Ce projet utilise des algorithmes d'apprentissage automatique pour améliorer la prise en charge médicale. Il permet la prédiction de maladies, l'assistance au diagnostic médical et la recherche de corrélations épidémiologiques.

Le projet Oregano a pour objectif de construire un graphe de connaissances holistique sur les médicaments et d'appliquer des approches de prédiction de liens pour la découverte de relations possibles entre médicaments et cibles en vue d'un repositionnement de médicaments. Des bases de données médicales gratuites sont intégrées dans le graphe de connaissances, qui concerne non seulement les médicaments mais aussi les protéines, les gènes et les maladies.

Le modèle de progression de maladie gaussien (GPPM) est une méthode probabiliste d'estimation des trajectoires de biomarqueurs et de quantification de l'incertitude de la prédiction du stade pathologique individuel. Il permet le diagnostic probabiliste dans un scénario clinique et la quantification de l'incertitude diagnostique de la sévérité individuelle de la maladie.