Mine interesser ligger i skjæringspunktet mellom medisinske og helserelaterte data, med et sterkt fokus på å utvikle avanserte likhetsmål for grafstrukturerte data. Spesielt er jeg opptatt av å utnytte representasjonslæringsteknikker og ikke-euklidiske embedding-metoder for å forbedre analysen av pasientjournaler, biologiske nettverk og kliniske beslutningssystemer. Ved å integrere domeneekspertise—slik som de hierarkiske relasjonene mellom medisinske diagnoser, de funksjonelle forbindelsene i molekylære interaksjoner eller den kontekstuelle betydningen av kliniske forløp—har jeg som mål å skape mer meningsfulle likhetsmål som styrker prediktiv modellering og kunnskapsutvinning i helsesektoren. I tillegg utforsker jeg hvordan relasjonelle taksonomier av medisinske konsepter og pasientforløp kan embeddes på en effektiv måte for å forbedre strategier for datautvidelse, og dermed øke robustheten og tolkbarheten til maskinlæringsmodeller i medisinske anvendelser.

Dyp læring.
Tolkbar kunstig intelligens.
Usikkerhetsanalyse.
Medisinsk bildeanalyse.
Læring med begrenset data.