En miljon cancerbehandlingsmånader (OMCAT)

Nästa generation av PRO-React från CANKADO är utformad för att förutsäga förestående incidenthot i ett tidigare skede än vad som tidigare varit möjligt och - genom mer snabba ingripanden - hjälpa läkare att eliminera eller mildra svårighetsgraden av en ogynnsam händelse, minska den erforderliga intensiteten av motåtgärder eller på annat sätt minska patientriskerna.

En mycket tillförlitlig identifiering av situationer som klassificerats som "lågrisk" av CANKADO kan också möjliggöra ett mer fokuserat utnyttjande av resurser samt förbättrad patientkomfort och minskad stress, t.ex. på grund av mindre frekventa övervakningsbesök eller minskat behov av invasiv diagnostik.

OMCAT-registret syftar till att tillhandahålla inlärningsdatabaser i cancer som omfattar både PRO-data med PRO-React och "ground truth" (resultatdata verifierade av läkaren under patientundersökningar). Intelligenta inlärnings- och kunskapstekniska procedurer kommer att använda denna PRO-data för att tillhandahålla högkvalitativa händelseförutsägelsealgoritmer. Grundsanningsdata möjliggör så kallade "övervakad inlärning"-tekniker för artificiell intelligens, eftersom förutspådda händelser kan verifieras med en hög grad av säkerhet från marksanningsdata.

PRO-data från en patient tillhandahåller vad som är känt inom teknik, fysik och statistik som "tidsserier" av observationer. Det unika med PRO-tidsserier för tillämpningar vid cancer är den mycket höga "provtagningsfrekvensen" (t.ex. dagligen eller bättre) jämfört med undersökningar, som vanligtvis sker med fasta och mycket mindre frekventa intervall. Prediktionsalgoritmer baserade på PRO-data skulle därför vara idealiska för att minska fördröjningen vid upptäckt av händelser, till exempel genom att utlösa läkarbesök eller indikera behovet av mer intensiv medicinsk diagnostik.