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

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:

 

Summary

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.

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

Het merendeel van de keuzes die we maken hebben onzekere gevolgen. In sommige gevallen is de kansen voor de verschillende mogelijke uitkomsten zijn precies bekend, een aandoening aangeduid als "riskant". In andere gevallen waarin waarschijnlijkheden niet geschat kan worden, dit is een aandoening genaamd "ambigu". Terwijl de meeste mensen zijn wars van risico en ambiguïteit 1,2, de mate van die afkeer zijn grote verschillen tussen individuen, zodanig dat de persoonlijke waarde van dezelfde risicovolle of dubbelzinnige optie kan zeer verschillend zijn voor verschillende individuen. Wij combineren functionele MRI (fMRI) met een experimentele economie op basis van methode 3 om de neurale representatie van de persoonlijke waarden van risicovolle en ambigue opties 4 te beoordelen. Deze techniek kan nu worden gebruikt om deze neurale representaties te bestuderen in verschillende populaties, zoals verschillende leeftijdsgroepen en verschillende patiëntenpopulaties.

In ons experiment, onderwerpen maken gevolgschade keuzes between twee alternatieven terwijl hun neurale activering wordt bijgehouden met behulp van fMRI. Op elke proefpersonen kiezen tussen loterijen die variëren in hun monetaire bedrag en in een van beide de kans op het winnen van dit bedrag vaststellen of de ambiguïteit niveau in verband met het winnen. Onze parametrisch ontwerpen kunnen wij van elk individu keuzegedrag te gebruiken om hun houding te schatten ten opzichte van risico en ambiguïteit, en dus in te schatten de persoonlijke waarden die elke optie gehouden voor hen. Een ander belangrijk kenmerk van het ontwerp is dat de uitkomst van de gekozen loterij niet wordt onthuld tijdens het experiment, zodat er geen leren kan plaatsvinden, en dus ook de dubbelzinnige opties blijven dubbelzinnig en risico houding stabiel zijn. In plaats daarvan, aan het eind van de scansessie een of enkele proeven worden willekeurig geselecteerd en gespeeld voor echt geld. Omdat onderwerpen niet op voorhand weten welke studies zullen worden geselecteerd, moeten ze elke beproeving te behandelen alsof het en het alleen was het een poging waarbij ze zullen worden betaald. Dit ontwerp enlen dat we de echte subjectieve waarde van elke optie in te schatten elk onderwerp. Vervolgens hebben we op zoek naar gebieden in de hersenen, waarvan activering is gecorreleerd met de subjectieve waarde van risicovolle opties en voor gebieden waarvan de activering is gecorreleerd met de persoonlijke waarde van de dubbelzinnige opties.

Protocol

1. Voorbereiden van de Experiment

  1. De eerste stap is het ontwerpen van visuele prikkels die risicovol en dubbelzinnige keuzes die zullen worden gepresenteerd op het scherm in de scanner. We maken gebruik van afbeeldingen, zoals die weergegeven in figuur 1 tot en met zakken gevuld met poker chips die wij "loterij zakken" vertegenwoordigen. Grafisch kunnen deze beelden worden als stapels fiches voordat ze worden geplaatst in een zak. Belangrijk is dat deze beelden vertegenwoordigen echte containers, in ons geval enveloppen, gevuld met 100 rode en blauwe poker chips die het onderwerp zal zien voordat het experiment. Dit verzekert dat de proefpersonen zowel de loterijen zij zal worden geconfronteerd begrijpen en geloven dat het beeldscherm van de computer nauwkeurig de loterijen presenteert. Voor risicovolle loterijen de winstkans de verhouding van rood tot blauw chips in een bepaalde enveloppe precies aangegeven met cijfers en een grafische stimulus (Figuur 1A). Voor dubbelzinnige loterijen deel van de informatin de waarschijnlijkheid ontbreekt (Figuur 1B), zodanig dat de mogelijke verhouding van rood tot blauw chips begrensd maar niet gespecificeerd, waardoor de winnende kans gedeeltelijk dubbelzinnig.
  2. Voor risicovolle loterijen de rode en blauwe gebieden van elk beeld zijn evenredig met het aantal rode en blauwe chips in de envelop. Wij raden u aan een minimum van 3 resultaten waarschijnlijkheden 4 (Figuur 1A). De gebruikte exacte waarschijnlijkheden kan variëren naar gelang de specifieke eisen van het experiment, maar onderzoekers moeten voorzichtig zijn over het gebruik van zeer hoge en zeer lage waarschijnlijkheid. Het is bekend dat proefpersonen typisch waarschijnlijkheden dan 10% of meer dan 90% 5 verkeerd. Tenzij men van plan is om te studeren deze systematische verkeerde voorstelling van zaken, moeten deze extremen worden vermeden.
  3. Overbrengen dubbelzinnigheid het centrale deel van de stapel chips in het beeldscherm is bedekt met een grijs occluder (Figuur 1B). In het grijze gebied de numBER van chips van elke kleur zal onbekend, en dus de kans aanbrengen van een rood of blauw chip niet precies bekend. Bijvoorbeeld, in het midden zak in figuur 1B omvat de afsluiter 50% van de zak, en dus het aantal rode chips kan overal tussen 25 (indien alle chips achter de occluder zijn blauw) en 75 (indien alle chips achter de afsluiter zijn rood). Natuurlijk kan het aantal blauwe chips ook overal tussen deze twee waarden.
  4. Het verhogen van de occluder formaat verhoogt de dubbelzinnigheid niveau (het bereik van mogelijke kansen voor het tekenen van een rode of blauwe chip). We raden tenminste 3 verschillende occlusie, die ~ 25, 50 of 75% van de zak (figuur 1B).
  5. Als onderwerpen de taak uit te voeren op de computer, presenteren we elke winnende waarschijnlijkheid / ambiguïteit niveau met een scala aan mogelijke resultaat bedragen. Wij raden u aan 5 beloning niveau 4, die een breed scala van bedragen, bijvoorbeeld: 5, 9,5, 18, ​​34 en 65 dollars. In het display, presenteren we de uitkomsten bedrag dat naast de winnende kleur en geeft "0" naast de andere kleur. Bijvoorbeeld, in figuur 2 zou het opstellen van een rode chip tot 18 dollar winnen terwijl ze een blue chip zou leiden tot een resultaat nul.
  6. Kritisch, kiest op elk proefpersonen tussen twee loterijen. Voor de eenvoud houden we een van de opties constant gedurende het experiment (in dit voorbeeld een 50% kans om te winnen $ 5) en alleen variëren de andere optie. Dit heeft twee voordelen. Ten eerste, het constant optie niet verschijnen op het scherm, vereenvoudiging van de visuele weergave (hoewel een reminder af en toe nuttig kan zijn). Ten tweede, omdat een optie verandert nooit, regressie-gebaseerde analyses van de fMRI-signaal kan effectief verwaarlozen deze parameter. Merk op dat om een ​​"gangbare 'hebben voor de persoonlijke waarden van riskant en dubbelzinnige loterijen de referentie-optie moet dezelfde zijn voor beide proeven.
  7. Elke combinatietie van waarschijnlijkheid of dubbelzinnigheid niveau en de hoeveelheid moet worden gepresenteerd in totaal minstens 4 keer, en bij voorkeur meer, om voldoende statistische power in zowel de gedrags-en fMRI analyses te garanderen. In de helft van de rode herhalingen worden geassocieerd met een niet-nul resultaat en in de andere helft blauwe de kleur vertekening te voorkomen en symmetrie verzekeren in de dubbelzinnigheid.
  8. We kozen voor een langzame event-related design (figuur 3), waarbij de hemodynamische respons op verschillende processen goed gescheiden in de tijd te gebruiken. In een dergelijk ontwerp elke loterij worden gepresenteerd als een stimulus kort, in ons geval 2 s, gevolgd door een vertragingstijd (in ons geval, 6 s), tijd voor het nemen gerelateerde neurale te bouwen mogelijk. De antwoorden dienen te geschieden binnen een korte tijdvenster (1-2 s). Gebruik een beeld zoals in Figuur 3 als een korte feedback, zodat het onderwerp kent hun reactie is opgeslagen. Scheid de proeven door lange rusttijden (10 s of more) om de hemodynamische respons terug naar de basislijn. Kortere rustperioden kunnen worden gebruikt met geschikte jitter. Groep de proeven in blokken van maximaal 30 trials per stuk, maar zeker niet te laat de blokken langer duren dan ongeveer 10 minuten. Dit zorgt voor rusttijden in de scanner die de prestaties te maximaliseren en minimaliseren onderwerp vermoeidheid. Om ten minste vier herhalingen van elke combinatie van waarschijnlijkheid / dubbelzinnigheid en hoeveelheid het aantal proeven de ten minste 120, namelijk 4 blokken.
  9. Bereid de fysieke zakken (in ons geval enveloppen), zodat ze kunnen worden getoond aan proefpersonen voordat ze uitvoeren van de taak. Ze zullen later worden gebruikt om de willekeurig gekozen studie (s) spelen voor betalen. Een zak voor elke loterij afbeelding gebruikt in het experiment. Vul elke zak met in totaal 100 poker / bingo rode en blauwe chips met afmetingen die overeenkomen met de waarschijnlijkheid van het tekenen van een chip van elke kleur die zak op het display. Voor dubbelzinnige zakken te gebruiken een random number generatorbeslissen over de werkelijke aantallen rode en blauwe chips, die overeenkomt met elke dubbelzinnigheid niveau. Bereid de referentie-zak met 50 rode en 50 blauwe chips. Voorbereiden fysieke zakken en ze te laten zien aan de onderwerpen is vooral van belang voor onderwerpen aangeworven in de psychologie afdelingen. Deze onderwerpen zullen waarschijnlijk een soort van misleiding vermoed en moet ze vermoeden misleiding hun antwoorden zullen niet te interpreteren zijn.

2. Voorbereiden van de Subject

  1. Elk onderwerp moet invullen van een toestemmingsformulier en een screening vragenlijst. De screening vorm verifieert dat het onderwerp geen enkele metalen in hun lichaam, dat ze niet zwanger bent of claustrofobisch, en dat zij veilig kunnen worden gescand. Onderwerpen moeten ook verwijdert alle metalen uit hun lichaam om de veiligheid te verzekeren in de scanner omgeving. Dit is essentieel.
  2. Zorg voor het onderwerp met gedetailleerde instructies over het experiment. Vraag hen een paar eenvoudige vragen om ervoor te zorgen dat ze begrijpen hoe waarschijnlijkheidteiten en bedragen worden overgebracht in elk beeld, en om ervoor te zorgen dat ze inzicht krijgen in hun taak. Zorg ervoor dat u alle informatie die van invloed kunnen zijn hun keuzes te onthullen. Bijvoorbeeld, niet het frame van de keuzeprobleem zij worden geconfronteerd op een zodanige wijze dat vertekening van de onderwerpen in de richting van een bijzonder risico houding. Laat hen de fysieke tassen en stress die elke afbeelding in het experiment heeft betrekking op een enkele specifieke fysieke tas die je niet kunt en zal niet knoeien met. Leg ook uit dat in de helft van de proeven blauwe zal de winnende kleur en in de helft rood. Leg de betalingsmechanisme, zodat het onderwerp begrijpt dat ze zullen worden betaald op basis van hun keuzes. Moedig onderwerpen vragen te stellen over alles wat ze niet begrijpen vragen. Dit is een kritieke periode waarin de overtuigingen van de proefpersonen over het experiment worden opgericht. Het is essentieel dat patiënten er zeker van zijn dat het experiment geen vorm van misleiding te betrekken of de gedrags-en neurale resultaten zullen niet te interpreteren.
  3. Sluit de volle zakken en hebben het onderwerp hun naam te ondertekenen over de afdichting. Leg dat hiermee te laten controleren op het einde van het experiment dat je niet de inhoud van de zakken veranderen tijdens het experiment. Dit helpt geruststellen onderwerpen die ze een heel eerlijk spel te spelen. Leg ook uit dat na de loterijen worden gespeeld aan het einde van het experiment zullen worden toegestaan ​​om te kijken naar de inhoud van de zakken te zorgen dat ze voldoen aan de gestelde kans of ambiguïteit niveau.

3. Het scannen

  1. We maken gebruik van een 3T MRI-scanner met een hoofd spoel (4 kanalen of meer) om bloedoxygenatie Niveau-afhankelijke (BOLD) signalen te krijgen van de hele hersenen.
  2. Gebruik een 2-knops reactie box aan proefpersonen keuzes op te nemen.
  3. Anatomische scan: We gebruiken een T1-gewogen sequentie MPRAGE een duidelijk hoge resolutie (1x1x1 mm) beeld van hersenen van de patiënt dat kan worden gebruikt voor 3D reconstructie krijgen. Any hoge resolutie sequentie kan worden gebruikt voor dit pOEL.
  4. Functionele scans: We gebruiken een T2 *-gewogen EPI sequentie, met een TR van 2 s, en 3x3x3 mm voxels. Zorg ervoor dat u de plakjes positioneren zodanig dat ze de hersengebieden die je het meest geïnteresseerd zijn in, meestal de prefrontale cortex, pariëtale cortex en de basale ganglia behoren. Scanparameters worden geoptimaliseerd voor de specifieke scanner gebruikten we: TE 30ms, omslaghoek 75 °, 36 3 mm plakken zonder inter-slice gap, evenwijdig aan de AC-PC line, in-plane resolutie 3x3 mm, 192 mm FOV . Andere studies hebben gesuggereerd dat het plaatsen van de schijfjes van 30 ° met de AC-PC lijn kan wegvallen van het signaal te verminderen in de orbitofrontale cortex 6.

4. Betaling Procedure

  1. Na het verwijderen van het onderwerp van de scanner, ophalen van de gedrags-gegevens van de computer die heeft opgenomen van het onderwerp reacties.
  2. Willekeurig selecteert u een of paar keer proberen voor de betaling. Het beste is om het onderwerp te doen de selectie, laten we het bijvoorbeeld door het tekenen van een genummerde poker chipuit een ondoorzichtige zak die chips bevat met alle proces-nummers. Dit zal ervoor zorgen om het onderwerp dat de selectie wel degelijk willekeurig is.
  3. Voor elke geselecteerde studie tonen het onderwerp van de voorgestelde opties en de keuze die ze bij die proef. Vraag hen om een ​​chip uit de tas gekozen op die beproeving te trekken, en betalen ze volgens de getekende kleur en het bedrag dat opgenomen wordt op de proef.

Bijvoorbeeld, als de geselecteerde studie presenteerde de loterij afgebeeld in figuur 2 (een dubbelzinnige loterij, het aanbieden van $ 18 als een rode chip wordt getrokken) en het onderwerp koos voor deze loterij (in plaats van de referentie-loterij), dan het onderwerp moet trekken van een chip uit van de fysieke zak die overeenkomt met de loterij afbeelding. Als er een rode chip wordt getrokken het onderwerp krijgt $ 18, als er een blue chip wordt getrokken zullen ze niets ontvangen.

5. Het analyseren van de gedragsgegevens

  1. Met behulp van maximum likelihood we passen de keuze gegevens van elk onderworpen aan een logistiekefunctie van de vorm:

Vergelijking 1
Waar Pv is de kans dat het onderwerp de variabele loterij koos, SV F en SV V zijn de persoonlijke waarden van de vaste en variabele opties respectievelijk, en γ is de helling van de logistieke functie, die een subject-specifieke parameter. Een alternatieve benadering is het gebruik van een probit distributie.

  1. Om de persoonlijke waarde van elke optie te modelleren voor elk onderwerp kunt u gebruik maken van een van een aantal modellen die rekening houden met de hoeveelheid, de waarschijnlijkheid en ambiguïteit niveau van de optie en de houding van het individuele subject ten opzichte van risico en ambiguïteit. We kozen voor een machtsfunctie 5 dat een lineair effect van ambiguïteit op de gepercipieerde kans op 7 bevat te gebruiken:

Vergelijking 2
Waarbij p de doelstelling probcapaciteit (per definitie 0,5 voor deze klasse van dubbelzinnige loterijen) A is de dubbelzinnigheid niveau (de fractie van de totale kans dat onbekend, 0 voor risicovolle loterijen), V de hoeveelheid en α en βare voorwerp risico en dubbelzinnigheid houding parameters respectievelijk. Een van de vele alternatieve benaderingen is om dubbelzinnigheid op te nemen als een exponentieel effect 8:

Vergelijking 3
Montage van de keuze van gegevens met de keuze-functie biedt dus schattingen voor de risicohouding (α) en ambiguïteit attitude (β) voor elke.

6. Het analyseren van de Neural gegevens

  1. Voer standaard voorbewerking van de gegevens, met inbegrip van: 1) slice scan-time correctie om rekening te houden voor de kleine verschillen in het scannen tijden van de verschillende schijfjes, 2) motion correctie om rekening te houden voor intra-en inter-run beweging van het onderwerp, en 3) het verwijderen van lage frequenties die typisch zijn ropgetogen om fysiologische ruis en scanner drifts.
  2. Registreer de functionele gegevens van elk onder hun anatomische gegevens.
  3. Voor analyse op de interne vakniveau model de activiteit van elke voxel een aanhoudende respons tijdens de gehele studie (in ons geval 10 s), geconvolueerd met een standaard hemodynamische respons functie 9. Gebruik een General Linear Model met de volgende predictoren:
  • Twee voorspellers van subjectieve waarde (SV), een voor risicovolle processen en een voor dubbelzinnige proeven. Gebruik vergelijking 2 en het individuele subject specifieke parameters uit het gedrag passen bij de SV van elke loterij berekenen. Aangezien de referentie loterij is hetzelfde voor alle proeven kunnen we de SV van de variabele loterij alleen in elk experiment. Voor de riskante SV voorspeller plaatst u de SV voor elke risicovolle proces, en 0 voor elk dubbelzinnig proces, en vice versa voor de dubbelzinnige voorspeller.
  • Twee dummy voorspellers, een voor risicovolle processen en een voor dubbelzinnige proeven, om de doptuur algemene activering, zoals visuele en motorische activeringen.
  1. Zoeken voxels waarin de coëfficiënten van SV onder risico en / of onder dubbelzinnig zijn significant. De test voor significantie rekening houden met de uitgevoerde meervoudige vergelijkingen. De methode die we gebruiken is het beperken van de minimale clustergrootte tot 6 aaneengesloten functionele voxels 10. Als alternatief kunnen andere methoden, zoals de False Discovery Rate (FDR) 11 worden gebruikt om te corrigeren voor meerdere correcties.

7. Representatieve resultaten

Gedrag

Figuur 4 geeft de resultaten gedrag van drie representatieve patiënten. Elk paneel toont de keuze van gegevens en model fit resultaten voor een onderwerp dat zowel risico (links) of dubbelzinnigheid (rechts). De grafieken tonen het percentage proeven waarbij het subject de variabele loterij gekozen als functie van bedrag voor elke afzonderlijke niveau probvermogen of dubbelzinnigheid. Zoals te zien is, kan onderwerpen variëren veel in hun houding ten opzichte van risico en ambiguïteit.

Om de goedheid van de pasvorm te onderzoeken, controleer dan de r 2, die idealiter zou moeten zijn dan 0,5, en ook visueel inspecteren van de bochten. Terwijl alle onze drie voorbeeld proefpersonen hadden wettig gedrag dat redelijk past ingeschakeld, er rekening mee dat onderwerp 2 nauwelijks de variabele optie kiest in de risico toestand met de laagste kans (0,13). Dit suggereert dat verbreding van de bedragen en / of met hogere waarschijnlijkheid kan betere resultaten opleveren, omdat het zorgt ervoor dat de variabele onderwerpen te kiezen opties aan ten minste enkele van de proeven. Een andere optie is om elk onderwerp vooraf testen op een groot aantal bedragen en de bedragen die een vergelijkbaar aantal referentie en variabele mogelijke opties voor elke waarborgen kiezen.

fMRI

Figuur 5 toont de eindresultaten in een vertegenwoordigeronderwerp. Gemarkeerde voxels zijn die waarin de coëfficiënt van de persoonlijke waarde predictor onder dubbelzinnigheid (boven) of risico (onder) was significant verschillend van 0. In dit typische onderwerp, werd significante correlatie gevonden in mediale prefrontale cortex (MPFC) en het striatum onder beide omstandigheden. Deze gebieden zijn het meest consistent onderwerpen, maar significante correlatie kan worden verwacht in gebieden mediale en laterale pariëtale cortex, en de amygdala. Als activiteit in dit soort taken is meestal zwak en luidruchtige je moet verwachten grote variabiliteit over personen met veel onderwerpen vertonen significante correlaties alleen in een subgroep van gebieden.

Figuur 1
Figuur 1. Riskant en dubbelzinnige stimuli. A) In risicovolle stimuli de rode en blauwe gebieden van elke afbeelding op het scherm zijn evenredig met het aantal rode en blauwe chips in de envelop. Drie resultaat waarschijnlijkheden were hier gebruikt: 0,13, 0,25 en 0,38. B) In ambigue stimuli het centrale deel van het beeld wordt bedekt met een grijs occluder. In het grijze gebied het aantal chips van elke kleur is onbekend, en dus de kans tekenen van een chip met een bepaalde kleur is niet precies bekend. Drie niveaus van dubbelzinnigheid worden hier gebruikt, waar 25, 50 of 75% van het beeld worden afgesloten.

Figuur 2
Figuur 2. Een loterij voorbeeld. Dit is een dubbelzinnige loterij, met een 50% dubbelzinnigheid niveau. Ten minste 25 van de chips in de envelop zijn rode en tenminste 25 zijn blauw. Als er een rode chip wordt getrokken het onderwerp wint $ 18, terwijl ze zullen winnen niets als een blue chip wordt getekend.

Figuur 3
Figuur 3. De proef structuur. Een loterij kort gepresenteerd, gevolgd door een vertraging. Een reactie cue vraagt ​​vervolgens onderwerpen aan te geven van deir keuze tussen de loterij op het scherm en de verwijzing loterij (in dit geval een 50% kans om te winnen $ 5). Trials worden afgewisseld met lange rustperioden.

Figuur 4
Figuur 4. Voorbeelden van enkele onderwerpkeuze gedrag. Grafieken zijn het aantal studies waarin elk vak gekozen optie de variabele de referentiewaarde, als functie van de aangeboden hoeveelheid, in risicovolle (links) en ambigu (rechts) trials. Verschillende curven zijn voor verschillende risico of dubbelzinnigheid niveaus. α, risicohouding parameter; β, dubbelzinnigheid houding parameter; r 2, McFadden's pseudo R-kwadraat, een maat voor de goodness of fit van het gedragsmodel, gelijk aan het gedeelte van de variantie die wordt verklaard door het model, n, het aantal proeven in welke reactie werd uitgevoerd (op een totaal van 180).

Figuur 5 <br /> Figuur 5. Voorbeeld van een enkel onderwerp activering kaarten. Activation kaarten worden gepresenteerd op een hoge resolutie anatomisch beeld. Gemarkeerde gebieden zijn die waarvan activatie was significant gecorreleerd met persoonlijke waarde onder risico (top) of onder dubbelzinnigheid (onder). Bij de meeste personen de mediale prefrontale cortex (MPFC) en het striatum vertegenwoordigen subjectieve waarde onder zowel risico en ambiguïteit. Gecorrigeerd p-waarden zijn gebaseerd op een minimale clustergrootte van 6 functionele voxels. Klik hier om een grotere afbeelding te bekijken .

Subscription Required. Please recommend JoVE to your librarian.

Discussion

We hebben gebruik gemaakt van een methode van experimentele economie aan proefpersonen het gedrag te karakteriseren en individuele houding ten opzichte van risico en ambiguïteit te schatten. We gebruikten deze schattingen om neurale gegevens te analyseren.

Andere methoden voor de behandeling van fMRI activiteit terwijl proefpersonen keuzes maken onder risico en dubbelzinnigheid zijn gebruikt voor 8,12. Onze aanpak echter een aantal belangrijke functies combineert. Ten eerste is het gebruik van een parametrisch ontwerpen, waarin verschillende parameters (bedrag, waarschijnlijkheid en ambiguïteit niveau) systematisch worden gevarieerd. Dit stelt ons in staat om het individuele risico en ambiguïteit houdingen te kwantificeren en de persoonlijke waarde van elke optie te berekenen voor elk onderwerp. Ten tweede, met de individuele gedragsmaatregel stelt ons in staat om te zoeken naar delen van de hersenen, waarvan de activering is gecorreleerd met die maatregel, afzonderlijk voor risico en ambiguïteit, op een binnen vakniveau. Dit is een schone manier om de neurale codering van een parameter (subjectieve waarde) u te onderzoekennder verschillende omstandigheden (risico en ambiguïteit), terwijl de controle op mogelijke verschillen tussen deze aandoeningen (zoals keuzegedrag). Ten derde, door willekeurig selecteren van een proef op het einde van het experiment en het spelen voor echt geld dat we moedigen onderwerpen om hun ware voorkeuren onthullen 13.

Op het gedragsniveau, deze methode stelt ons in staat om de unieke keuzegedrag van elk onderwerp samen te vatten met slechts twee nummers, die de risico's en dubbelzinnigheid houding van het individuele subject. Standaard economische theorie geeft aan dat voor kiezers die zich consequent gedraagt ​​deze zijn zowel noodzakelijk als voldoende karakteriseringen van hun voorkeuren. Anders gezegd, kan men aantonen dat 1) geen andere mogelijke karakterisering kan vollediger of compact en 2) dat alle complexe karakteriseringen overbodig zijn. Op het neurale niveau, de methode stelt ons in staat het identificeren van de neurale representatie van de persoonlijke waarde die individuele proefpersonen ascrizijn om opties die ze tegenkomen op deze noodzakelijke en voldoende niveau van karakterisering. Natuurlijk ook andere karakteriseringen van gedrag zijn mogelijk, maar met behulp van ad hoc maatregelen in het 'risicogehalte' dat niet kan op een complete manier worden gekoppeld aan het het gedrag of de neurale signalen kunnen verhogen meer problemen dan ze oplost 1.

We beschrijven een specifieke methode voor het lokaliseren van gebieden waarvan de activiteit is gecorreleerd met subjectieve waarde. Er zijn andere aanvullende manieren om de neurale gegevens in een experimentele manier die geen voorafgaande hypotheses analyseren. Clustering methodes en Independent Component Analysis (ICA) zijn dergelijke methoden die extra risico-en dubbelzinnigheid met betrekking tot activering zou kunnen onthullen.

Uit de resultaten bleek aanzienlijke gedragsmatige variabiliteit over onderwerpen, hetgeen wijst op een aantal mogelijke uitbreidingen van de methode die gebruikt kan worden in toekomstige studies van risico en ambiguïteit. Eerste, de methoden worden gebruikt om verschillen sondeverschillen in gedrag tussen individuen, en vaststellen van de neurale correlaten van deze verschillen in beschouwing ander onderwerp populaties. Van bijzonder belang zou zijn studies van patiënten hypothese extreme risicogedrag vertonen, bijvoorbeeld die behandeling voor drugsmisbruik. Onderscheid maken tussen de bijdragen van de risico's en de dubbelzinnigheid houding ten opzichte van dergelijk gedrag en het afbakenen van hun neurale correlaten van belang zijn voor het begrijpen van de fundamentele oorzaken voor een dergelijke pathologische gedragingen en voor het ontwerpen van gedragsmatige en farmacologische interventies. Andere interessante locaties zou worden het onderzoek mensen uit verschillende culturen of mensen van verschillende leeftijdsgroepen. De mogelijkheid om specifieke waarde-gerelateerde activiteit te identificeren die manier heeft de potentie om groepsverschillen die de kern van waargenomen verschillen in de praktijk blijkt.

Ten tweede kan de werkwijze worden gebruikt om de invloed van specifieke ervaringen onderzoeken op de houding van individuele subjects ten opzichte van risico en ambiguïteit. De experimentele paradigma zou bijvoorbeeld gebruikt worden voor en na de manipulatie gedrag wordt uitgevoerd of natuurlijke gebeurtenissen, zoals een educatieve interventie, een stress manipulatie of een levensveranderende gebeurtenis.

Ten derde zou een soortgelijke paradigma gebruikt worden met verschillende reeksen van de uitkomsten en waarschijnlijkheden die geschikt zijn voor de vraag die u wilt aanpakken. Zo zou onderwerpen worden gepresenteerd met keuzes tussen verschillende verliezen, in plaats van winst, om de experimentele setting meer rechtstreeks verband houden met risicogedrag in het echte leven, waarvan de potentiële uitkomsten zijn vaak negatief (bijvoorbeeld roekeloos rijden of middelenmisbruik). Ten vierde, niet-monetaire uitkomsten kunnen worden gebruikt om houdingen ten opzichte van risico's en onduidelijkheid in verschillende domeinen, zoals voedsel keuzes en sociale voorkeuren verkennen.

De kritische eigenschap van deze aanpak is dat het een compact en logisch c voorzietomplete manier om gedrag te karakteriseren met betrekking tot een volledig gespecificeerde onderliggende variabele die volledig kenmerkt de voorkeuren van een consistente subject. Dit biedt dus een krachtige aanpak nauw verbonden met de theorie dat beweegt veel verder dan ad hoc karakterisering.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Geen belangenconflicten verklaard.

Acknowledgements

Wij danken Aldo Rustichini voor vruchtbare discussies en opmerkingen over het ontwerp.
Gefinancierd door NIA subsidie ​​R01-AG033406 aan IL en PWG.

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