EUVIMEDEUVIMED entdecken
ÜbersichtsarbeitOpen Access

Artificial Intelligence and Machine Learning in Diabetic Foot Ulcer Care: Advances in Diagnosis, Treatment, Prognosis, and Novel Therapeutic Strategies

Künstliche Intelligenz und Machine Learning in der Versorgung des diabetischen Fußulkus: Fortschritte in Diagnostik, Therapie, Prognose und neuen therapeutischen Strategien

Abdulhamit Misir iD

Journal of Diabetes Science and Technology · 03.08.2025

DOI: 10.1177/19322968251363632 ↗

Auf einen Blick

Die Übersichtsarbeit beschreibt Anwendungen von KI/ML beim diabetischen Fußulkus in Diagnostik, Therapie, Prognose und neuen Strategien. Berichtete Leistungen reichen von 81-97 % Genauigkeit in Bild- und Thermogrammanalysen.

Fragestellung

Wie können KI und Machine Learning die Versorgung des diabetischen Fußulkus in Diagnostik, Therapie, Prognose und neuen Strategien verbessern?

Methode

Narrative Übersichtsarbeit zu KI/ML-Anwendungen beim diabetischen Fußulkus in vier Bereichen: Diagnostik, Therapieoptimierung, Prognose und Entwicklung neuer Strategien.

Ergebnisse

Berichtet werden 81-97 % Genauigkeit in Bild- und Thermogrammanalysen. Biomechanische ML-Modelle zeigen Potenzial zur Risikostratifizierung, Prognosemodelle erreichen AUC-Werte von 0,74-0,82.

Einschränkungen

Herausforderungen für die klinische Umsetzung: Datenstandardisierung, Erklärbarkeit, Regulierung, Integration in Arbeitsabläufe, prospektive Validierung und faire Implementierung.

Schlussfolgerung der Autor:innen

Trotz vielversprechender Fortschritte bestehen Hürden für die klinische Translation; koordinierte Zusammenarbeit ist laut Autor:innen nötig, um KI-gestützte Innovationen in die Routineversorgung zu überführen.

Kernaussagen

  • KI/ML zeigte 81-97 % Genauigkeit in Bild- und Thermogrammanalysen
  • Prognosemodelle erreichten AUC-Werte von 0,74-0,82
  • Für die klinische Umsetzung bestehen mehrere Hürden

Deutsche Zusammenfassung: KI-gestützt aus dem Original-Abstract erstellt; alle Zahlen wurden automatisch mit dem Original abgeglichen. Maßgeblich ist der Original-Abstract.

Kurz gefasst

Übersichtsarbeit in der Zeitschrift Journal of Diabetes Science and Technology, online erschienen am 03.08.2025. Verfasst von Abdulhamit Misir. Beteiligte Einrichtung: Department of Orthopedics and Traumatology, Bahçeşehir University Faculty of Medicine, Medicalpark Goztepe Hospital, Istanbul, Turkey. Die Arbeit wurde bisher 19-mal zitiert (Crossref) und nennt 22 Literaturangaben. Der Volltext ist frei in PubMed Central verfügbar.

Auf einen BlickAbstractSchlagwörterBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Background

Diabetic foot ulcers (DFUs) affect 19% to 34% of individuals with diabetes during their lifetime and account for over one million nontraumatic lower-limb amputations annually. Standard care often fails to detect early, subclinical changes, leading to delayed intervention and high mortality rates. This review examines how artificial intelligence (AI) and machine learning (ML) can extract complex patterns from diverse data modalities to advance DFU care.

Methods

We examined AI/ML applications in DFU care across four domains: diagnosis (automated image and thermogram classification, biomechanical risk stratification), treatment optimization (AI-driven offloading prescriptions, tele-rehabilitation, molecularly informed wound care), prognosis (neural network and random forest models for risk assessment), and novel strategy development (generative AI, transcriptomic target discovery, wearable digital biomarkers).

Results

Artificial intelligence/ML methodologies have demonstrated promising results in DFU image and thermogram analysis, with reported accuracies ranging from 81-97% across different studies. Biomechanical ML models show potential for dynamic risk stratification, and prognostic models achieve moderate performance with area under the curve values around 0.74-0.82. Generative AI approaches have shown promise for data augmentation, improving segmentation performance in limited datasets.

Conclusion

Despite promising advances, several challenges impede clinical translation, including data standardization, model explainability, regulatory compliance, clinical workflow integration, prospective validation, and equitable implementation. Collaborative efforts among clinicians, data scientists, regulators, and patients are essential to translate AI-driven innovations into routine DFU management, potentially reducing amputations and improving outcomes for this global health burden.

Schlagwörter

Stichwörter der Autor:innen

artificial intelligencebiomechanicsclinical decision support systemsdiabetic foot ulcersmachine learningprognostic modelingthermographywearable technology

Autor:innen und Institutionen

  • Department of Orthopedics and Traumatology, Bahçeşehir University Faculty of Medicine, Medicalpark Goztepe Hospital, Istanbul, Turkey.

ORCID-Profile: Abdulhamit Misir

Zitieren

APA

Misir, A. (2025). Artificial Intelligence and Machine Learning in Diabetic Foot Ulcer Care: Advances in Diagnosis, Treatment, Prognosis, and Novel Therapeutic Strategies. Journal of Diabetes Science and Technology. https://doi.org/10.1177/19322968251363632

Vancouver

Misir A. Artificial Intelligence and Machine Learning in Diabetic Foot Ulcer Care: Advances in Diagnosis, Treatment, Prognosis, and Novel Therapeutic Strategies. Journal of Diabetes Science and Technology. 2025. doi:10.1177/19322968251363632

BibTeX
@article{Misir2025,
  author = {Misir, Abdulhamit},
  title = {Artificial Intelligence and Machine Learning in Diabetic Foot Ulcer Care: Advances in Diagnosis, Treatment, Prognosis, and Novel Therapeutic Strategies},
  journal = {Journal of Diabetes Science and Technology},
  year = {2025},
  doi = {10.1177/19322968251363632}
}
Kostenlos starten →