SoleFusion-Net: מסגרת למידת מכונה רב-מודלית ניתנת להסבר לסיווג תסמונת כף הרגל הסוכרתית בסוכרת סוג II

מדוע הרגליים שלכם חשובות בסוכרת

לאנשים החיים עם סוכרת מסוג 2, שינויים קטנים בכפות הרגליים עלולים להחמיר בשקט ולהפוך לבעיות חמורות, כולל כיבים ואפילו כריתה. רופאים מנסים לזהות נזק עצבי מוקדם, אך הבדיקות הנוכחיות מסתמכות על מה שהמטופלים חשים ועל הערכתו המעשית של הקלינאי. במחקר זה מוצג SoleFusion-Net, כלי מחשב שמשלב תמונות של אופן ההליכה ונתונים רגילים מרפואה ראשונית כדי למיין מטופלים לסיכון קל, בינוני או קשה, ובו בזמן להראות לרופאים כיצד הגיע להחלטתו.

לראות לחץ במקום שהעין לא רואה

כשאנחנו הולכים, אזורים שונים בכף הרגל לוחצים על הקרקע בעוצמות שונות. בסוכרת, נזק עצבי ושינויים עדינים בייצוב הגוף עלולים להזיז את דפוסי הלחץ לפני שמופיע כל פצע. החוקרים השתמשו בפלטפורמת חישה של לחץ כדי להקליט מפת צבעים של כפות הרגליים של 504 אנשים עם סוכרת סוג 2. כל מפה מראה איך המשקל מתפזר על פני כף הרגל במהלך ההליכה. תמונות אלה צומדו למדדים קליניים סטנדרטיים כגון גיל, מדד מסת גוף, לחץ דם ובדיקות שולחן פשוטות שבודקות עד כמה אדם מרגיש רטט או נגיעה קלה בכפות הרגליים.

מיזוג תמונות ונתונים קליניים

SoleFusion-Net בנוי משני מסלולים עיקריים. מסלול אחד מסתכל אך ורק על מפות הלחץ, ומשתמש במסנני תמונה משכיים כדי ללמוד היכן נטען עומס בלתי תקין בכף הרגל. המסלול השני קורא את הנתונים הקליניים, ולומד דפוסים במספרים כגון סף רטט ותוצאות מבחן מונופילמנט שמשקפים את בריאות העצבים. לאחר שכל מסלול לומד סיכום משלו של הנתונים, המודל מאחד את הסיכומים הללו ומבצע חיזוי סופי האם הנוירופתיה של האדם היא קלה, בינונית או קשה. על ידי אימון ובדיקה של המערכת על חמש חלוקות שונות מאותה קבוצת נתונים, הצוות בדק שהביצועים יציבים ולא מקריים לדגימה אחת מסוימת.

כמה טוב המערכת ממיינת סיכון לכף הרגל

בכל המבחנים, SoleFusion-Net סיווג נכון את המטופלים בכ-83 אחוז מהמקרים. הוא הבדיל היטב בין נזק עצבי קל וחמור והיתקל בקושי קל יותר בקבוצת המתווכת — קושי שגם בוחנים אנושיים מתמודדים איתו. עקומות המשוות חיוביים אמיתיים מול אזעקות שגויות הראו יכולת הבחנה כוללת חזקה בין שלוש הכיתות. מחקר אבולוציוני שבו הסירו חלקים מהמערכת הראה ששימוש רק בתמונות או רק בנתונים קליניים מוריד את הדיוק באופן ניכר. כאשר שניהם משולבים בעיצוב של מיזוג מאוחר, המודל הופך לאיזוני ואמין יותר מכל מקור בודד.

פתיחת הקופסה השחורה בפני קלינאים

מכיוון שאמון הוא קריטי ברפואה, המחברים השתמשו בכלים שונים כדי להסביר כיצד SoleFusion-Net חושב. עבור הנתונים הקליניים הם חישבו כמה כל תכונה תורמת להחלטה הסופית. מבחני רטט ומונופילמנט בשתי הרגליים בלטו כהשפעה המשמעותית ביותר, ומשקפים את הפרקטיקה הרפואית המקובלת. עבור תמונות הלחץ, מפות חום הדגישו אזורים ספציפיים בכף הרגל שהשפיעו על בחירת המודל, לרוב בהתאמה לאזורים הידועים כרגישים לכיבים. שיטות נוספות, כולל עצי חוקים פשוטים והסברים מבוססי דוגמאות, הציעו פרספקטיבות אלטרנטיביות ונגישות יותר של אותן החלטות. יחד, הבדיקות הללו הראו שהמערכת מסתמכת על רמזים רפואיים סבירים ולא על דפוסים אקראיים.

מה משמעות הדבר עבור אנשים עם סוכרת

המסקנה היא שמודל ממוחשב מתוכנן היטב יכול לשלב את אופן הצעידה ונתוני הבדיקות הקליניות כדי לספק תמונה אובייקטיבית ושקופה של נזק עצבי בכף הרגל. למרות שהעבודה מבוססת על בית חולים אחד ודורשת בדיקה באזורים ובמערכות ציוד אחרות, היא מצביעה על כלים עתידיים שעשויים לזהות כפות רגל בסיכון גבוה מוקדם יותר, להנחות מעקב צמוד יותר ולתמוך בהחלטות קליניות לגבי מי זקוק להגנה אגרסיבית יותר מפני כיבים. בקיצור, SoleFusion-Net פועל כזוג עיניים וידיים נוסף, ועוזר להפוך מדידות מפוזרות לתמונה ברורה יותר של בריאות כף הרגל בסוכרת.

ציטוט: 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

מילות מפתח: כף רגל סוכרתית, נוירופתיה פריפרית, הדמיית לחץ כף הרגל, למידה עמוקה רב-מודלית, בינה מלאכותית ניתנת להסבר