En million kreftbehandlingsmåneder (OMCAT)

Den neste generasjonen av PRO-React av CANKADO er designet for å forutsi forestående hendelsestrusler på et tidligere stadium enn tidligere mulig og – ved mer rettidig intervensjon – hjelpe leger med å eliminere eller redusere alvorlighetsgraden av en ugunstig hendelse, redusere den nødvendige intensiteten av mottiltak, eller på annen måte redusere pasientrisikoen.

En svært pålitelig identifikasjon av situasjoner klassifisert som "lavrisiko" av CANKADO kan også muliggjøre en mer fokusert ressursutnyttelse samt økt pasientkomfort og redusert stress, for eksempel på grunn av mindre hyppige overvåkingsbesøk eller redusert behov for invasiv diagnostikk.

OMCAT-registeret har som mål å tilby læringsdatabaser i kreft som omfatter både PRO-data ved bruk av PRO-React og «ground truth» (utfallsdata verifisert av legen under pasientundersøkelser). Intelligente lærings- og kunnskapstekniske prosedyrer vil bruke disse PRO-dataene til å gi hendelsesforutsigelsesalgoritmer av høy kvalitet. Grunnsannhetsdataene muliggjør såkalte "overvåket læring"-teknikker for kunstig intelligens, fordi forutsagte hendelser kan verifiseres med høy grad av sikkerhet fra grunnsannhetsdata.

PRO-dataene til en pasient gir det som er kjent innen ingeniørfag, fysikk og statistikk som "tidsserier" av observasjoner. Det unike med PRO-tidsserier for applikasjoner i kreft er den svært høye "prøvetakingsfrekvensen" (f.eks. daglig eller bedre) sammenlignet med undersøkelser, som vanligvis skjer med faste og mye mindre hyppige intervaller. Prediksjonsalgoritmer basert på PRO-data vil derfor være ideelt egnet for å redusere forsinkelsen i å oppdage hendelser, for eksempel ved å utløse legebesøk eller indikere behov for mer intensiv medisinsk diagnostikk.