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.


Interessenkonflikt

Es bestehen keine Interessenkonflikte.


Publication History

Article published online:
28 May 2025

© 2025. Thieme. All rights reserved.

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