SoleFusion-Net: un marco explicable de aprendizaje profundo multimodal para la clasificación del síndrome del pie diabético en la diabetes mellitus tipo II

Por qué importan sus pies en la diabetes

En las personas con diabetes tipo 2, pequeños cambios en los pies pueden convertirse silenciosamente en problemas graves, incluidos úlceras e incluso amputaciones. Los médicos intentan detectar el daño nervioso de forma temprana, pero las pruebas actuales dependen de lo que siente el paciente y del juicio manual del clínico. Este estudio presenta SoleFusion-Net, una herramienta informática que combina imágenes de cómo pisa el paciente con datos rutinarios de la consulta para clasificar a los pacientes en riesgo leve, moderado o grave, a la vez que muestra a los médicos cómo llegó a su decisión.

Ver la presión donde el ojo no puede

Al caminar, distintas zonas del pie ejercen presiones diferentes sobre el suelo. En la diabetes, el daño nervioso y cambios sutiles en la postura pueden desplazar esta presión antes de que aparezca una lesión. Los investigadores usaron una plataforma sensora de presión para registrar mapas coloreados de las plantas de 504 personas con diabetes tipo 2. Cada mapa muestra cómo se distribuye el peso a través del pie durante la marcha. Estas imágenes se emparejaron con medidas clínicas estándar, como edad, índice de masa corporal, presión arterial y pruebas básicas en consulta que evalúan la capacidad de percibir vibración o un toque ligero en los pies.

Fusionar imágenes y datos clínicos

SoleFusion-Net se construyó con dos vías principales. Una vía analiza únicamente los mapas de presión, usando capas de filtros de imagen para aprender dónde tiende a aparecer la carga anómala en la planta. La otra vía procesa los datos clínicos, aprendiendo patrones en valores numéricos como umbrales de vibración y puntuaciones de monofilamento que reflejan la salud nerviosa. Tras cada vía, el modelo obtiene un resumen propio de los datos; luego fusiona estos resúmenes y emite una predicción final sobre si la neuropatía de una persona es leve, moderada o grave. Al entrenar y probar el sistema con cinco particiones diferentes del mismo grupo, el equipo comprobó que su rendimiento era estable y no fruto de una casualidad en una muestra concreta.

Qué tan bien clasifica el riesgo en el pie

En todas las pruebas, SoleFusion-Net clasificó correctamente a los pacientes alrededor del 83 por ciento de las veces. Diferenció especialmente bien el daño nervioso leve del grave y tuvo algo más de dificultad con el grupo intermedio, que también supone un reto para los examinadores humanos. Las curvas que comparan verdaderos positivos frente a falsas alarmas mostraron una fuerte discriminación general entre las tres clases. Un estudio de ablación, en el que se eliminaron partes del sistema, reveló que usar solo imágenes o solo datos clínicos conduce a una precisión notablemente menor. Cuando ambos se combinan en el diseño de fusión tardía, el modelo se vuelve más equilibrado y fiable que cualquiera de las fuentes por sí sola.

Abrir la caja negra para los clínicos

Dado que la confianza es crucial en medicina, los autores emplearon varias herramientas para explicar cómo razona SoleFusion-Net. Para los datos clínicos, calcularon cuánto contribuye cada característica a la decisión final. La percepción de la vibración y las pruebas de monofilamento en ambos pies surgieron como las más influyentes, reflejando la práctica médica actual. Para las imágenes de presión, los mapas de calor destacaron regiones específicas de la planta que impulsaron la elección del modelo, a menudo coincidiendo con áreas conocidas por ser propensas a úlceras. Métodos adicionales, incluidas sencillas reglas en árbol y explicaciones basadas en ejemplos, ofrecieron vistas alternativas más amigables para los humanos de las mismas decisiones. En conjunto, estas comprobaciones mostraron que el sistema se basa en indicios médicamente razonables y no en patrones arbitrarios.

Qué significa esto para las personas con diabetes

El estudio sugiere que un modelo informático bien diseñado puede fusionar cómo pisa una persona y cómo se le evalúa en la consulta para ofrecer una visión objetiva y transparente del daño nervioso en el pie. Aunque el trabajo se basa en un único hospital y necesita validación en otras regiones y con diferentes equipos, apunta a herramientas futuras que podrían identificar pies de alto riesgo antes, orientar un seguimiento más estrecho y ayudar a los médicos a decidir quién necesita medidas más agresivas para prevenir úlceras. En resumen, SoleFusion-Net actúa como un segundo par de ojos y manos, ayudando a convertir mediciones dispersas en una imagen más clara de la salud del pie en la diabetes.

Cita: 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

Palabras clave: pie diabético, neuropatía periférica, imágenes de presión plantar, aprendizaje profundo multimodal, IA explicable