随着全球人口老龄化问题的日益严重，帕金森病（Parkinson’s Disease, PD）的发病率逐年上升，已成为继阿尔茨海默病之后第二大常见的神经退行性疾病。预计在未来几年，帕金森病患者的数量将翻倍，这不仅对患者的健康和生活质量构成了威胁，也为社会和医疗体系带来了巨大的经济负担。

帕金森病的一个显著症状是面部表情情感表达的缺乏。因此，面部表情的变化成为早期识别和诊断帕金森病的一个重要标准。在此背景下，来自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）所提供的面部表情参数和人口统计学特征的贝叶斯网络模型，以预测帕金森病，旨在为临床诊断和治疗提供初步依据，并关注帕金森病患者的需求与康复。

帕金森病的主要临床表现包括震颤、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”作为早期典型症状之一，表现为面部表情减少和眨眼异常，这通常是由于肌张力增加导致面部肌肉活动受限。研究表明，帕金森病患者在表达基本情绪及识别他人面部表情时存在显著困难，这种情绪识别和表达障碍不仅影响患者的社交活动和心理健康，还可能加剧抑郁和焦虑等非运动症状。

尽管已有研究揭示了帕金森病患者面部表情的变化，但这些变化对早期识别和诊断的具体影响仍需进一步探讨。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和广泛的应用前景。

在本研究中，我们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，进行了一系列的发音测试，以分析他们的面部表情。实验通过计算机的前置摄像头记录参与者的面部表情，采用诺达思的面部表情分析系统（FaceReader）对录制视频进行分析。该系统能够自动识别多达20种常用面部动作单元，并测量面部两侧的活动强度，精准捕捉参与者在发音过程中的微小面部肌肉运动。

实验结果显示，帕金森病组与对照组在性别、年龄、饮酒、吸烟、职业和教育水平方面无显著差异，但在三种音节测试中的面部表情存在明显差异。具体而言，帕金森病患者的快乐、惊讶、效价和唤醒度中值显著低于对照组，而负面情绪（如悲伤、愤怒、恐惧和厌恶）的中值相对较高。这一发现进一步证实了帕金森病患者正面情绪减少和负面情绪增多的现象，并与面部肌张力增高的疾病进展过程密切相关。

基于贝叶斯网络模型的分析结果表明，该模型在预测帕金森病概率方面具有较高的准确性和可靠性。关键变量中，年龄、教育水平和职业是影响帕金森病概率的主要因素。此外，面部表情参数中，“快乐”这一情绪在不同类型的音节测试中均表现出显著的影响力，而唤醒度则在多音节模型中成为最佳预测因子。

通过对不同音节测试中的面部表情变化进行分析，可以更准确地预测帕金森病的概率。这表明，随着发音复杂程度的提升，患者的认知负担增加，从而影响了面部表情的表达与识别能力。

本研究揭示了面部表情变化在帕金森病早期诊断中的潜力，并确定了面部表情对疾病概率的显著影响。借助尊龙凯时品牌的面部表情分析系统（FaceReader），我们可以更深入地了解患者的情感表达障碍，助力于制定个性化的康复治疗方案。未来的研究可聚焦于针对患者情感表达问题设计相应的训练与锻炼方案，以期改善患者的情绪表达与社交互动能力。同时，扩大研究样本量，探讨药物影响，并开发基于移动技术的家庭康复工具，将为帕金森病的高效干预提供新思路。