数字策略能够实现无人监督的远程评估与训练，但需考虑多个因素，以确保所收集数据的有效性以及干预措施的实用性。
综述文章
数字策略能够实现无人监督的远程评估与训练，但需考虑多个因素，以确保所收集数据的有效性以及干预措施的实用性。
技术的进步使得认知与功能评估及训练的数字化传递成为可能。数字化策略大致可分为两类：一类最初即为数字化传递而开发，另一类则由早期传统的纸质铅笔评估迁移而来。关于有监督与无监督模式下的评估和训练，已有大量研究。同时，人工智能（AI）等并发的数字技术发展，使得平行评估表单能够快速生成，并促进评估材料的国际翻译，预示着在全球范围内广泛普及部署的可能性。然而，翻译并不等同于验证，许多评估工具虽已被翻译，但尚未在翻译后进行常模建立或有效性验证。本综述探讨了当前数字化评估与训练的发展现状，通过分析已被广泛应用于线下面对面场景、并经历翻译与数字化迁移的评估实例，将其与从未以纸质或面对面形式实施过的纯数字化策略进行比较。本文还讨论了无监督模式下表现结果的实用性，及其对个体自行施测数字化评估或训练项目所带来的影响。要实现远程、可及且个性化的数字化策略，尚有几个方面需要审慎考虑，包括心理测量学的完整性、语言有效性、面对面人工测试者所提供的社会支持，以及此类支持是否可被量化并由数字化替代方案加以补充。
数字革命已经改变了与衰老相关疾病及精神疾病中的认知与功能评估及训练的格局。如今进行的大量评估在很大程度上或部分依赖于数字化方式实施。数字化评估可源自传统的人工施测的神经心理学标准测试1,2，也可完全原生于数字平台3,4,5。一些策略包括在移动设备上实施评估6,7,8，并可结合其他远程评估手段，以捕捉个体即时的情绪、所处位置及环境状况9。
系统的数字化迁移使得能够将程序的数字化版本与传统版本进行比较。对于某些任务，已收集了广泛的验证信息，并与传统程序进行了系统性比较。一个例子是精神分裂症认知简明评估量表（Brief Assessment of Cognition in Schizophrenia, BACS），该量表将一个经过广泛标准化10的传统测试迁移至数字化实施平台11，并开展了相应的比较性标准化研究12。另一个类似的例子是Loewenstein-Acevedo语义干扰与学习量表（Loewenstein-Acevedo Scales for Semantic Interference and learning, LASSI-L）的数字化迁移13，该量表被迁移为一种由虚拟形象引导、可远程施测14的版本，并开发了三个数字化形式15。
数字任务的一个优势在于，快速且通常自动化的更新（包括测试刺激材料）具有高度可行性。这涵盖了采用人工智能（AI）策略进行语言翻译，可快速生成不同版本。此外，人工智能策略还有助于开发重复测试所需的平行形式，特别是在记忆或问题解决能力的评估中，以避免不可接受的练习效应16，即使在痴呆症患者群体中也是如此17。本文综述的一个目标是评估以往数字化迁移和AI适配的质量，包括数字化迁移后在语言翻译和平行形式开发方面的等效性数据。
数字评估的进一步发展体现在远程或无人监督的自我施测，即由受试者自行完成数字评估或训练程序。尽管商业化的计算机化认知训练（CCT）多年来一直采用这种方式18，但一些研究也表明，无人监督的自我施测在认知测试中同样具有可行性19,20,21。无人监督的自我施测可在家中通过联网的数字设备完成，也可在测试中心进行，在后者场景中，多名受试者在最低限度的监督下完成测试。相关可行性研究通常持续时间较短，尽管其中部分研究的持续时间与标准临床试验相当，甚至更长。本文将综述当前无人监督评估与训练的整体状况，并就存在挑战的领域或需进一步研究的方向进行评述。
在无监督评估与训练中，一个关键问题是跨文化适应性与可行性。除了语言差异外，还存在显著的经济差异，这可能影响数字设备的可及性与使用能力，包括对手机、平板电脑或笔记本电脑的使用经验，以及家庭互联网接入情况22。全球范围内的数字鸿沟已不再以年龄为划分依据，而是以经济状况为主。参与者参与在线远程数字活动的动机在不同个体之间可能存在显著差异。无监督评估的可行性指标包括知情同意率、评估完成率、数据有效性以及操作技术的能力。大多数临床无监督评估针对的是存在一定程度功能障碍的个体，这些个体通常会接受大量指导20,21，包括面对面指导，以帮助其登录系统并完成评估或训练任务。然而，从那些自愿参加远程研究、且所有注册与培训过程均完全独立完成的个体所获得的可行性数据19,23，可能无法推广至数字技能较低、对自身能力信心不足以及整体认知功能较差的人群。这包括那些怀疑自己已有痴呆早期征兆并在医疗机构进行无监督评估的个体。
在一项关于两种数字评估系统从设备本地计算机呈现过渡到基于云的交付方式的研究中24，触控屏在数据采集速度方面相较于计算机鼠标具有系统性优势。功能性能力评估中普遍存在数字素养方面的挑战：部分受试者键盘操作技能极低，甚至需要指导才能学会输入密码中的大写字母25。在美国多地开展的一项关于认知功能与功能性能力的多中心研究中26，受试者在数字化功能性能力评估中的表现因地理位置不同而差异超过1.0个标准差，该差异与各地区的教育水平和收入水平相关。我们将利用所有可获得的指标，评估无人监督模式下评估与训练的可行性和有效性。
如下所述，无人监督技术应用的主要挑战并非数字化结果与标准测量方法之间缺乏一致性。主要挑战在于自我施测评估和训练所需技术的广泛适用性，以及在缺乏人工监督的情况下个体表现差异过大。在标准认知任务中存在一种内在的社会互动，可为遇到困难的参与者提供监督和帮助。另一个重要问题是，此类支持是否能够通过基于人工智能的交互以数字化方式提供，从而模拟传统人工施测评估程序中参与者与测试者之间的互动。
以下是针对上述问题的数据回顾。内容包括适用于传统评估和数字化评估的基于表现的测试效度验证标准；传统评估向数字化迁移的标准；以及对原生数字化任务与从传统纸质/人工施测格式迁移而来的任务在效度验证过程方面的比较，后者包括替代形式、翻译及跨文化调适。此外，还广泛讨论了无人监督施测相对于人工施测策略的可行性，探讨了这些策略的整体可行性，以及人类测试员在传统评估和训练干预中的作用。在这些评估情境中，存在若干功能，其中部分功能理论上可通过人工智能辅助来实现。补充文件 1 列出了本综述所考虑的问题。
认知与功能评估验证的一般原则
在开发经过充分验证的数字化评估或治疗策略时，需考虑多个方面。这一过程的一个典型范例是协作式大规模结局评估开发项目——“改善精神分裂症认知的测量与治疗研究”（Measurement and Treatment Research to Improve Cognition in Schizophrenia, MATRICS）计划，该项目对大量传统、由测试员施测的评估工具进行了验证研究。根据一次共识会议的讨论结果27，在此背景下测试工具的选择遵循五个核心原则：多次施测的可靠性、适用于纵向研究、与功能结局相关、对治疗相关的改变具有敏感性，以及整体的可行性和可接受性。重复施测的适用性被定义为练习效应极小，或存在等效的替代版本。尽管最终确定的MATRICS共识认知量表（MCCB）28所选测试均符合这些标准，但该量表在远程施测时已被证明存在实施困难29。类似的发展流程也被应用于另一项目标相近的评估工具——精神分裂症简明认知评估（Brief Assessment of Cognition in Schizophrenia, BACS）3。BACS采用相似的开发策略，并对其包含的六个由测试员施测的分测验均进行了上述各项特性的检验，包括在一项纳入健康对照的大样本验证研究中（n = 404）8。
BACS 量表已在国际上得到广泛验证，多项研究探讨了其应用（例如，30,31,32,33,34,35）。有趣的是，MCCB 也已被多次翻译，开发者网站36列出了 45 种不同的翻译版本。该网站还指出，尽管这 45 个版本在国际临床试验中被广泛使用，但仅有约 10 个版本具备官方语言常模。这一问题将在后文进一步讨论。
BACS 向 BAC-App 的数字化迁移已通过一项比较研究系统地完成11，该研究纳入了精神分裂症患者和健康对照参与者，所有参与者均接受了传统版本和数字化版本的测试。在研究启动之前，为 BAC-App 的多个子测试开发了交替版本，包括言语记忆（7 个版本）、符号编码（8 个版本）和伦敦塔任务（8 个版本）。因此，该任务的数字化迁移旨在实现两个版本之间的直接比较，并验证平行形式的有效性。随后开展了一项大规模验证研究（N = 55312），研究对象为健康对照以及少量主诉认知功能下降的参与者，获得了 BAC-App 表现的常模数据。因此，常模数据首先使用传统版本收集，随后在数字化版本中重复采集，并对等效形式进行了评估（尽管这些数据迄今尚未发表）。需要特别指出的是，最终的 BAC-App 并不适用于无人监督的施测，必须有测试人员在场。
此前，针对一种传统的纸质评估工具——Loewenstein-Acevedo 语义干扰与学习量表（Loewenstein-Acevedo Scales for Semantic Interference and Learning, LASSI-L）13,14，也开展了类似的数字化迁移工作。该评估工具旨在检测前摄性语义干扰，已有研究显示，即使在其他认知功能损害极轻微的情况下，前摄性语义干扰仍可预测更快的认知衰退以及阿尔茨海默病及相关痴呆症（ADRD）生物标志物的存在15。LASSI-L 拥有大量规范数据，随后研究人员基于此开发了可用于无人监督评估的数字化版本（LASSI-D）。在该开发过程中，对这些工具的评估重点包括：不同施测条件下的可靠性、适用于重复使用、与功能性结局的相关性，以及整体的可行性与可接受性。相较于BACS的迁移工作，LASSI-D的进一步改进在于：同步对西班牙语和英语版本进行了有效性验证，而非仅针对LASSI-L的类似版本；并且在迁移版本的开发中采用了基于人工智能（AI）指导的策略，以提升无人监督自评模式的可行性与有效性。具体而言，系统通过一个人物虚拟形象来执行人类测试员的功能，包括传达指导语、纠正错误以及提供鼓励，以优化受试者的任务表现。从参与者收集的定性数据表明，他们对虚拟形象主导的评估满意度很高，其偏好评分甚至高于由人类实施的评估。
数字化原生评估也应遵循相同的信度和效度原则，一些项目已经做到了这一点。例如，两种不同的数字化功能性能力测量工具——虚拟现实功能性能力评估工具（VRFCAT）3,37 和功能性技能评估与培训项目（FUNSAT）25,38——在验证研究中均遵循了相同的五项原则。VRFCAT 和 FUNSAT 均已实现向基于云平台交付的二次数字化迁移24，且这两项测试均具备经过验证具有相似性的替代形式。FUNSAT 的迁移研究还考察了西班牙语和英语使用者在三种替代形式下的表现。
VRFCAT 和 FUNSAT 的另一个共同特征是进行了广泛的聚合效度验证，将其与传统和数字化评估策略进行了比较。例如，已有研究考察了 VRFCAT 与精神分裂症阴性症状之间的相关性39，以及其与其他纸质功能性能力指数的相关性40。还开展了一项定性研究，以评估目标评估人群对 VRFCAT 的可接受性41。对于 FUNSAT，已有研究报道了其因子结构42、对治疗的敏感性43、与 BAC-app 的相关性44、与其他功能性能力测量工具的相关性45，以及与自我报告的功能水平之间的相关性46。
非监督评估技术
纸笔式神经心理学评估是典型的监督评估形式，包含社会互动、监督、指导以及提示，以避免出现不当的作答行为。如上所述，一些数字化施测的认知与功能测量工具被设计为需由主试人员进行施测，例如MCCB中的同对符号持续注意力测验（Identical-Pairs CPT）47、BAC-app以及VRFCAT。另一些评估工具则被设计为可在无主试人员在场的情况下进行非监督施测，因为其评估过程是自动化的，可独立运行4。尽管部分此类程序在某些分测验中显示出存在数据缺失48或无效分数49的风险，但出现无效分数的个案比例较低。这些分数可能反映了受试者参与度不足，而在某些情况下可通过主试人员的反馈予以纠正。借助当前的数字技术，测试过程中可检测到作答中断，并可在提醒参与者继续作答时暂时暂停测试进程。例如，FUNSAT评估与训练模块若在15秒内未接收到任何反应，将自动暂停程序并弹出提示窗口。上述部分策略中并不具备此类内置的检测机制。
关于无人监督评估可行性的数据
在严重精神疾病和阿尔茨海默病及相关痴呆症（ADRD）领域，已有大量关于无人监督评估认知功能的研究。一项大规模的ADRD综述20识别出28项近期研究报告和23种不同的无人监督评估工具，这些评估可在门诊就诊时或远程完成。可接受性数据表现良好，知情同意率和参与率均超过85%。许多参与者表示愿意再次参与此类评估。
在不同研究中，受试者对评估的依从性差异较大，一项为期8周的研究中依从率为63%，而另一项为期8周的研究中则达到94%。无法使用的数据比例较低，但某些评估策略导致评估完成过程中出现更多困难。在基于家庭的增强现实环境中，技术限制导致约21%的数据丢失，设备不兼容致使近32%的参与者无法完成远程评估。
心理测量学方面的考虑因素在传统评估策略中通常受到严格管理，但在本研究中却未得到充分重视。例如，在23项任务中，仅有2项报告了平行形式的会聚性，且重测信度处于可接受范围的低端。然而，由于其中一些评估是远程且临时进行的，环境因素可能影响受试者的表现，这是一个重要的考虑因素。因此，看似较低的重测信度实际上可能反映了对环境影响的敏感性，以及与环境变化相关的个体内变异9,50。与标准认知评估的会聚效度结果始终处于可接受水平，相关系数范围为 r = 0.50 至 0.70。
关于精神分裂症远程认知评估的综述21规模相似（共34篇文章），提出了部分相同的问题，尽管其中仅有一部分研究真正实施了完全无人监督的评估。大多数远程实施的评估未提及平行版本，且基本上没有研究报告远程施测与面对面施测相比的常模数据。事实上，在34项研究中，仅有一项研究考察了远程评估、面对面评估与有监督评估之间的常模表现差异。另一项与Polk等人研究结果一致的发现是，由于网络连接问题、技术故障报告及其他技术因素导致无法完成评估的情况较为严重，几乎存在于所有无人监督的研究中。
在尝试远程使用BAC-app时出现的一个问题是参与者对数据完整性的担忧，因为他们在现场和远程两种情况下都接受了BAC-app测试51。在该研究中，参与者在远程进行的词语列表学习测试中的平均表现明显更好，这表明在刺激呈现过程中，他们可能进行了书写或录音。这一发现进一步凸显了在非监督评估中需要采取某种安全策略以确保数据完整性的必要性。
远程提供的数字化认知与技能训练
已有大量研究探讨了在精神分裂症52和轻度认知障碍53人群中开展远程认知与功能性技能训练的效果。此外，认知训练还被作为联合干预手段，用于增强其他干预措施的疗效，例如基于应用程序的精神分裂症阴性症状治疗54，以及轻度认知障碍（MCI）的数字化功能性技能训练25。总体研究结果表明，从精神分裂症到轻度认知障碍及阿尔茨海默病相关痴呆（ADRD）等不同人群，在家庭环境与在医疗机构中进行训练的依从率和训练效果均较为相似。然而，依从性并非始终理想，训练成效也会受到个体差异特征的影响55,56。其中一个可能促进良好训练效果和依从性的因素是：无论在医疗机构内还是远程进行，认知训练的流程基本保持一致。前述关于技术挑战以及无法启动程序等问题，在远程训练中与远程评估所面临的情况完全相同。有研究显示，若参与者曾接受过面对面的培训以帮助其独立启动和操作软件，则其远程依从性最佳（例如53）。
全球范围内数字评估与治疗的应用
如上所述，已有多种传统纸质评估工具被翻译成不同语言，同时在数字领域也开展了多项国际性努力。例如，在西班牙已开发出用于阅读障碍57和数学能力58的数字化评估工具 ，但尚不清楚这些任务是否已被翻译成其他语言。在中国，研究人员改进了连线测验（Trail-Making Test），以纳入更多运动技能的测量指标59；另有一项在中国开展的研究设计了一种双任务干扰范式，用于考察复杂句子的加工过程60。在新加坡，开发了一种独特的跨语言训练项目，针对掌握英语和另一种亚洲语言的双语者，旨在提升其认知表现61。这些研究均报告了成功的开发成果和良好的可接受性，但仅有一项研究允许在文化群体内部对测试在不同语言间的实用性进行直接比较。
翻译测试本地化验证的重要性
如上所述，最广泛使用的传统面对面评估方法，例如 MCCB 和 BAC，已在不同语言和文化群体中得到充分验证。相比之下，NIH Toolbox 是一种面向 3 至 85 岁人群的综合性评估工具，目前仅提供英文版本，并通过单一的面对面数字平台进行施测62。关于认知与功能评估任务及训练项目数字化迁移版本在不同地区和全球范围内的验证信息则相对较少。例如，在 luvadaxistat 的 ERUDITE63研究中，BAC-app 以八种不同语言实施，但仅有一项已发表的研究64对数字化迁移后的该评估工具的另一种语言版本（即西班牙语）进行了验证。一些直接以数字形式呈现的评估工具，如 VRFCAT，已在包含 30 多种不同语言的研究中使用了翻译版本65。然而，目前仍缺乏充分证据支持 VRFCAT 在不同语言间的等效使用，尽管在原始英文版评估工具开发时曾报告了其平行版本之间相似性的验证结果。如果数字化迁移过程未改变测试的任何特征，则基于原有版本所收集的验证信息很可能仍然适用；但目前仍存在多种语言，其结局测量工具（无论是原有版本还是数字化迁移版本）的心理测量学特性尚未得到研究。然而，正如两篇分别针对 ADRD 和精神分裂症的综述20,21所指出的，在任务经过修改和数字化迁移后，国际范围内对其特性的关注极为有限。
这两项研究面临的挑战在于，VRFCAT 的变异性高于预期，且有相当数量的受试者得分极低。翻译工作可能对受试者表现产生了不利影响，同样也有可能是由于测试人员经验不足，导致在评估过程中对受试者参与度的监督不力。尽管测试人员相关问题的影响显而易见，但认为经过语言学验证的翻译必然能保证心理测量学特性一致的工具，可能也为时过早。在系统性数字化迁移过程中，应检验纸质版传统工具是否能产生与数字化版本相似的评分结果，尽管如上述两项综述所指出，这种情况尚未被普遍记录。上述针对 LASSI-D 数字化迁移所描述的策略则不受这些挑战的影响，因为它包含了三种数字化平行版本与人工施测的传统版本在西班牙语和英语两种语言中进行的系统性心理测量学比较。然而，这一过程极为细致，若要在一项涉及 30 种语言的临床试验中及时实施，将面临极大挑战。
人类测试员的作用是什么？
数据表明，在无人监督的数字化评估与训练中，一个主要挑战是帮助参与者使技术正常运行并成功访问系统。其他挑战，例如参与者报告的技术不兼容问题，也可能源于他们对数字策略缺乏熟悉以及操作技术的能力不足。因此，在无人监督的评估范式中，评估开始前提供个性化的指导说明可能是一种有效的、甚至必要的策略。
一些基于技术的评估主要在门诊就诊期间进行，包括大多数为精神分裂症远程评估设计的任务。例如，VRFCAT 和 BAC-App 均要求评估过程由人员现场监督。VRFCAT 在正式评估前包含一个介绍环节，由测试人员回答受试者的任何问题，并纠正其努力不足的行为，而主要评估部分则持续进行。指导手册要求主试监督受试者，并在其未能持续努力时给予指导。然而，最近一项关于 VRFCAT 的研究发现，部分受试者出现了大量“强制推进”情况，即未能在 300 秒内完成测试目标。由于部分目标仅为单一简短任务（如“捡起钱包”），因此可能存在主试监督不到位的情况。BAC-App 技术可自动呈现所有刺激并收集全部数据，但仍需测试人员监督受试者的表现，并在其完成子任务后手动推进至下一环节。Cogstate 系统无需对受试者的表现进行现场监督，但已有多个报告指出，该系统在某些组件上存在无效表现，且对精神分裂症患者的认知损害敏感性降低66，这可能源于受试者持续表现不佳或得分波动较大，而这些问题若通过现场监督则有可能被发现并纠正。
是否可以使用数字化督导？
目前，人们对聊天机器人或其他由人工智能提供的数字化心理治疗干预措施有极大的关注。这类干预措施面临的挑战之一是需要实现双向交流，即人工智能治疗师必须实时理解来访者的表达并作出适当回应。在开发LASSI-D时采用了不同的人工智能策略：创建了一个由人工智能驱动的人类化身（avatar），作为测试技术人员，提供在标准测试情境下人类测试员会给出的所有指导语和反馈。该化身还被设定为能够回答一组预先设定的常见问题（FAQ），当受试者点击屏幕上的“?”图标时，便会触发相应问题的解答。在该阶段并未尝试进行交互式沟通。在以少数族裔为主的单语西班牙语人群中，该程序的可接受度非常高（测试会话完成率达到95%），评估会话的完成率也非常高（超过96%），且受访者在定性反馈中普遍表示更偏好使用化身测试员而非人类测试员。
将人工智能指导应用于无监督评估与训练的潜在拓展方向之一，是开发一种培训与辅助系统，旨在帮助参与者首次设置并启动其无监督的评估或训练。尽管仍处于开发阶段，FUNSAT 正在被改进以加入一个初始教学模块，通过虚拟人类形象的引导，培训潜在参与者完成注册、登录网站以及启动训练操作。这些策略相较于聊天机器人治疗性交互更有可能实现一致且准确的传递，因为虚拟形象的交流将基于预先编写好的问题应答以及标准化指令的传达。
其他数字策略
本文综述重点在于基于表现的、有目的性的认知评估。目前已有大量令人印象深刻的被动式数字表型测量方法 c收集的数据可与非监督评估结果相关联，其中包括地理位置67，体力活动68，社会背景69，与设备的相互作用70，以及言语和语言特征71尽管这些并非认知功能的直接测量指标，但它们反映了可能影响认知表现的潜在环境因素。例如，通过面部或声音反应推断的情绪状态、社会背景以及环境中的干扰因素，均可能与认知表现相关，尤其是在非监督式评估期间。通过同步使用被动式电子临床结局评估（eC）数字表型分析，部分与非监督式评估相关的挑战可能被检测并得以减轻。由于这些测量方式无需受试者主动配合即可收集数据，因此不会增加评估负担。
认知与功能缺陷的数字化评估与治疗具有广阔前景，因其能够扩大服务范围，惠及原本无法获得相关资源的参与者。技术进步使得刺激材料的翻译更加便捷，平行评估表单的创建以及远程实施成为可能。大多数数据表明，在总体绩效指标方面，无人监督的评估与训练结果与传统策略高度一致。然而，在参与者参与度以及测试开发的技术特性方面仍存在挑战。许多参与者无法独立操作技术设备。尽管技术手段便于刺激材料的翻译和平行表单的生成，但对翻译版本或新表单的心理测量学相似性却缺乏足够的关注。由于技术简化了测试刺激的生成过程，系统性地进行测试质量心理测量学评估的重要性绝不能被忽视。
一些使用数字化结局评估的药理学治疗研究未能识别出治疗效应，这些失败可能部分归因于测试的不同版本（如平行形式或翻译后的刺激材料）与原始版本缺乏一致性。这些策略由于测试者问题或新开发版本本身存在的挑战，还可能造成测试表现过度变异以及数据缺失。
一种补充方法是使用人工智能引导的虚拟形象测试和培训助手。这类方法具有相当大的前景，但在全面部署之前，其自身也需要经过验证。在使用此类策略的情况下，需要采取分步方法：助手最初应提供完全脚本化的指导和反馈，随后通过大语言模型进行训练，以理解参与者的问题并与其互动。
评估与干预的社会背景对于维持与技术相关的努力至关重要。人类测试者能够适应参与者的挑战，促进其参与训练，并提供技术支持。这种互动需要被整合到非监督式的数字认知评估与训练方法中，以扩大这些策略的覆盖范围。那些最需要这些评估和干预策略的参与者，在自行完成认知和功能技能评估与训练任务时，也最有可能需要辅助支持。
补充文件1：开发有效的基于表现的评估工具相关问题：重点关注数字化评估与培训的效度、可行性及可接受性。 请点击此处下载该文件。
Harvey 博士已从 Alkermes、BMS（Karuna Therapeutics）、Boehringer Ingelheim、Kynexis、Minerva Neurosciences、Neurocrine Biosciences 和 Recognify 获得咨询费或差旅报销。他获得了 Intracellular Therapeutics（现为强生公司的一部分）的研究资助。他因《精神分裂症认知简明评估量表》（Brief Assessment of Cognition in Schizophrenia，由 Clario 拥有，此前为 WCG Endpoint Solutions, Inc.，更早前为 Verasci，且包含于 MCCB 中）获得版税收入。他是 i-Function, Inc. 的首席科学官，并担任 EMA Wellness, Inc. 的科学顾问。Kallestrup 先生是 i-Function, Inc. 的联合创始人兼首席执行官。
支持 FUNSAT 和 LASSI-D 开发的研究由美国国家老龄化研究所（NIA）资助，资助编号为 R44 AG074818-02、R43 AG057238-02 和 R44 AG057238-04，Peter Kallestrup 为项目负责人。
申请许可以重复使用本 JoVE 文章的文本或图表
申请许可