W projekcie podjęto próbę rozwiązania kilku trudnych problemów związanych ze skutecznością diagnostyki w bardzo istotnym leczeniu stanów nagłych, do których należy udar mózgu oraz skutecznego rozpoznania raka sutka w badaniach przesiewowych. W obu przypadkach kluczową rolę odgrywają badania obrazowe, odpowiednio CT oraz mammografia. W skutecznym postępowaniu w przypadku udaru niezwykle ważną rolę odgrywa czas, a każda zaoszczędzona minuta to mniej uszkodzony mózg, mniejszy stopień niepełnosprawności i wykluczenia społecznego. Z kolei opis mammogramów pozbawiony kontekstu innych badań i charakterystyk klinicznych nierzadko jest szukaniem igły w stogu siana, a popełnienie błędu często pociąga za sobą tragiczne skutki. Słabością stosowanych w obu przypadkach procedur jest  ograniczona skuteczność wykorzystywanych metod obrazowania, dla których nie ma dobrych alternatyw.

Podstawą sprawnej i skutecznej interpretacji obrazów medycznych jest rozumienie obrazowanej rzeczywistości. Właściwe odczytanie wszystkich elementów obrazu i wzajemnych relacji pomiędzy nimi (poprzez postrzeganie i poznanie) prowadzi do pojęcia całości przekazu informacji obrazowej, a w konsekwencji do odkrycia sensu, prawdy dotyczącej danego przypadku (zarówno przyczyn jak i konsekwencji obserwowanych skutków). Rozumienie jest pojmowaniem na poziomie myślnym (abstrakcyjnym), poprzez odniesienie niekiedy subtelnych i niejednoznacznych pomiarów do wiedzy i doświadczenia. Kluczem jest integracja pozyskanych informacji w kontekście posiadanych zasobów. By ułatwić trafne rozumienie obrazów, postanowiono połączyć we wspólnym, zintegrowanym modelu:
a) zobiektywizowaną wiedzę i umiejętności lekarzy,
b) charakterystykę wybranych zadań klinicznych z mechanizmami postrzegania i poznania,
c) narzędzia optymalizacji formy analizowanych obrazów,
d) specyficzne reprezentacje efektów pomiarów i obserwacji, które różnicują badane przypadki,
e) informatyczne realizacje działań inteligentnych (różnicowanie znaczeń, rozpoznanie, porządkowanie i upraszczanie, adaptacja do zmieniających się uwarunkowań).
Elementy te łącząc, porządkując i przekształcając dostępne zasoby dają efekt synergii wnioskując i intepretując znaczenie informacji.

Złożona konstrukcja modelu nie prowadzi do skomplikowanych rozwiązań, wręcz przeciwnie. Dzięki kompleksowej analizie faktów powiązanych z realiami klinicznymi uzyskano maksymalnie uproszczenie zadań lekarzy-ekspertów. Prezentowane podpowiedzi sugerują, gdzie szukać nie warto, a gdzie odkrycie prawdy jest tylko kwestią czasu. By zredukować czas i nabrać pewności, co do podjętych decyzji, trzeba działania rozłożyć na kilka, a czasami nawet na kilkanaście etapów. Łatwiej wtedy upewnić się, co do słuszności kolejnych kroków, a jednocześnie można wyrobić sobie coraz lepsze zdanie w sprawie końcowej decyzji. Stałe monitorowanie kolejnych decyzji, przy jednoczesnym gromadzeniu i porządkowaniu wszystkich istotnych danych zwiększa obiektywizm i powtarzalność działań, redukując poziom błędu. Według tej koncepcji zrealizowano system wspierania kolejnych decyzji w procedurze ratowania ludzi dotkniętych udarem. Zaproponowano wsparcie rozpoznania udaru we wstępnej fazie identyfikacji objawów (osoby dotknięte udarem, postronne, rodzina, sanitariusze, dyspozytorzy), kiedy występują największe opóźnienia przy podejmowaniu stosunkowo prostych decyzji o wezwaniu pomocy i realizacji szybkiego transportu. Stracony wtedy czas trudno odrobić na etapie szpitalnym, zwłaszcza że podejmowane kolejno decyzje stają się coraz trudniejsze, a rosnąca liczba danych wymaga coraz bardziej wnikliwej oceny. Powstały inteligentne narzędzia, które wspierają pracę lekarzy: pierwszego kontaktu, neurologów i radiologów na etapie diagnostyki, ale też decyzji dotyczących formy terapii (tromboliza/trombektomia). Zaletą opracowanego systemu jest możliwość łącznej analizy wszystkich zebranych danych, której efektem są syntetyczne, klarowne wnioski ułatwiające zrozumienie całego obrazu  klinicznego.

W wyniku prac zaplanowanych w projekcie powstały rozwiązania, które wykorzystując potencjał metod obliczeniowych używają obrazów medycznych do stworzenia nowej jakości obrazów klinicznych. Obok wyeksponowanych realnych struktur i cech ukazujących zarejestrowane (obrazowo) w danej chwili objawy patologii, pojawiają się wyjaśnienia ich związków z wynikami innych badań i obserwacji klinicznych, odkrywane są stopniowo przyczyny, kojarzone i interpretowane konsekwencje, reperkusje, efekty kliniczne, długotrwałe lub chwilowe, ale zawsze pozostawiające po sobie ślad.

Zrealizowano systemy wspomagania decyzji na kolejnych etapach ścieżki przedszpitalnej i szpitalnej leczenia udarów mózgu, dające szansę znacznie szybszego i trafniejszego zastosowania terapii trombolitycznej/trombektomii. Uzyskano wysoką wiarygodność rozpoznania udarów na podstawie automatycznej analizy obrazów w kontekście określonej sytuacji klinicznej. Powstałe metody, modele i narzędzia, ale też zgormadzone zasoby i zebrane doświadczenia są zaledwie wstępną próbą realizacji przyjętej koncepcji rozumienia obrazów w warunkach klinicznych. Jednak wskazane teorie i kierunki optymalizacji oraz uzyskane efekty przeprowadzonych eksperymentów potwierdzają słuszność badanej hipotezy: tylko integracja wiedzy, doświadczeń, narzędzi, metod i kryteriów, a przede wszystkim wysiłków,  pozwoli uzyskać nową jakość procedur klinicznych wykorzystujących obrazy. Ale są to już nowe obrazy.