكون صمعجبا للضوضاء الفسيولوجية والانجرافات الماسح الضوئي.
  2. تسجيل البيانات الوظيفية لكل تخضع لبياناتها التشريحية.
  3. للتحليل في مستوى واحد نموذج الموضوع نشاط كل فوكسل كرد مستمر أثناء المحاكمة بأكمله (في حالتنا 10 ثانية)، convolved مع وظيفة الدورة الدموية استجابة معيار 9. استخدام نموذج الخطي العام مع تنبؤ التالية:
  • اثنين من قيمة تنبؤ شخصي (SV)، واحدة للمحاكمات محفوفة بالمخاطر واحد للتجارب غامضة. استخدام المعادلة (2) وحدة معايير محددة تخضع المستمدة من صالح السلوكية لحساب SV كل اليانصيب. منذ اليانصيب المرجعية هو نفسه بالنسبة لجميع المحاكمات يمكننا استخدام SV من اليانصيب متغير وحده في كل محاكمة. لتوقع نتائج خطرة SV إدراج SV لكل المحاكمة محفوفة بالمخاطر، و0 للكل محاكمة غامضة، والعكس صحيح بالنسبة للتنبؤ غامضة.
  • اثنين تنبؤ همية، واحدة للمحاكمات محفوفة بالمخاطر واحد للتجارب غامضة، للحد منتلح العام التنشيط، مثل التنشيط البصرية والحركية.
  1. البحث عن voxels فيها معاملات SV تحت خطر و / أو تحت غموض كبيرة. وينبغي اختبار لأهمية مراعاة مقارنات متعددة يؤدونها. وكانت الطريقة التي استخدمناها الحد من حجم الكتلة الحد الأدنى لvoxels 6 الوظيفية متجاورة 10. وبدلا من ذلك، يمكن استخدام أساليب أخرى، مثل معدل اكتشاف خطأ (FDR) 11، لتصحيح التصحيحات متعددة.

7. ممثل النتائج

سلوك

الشكل 4 يقدم نتائج السلوكية من المواضيع ممثل الثلاثة. كل لوحة ويعرض البيانات والنتائج تناسب اختيار نموذج لموضوع واحد تحت أي خطر (يسار) أو غموض (يمين). الرسوم البيانية تصوير نسبة التجارب في هذا الموضوع الذي اختار اليانصيب متغير بوصفها وظيفة من المبلغ، بشكل منفصل لكل مستوى من مشكلهالقدرة أو غموض. كما يمكن أن يرى، قد تختلف المواضيع كثيرا في مواقفهم تجاه المخاطر والغموض.

لفحص الخير للصالح، والتحقق من ص التي ينبغي أن تكون مثالي أكثر من 0.5، وأيضا تفقد البصر المنحنيات. في حين أن جميع لدينا مثلا ثلاثة مواضيع كان السلوك المشروعة التي مكنت يناسب معقولة، لاحظ أن 2 الموضوع اختار الخيار الصعب المتغير في حالة خطر مع احتمال أقل (0.13). هذا يشير إلى أن توسيع نطاق المبالغ و / أو استخدام أعلى الاحتمالات قد توفر نتائج أفضل، لأنه سيضمن اختيار الموضوعات خيارات متغير على الأقل بعض المحاكمات. وثمة خيار آخر هو قبل كل اختبار الموضوع على مجموعة واسعة من مبالغ واختيار تلك المبالغ التي تضمن عددا مماثلا من المراجع والخيارات الخيار متغير لكل فرد.

الرنين المغناطيسي الوظيفي

الشكل 5 يقدم نتائج التصوير في ممثل واحدالموضوع. voxels أبرز هي تلك التي معامل للتنبؤ قيمة الذاتي في ظل الغموض (أعلى) أو المخاطر (السفلي) كان مختلفا بشكل كبير من 0. في هذا الموضوع نموذجية، وجد ارتباط كبير في قشرة الفص الجبهي الإنسي (MPFC) والجسم المخطط وتحت كل الظروف. هذه المناطق هي الأكثر متناسقة عبر المواضيع، ولكن يمكن أيضا أن ارتباط ملموس في المناطق المتوقع في القشرة الجدارية الإنسي والجانبية، وكذلك في اللوزة. كنشاط في هذا النوع من المهام ضعيفة عادة صاخبة ويجب أن تتوقع تقلبات عالية في المواضيع مع العديد من الموضوعات واظهار ارتباط ملموس فقط في مجموعة فرعية من المجالات.

الشكل 1
الشكل 1. المحفزات خطرة وغامضة. A) في المناطق الخطرة المحفزات حمراء وزرقاء من كل صورة على الشاشة تتناسب مع عدد من رقائق حمراء وزرقاء في المغلف. الاحتمالات الثلاثة نتائج ثيحرث المستخدمة هنا: 0.13، 0.25 و 0.38. B) في المحفزات غامضة تحجب الجزء الأوسط من الصورة مع مطبق الرمادي. في المنطقة الرمادية عدد من رقائق من كل لون غير معروف، وبالتالي احتمال سحب شريحة من لون معين ليست معروفة على وجه التحديد. وتستخدم ثلاثة مستويات من الغموض هنا، حيث المغطي 25، 50 أو 75٪ من الصورة.

الشكل 2
الشكل 2. وهناك مثال اليانصيب. هذا هو اليانصيب غامضة، غموض على مستوى 50٪. على الأقل 25 من رقائق في المغلف هي الأحمر وعلى الأقل 25 زرقاء. إذا ويوجه شريحة الأحمر وسيكون موضوع الفوز 18 دولارا، في حين أنها ستفوز شيئا إذا يتم رسم القيادية.

الشكل 3
الشكل 3. هيكل المحاكمة. وتقدم لفترة وجيزة A اليانصيب، تليها فترة تأخير. A جديلة استجابة يطالب ثم للإشارة إلى الموضوعاتIR الاختيار بين اليانصيب على الشاشة واليانصيب المرجعية (في هذه الحالة فرصة للفوز بنسبة 50٪ $ 5). ومعشق مع التجارب فترات الراحة طويلة.

الشكل 4
الشكل 4. أمثلة على السلوك موضوع واحد خيار. والرسوم البيانية تقديم نسبة المحاكمات التي كل موضوع اختار الخيار متغير على المرجعية، بوصفها وظيفة من المبلغ المعروض، في محاكمات (يمين) محفوفة بالمخاطر (يسار) وغامضة. منحنيات مختلفة لمخاطر مختلفة أو مستويات الغموض. α، ومخاطر المعلمة الموقف؛ β، غموض المعلمة الموقف؛ ص الزائفة مكفادين في الجذر التربيعي، وهو مقياس لالخير من مناسبة من النموذج السلوكي، أي ما يعادل جزء من التباين الذي يفسره النموذج، ن، عدد المحاكمات التي تم فيها استجابة (من بين ما مجموعه 180).

الشكل 5 <ر /> الشكل 5. وتعرض خرائط مثال واحد تفعيل خرائط تفعيل الموضوع. على صورة القرار التشريحية العالية. وأبرز المناطق هي تلك التي ارتبط تفعيل بشكل كبير مع قيمة الذاتي في ظل المخاطر (أعلى) أو تحت الغموض (أسفل). في معظم المواضيع القشرة قبل الجبهية وسطي (MPFC) والجسم المخطط وتمثل قيمة ذاتية في إطار كل من المخاطر والغموض. وتستند تصحيح ف القيم على حجم كتلة لا تقل عن 6 voxels الوظيفية. اضغط هنا لمشاهدتها بشكل اكبر شخصية .

Subscription Required. Please recommend JoVE to your librarian.

Discussion

وقد استخدمنا أسلوب من الاقتصاد التجريبية لتوصيف السلوك المواضيع 'وتقدير المواقف الفردية تجاه المخاطر والغموض. كنا ثم هذه التقديرات لتحليل البيانات العصبية.

وقد استخدمت وسائل أخرى لفحص الرنين المغناطيسي الوظيفي نشاط حين اتخاذ خيارات مواضيع تحت المخاطر والغموض قبل 8،12. نهجنا، ومع ذلك، يجمع بين ميزات عديدة مهمة. أولا، فإنه يستخدم تصميم حدودي، والتي تتنوع بشكل منهجي معلمات مختلفة (المبلغ، ومستوى احتمال الغموض). وهذا يسمح لنا لتحديد المخاطر الفردية والمواقف والغموض لحساب قيمة كل خيار شخصي للكل الموضوع. الثانية، وكان هذا الإجراء يسمح لنا السلوكية الفردية للبحث عن مناطق الدماغ التي يرتبط مع تفعيل هذا الإجراء، بشكل منفصل عن المخاطر والغموض، في غضون مستوى الموضوع. هذا هو وسيلة نظيفة للنظر في الترميز العصبية من معلمة واحدة (القيمة الذاتية) شالتانجو ظروف مختلفة (المخاطر والغموض) في حين أن السيطرة على الخلافات المحتملة بين تلك الشروط (مثل سلوك اختياري). الثالثة، من خلال تحديد عشوائيا محاكمة في نهاية التجربة واللعب من أجل المال الحقيقي نشجع المواضيع التي تكشف عن الخيارات الحقيقية 13.

على المستوى السلوكي، وهذه الطريقة تمكننا من تلخيص سلوك خيار فريد من كل موضوع مع اثنين فقط من الأرقام، التي تمثل المخاطر والمواقف غموض موضوع على حدة. النظرية الاقتصادية تشير إلى أن معيار الإختيار لمن يتصرفون باستمرار هذه الأوصاف هي ضرورية وكافية من تفضيلاتهم. وبعبارة أخرى، يمكن للمرء أن يثبت 1) لا توصيف أخرى ممكنة يمكن أن يكون أكثر أو كاملة المدمجة و2) أن جميع الأوصاف أكثر تعقيدا هي زائدة عن الحاجة. على المستوى العصبي، وطريقة تتيح لنا التعرف تمثيل العصبية من قيمة هذا الفرد شخصي المواضيع ascriلتكون الخيارات التي يواجهونها في هذا المستوى اللازم والكافي من التوصيف. بالطبع الأوصاف أخرى من السلوك أمر ممكن، ولكن باستخدام المخصصة تدابير 'خطورة' التي يمكن أن لا تكون ذات صلة بطريقة كاملة لسلوك أو الإشارات العصبية قد يثير من المشاكل أكثر مما يحل 1.

صفنا طريقة محددة لتوطين المناطق النشاط الذي يرتبط مع قيمة ذاتية. هناك، التكميلية الأخرى، وطرق لتحليل البيانات العصبية بطريقة استكشافية التي لا تتطلب فرضيات مسبقة. طرق تجميع وتحليل المركبات المستقلة (ICA) هي تلك الأساليب التي يمكن أن تكشف عن المخاطر والغموض تفعيل إضافية ذات الصلة.

كشفت نتائج التباين السلوكي كبيرة عبر المواضيع، مما يشير إلى العديد من الملحقات ممكن الطريقة التي يمكن أن تستخدم في الدراسات المستقبلية من المخاطر والغموض. أولا، يمكن أن تستخدم الأساليب للتحقيق تختلفences في السلوك بين الأفراد، والتعرف على العوامل المرتبطة العصبية من هذه الاختلافات، في موضوع السكان المختلفة. وتكون ذات أهمية خاصة للمرضى الدراسات الافتراض لعرض المدقع السلوك القائم على المخاطرة، على سبيل المثال تلك التي تمر العلاج من تعاطي المخدرات. التمييز بين إسهامات المواقف المخاطر والغموض لمثل هذه التصرفات وترسيم يرتبط بها العصبية مهمة لفهم الأسباب الأساسية لهذه السلوكيات المرضية والتدخلات السلوكية لوضع والدوائية. وأماكن أخرى مثيرة للاهتمام أن دراسة الناس من مختلف الثقافات أو الناس من مختلف الفئات العمرية. القدرة على تحديد قيمة محددة تتعلق النشاط بهذه الطريقة لديه القدرة على الكشف عن الاختلافات المجموعة التي هي في صلب الخلافات الملحوظة في واقع الحياة.

الثانية، يمكن أن تستخدم أسلوب لدراسة تأثير التجارب محددة عن المواقف الفردية من لياليubjects نحو المخاطر والغموض. ، يمكن للنموذج التجريبي على سبيل المثال، أن تستخدم قبل وبعد إجراء التلاعب أو السلوكية تحدث الأحداث الطبيعية، مثل تدخل التعليمية، والتلاعب الإجهاد، أو حدثا الحياة المتغيرة.

الثالث، يمكن أن تستخدم نموذج مماثل مع نطاقات مختلفة من النتائج والاحتمالات التي هي مناسبة لسؤال كنت ترغب في معالجتها. على سبيل المثال، يمكن أن تقدم الموضوعات مع خيارات مختلفة بين الخسائر، بدلا من تحقيق مكاسب، إلى أكثر مباشرة تتعلق الإعداد التجريبية لسلوك المخاطرة في الحياة الحقيقية، التي هي نتائج سلبية محتملة في كثير من الأحيان (مثل القيادة المتهورة أو تعاطي المخدرات). ويمكن استخدام الرابع، النتائج غير النقدية لاستكشاف المواقف تجاه المخاطر والغموض في مجالات مختلفة، مثل الخيارات الغذائية والأفضليات الاجتماعية.

ميزة حاسمة لهذا النهج هو أنه يوفر ج المدمجة ومنطقياطريقة لوصف السلوك omplete فيما يتعلق متغير بالكامل المحدد الأساسي الذي يميز تماما أفضليات موضوع متسقة. هذا يوفر طريقة فعالة وبالتالي ارتباط وثيق نظرية أن ينتقل إلى ما وراء توصيف المخصصة.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

الإعلان عن أي تضارب في المصالح.

Acknowledgements

نشكر ألدو Rustichini لإجراء مناقشات مثمرة والتعليقات على التصميم.
بتمويل من منحة NIA R01-IL AG033406 لوPWG.

Materials

Name Company Catalog Number Comments
Allegra Head Only 3.0 T MRI Scanner Siemens AG A whole body scanner can also be used
NM-011 transmit head coil Nova Medical
E-prime Psychology Software Tools Stimuli presentation software
Matlab Mathworks

DOWNLOAD MATERIALS LIST

References

  1. Glimcher, P. W. Understanding risk: a guide for the perplexed. Cogn. Affect Behav. Neurosci. 8, 348-354 (2008).
  2. Camerer, C., Weber, M. Recent Developments in Modeling Preferences - Uncertainty and Ambiguity. Journal of Risk and Uncertainty. 5, 325-370 (1992).
  3. Holt, C. A., Laury, S. K. Risk aversion and incentive effects. Am. Econ. Rev. 92, 1644-1655 (2002).
  4. Levy, I., Snell, J., Nelson, A. J., Rustichini, A., Glimcher, P. W. Neural representation of subjective value under risk and ambiguity. J. Neurophysiol. 103, 1036-1047 (2010).
  5. Kahneman, D., Tversky, A. Prospect Theory - Analysis of Decision under Risk. Econometrica. 47, 263-291 (1979).
  6. Deichmann, R., Gottfried, J. A., Hutton, C., Turner, R. Optimized EPI for fMRI studies of the orbitofrontal cortex. Neuroimage. 19, 430-441 (2003).
  7. Gilboa, I., Schmeidler, D. Maxmin Expected Utility with Non-Unique Prior. J. Math Econ. 18, 141-153 (1989).
  8. Hsu, M., Bhatt, M., Adolphs, R., Tranel, D., Camerer, C. F. Neural systems responding to degrees of uncertainty in human decision-making. Science. 310, 1680-1683 (2005).
  9. Boynton, G. A., Engel, S. A., Glover, G., Heeger, D. J Neurosci. 16, 4207-4221 (1996).
  10. Forman, S. D. Improved Assessment of Significant Activation in Functional Magnetic-Resonance-Imaging (Fmri) - Use of a Cluster-Size Threshold. Magnetic Resonance in Medicine. 33, 636-647 (1995).
  11. Genovese, C. R., Lazar, N. A., Nichols, T. Thresholding of statistical maps in functional neuroimaging using the false discovery rate. NeuroImage. 15, 870-878 (2002).
  12. Huettel, S. A., Stowe, C. J., Gordon, E. M., Warner, B. T., Platt, M. L. Neural signatures of economic preferences for risk and ambiguity. Neuron. 49, 765-775 (2006).
  13. Smith, V. L. Papers in experimental economics. Cambridge University Press. (1991).

Comments

0 Comments


    Post a Question / Comment / Request

    You must be signed in to post a comment. Please or create an account.

    Usage Statistics