Diabetologie

Die Übersichtsarbeit von Eberle et al. „Diabetology 4.0: Scoping Review of Novel Insights and Possibilities Offered by Digitalization“ stellt Entwicklungen der Digitalisierung im Bereich der Diabetologie dar. Es gibt verschiedene Technologien wie Glukose-Monitoring-Systeme, smarte Insulinpens, Insulinpumpen, geschlossene Regelkreissysteme, mobile Gesundheits-Apps, Telemedizin und elektronische Gesundheitsakten. Die Autorinnen identifizieren Herausforderungen wie Datenschutz, Interoperabilität und Standardisierung. (Eberle, Stichling, und Löhnert 2021)

Künstliche Intelligenz (KI) wird in der Diabetologie in mehreren Bereichen eingesetzt. Automatische Netzhautscreenings, wie das KI-System IDx-DR, ermöglichen die frühzeitige Erkennung diabetischer Retinopathie anhand von Fundusbildern. Zudem unterstützt KI die klinische Diagnostik, etwa durch Systeme wie “DreaMed Advisor Pro”, das Insulindosierungen auf Basis kontinuierlicher Glukosemonitoring-Daten (CGM) optimiert. Für Patienten gibt es KI-gestützte Selbstmanagement-Tools wie das “Guardian Connect System” von Medtronic, das frühzeitig vor Hypoglykämien warnt und so zur besseren Blutzuckerkontrolle beiträgt. Darüber hinaus wird KI zur Risikostratifizierung und Vorhersage von Diabetes eingesetzt, indem Machine-Learning-Modelle individuelle Krankheitsrisiken berechnen. (Nomura u. a. 2021)

Die Studie von Lehmann et al. untersucht App-Engagement als Prädiktor für Gewichtsverlust in gemischten Interventionsprogrammen für Menschen mit Übergewicht oder Adipositas. Sie analysieren Daten aus realen, groß angelegten, gemischten Versorgungsinterventionen und bestätigen, dass Patienten, die häufiger mit der App interagieren (z.B. durch höhere Protokollierungsaktivität), nach drei und sechs Monaten signifikant mehr Gewicht verlieren als solche mit geringerer App-Nutzung. Die Ergebnisse zeigen, dass frühes App-Engagement ein zuverlässiger Indikator für den Erfolg der Gewichtsreduktion ist, was die Möglichkeit bietet, klinische Maßnahmen frühzeitig anzupassen oder zu überwachen. (Lehmann, Jones, und Schirmann 2024) Die Autoren haben Verbindungen zu einem Unternehmen, die in der Gesundheits- und Technologiebranche tätig ist und könnten daher von den Ergebnissen der Studie profitieren, was ein potenzieller Interessenkonflikt ist. Diese Verbindung wurde in der Studie offengelegt.

Die GEMINI-T2D-Studie hatte zum Ziel, die Wirksamkeit einer webbasierten Plattform mit algorithmusgesteuerter Insulin-Titration bei Patienten mit insulinbehandeltem Typ-2-Diabetes (T2D) zu evaluieren. Die Studie wurde am Singapore General Hospital durchgeführt und umfasste 25 Teilnehmer, die 24 Wochen lang begleitet wurden. Die Ergebnisse zeigten eine signifikante Reduktion des HbA1c-Werts (im Durchschnitt 1,2%) sowie Verbesserungen des nüchternen Blutzuckers (FPG) und eine moderate Erhöhung der Insulindosis. Die Intervention führte auch zu einer hohen Adhärenz bei der Selbstmessung des Blutzuckers (SMBG), wobei die meisten Hypoglykämie-Ereignisse mild waren. Diese Ergebnisse unterstreichen das Potenzial webbasierten, algorithmusgesteuerten Insulin-Titrationssysteme zur Verbesserung der glykämischen Kontrolle, zur Stärkung der Patientenbeteiligung und zur Unterstützung von Ärzten bei der effektiveren Behandlung von T2D. Obwohl die Studie aufgrund ihrer kleinen Stichprobengröße Einschränkungen aufwies, deutet sie darauf hin, dass solche Interventionen eine vielversprechende Lösung zur Optimierung des Diabetesmanagements darstellen, insbesondere in ressourcenbegrenzten Umgebungen. (Thiagarajan u. a. 2025)

Apps für Ärzt:innen (B2B)

Software	Anbieter	URL	Anmerkungen
Swiss Diabetes Guide	Schweizerische Gesellschaft für Endokrinologie und Diabetologie (SGED)	diabetesguide.ch	Pharmakotherapie-Empfehlungen für Diabetes Typ 2
SiDiary für Professionals	Sinovo Ltd.	SiDiary	Verwaltung von Patientendaten, Berichte, Therapieanpassung
Glooko	Glooko Inc.	glooko.com	Integration von Daten aus verschiedenen Blutzuckermessgeräten

Apps für Patient:innen (D2C)

Software	Anbieter	URL	Anmerkungen
mySugr	Roche Diabetes Care	mysugr.com	Diabetes-Tagebuch mit Blutzucker-Tracking und Berichten
Glucose Buddy	Azumio	glucosebuddy.com	Synchronisation mit CGM-Systemen, Blutzuckerprotokoll
Diabetes:M	Sirma Medical Systems	diabetes-m.com	Detaillierte Analyse, Bolusrechner, Berichte
BlueLoop	Children with Diabetes	blueloop.mycareconnect.com	Diabetes-Management speziell für Kinder
DiabTrend	DiabTrend Ltd.	diabtrend.com	KI-gestützte Blutzuckerprognose, Tagebuch, Rezept-Datenbank

Open-Source Software

Software	Anbieter	URL	Anmerkungen
Nightscout	Open-Source-Community	nightscout.info	Echtzeit-Überwachung von Blutzuckerwerten, ursprünglich für Kinder mit Diabetes entwickelt

Eberle, Claudia, Stefanie Stichling, und Maxine Löhnert. 2021. „Diabetology 4.0: Scoping Review of Novel Insights and Possibilities Offered by Digitalization“. Journal of Medical Internet Research 23 (3): e23475. https://doi.org/10.2196/23475.

Lehmann, Marco, Lucy Jones, und Felix Schirmann. 2024. „App Engagement as a Predictor of Weight Loss in Blended-Care Interventions: Retrospective Observational Study Using Large-Scale Real-World Data“. J Med Internet Res 26 (Juni): e45469. https://doi.org/10.2196/45469.

Nomura, Akihiro, Masahiro Noguchi, Mitsuhiro Kometani, Kenji Furukawa, und Takashi Yoneda. 2021. „Artificial Intelligence in Current Diabetes Management and Prediction“. Current Diabetes Reports 21 (61). https://doi.org/10.1007/s11892-021-01423-2.

Thiagarajan, Nishanth, Hong Chang Tan, Suresh Rama Chandran, Phong Ching Lee, Yun Ann Chin, Wanling Zeng, Emily Tse Lin Ho, David Carmody, Su-Yen Goh, und Yong Mong Bee. 2025. „Web-Based, Algorithm-Guided Insulin Titration in Insulin-Treated Type 2 Diabetes: Pre-Post Intervention Study“. JMIR Form Res 9 (Februar): e68914. https://doi.org/10.2196/68914.