SoleFusion-Net: wyjaśnialne multimodalne ramy uczenia głębokiego do klasyfikacji zespołu stopy cukrzycowej w cukrzycy typu II

Dlaczego twoje stopy mają znaczenie w cukrzycy

U osób z cukrzycą typu 2 drobne zmiany w obrębie stóp mogą po cichu przekształcić się w poważne problemy, w tym owrzodzenia, a nawet amputację. Lekarze starają się wcześnie wykryć uszkodzenie nerwów, ale obecne badania opierają się na odczuciach pacjenta i ocenie klinicznej. W tym badaniu przedstawiono SoleFusion-Net, narzędzie komputerowe łączące obrazy sposobu stawiania stopy na podłożu z rutynowymi danymi z gabinetu, aby przyporządkować pacjentów do grup o niskim, umiarkowanym lub wysokim ryzyku, jednocześnie pokazując lekarzom, jak podjęto decyzję.

Widzieć nacisk tam, gdzie oko nie dostrzeże

Podczas chodzenia różne części stopy naciskają podłoże z różną intensywnością. W cukrzycy uszkodzenie nerwów i subtelne zmiany postawy mogą przesuwać ten rozkład nacisku zanim pojawią się jakiekolwiek rany. Badacze użyli platformy z czujnikami nacisku, aby zarejestrować kolorowe mapy podeszw 504 osób z cukrzycą typu 2. Każda mapa pokazuje, jak ciężar rozkłada się na stopie podczas kroku. Obrazy te sparowano ze standardowymi miarami klinicznymi, takimi jak wiek, wskaźnik masy ciała, ciśnienie krwi oraz proste testy przyłóżkowe sprawdzające odczuwanie wibracji czy lekkiego dotyku na stopach.

Mieszanie obrazów i danych klinicznych

SoleFusion-Net zbudowano z dwóch głównych ścieżek. Jedna ścieżka analizuje wyłącznie mapy nacisku, wykorzystując wielowarstwowe filtry obrazowe do nauki, gdzie na podeszwie pojawiają się nieprawidłowe obciążenia. Druga ścieżka przetwarza dane kliniczne, ucząc się wzorców w wartościach liczbowych, takich jak progi wibracyjne i wyniki testu monofilamentem, które odzwierciedlają stan nerwów. Po tym jak każda ścieżka tworzy własne podsumowanie danych, model scala te streszczenia i wydaje ostateczną prognozę, czy neuropatia danej osoby jest łagodna, umiarkowana czy ciężka. Trenując i testując system na pięciu różnych podziałach tej samej grupy, zespół sprawdził, że wyniki są stabilne, a nie przypadkowe dla jednego konkretnego próbki.

Jak dobrze system rozdziela ryzyko stopy

Wszystkie testy wykazały, że SoleFusion-Net poprawnie klasyfikował pacjentów w około 83 procentach przypadków. Szczególnie dobrze rozróżniał stany łagodne i ciężkie, a nieco większe trudności miał z grupą pośrednią, co również stanowi wyzwanie dla badań klinicznych. Krzywe porównujące prawdziwe trafienia i fałszywe alarmy wykazały silną zdolność dyskryminacji pomiędzy trzema klasami. Badanie ablacyjne, w którym usuwano części systemu, pokazało, że użycie tylko obrazów lub tylko danych klinicznych prowadzi do zauważalnie niższej dokładności. Gdy obie informacje połączono w projekcie z późną fuzją, model stał się bardziej zrównoważony i wiarygodny niż każde z pojedynczych źródeł osobno.

Otwieranie czarnej skrzynki dla klinicystów

Ponieważ zaufanie jest kluczowe w medycynie, autorzy zastosowali kilka narzędzi, aby wyjaśnić, jak SoleFusion-Net podejmuje decyzje. Dla danych klinicznych obliczyli wkład każdego cechora do ostatecznej decyzji. Badanie odczuwania wibracji i test monofilamentem na obu stopach okazały się najbardziej wpływowe, co odzwierciedla aktualne praktyki medyczne. Dla obrazów nacisku mapy cieplne wyróżniały konkretne obszary podeszwy, które przesądzały o wyborze modelu, często pokrywając się z miejscami znanymi jako podatne na owrzodzenia. Dodatkowe metody, w tym proste drzewa decyzyjne i wyjaśnienia oparte na przykładach, oferowały alternatywne, bardziej „ludzkie” perspektywy tych samych decyzji. Razem te analizy wykazały, że system polega na medycznie sensownych wskazówkach, a nie na arbitralnych wzorcach.

Co to oznacza dla osób z cukrzycą

Badanie sugeruje, że starannie zaprojektowany model komputerowy może łączyć sposób, w jaki stawiasz stopę, oraz wyniki testów klinicznych, by dostarczyć obiektywny, przejrzysty obraz uszkodzenia nerwów stopy. Choć praca opiera się na danych z jednego szpitala i wymaga weryfikacji w innych regionach i przy innym sprzęcie, wskazuje na przyszłe narzędzia, które mogłyby wcześniej wykrywać stopy wysokiego ryzyka, kierować na bliższe monitorowanie i wspierać lekarzy w decyzji, kto wymaga bardziej agresywnej ochrony przed owrzodzeniami. Krótko mówiąc, SoleFusion-Net działa jak dodatkowe oczy i ręce, pomagając przekształcić rozproszone pomiary w jaśniejszy obraz zdrowia stóp w cukrzycy.

Cytowanie: 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

Słowa kluczowe: stopa cukrzycowa, neuropatia obwodowa, obrazowanie ciśnienia podeszwowego, multimodalne uczenie głębokie, wyjaśnialna sztuczna inteligencja