SoleFusion-Net：2型糖尿病における糖尿病性足症候群分類のための説明可能なマルチモーダル深層学習フレームワーク

なぜ足が糖尿病で重要なのか

2型糖尿病を患う人にとって、足の小さな変化が静かに進行して潰瘍や最悪の場合は切断といった深刻な問題に発展することがあります。医師は早期に神経障害を見つけようとしますが、現在の検査は患者の自覚症状や臨床医の手による評価に依存しています。本研究はSoleFusion-Netを紹介します。これは歩行時の足底の圧の画像と通常の診療データを組み合わせ、患者を軽度・中等度・重度のリスクに分類すると同時に、医師にどのように結論に至ったかを示すコンピューターツールです。

目では見えない圧力を可視化する

歩行時、足の部位ごとに地面へ加わる圧力は異なります。糖尿病では、神経障害や微妙な姿勢の変化が潰瘍が現れる前にこの圧力分布を変化させることがあります。研究者らは圧力検知プラットフォームを用いて、2型糖尿病患者504名の足底のカラーマップを記録しました。各マップは歩行中に体重が足にどのように分散しているかを示します。これらの画像は年齢、ボディマス指数、血圧、振動覚や単糸検査（モノフィラメント）などの簡易ベッドサイド検査といった標準的な臨床測定値と組み合わされました。

画像と臨床データの融合

SoleFusion-Netは主に二つの経路で構成されています。一方の経路は圧力マップだけを解析し、層状の画像フィルタで足底のどこに異常な荷重が現れやすいかを学習します。もう一方の経路は臨床データを読み取り、振動閾値やモノフィラメントスコアなど神経の健康を反映する数値パターンを学習します。それぞれの経路がデータの要約を学習した後、モデルはそれらを融合して最終的に軽度・中等度・重度のいずれかを予測します。同一コホートを五分割して訓練と評価を行うことで、単一のサンプルに依存した偶発的な結果でないかどうかを検証しました。

足のリスクをどれだけ正確に分類できるか

全てのテストを通じて、SoleFusion-Netは約83%の正答率で患者を正しく分類しました。特に軽度と重度の神経障害の区別は良好で、間のグループの識別はやや難しく、人の診察でも困難な領域と一致していました。真陽性率と誤警報率を比較した曲線は三分類の全体的な識別力が高いことを示しました。システムの一部を除去して性能を調べるアブレーション研究では、画像のみあるいは臨床データのみを用いると精度が明らかに低下することが分かりました。遅延融合（late fusion）設計で両方を組み合わせると、単一の情報源よりもバランスよく信頼性の高いモデルになります。

臨床医のためにブラックボックスを開く

医療では信頼が重要であるため、著者らはSoleFusion-Netの思考過程を説明するいくつかの手法を用いました。臨床データについては、各特徴量が最終判断へどれだけ寄与したかを算出しました。振動覚と両足のモノフィラメント検査が最も影響力のある特徴として浮かび上がり、現行の医療実践を反映していました。圧力画像については、ヒートマップがモデルの判断を駆動した足底の特定領域を強調し、しばしば潰瘍が生じやすい領域と一致しました。単純なルールツリーや事例ベースの説明を含む追加の手法は、同じ判断をより人間に理解しやすい形で示しました。これらの検証から、システムは恣意的なパターンではなく医療的に妥当な手がかりに基づいていることが示されました。

糖尿病患者にとっての意義

この研究は、慎重に設計されたコンピュータモデルが歩行時の圧分布と診療での検査結果を統合し、足の神経障害について客観的で透明性のある見立てを提供しうることを示唆しています。対象が単一病院のデータに基づいており、他地域や異なる装置環境での検証が必要である点は残りますが、本手法は高リスクの足をより早期に検出し、より密なフォローや潰瘍予防の判断支援へつながる将来のツールを示しています。要するに、SoleFusion-Netは第二の目と手のように働き、散発する測定値を足の健康のより明確な全体像にまとめる助けになります。

引用: 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

キーワード: 糖尿病性足, 末梢神経障害, 足底圧イメージング, マルチモーダル深層学習, 説明可能なAI