ECMAdigital ist ein von der EU gefördertes Verbundprojekt der Medizinischen Hochschule Brandenburg (MHB) und der Technischen Hochschule Brandenburg (THB). Es wird aus Mitteln des Europäischen Fonds für regionale Entwicklung (EFRE) im Programm „StaF-Verbund 2023 – Stärkung technologischer und anwendungsnaher Forschung“ gefördert. Ziel des Projekts ist es, Gefäßerkrankungen früher zu erkennen, passgenauer zu behandeln und so Amputationen zu vermeiden, indem ein innovatives medizinisches Verfahren mit datengetriebener Personalisierung verknüpft wird.
Atherosklerotische Gefäßerkrankungen, wie die periphere arterielle Verschlusskrankheit (PAVK), führen häufig zu chronischen Durchblutungsstörungen, die zu erheblichen Einschränkungen im Alltag führen können. In Deutschland werden jährlich mehr als 18.500 Amputationen oberhalb des Knöchels durchgeführt. Viele dieser schweren Verläufe könnten durch eine frühzeitige Diagnostik, eine strukturierte Prävention und eine gezielte, an der Person orientierte Behandlung abgemildert oder gar vermieden werden.
Im Zentrum von ECMAdigital steht ein von der MHB entwickeltes, äußerlich anzuwendendes Verfahren, bei dem der Blutfluss über Manschetten an Armen oder Beinen zeitweise gesteuert und beschleunigt wird. Diese kontrollierten Strömungsreize belasten die Arterien ähnlich wie intensives Ausdauertraining, ohne die Patientinnen und Patienten körperlich stark zu beanspruchen. Die gesetzten Reize fördern die Regeneration der Gefäße und die Neubildung kleiner Umgehungsgefäße. Dadurch kann sich die Durchblutung nachhaltig verbessern. Damit diese Wirkung möglichst vielen Menschen zugutekommt, wird die Therapie in einen patientenzentrierten, digitalen Prozess eingebettet. Medizinische Befunde, Lebensstil und Begleiterkrankungen werden strukturiert erhoben, in einer Datenbank zusammengeführt und durch ein spezielles diagnostisches Verfahren ergänzt. Auf dieser Basis leiten KI- und Machine-Learning-Analysen personalisierte Empfehlungen ab, die die Behandlung für jede Person optimieren sollen.
