糖尿病性足潰瘍（DFU）の医療画像セグメンテーションは深層学習の重要な応用分野ですが、従来の研究では同じデータセット上での訓練と評価が繰り返されており、異なる臨床施設由来のデータに対する実装可能性が十分に検証されていませんでした。この研究は、U-Net、DeepLabV3+（畳み込みニューラルネットワーク）、SegFormer-B2（Transformer）の3つの代表的なセグメンテーションアーキテクチャを統一的なプロトコルの下でベンチマークしています。 FUSeg/AZH創傷データを統合したデータセットで訓練した後、ファインチューニングなしに2つの独立した外部データセット（DFUC2022とMedetec）で評価するという厳密な検証方法を採用しました。その結果、すべてのモデルは訓練データに対して高い性能（Dice係数0.80～0.83）を示しましたが、外部データセットへの適用時には大幅な性能低下が観察されました。 興味深いことに、性能低下の程度はアーキテクチャに依存していました。SegFormer-B2は両方の外部テストセット（DFUC2022でDice 0.557、MedetecでDice 0.786）で最良の汎化性能を示し、両方の畳み込みモデルを上回りました。一方、より複雑なDeepLabV3+はシンプルなU-Netより汎化性能が劣っていました。2,160画像に対する詳細な失敗分析では、SegFormer-B2がDFUC2022での破滅的な失敗が最少（31.1%）であり、U-Net（38.5%）とDeepLabV3+（43.0%）と比較して優れていました。 これらの結果は2つの独立した外部データソースで一貫性を示し、ウィルコクソン符号付き順位検定によって統計的に有意（両データセットでp<0.001）であることが確認されました。本研究は、異なる施設間での医療AIの実装においては、モデルの複雑さよりもアーキテクチャの種類が汎化性能を左右する重要な要因であることを示唆しており、実臨床への応用を目指す研究者にとって貴重な知見を提供しています。