SoleFusion-Net: uma estrutura explicável de aprendizado profundo multimodal para classificação da síndrome do pé diabético em diabetes mellitus tipo II

Por que seus pés importam no diabetes

Para pessoas com diabetes tipo 2, pequenas alterações nos pés podem silenciosamente evoluir para problemas sérios, incluindo úlceras e até amputação. Os médicos tentam detectar o dano nos nervos cedo, mas os testes atuais dependem do que os pacientes sentem e do julgamento manual dos clínicos. Este estudo apresenta o SoleFusion-Net, uma ferramenta computacional que combina imagens de como você pisa no solo com dados rotineiros de clínica para classificar pacientes em risco leve, moderado ou grave, ao mesmo tempo que mostra aos médicos como chegou à decisão.

Vendo pressão onde o olho não alcança

Quando caminhamos, diferentes partes do pé pressionam o solo com intensidades variadas. No diabetes, o dano nervoso e mudanças sutis na postura podem deslocar essa pressão antes que qualquer ferida apareça. Os pesquisadores usaram uma plataforma sensora de pressão para registrar mapas coloridos das solas de 504 pessoas com diabetes tipo 2. Cada mapa mostra como o peso é distribuído pelo pé durante a marcha. Essas imagens foram emparelhadas com medidas clínicas padrão, como idade, índice de massa corporal, pressão arterial e testes simples à beira do leito que verificam quão bem alguém percebe vibração ou um toque leve nos pés.

Misturando imagens e dados clínicos

O SoleFusion-Net é construído com dois caminhos principais. Um caminho analisa apenas os mapas de pressão, usando filtros em camadas para aprender onde a sobrecarga anormal tende a aparecer na sola. O outro caminho lê os dados clínicos, identificando padrões em números como limiares de vibração e escores de monofilamento que refletem a saúde nervosa. Depois que cada caminho aprende seu próprio resumo dos dados, o modelo funde esses resumos e faz uma previsão final sobre se a neuropatia de uma pessoa é leve, moderada ou grave. Ao treinar e testar o sistema em cinco divisões diferentes do mesmo grupo, a equipe verificou que seu desempenho era estável e não um acaso de uma amostra particular.

Quão bem o sistema classifica o risco no pé

Em todos os testes, o SoleFusion-Net classificou corretamente os pacientes em cerca de 83% das vezes. Separou particularmente bem os danos nervosos leves e graves, e teve um pouco mais de dificuldade com o grupo intermediário, que também é desafiador para examinadores humanos. Curvas que comparam verdadeiros positivos versus falsos alarmes mostraram forte discriminação geral entre as três classes. Um estudo de ablação, em que partes do sistema são removidas, revelou que usar apenas imagens ou apenas dados clínicos leva a uma acurácia visivelmente menor. Quando ambos são combinados no desenho de fusão tardia, o modelo se torna mais equilibrado e confiável do que qualquer fonte isolada.

Abrindo a caixa preta para os clínicos

Como a confiança é crucial na medicina, os autores usaram várias ferramentas para explicar como o SoleFusion-Net pensa. Para os dados clínicos, calcularam quanto cada variável contribuiu para a decisão final. A percepção de vibração e os testes de monofilamento em ambos os pés surgiram como os mais influentes, refletindo a prática médica atual. Para as imagens de pressão, mapas de calor destacaram regiões específicas da sola que motivaram a escolha do modelo, frequentemente alinhadas com áreas conhecidas por serem propensas a úlceras. Métodos adicionais, incluindo árvores de regras simples e explicações baseadas em exemplos, ofereceram visões alternativas e mais acessíveis das mesmas decisões. Juntos, esses cheques mostraram que o sistema se baseia em sinais medicamente sensatos em vez de padrões arbitrários.

O que isso significa para pessoas com diabetes

O estudo sugere que um modelo computacional bem projetado pode misturar a forma como você pisa e os testes clínicos para oferecer uma visão objetiva e transparente do dano nervoso nos pés. Embora o trabalho seja baseado em um único hospital e precise ser testado em outras regiões e configurações de equipamento, aponta para ferramentas futuras que poderiam sinalizar pés de alto risco mais cedo, orientar acompanhamento mais próximo e apoiar médicos na decisão de quem precisa de proteção mais agressiva contra úlceras. Em resumo, o SoleFusion-Net age como um segundo par de olhos e mãos, ajudando a transformar medições dispersas em uma imagem mais clara da saúde dos pés no diabetes.

Citação: 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

Palavras-chave: pé diabético, neuropatia periférica, imagens de pressão plantar, aprendizado profundo multimodal, IA explicável