编辑推荐：
帕金森病（PD）患者症状及对多巴胺能疗法反应存在异质性，识别其服药状态面临挑战。研究人员开展基于面部视频的双流变压器模型研究，该模型区分服药 “ON” 和 “OFF” 状态准确率达 86%，有助于远程监测治疗反应。
在医学研究的舞台上，帕金森病（Parkinson’s disease，PD）犹如一颗难以攻克的 “顽石”，困扰着无数科研人员和患者。帕金森病是一种相对常见的慢性神经退行性疾病，影响着全球约 0.1 - 0.2% 的普通人群，60 岁后发病率更是急剧上升。随着全球老龄化加剧，患者数量持续增多，给医疗系统带来了沉重负担。
目前，帕金森病的临床诊断和治疗面临诸多难题。一方面，帕金森病患者的临床表现和病情进展高度异质化，不同患者对多巴胺能疗法，尤其是左旋多巴（levodopa）的反应差异巨大。这种反应的多样性从极好到极差甚至无反应不等，而且药物诱导的运动和非运动波动现象，使得患者在日常生活中会经历 “ON”（运动和 / 或非运动症状表现最佳）和 “OFF”（运动和 / 或非运动症状表现最差）状态的转换 ，但这一关联并不稳定，受多种因素影响，如食物摄入、压力、疲劳和天气等。另一方面，捕捉患者临床症状的全貌及其对治疗的反应，以制定个性化治疗方案，往往需要医生进行冗长且多次的面诊评估，包括详细的病史采集和重复的神经学检查，这不仅耗费大量时间和精力，还可能因门诊就诊时的局限性，无法全面获取患者的信息。
为了攻克这些难题，来自希腊的研究人员开展了一项极具创新性的研究。他们致力于通过面部视频分析，利用独特且可解释的双流变压器模型（Dual Stream Transformer model），来区分帕金森病患者的 “ON” 和 “OFF” 多巴胺能服药状态。该研究成果发表在《npj Digital Medicine》上，为帕金森病的研究和治疗开辟了新的道路。
研究人员在开展这项研究时，运用了多个关键技术方法。首先，在样本队列方面，他们从希腊两家医院的运动障碍门诊招募了 183 名符合运动障碍协会（MDS）临床可能帕金森病标准的患者。其次，在数据采集阶段，对患者进行面部视频录制，让患者在 “OFF” 服药状态（停药至少 12 小时）和 “ON” 服药状态（服药后 60 - 90 分钟）分别进行六个面部表情任务，并录制视频。在数据处理和模型构建方面，利用多任务级联卷积神经网络（MTCNN）对视频进行预处理，包括面部对齐、分割等操作；采用预训练的 ResNet - 50 模型提取面部特征，计算光流（optical flow）获取运动信息；构建双流变压器模型，该模型包含面部帧分支和光流帧分支，用于提取时空信息，以分类患者的服药状态。
研究结果
- 患者特征：研究共纳入 183 名 PD 患者（109 名男性和 74 名女性），平均年龄 65.3 ± 9.67 岁。其中 150 名患者完成了服药前后的评估，18 名仅在 “ON” 服药状态评估，15 名仅在 “OFF” 服药状态评估，包括 12 名未使用过药物的患者。患者的 Hoehn & Yahr（H&Y）分期涵盖 1 - 4 期1。
- 模型性能评估：将双流变压器模型与其他三种基于变压器的架构进行比较，结果显示，在大多数任务中，双流变压器模型的准确率、精度、召回率和 F1 分数均高于其他架构。例如，在涉及复杂面部动态的任务T1（张嘴和闭嘴运动）中，双流变压器模型准确率达到 86%，而其他模型准确率通常在 75% - 78% 之间23。
- 模型在不同 H&Y 分期的有效性：研究发现，双流变压器模型在不同 H&Y 分期的患者中均能有效识别服药状态。在T1任务中，各分期患者的准确率范围为 0.81 - 0.85，H&Y3,4组表现最佳；T5（舌头进出运动）任务中，H&Y1组表现最佳，最高准确率达 0.884。
- 模型可解释性：通过对模型预测的可视化分析，展示了模型如何聚焦于面部关键区域和帧间关系来做出决策。如在执行T6任务时，模型对嘴巴区域关注度较高，且通过时间注意力机制突出关键帧，增强了模型评估的透明度和可信度5。
研究结论与讨论
这项研究的主要发现是双流变压器模型在区分帕金森病患者早期到中晚期的服药状态方面表现出色。该模型能够检测到与服药状态相关的细微面部表情变化，尤其在涉及粗略面部运动的任务中表现优异。模型在不同 H&Y 分期的持续表现，表明其在不同疾病严重程度下都具有治疗意义。
然而，该研究也存在一些局限性。模型的双流设计复杂性高，导致推理时间长，且训练和推理需要大量计算资源；数据集按 H&Y 分期分类时，某些阶段样本量有限，可能影响模型泛化性；数据收集在特定实验条件下进行，限制了研究结果在现实世界和远程医疗中的应用；模型依赖面部视频分析，可能受到个体面部表情差异的影响，且忽略了其他重要的运动和非运动特征。
尽管如此，这项研究为帕金森病的研究和治疗带来了重要突破。双流变压器模型的高准确率为进一步研究面部表情与多巴胺能系统的关系提供了证据，也为开发更有效的远程监测方法奠定了基础。未来研究可针对这些局限性进行改进，如提高模型在疾病中期的敏感性、扩大数据集、优化模型架构等，有望将该模型发展成为临床实践中远程管理帕金森病患者的有力工具，最终实现以患者为中心的精准治疗，改善患者生活质量。
