מודלי חיזוי מאומנים, על פי רוב, באמצעות מידע ממקור אחד (או ממספר מקורות בודדים) אבל לעיתים תכופות נעשה בהם שימוש גם בסביבות אחרות, חיצוניות. במקרים מסויימים, ובמאמץ לא מבוטל, ניתן למדוד ולוודא את הביצועים של המודלים הללו בסביבות החיצוניות. בפרוייקט זה, אנחנו נוקטים גישה פרואקטיבית יותר, ומנסים לאמן, מראש, מודלים רובסטיים, שביצועיהם יהיו טובים גם על מקורות שיש לנו מידע מוגבל אודותם.
מתודולוגית, אנחנו משלבים גישות של הסקה סיבתית עם רעיונות מתחום האופטימיזציה הרוביסטית בלמידה חישובית, על מנת להתמודד עם המורכבות של מידע רפואי, ובכללה השונות במאפייני האוכלוסיה, במדיניות הטיפול, ובמסגרות הקליניות. אנחנו מניחים שיש לנו גישה מלאה למקור יחיד ומידע מצומצם – סטטיסטי או מכניסטי – על מספר מקורות נוספים; וחוקרים שיטות שמנצלות את המידע המוגבל לאמן מודלי חיזוי רובסטיים יותר.
