Diabetologie und Stoffwechsel 2025; 20(S 01): S20-S22
DOI: 10.1055/s-0045-1807395
Abstracts | DDG 2025
Poster
Posterwalk 1: Digitalisierung in der Diabetologie I Künstliche Intelligenz

mHealth-Apps & Diabetes mellitus: Eine KI-gestützte Nutzungsanalyse

C Eberle
1   Hochschule Fulda – University of Applied Sciences, Hochschule Fulda – University of Applied Sciences, Fulda, Germany
,
C Ament
2   Universität Augsburg, Lehrstuhl Regelungstechnik, Augsburg, Germany
› Author Affiliations
 

Hintergrund: Mit dem Smartphone steht heute eine leistungsfähige personalisierte Hardware-Plattform zur Verfügung, die von Menschen mit Diabetes zum Selbst-Management genutzt werden kann. Software-seitig ist dazu eine geeignete (mHealth-)App erforderlich. Kern der Aufgabe ist die persönliche Datenhaltung (Tagebuch-Funktion), doch interagieren zunehmend Geräte wie CGM, Insulin-Pumpe oder Smart-Pen mit dem Smartphone, so dass es zunehmend zum Zentrum des Selbst-Managements in Echtzeit wird. Zukünftig werden KI-basierte Funktionen hinzutreten. Unsere Analyse der angebotenen mHeath-Apps zeigen, welche Funktionen heute genutzt werden.

Methode: Mit Hilfe der Google-Suche wurden in „Google Play“ zum Begriff „diabetes“ n=80 angebotene Apps ermittelt. Aus deren Darstellung im Webshop wurde jeweils der Text (in englischer Sprache) extrahiert und einem Sprachmodell (Large Language Model „Llama 3.2“ über einen lokalen Ollama-Server) zur Analyse zu Verfügung gestellt. Die Analyse hinsichtlich ca. 40 Eigenschaften erfolgt jeweils über eine „prompt“, z.B.: „Does the diabetes app provide a tracking function or diabetes diary?“ Die Antworten werden anschließend automatisiert ausgewertet [1] [2] [3] [4] [5] [6] [7] [8].

Ergebnisse: Mit 70 Mio. Installationen im Jahr 2025 wird die Verbreitung deutlich höher ermittelt als in 2024 mit 24,5 Mio. In Bezug auf die Installationen sind die häufigsten Funktionen: Tagebuch (96,3%) und Ernährungs-Rechner (96,1%). Stark zugenommen haben Bolus-Rechner (60,3%) und die Einbindung von Geräten (66,7%). Folgende Diabetes-Typen werden adressiert: Typ 1 (44,6%), Typ 2 (98,9%), GDM (5,0%), Pre-Diabetes (38,0%). Apps finanzieren sich durch In-App-Verkäufe (87,5%) und Shop-Funktionen (47,5%).

Schlussfolgerungen: Echtzeit-Funktionen wie die Einbindung von Geräten oder Bolus-Rechner gewinnen an Bedeutung. Die Analyse der App-Funktionen auf Basis einer textliche Darstellung kann mit Hilfe eines Sprachmodells automatisiert werden. Dadurch ist die Auswertung objektiver, doch sind „Missverständnisse“ nicht ausgeschlossen.



Publication History

Article published online:
28 May 2025

© 2025. Thieme. All rights reserved.

Georg Thieme Verlag KG
Oswald-Hesse-Straße 50, 70469 Stuttgart, Germany