灵长类前脑岛皮层编码前景理论所提出的经济决策变量：一项神经科学研究报告

第一， 研究作者、机构及发表信息

本研究的主要作者为You-ping Yang, Xinjian Li 和 Veit Stuphorn。Yang和Li为共同第一作者，Veit Stuphorn为通讯作者。研究团队主要来自约翰斯·霍普金斯大学心理与脑科学系、扎维克里格心智/脑研究所以及医学院神经科学系。

该研究成果以题为“Primate anterior insular cortex represents economic decision variables proposed by prospect theory”的论文形式，发表于学术期刊 *Nature Communications*，发表日期为2022年。论文的开放获取链接为 https://doi.org/10.1038/s41467-022-28278-9。

第二， 学术背景与研究目的

本研究属于认知神经科学与行为经济学交叉领域。其核心科学问题是：人类在面对风险决策时所表现出的复杂行为模式（如风险态度随财富水平和得失情境变化），其背后的神经计算机制是什么？这些行为模式最成功的描述模型之一是前景理论（Prospect Theory）。该理论有两个关键假设：第一，个体并非依据最终财富的绝对价值，而是依据相对于某个参考点（reference point） 的得失来评估选项；第二，个体对损失的敏感性高于对同等程度收益的敏感性，即存在损失厌恶（loss aversion）。

尽管前景理论在行为层面得到了广泛验证，但其核心计算过程（参考点设定、得失不对称的价值评估）在大脑神经元层面是如何实现的，仍然未知。前脑岛皮层（Anterior Insular Cortex, AIC）在人类神经影像学和临床研究中被广泛认为与风险决策、内部状态监控和情绪处理有关。例如，AIC损伤会影响患者的风险态度。然而，在非人灵长类动物中，AIC神经元在风险决策中具体编码何种信息，是否与前景理论的框架相符，尚缺乏直接的神经电生理证据。

因此，本研究旨在：1）验证猕猴是否表现出与人类相似的情境依赖性风险决策行为；2）探究猕猴AIC神经元的活动是否编码前景理论所提出的关键决策变量（如参考点、得失不对称的价值信号）；3）探索AIC神经元活动是否与动物的具体选择和风险态度波动相关。研究假设是，AIC可能负责编码用于指导风险承担意愿的上下文信息。

第三， 详细研究流程与方法

本研究包含三个主要流程：动物行为学实验、计算行为建模和神经电生理记录与分析。

流程一：动物行为学实验与行为分析 * 研究对象与任务设计：研究使用两只成年雄性猕猴（猴G和猴O）作为研究对象。研究者设计了一种基于代币的赌博任务。在该任务中，猴子需要通过累积至少6个代币来获得一次标准的水奖励（600微升）。每轮试验中，猴子需要在两个选项之间做出选择：一个是确定选项（sure option），提供确定数量的代币增减；另一个是赌博选项（gamble option），提供两个可能的结果（例如，获得3个或0个代币），每个结果有特定的概率。任务分为收益情境（gain context） 和损失情境（loss context）。在收益情境中，所有选项都涉及获得代币；在损失情境中，所有选项都涉及损失代币。猴子当前拥有的代币数量（起始代币数）在每个试验开始时明确显示，这构成了其当前的“财富水平”。 * 实验操作：猴子通过眼动来选择目标。实验记录了它们的选择、反应时间等行为数据。除了自由选择试验外，还穿插了强制选择试验（forced-choice trials），即只呈现一个选项，以分离与决策过程相关的神经活动，而不受选择冲突的影响。 * 行为数据分析：分析重点在于猴子的风险态度如何受情境影响。关键发现包括：1）猴子在收益情境下比在损失情境下更倾向于选择赌博选项。2）风险态度受起始代币数（财富水平）调节：在收益情境下，随着财富增加，猴子变得更风险规避（更少选择赌博）；在损失情境下，随着财富增加，猴子变得更风险寻求（更多选择赌博以避免损失）。3）通过设计匹配试验对，研究者证明猴子的选择基于相对价值（相对于参考点的得失）而非绝对价值（最终代币数），这符合前景理论的核心前提。 * 行为建模：研究者使用前景理论模型对猴子的选择行为进行了量化建模。模型包含三个关键的非线性函数：效用函数（utility function，参数α） 将得失转化为主观价值，损失厌恶系数（λ） 衡量对损失相对于收益的敏感性，概率权重函数（probability weighting function，参数γ） 将客观概率转化为主观权重。模型通过最大似然法拟合行为数据。结果表明，前景理论模型比简单的期望价值（Expected Value）模型能更好地解释猴子的选择行为，证实了猴子决策中存在非线性价值评估和概率扭曲。

流程二：神经电生理记录与神经元活动分析 * 研究对象与记录方法：在猴子执行上述任务的同时，研究者使用单电极记录了其AIC脑区总共240个神经元（猴G：142个，猴O：98个）的细胞外电活动。记录位置通过磁共振成像（MRI）进行了定位和确认，主要位于前脑岛的颗粒区和非颗粒区。 * 数据分析流程：分析聚焦于选择期（从目标呈现到眼动发起）的神经元活动。研究者采用了一系列多元线性回归模型，以确定每个神经元编码了哪些决策相关变量。这些变量分为三大类： 1. 价值相关变量：包括编码选项期望价值（在收益或损失情境下）、收益/损失类别、行为显著性（价值绝对值）等信号的神经元。 2. 代币资产相关变量：包括编码起始代币数的神经元。编码方式有三种：参数化编码（放电率随代币数单调变化）、分类编码（将代币数分为高/低两类）和数值编码（对特定代币数有选择性调谐，类似“数字神经元”）。 3. 风险相关变量：编码选项结果方差（风险）的神经元，同样分为参数化编码和分类编码。 此外，还测试了编码绝对价值（期望最终代币数）的神经元，但数量极少。 * 神经元分类：使用赤池信息量准则（AIC） 为每个神经元选择最佳拟合模型，并根据模型中包含的显著变量对神经元进行分类。研究发现，62%（149/240）的AIC神经元至少编码一种决策相关变量，其中34%的神经元表现出混合选择性（编码多个变量）。价值编码神经元中，大部分（70%）表现出情境特异性，例如，专门编码“损失价值”的神经元数量远多于专门编码“收益价值”的神经元。 * 信号敏感性分析：研究者进一步分析了价值编码神经元对价值变化的敏感性。他们计算了损失价值神经元在损失情境下，以及收益价值神经元在收益情境下，其放电率对期望价值的标准化回归系数（Standardized Regression Coefficient, SRC） 的绝对值。结果表明，损失价值神经元对价值变化的敏感性高于收益价值神经元，这与行为上观察到的损失厌恶（效用函数在损失域更陡峭）相呼应。此外，这种敏感性还受到财富水平的调节，随着起始代币数增加，敏感性降低，与行为模型中效用函数随财富增加而变得平缓的趋势一致。 * 神经元活动与行为关联分析：为了探究AIC活动是否直接影响决策，研究者计算了每个神经元在自由选择试验中的活动与猴子显性选择（选择赌博 vs. 选择确定选项）以及隐性风险态度（风险寻求 vs. 风险规避）之间的关联度，使用接收者操作特征曲线下面积（Area Under Curve, AUC） 作为衡量指标。结果显示，15%的AIC神经元其活动波动与选择或风险态度的试次间波动显著相关，表明这些神经元的信号可能与决策的因果机制有关。

第四， 主要研究结果

1. 行为结果验证了前景理论在猕猴中的适用性：猕猴表现出与人类相似的情境依赖性风险态度。它们的决策基于相对价值（相对于当前财富的得失），而非绝对价值。行为数据能够很好地用前景理论模型进行拟合，模型参数显示存在非线性效用函数、损失厌恶（至少在一只猴子中显著）以及概率权重函数的扭曲。这些结果为后续神经生理学研究提供了行为基础，并确立了猕猴作为研究前景理论神经机制的合适模型。

2. AIC神经元编码前景理论的核心变量：这是本研究最核心的发现。

   • 参考点编码：大量AIC神经元（105个）编码起始代币数，即动物的当前财富水平。这为前景理论中的“参考点”提供了直接的神经表征证据。编码方式多样，包括参数化、分类和数值调谐，表明AIC以复杂的方式整合了当前的内部状态信息。
   • 得失不对称的价值编码：价值编码神经元（73个）大多表现出情境特异性。特别是，专门编码“损失价值”的神经元数量显著多于编码“收益价值”的神经元（29个 vs. 4个）。这为神经层面的“损失厌恶”提供了潜在基础，即大脑对损失相关信息的处理投入了更多的神经资源或具有更高的敏感性。
   • 相对价值框架的主导性：只有极少数神经元（9个）编码绝对价值（期望最终代币数），而大量神经元编码相对价值或参考点。这强烈支持大脑（至少是AIC）在风险决策中采用前景理论所假设的相对价值评估框架。
   • 风险编码：一部分神经元（19个）编码选项的风险（结果方差），这与AIC参与风险监控的既往研究一致。

3. 价值信号敏感性反映行为模式：对价值编码神经元的定量分析发现，损失价值神经元对价值变化的神经敏感性高于收益价值神经元。这一发现与行为模型拟合出的更陡峭的损失域效用函数（更高的损失敏感性）在逻辑上一致，建立了从神经元活动模式到宏观行为表现的桥梁。此外，这种神经敏感性也随财富水平变化，与行为上风险态度随财富变化的现象相呼应。

4. AIC活动与决策行为直接相关：AUC分析表明，一部分AIC神经元的活动波动能够预测猴子在单个试次中的具体选择（是选赌博还是确定选项）以及其风险态度（是偏向风险寻求还是风险规避）。这一发现超越了简单的相关关系，提示这些神经元的活动可能参与了决策形成过程，或至少反映了影响决策的内部状态波动。

第五， 研究结论与意义

本研究的结论是：灵长类动物（猕猴）的前脑岛皮层在风险决策过程中，编码了前景理论所提出的关键经济决策变量。具体而言，AIC神经元表征了决策的参考点（当前财富水平），并表现出损失厌恶的神经特征（对损失相关价值信号的变化更敏感）。此外，AIC神经元活动的波动与动物选择和风险态度的波动相关。这些发现表明，AIC在风险决策中可能负责监控上下文信息（如当前状态和选项的得失框架），并据此调节动物承担风险的意愿。

科学价值： 1. 连接行为经济学与神经科学：首次在单神经元水平上，为描述人类风险决策的经典行为经济学理论——前景理论——提供了直接的神经生物学证据，架起了宏观行为描述与微观神经机制之间的桥梁。 2. 揭示AIC的功能：明确了AIC在风险决策中的具体计算角色，即编码参考点和进行得失不对称的价值评估，深化了对这一脑区功能的理解。研究提示AIC可能作为整合内部状态（财富）和外部选项（得失价值）的枢纽，将情境信息输入到下游的决策回路中。 3. 确立动物模型的有效性：证实了猕猴能够表现出复杂的情境依赖性风险决策行为，且其神经机制与人类相关，支持使用非人灵长类动物来深入研究高级经济决策的神经基础。

第六， 研究亮点

1. 开创性的发现：首次在单神经元水平上报告了大脑对前景理论核心变量（参考点、损失厌恶）的表征，是行为经济学神经基础研究的一项重要突破。
2. 精巧的行为任务设计：使用“代币”作为次级强化物，巧妙地构建了可动态变化的“财富”概念，使得在动物身上研究参考点依赖的决策成为可能。任务设计允许清晰分离收益和损失情境，以及系统操纵参考点（起始代币数）。
3. 细致深入的神经信号解析：不仅发现了神经元编码各类决策变量，还进一步分析了编码的“质量”，如损失与收益价值信号的敏感性差异及其与财富水平的交互作用，使研究结论更加深入和具有说服力。
4. 多层次证据的汇聚：研究结合了行为学、计算建模和神经电生理学多种方法，从行为模式、模型拟合到神经元活动特征，形成了相互印证、逻辑完整的证据链。
5. 对混合选择性和功能异质性的揭示：研究发现AIC神经元存在大量的混合选择性编码，且功能类型多样（如数值调谐的“代币神经元”），反映了AIC作为高级联合皮层处理复杂信息的特性。

第七， 其他有价值的内容

研究在讨论部分也指出了本工作的局限性，为未来研究指明了方向： 1. 参数空间有限：研究中使用的奖励数量和概率水平较少，难以在神经元层面精确检验效用函数和概率权重函数的非线性形状。未来需要探索更大的参数空间。 2. 脑区特异性未知：尚不清楚所观察到的神经信号是否为AIC所独有，还是存在于其他脑区。需要记录AIC上下游脑区的活动以确定其在整个决策神经网络中的具体角色。 3. 因果关系待证实：目前的研究主要是相关性的。需要通过对AIC进行干预（如抑制或激活）来验证其是否在风险决策中扮演因果性角色。 4. 与情绪和体内平衡的关联：研究者提出，AIC在风险决策中的功能可能与其在情绪处理和体内平衡调节中的核心作用密切相关。未来的研究可以进一步探索经济决策、情绪和自主神经调节在AIC中的相互作用机制。

这项研究通过精密的实验设计和深入的数据分析，成功地将前景理论这一行为模型“映射”到了大脑的神经活动上，为理解风险决策的神经计算原理提供了重要的新见解。