En million kræftbehandlingsmåneder (OMCAT)

Den næste generation af PRO-React fra CANKADO er designet til at forudsige forestående hændelsestrusler på et tidligere tidspunkt end tidligere muligt og - ved mere rettidig indgriben - hjælpe læger med at eliminere eller afbøde sværhedsgraden af ​​en ugunstig hændelse, reducere den nødvendige intensitet af modforanstaltninger eller på anden måde reducere patientrisici.

En yderst pålidelig identifikation af situationer, der er klassificeret som "lavrisiko" af CANKADO, kunne også muliggøre en mere fokuseret udnyttelse af ressourcer samt øget patientkomfort og reduceret stress, fx på grund af mindre hyppige overvågningsbesøg eller reduceret behov for invasiv diagnostik.

OMCAT-registret har til formål at levere læringsdatabaser i cancer, der omfatter både PRO-data ved hjælp af PRO-React og "ground truth" (udfaldsdata verificeret af lægen under patientundersøgelser). Intelligente lærings- og vidensingeniørprocedurer vil bruge disse PRO-data til at levere hændelsesforudsigelsesalgoritmer af høj kvalitet. Grundsandhedens data muliggør såkaldte "overvåget læring"-teknikker for kunstig intelligens, fordi forudsagte hændelser kan verificeres med en høj grad af sikkerhed ud fra jordsandhedsdata.

PRO-dataene for en patient giver, hvad der er kendt inden for teknik, fysik og statistik som "tidsserier" af observationer. Det unikke ved PRO-tidsserier til applikationer i cancer er den meget høje "prøveudtagningsfrekvens" (f.eks. daglig eller bedre) sammenlignet med undersøgelser, som generelt forekommer med faste og meget mindre hyppige intervaller. Forudsigelsesalgoritmer baseret på PRO-data ville således være ideel til at reducere forsinkelsen i detektering af hændelser, for eksempel ved at udløse lægeaftaler eller indikere behovet for mere intensiv medicinsk diagnostik.