En este trabajo, proponemos SCRATCH-AI, una herramienta que se basa en métodos de aprendizaje automático (ML) interpretables (a saber, redes bayesianas y árboles de decisión) para clasificar muestras de miel en categorías de curación de heridas. La clasificación explora el impacto de los orígenes botánicos (es decir, el tipo de miel) y características químico-biológicas clave, como la actividad antioxidante en la curación, evaluada a través de métricas de recuperación de heridas. Los resultados de rendimiento de clasificación obtenidos son muy alentadores. Además, los modelos proporcionan información no trivial sobre las dependencias causales de algunas características específicas de la miel en las propiedades de curación de heridas y muestran el efecto de diferentes tipos de miel (además de la conocida Manuka) en la cicatrización. La herramienta es inherentemente interpretable (debido a las técnicas de ML elegidas) y se ha hecho fácil de usar mediante una interfaz gráfica cuidadosamente diseñada. Creemos que la información proporcionada por nuestra herramienta permitirá a biólogos y clínicos utilizar mejor la miel, con el objetivo final de aprovechar la capacidad de la miel para acelerar la curación y reducir los riesgos de infección en la práctica clínica.