La medición del valor subjetivo de las opciones arriesgado y ambiguo utilizando Economía Experimental y Métodos funcionales de resonancia magnética

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

Utilizando métodos de resonancia magnética funcional y de comportamiento para determinar la representación neural del valor subjetivo de opciones arriesgadas y ambiguo en el cerebro humano.

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

La mayor parte de las decisiones que tomamos tienen consecuencias inciertas. En algunos casos, las probabilidades de los diferentes resultados posibles son conocidos con precisión, una condición denominada "riesgo". En otros casos, cuando las probabilidades no se puede estimar, se trata de una condición descrita como "ambiguo". Aunque la mayoría de la gente es reacia a riesgo y 1,2 ambigüedad, el grado de esas aversiones variar sustancialmente entre los individuos, de tal manera que el valor subjetivo de la misma opción arriesgada o ambigua pueden ser muy diferentes para diferentes personas. Combinamos la resonancia magnética funcional (fMRI) con un método experimental economía basada en 3 para evaluar la representación neural de los valores subjetivos de opciones arriesgadas y ambigua 4. Esta técnica puede ser ahora utilizado para estudiar estas representaciones neuronales en diferentes poblaciones, como los grupos de diferentes edades y de diferentes poblaciones de pacientes.

En nuestro experimento, los sujetos tomar decisiones consecuentes bntre dos alternativas, mientras que su activación neural se sigue utilizando fMRI. En cada ensayo, los sujetos elegir entre las loterías que varían en su dotación económica y en cualquiera de los dos la probabilidad de ganar esa cantidad o el nivel de ambigüedad asociada a ganar. Nuestro diseño paramétrico nos permite utilizar el comportamiento de cada individuo elección para estimar sus actitudes hacia el riesgo y ambigüedad, y así estimar los valores subjetivos que cada opción celebradas por ellos. Otra característica importante del diseño es que el resultado de la lotería elegido no es revelada durante el experimento, por lo que hay aprendizaje puede tener lugar, por lo que las opciones siguen siendo ambiguas actitudes ambiguas y el riesgo son estables. En cambio, al final de la sesión de exploración ensayos uno o pocos son seleccionados al azar y jugar por dinero real. Dado que los sujetos no saben de antemano que los ensayos serán seleccionados, deben tratar todos y cada ensayo como si él y sólo él era el único ensayo en el que se les pagará. Este diseño esasegura que podemos calcular el verdadero valor subjetivo de cada opción para cada tema. A continuación, buscar áreas en el cerebro cuya activación se correlaciona con el valor subjetivo de opciones arriesgadas y para zonas cuya activación se correlaciona con el valor subjetivo de opciones ambiguas.

Protocol

1. Preparación del Experimento

  1. El primer paso es el diseño de estímulos visuales que representan decisiones riesgosas y ambiguo que se presentarán en la pantalla del escáner. Usamos imágenes como las que se presentan en la Figura 1 para representar bolsas llenas de fichas de póquer que llamamos "bolsas de lotería". Gráficamente, estas imágenes se puede considerar como pilas de fichas de póker antes de ser colocados en una bolsa. Es importante destacar que estas imágenes representan recipientes reales, en nuestro caso, los sobres llenos de 100 fichas de póquer rojo y azul que el sujeto va a ver antes de comenzar el experimento. Esto asegura que los sujetos de ambos entienden las loterías que se enfrentarán y creen que la pantalla del ordenador con precisión presenta las loterías. Para loterías riesgo la probabilidad de ganar, la proporción de rojo a azul fichas en una bolsa que se entrega, se indicarán de forma precisa utilizando números y un gráfico de estímulo (Figura 1A). Por parte de las loterías ambigua de la información acerca de la probabilidad de falta (Figura 1B), tal que la relación posible de rojo a azul virutas está limitado pero no se especifica, haciendo que la probabilidad de ganar parcialmente ambigua.
  2. Por loterías riesgo las zonas rojas y azules de cada imagen son proporcionales a la cantidad de fichas rojas y azules en el sobre. Le recomendamos que utilice un mínimo de 3 probabilidades de resultados 4 (fig. 1A). Las probabilidades exactas usadas pueden variar de acuerdo con los requisitos específicos del experimento, pero experimentadores debe ser cauteloso sobre el uso de probabilidades muy altas y muy bajas. Se sabe que los sujetos humanos típicamente tergiversar probabilidades por debajo o por encima de 10% 90% 5. A menos que uno tiene la intención de estudiar esta tergiversación sistemática, estos extremos deben ser evitados.
  3. Para transmitir la ambigüedad de la parte central de la pila de fichas en la pantalla del ordenador se oscurece con un oclusor gris (Figura 1B). En la zona gris del numBER de fichas de cada color será desconocida, y por lo tanto la probabilidad de sacar un rojo o un chip azul no se conoce con precisión. Por ejemplo, en la bolsa de medio en la Figura 1B el oclusor cubre el 50% de la bolsa, y por lo tanto el número de chips rojos puede estar en cualquier lugar entre 25 (si todas las fichas detrás del oclusor son de color azul) y 75 (si todas las fichas detrás el dispositivo de oclusión son de color rojo). Por supuesto, el número de fichas azules también pueden estar en cualquier lugar entre estos dos valores.
  4. El aumento del tamaño de oclusión aumenta el nivel de ambigüedad (el rango de probabilidades posibles para la elaboración de una ficha roja o azul). Se recomienda utilizar al menos 3 niveles de oclusión, que cubren ~ 25, 50 o 75% de la bolsa (fig. 1B).
  5. Cuando los sujetos realizan la tarea en la computadora, se presenta cada probabilidad de ganar / ambigüedad nivel con un rango de cantidades de resultados posibles. Se recomienda utilizar 5 4 niveles de recompensa, que abarcan una amplia gama de cantidades, por ejemplo: 5, 9,5, 18, ​​34 y 65 dolLars. En la pantalla, se presenta el monto resultado junto al color ganador y mostrará "0" al lado del otro color. Por ejemplo, en la Figura 2 dibujando un chip rojo daría lugar a ganar $ 18 mientras que la elaboración de un chip azul daría lugar a un resultado cero.
  6. Fundamentalmente, en cada uno de los sujetos del ensayo podrán elegir entre dos loterías. Para simplificar, mantener una de las opciones constantes durante todo el experimento (en este ejemplo, un 50% de probabilidades de ganar $ 5) y sólo varían la otra opción. Esto tiene dos ventajas. En primer lugar, la opción constante no tiene que aparecer en la pantalla, lo que simplifica la pantalla visual (aunque un recordatorio de vez en cuando puede ser útil). En segundo lugar, porque una opción nunca cambia, basados ​​en los análisis de regresión de la señal fMRI puede efectivamente descuidar este parámetro. Tenga en cuenta que con el fin de tener una "moneda común" para los valores subjetivos de loterías arriesgado y ambiguo la opción de referencia tiene que ser el mismo para ambos tipos de ensayos.
  7. Cada combinaciónción de nivel de probabilidad o ambigüedad y deberá ser presentado un total de al menos 4 veces, y preferiblemente más, para garantizar el suficiente poder estadístico tanto en el análisis del comportamiento y fMRI. En medio de la red repeticiones debe ser asociado con un resultado distinto de cero y en el azul otra mitad, para evitar el sesgo del color y para asegurar la simetría de la ambigüedad.
  8. Hemos elegido utilizar un lento relacionados con el evento de diseño (figura 3), en la que está bien la respuesta hemodinámica a diferentes ensayos separados en el tiempo. En tal diseño cada lotería deberá ser presentado como un estímulo brevemente, en nuestro caso para 2 s, seguido de un período de retraso (en nuestro caso, 6 s), para dar tiempo a la activación neural decisión relacionada a acumularse. Las respuestas deben hacerse dentro de una ventana de tiempo breve (1-2 s). Utilizar una imagen tal como la que se muestra en la Figura 3 como una retroalimentación breve, de modo que el sujeto conoce su respuesta ha sido registrado. Separe los ensayos largos períodos de descanso (10 s o more) para permitir la respuesta hemodinámica para volver a la línea base. Más cortos períodos de descanso se puede utilizar con jitter apropiado. Grupo de los ensayos en bloques de hasta 30 ensayos cada uno, pero asegúrese de no dejar que los bloques de tardar más de unos 10 minutos. Esto permite que los tiempos de descanso en el escáner que maximizar el rendimiento y minimizar la fatiga del tema. Para permitir al menos 4 repeticiones de cada combinación de probabilidad / ambigüedad y la cantidad total de ensayos será de al menos 120, es decir, 4 bloques.
  9. Preparar las maletas físicas (en un sobre nuestro caso) para que puedan ser mostrados a los sujetos antes de realizar la tarea. Se utilizarán más tarde para jugar el juicio escogido de forma aleatoria (s) para pagar. Preparar una bolsa para cada imagen de lotería utilizado en el experimento. Llenar cada bolsa con un total de 100 de póquer / rojo bingo y virutas de azul, con las proporciones correspondientes a la probabilidad de sacar un chip de cada color de bolsa que se muestra en la pantalla. Para las bolsas ambiguas utilizar un generador de números aleatoriospara decidir sobre el número real de fichas rojas y azules, que corresponden a cada nivel de ambigüedad. Prepare la bolsa de referencia con 50 rojas y 50 fichas azules. Preparación de bolsas de físicos y les enseña a los sujetos es particularmente importante para los sujetos reclutados en los departamentos de psicología. Estos sujetos tienden a sospechar de algún tipo de engaño y decepción en caso de que sospechan sus respuestas serán imposibles de interpretar.

2. Preparación de la Materia

  1. Cada sujeto debe llenar un formulario de consentimiento y un cuestionario de detección. El formulario de evaluación verifica que el sujeto no tiene ningún tipo de metal en su cuerpo, que no están embarazadas o claustrofobia, y que pueden ser escaneados de forma segura. Los sujetos también debe eliminar todos los metales a partir de su cuerpo para asegurar la seguridad en el entorno del escáner. Esto es crítico.
  2. Proporcionar el tema con instrucciones detalladas acerca de la experiencia. Pídales a unas sencillas preguntas para asegurarse de que entienden cómo probadades y cantidades se transportan en cada imagen, y para asegurarse de que entienden su tarea. Asegúrese de no revelar ninguna información que pueda influir en sus decisiones. Por ejemplo, no enmarcar el problema de elección que se enfrentan de manera que empuje los sujetos hacia una actitud de riesgo particular. Muéstreles las bolsas de físicos y el estrés que cada imagen en el experimento se refiere a una sola bolsa de física específica que no puede ni quiere manipular. También se debe aclarar que en la mitad de los ensayos azul será el color ganador y en la mitad roja. Explicar el mecanismo de pago, por lo que el sujeto entiende que se les pagará de acuerdo con sus decisiones. Anime a los sujetos para hacer preguntas sobre cualquier cosa que no entienda. Este es un período crítico en que las creencias de los sujetos acerca del experimento se está estableciendo. Es esencial que los sujetos estar seguro de que el experimento no implica ningún tipo de engaño o de los resultados conductuales y neuronales será interpretable.
  3. Selle las bolsas y que el sujeto firmar su nombre en el sello. Explicar que este les permitirá comprobar al final del experimento que no ha cambiado el contenido de las bolsas durante el experimento. Esto ayuda a tranquilizar a los sujetos que están jugando un juego totalmente justo. Explica también que después de las loterías se juegan en la final del experimento, se les permitirá buscar en el contenido de las bolsas para asegurarse de que se ajustan a la probabilidad establecida o nivel ambigüedad.

3. Exploración

  1. Nosotros utilizamos un escáner de resonancia magnética 3T con una bobina de cabeza (4 canales o más) para obtener nivel de oxigenación sanguínea-dependiente (BOLD) señales desde el cerebro.
  2. Utilice una caja de respuesta de 2 botones para grabar opciones sujetos.
  3. Exploración anatómica: Usamos una secuencia MPRAGE ponderada en T1 para obtener una clara de alta resolución (1x1x1 mm) imagen de cerebro del sujeto que se puede utilizar para la reconstrucción 3D. Cualquier secuencia de alta resolución puede ser usado para este pBJETO.
  4. Exploraciones funcionales: Utilizamos un T2 *-ponderado secuencia EPI, con un TR de 2 s, y 3x3x3 voxels mm. Asegúrese de colocar las rodajas de tal manera que incluya las áreas del cerebro que más le interesa, por lo general la corteza prefrontal, la corteza parietal y los ganglios basales. Parámetros de análisis debe ser optimizado para el escáner específico, hemos utilizado: TE 30 ms, ángulo de giro 75 °, 36 3 rebanadas mm con ningún hueco entre cortes, paralelas a la línea de AC-PC, en el plano mm resolución de 3x3, 192 mm FOV . Otros estudios han sugerido que la colocación de las rodajas a 30 ° a la línea de AC-PC pueden reducir la pérdida de la señal en la corteza orbitofrontal 6.

4. Procedimiento de pago

  1. Después de sacar el tema desde el escáner, recuperar los datos del comportamiento del equipo que se registraron las respuestas del sujeto.
  2. Seleccione al azar uno o pocos ensayos para el pago. Lo mejor es dejar que el sujeto hace la selección, por ejemplo mediante la elaboración de una ficha numerada pokerde una bolsa opaca que contiene fichas con todos los números de prueba. Esto asegurará que el sujeto que la selección es, en efecto aleatorio.
  3. Para cada ensayo seleccionado muestra el tema de la opción presentada y la elección que tomó en ese juicio. Pídales que hagan una ficha de la bolsa elegido en ese juicio, y les pagan de acuerdo al color dibujado y la cantidad presentada en el juicio.

Por ejemplo, si el ensayo seleccionado presenta la lotería se muestra en la Figura 2 (una lotería ambigua, ofreciendo $ 18 si una ficha roja se dibuja) y el tema elegido este sorteo (en lugar de la lotería de referencia), el sujeto debe elaborar una ficha fuera de la bolsa físico correspondiente a la imagen de lotería. Si una ficha roja se dibuja el sujeto reciba $ 18, si una ficha azul se dibuja no recibirán nada.

5. El análisis de los datos sobre el comportamiento

  1. Uso de máxima verosimilitud que ajustar los datos de cada elección sujetos a una logísticafunción de la forma:

Ecuación 1
Donde Va es la probabilidad de que el sujeto eligió la lotería variable, SV F y V SV son los valores subjetivos de las opciones fijos y variables, respectivamente, y γ es la pendiente de la función logística, que es un parámetro específico del sujeto. Un enfoque alternativo es usar una distribución probit.

  1. Para modelar el valor subjetivo de cada opción para cada tema que usted puede usar uno de una serie de modelos que tienen en cuenta el nivel de cantidad, probabilidad y la ambigüedad de la opción y las actitudes del sujeto individual hacia el riesgo y ambigüedad. Hemos elegido utilizar una función de potencia 5 que incluye un efecto lineal de la ambigüedad en la probabilidad percibida 7:

Ecuación 2
Donde p es la probabilidad objetivacapacidad (por definición 0.5 para esta clase de loterías ambiguos), A es el nivel de ambigüedad (la fracción de la probabilidad total que es desconocido, 0 para las loterías de riesgo), V es la cantidad, y α y βare materias específicas de riesgo y ambigüedad parámetros actitud respectivamente. Uno de los enfoques alternativos varias es incluir ambigüedad como un efecto exponencial 8:

Ecuación 3
Montaje de los datos de opción con la función de selección tanto, proporciona estimaciones de la actitud ante el riesgo (α) y la actitud de ambigüedad (β) para cada sujeto.

6. Análisis de los Datos neuronales

  1. Lleve a cabo el preprocesamiento estándar de los datos, incluyendo: 1) rebanada de exploración en tiempo de corrección para tener en cuenta las pequeñas diferencias en los tiempos de análisis de los diferentes segmentos, 2) la corrección de movimiento para explicar el movimiento del sujeto intra-e inter-run, y 3) la eliminación de bajas frecuencias que son típicamente reufórico al ruido fisiológico y derivas del escáner.
  2. Registrar los datos de funcionamiento de cada sujeto a sus datos anatómicos.
  3. Para el análisis en el modelo de sujeto único nivel de la actividad de cada voxel como una respuesta sostenida durante todo el juicio (en nuestro caso 10 s), convolución con una función de respuesta hemodinámica estándar 9. Utilizar un Modelo Lineal General con los siguientes predictores:
  • Dos factores predictivos de valor subjetivo (SV), uno de los ensayos de riesgo y otra para ensayos ambiguos. Utilizar la ecuación 2 y los parámetros individuales de sujetos específicos derivados del ajuste de comportamiento para calcular el SV de cada lotería. Desde la lotería de referencia es el mismo para todos los ensayos, se puede usar el SV de la lotería variable solamente en cada ensayo. Para el predictor de riesgo SV insertar el SV para cada ensayo arriesgado, y 0 para cada ensayo ambigua, y viceversa para el predictor ambigua.
  • Dos factores predictivos ficticias, una para ensayos de riesgo y otra para ensayos ambiguas, para colmotura general de activación, tales como activaciones visuales y motor.
  1. Busque voxels en la que los coeficientes de SV bajo riesgo y / o debajo de ambigüedad son significativos. La prueba de significación debe tener en cuenta las múltiples comparaciones realizadas. El método que usamos fue limitar el tamaño de clúster mínimo de 6 voxels contiguos funcionales 10. Alternativamente, otros métodos, tales como la tasa de falso descubrimiento (FDR) 11, se puede utilizar para corregir las múltiples correcciones.

7. Los resultados representativos

Comportamiento

La Figura 4 presenta los resultados de comportamiento de las tres sujetos representativos. Cada panel presenta los datos de la elección y los resultados del modelo de ajuste para un sujeto bajo la categoría de riesgo (izquierda) o ambigüedad (derecha). Los gráficos muestran la proporción de ensayos en los que el tema elegido en la lotería variable en función de la cantidad, de forma separada para cada nivel de problemascapacidad o la ambigüedad. Como se puede observar, los sujetos pueden variar mucho en sus actitudes hacia el riesgo y ambigüedad.

Para examinar la bondad del ajuste, compruebe el r 2, que idealmente debe ser mayor de 0,5, y también inspeccionar visualmente las curvas. Si bien todos los sujetos tenían tres ejemplos de comportamiento legal que permitió a ajustes razonables, tenga en cuenta que apenas dos sujetos eligieron la opción variable de la condición de riesgo con la probabilidad más baja (0,13). Esto sugiere que la ampliación de la gama de cantidades y / o el uso de probabilidades más altas se pueden obtener mejores resultados, ya que se asegurará de que los sujetos elegir las opciones de variables en al menos algunos de los ensayos. Otra opción es la de pre-prueba cada sujeto en una amplia gama de cantidades y elegir aquellas cantidades que aseguren un número comparable de referencia y las opciones Variable opcional para cada individuo.

fMRI

La Figura 5 presenta los resultados de las imágenes en un representantesujeto. Voxels resaltados son aquellos en los que el coeficiente del predictor valor subjetivo bajo ambigüedad (parte superior) o el riesgo (parte inferior) fue significativamente diferente de 0. En esta asignatura típica, se encontró correlación significativa en la corteza prefrontal medial (MPFC) y el cuerpo estriado en ambas condiciones. Estas áreas son las más consistentes a través de los sujetos, pero las correlaciones significativas también se puede esperar en las zonas de la corteza parietal medial y lateral, así como en la amígdala. Como la actividad en este tipo de tareas es generalmente débil y ruidosa que debe esperar una gran variabilidad entre los sujetos con muchos temas que presenta correlaciones significativas sólo en un subconjunto de áreas.

Figura 1
Figura 1. Estímulos arriesgado y ambiguo. A) En las zonas de riesgo estímulos de color rojo y azul de cada imagen en la pantalla es proporcional al número de fichas rojas y azules en el sobre. Tres probabilidades de resultados wantes de utilizarse aquí: 0,13, 0,25 y 0,38. B) En los estímulos ambiguos de la parte central de la imagen se oscurece con un oclusor de gris. En la zona gris el número de fichas de cada color es desconocido, y por lo tanto la probabilidad de sacar un chip de un cierto color no se conoce con precisión. Tres niveles de ambigüedad se utilizan aquí, donde 25%, 50 o 75 de la imagen están ocluidos.

Figura 2
Figura 2. Un ejemplo de lotería. Esto es una lotería ambigua, a un nivel de ambigüedad 50%. Al menos 25 de las fichas en la envoltura son de color rojo y por lo menos 25 son de color azul. Si una ficha roja se dibuja el sujeto va a ganar $ 18, mientras que van a ganar nada si un chip azul se dibuja.

Figura 3
Figura 3. La estructura de ensayo. Una lotería se presenta brevemente, seguido de un período de retardo. Una señal de respuesta le pide sujetos para indicar elposibilidad de elegir entre ir a la lotería en la pantalla y la lotería de referencia (en este caso un 50% de probabilidades de ganar $ 5). Los ensayos se intercalan con períodos de descanso prolongados.

Figura 4
Figura 4. Algunos ejemplos de comportamiento individual elección de asignaturas. Las gráficas presentan la proporción de ensayos en los que cada sujeto eligieron la opción variable sobre la referencia, en función de la cantidad ofrecida, en riesgo (izquierda) y ambiguo (derecha) ensayos. Existen diferentes curvas de riesgo distintos niveles de ambigüedad. α, el parámetro de riesgo actitud, β, el parámetro ambigüedad actitud, r 2, pseudo McFadden R-cuadrado, una medida de la bondad del ajuste del modelo de comportamiento, lo que equivale a la porción de la variación que se explica por el modelo, n, el número de de ensayos en los que la respuesta fue hecho (de un total de 180).

Figura 5 <br /> Figura 5. Mapas de ejemplo de mapas individuales sujetos de activación. Activación se presentan en una imagen de alta resolución anatómica. Zonas destacadas son aquellas cuya activación se correlacionó significativamente con valor subjetivo bajo riesgo (arriba) o en virtud de la ambigüedad (abajo). En la mayoría de los sujetos de la corteza prefrontal medial (MPFC) y el cuerpo estriado, un valor subjetivo bajo riesgo y ambigüedad. Corregido p-valores se basan en un tamaño de clúster mínimo de 6 voxels funcionales. Haga clic aquí para ampliar la cifra .

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Hemos utilizado el método de la economía experimental para caracterizar el comportamiento de los sujetos y estimar las actitudes individuales hacia el riesgo y ambigüedad. A continuación, utiliza estos cálculos para analizar datos neuronales.

Otros métodos para examinar la actividad fMRI mientras que los sujetos tomar decisiones bajo riesgo y la ambigüedad se han utilizado antes de 8,12. Nuestro enfoque, sin embargo, combina varias características importantes. En primer lugar, se utiliza un diseño paramétrico, en el que diferentes parámetros (cantidad, probabilidad y nivel de ambigüedad) son sistemáticamente variadas. Esto nos permite cuantificar el riesgo individual y las actitudes de ambigüedad y para calcular el valor subjetivo de cada opción para cada sujeto. En segundo lugar, teniendo la medida de comportamiento individual que nos permite buscar áreas cerebrales cuya activación se correlaciona con esa medida, separado por el riesgo y ambigüedad, a un nivel en cuestión. Esta es una manera limpia para examinar los codificación neural de un parámetro (valor subjetivo) uTEDR diferentes condiciones (de riesgo y ambigüedad), mientras que el control de las posibles diferencias entre las condiciones (tales como el comportamiento de elección). En tercer lugar, con selección aleatoria de una prueba al final del experimento y jugar por dinero real animamos a los sujetos para revelar sus verdaderas preferencias 13.

En el nivel conductual, este método nos permite resumir el comportamiento de elección única de cada sujeto con sólo dos números, que representa el riesgo y actitudes ambigüedad del sujeto individual. La teoría económica tradicional indica que para selectores que se comportan de forma consistente estos son caracterizaciones necesarias y suficientes de sus preferencias. Dicho de otra manera, se puede probar que 1) no hay caracterización posible otro puede ser más completo o compacto y 2) que todas las caracterizaciones más complejas son redundantes. A nivel neuronal, el método nos permite identificar la representación neural del valor subjetivo que los sujetos individuales ASCRIestar a las opciones que encuentran en este nivel es necesario y suficiente de caracterización. Por supuesto, otras caracterizaciones del comportamiento son posibles, pero el uso de medidas ad hoc de "grado de riesgo" que no se pueden relacionar de forma completa ya sea a la conducta o las señales neuronales puede plantear más problemas de los que resuelve 1.

Se describe un método específico para la localización de zonas cuya actividad se correlaciona con el valor subjetivo. Hay otras formas complementarias, para analizar los datos de los nervios en forma exploratoria, que no requiere hipótesis previas. Métodos de agrupamiento y análisis de componentes independientes (ICA) son métodos que podrían revelar adicional de riesgo y ambigüedad relacionada con la activación.

Los resultados revelaron una considerable variabilidad de comportamiento a través de temas, lo que sugiere varias posibles extensiones del método que se podría utilizar en futuros estudios de riesgo y ambigüedad. En primer lugar, los métodos pueden ser utilizados para sondar difierendiferencias en el comportamiento entre los individuos, y para identificar los correlatos neurales de estas diferencias, en poblaciones de sujetos diferentes. De particular interés serían estudios de pacientes hipótesis extrema de exhibir los comportamientos de riesgo, por ejemplo los sometidos a tratamiento por abuso de drogas. Distinguir entre las contribuciones de las actitudes de riesgo y ambigüedad de tales conductas y delinear sus correlatos neurales son importantes para la comprensión de las causas fundamentales de este tipo de comportamientos patológicos y para la elaboración de las intervenciones conductuales y farmacológicas. Otros lugares interesantes examinaría las personas de diferentes culturas o personas de diferentes grupos de edad. La capacidad de identificar el valor específico relacionado con la actividad de este modo tiene el potencial para revelar diferencias entre los grupos que están en la base de las diferencias observadas en la vida real.

En segundo lugar, el método podría ser utilizado para examinar la influencia de las experiencias específicas de las actitudes de s personaubjects hacia el riesgo y ambigüedad. El paradigma experimental podría, por ejemplo, ser empleado antes y después de una manipulación del comportamiento se lleva a cabo o se producen los fenómenos naturales, como por ejemplo una intervención educativa, una manipulación estrés, o un evento que cambia la vida.

En tercer lugar, un paradigma similar podría ser utilizado con diferentes rangos de los resultados y las probabilidades de que sean apropiados para la pregunta que te gustaría abordar. Por ejemplo, los sujetos podrían presentarse con opciones entre diferentes pérdidas, en lugar de ganancias, a relacionarse más directamente el valor experimental de las conductas de riesgo en la vida real, cuyos posibles resultados suelen ser negativos (por ejemplo, la conducción temeraria o con abuso de sustancias). En cuarto lugar, no monetarios, los resultados podrían ser utilizados para explorar las actitudes hacia el riesgo y ambigüedad en distintos ámbitos, tales como la elección de alimentos y las preferencias sociales.

La característica crítica de este enfoque es que proporciona un diseño compacto y lógicamente complete manera de caracterizar el comportamiento con respecto a una variable subyacente totalmente especificada que caracteriza completamente las preferencias de un sujeto coherente. Este modo ofrece un poderoso enfoque estrechamente vinculada a la teoría que va mucho más allá ad hoc caracterización.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

No hay conflictos de interés declarado.

Acknowledgements

Damos las gracias a Aldo Rustichini para un debate fructífero y comentarios sobre el diseño.
Financiado por NIA subvención R01-AG033406 a IL y 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