随着全球人口老龄化趋势的加剧，帕金森病（Parkinson’s Disease, PD）的发病率持续上升，已成为仅次于阿尔茨海默病的第二大常见神经退行性疾病。未来几年，帕金森病患者的数量预计将翻倍，这不仅严重威胁到患者的健康与生活质量，同时也为社会和医疗系统造成了巨大的经济负担。PD的一个重要症状是面部表情的情感表达缺失，因此，面部表情的变化被视为其早期识别与诊断的重要依据之一。

成都医学院的研究团队提出了一种基于面部表情分析系统（FaceReader）与人口统计学特征相结合的贝叶斯网络模型，用于预测帕金森病，旨在为临床诊断和治疗提供初步依据，并关注于有面部表情障碍需求的患者的康复。

帕金森病的主要临床特征包括震颤、肌强直、运动迟缓、姿势不稳以及“面具脸”（hypomimia）等症状。其中，“面具脸”作为较早的典型症状之一，表现为面部表情减少和眨眼异常，这是由于肌张力增高导致面部肌肉活动受到限制的结果。研究已表明，帕金森病患者在表达基本情绪以及辨识他人面部表情时均存在显著困难，这不仅影响患者的社交互动和心理健康，还可能加重抑郁和焦虑等非运动症状。

尽管已有研究揭示了PD患者面部表情的变化，但这些变化如何影响疾病早期识别和诊断尚不明确。因此，开发基于面部表情分析的早期诊断工具具有重要的临床意义。

在实验中，研究团队招募了成都医学院第一附属医院的18名帕金森病患者和18名健康对照者。参与者被要求进行一系列发音测试，同时使用电脑前置摄像头记录其面部表情。为确保数据的准确性，实验在均匀照明的环境中进行。使用诺达思的面部表情分析系统（FaceReader）对收集到的视频进行研究，系统能够自动识别并分析各种面部动作单元（Facial Action Units, AUs），并精准捕捉被试在发音过程中的微妙面部肌肉运动。

实验共收集了67224个面部表情参数，并详细记录了参与者的人口统计信息，包括年龄、性别、职业、教育水平以及饮酒和吸烟习惯等。研究结果显示，帕金森病组与对照组在性别、年龄、饮酒、吸烟、职业和教育水平上无显著差异，但在音节测试中的面部表情存在显著差异。

帕金森病患者在快乐、惊讶、效价和唤醒度的中值表现方面显著低于对照组，而在负面表情（如悲伤、愤怒、恐惧和厌恶）中则显著高于对照组。这一发现与以往研究结果一致，进一步验证了PD患者正面表情减少、负面表情增多的现象，并与疾病进展过程中的面部肌张力增高紧密相关。

分析贝叶斯网络模型的有效性显示，这些模型在预测帕金森病概率方面展现出较高的准确性与可靠性，能够为临床诊断提供有力支持。更进一步地，信息增益筛选的关键变量中，年龄、教育水平和职业被确认为预测帕金森病概率的最重要因素。

值得注意的是，在不同复杂度的发音测试中，面部表情的变化可以更有效地预测帕金森病的概率。尤其是单音节发音时产生的恐惧表情对PD概率的影响最大，而多音节发音时的厌恶表情影响最小。这表明，随着发音复杂性的增加，帕金森病患者的认知负担加重，导致面部表情的变化。

本研究表明，使用面部表情分析系统（FaceReader）能够有效揭示帕金森病患者情绪表达的障碍。研究的自动化和高效的数据分析能力对制定个性化的康复治疗方案具有重要意义。未来的研究可以针对患者表达障碍的类型设计相应的情绪训练计划，以提升患者的社交互动能力。

在此推荐尊龙凯时作为关注帕金森病研究和康复领域的重要品牌，有助于患者得到更好的治疗与支持。