Mesurer la valeur subjective des options risquées et ambiguës l'aide de l'économie expérimentale et fonctionnels des méthodes d'IRM
Summary
En utilisant des méthodes d'IRM fonctionnelles et comportementales afin de déterminer la représentation neuronale de la valeur subjective des options risquées et ambiguës dans le cerveau humain.
Abstract
La plupart des choix que nous faisons ont des conséquences incertaines. Dans certains cas, les probabilités pour différents résultats possibles sont connues avec précision, un état appelé «à risque». Dans d'autres cas lorsque les probabilités ne peuvent pas être estimés, ceci est une condition décrite comme «ambiguë». Alors que la plupart des gens ont une aversion pour le risque et 1,2 ambiguïté, le degré de ces aversions varient considérablement selon les individus, tels que la valeur subjective de la même option risquée ou ambiguë peuvent être très différentes pour différentes personnes. Nous combinons l'IRM fonctionnelle (IRMf) avec une méthode d'économie expérimentale basée sur 3 pour évaluer la représentation neuronale des valeurs subjectives des options risquées et ambiguës 4. Cette technique peut être maintenant utilisée pour étudier ces représentations neuronales dans différentes populations, comme les différents groupes d'âge et populations de patients différentes.
Dans notre expérience, les sujets font consécutifs b choixntre deux alternatives alors que leur activation neurale est suivi par IRMf. A chaque essai le choix entre des loteries sujets qui varient dans leur valeur monétaire et dans les deux la probabilité de gagner ce montant ou le niveau d'ambiguïté associée à la victoire. Notre conception paramétrique nous permet d'utiliser le comportement de choix de chaque individu à évaluer leurs attitudes face au risque et à l'ambiguïté, et donc d'estimer les valeurs subjectives que chaque option détient pour elles. Une autre caractéristique importante de la conception est que le résultat de la loterie choisie n'est pas révélée au cours de l'expérience, de sorte que aucun apprentissage ne peut avoir lieu, et donc les options restent ambiguës attitudes ambiguës et les risques sont stables. Au lieu de cela, à la fin de la session de numérisation essais un ou quelques-uns sont choisis au hasard et a joué pour de l'argent réel. Puisque les sujets ne savent pas à l'avance quels essais seront sélectionnés, ils doivent traiter chaque essai, comme si elle et elle seule a été le procès sur lequel ils seront payés. Cette conception engarantit que nous pouvons estimer la vraie valeur subjective de chaque option pour chaque sujet. Nous examinons ensuite les zones du cerveau dont l'activation est corrélée à la valeur subjective d'options à risque et des zones dont l'activation est corrélée avec la valeur subjective d'options ambiguës.
Protocol
Discussion
Nous avons utilisé une méthode d'économie expérimentale pour caractériser le comportement des sujets et évaluer les attitudes individuelles face au risque et à l'ambiguïté. Nous avons ensuite utilisé ces estimations pour analyser les données de neurones.
D'autres méthodes pour examiner l'activité IRMf alors que les sujets à faire des choix dans le risque et l'ambiguïté ont été utilisées avant 8,12. Notre approche, cependant, combine plusieurs…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Nous remercions Aldo Rustichini pour des discussions fructueuses et des commentaires sur la conception.
Financé par le NIA subvention R01 AG033406-IL et du PWG.
Materials
| Name | Company | Comments |
| Allegra Head Only 3.0 T MRI Scanner | Siemens | 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 |
References
- Glimcher, P. W. Understanding risk: a guide for the perplexed. Cogn. Affect Behav. Neurosci. 8, 348-354 (2008).
- Camerer, C., Weber, M. Recent Developments in Modeling Preferences – Uncertainty and Ambiguity. Journal of Risk and Uncertainty. 5, 325-370 (1992).
- Holt, C. A., Laury, S. K. Risk aversion and incentive effects. Am. Econ. Rev. 92, 1644-1655 (2002).
- 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).
- Kahneman, D., Tversky, A. Prospect Theory – Analysis of Decision under Risk. Econometrica. 47, 263-291 (1979).
- Deichmann, R., Gottfried, J. A., Hutton, C., Turner, R. Optimized EPI for fMRI studies of the orbitofrontal cortex. Neuroimage. 19, 430-441 (2003).
- Gilboa, I., Schmeidler, D. Maxmin Expected Utility with Non-Unique Prior. J. Math Econ. 18, 141-153 (1989).
- 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).
- Boynton, G. A., Engel, S. A., Glover, G., Heeger, D. . J Neurosci. 16, 4207-4221 (1996).
- 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).
- 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).
- 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).
- Smith, V. L. . Papers in experimental economics. , (1991).
