研究亮点
本研究提出了一种可扩展的、基于智能手机的方法，利用高分辨率三维面部几何和先进的机器学习算法，对面神经麻痹（facial nerve palsy，FNP）严重程度进行客观量化，可实现准确的侧别感知 House-Brackmann（HB）分级以及先进的临床筛查。
基于位移、速度、加速度和不对称性特征进行连续 HB 评分预测时，模型获得了很高的相关性（Spearman ρ=0.935）和较低的误差率，优于人工分级的分辨能力，并可检出细微的残余不对称。
分区域分析显示，在评估眼睑闭合和露齿方面表现最佳，而这两项是 FNP 评估中的关键功能参数。
该方法在促进 FNP 患者早期诊断、标准化纵向监测以及家庭康复方面具有很强的应用潜力。
研究背景
面神经麻痹（FNP）以单侧面部肌肉无力为特征，可造成显著发病负担，影响患者的面部表情、交流以及心理社会福祉。临床评估主要依赖 House-Brackmann（HB）量表等主观分级量表，但其受评估者间差异影响，且仅能进行分类型而非连续性评估。
神经电图（electroneurography）和肌电图（electromyography）等电生理检查可提供客观指标，但具有侵入性、技术要求高，且不易重复实施，不利于频繁监测。目前亟需一种可及、定量且可重复的工具，以实现对 FNP 严重程度的动态、连续和按侧别评估，从而优化个体化治疗与康复结局。
近年来，智能手机 3D 前置摄像头的进展使得可在较高帧率下采集三维面部精细几何信息，这有望通过在临床场景之外提供客观、低成本且以患者为中心的监测，革新 FNP 的评估方式。
研究设计
这项前瞻性研究于 2021 年 7 月至 2024 年 2 月期间纳入了 99 例周围性急性单侧 FNP 患者，共完成 207 次临床随访，同时纳入 12 名健康志愿者。研究使用配备 3D 前置摄像头的智能手机记录面部动态，并生成包含 1220 个三维顶点的高密度面部网格。
研究记录了多项标准化面部任务，包括眼睑闭合和露齿，以捕捉不同面部区域的运动特征。临床参照指标包括 HB 分级量表以及电生理指标，如综合肌电图（integrated electromyography）和神经电图（electroneurography）。
提取的特征包括面部顶点位移、速度、加速度，以及患侧与健侧之间不对称性的定量参数。机器学习模型——随机森林回归器——用于预测带符号的连续 HB 评分，该评分考虑了麻痹侧别，同时还用于预测分区域评分。
采用按患者分层交叉验证以确保预测结果的稳健性。所用性能指标包括 Spearman 相关系数（ρ）、平均绝对误差（MAE）、决定系数（R2）以及受试者工作特征曲线下面积（AUC），用于检测具有临床意义的麻痹（HB ≥ III）。
主要结果
连续 HB 回归模型表现出卓越的预测性能，MAE 为 0.718，R2 为 0.851，且相关性极强（Spearman ρ=0.935），提示该模型在连续尺度上估计面神经麻痹严重程度时具有很高的准确性和精确性。
健康对照组的预测值紧密聚集于正常范围，证实该方法具有较强的稳健性，且假阳性检出较少。对于旨在检出显著麻痹（HB ≥ III）的临床筛查，该模型的 AUC 为 0.914 ± 0.052，表明其诊断区分能力优异。
分区域分析显示，聚焦于眼睑闭合和露齿的评估具有最佳预测准确性，强调了这些区域在 FNP 严重程度评估中的功能重要性及其适用于客观监测的价值。
与电生理检查相比，该方法与综合肌电图的相关性为中等，而与神经电图的相关性较弱，提示三维面部几何可捕捉与电生理信号互补的功能损害。
专家点评
本研究通过借助易获得的智能手机技术，提供了一种可及、客观且动态量化 FNP 的工具，从而弥补了当前管理中的关键空白。连续、按侧别感知的 HB 评分预测可减少传统序数量表固有的天花板效应和主观性，有助于更细致地监测疾病进展与恢复。
在不对称性之外整合速度、加速度等运动动力学特征，可增强模型对细微面部功能障碍的敏感性，而这些改变往往难以被临床医生察觉，从而可能改善早期检出和个体化康复。
其局限性包括：需要在不同人群、不同智能手机硬件条件以及慢性或双侧 FNP 病例中进一步验证。此外，患者配合度以及光照、体位等技术因素的依赖性，也需要在临床应用中予以考虑。
结论
基于智能手机的高帧率三维面部几何采集结合先进机器学习，可为面神经麻痹严重程度的客观、动态和连续量化提供一种创新且具有临床实用性的办法。
该技术在按侧别 HB 分级方面具有很高准确性，并在筛查具有临床意义的麻痹方面表现优异，未来有望用于早期诊断、标准化纵向随访以及借助远程医疗开展康复。
后续研究应聚焦于更广泛的验证、与临床工作流程的整合，以及开发更符合患者使用习惯的应用程序，以便在临床常规和家庭环境中充分发挥该方法的潜力。
资金支持与注册
研究于 2021 年 7 月至 2024 年 2 月期间开展。未提供具体资金支持信息及临床试验注册信息。
参考文献
1. House JW, Brackmann DE. Facial nerve grading system. Otolaryngol Head Neck Surg. 1985.
2. Peitersen E. Bell’s palsy: the spontaneous course of 2,500 peripheral facial nerve palsies of different etiologies. Acta Otolaryngol Suppl. 2002.
3. Coulson SE, Croxson GR, Adams RD, O’Neill JP. Reliability of the Sunnybrook facial grading system. Otolaryngol Head Neck Surg. 2005.
4. Wormald PJ et al. Objective methods of assessing nerve function after facial nerve injury. Eur Arch Otorhinolaryngol. 2019.
5. Hasebe K et al. Dynamic and Objective Quantification of Facial Nerve Palsy Using Smartphone-Based 3D Facial Geometry. Laryngoscope. 2026 Aug 21. PMID: 42626919.
