Badania w tym obszarze koncentrują się na zastosowaniu metod rozpoznawania obrazów i uczenia maszynowego w diagnostyce medycznej. Prace badawcze są prowadzone od 15 lat w ścisłej współpracy z Zakładem Patomorfologii Szpitala Uniwersyteckiego w Zielonej Gorze. W ramach tej współpracy powstały między innymi rozwiązania wspomagające diagnostykę nowotworów piersi w oparciu o głębokie sieci neuronowe oraz geometrię stochastyczną. Aktualnie rozwijane są systemy wspomagające diagnostykę przerzutów nowotworu z piersi do węzłów chłonnych, klasyfikację nowotworu płuc oraz wczesną detekcję niepożądanych odczynów popromiennych w leczeniu nowotworów szyi i głowy.
Rozwijane podejścia skupiają się na zautomatyzowanej analizie obrazów cytologicznych oraz histopatologicznych poprzez ich segmentację oraz klasyfikację. Wykorzystuje się w tym zadaniu głębokie sieci neuronowe oraz metody z obszaru wnioskowania statystycznego i uczenia maszynowego. Przedmiotem badań są również metody do automatycznego wyjaśniania i tłumaczenia wyników generowanych przez modele głębokich sieci neuronowych. Prace te wpisują się w zakres światowych badań nad intensywnie rozwijanym obszarem wytłumaczalnej sztucznej inteligencji (ang. Explainable AI, XAI) . Wykorzystuje się w tym zadaniu różne podejścia bazujące na analizie atencji sztucznych sieci neuronowych, co pozwala określać na obrazach, które obiekty lub fragmenty obrazu są dla modelu kluczowe przy klasyfikacji lub segmentacji. Rozwój takich metod jest bardzo ważny w zastosowaniach medycznych, ponieważ pozwala to zwiększyć wiarygodność budowanych systemów diagnostycznych oraz odkrywać nieznaną do tej pory wiedzę.
