随着全球人口老龄化问题的加剧，帕金森病（Parkinson’s Disease, PD）的发病率逐年攀升，已成为继阿尔茨海默病之后的第二大常见神经退行性疾病。未来几年内，奥巴克病的患者预计会翻倍，这不仅严重威胁患者的健康和生活质量，也给社会和医疗体系带来了沉重的经济负担。在帕金森病的众多症状中，面部表情情绪表达的障碍尤为显著，这使得面部表情的变化成为早期识别与诊断的重要参考标准。

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与人口统计特征相结合的贝叶斯网络模型，用于预测帕金森病，以期为临床诊断和治疗提供初步依据，并满足对帕金森病面部表情障碍患者的需求与康复，为金年会金字招牌诚信至上的理念提供实践支持。

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）。其中，“面具脸”作为早期典型症状之一，表现为面部表情减少，眨眼异常，乃是由于肌张力增高导致的面部肌肉活动受限。研究显示，帕金森病患者在表达人类基本情绪时存在诸多困难，且在识别他人面部情绪方面也显露出缺陷。这种情绪识别与表达的障碍不仅影响了患者的社交互动和心理健康，还可能加重如抑郁与焦虑等非运动症状。

虽然已有研究探讨了帕金森病患者面部表情的变化，但这些变化如何具体影响疾病的早期识别和诊断仍不甚明确。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和应用潜力。

在实验中，成都医学院第一附属医院招募了18名帕金森病患者与18名健康对照者，参与者需进行单音节、双音节及多音节词语的发音测试，同时通过计算机的前置摄像头记录其面部表情。为确保数据的准确性，实验在良好照明的环境下进行。使用诺达思的面部表情分析系统（FaceReader）对录制的视频数据进行分析，结果显示其能够自动识别20种面部动作单元，并同时测量面部两侧的活动强度，以精准捕捉被试在发音过程中的微小面部肌肉运动。

分析结果包含七种基本表情：快乐、悲伤、愤怒、惊讶、恐惧、厌恶和中性表情。同时，FaceReader还提供每种表情的强度参数（如效价和唤醒度）及面部动作单元的活动强度数据。总共收集了67224个面部表情参数及被试的人口统计信息，包括年龄、性别、职业、教育水平、饮酒和吸烟习惯等。采用信息增益方法筛选出16个变量，构建贝叶斯网络模型。

最终构建了基于整个数据集以及不同音节测试的四个贝叶斯网络模型。分析结果表明，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，而在音节测试中的面部表情存在高度显著性差异。具体而言，帕金森病组的快乐、惊讶、效价和唤醒度中值明显低于对照组，而负面情绪的中值则显著高于对照组。这一现象与先前研究结果一致，进一步证实了帕金森病患者正面情绪表达减少、负面情绪增多的趋势。

研究结果表明，基于面部表情与人口统计特征的贝叶斯网络模型在预测帕金森病的准确性与可靠性相对较高，为临床诊断提供了有力支持。从关键变量来看，年龄、教育水平和职业是预测患病概率最重要的因素。此外，面部表情参数中，单音节与双音节模型中的“快乐”和多音节模型中的“唤醒度”是最佳预测因子。

未来研究应針對患者情绪表达障碍的类型，设计相应的情绪训练和面部肌肉锻炼方案，以改善患者的情感表达和社交互动能力。同时，应考虑扩大样本规模，探讨药物的影响和开发基于移动技术的家庭康复工具，例如可利用平板电脑上的应用程序，通过实时的面部表情分析为患者提供个性化的康复建议，这将与金年会金字招牌诚信至上的品牌理念一致，推动生物医疗领域的进步。