以微笑揭示帕金森病：一种人工智能赋能的筛查框架

我们提出一种高效且可及的PD（帕金森病）筛查方法，利用由1,059名独特参与者的最大面部表情视频数据集赋能的AI驱动模型。该数据集包括256名PD个体（165名临床诊断，91名自我报告）。参与者使用网络摄像头记录自己模仿三种面部表情（微笑、厌恶、惊讶），数据来源多样，涵盖多国的家庭、美国一家诊所及美国一家PD健康中心。从记录中自动跟踪面部标志点，提取与表情减少症相关的特征，后者是以面部表情减少为特征的显著PD症状。机器学习算法在这些特征上训练，以区分PD与非PD个体。该模型在外部（训练时未见的）测试视频上测试了泛化性，这些视频来自美国诊所与孟加拉国。在微笑视频上训练的机器学习模型集成在留出数据（使用k折交叉验证）上达到87.9±0.1%准确率（95%置信区间）与89.3±0.3% AUROC。在外部测试设置中，集成模型在临床测试集上达到79.8±0.6%准确率与81.9±0.3% AUROC，在孟加拉国参与者上达到84.9±0.4%准确率与81.2±0.6% AUROC。在各设置中，模型在性别与族群子组上无 detectable 偏差，除孟加拉国队列外，该处模型对女性参与者显著优于男性。微笑视频可有效区分PD与非PD个体，提供了一种潜在简便、可及且低成本的PD筛查方式，尤其在临床诊断难以获得时。