MEDICINE & AI

タイトル：A feature explainability-based deep learning technique for diabetic foot ulcer identification 雑誌名：Sci Rep. 2025 Feb 25; 15(1): 6758. 概　要： 糖尿病性足潰瘍（DFU）は、糖尿病の一般的かつ深刻な合併症であり、足の裏に開いた傷として現れます。血液循環の障害や神経障害が原因で、重度の感染や切断のリスクが高まります。早期発見、効果的な創傷管理、糖尿病管理がDFUの予防と治療に不可欠です。本研究では、DFUのラベリングと局所化のための深層学習モデルの解釈可能性を高めるDFU_XAIフレームワークを紹介します。このフレームワークは、Xception、DenseNet121、ResNet50、InceptionV3、MobileNetV2、Siamese Neural Network（SNN）の6つの先進モデルを評価し、SHAP、LIME、Grad-CAMなどの解釈技術を使用しています。中でも、SNNモデルは98.76%の精度、99.3%の適合率、97.7%の再現率、98.5%のF1スコア、98.6%のAUCを達成しました。Grad-CAMヒートマップは潰瘍の位置を効果的に特定し、臨床医に正確で視覚的に解釈可能な洞察を提供します。 方　法： 本研究は、糖尿病性足潰瘍の識別における深層学習モデルの解釈可能性を高めるDFU_XAIフレームワークを用いた評価研究です。6つの先進的なモデル（Xception、DenseNet121、ResNet50、InceptionV3、MobileNetV2、Siamese Neural Network）を対象に、SHAP、LIME、Grad-CAMなどの解釈技術を使用して性能を評価しました。主要評価指標には、精度、適合率、再現率、F1スコア、AUCが含まれます。 結　果： Siamese Neural Network（SNN）モデルは、98.76%の精度、99.3%の適合率、97.7%の再現率、98.5%のF1スコア、98.6%のAUCを達成しました。Grad-CAMヒートマップは、潰瘍の位置を効果的に特定し、臨床医に視覚的に解釈可能な情報を提供しました。 結　論： DFU_XAIフレームワークは、糖尿病性足潰瘍の管理におけるAIの透明性の課題に対処し、信頼性と効率性の高い解決策を提供します。このアプローチは、AI駆動の医療における解釈可能性を統合し、臨床現場での信頼性と使いやすさを向上させる可能性があります。