SoleFusion-Net: ein erklärbares multimodales Deep-Learning‑Framework zur Klassifikation des diabetischen Fußsyndroms bei Typ‑2‑Diabetes mellitus

Warum Ihre Füße bei Diabetes wichtig sind

Bei Menschen mit Typ‑2‑Diabetes können kleine Veränderungen an den Füßen leise zu ernsten Problemen heranwachsen, darunter Ulzera und bis hin zu Amputationen. Ärztinnen und Ärzte versuchen, Nervenschäden früh zu erkennen, doch die derzeitigen Tests beruhen auf dem Empfinden der Patientinnen und Patienten und auf manuellen Einschätzungen durch die Kliniker. Diese Studie stellt SoleFusion‑Net vor, ein Computerwerkzeug, das Bilder davon, wie jemand auftritt, mit routinemäßigen Klinikdaten kombiniert, um Patientinnen und Patienten in geringes, mäßiges oder hohes Risiko einzustufen – und zugleich den Ärztinnen und Ärzten zeigt, wie die Entscheidung zustande kam.

Druck sichtbar machen, wo das Auge es nicht kann

Beim Gehen pressen verschiedene Bereiche des Fußes mit unterschiedlicher Intensität auf den Boden. Bei Diabetes können Nervenschäden und subtile Haltungsänderungen diesen Druck verschieben, noch bevor eine Wunde entsteht. Die Forschenden verwendeten eine drucksensitive Plattform, um bunte Karten der Fußsohlen von 504 Menschen mit Typ‑2‑Diabetes aufzuzeichnen. Jede Karte zeigt, wie das Gewicht während des Gehens über den Fuß verteilt ist. Diese Bilder wurden mit standardisierten klinischen Messwerten wie Alter, Body‑Mass‑Index, Blutdruck und einfachen Bettentestungen kombiniert, die prüfen, wie gut jemand Vibrationen oder leichten Druck an den Füßen wahrnimmt.

Bilder und Klinikdaten verschmelzen

SoleFusion‑Net besteht aus zwei Hauptpfaden. Ein Pfad betrachtet ausschließlich die Druckkarten und verwendet geschichtete Bildfilter, um zu erlernen, wo im Bereich der Sohle abnorme Belastungen typischerweise auftreten. Der andere Pfad verarbeitet die Klinikdaten und erkennt Muster in Zahlen wie Vibrationsschwellen und Monofilament‑Scores, die den Zustand der Nerven widerspiegeln. Nachdem jeder Pfad seine eigene Zusammenfassung der Daten gelernt hat, fusioniert das Modell diese Zusammenfassungen und trifft eine finale Vorhersage, ob eine Neuropathie gering, mäßig oder schwer ist. Durch Training und Testen des Systems an fünf verschiedenen Aufteilungen derselben Kohorte prüfte das Team, ob die Leistung stabil ist und nicht nur auf ein einzelnes Stichprobenartefakt zurückgeht.

Wie gut das System das Fußrisiko einstuft

Über alle Tests hinweg klassifizierte SoleFusion‑Net die Patientinnen und Patienten in etwa 83 Prozent der Fälle korrekt. Besonders gut trennte es leichte von schweren Nervenschäden; bei der mittleren Gruppe gab es etwas mehr Schwierigkeiten – eine Gruppe, die auch für menschliche Untersucher herausfordernd ist. Kurven, die Trefferquoten gegen Falschalarme darstellen, zeigten eine starke Gesamtunterscheidung zwischen den drei Klassen. Eine Ablationsstudie, bei der Teile des Systems entfernt wurden, zeigte, dass die Nutzung nur von Bildern oder nur von Klinikdaten zu deutlich geringerer Genauigkeit führt. Wenn beide Quellen in dem späten Fusionsdesign kombiniert werden, ist das Modell ausgeglichener und verlässlicher als jede einzelne Informationsquelle allein.

Die Black Box für Klinikteams öffnen

Weil Vertrauen in der Medizin entscheidend ist, nutzten die Autorinnen und Autoren mehrere Werkzeuge, um zu erklären, wie SoleFusion‑Net arbeitet. Für die Klinikdaten berechneten sie, wie stark jedes Merkmal zur finalen Entscheidung beitrug. Vibrationswahrnehmung und Monofilament‑Tests an beiden Füßen erwiesen sich als die einflussreichsten Merkmale und spiegeln damit die aktuelle medizinische Praxis wider. Für die Druckbilder hoben Heatmaps bestimmte Regionen der Sohle hervor, die die Modellentscheidung beeinflussten und oft mit Arealen übereinstimmten, die als ulzerationsgefährdet bekannt sind. Zusätzliche Methoden, darunter einfache Entscheidungsbäume und exemplarische Erklärungen, boten alternative, stärker menschorientierte Sichtweisen derselben Entscheidungen. Zusammengenommen zeigten diese Prüfschritte, dass das System sich auf medizinisch sinnvolle Hinweise stützt und nicht auf willkürliche Muster.

Was das für Menschen mit Diabetes bedeutet

Die Studie legt nahe, dass ein sorgfältig gestaltetes Computermodell das Gangbild und klinische Tests so kombinieren kann, dass ein objektiver, transparenter Blick auf Nervenschäden am Fuß entsteht. Zwar beruht die Arbeit auf Daten eines einzelnen Krankenhauses und muss in anderen Regionen und mit unterschiedlichen Geräten validiert werden, sie weist jedoch auf zukünftig mögliche Instrumente hin, die hochriskante Füße früher aufdecken, engmaschigere Nachsorge lenken und Ärztinnen und Ärzte bei der Entscheidung unterstützen könnten, wer stärkeren Schutz vor Ulzera benötigt. Kurz gesagt: SoleFusion‑Net fungiert als ein zweites Paar Augen und Hände und hilft dabei, verstreute Messwerte zu einem klareren Bild der Fußgesundheit bei Diabetes zusammenzuführen.

Zitation: Sheikh, M.M., Balachandra, M., G, N.V. et al. SoleFusion-Net: an explainable multimodal deep learning framework for diabetic foot syndrome classification in type II diabetes mellitus. Sci Rep 16, 15973 (2026). https://doi.org/10.1038/s41598-026-42207-6

Schlüsselwörter: diabetischer Fuß, periphere Neuropathie, Plantardruckabbildung, multimodales Deep Learning, erklärbare KI