SoleFusion-Net : un cadre explicable d’apprentissage profond multimodal pour la classification du syndrome du pied diabétique dans le diabète de type II

Pourquoi vos pieds comptent dans le diabète

Pour les personnes atteintes de diabète de type 2, de petits changements au niveau des pieds peuvent insidieusement évoluer vers des problèmes graves, y compris des ulcères voire des amputations. Les médecins tentent de dépister précocement les lésions nerveuses, mais les tests actuels reposent sur les sensations rapportées par les patients et sur l’évaluation clinique manuelle. Cette étude présente SoleFusion-Net, un outil informatique qui combine des images de la façon dont on pose le pied avec des données cliniques de routine pour classer les patients en risque faible, modéré ou élevé, tout en montrant aux cliniciens comment la décision a été prise.

Voir la pression là où l’œil ne peut pas

Lorsque nous marchons, différentes parties du pied appuient sur le sol avec des intensités variables. Dans le diabète, la neuropathie et des modifications subtiles de la posture peuvent déplacer ces pressions avant l’apparition de toute lésion. Les chercheurs ont utilisé une plateforme capteur de pression pour enregistrer des cartes colorées des plantes de 504 personnes atteintes de diabète de type 2. Chaque carte montre la répartition du poids à travers le pied pendant la marche. Ces images ont été associées à des mesures cliniques standard telles que l’âge, l’indice de masse corporelle, la tension artérielle et des tests simples au chevet vérifiant la perception des vibrations ou du toucher léger au niveau des pieds.

Conjuguer images et données cliniques

SoleFusion-Net est construit autour de deux voies principales. Une voie ne consulte que les cartes de pression, utilisant des filtres d’image en couches pour apprendre où se localisent habituellement les charges anormales sur la plante. L’autre voie lit les données cliniques, apprenant des motifs dans des valeurs numériques comme les seuils de vibration et les scores au monofilament qui reflètent la santé nerveuse. Après que chaque voie a appris son propre résumé des données, le modèle fusionne ces résumés et produit une prédiction finale indiquant si la neuropathie d’une personne est légère, modérée ou sévère. En entraînant et testant le système sur cinq découpages différents du même ensemble, l’équipe a vérifié que ses performances étaient stables et non le fruit d’un hasard lié à un échantillon particulier.

Quelle est la qualité du tri des risques podaux

Sur l’ensemble des tests, SoleFusion-Net a correctement classé les patients dans environ 83 % des cas. Il a particulièrement bien distingué les lésions nerveuses légères des sévères et a eu un peu plus de difficulté avec le groupe intermédiaire, ce qui est aussi un défi pour les examinateurs humains. Les courbes comparant vrais positifs et fausses alertes ont montré une forte discrimination globale entre les trois classes. Une étude d’ablation, où des parties du système sont retirées, a révélé que n’utiliser que les images ou seulement les données cliniques entraîne une précision sensiblement plus faible. Lorsque les deux sources sont combinées dans la stratégie de fusion tardive, le modèle devient plus équilibré et fiable que chacune des sources prises isolément.

Ouvrir la boîte noire pour les cliniciens

Parce que la confiance est essentielle en médecine, les auteurs ont utilisé plusieurs outils pour expliquer la manière dont SoleFusion-Net raisonne. Pour les données cliniques, ils ont calculé la contribution de chaque variable à la décision finale. La perception des vibrations et les tests au monofilament sur les deux pieds sont apparus comme les plus influents, reflétant la pratique médicale actuelle. Pour les images de pression, des cartes thermiques ont mis en évidence des régions spécifiques de la plante qui ont orienté le choix du modèle, souvent en concordance avec des zones connues pour être sujettes aux ulcères. Des méthodes additionnelles, incluant des arbres de décision simples et des explications basées sur des exemples, ont fourni des vues alternatives plus compréhensibles par des humains des mêmes décisions. Ensemble, ces vérifications ont montré que le système s’appuie sur des indices médicalement sensés plutôt que sur des motifs arbitraires.

Ce que cela signifie pour les personnes diabétiques

L’étude suggère qu’un modèle informatique bien conçu peut combiner la façon dont on pose le pied et les tests cliniques pour fournir une vue objective et transparente des lésions nerveuses plantaires. Bien que le travail soit basé sur un seul hôpital et nécessite des validations dans d’autres régions et configurations d’appareils, il ouvre la voie à des outils capables de signaler plus tôt les pieds à haut risque, d’orienter un suivi plus rapproché et d’aider les médecins à décider qui nécessite des mesures plus agressives de protection contre les ulcères. En bref, SoleFusion-Net agit comme une seconde paire d’yeux et de mains, aidant à transformer des mesures dispersées en une image plus claire de la santé des pieds chez les personnes diabétiques.

Citation: 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

Mots-clés: pied diabétique, neuropathie périphérique, imagerie de la pression plantaire, apprentissage profond multimodal, IA explicable