We willen betrouwbare AI-modellen ontwerpen voor diagnostiek van parasieten die (i) voorspellingsonzekerheid inschatten en minimaliseren door veralgemening over verschillende dataverdelingen heen, (ii) het potentieel
van zelf-gesuperviseerd leren benutten, (iii) context integreren teneinde modellen voor algemeen gebruik te bekomen die werken voor zowel verschillende endemische regio's, alsook voor verschillende patiëntenprofielen en soorten parasieten, en (iv) slechts minimale middelen vereisen,
hierbij ontplooiing op edge-apparaten mogelijk makend.