Vår forskning kring nya algoritmer är inriktad mot neuronnätverk och djupinlärning, bland annat kring metoder för imputation av saknade data, överlevnadsanalys och generativa modeller. När vi tillämpar maskininlärning ligger fokus främst på biologiska och medicinska data, med allt från ren modellbyggnad för att förstå biologiska processer till specifika medicinska beslutsstöd. Alla tillämpningar uppstår i nära samarbete med olika partners inom framför allt medicin. Exempelvis kan nämnas analys av proteomisk och genomisk data för tidig upptäckt av cancer och autoimmuna sjukdomar, metoder för att identifiera riskfaktorer samt optimal matchning mellan donator och mottagare vid hjärttransplantation.