本研究では、深層学習を用いた多変量時系列（MTS）分類における反事実的説明可能AI（XAI）手法、CONFETTIを提案します。従来のXAI手法は透明性に欠け、意思決定を妨げるため、反事実的説明（CE）が注目されています。しかし、通常のアプローチは精度、近接性、スパース性のいずれかを優先するため、実用的な価値が制限されています。CONFETTIは、この3つの要素をバランス良く最適化し、MTSの重要な部分を特定し、反事実的なターゲットを見つけ、時間系列を最小限の変更で調整します。この手法は解釈性を向上させ、意思決定を支援します。研究では、UEAアーカイブの7つのMTSデータセットに対する効果を実証し、他の最先端CE手法を一貫して上回る結果を得ました。